Artificial Intelligence

A Guide to Intelligent Systems(Traduo)

3.2 Teoria bsica de probabilidade

O conceito bsico de probabilidade desempenha um papel significativo na nossa vida
quotidiana. Ns tentamos determinar a probabilidade de chuva e as perspectivas de
nossa promoo, as chances de que a equipe de crquete australiano vencer a prxima
partida de teste ea probabilidade de ganhar um milho de dlares em Tattslotto.
O conceito de probabilidade tem uma longa histria que remonta a milhares de anos
quando palavras como 'provavelmente', 'provvel', 'talvez', 'talvez' e 'possivelmente'
foram introduzidas nas lnguas faladas (Good, 1959). No entanto, a teoria matemtica
da probabilidade foi formulada apenas no sculo XVII.

Como podemos definir probabilidade?

A probabilidade de um evento a proporo de casos em que o evento ocorre (Good,
1959). A probabilidade tambm pode ser definida como uma medida cientfica do acaso.
A anlise detalhada da teoria da probabilidade moderna pode ser encontrada em livros
conhecidos como Feller (1957) e Fine (1973). Neste captulo, examinamos apenas as
idias bsicas usadas para representar incertezas em sistemas especialistas.
A probabilidade pode ser expressa matematicamente como um ndice numrico com um
intervalo entre zero (uma impossibilidade absoluta) unidade (uma certeza absoluta).
A maioria dos eventos tem um ndice de probabilidade estritamente entre 0 e 1, o que
significa que cada evento tem pelo menos dois resultados possveis: resultado favorvel
ou sucesso,
E resultado desfavorvel ou falha.
A probabilidade de sucesso e falha pode ser determinada da seguinte forma:

P (sucesso) = o nmero de sucessos

o nmero de resultados possveis (3.1)
P (falha) = o nmero de falhas
o nmero de resultados possveis (3.2)

Portanto, se s o nmero de vezes que o sucesso pode ocorrer e f o nmero de vezes

que a falha pode ocorrer, ento

Consideremos exemplos clssicos com uma moeda e um dado. Se jogarmos uma

moeda, a probabilidade de obter uma cara ser igual probabilidade de obter uma
coroa.
Em um nico lance, s = f = 1 e, portanto, a probabilidade de obter uma cara (ou uma
coroa) 0,5.
Considere agora um dado e determine a probabilidade de obter um 6 de um nico lance.
Se assumimos um 6 como o nico sucesso, ento s = 1 e f = 5, uma vez que h apenas
uma maneira de obter um 6, e h cinco maneiras de no obter um 6 em um nico lance.
Portanto, a probabilidade de obter um 6

E a probabilidade de no obter um 6

At agora, temos nos preocupado com eventos que so independentes e mutuamente

exclusivos (ou seja, eventos que no podem acontecer simultaneamente). Na
experincia de dados, os dois eventos de obteno de um 6 e, por exemplo, um 1 so
mutuamente exclusivos porque no podemos obter um 6 e um 1 simultaneamente em
um nico lance.
No entanto, eventos que no so independentes podem afetar a probabilidade de uma ou
outra ocorrncia. Considere, por exemplo, a probabilidade de obter um 6 em um nico
lance, sabendo que desta vez que um 1 no surgiu. Ainda h cinco maneiras de no
obter um 6, mas um deles pode ser eliminado como sabemos que um 1 no foi obtido.
Portanto,

Seja A um evento no mundo e B seja outro evento. Suponha que os eventos A e B no

so mutuamente exclusivos, mas ocorrem condicionalmente na ocorrncia do outro. A
probabilidade de que o evento A ocorrer se o evento B ocorrer chamada
probabilidade condicional. probabilidade condicional indicado matematicamente
como p (A | B) em que a barra vertical representa DADO e a expresso probabilidade
completa interpretado como "probabilidade condicional do evento A ocorrendo dado
ocorreu esse evento B '.

P (A | B) = o nmero de vezes que A e B podem ocorrer

o nmero de vezes que B pode ocorrer (3.6)

O nmero de vezes que A e B podem ocorrer, ou a probabilidade de que A e B iro

ocorrer, chamada probabilidade conjunta de A e B. Ela representada
matematicamente como p (A B). O nmero de maneiras que B pode ocorrer a
probabilidade de B, p (B), e assim

Da mesma forma, a probabilidade condicional do evento B ocorrendo dado que o evento

A ocorreu igual a

Consequentemente,
A probabilidade conjunta comutativa,

Assim sendo,

Substituindo a Eq. (3.10) na Eq. (3.7) produz a seguinte equao:

Onde:
P (A | B) a probabilidade condicional que o evento A ocorre dado que o evento B
ocorreu;
P (B | A) a probabilidade condicional do evento B ocorrendo dado que o evento A
ocorreu;
P (A) a probabilidade de ocorrncia do evento A;
P (B) a probabilidade do evento B ocorrer.
A equao (3.11) conhecida como regra bayesiana, que tem o nome de Thomas Bayes,
matemtico britnico do sculo 18 que introduziu essa regra.
O conceito de probabilidade condicional introduzido at agora considerou que o evento
A dependia do evento B. Esse princpio pode ser estendido ao evento A dependente de
um nmero de eventos mutuamente exclusivos B1, B2,...,Bn. O seguinte conjunto de
equaes pode ento ser derivado da Eq. (3.7):

Ou quando combinados:

Se a Eq. (3.12) somada sobre uma lista exaustiva de eventos para Bi como ilustrado na
Figura 3.1, obtemos

Reduz a Eq. (3.12) para a seguinte equao de probabilidade condicional:

Figura 3.1 A probabilidade conjunta

Se a ocorrncia do evento A depende apenas de dois eventos mutuamente exclusivos,

isto , B e NO B, ento a Eq. (3.14) torna-se

Onde: a funo lgica NO.

Similarmente,

Substitua agora a Eq. (3.16) para a regra bayesiana (3.11) para produzir

A equao (3.17) fornece o fundo para a aplicao da teoria de probabilidade para

gerenciar a incerteza em sistemas especialistas.