Video de la sustentación

Mi hermana logró grabar 7 minutos de la sustentación, llega hasta la parte de la metodología..lo puse en YouTube:

Sustentación!!!!

Y al fin sustenté!! y me fué bien, me pusieron Sobresaliente, aunque la verdad las preguntas del jurado no fueron tan rebuscadas, eso me ayudó.
Espero que mi tema :"Modelamiento Bayesiano de Tablas de Contingencia IxJ" sirva para otros trabajos en la Universidad Agraria La Molina..
Ese bonito día miercoles 15 se vió empañado por la tragedia que sucedió esa noche en Ica, la ciudad más afectada por el terremoto de 7.9 grados en la escala de Richter. La verdad que como estaba en la calle no lo sentí tan fuerte, y la verdad me sorprendí cuando vi las imágenes de lo que había causado...
Sin duda..un día que nunca olvidaré.
Para los interesados les adjunto las diapositivas que usé en mi exposición:

http://rapidshare.com/files/49891169/Presentaci_n.ppt.html

Para descargar, hacen click en "Free", luego en la página siguiente ponen el código que aparece y por último hacen click en "Download".
Espero que les guste..y mejor aún si les sirve.

Clasificadores Probabilísticos - Ingenuo de Bayes

El clasificador CVSi(dj), es quizás el clasificador más utilizado y el que más frecuentemente se encuentra en la literatura. Este clasificador expresa la probabilidad de que un documento, representado por el vector dj cualquiera, pertenezca a una clase ci dada. De forma matemática, se puede ver de la siguiente manera:




donde el espacio de eventos es el de los documentos, P(dj) es la probabilidad de escoger aleatoriamente un documento este esté representado por el vector d(j); y P(ci) es la probabilidad de que al tomar un documento cualquiera este pertenezca a la clase ci.

Estimar la probabilidad anterior no es fácil por lo complejo de dj; por lo que normalmente se asume que las variables que componen el documento vector son independientes; por lo que se puede representar la probabilidad anterior como:




Dada esta suposición, es lo que se conoce como Ingenuo de Bayes (Naive Bayes), y por su simplicidad y rendimiento, es ampliamente utilizado en Categorización de Textos.

De todas las aproximaciones del Ingenuo de Bayes, la más común es la Independencia Binaria, donde se usan valores binarios para la representación del documento en el vector; pero se pueden encontrar otras variaciones que apuntan a:
- Relajar la restricción que el vector documento tenga valores binarios
- Introducir normalización en el largo del documento
- Relajar la suposición de independencia

Mar de Copas - Suna

Les dejo algo de Mar de Copas..para variar:

La evolución del Estadístico

Miren como hemos evolucionado de un tiempo a esta parte:

Filtro Bayesiano de Spam. ¿Como funciona?

El filtro Bayesiano de spam es un proceso que usa el llamado "Clasificador Bayesiano Ingenuo" para identificar un correo spam.

Este se ha hecho un mecanismo popular para distinguir el correo electrónico ilegítimo (spam) del correo electrónico legítimo (ham). Muchos programas de correo modernos ponen en práctica el filtro Bayesiano. Los usuarios de correos también pueden instalar programas de filtración de correo electrónico por separado.

Los filtros Bayesianos tienen su sustento en el teorema de Bayes. En el contexto de un spam, este teorema dice que la probabilidad de que un correo sea spam, dado que ciertas palabras están en el, es igual a la probabilidad de encontrar dichas palabras en un correo spam multiplicado por la probabilidad de que un correo sea spam, dividido por la probabilidad de encontrar dichas palabras en un correo cualquiera.




Por otra parte, la técnica del envenenamiento Bayesiano es una técnica usada por los spammers (léase los que mandan spam)como una tentativa de degradar la eficacia de los filtros de spam que usan en la filtración Bayesiana. Un spammer que practica el envenenamiento Bayesiano enviará correos electrónicos con grandes cantidades grandes de texto legítimo (juntado de noticias legítimas o fuentes literarias), con el fin de tratar de engañar al programa y tratar de que este no filtre su spam. Sin embargo, la gran ventaja que tiene el filtro Bayesiano es que este puede ser "entrenado" en base a la información del lector del correo. Por lo que su precisión es cada vez mayor a medida que el correo recibe mas emails.

Mayor información:
Documento en pdf: http://citeseer.ist.psu.edu/sahami98bayesian.html
Libro: Graham, Paul (2002). A Plan for Spam.
Web: http://research.microsoft.com/~horvitz/junkfilter.htm
Programa: http://www.spambully.com/

Reconstrucción Bayesiana de accidentes de tránsito

La reconstrucción de un accidente de tránsito es definida como el esfuerzo para determinar, con cualquier prueba está disponible, como sucedió un accidente. La reconstrucción de un accidente de tránsito puede ser tratada como un problema de razonamiento incierto sobre un acontecimiento particular, y los avances en el modelado del razonamiento incierto para la inteligencia artificial pueden ser aplicados a este problema. Por lo general principios físicos pueden ser usados para desarrollar un modelo estructural del accidente y este modelo, junto con una evaluación experta de la incertidumbre a priori sobre las condiciones iniciales del accidente, pueden ser representados como una red Bayesiana. Luego, las probabilidades de las condiciones iniciales del accidente, dado las evidencias recogidas en la escena del accidente, pueden ser calculadas actualizando la red Bayesiana. La información obtenida puede ser utilizada para implementa de forma rigurosa una prueba de "but for", con el fin de definir si la violación del límite de velocidad puede ser considerado una causa del accidente. Esta lógica puede usarse tanto para acidentes tipo vehículo/peatón, como a accidentes más complejos.


Mayor información en:
Davis, Gary A., "Bayesian Reconstruction of Traffic Accidents" . Law, Probability and Risk, Vol. 2, pp. 69-89.
Documento en pdf: http://www.cts.umn.edu/pdf/CTS-06-01B.pdf