1.

La incertidumbre es la carencia de conocimiento exacto, mientras que la entropía es una

medida del desorden de la información en el sistema.
(V)
Argumentos del PDF:
En atención a (Negnevitsky, 2005, pág. 84), la incertidumbre consiste en la carencia de
conocimiento exacto que pueda guiarnos a alcanzar una conclusión perfectible y
confiable.
Para la teoría general de sistemas, la entropía en un sistema es una medida de su
desorden manifiesto

2. En sistemas expertos, si el sistema bajo estudio presenta una secuencia de estados

para diferentes épocas de decisión, entonces, se alude a los modelos estocásticos
basados en Procesos de Bayes.
(F)
Argumentos del PDF:
el sistema bajo estudio presente una secuencia de estados para diferentes
épocas de decisión, entonces acudirá a los modelos estocásticos basados en
Procesos de Poisson

3. Los sistemas basados en reglas son la forma más simple de inteligencia artificial y se
circunscriben a la metodología conexionista de la IA.
(F)
Argumentos del PDF:
Los sistemas basados en reglas son la forma más simple de inteligencia artificial
y se circunscriben a la metodología simbólica de la IA

4. Los sistemas que poseen la capacidad de combinar inferencias bidireccionales, y se

usan principalmente, para representar conocimiento incierto reciben el nombre de
Sistemas Basados en redes Bayesianas.
(V)
Argumentos del PDF:
• Los Sistemas Basados en Redes Bayesianas
• Poseen la capacidad de combinar inferencias bidireccionales, y se usan
principalmente, para representar conocimiento incierto

5. La afirmación, “dadas un conjunto de respuestas irreductibles a un experimento, las

probabilidades inducidas serán aquellas probabilidades consistentes con toda la
información disponible que maximice la entropía del conjunto”. Es una afirmación para
una Inferencia Retrógrada.
(V)
Argumento PDF:
una progresividad inductiva o retrógrada, hará aparecer un encadenamiento hacia atrás,
obedecerá a un razonamiento inductivo y lo trataremos en lo adelante. De acuerdo al
autor, tres reglas rigen al razonamiento inductivo en sistemas automatizados
 soportados en lógica difusa, y, por ende, a los encadenamientos hacia atrás en los
referidos procesos (p. 200): Dadas un conjunto de respuestas irreductibles a un
experimento, las probabilidades inducidas serán aquellas probabilidades consistentes
con toda la información disponible que maximice la entropía del conjunto.

6. PROSPECTOR, otro Sistema Experto, fue un sistema de amplio uso y dirigido a la

predicción. Utilizado comúnmente, como sistema predictivo para la evaluación de
emplazamientos geológicos. Con él, se hizo posible encontrar yacimientos petrolíferos.
(V)
Argumentos del PDF:
PROSPECTOR, por ejemplo, fue un sistema experto de amplio uso y dirigido a
la predicción. Utilizado comúnmente, como sistema predictivo para la evaluación
de emplazamientos geológicos. Con él, compañías petroleras afirman haber
dado positivo en yacimientos petrolíferos de importancia

7. El Sistema Experto MYCIN, desarrollado en la Universidad de Stanford (1972), se utilizó

para el diagnóstico financiero en el área bancaria. Este sistema podía predecir el valor
de las acciones de la bolsa al hacer un estudio retrógrado y evolutivo de sus estados
previos.
(F)
Argumentos del PDF:
Tal fue el caso de MYCIN, desarrollado en la Universidad de Stanford (1972),
como sistema experto basado en reglas. Se utilizó para el diagnóstico en
medicina interna, y para el tratamiento de variados tipos de infecciones
sanguíneas. Las más importantes, la meningitis y la septicemia bacteriana

8. Un proceso de Poisson consiste en una forma de análisis estadístico de variables

estocásticas para ser aplicado sobre sistemas donde se presentan transiciones de
tiempo entre estados, es decir, sistemas analizables en términos de probabilidad, y
donde el tiempo interviene.
(V)
Argumento PDF:
Suponiendo ahora que, el sistema bajo estudio presente una secuencia de
estados para diferentes épocas de decisión, entonces acudirá a los modelos
estocásticos basados en Procesos de Poisson. Es de resaltar, en todo proceso
donde el azar entre en juego es un proceso estocástico.

