REDES BAYESIANAS

NELSON CAMPAGNARO JR JOINVILLE, ABRIL DE 2011

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

Raciocnio Lgico e Probabilstico

Pondera sobre o conhecimento prvio a respeito do problema e, sobre esta base de conhecimento retira suas concluses. Redes bayesianas oferecem uma abordagem para o raciocnio probabilstico que engloba teoria de grafos, para o estabelecimento das relaes entre sentenas e ainda, teoria de probabilidades.

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 .

Ex: P(crie|dor de dente) = 0.5

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.

Estrutura de uma rede Bayesiana

Cada varivel aleatria (VA) representada por um n da rede Cada n (VA) recebe conexes dos ns que tm influncia direta (seus pais) sobre ele. (Tarefa fcil para o especialista) Cada n possui uma tabela de Probabilidades Condicionais que quantifica a influncia dos seus pais sobre ele. (Difcil para o especialista) O grafo acclico

Estrutura de uma rede Bayesiana

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.

Estrutura de uma rede Bayesiana

Representao do conhecimento para raciocnio com incerteza

Representa 3 tipos de conhecimento do domnio:
Relaes de independncia entre variveis aleatrias (graficamente); Probabilidades a priori de algumas variveis; Probabilidades condicionais entre variveis dependentes.

Representao do conhecimento para raciocnio com incerteza

Permite calcular eficientemente:

Probabilidades a posteriori de qualquer varivel aleatria (inferncia), usando para isso uma definio recursiva do teorema de Bayes.

Representao do conhecimento para raciocnio com incerteza

Conhecimento representado:

Pode ser aprendido a partir de exemplos, reutilizando parte dos mecanismos de raciocnio.

Raciocnio com Incerteza

A chance do Flamengo ganhar o prximo jogo de 78%. A probabilidade de chover amanh de 90%. A grande maioria dos brasileiros gosta de futebol. Jos acha que o cavalo Azulo vai ganhar o preo, mas Pedro acha que no.

Inferncia usando Redes Bayesianas

A distribuio conjunta pode ser usada para responder a qualquer pergunta sobre o domnio.
Tipos: Causal Diagnstico Intercausal

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.

Construindo uma Rede Bayesiana

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.

Construindo uma Rede Bayesiana

Exemplo de Aplicao O objetivo aqui, extrair conhecimento de forma automtica a partir de uma base de dados hipottica contendo um nmero sequencial de candidatos e mais trs variveis: Aprovado, Cursinho e IBL (Internet Banda Larga), contendo dois atributos possveis cada (Sim e No).

Construindo uma Rede Bayesiana

APROVADO
Sim Sim Sim No Sim Sim Sim No No Sim No Sim Sim

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

Construindo uma Rede Bayesiana

Qual a probabilidade de um candidato ser aprovado dado que possui internet de banda larga em casa? Qual a probabilidade de um candidato ser aprovado dado que fez cursinho?

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