Definición y estudios de redes bayesianas aplicadas a ciencias de la salud y de la vida

Autor: Mateos Marcos, Carlos, Amador Pacheco, Julia, Susi García, Rosario

Publikováno v: E-Prints Complutense. Archivo Institucional de la UCM
instname

Las redes bayesianas son modelos gráficos probabilísticos que expresan las relaciones de dependencia condicional en un conjunto de variables. Desde su concepción, las redes bayesianas han estado profundamente ligadas a las Ciencias de la Salud y d

Externí odkaz: https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::7b99ff194cbcbde17d2d52f253570d3e
https://eprints.ucm.es/id/eprint/68123/1/mateos_marcos_tfm_bioestadistica.pdf

Calculando la matriz de covarianzas con la estructura de una red Bayesiana Gaussiana

Autor: Gomez Villegas, Miguel A., Susi García, Rosario

Publikováno v: E-Prints Complutense: Archivo Institucional de la UCM
Universidad Complutense de Madrid
E-Prints Complutense. Archivo Institucional de la UCM
instname

En este trabajo se introduce una fórmula recursiva que permite calcular la matriz de covarianzas de una red Bayesiana Gaussiana dados los parámetros de la especificación condicionada de la parte cuantitativa del modelo. Además se determinan las v

Externí odkaz: https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::1fa69d98057459fc067d6b983c8f2b20
http://eprints.ucm.es/23365/

Sensitivity to hyperprior parameters in Gaussian Bayesian networks

Autor: Gómez Villegas, Miguel Á., Main Yaque, Paloma, Navarro, H., Susi García, Rosario

Publikováno v: E-Prints Complutense: Archivo Institucional de la UCM
Universidad Complutense de Madrid
E-Prints Complutense. Archivo Institucional de la UCM
instname

Our focus is on learning Gaussian Bayesian networks (GBNs) from data. In GBNs the multivariate normal joint distribution can be alternatively specified by the normal regression models of each variable given its parents in the DAG (directed acyclic gr

Externí odkaz: https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::1c400c72274299fe98763f176dce19fc
http://eprints.ucm.es/10941/

Inaccurate parameters in Gaussian Bayesian networks

Autor: Gómez Villegas, Miguel Á., Main Yaque, Paloma, Susi García, Rosario

Publikováno v: E-Prints Complutense: Archivo Institucional de la UCM
Universidad Complutense de Madrid
E-Prints Complutense. Archivo Institucional de la UCM
instname

To determine the effect of a set of inaccurate parameters in Gaussian Bayesian networks, it is necessary to study the sensitive of the model. With this aim we propose a sensitivity analysis based on comparing two differents models: the original model

Externí odkaz: https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::09ee8ec3a3255b395de2b842a1eab29e
http://eprints.ucm.es/9526/

Estimación Bayesiana del área bajo la curva ROC del dímero D y la Escala de Ginebra para el diagnóstico de tromboembolismo pulmonar en pacientes con Covid-19 en la urgencia hospitalaria

Autor: Rodríguez Leal, Cristóbal Manuel

Publikováno v: E-Prints Complutense. Archivo Institucional de la UCM
instname

El tromboembolismo pulmonar (TEP) es una posible complicación de los pacientes con COVID-19, cuya frecuencia de aparición está aumentada en ellos respecto a población general. Su diagnóstico no es sencillo y existen recursos como la escala de Gi

Externí odkaz: https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::95561f0b86cdab83e9be78978e2a91cc
https://eprints.ucm.es/id/eprint/73271/