View
2.297
Download
2
Category
Preview:
Citation preview
1
ESCUELA SUPERIOR POLITECNICA DEL LITORAL REDES BAYESIANAS
ESCUELA SUPERIOR POLITECNICA DEL LITORAL
REDES BAYESIANAS
Meteorología
Transacciones Bancarias
Control de Tráfico en una
ciudad
Diagnostico Medico
Diagnostico de
Problemas en
Automóviles
Navegación Terrestre y
Marítima
Par de conjuntos G=(X,L) donde X es
un conjunto finito de elementos (nodos) y L
es un conjunto de arcos.
subconjunto de pares ordenados.
Par Ordenado G=(X,L) donde
X es el conjunto de nodos y L conjunto de
arcos
Grafo que no tiene ciclos
X es un padre de L <->existe un solo
arco de X → Y
Una Red Bayesiana es
conexo sujeto a
una
sobre sus
variables
Tal Que:
Nodos
Arcos
))((),..,,(
1
21 i
n
i
inXpadresXPXXXP
- Clasificador de Naives-Bayes con árbolaumentado(TAN)
-Multiredes Bayesianas
Ejemplo de red De Naives-Bayes
Prevención del fraude
Prevención del abandonode clientes
Blanqueo de dinero
Marketing personalizado
Mantenimiento preventivo
Scoring de clientes
Clasificación de datosestelares
OBSERVACION:
La sensibilidad es la probabilidad de que laprueba dé positivo cuando la enfermedad estápresente
La especificidad es la probabilidad de que laprueba dé negativo cuando la enfermedad estáausente
1.-
Enfermedad y Prueba
2.-
Presente y Ausente para Enfermedad
Positivo o Negativo para Prueba
3.-
Enfermedad implica Prueba :
Enfermedad->Prueba
4.-
P(Enfermedad=Presente)=0.08
P(Positivo|Presente)=0.75
P(Negativo|Ausente)=0.96
PRESENTE AUSENTE
POSITIVO 0.75 0.04
NEGATIVO 0.25 0.96
TEOREMA DE BAYES
PROBABILIDAD TOTAL
P(Positivo)=P(Positivo|Presente)P(Presente)+P(Positivo|Ausente)P(Ausente)
P(Positivo)=0.75(0.08)+0.92(0.04)
P(Positivo)=0.0968
P(Negativo)=1-0.0968
P(Negativo)=0.9032
Si se le permite a la organización instalarsoftware en el sistema del usuario final y si puede exigir laplataforma del sistema operativo que debe utilizar elusuario final.
Cuando se evalúa unaestrategia de autenticación, las organizaciones debentener en cuenta los demás objetivos del negocio quedesean que enfrente el método de autenticación.
Por ejemplo, una organización de cuidado de la saludpuede tener la necesidad de encriptar la información desalud protegida
monitorear lastransacciones y actividades llevadas a cabo porel usuario después de la autenticación al iniciarsesión.
adaptar el acceso de usuarios desde diferentes
ubicaciones remotas
adaptar el acceso de usuarios desde sistemas
desconocidos, como cabinas públicas, sistemas
de hotelería o estaciones de trabajo
compartidas
ARBOLES DE DECISION DE
AUTENTICACION DE RSA : COMO ELIGIR LA
MEJOR DECISION
RED_BAYESIANA RED
BAYESIANA
INTRODUCCION A LAS REDES BAYESIANAS
Recommended