Imprecisión
Posibilidades múltiples
Vaguedad
Ignorancia
No conocemos exactamente la realidad; nos falta precisión. Nuestros datos tienen una cierta distribución sobre la realidad. Hay “ruido” Problema clásico en tratamiento de datos. Para su control exacto solemos necesitar muchos parámetros.
Puede haber metaprobabilidades: distribuciones de probabilidad de los parámetros que rigen la distribución de probabilidad de la variable (sí, es orden 2, y puedes subir, pero no vale la pena)
Es la teoría más sólida matemáticamente.
Se puede llegar a partir de conjuntos difusos: los elementos no pertenecen sí o no al conjunto, sino que hay un grado de pertenencia, entre 0 y 1
No confundir con probabilidad: la probabilidad viene de que no conocemos el caso, pero si lo viéramos, sabríamos con certeza; la difusividad es ambigüedad: aún viéndolo, no es definitivo.
Los grados de pertenencia y las reglas de inferencia, las vamos a definir nosotros: sesgo
Es la mejor baza para intentar resolver este tipo de incertdumbre.
Cada dato/información/proposición lleva asociado un grado de posibilidad y otro de necesidad.
Se pueden especificar de distintas formas cumpliendo:
Posib(todo)=1
Posib(nada)=0
Neces(todo)=1
Neces(nada)=0
Se aplica a conjuntos, intervalos, etc. no a valores puntuales. Normalmente se define a partir de otra medida previa como puede ser la de pertenencia de conjuntos difusos: la posibilidad de que un conjunto sería el mayor valor de la funció nde pertenencia difusa de los elementos de ese conjunto.
Directamente no se sabe. Falta. Cualquier suposición implica unas presunciones.
Se puede intentar sustituir por una estimación o se puede manejar explícitamente la ignorancia.
Felipe va por el campus caminando hacia la parada del
autobús. No lejos, ve a alguien que le parece su vecino, que suele
ir en coche a la universidad. Felipe intenta llamarle.
¿Qué
cosas pueden pasar a continuación?
¿Qué tipo de
incertidumbre hay sobre ellas?
Nombre: Juan. Estado civil: casado Consorte: Mar|a (el
carácter enre la r y la a es ilegible; fuente: registro civil)
Nombre: Juan. Estado
civil: casado Consorte:
Nombre: Juan. Estado civil: casado
Consorte: Aurora (fuente: software analizador de actividad en redes sociales)
Hay bastante acuerdo en que la regla “Si el padre es
alto, el hijo seguramente lo será” es bastante fiable
A la
pregunta de ¿Pablo es muy alto? Nos contestan: “Más o
menos”
¿Se puede decir la estatura del hijo con certeza?
Y, si no, ¿qué tipo de incertidumbre?
Un sistema de previsión meteorológica está diseñado para decir si el tiempo será bueno con un día de antelación, para avisar a los turistas. ¿Qué tipo de incertidumbre hay?
El departamento de seguridad alimentaria quiere detectar productos líquidos nocivos que parezcan visualmente buenos para beber ¿Qué tipo de incertidumbre hay?
En un lejano planeta, el 90% de los taxis son blancos y el 10% son negros. Sucede un accidente en el que participa un taxi. La siniestrabilidad de ambos tipos de taxis es la misma. Un periodista que lo vio dice que el taxi era negro. El historial de este hombre indica que lo que dice es correcto consistentemente el 80% de las veces. ¿Qué tipo de incertidumbre encierra este problema?
Un sistema de previsión meteorológica está diseñado para prevenir heladas con un día de antelación, por el peligro que conlleva para productos que pueden congelarse por su contenido en agua. ¿Qué tipo de incertidumbre hay?
Un sistema de control en aeropuertos usa un sensor que mide cierta respuesta ante estímulos magnéticos para detectar explosivos. ¿Qué tipo de incertidumbre hay?
Un sistema de recomendación bibliográfica toma como dato una cita textual e indica documentos que seguramente contienen esa cita. ¿Qué tipo de incertidumbre hay?
El departamento de recursos humanos busca a un experto consumado en cierta materia. Se ha ideado una prueba cuyo buen resultado servirá para verificarlo. ¿Qué tipo de incertidumbre hay?
En otro lejano planeta hay taxis claros y oscuros, aunque cada cual lo pinta según su criterio. Es definitivo que un taxi es oscuro si su luminosidad es inferior al 20%, y definitivamente no lo es si su luminosidad es superior al 70%. El caso claro es exactamente al revés. Sucede un accidente en el que participa un taxi. La siniestrabilidad de ambos tipos de taxis es la misma. Un periodista que lo vio dice que el taxi era, más o menos, ni claro ni oscuro. Sabemos que este hombre considera “más o menos” algo siempre que ese algo ha sido así, pero, como tiene amigos taxistas, también si no ha sido así va a considerarlo en un 20% de casos ¿Qué tipo de incertidumbre encierra este problema?