1TECIMster en Tratamiento Estadstico-Computacional de la Informacin

EDES BAYESIANAS CON R

Paloma Main YaqueUniversidad Complutense de Madrid

Paloma Main - UCM2

Ir a www.r-project.org y a CRAN, elegir mirror

Ir a Task Views y a gR (gRaphical Models in R)

Paquetes para manipular y representar grafos igraph graph Rgraphviz RBGL

Paquetes para representar modelos grficos probabilsticos y propagacin de la evidencia grBase gRain ggm

Paquetes para aprender modelos grficos probabilsticos pcalg bnlearn

Paquete para manejar HUGIN desde R RHugin

2Paloma Main - UCM3

PAQUETES

Instalar igraph grBase gRain ggm pcalg bnlearnInstalacin de paquetes de BIOCONDUCTOR graph

Rgraphviz RBGLhttp://www.bioconductor.org/

ir a Install Bioconductor Packages

o directamente desde R

source("http://bioconductor.org/biocLite.R")biocLite("graph")biocLite("Rgraphviz")biocLite("RBGL")

Paloma Main - UCM

REPRESENTACIN

Funciones del grBase para crear objetos graphNEL (lista de nodos y enlaces)

Grafos No Dirigidos ug( )

Grafos Dirigidos dag( )

4

3Paloma Main - UCM

Ejemplo (tres)

5

a f

b

c

d

e

g

Paloma Main - UCM

Ejemplo: Moralizacin

6

a f

b

c

d

e

g

4Paloma Main - UCM

Ejemplo: Separacin

En el grafo moral tres.mo e y b separados por c y a?

En tres a d-sep de d dado c?, y dado c y e?

7

Paloma Main - UCM

Representacin como matriz

Paquete ggm funcin DAG( )Por ejemploDAG(v ~ v, y ~ x + z, z ~ w + u) es

v y x z w uv 0 0 0 0 0 0y 0 0 0 0 0 0 y el grafo x 0 1 0 0 0 0z 0 1 0 0 0 0w 0 0 0 1 0 0u 0 0 0 1 0 0

8

v

y

x z

w u

5Paloma Main - UCM

Paquete gRain

Para redes Bayesianas Implementa el algoritmo de propagacin de

Lauritzen and Spiegehalter (1988) Local Computations with Probabilities on Graphical Structures and Their Application to Expert SystemsJournal of the Royal Statistical Society. Series B (Methodological), Vol. 50, No. 2(1988), pp. 157-224

Inferencia Especificacin de las tablas de probabilidad con cptable( ) y compileCPT( ) Crear un objeto grain y compilar con compile( )

9

Paloma Main - UCM

Propagacin con propagate( ) Obtener probabilidades con querygrain( ) Introducir evidencia con setFinding( )

creando un nuevo objeto grain. Con getFinding( ) pFinding( ) se obtiene la evidencia y su probabilidad

Simulacin con simulate( ) Prediccin con predict( )

10

Paquete gRain

6Paloma Main - UCM

Paquete RHuginInstalar R (32/64-bit)Instalar HuginLite 8.0ftp://download.hugin.com/Licenses/8.0/HuginLiteR80.msiInstalar RHuginhttp://rhugin.r-forge.r-project.org/binary/Windows/RHugin_8.0.zip

11

Proporciona un API (Application Programmers Interface) para HUGIN en el lenguaje RLa funcionalidad de HUGIN accesible desde RTambin funciones como gRainInicio hay que crear un hugin.domain( ) y luego

add.node( ) add.edge( ) get.table( )

compile( ) set.finding( ) propagate( ) get.belief( ) initialize( )

Paloma Main - UCM

Configuracin ms probable propagate("RHuginDomain",equilibrium="max") get.belief("RHuginDomain",nodo")aparece un 1 en los estados ms probable

La probabilidad conjunta de la evidencia y la configuracin ms probable

get.normalization.constant("RHuginDomain",)

12

Paquete RHugin

7Paloma Main - UCM

Ejercicio

13

Utilizando Ra) Determinar P(Rain / Sprinkler=T, WetGrass=T)b) La configuracin ms probable para Sprinkler=T, WetGrass=T