EE-240/2009

Inferência

EE240/2009
Dicionário Aurélio:

Inferir: “Tirar por conclusão, deduzir pelo raciocínio”

Inferência: “Ato ou efeito de inferir; indução, conclusão; admissão

de verdade de uma proposição que não é conhecida diretamente,
em virtude de sua ligação com outras proposições admitidas como
verdadeiras”

EE240/2009
Dicionário Aurélio:

Inferir: “Tirar por conclusão, deduzir pelo raciocínio”

Inferência: “Ato ou efeito de inferir; indução, conclusão; admissão

de verdade de uma proposição que não é conhecida diretamente,
em virtude de sua ligação com outras proposições admitidas como
verdadeiras”

Dadas proposições P1, ... , Pn concluir proposição C

{ P1, ... , Pn }  C

EE240/2009
{ P1, ... , Pn }  C

Modus Ponens:
P1  A
P2  ( A  B )
CB

A = Sobrecorrente na armadura no motor elétrico

B = Elevação da temperatura dos enrolamentos de armadura

Abdução (Inferência Inválida):

P1  B
P2  ( A  B )
C A

A = Sobrecorrente na armadura no motor elétrico

B = Elevação da temperatura dos enrolamentos de armadura

EE240/2009
{ P1, ... , Pn }  C

Modus Ponens:
P1  A
P2  ( A  B )
CB

A = Sobrecorrente na armadura no motor elétrico

B = Elevação da temperatura dos enrolamentos de armadura

A B AB

V V V

V F F

F V V

F F V

EE240/2009
{ P1, ... , Pn }  C

Modus Tollens:
P1   B
P2  ( A  B )
C A

A = Sobrecorrente na armadura no motor elétrico

B = Elevação da temperatura dos enrolamentos de armadura

Abdução (Inferência Inválida):

P1  B
P2  ( A  B )
C A

A = Sobrecorrente na armadura no motor elétrico

B = Elevação da temperatura dos enrolamentos de armadura

EE240/2009
{ P1, ... , Pn }  C

Modus Tollens:
P1   B
P2  ( A  B )
C A

A = Sobrecorrente na armadura no motor elétrico

B = Elevação da temperatura dos enrolamentos de armadura

A B A B AB

V V F F V

V F F V F

F V V F V

F F V V V

EE240/2009
{ P1, ... , Pn }  C

Silogismo Disjuntivo:
P1   A
P2  A  B
CB

A = Sobrecorrente na armadura no motor elétrico

B = Atrito excessivo nos mancais

A B A AB

V V F V

V F F V

F V V V

F F V F

EE240/2009
Exemplo

OVR_P = Pressão excessiva no reator

OVR_T = Temperatura excessiva no reator
OUT_F_ON = Válvula de distribuição habilitada
V_ON = Válvula de alívio aberta
R_ON = Resistência de aquecimento
FALHA_IMINENTE

P1 = R_ON
P2 = OUT_F_ON
P3 = ¬V_ON
P4 = R_ON  ( ¬OUT_F_ON  ¬V_ON )  OVR_T
P5 = OVR_T  OVR_P
P6 = OVR_P  ¬V_ON  FALHA_IMINENTE

C = FALHA_IMINENTE

EE240/2009
Abdução:
P1  B
P2  ( A  B )
C A

A = Sobrecorrente na armadura no motor elétrico

B = Elevação da temperatura dos enrolamentos de armadura

A e B relacionados  P( B | A ) = P( A  B ) / P( A )

Bayes

P( A | B ) = P( B | A ) P( A ) / P( B )

EE240/2009
 1 2
13 18

7 3 11 19 20 16 4
5 17 14
6
15 10
9 12
8

 = { 1,2,3,...,20 }
P (i) = 0.05

EE240/2009
 1 2
13 18

7 3 11 19 20 16 4
5 17 14
6
15 10
9 12
8

Exemplo:
P( i  10 ) = 0.55

EE240/2009
 1 2
13 18

7 3 11 19 20 16 4
5 17 14
6
15 10
9 12
8

P( i  10 | i = par ) = P( i  10  i = par ) / P ( i = par )

P( i  10 | i = par ) = 0.30

EE240/2009
 A
AB
B

P( A | B ) = P( A  B ) / P ( B ) P( B | A ) = P( A  B ) / P ( A )

