Universidade Federal do ABC

Centro de Engenharia, Modelagem e Ciências Sociais Aplicadas Curso

de Engenharia Biomédica
Disciplina/Turma: Telemedicina e Sistemas de Apoio a Decisão
Professora: Priscyla Waleska Targino de Azevedo Simões, Dra. /

priscyla.simoes@ufabc.edu.br Atividade SEMANA 4 - parte 2

GRUPO 3:

11201723022 Adriana Lucia Miranda

11201811268 Eduardo Takakuwa Capp
11054915 Marcel Valério de Arruda
11201921644 Nara Costa Nogueira Santos
11201811892 Igor Vinicius Soares Dias

1. Abrir o arquivo Banco_CAMama.arff

i. Usar o Algoritmo BayesNet na ferramenta Weka com percentage split de 66%
c) Qual a probabilidade de uma paciente ter Câncer de Mama (desfecho = ”Maligno”),
dado que possui Nódulo Palpável Positivo?
1. Desenvolver os cálculos manualmente da probabilidade a posteriori
p(Maligno|Palp+) e depois conferir os cálculos realizados com o resultado da
ferramenta Netica.

2. Após desenvolver os cálculos e capturar as telas, responder a pergunta

acima.
Pelo Nética a probabilidade é de 62,9%
 𝑃(𝑃𝑎𝑙𝑝𝑆𝑖𝑚|𝑀𝑎𝑙𝑖𝑔𝑛𝑜) 𝑥 𝑃(𝑀𝑎𝑙𝑖𝑔𝑛𝑜) 𝑃(𝑃𝑎𝑙𝑝𝑆𝑖𝑚|𝑀𝑎𝑙𝑖𝑔𝑛𝑜) 𝑥 𝑃(𝑀𝑎𝑙𝑖𝑔𝑛𝑜)
𝑝(𝑀𝑎𝑙𝑖𝑔𝑛𝑜|𝑃𝑎𝑙𝑝𝑆𝑖𝑚) = 𝑃(𝑃𝑎𝑙𝑝𝑆𝑖𝑚)
= 𝑃(𝐵𝑒𝑛𝑖𝑔𝑛𝑜) 𝑥 𝑃(𝑃𝑎𝑙𝑝𝑆𝑖𝑚|𝐵𝑒𝑛𝑖𝑔𝑛𝑜) + 𝑃(𝑀𝑎𝑙𝑖𝑔𝑛𝑜) 𝑥 𝑃(𝑃𝑎𝑙𝑝𝑆𝑖𝑚|𝑀𝑎𝑙𝑖𝑔𝑛𝑜)

0,827 𝑥 0,252 0,208404 0,208404

= (0,748 𝑥0,164) + (0,252𝑥0,827)
= 0.122672 + 0.208404 = 0,331076
= 0. 6294 = 62, 9%
Pelo cálculo Redes Bayesianas a probabilidade também é de 62,9%

d) Qual a probabilidade de uma paciente ter Câncer de Mama (desfecho=”Maligno”),

dado que NÃO possui Nódulo Palpável (é Negativo – ou seja, nódulo não é palpável) ?
1. Desenvolver os cálculos manualmente da probabilidade a posteriori
p(Maligno|Palp-) e depois conferir os cálculos realizados com o resultado da
ferramenta Netica.

0,173 𝑥 0,252 0,043596 0,043596

= (0,748 𝑥0,836) + (0,252𝑥0,173)
= 0,6253228 + 0,043596
= 0,6689188
= 0, 06517 = 6, 51
Pelo cálculo Redes Bayesianas a probabilidade temos o resultado de 6,51%

2. Após desenvolver os cálculos, capturar a tela e responder a pergunta.

Pelo Nética a probabilidade é de 6,54%

e) Insira um novo nó na Rede Bayesiana, mediante tabela abaixo:

2. Abrir o arquivo relacionado ao dataset que será utilizado no trabalho 2 (datasets
definidos na Atividade -
Semana 2 - parte 1).
a) Executar o algoritmo (selecionar o desfecho escolhido como atributo-meta)

b) Visualizar os resultados
c) Visualizar a Rede Bayesiana

d) Descrever (apresentar) a tabela de probabilidades de todos os nós:

Hospital Outcome:

Sex:
Episode Number:

Age:

(-inf-0.5): representa 0
(0.5-inf): representa 1

e) Apresentar o % de instâncias classificadas corretamente e incorretamente:

iv. Salvar (exportar) a Rede Bayesiana com o nome “RB_Trab” no formato xml
v. Abrir a Rede Bayesiana na ferramenta Netica
a) Remover os atributos em branco

b) Realizar, no mínimo, 2 inferências (consultas ao modelo gerado, por exemplo: Qual a

probabilidade de uma paciente ter o desfecho (especificar), dado que possui uma
determinada evidência (especificar)?)

Qual a probabilidade de um paciente ser do sexo feminino e ter o desfecho morte,

dado que ele passou pelo epsodio um.
Probab = 6,62%

c) Descrever 2 inferências (consultas 1ª Rede Bayesiana):

1. Desenvolver os cálculos manualmente da probabilidade a posteriori e depois conferir os
cálculos realizados com o resultado da ferramenta Netica.

p(fem)=
2. Após desenvolver os cálculos e capturar as telas, responder as perguntas do
item “b”.

Alive e Male:
p(male) = p(dead) X p(male I dead ) + p(alive) X p(male I alive) = 52.3%

Alive e Inf 0,5:

p(inf 0.5)= p(inf 0.5) = p(dead) X p(0.5 inf I dead ) + p(alive) X p(inf 0.5 I alive) = 39%