000			01815nam a22003257i 4500
005			20251030135754.0
007			t|
008			220601s2009 mau||||| |||| 00| 0 spa d
020			_a9780262013192
040			_aCO-ViULL _erda _bspa
041			_aeng
082	0	4	_221 _a519.5 _bK814p
100	1		_aKoller, Daphne _9157758, _eautor. _4aut
242	1	0	_aModelos gráficos probabilísticos : _bprincipios y técnicas / _cDaphne Koller , Nir Friedman.
245	1	0	_aProbabilistic graphical models : _bprinciples and techniques / _cDaphne Koller , Nir Friedman.
264		1	_aCambridge, Massachusetts : _bMIT Press, _c2009.
300			_axxxv, 1233 páginas : _bilustraciones ; _c27 centímetros.
336			_atexto _btxt _2rdacontent
337			_asin mediación _bn _2rdamedia
338			_avolumen _bnc _2rdacarrier
490	1		_aAdaptive computation and machine learning
500			_aIncluye referencias bibliográficas (páginas 1171-1207) e índice.
505	8		_aFoundations -- Representation -- Undirected graphical models -- Local probabilistic models - Template-base-representations -- Gaussian network moel -- The exponential family -- Inference -- Exact inference. clique trees Onfernce as optimization -- Learning graphical models : oveview -- Parameter estimation -- Structure learning in Bayesian networks -- Actions and decisions -- Structure decisions problems
520	3		_aUn marco general para construir y usar modelos probabilísticos de sistemas complejos que permitirían a una computadora usar la información disponible para tomar decisiones.
650	1	7	_aModelado gráfico _xEstadísticas _9157759.
650	2	7	_aTeoría de la decisión estadística bayesiana _xMétodos gráficos _9157760.
650	2	7	_aEstadística _9157761.
700	1		_aFriedman, Nir. _9157762.
942			_2ddc _cBK
999			_c46794 _d46794