@article{Borges_Geyer_2010, title={Modelagem de usuários com redes bayesianas}, volume={1}, url={https://seer.ufrgs.br/index.php/cadernosdeinformatica/article/view/v1n1p48-51}, abstractNote={<div>“Um dos grandes objetivos da Inteligência Artificial é buscar a solução de</div><div>problemas mesmo em face da incerteza das diversas evidências que levariam à uma</div><div>solução. Uma das teorias que nos auxiliam na busca deste tipo de solução é a estatística</div><div>Bayesiana que interpreta a probabilidade como o grau de certeza de um evento. Os métodos</div><div>bayesianos nos permitem representar quantitativamente esse grau de certeza sobre as</div><div>incertezas e manipular essas representações segundo as leis da probabilidade clássica.</div><div>O teorema de Bayes é de grande importância para o cálculo de probabilidades.</div><div>Quando melhor compreendido, o teorema mostra-se como a lei fundamental que governa o</div><div>processo de inferência, visto que o mesmo pode ser entendido como a base para analisar um</div><div>conjunto de informações disponíveis e chegar a uma conclusão objetiva, expressa</div><div>numericamente.</div><div>A estatística Bayesiana tem origem no nome de Thomas Bayes, mas na verdade foi</div><div>o matemático francês Pierre Simon de LaPlace (1812) quem desenvolveu o teorema na</div><div>forma como ele é conhecido e utilizado atualmente.</div><div>O teorema de Bayes é um método quantitativo para a revisão de probabilidades</div><div>conhecidas, com base em nova informação amostral. As Redes Bayesianas são redes de</div><div>conhecimento através de grafos direcionados acíclicos onde os nós representam variáveis</div><div>aleatórias com medidas de incerteza associadas e os arcos representam a interdependência</div><div>destas variáveis e possuem uma quantificação da força deste relacionamento. Nessas redes,</div><div>podemos calcular a probabilidade de um evento ocorrer condicionado à ocorrência de</div><div>outro.” [CAR 99].</div>}, number={1}, journal={Cadernos de Informática}, author={Borges, Clairmont and Geyer, Cláudio F. R.}, year={2010}, month={jul.}, pages={48–51} }