Razonamiento Probabilístico

Razonamiento Probabilístico: En donde se explica cómo consumir sistemas de razonamiento basados en modelos de redes y, con base en las leyes de la teoría de probabilidad, emplearlos para razonar en situaciones de incertidumbre.

La ventaja del razonamiento probabilístico en comparación con el razonamiento lógico reside en que el agente lógico puede tomar decisiones racionales aún sin disponer de suficiente información para probar que una acción dada funcionará.

Procesos Aleatorios: toda experiencia que genere una secuencia de valores modelizables como variables aleatorias. Cada experiencia individual tiene un posicionamiento, o sea un orden en la experiencia global. También podemos decir que una serie ordenada de experiencias individuales genera una experiencia global que denominamos proceso aleatorio.

Variables Discretas: es una variable que solo puede tomar valores dentro de un conjunto numerable, es decir, no acepta cualquier valor sino solo aquellos que pertenecen al conjunto. En estas variables se dan de modo inherente separaciones entre valores observables sucesivos. Dicho con más rigor, se define una variable discreta como la variable que hay entre dos valores observables (potencialmente), hay por lo menos un valor no observable (potencialmente). Como ejemplo, el número de animales en una granja (0, 1, 2, 3...)

Variables Continúas: puede tomar un valor cualquiera dentro de un rango predeterminado. Y siempre entre dos valores observables va a existir un tercer valor intermedio que también podría tomar la variable continua. Una variable continua toma valores a lo largo de un continuo, esto es, en todo un intervalo de valores. Un atributo esencial de una variable continua es que, a diferencia de una variable discreta, nunca puede ser medida con exactitud; el valor observado depende en gran medida de la precisión de los instrumentos de medición. Con una variable continua hay inevitablemente un error de medida. Como ejemplo, la estatura de una persona (1.710m, 1.715m, 1.174m...)

Clasificación de la Estadística: La estadística se puede clasificar en dos grandes ramas:

* Estadística descriptiva o deductiva.

* Estadística inferencial o inductiva.

La primera se emplea simplemente para resumir de forma numérica o gráfica un conjunto de datos. Se restringe a describir los datos que se analizan. Si aplicamos las herramientas ofrecidas por la estadística descriptiva a una muestra, solo nos limitaremos a describir los datos encontrados en dicha muestra, no se podrá generalizar la información hacia la población. La estadística inferencial permite realizar conclusiones o inferencias, basándose en los datos simplificados y analizados de una muestra hacia la población o universo. Por ejemplo, a partir de una muestra representativa tomada a los habitantes de una ciudad, se podrá inferir la votación de todos los ciudadanos que cumplan los requisitos con un

...