Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Sumrio
Introduo Redes Bayesianas- Conceitos Probabilidade Estrutura de uma Rede Bayesiana Representao do Conhecimento Inferncia usando Redes Bayesianas Semntica Aplicaes Construindo uma Rede Bayesiana Concluso Exerccios Referncias
Introduo
As Redes Bayesianas foram desenvolvidas incio dos anos 80 para facilitar a tarefa de predio e abduo em sistemas de Inteligncia Artificial (AI) (Pearl, 2000). Em resumo, Redes Bayesianas (RB) tambm conhecidas como redes de opinio, redes causais, grficos de dependncia probabilstica, so modelos grficos para raciocnio (concluses) baseado na incerteza, onde os ns representam as variveis (discreta ou contnua), e os arcos representam a conexo direta entre eles.
Introduo
Redes Bayesianas so modelos de representao do conhecimento que trabalham com o conhecimento incerto e incompleto atravs da Teoria da Probabilidade Bayesiana, publicada pelo matemtico Thomas Bayes em 1763. Ela vem se tornando a metodologia padro para a construo dos sistemas que confiam no conhecimento probabilstico e tem sido aplicada em uma variedade de atividades do mundo real.
Redes Bayesianas
So diagramas que organizam o conhecimento numa dada rea atravs de um mapeamento entre causas e efeitos. Os sistemas baseados em redes Bayesianas so capazes de gerar automaticamente predies ou decises mesmo na situao de inexistncia de algumas peas de informao.
Redes Bayesianas
Existem duas abordagens principais que podem ser utilizadas dentro do contexto dos sistemas que agem racionalmente:
Raciocnio Lgico Raciocnio Probabilstico
Probabilidade
A probabilidade condicional trata da probabilidade de ocorrer um evento A, tendo ocorrido um evento B, ambos do espao amostral S, ou seja, ela calculada sobre o evento B e no em funo o espao amostral S. A probabilidade de ocorrncia de um evento A em relao a um evento ocorrido B expressa como: P(A/B)
Probabilidade
Fornece um meio de descrever e manipular conhecimento incerto ou incompleto. Associa s sentenas um grau de crena numrico entre 0 e 1. Cada sentena ou verdadeira ou falsa.
A regra de Bayes
Thomas Bayes Probabilidade
Frmula:
Grau da Probabilidade
Condicional: calculado de acordo com as evidncias disponveis. Dados dois eventos A e B, a probabilidade condicional de A dado que ocorreu B denotada por P(A/B) e definida por:
P(A | B) P(A B) P(B) , P(B) 0 .
Grau de Probabilidade
Independncia de Eventos: Dois eventos A e B so independentes se a informao da ocorrncia (ou no) de B no altera a probabilidade de ocorrncia de A, isto :
P(A | B) P(A)
Ex: A= dor de ouvido , B= lcera, ou seja lcera no causa dor de ouvido.
Tabela de Probabilidades
O preenchimento das tabelas de probabilidades condicionadas muitas vezes simples (desde que a relao entre os pais e o n filho no seja arbitrria). Geralmente as relaes entre ns pais e ns filhos caem em categorias de distribuies cannicas (que obedecem a um padro), sendo necessrio apenas identificar qual o padro e introduzir alguns parmetros.
Tabela de Probabilidades
Cada linha em uma Tabelas de probabilidade condicional contm a probabilidade condicional de cada valor de n para um caso de condicionamento. um caso de condicionamento apenas uma combinao possvel de valores para os ns superiores. Um n sem pais tem apenas uma linha.
Tabela de Probabilidades
Exemplo: Variveis: Arrombamento, Terremoto, Alarme, JooLiga, MariaLiga.
Tabela de Probabilidades
Roubos e terremotos afetam diretamente a probabilidade do alarme tocar. Mas o fato de Joo e Maria telefonarem s depende do alarme; Desse modo, a rede representa nossas suposies de que eles no percebem quaisquer roubos diretamente, no notam os terremotos e no verificam antes de ligar.
Conjunto de variveis discretas U = {A1, A2, ..., An}. Conjunto de arestas direcionadas entre variveis. No pode haver ciclos direcionados Cada varivel tem um conjunto finito de estados mutuamente exclusivos.
Probabilidades a posteriori de qualquer varivel aleatria (inferncia), usando para isso uma definio recursiva do teorema de Bayes.
Pode ser aprendido a partir de exemplos, reutilizando parte dos mecanismos de raciocnio.
Semntica
Duas semnticas:
Numrica (global) Topolgica (local)
Semntica Local
Ex. D independente de A e B
Aplicao
Diagnstico de doenas cardacas: A tecnologia de Redes Probabilsticas (Redes Bayesianas) ideal para o tratamento de incerteza, muito comum na rea mdica e, alm disso, modela o conhecimento do especialista do domnio de uma forma intuitiva.
Escolher uma ordem para as variveis aleatrias X1, ,Xn. Para i = 1 n, adicione Xi rede, selecione pais para X1, ,Xi-1 tais que P (Xi | Pais(Xi)) = P (Xi | X1, ... Xi-1). A ordem correta em que os ns devem ser adicionados consiste em adicionar primeiro as causas de raiz, depois as variveis que elas influenciam e assim por diante, at chegarmos s folhas.
IBL
Sim No Sim No No Sim No No Sim Sim No Sim No
CURSINHO
Sim Sim No No Sim Sim Sim No No Sim No No Sim
Sim No
Sim No
Sim Sim
Concluso
A maior vantagem do raciocnio probabilstico em relao ao raciocnio lgico permitir ao agente chegar a decises racionais mesmo quando no h informao suficiente para provar que qualquer das aes dadas ir funcionar.
Exerccios
01)
Mobville, o roubo malabarista, frequentemente derruba as bolas que est equilibrando (ou carregando) quando a sua bateria est baixa. Em testes anteriores, foi determinado que a probabilidade com que ele derruba uma bola quando a bateria est baixa e de 0.9. Por outro lado, quando a bateria no est baixa, a probabilidade com que ele derruba uma bola de somente 0.01. A bateria foi carregada h pouco tempo, e na nossa melhor adivinhaco, dado seus feitos com as bolas no ar, que a bateria esteja baixa e de 10 contra 1. Um roubo observador, com um sistema de viso no muito confivel, avisa que Mobville derrubou uma bola. A confiabilidade do observador e dado pelas seguintes probabilidades: 1. p(observador diz que Mobville derruba | Mobville derruba) = 0.9 2. p(observador diz que Mobville derruba | Mobville nao derruba) = 0.2 Desenhe uma rede de Bayes, e calcule a probabilidade de que a bateria esteja baixa dado o relatrio do observador (derrubou uma bola).
Exerccios
02) Um comit de admisso para um programa de mestrado est tentando determinar a probabilidade que um candidato admitido seja realmente qualificado. As probabilidades relevantes so dadas pela rede de Bayes mostrada na figura 2.
Exerccios
Exerccios
Determine p(A|D) (a probabilidade de uma candidato qualificado (A), dado que este tenha sido aceito no programa de mestrado (D)).
Referncias
http://www.devmedia.com.br por Alexandre Serra Barreto http://saudecoletiva.ufcspa.edu.br por Clia Flores e Charles Hoher http://www.poli.usp.br por Andr Hideaki, Rodolfo Sharovysk, Fbio Gagliardi http://www2.joinville.udesc.br/~coca/ por Felipe Nunes Leonel