Escolar Documentos
Profissional Documentos
Cultura Documentos
INFERÊNCIA BAYESIANA
CONCEITOS FUNDAMENTAIS
A u t o r ( a ) : M e . M a r c e l o Ta v a r e s d e L i m a
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&c… 1/38
17/10/2022 13:55 E-book
Introdução
Prezado(a) estudante, seja muito bem-vindo(a) a esta disciplina de extrema
importância para sua formação. Dedique-se da melhor forma possível, para que
possa absorver todo o conteúdo apresentado a você.
Probabilidade
Condicional
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&c… 2/38
17/10/2022 13:55 E-book
Estudante, observe, agora, a visão de Costa (2012, p. 11): “[...] dois eventos
associados a uma mesma experiência aleatória são ditos condicionados quando a
ocorrência prévia de um deles aumenta ou diminui a ocorrência do outro. A já
ocorrência de um deles modifica a ocorrência do outro”.
Para exemplificar, suponha que uma pessoa de saída para o trabalho está em
dúvida se leva ou não guarda-chuva. Ela vai até a janela de sua casa para olhar o
tempo. A chance de ela sair com guarda-chuva dependerá da informação que ela
obtiver ao observar o tempo por sua janela ou por outro acesso à área exterior de
sua residência. Se a pessoa perceber que o tempo está “ruim”, existirá como
consequência um aumento na probabilidade de sair com guarda-chuva. Avaliando
esse contexto, podemos considerar dois possíveis eventos: “tempo ruim” e “sair
com guarda-chuva”, os quais são relacionados ou condicionados.
Para que o conteúdo fique mais claro para você, estudante, vejamos outro
exemplo. Se temos a informação de que os ônibus de determinada linha passam
em um ponto com intervalos de, aproximadamente, 10 minutos, a probabilidade de
que um ônibus dessa linha passe no próximo minuto será, fortemente, influenciada
pelo conhecimento que se tem da passagem de um ônibus nos últimos cinco
minutos (COSTA, 2012).
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&c… 3/38
17/10/2022 13:55 E-book
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&c… 4/38
17/10/2022 13:55 E-book
Matemática aplicada
15 15 30
(A)
Estatística (E) 10 20 30
Computação (C) 20 10 30
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&c… 5/38
17/10/2022 13:55 E-book
2
P (M ulher|Estat í stica) =
3
Com o exemplo apresentado, podemos definir que, para quaisquer dois eventos, os
quais iremos denominar A e B, pertencentes ao mesmo experimento aleatório e,
consequentemente, ao mesmo espaço amostral, além de P(B)>0, poderemos
definir probabilidade condicional de ocorrência do evento A, dado que o evento B
ocorreu, previamente, por
P (A∩B)
P (A|B) = (1.1),
P (B)
em que:
20/200
P (A|B) = =
2
3
≈ 0, 6667 ,
30/200
conforme já tinha sido obtido antes. Vale observar que P(A) = P (“aluno mulher”) =
85/200 = 17/40 (simplificando por cinco), a qual será igual a 0,425. Quando
estivermos sabendo que o estudante sorteado é “aluno de Estatística”, ou seja,
ocorreu o evento B, obteremos que P(A|B) = 2/3. Assim, poderemos dizer, então,
que P(A) é a probabilidade a priori do evento A, e, com a informação adicional
sobre a ocorrência de B, obtemos a probabilidade a posteriori P(A|B).
Estudante, agora que vimos uma parte do conteúdo, convido você a verificar a
atividade a seguir, para que você consiga compreender e fixar ainda mais o que
estudamos. Vamos lá?
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&c… 6/38
17/10/2022 13:55 E-book
praticar
Vamos praticar
Os fenômenos aleatórios são um fato na vida humana. Eles ocorrem sem que
sequer percebamos ou os reconheçamos como fenômenos aleatórios. Considere
que um casal deseja ter dois filhos. Pergunta-se: qual a probabilidade de ambos
serem do sexo feminino?
Tendo como base o estudo de Figueiredo (2000, p. 12), “precisamos agora saber o
que deve existir entre os eventos A e B para que possamos fazer uso da relação”
(1.2). Para tanto, vamos considerar que, conforme dito antes, os eventos
apresentados pertencem ao mesmo espaço amostral. Dado isso, podemos
considerar os resultados a seguir, sem apresentação de provas.
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&c… 7/38
17/10/2022 13:55 E-book
Note que, conforme afirma, Figueiredo (2000), os itens (1) e (2) apresentados não
dão reais condições de análise da relação entre os eventos A e B, de maneira que
esta possa ser classificada como independente ou dependente. Ainda que “a
ligação entre A e B pode ser de natureza lógica quando A é realizado, então B
também é. Neste caso, existe simplesmente a inclusão A⊂B, o que podemos
traduzir por: P(A)≤P(B)” (FIGUEIREDO, 2000, p. 13).