9. Un sistema experto es modular, quiere decir, puede ser desarrollado por partes que
luego serán acopladas en un solo módulo.
(V)
Argumento PDF:
• La Base de Conocimientos
• La propiedad de Granularidad o Criterio de Modularidad de Fodor, mediante el
cual se maneja la premisa de que el conocimiento es modular, quiere decir, que
 los elementos que lo constituyen son independientes unos de otros. Debido a
ello, a las bases de conocimiento se les puede agregar módulos por separado.

10. El Sistema Experto MYCIN, desarrollado en la Universidad de Stanford (1972), se utilizó

para el diagnóstico en medicina interna, y para el tratamiento de variados tipos de
infecciones sanguíneas. Las más importantes, la meningitis y la septicemia bacteriana.
(V)
Argumentos PDF:
Tal fue el caso de MYCIN, desarrollado en la Universidad de Stanford (1972),
como sistema experto basado en reglas. Se utilizó para el diagnóstico en
medicina interna, y para el tratamiento de variados tipos de infecciones
sanguíneas. Las más importantes, la meningitis y la septicemia bacteriana

11. A una secuencia algorítmica donde una premisa aceptada, o condición de consulta, es
trasladada de nodo a nodo en la base de conocimientos, satisfaciendo tanto
condiciones de la lógica proposicional, como restricciones impuestas por el experto
recibe el nombre de:

a. Encadenamiento de inferencias

b. Inferencia Progresiva

c. Encadenamiento hacia adelante

d. Inferencia Automática

e.Abducir

(Inferencia Automatica)
Argumento PDF:
Entenderemos ahora por su lado, a una inferencia automática, como a una secuencia
algorítmica donde una premisa aceptada, o condición de consulta, es trasladada de
nodo a nodo en la base de conocimientos, satisfaciendo tanto condiciones de la lógica
proposicional, como restricciones impuestas por el experto

12. La Incertidumbre es una medida del desorden manifiesto de la información en un

sistema.
(F)
Argumento PDF:
En atención a (Negnevitsky, 2005, pág. 84), la incertidumbre consiste en la carencia de
conocimiento exacto que pueda guiarnos a alcanzar una conclusión perfectible y
confiable.

13. Los sistemas expertos pertenecen a la metodología simbólica de la Inteligencia

Artificial.
 (verdadera)
Argumento PDF:
Los sistemas expertos pertenecen a la metodología simbólica de la Inteligencia
Artificial.

14. En sistemas expertos, si el sistema bajo estudio presenta una secuencia de estados
para diferentes épocas de decisión, entonces, se acudirá a los modelos estocásticos
basados en Procesos de Poisson.
(V)

Argumento PDF:
Suponiendo ahora que, el sistema bajo estudio presente una secuencia de estados para
diferentes épocas de decisión, entonces acudirá a los modelos estocásticos basados en
Procesos de Poisson

15. Los sistemas de razonamiento basados en casos tienen la capacidad de ajustarse a

inferencia bidireccionales.
(F)
Argumento PDF:
Los Sistemas Basados en Redes Bayesianas, como concepto teórico de aplicación
computacional, se dan a partir de los años 70´s como modelos computacionales de
procesamiento distribuido. Poseen la capacidad de combinar inferencias idireccionales,
y se usan principalmente, para representar conocimiento incierto

16. Un sistema experto no maneja algoritmos capaces de aprender por sí mismos. No

obstante, cuando se le configura como una red híbrida para un Sistema Experto
Neurodifuso, este adquiere tales propiedades y capacidades.
(V)
Argumento PDF:
Las Redes Neuronales por su lado, y que estudiaremos en otras lecciones de este curso,
emergen de la quinta generación. Éstas, son capaces de organizar algoritmos que
aprenden por sí mismos, algo que un sistema experto no puede hacer. Se les considera
de la Sexta Generación Computacional, dado que resuelven problemas sin intervención
de expertos, pero tienen aplicaciones diferentes, además, son capaces de evolucionar.

Cuando se emplean sistemas expertos para la predicción, clasificación y clustering,

normalmente es necesario la creación de un modelo híbrido entre éste y las Redes
Neuronales Neurodifusas. Entonces, la herramienta recibirá el nombre de Red Híbrida
Experta Neuro Difusa

17. El teorema de Bayes consiste en una muy básica fórmula direccionada al cálculo de
probabilidades condicionadas.
(V)
Argumento PDF:
 Desde el punto de vista matemático, las redes bayesianas consisten en una
teóricamente bien fundamentada forma de representar distribuciones de probabilidades
comprensiblemente y de manera gráfica, (Witten & Frank, 2005). Uno de los tantos usos
que se les conocen a los sistemas basados en redes bayesianas es su capacidad de
representar modelos causales.