P( B | A ) P ( A ) = P( A | B ) P ( B )
Fórmula de Bayes

P( A | B ) P ( B )
P( B | A ) =
P(A)
EE240/2009
 Bn
B1
A Bi disjuntos

B2 Bk

P( A | Bi ) P ( Bi )
P( Bi | A ) =
P( A | B1 ) P ( B1 ) + ... + P( A | Bn ) P ( Bn )

B1 = H B2 = ¬H A=E

P( E | H ) P ( H )
P( H | E ) =
P( E | H ) P ( H ) + P( E | ¬H ) P (¬H )

EE240/2009
 A
AB
B

P( A  B ) = P( A | B ) P ( B )
Se B já tiver sido obtido de intersecção:
B=CD

P( A  C  D ) = P( A | C  D ) P (C  D )
Regra da Cadeia
P( C  D ) = P( C | D ) P ( D )

P( A  C  D ) = P( A | C  D ) P( C | D ) P ( D )

EE240/2009
Exemplo:

Lote de componentes novos: P(Ruim) = 0.001 e P(Bom) = 0.999

Ensaio de Laboratório: P(Aprovado | Bom) = 0.95 e P(Aprovado | Ruim) = 0.01

Qual a probabilidade do componente ser Ruim, dado que não foi aprovado no teste?

Obs: P(¬Aprovado | Bom) = 1 – 0.95 = 0.05 e P(¬Aprovado | Ruim) = 1 – 0.01 = 0.99

P( E | H ) P ( H )
P( H | E ) =
P( E | H ) P ( H ) + P( E | ¬H ) P (¬H )

EE240/2009
 Exemplo:

Lote de componentes novos: P(Ruim) = 0.001 e P(Bom) = 0.999

Ensaio de Laboratório: P(Aprovado | Bom) = 0.95 e P(Aprovado | Ruim) = 0.01

Qual a probabilidade do componente ser Ruim, dado que não foi aprovado no teste?

Obs: P(¬Aprovado | Bom) = 1 – 0.95 = 0.05 e P(¬Aprovado | Ruim) = 1 – 0.01 = 0.99

P(Ruim | ¬Aprovado) = P(¬Aprovado|Ruim) P(Ruim) / P(¬Aprovado)

P(¬Aprovado) = P(¬Aprovado | Bom) P(Bom) + P(¬Aprovado | Ruim) P(Ruim)]

P(Ruim | ¬Aprovado) = 0.99  0.001 / (0.05  0.999 + 0.99  0.001) = 0.019

P( ¬A | R ) P ( R )
P( R | ¬A ) =
P( ¬A | R ) P ( R ) + P( ¬A | ¬R ) P ( ¬R )

EE240/2009
Exemplo:

Lote de componentes novos: P(Ruim) = 0.001 e P(Bom) = 0.999

Ensaio de Laboratório: P(Aprovado | Bom) = 0.95 e P(Aprovado | Ruim) = 0.01

Qual a probabilidade do componente ser Ruim, dado que não foi aprovado no teste?

Obs: P(¬Aprovado | Bom) = 1 – 0.95 = 0.05 e P(¬Aprovado | Ruim) = 1 – 0.01 = 0.99

1.000.000 de componentes

1.000 Ruins 999.000 Bons

10 Aprovados 990 Rejeitados 49.950 Rejeitados 949.050 Aprovados

50.940 Rejeitados

990 / 50.940 = 0.019

P(Ruim | ¬Aprovado) = 0.99  0.001 / (0.05  0.999 + 0.99  0.001) = 0.019

EE240/2009
 Exemplo:

Lote de componentes recuperados da sucata: P(Ruim) = 0.80 e P(Bom) = 0.20

Ensaio de Laboratório: P(Aprovado | Bom) = 0.95 e P(Aprovado | Ruim) = 0.01

Qual a probabilidade do componente ser Ruim, dado que não foi aprovado no teste?

