Por favor, use este identificador para citar o enlazar este ítem:
https://dspace.unl.edu.ec/jspui/handle/123456789/22360
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.advisor | Cumbicus Pineda, Oscar Miguel | - |
dc.contributor.author | Pereira Paredes, Carlos Patricio | - |
dc.date.accessioned | 2019-08-23T23:08:40Z | - |
dc.date.available | 2019-08-23T23:08:40Z | - |
dc.date.issued | 2019-08-23 | - |
dc.identifier.uri | http://dspace.unl.edu.ec/jspui/handle/123456789/22360 | - |
dc.description | Because in recent years Bayesian networks have been very important because it is the main tool for estimation in risk analysis, because when using Bayesian networks, a graphic representation is obtained, qualitative and quantitative modeling, bidirectional inference, analysis of Sensitivity, uncertainty, and confidence values, which allows a broad view, and the multiplicity of information effectively provides the necessary data in decision making, this has been evidenced in some areas where I have seen its use in clinics for detecting diseases and prescribing the different treatments and medicines, in mining to describe the quantity of explosives, what routes to take to perform the perforations, what type of material to use for the protective coating, in the electrical field, to describe distance from the network, type of gauge that should be used, capacity of the transformers s, according to the load flow, and distribution of capacitors in the network. To carry out the present systematic review, the Kitchenham methodology was used, which allowed identifying relevant information of each article and determining which should be selected and which should not. In addition, with the help presented in Biolchini's work, a matrix could be created to identify and summarize the different articles. The results obtained are encouraging since it was possible to appreciate that the use of Bayesian networks in the analysis of risk for the area of medicine allowed to reduce the mortality rate, to extend the range of life in people with terminal illnesses, has allowed a better prescription of medicines according to each type of disease since thanks to the Bayesian networks it is possible to determine the stage in which a disease is found. At the end of this work it can be seen that the Bayesian networks are of great benefit in risk analysis, and at the same time served to realize that there is still much to learn in which the Bayesian networks can be applied. Keywords: Bayesian networks, bayes theorem, risk analysis, Bayesian inference, operational risk | es_ES |
dc.description.abstract | El análisis de riesgo en las diferentes áreas de conocimiento es importante para poder evitar pérdidas estas sean de tiempo, económicas y hasta mortales, por tal motivo he creído conveniente realizar el presente trabajo de titulación, ya que en el mismo se puede evidenciar como el aplicar Redes Bayesianas ha permitido evitar pérdidas en cuanto a salud se refiere, pues con los artículos estudiados he podido evidenciar como se representan los riesgos ya sea de forma gráfica, modelado cualitativo y cuantitativo, inferencia bidireccional, análisis de sensibilidad, incertidumbre, y valores de confianza, lo cual permite una visión amplia, y al existir multiplicidad de información proporciona de manera eficaz los datos necesarios en la toma de decisiones, esto ha sido evidenciado en algunas áreas donde he podido apreciar su uso en clínicas para detección de enfermedades y prescribir los distintos tratamientos y medicinas respectivas. Para realizar la presente revisión sistemática se utilizó la metodología de Kitchenham, la cual me permitió identificar la información relevante de cada artículo y determinar cuáles debía seleccionar y cuáles no, además con la ayuda presentada en el trabajo de Biolchini, pude crear una matriz para poder identificar y resumir los distintos artículos. Los resultados obtenidos son alentadores ya que pude apreciar que el uso de redes bayesianas en el análisis de riesgo dentro del área de la medicina ha permitido reducir la tasa de mortalidad, ampliar el rango de vida en personas con enfermedades terminales, de la misma manera ha proporcionado una mejor prescripción de medicamentos acordes a cada tipo de enfermedad pues gracias a los métodos bayesianos se puede determinar la etapa en que se encuentra una enfermedad. Al finalizar este trabajo he logrado identificar que las redes bayesianas son de vital importancia al ser aplicadas para el análisis de riesgo, y a la vez sirvió para darme cuenta que aún falta mucho por aprender sobre la aplicación de redes bayesianas. Palabras clave: Bayesian networks, bayes theorem, risk analysis, Bayesian inference, operational risk | es_ES |
dc.format.extent | 121 p. | es_ES |
dc.language.iso | spa | es_ES |
dc.publisher | Loja: Universidad Nacional de Loja | es_ES |
dc.rights | openAccess | es_ES |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/ec/ | es_ES |
dc.subject | <REDES BAYESIANAS><ANÁLISIS DE RIESGO><INFERENCIA BAYESIANA><MANTO DE MARKOV><TEOREMA DE BAYES> | es_ES |
dc.title | Revisión sistemática de literatura: análisis de riesgos utilizando redes bayesianas. | es_ES |
dc.type | bachelorThesis | es_ES |
Aparece en las colecciones: | TRABAJOS DE TITULACION AEIRNNR |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
Pereira Paredes, Carlos Patricio.pdf | 2,49 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.