Escolar Documentos
Profissional Documentos
Cultura Documentos
1. Motivação
Grosso modo, pode-se dizer que a noção de probabilidade é central no âmbito do
aprendizado de máquina porque informação tem a ver com incerteza. Num mundo
aprendizado?
Tópico 2 – Parte I: Fundamentos de Probabilidade Profs. Levy Boccato e Romis Attux – DCA/FEEC/UNICAMP
1.1. Alguns Conceitos
definições:
Tópico 2 – Parte I: Fundamentos de Probabilidade Profs. Levy Boccato e Romis Attux – DCA/FEEC/UNICAMP
um número ímpar. Também se pode definir o evento impossível como
a ele associada.
.
Algumas consequências desses axiomas são relativamente diretas (KAY, 2006):
Tópico 2 – Parte I: Fundamentos de Probabilidade Profs. Levy Boccato e Romis Attux – DCA/FEEC/UNICAMP
Por definição, e . Usando o terceiro axioma, temos que
. Portanto: .
temos que .
Tópico 2 – Parte I: Fundamentos de Probabilidade Profs. Levy Boccato e Romis Attux – DCA/FEEC/UNICAMP
Costuma-se dizer que é a probabilidade condicional de dado . Por uma
de outro permite que se identifique algum tipo de dependência entre ambos. Por
Tópico 2 – Parte I: Fundamentos de Probabilidade Profs. Levy Boccato e Romis Attux – DCA/FEEC/UNICAMP
pessoa falar português dado que ela nasceu no Brasil. Claramente, espera-se que
haja uma diferença significativa. Isso se explica pelo fato de que há uma
honesto. O espaço amostral é composto por seis eventos elementares: S = {um, dois,
mostrar a face “dois”? A resposta é 1/6. Agora, suponha que consideremos qual
tem de ser “dois”, “quatro” ou “seis”. Como esses casos são equiprováveis, a
Tópico 2 – Parte I: Fundamentos de Probabilidade Profs. Levy Boccato e Romis Attux – DCA/FEEC/UNICAMP
Associemos, então, o evento à ocorrência de “dois” e à ocorrência de “um
Tópico 2 – Parte I: Fundamentos de Probabilidade Profs. Levy Boccato e Romis Attux – DCA/FEEC/UNICAMP
estatísticos, junto a uma população, de grandezas como idade, renda, altura, peso
imagem de seja finita ou contável, tem-se uma variável aleatória discreta. Caso a
imagem de seja o conjunto dos reais, tem-se uma variável aleatória contínua.
function) :
Tópico 2 – Parte I: Fundamentos de Probabilidade Profs. Levy Boccato e Romis Attux – DCA/FEEC/UNICAMP
Em outras palavras, a CDF nos informa a probabilidade de uma variável aleatória
; ; ; ;
; ; etc.
valores de probabilidade aos valores numéricos. Nesse caso, define-se uma função
Voltando ao nosso exemplo do dado honesto, essa função teria a forma da Fig. 1.
Tópico 2 – Parte I: Fundamentos de Probabilidade Profs. Levy Boccato e Romis Attux – DCA/FEEC/UNICAMP
Figura 1 – Função de Massa de Probabilidade (Dado).
Matematicamente, temos:
probabilidade.
que as possibilidades estão definidas num continuum, não é possível mais falar na
Tópico 2 – Parte I: Fundamentos de Probabilidade Profs. Levy Boccato e Romis Attux – DCA/FEEC/UNICAMP
uma densidade de probabilidade . A relação com a CDF é natural (também
uma acumulação):
Tópico 2 – Parte I: Fundamentos de Probabilidade Profs. Levy Boccato e Romis Attux – DCA/FEEC/UNICAMP
O valor é a média e 2 é a variância (as definições virão mais adiante). A forma
3.
Tópico 2 – Parte I: Fundamentos de Probabilidade Profs. Levy Boccato e Romis Attux – DCA/FEEC/UNICAMP
Figura 3 – Exemplos de CDFs Gaussianas.
Tópico 2 – Parte I: Fundamentos de Probabilidade Profs. Levy Boccato e Romis Attux – DCA/FEEC/UNICAMP
Figura 4 – Densidade Uniforme.
Tópico 2 – Parte I: Fundamentos de Probabilidade Profs. Levy Boccato e Romis Attux – DCA/FEEC/UNICAMP
1.3.1. Valor Esperado (Esperança Matemática)
O valor esperado de uma variável aleatória é uma “média estatística”. Não é uma
média obtida de certo número de amostras, mas sim uma média “ideal”,
subjacente.
Tópico 2 – Parte I: Fundamentos de Probabilidade Profs. Levy Boccato e Romis Attux – DCA/FEEC/UNICAMP
1.3.2. Momentos
().
Para avaliar a excursão da variável em torno da média, lança-se mão dos momentos
Tópico 2 – Parte I: Fundamentos de Probabilidade Profs. Levy Boccato e Romis Attux – DCA/FEEC/UNICAMP
Os momentos são importantes para a caracterização parcial da estrutura
capítulos do curso.
razão é que elas podem apresentar dependência estatística, ou seja, ser mutuamente
Tópico 2 – Parte I: Fundamentos de Probabilidade Profs. Levy Boccato e Romis Attux – DCA/FEEC/UNICAMP
No caso de variáveis contínuas, a relação é análoga:
Tópico 2 – Parte I: Fundamentos de Probabilidade Profs. Levy Boccato e Romis Attux – DCA/FEEC/UNICAMP
Também é possível definir funções de massa e de densidade condicionais:
indicam uma relação entre variáveis aleatórias, embora esta seja menos contundente
Tópico 2 – Parte I: Fundamentos de Probabilidade Profs. Levy Boccato e Romis Attux – DCA/FEEC/UNICAMP
Já a covariância é um momento conjunto central:
Se , as variáveis são ortogonais. Se , as variáveis são
descorrelacionadas. Sempre que duas variáveis são independentes, elas também são
multivariada:
Tópico 2 – Parte I: Fundamentos de Probabilidade Profs. Levy Boccato e Romis Attux – DCA/FEEC/UNICAMP
Exemplos:
, e
(a) (b)
Figura 6 – PDF Gaussiana e as respectivas curvas de nível para o caso de variáveis aleatórias independentes
e de mesma variância.
Tópico 2 – Parte I: Fundamentos de Probabilidade Profs. Levy Boccato e Romis Attux – DCA/FEEC/UNICAMP
, e
(a) (b)
Figura 7 – PDF Gaussiana e as respectivas curvas de nível para o caso de variáveis aleatórias independentes
e com variâncias diferentes.
Tópico 2 – Parte I: Fundamentos de Probabilidade Profs. Levy Boccato e Romis Attux – DCA/FEEC/UNICAMP
, e
(a) (b)
Figura 8 – PDF Gaussiana e as respectivas curvas de nível para o caso de variáveis aleatórias
correlacionadas.
Tópico 2 – Parte I: Fundamentos de Probabilidade Profs. Levy Boccato e Romis Attux – DCA/FEEC/UNICAMP
2. Referências bibliográficas
KAY, S., Intuitive Probability and Random Processes Using MATLAB, Springer, 2006.
KOLMOGOROV, A. N., Foundations of the Theory of Probability, Dover, 2018.
SHYNK, J. J., Probability, Random Variables and Random Processes, Wiley, 2013.
Tópico 2 – Parte I: Fundamentos de Probabilidade Profs. Levy Boccato e Romis Attux – DCA/FEEC/UNICAMP