##  [Red Bayesiana](/es/node/57674) 

 Definición

Un modelo gráfico probabilístico representado por un grafo dirigido acíclico donde los nodos son variables aleatorias y las aristas expresan dependencia condicional utilizada para factorizar una probabilidad conjunta.

 

 

 

 

 

 





## Principio

Principio

Codifica independencias condicionales de modo que la probabilidad conjunta se descompone en un producto de probabilidades condicionales locales, permitiendo especificación e inferencia modulares.

 

 

 

 

 





## Demostración

Demostración

Un modelo diagnóstico con nodos para enfermedad, resultado de test y síntoma usa aristas dirigidas de la enfermedad al síntoma y al test; la conjunta se factoriza en P(enfermedad) P(test|enfermedad) P(síntoma|enfermedad).

 

 

 

 

## Aplicación incorrecta

Aplicación incorrecta

Tratar un sistema con bucles de retroalimentación como una red bayesiana sin convertir o aproximar los ciclos viola el requisito de aciclicidad y representa mal las dependencias.

 

 

 

 

 





## Consecuencia

Consecuencia

Permite cómputo local eficiente de verosimilitudes y marginalizaciones, y aclara qué observaciones hacen independientes a otras variables dado que se conozcan sus padres.

 

 

 

 

## Inversión

Inversión

Un modelo gráfico no dirigido: representa relaciones mediante adyacencia simétrica y codifica independencia mediante separación en el grafo en lugar de factorización condicional dirigida.

 

 

 

 

 





## Límite

Límite

Requiere una estructura dirigida y acíclica; variables continuas o discretas están permitidas pero la parametrización y los métodos de inferencia difieren entre dominios y formas de verosimilitud.

 

 

 

 

 





## Tensión semántica

Tensión semántica

A menudo se contrapone a modelos causales: una red bayesiana puede representar suposiciones causales pero, por sí sola, es una factorización probabilística que no demuestra causalidad sin restricciones adicionales.

 

 

 

 

 





## Síntesis

Síntesis

Una red bayesiana es un modelo probabilístico estructurado como DAG que factoriza una distribución conjunta en factores condicionales locales, haciendo explícitas las dependencias y facilitando la inferencia.