Os experimentos com realizações sucessivas de eventos relacionados geram dependência entre seus
possíveis resultados. Por isso, a partir da realização do segundo evento, as probabilidades são
condicionais, desde que a probabilidade de ocorrência do primeiro evento seja maior que zero. É
possível considerar mais de dois eventos nos cálculos de probabilidades condicionais; basta, apenas,
estender as definições apresentadas.
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&c… 8/38
17/10/2022 13:55 E-book
Conhecimento
Teste seus Conhecimentos
(Atividade não pontuada)
IV. O maior valor possível para uma medida de probabilidade condicional é igual
a 0,5.
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&c… 9/38
17/10/2022 13:55 E-book
Teorema de Bayes
Esse teorema, estudante, é uma das mais importantes relações que envolvem
probabilidades condicionais. De acordo com a história, o Teorema de Bayes foi
criado por Thomas Bayes, nascido em Londres (1702) e falecido em Kent (1761),
que era matemático e reverendo da Igreja Presbiteriana. O Teorema de Bayes deu
origem a uma linha de estudo da Estatística conhecida como Inferência Bayesiana.
Veja, agora, a visão de Bussab e Morettin (2017), que apresentam a versão mais
simples do Teorema de Bayes, dada pela Equação (4).
onde,
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 10/38
17/10/2022 13:55 E-book
Vamos ao Exemplo 1.1. Considere a existência de cinco urnas, e cada uma delas
possui seis bolas. Duas dessas urnas (denominadas C1 ) possuem três bolas
brancas; outras duas urnas (denominadas C2 ) possuem duas bolas brancas; a
última das urnas (denominada C3 ) possui seis bolas brancas. Dado o cenário, uma
urna é selecionada aleatoriamente, e dela é retirada uma bola ao acaso.
Desejamos saber a probabilidade de a urna escolhida ser a C3 , tendo a informação
de que a bola sorteada é branca.
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&c… 11/38
17/10/2022 13:55 E-book
(1.6).
A partir da nova representação do evento B, podemos calcular a probabilidade de
sua ocorrência, conforme apresentado a seguir:
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 12/38
17/10/2022 13:55 E-book
(prob. condicional);
P (B) =
2
5
×
3
6
+
2
5
×
2
6
+
1
5
× 1 =
8
15
.
(1/5).1
P (C 3|B) = =
3
8
.
8/15
C1 ∪ C2 ∪ … ∪ Cn = Ω . (1.8)
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 13/38
17/10/2022 13:55 E-book
P (C i ).P (A|C i )
P (C i|A) = n
(1.9)
∑ P (C j ).P (A|C j )
j=1
para todo i = 1, 2, … , n .
SAIBA MAIS
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 14/38
17/10/2022 13:55 E-book
ASSISTIR
O uso desse recurso permite que possamos afirmar que passamos de uma
probabilidade a priori P(Ci ) para uma probabilidade a posteriori P(Ci |A), a partir da
multiplicação da probabilidade a priori , pelo termo:
P (A|C i )
n
(1.10).
∑ P (C j ).P (A|C j )
j=1
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 15/38
17/10/2022 13:55 E-book
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 16/38
17/10/2022 13:55 E-book
P (F ) . P (A|F )
P (F|A) =
P (B) . P (A|B) + P (M ) . P (A|M ) + P (F ) . P (A|F )
REFLITA
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 17/38
17/10/2022 13:55 E-book
praticar
Vamos praticar
Em uma determinada escola, 5% dos alunos homens têm mais de 1,80m de
altura, enquanto, entre as alunas mulheres, esse percentual é igual a 2%. Sabe-
se, também, que 60% dos estudantes são homens. Se um estudante for
selecionado aleatoriamente e tiver mais de 1,80m de altura, qual a probabilidade
de ser homem?
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 18/38
17/10/2022 13:55 E-book
Fundamentação da
Verossimilhança
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 19/38
17/10/2022 13:55 E-book
∗
=
i
∗
(1.12),
L(θ ) ∏ f(xi |θ )
i
(1.14),
Podemos observar que ∏i dxi não depende de θ, então, pode ser absorvido pelo
termo constante K em (1.13). Uma aplicação, extraída de Paulino et al . (2018), é
apresentada no Exemplo 1.3.
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 20/38
17/10/2022 13:55 E-book
1 2
∏ f (xi|θ) ∝ exp{− ∑ (xi − θ) }
i 2σ
2 i
2 2 2
∑ (xi − θ)
i
= ∑ (xi − x̄) + n(x̄ − θ) ,
vem, então,
2
∏ f (xi|θ) ∝ exp{−
i
1
2
. n. (θ − x̄) } ,
2σ
2
já que o termo ∑ (xi − x̄) não depende de θ. Vamos considerar que se obteve
x̄ = 30. Então, teremos que a função de verossimilhança será dada por:
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 21/38
17/10/2022 13:55 E-book
2
∏ f (xi|θ) ∝ exp{−
i
1
.5. (θ − 30) } .
