Cadenas de Markov ocultas discretas y los experimentos mendelianos
DOI:
https://doi.org/10.18004/rcfacen.2024.15.1.015%20Palabras clave:
incertidumbre, modelos ocultos de Markov, experimentos mendelianos, fenómenos biológicosResumen
La naturaleza presenta innumerables fenómenos envueltos de incertidumbre. El modelado de estos fenómenos constituye uno de los pilares de la estadística matemática en la formulación de estrategias de estimación. Los modelos ocultos de Markov forman una clase muy variada de modelos que han sido muy estudiados y aplicados en muy diversas ramas de las ciencias, desde la Ingeniería en telecomunicaciones hasta la Biología. Desde el punto de vista de la Biología, los perfiles basados en las cadenas de Markov ocultas son extensiones no triviales de los modelos de perfil usuales. Este reporte científico estudia herramientas matemáticas necesarias para la solución de los problemas que presentan los modelos ocultos de Markov al ser ajustados en los experimentos mendelianos. Los resultados demuestran la validez de la base teórica matemática de estos modelos como estrategias de estimación de fenómenos biológicos.
Descargas
Citas
Bilmes, J.A. (1997). Gentle tutorial on the em algorithm and its application to parameter
estimation for gaussian mixture and hidden Markov models. International Computer Science Technical Report, 21: i + 13 pp.
Breiman, L. (1992). Probability. Filadelphia: Society for Industrial and Applied Mathematics.
Classics in applied mathematics, 7: 435 pp.
Forney, G. (1973). The viterbi algorithm. Proceedings of the IEEE, 61(3): 263–278.
Thorvaldsen, S. (2005). A tutorial on Markov models based on Mendel’s classical experiments.
Journal of Bioinformatics and Computational Biology, 3(6): 1441–1460.
Krogh, A., Brown, M., Mian, I.S., Sjölander, K. & Haussler, D. (1994). Hidden Markov models in computational biology: applications to protein modeling. Journal of Molecular Biology, 235(5): 1501– 1531.
Juang, B.H. & Rabiner, L.R. (1990). The segmental k means algorithm for estimating the paprameters of hidden Markov models. IEEE Transactions in Accoustics, Speech and Sgnal Processing, 38(9): 1639–1641.
Cappé, O., Moulines, E. & Ryden, T. (2007). Inference in hidden Markov models. New York:
Springer Verlag. Springer Series in Statistics. xvii + 653 pp.
Rabiner, L.R. & Juang, B.H. (1986). An introduction to hidden Markov models. IEEE ASSP Magazine, 3(1): 4–15.
Rabiner, L.R. (1989). A tutorial on hidden Markov models and selected publications in speech
recognition. Proceedings of the IEEE, 77(2): 257–286.
Todo el contenido de esta revista está bajo una 