Definición y estudios de redes bayesianas aplicadas a ciencias de la salud y de la vida
Las redes bayesianas son modelos gráficos probabilísticos que expresan las relaciones de dependencia condicional en un conjunto de variables. Desde su concepción, las redes bayesianas han estado profundamente ligadas a las Ciencias de la Salud y de la Vida, especialmente en el área clínica. Existe u...
| Author: | |
|---|---|
| Format: | master thesis |
| Publication Date: | 2021 |
| Country: | España |
| Institution: | Universidad Complutense de Madrid (UCM) |
| Repository: | Docta Complutense |
| Language: | Spanish |
| OAI Identifier: | oai:docta.ucm.es:20.500.14352/5150 |
| Online Access: | https://hdl.handle.net/20.500.14352/5150 |
| Access Level: | Open access |
| Keyword: | 519.21 Aprendizaje Dependencia Modelo gráfico probabilístico Red bayesiana Parámetros Learning Dependence Graphical probabilistic model Bayesian network Parameters Estadística 1209 Estadística |
| Summary: | Las redes bayesianas son modelos gráficos probabilísticos que expresan las relaciones de dependencia condicional en un conjunto de variables. Desde su concepción, las redes bayesianas han estado profundamente ligadas a las Ciencias de la Salud y de la Vida, especialmente en el área clínica. Existe una bibliografía extensa sobre aplicaciones de las redes bayesianas a este ámbito. Sin embargo, el análisis de algoritmos de aprendizaje de redes y parámetros, y su aptitud en función de factores como la cantidad de variables, la naturaleza de los datos o la complejidad de la estructura de dependencia no es un tema común en la literatura. En este trabajo, analizamos la aplicación de estas técnicas a problemas descritos en la bibliografía, exploramos el software bnlearn disponible en el lenguaje de programación R documentando nuestro código y evaluamos las estrategias de aprendizaje que mejor se ajustan a cada tipo de datos. Esperamos con ello aportar conocimiento sobre las redes bayesianas y proporcionar un punto de partida para su estudio a profesionales sanitarios e investigadores. |
|---|