Metadata-Version: 2.1
Name: jbnetwork
Version: 0.0.0
Summary: Implementación de el algoritmo para una red Bayesiana.
Home-page: UNKNOWN
Author: Javier
Author-email: sebasvalle17@gmail.com
License: UNKNOWN
Description: 
        # Explicación de la funcionalidad de la librería.
        
        La presente librería permite crear y analizar redes bayesianas. Para lo mismo, se necsita crear lo siguiente: 
        
        1. Una red que contenga los nodos y las aristas que se desean analizar de la siguiente forma: 
        
        red = {
            "A": ["B", "C"],
            "B": [],
            "C": ["D"],
            "D": []
        }
        
        2. Una red de probabildades que contenga las probabilidades de cada nodo de la siguiente forma:
        
        probabilidades = {
            "A": {"distribucion": [0.1, 0.9], "padres": []},
            "B": {"distribucion": [0.8, 0.2], "padres": [("A", 0), ("A", 1)]}, # 0.8 = P(B=0|A=0, C=0), 0.2 = P(B=0|A=0, C=1)
            "C": {"distribucion": [0.7, 0.3], "padres": [("A", 0), ("A", 1)]}, # 0.7 = P(C=0|A=0, C=0), 0.3 = P(C=0|A=0, C=1)
            "D": {"distribucion": [0.6, 0.4], "padres": [("C", 0), ("C", 1)]} # 0.6 = P(D=0|C=0), 0.4 = P(D=0|C=1)
        }
        
        3. Estas dos redes se deben pasar a la librería de Bayes de la siguiente forma: 
        
        bayes = Bayes(red, probabilidades)
        
        Esto devolverá un texto que indica si la red está completamente descrita o no.
        
        4. Para calcular la probabilidad de una variable, se debe llamar a la función de la siguiente forma:
        
        Crear un query de la siguiente forma:
        query = ("A", ("B", 0), ("C", 1), ("D", 0))
        
        Luego, llamar a la función de inferencia de la siguiente forma:
        bayes.inferencia(red, probabilidades, query)
        
        Con lo anterior se obtiene la probabilidad de la variable A, dada la evidencia de que B=0, C=1 y D=0.
Keywords: python,bayes
Platform: UNKNOWN
Classifier: Development Status :: 1 - Planning
Classifier: Intended Audience :: Developers
Classifier: Programming Language :: Python :: 3
Classifier: Operating System :: Unix
Classifier: Operating System :: MacOS :: MacOS X
Classifier: Operating System :: Microsoft :: Windows
Description-Content-Type: text/markdown
