Modelagem de usuários com redes bayesianas

Autores

  • Clairmont Borges UFRGS
  • Cláudio F. R. Geyer UFRGS

Resumo

“Um dos grandes objetivos da Inteligência Artificial é buscar a solução deproblemas mesmo em face da incerteza das diversas evidências que levariam à umasolução. Uma das teorias que nos auxiliam na busca deste tipo de solução é a estatísticaBayesiana que interpreta a probabilidade como o grau de certeza de um evento. Os métodosbayesianos nos permitem representar quantitativamente esse grau de certeza sobre asincertezas e manipular essas representações segundo as leis da probabilidade clássica.O teorema de Bayes é de grande importância para o cálculo de probabilidades.Quando melhor compreendido, o teorema mostra-se como a lei fundamental que governa oprocesso de inferência, visto que o mesmo pode ser entendido como a base para analisar umconjunto de informações disponíveis e chegar a uma conclusão objetiva, expressanumericamente.A estatística Bayesiana tem origem no nome de Thomas Bayes, mas na verdade foio matemático francês Pierre Simon de LaPlace (1812) quem desenvolveu o teorema naforma como ele é conhecido e utilizado atualmente.O teorema de Bayes é um método quantitativo para a revisão de probabilidadesconhecidas, com base em nova informação amostral. As Redes Bayesianas são redes deconhecimento através de grafos direcionados acíclicos onde os nós representam variáveisaleatórias com medidas de incerteza associadas e os arcos representam a interdependênciadestas variáveis e possuem uma quantificação da força deste relacionamento. Nessas redes,podemos calcular a probabilidade de um evento ocorrer condicionado à ocorrência deoutro.” [CAR 99].

Downloads

Não há dados estatísticos.

Downloads

Publicado

2010-07-22

Como Citar

Borges, C., & Geyer, C. F. R. (2010). Modelagem de usuários com redes bayesianas. Cadernos De Informática, 1(1), 48–51. Recuperado de https://seer.ufrgs.br/index.php/cadernosdeinformatica/article/view/v1n1p48-51