De acuerdo a (Sarkar & Pfeifer, 2006), esta distribución de probabilidad,

parcialmente interpretada como conocimiento causal primario o con prioridad,
es admitida con el fin de reflejar o construir una estructura causal. Dadas
entonces ciertas condiciones, entre las probabilidades y la estructura causal,
técnicas algorítmicas son empleadas para generar un conjunto contentivo de
todas las estructuras causales consistentes con las probabilidades, y con el
conocimiento causal primario

18. El teorema de Bayes consiste en una muy básica fórmula direccionada al cálculo de
probabilidades que no están condicionadas.
(F)
Argumento PDF:
Leer el anterior

19. Señale a continuación, cuáles de las siguientes propiedades (marque 2) no se adecúan

(no es verdad) para un sistema experto:

a. Los sistemas expertos no necesitan la intervención de un humano.

b. Los sistemas expertos pueden aprender por sí mismos.

c. El sistema experto puede ajustar su lógica de razonamiento bajo incertidumbre.

d. El sistema experto no debe ser capaz de aprender por experiencia.

e. El sistema experto debe pensar exactamente como un humano experto lo hace.

(b, d)
Argumento PDF:
• Las Redes Neuronales por su lado, y que estudiaremos en otras lecciones de
este curso, emergen de la quinta generación. Éstas, son capaces de organizar
algoritmos que aprenden por sí mismos, algo que un sistema experto no puede
hacer
• El sistema experto debe ser capaz de aprender por experiencia.

20. Los sistemas expertos basados en Redes bayesianas son incapaces de generar
inferencias bidireccionales, representar conocimiento incierto, y utilizar parámetros de
distribuciones de probabilidades para sustentar sus creencias.
 (F)
Argumento PDF:
Los Sistemas Basados en Redes Bayesianas, como concepto teórico de aplicación
computacional, se dan a partir de los años 70´s como modelos computacionales de
procesamiento distribuido. Poseen la capacidad de combinar inferencias idireccionales,
y se usan principalmente, para representar conocimiento incierto

21. Los Sistemas Expertos pertenecen a la cuarta generación computacional.

(F)

Argumento PDF:
los sistemas expertos son una extensión de la computación tradicional, y, comúnmente,
se ha dicho que pertenecen a la denominada Computación de Quinta Generación.

22. Los sistemas de razonamiento basados en Redes Bayesianas se utilizan para

representar modelos causales.
(V)
Argumento de PDF:
Uno de los tantos usos que se les conocen a los sistemas basados en redes bayesianas
es su capacidad de representar modelos causales. Aquí, se inicia con un conjunto de
variables que representan a las propiedades, y una distribución de probabilidad sobre
estas variables.

23. Un Proceso de Poisson consiste en una forma de análisis estadístico de variables

estocásticas para ser aplicado sobre sistemas donde ni existe, ni se presentan
transiciones de tiempo entre estados, es decir, sistemas analizables en términos de
probabilidad, y donde el tiempo no interviene.
(F)
Argumento PDF:
• Si la incertidumbre apareciese en cada uno de los eslabones de las cadenas
causales en el tiempo, y, por ende, la sucedencia de un evento dependiese
únicamente del evento inmediatamente precedente. Entonces, acudirá a los
mecanismos que ofrece el razonamiento estocástico y probabilista en el tiempo,
con sus Cadenas de Markov.
• Suponiendo ahora que, el sistema bajo estudio presente una secuencia de
estados para diferentes épocas de decisión, entonces acudirá a los modelos
estocásticos basados en Procesos de Poisson. Es de resaltar, en todo proceso
donde el azar entre en juego es un proceso estocástico. Allí, otras opciones
también son plausibles, los Procesos de Martingale y los Procesos
Estacionarios, o Procesos de Incrementos Independientes, son opciones válidas.
Todo esto se da mi estimado lector, debido a que la información que se maneja
muestra incertidumbre, y ésta, de una u otra forma, debe ser modelada.

