Red bayesiana

La incertidumbre es un hecho de la vida. Sin embargo, la existencia de incertidumbre no significa que no podamos hacer predicciones sobre las relaciones causa-efecto. La teoría de la probabilidad sugiere que, aunque no podamos estar seguros de un único resultado de un suceso aleatorio, sí podemos predecir la probabilid^ad de una serie de resultados posibles.1 La teoría de la probabilidad trata de hacer inferencias fundamentadas ante la incertidumbre.

Una red bayesiana es un modelo gráfico probabilístico. Se utiliza para modelizar lo desconocido basándose en el concepto de la teoría de la probabilidad. Las redes bayesianas muestran una relación entre nodos -que representan variables- y resultados, determinando si las variables son dependientes o independientes. Una red bayesiana funciona hacia atrás, observando un suceso y sugiriendo las posibles variables que lo han provocado. En otras palabras, una red bayesiana proporciona información sobre las probabilidades relativas a las causas y los efectos de los acontecimientos.

Por ejemplo, si observaras que el césped está mojado, podrías preguntarte: "¿Cuál es la probabilidad de que esté mojado porque está lloviendo?". Para averiguar la probabilidad, tendrías que calcular con qué frecuencia la causa de que la hierba esté mojada es la lluvia, lo que también significa saber con qué frecuencia la hierba está mojada por una razón diferente (como que el aspersor esté encendido). Dado que el hecho de que el aspersor esté encendido también depende de si llueve o no, una red bayesiana trazaría un mapa de las distintas variables condicionales y sus respectivas probabilidades.2