redes bayesianas son un tipo de grafo dirigido acíclico , con nodos que representan variables. Según Judea Pearl, profesor de ciencias informáticas en la UCLA , la fuerza de las conexiones de la gráfica se rigen por la probabilidad condicional . Redes bayesianas pueden representar la base de conocimiento de un sistema de inteligencia artificial, de un robot en una línea de fabricación de automóviles a un complejo sistema de defensa . Dirigido acíclicos Gráfico

Según Wolfram Mathworld , un repositorio en línea respetada de información sobre las matemáticas , un gráfico acíclico dirigido --- también denominado dígrafo acíclico --- es un grafo dirigido que carecen ciclos. En su forma más básica , un gráfico dirigido acylic parece una imagen de punto - a -punto , con puntos que representan "nodos" ( piezas de información ) y las líneas entre los nodos que representan la dirección que el flujo de información . Las flechas se colocan en las líneas para mostrar el flujo de datos.
Coherencia y la integridad

Según el profesor de la perla , es importante no sobrecargar el gráfico con datos innecesarios porque de la posibilidad de demasiadas conclusiones para aprovechar. También es vital que la gráfica sea lo más completa posible . Por ejemplo , un gráfico puede redactarse para representar el proceso de toma de decisiones de un médico. Si un paciente llega al consultorio del médico con un dolor de cabeza , el médico hará un diagnóstico con base en cómo se presenta el paciente , además de que puede tomar la decisión de hacer más pruebas . El gráfico debe mostrar la decisión de probar o no la prueba , con instrucciones claras para estas decisiones. Además , el gráfico debe incluir todas las posibilidades para los resultados de dolor de cabeza ( incluyendo migraña , tumor cerebral , sinusitis y toda una serie de otras enfermedades ) . Sin todas las posibilidades , la condición del paciente puede permanecer sin diagnosticar.
Modeling Decisión Humanos Haciendo

Los estudios han demostrado que el modelado de las decisiones humanas con las redes bayesianas no es tan fácil como parece a primera vista . Profesor Perla afirma que debido a la razón humana es subjetiva e incompleta , lo que parece razonable comenzar con la teoría de la probabilidad para diseñar un gráfico. Sin embargo, este proceso de modelado básico no incluye las más complejas piezas de la razón humana , y si tuviéramos que tratar de construir una tabla de probabilidad para algunas decisiones complejas hechas por la gente , tomaría una computadora una extraordinaria cantidad de tiempo para calcular lo que sería tener una persona en una fracción de segundo para decidir.
Ventajas

Según Microsoft , las redes bayesianas son útiles para el modelado de datos , ya que pueden manejar la toma de decisiones , incluso cuando algunas variables faltan . Redes bayesianas pueden representar la relación causal , incluir el conocimiento previo y predecir los posibles resultados con facilidad.
Aplicaciones

Jir Vomlel del Instituto de Teoría de la Información y la Academia de Ciencias de Automatización la República Checa declara que las redes bayesianas pueden utilizarse para representar una amplia variedad de procesos de decisión en el mundo real , incluyendo el diagnóstico médico , por lo que la maximización de la utilidad esperada , las pruebas de adaptación y solución de problemas de decisión de la teoría de la decisión .