24. La entropía es una medida del desorden manifiesto de la información en un sistema.

 (V)
Argumento PDF:
Para la teoría general de sistemas, la entropía en un sistema es una medida de su
desorden manifiesto.

25. El Sistema Experto MYCIN, desarrollado en la Universidad de Stanford (1972), fue un

sistema experto basado en probabilidades.
(F)
Argumento PDF:
Tal fue el caso de MYCIN, desarrollado en la Universidad de Stanford (1972), como
sistema experto basado en reglas. Se utilizó para el diagnóstico en medicina interna, y
para el tratamiento de variados tipos de infecciones sanguíneas. Las más importantes,
la meningitis y la septicemia bacteriana. Este sistema fue el pionero de los sistemas
expertos y contaba con alrededor de una 500 reglas solamente

26. Los sistemas expertos pertenecen a la metodología conexionista de la Inteligencia

Artificial.
(F)
Argumento PDF:
• Los sistemas expertos pertenecen a la metodología simbólica de la Inteligencia
Artificial
• Un Sistema Experto pertenece a la Metodología Simbólica de la Inteligencia
Artificial, a la quinta generación computacional, por ende, emplea razonamiento
simbólico en la resolución de problemas. Utiliza símbolos para representar
hechos, hipótesis, inferencias, conceptos, condiciones y reglas

27. El sistema experto que podría determinar fácilmente el tipo y el grado de cáncer de
pulmón en un paciente basándose en los datos recibió el nombre de:

a. Dendral

b. Dxplain

c. CaDet

d. Mycin

e. PxDES

(e. PxDES)
Argumento PDF:
PXDES: podría determinar fácilmente el tipo y el grado de cáncer de pulmón en un
paciente basándose en los datos.
28. Un sistema experto es básicamente, un programa computacional que emula un
diagnostico en un área de conocimiento, tal como lo haría un experto humano.
(V)
Argumento PDF:
La ingeniería de sistemas expertos se conforma entonces, como una rama de la IA
encargada de diseñar programas computacionales con habilidades para la emulación
de inteligencia, tal como la que manejaría una persona con muchos años de experiencia
en su área.

29. La afirmación, “dadas un conjunto de respuestas irreductibles a un experimento, las

probabilidades inducidas serán aquellas probabilidades consistentes con toda la
información disponible que maximice la entropía del conjunto”. Es una afirmación para
una Inferencia Progresiva hacia Adelante.
(Falsa)
Argumento PDF:
De acuerdo al autor, tres reglas rigen al razonamiento inductivo en sistemas
automatizados soportados en lógica difusa, y, por ende, a los encadenamientos hacia
atrás en los referidos procesos (p. 200): Dadas un conjunto de respuestas irreductibles
a un experimento, las probabilidades inducidas serán aquellas probabilidades
consistentes con toda la información disponible que maximice la entropía del conjunto.

30. En sistemas expertos, si el sistema bajo estudio presenta una secuencia de estados
para diferentes épocas de decisión, entonces, se acudirá a los modelos estocásticos
basados en Cadenas de Markov.
(F)
Argumento PDF:
Suponiendo ahora que, el sistema bajo estudio presente una secuencia de
estados para diferentes épocas de decisión, entonces acudirá a los modelos
estocásticos basados en Procesos de Poisson.

31. Un sistema de variables estocásticas que presenten transiciones en el tiempo o

evolución en sus estados, puede ser modelado por Procesos de Poisson.
(No se sabe, probablemente Verdadera)
Argumento PDF:
Suponiendo ahora que, el sistema bajo estudio presente una secuencia de estados para
diferentes épocas de decisión, entonces acudirá a los modelos estocásticos basados en
Procesos de Poisson. Es de resaltar, en todo proceso donde el azar entre en juego es un
proceso estocástico. Allí, otras opciones también son plausibles, los Procesos de
Martingale y los Procesos Estacionarios, o Procesos de Incrementos Independientes,
son opciones válidas. Todo esto se da mi estimado lector, debido a que la información
que se maneja muestra incertidumbre, y ésta, de una u otra forma, debe ser modelada

32. Los sistemas de razonamiento basados en Redes Bayesianas centran su atención en el

almacenamiento en memoria.
(F)
33. Los sistemas de razonamiento basados en casos centran su atención en el
almacenamiento en memoria.
(V)