Supongamos que desea saber si alguien de su familia está en casa, basándose en la siguiente información:  Si su esposa sale de casa, usualmente (pero no siempre) enciende la luz de la entrada  Hay otras ocasiones en las que también enciende la luz de la entrada  Si no hay nadie en casa, el perro está fuera  Si el perro tiene problemas intestinales, también se deja fuera  Si el perro está fuera, usted oye sus ladridos  Podría oír ladridos y pensar que son de su perro aunque no fuera así. Plantear: 1. Red bayesiana 2. Asignar probabilidades en forma libre. 3. Hallar la probabilidad de que haya alguien esté en la casa, si se observa que el perro está afuera y la luz de entrada está prendida.

import pgmpy
from pgmpy.models import BayesianModel
from pgmpy.factors.discrete import TabularCPD
from pgmpy.inference import VariableElimination
import numpy as np

familiar_model = BayesianModel([('luz', 'persona'), ('perro', 'persona')])
cpd_luz = TabularCPD(variable='luz', variable_card=2,
                     values=np.array([[0.5, 0.9], [0.5, 0.1]]),
                     evidence=['persona'], evidence_card=[2])
cpd_perro = TabularCPD(variable='perro', variable_card=2,
                       values=np.array([[0.9, 0.1], [0.1, 0.9]]),
                       evidence=['persona'], evidence_card=[2])
cpd_persona = TabularCPD(variable='persona', variable_card=2,
                         values=np.array([[0.9, 0.2], [