2.(36)
,
′ 2
θ|x̄ ∼ N (A , B )
onde,
1 n
.a+ .x̄ ′
2 2
e (1.16).
′ b σ 2 1
A = B =
1 n 1 n
+ +
2 2 2 2
b σ b σ
1 n 1 5
.a + . x̄ .20 + .30
2 2
′ b σ 25 36
A = = = 27, 7639
1 n 1 5
+ +
2
σ
2 25 36
b
′ 1 1
2
B = = = 5, 5900
1 n 1 5
2
+ 2
+
b σ 25 36
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… i 22/38
17/10/2022 13:55 E-book
Conhecimento
Teste seus Conhecimentos
(Atividade não pontuada)
III. ( ) Não faz sentido realizar operação de soma com verossimilhanças, pois
estas não são consideradas como medidas de probabilidade.
a) F – F – F – F.
b) V – F – V – F.
c) F – V – F – V.
d) V – V – V – V.
e) V – V – F – F.
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 23/38
17/10/2022 13:55 E-book
Distribuições a priori
e a posteriori
Veja o que Bussab e Morettin (2017, p. 331) afirmam: “após obtidos os dados,
obtemos a função de verossimilhança, que incorpora a informação sobre θ
fornecida pelos dados”. A letra grega θ (theta) representa o parâmetro
desconhecido ou o vetor de parâmetros desconhecidos. De posse da função de
verossimilhança, é possível obter a distribuição a posteriori de θ a partir da
amostra observada. Para exemplificar, o parâmetro θ pode ser uma média, uma
variância ou uma mediana.
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 24/38
17/10/2022 13:55 E-book
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 25/38
17/10/2022 13:55 E-book
Priori θ1 θ2
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 26/38
17/10/2022 13:55 E-book
y p(y|θ)
θ1 θ2
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 27/38
17/10/2022 13:55 E-book
y p (y, θ) p (y)
θ1 θ2
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 28/38
17/10/2022 13:55 E-book
5
×
2
3
= 6/15 .
p(θ).p(y|θ)
p (θ|y) = (1.17).
p(y)
p (y) = ∑
θ
p (y, θ) = ∑
θ
p (θ) . p(y|θ) (1.18).
P (y > 0) =
3
5
×
2
3
+
2
5
×
1
3
=
8
15
.
P (y < 0) =
3
5
×
1
3
+
2
5
×
2
3
=
7
15
.
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 29/38
17/10/2022 13:55 E-book
y p (y)
y > 0 8/15
y < 0 7/15
4
.
P (y>0) 8/15
4
.
P (y>0) 8/15
7
.
P (y<0) 7/15
7
.
P (y<0) 7/15
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 30/38
17/10/2022 13:55 E-book
y p(θ|y)
θ1 θ2
REFLITA
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 31/38
17/10/2022 13:55 E-book
1 2 3
Esquema clássico
A estatística clássica, apesar de parecer teruma trajetória mais curta, percorre por
raciocínios do tipo indutivos, comopara a elaboração de intervalos de confiança, os
quais, de certa maneira, nãotêm interpretação direta em termos de probabilidade.
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 32/38
17/10/2022 13:55 E-book
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 33/38
17/10/2022 13:55 E-book
Todo o conteúdo aqui apresentado representa pouco diante de tudo o que já foi
publicado sobre os fundamentos da inferência bayesiana. Prepare-se, portanto,
para desbravar esse mundo de métodos importantes e muito utilizados em
diversas áreas, como engenharia, medicina, dentre outras.
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 34/38
17/10/2022 13:55 E-book
Material
Complementar
FILME
TRAILER
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 35/38
17/10/2022 13:55 E-book
LIVRO
Editora : Zahar
Ano : 2009
ISBN : 978-8537801161
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 36/38
17/10/2022 13:55 E-book
Conclusão
Prezado(a) estudante, neste texto você teve contato com os fundamentos da inferência
bayesiana, a qual faz uso de conceitos de probabilidade condicional, Teorema de Bayes,
verossimilhanças e distribuições a priori e distribuições a posteriori .
Referências
BUSSAB, W. O.; MORETTIN, P. A. Estatística
básica . 9. ed. São Paulo: Saraiva, 2017.
Disponível em: https://
Ânimabrasil.blackboard.com/webapps/ga-
bibliotecaSSO-
BBLEARN/homeMinhaBiblioteca . Acesso
em: 02 abr. 2021.
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 37/38
17/10/2022 13:55 E-book
O HOMEM que mudou o jogo | Trailer legendado | Em exibição nos cinemas. Por Sony
Pictures Brasil. [ S. I.: s. n. ], 31 jan. 2012. 1 vídeo (2 min). Disponível em:
https://www.youtube.com/watch?v=BumI-Yh0P1M . Acesso em: 02 maio 2020.
https://student.ulife.com.br/ContentPlayer/Index?lc=ah6S3dYyOO%2f9O%2f%2bKDvR7aw%3d%3d&l=Bjzsg1k27CxP54jKr1GmRQ%3d%3d&… 38/38