Obs: P(¬Aprovado | Bom) = 1 – 0.95 = 0.05 e P(¬Aprovado | Ruim) = 1 – 0.01 = 0.99

P(Ruim | ¬Aprovado) = P(¬Aprovado|Ruim) P(Ruim) / P(¬Aprovado)

P(¬Aprovado) = P(¬Aprovado | Bom) P(Bom) + P(¬Aprovado | Ruim) P(Ruim)]

P(Ruim | ¬Aprovado) = 0.99  0.8 / (0.05  0.0.20 + 0.99  0.80) = 0.98

P( ¬A | R ) P ( R )
P( R | ¬A ) =
P( ¬A | R ) P ( R ) + P( ¬A | ¬R ) P ( ¬R )

EE240/2009
{ A , ( A  C )}  C

Se A Então C
A  Antecedente
C  Consequente

P( C | A ) P ( A )
P( A | C ) =
P( C | A ) P ( A ) + P( C | ¬A ) P (¬A )

Se H Então E
H  Hipótese Dado E qual a probabilidade de H estar correta?
E  Evidência

P( E | H ) P ( H )
P( H | E ) =
P( E | H ) P ( H ) + P( E | ¬H ) P (¬H )

EE240/2009
{ A , ( A  C )}  C

Se A Então C
A  Antecedente
C  Consequente

P( C | A ) P ( A )
P( A | C ) =
P( C | A ) P ( A ) + P( C | ¬A ) P (¬A )

Likelihood of Sufficiency: P( C | A )
LS =
P( C | ¬A )

Likelihood of Necessity: P( ¬C | A )
LN =
P( ¬C | ¬A )

EE240/2009
 A = Aquecimento do Fio A = Aditivo no Combustível
C = Curto-circuito C = Carburador Sujo

P( C | A ) = 0.8 P( C | A ) = 0.3
P( ¬C | A ) = 0.2 P( ¬C | A ) = 0.7
P( C | ¬A ) = 0.05 P( C | ¬A ) = 0.9
P( ¬C | ¬A ) = 0.95 P( ¬C | ¬A ) = 0.1

LS = 16 LS = 0.33
LN = 0.21 LN = 7

Likelihood of Sufficiency: P( C | A )
LS =
P( C | ¬A )

Likelihood of Necessity: P( ¬C | A )
LN =
P( ¬C | ¬A )

EE240/2009
 Redes Bayesianas

Grafos Direcionados Acíclicos:

Vértices (ou nós)

Arcos (direcionados)

EE240/2009
 Redes Bayesianas

Grafos Direcionados Acíclicos:

Pai de SC

Nó SC

Descendentes de SC

Condição de Markov:

Se V é um vértice, V é condicionalmente independente de todos os

nós não descendentes, dados os pais

EE240/2009
 Redes Bayesianas

ND3

V é dito ser
condicionalmente P1 ND1
independente ND2
de ND = { ND1 , ... , NDn } dado
P = { P1 , ... , Pm } se
P( V | ND,P ) = P( V | P )
ND4 V

Descendentes de V

Condição de Markov:

Se V é um vértice, V é condicionalmente independente de todos os

nós não descendentes, dados os pais

EE240/2009
 Redes Bayesianas

Grafos Direcionados Acíclicos: ET

AQ SC
P( MD | AQ,SC ) = 0.98
P( MD | AQ, ¬SC ) =0.30
P( MD | ¬AQ,SC ) =0.40
P( MD | ¬AQ, ¬SC ) =0.01 MD AL

P( AL | SC ) = 0.99
P( AL | ¬SC ) =0.03

Condição de Markov:

Se V é um vértice, V é condicionalmente independente de todos os

nós não descendentes, dados os pais

EE240/2009
 Cálculo das Probabilidades
ET

AQ SC

Cálculo de P( MD | AQ ):
MD AL
P( MD | AQ ) = P ( MD , SC | AQ ) + P ( MD , ¬SC | AQ )

Regra da Cadeia:
P( A,B,C ) = P( A | B , C ) P ( B | C ) P( C )

P( MD | AQ ) = P ( MD | SC , AQ )P ( SC | AQ ) + P ( MD | ¬SC , AQ ) P ( ¬SC | AQ )

Condição de Markov:
P ( SC | AQ ) = P ( SC ) e P (¬ SC | AQ ) = P ( ¬SC )

P( MD | AQ ) = P ( MD | SC , AQ )P ( SC ) + P ( MD | ¬SC , AQ )P ( ¬SC )

EE240/2009
 P(ET)=0.05
ET P(¬ET)=0.95

P(AQ | ET) = 0.80

P(¬ AQ | ET) = 0.20
P(AQ | ¬ ET) = 0.10
AQ SC P(¬ AQ | ¬ ET) = 0.90

P(SC | ET) = 0.95

P(¬ SC | ET) = 0.05
MD AL
P(SC | ¬ ET) = 0.05
P(¬ SC | ¬ ET) = 0.95

P(MD | AQ, SC) = .98

P(¬ MD | AQ, SC ) = .02
P(MD | AQ, ¬ SC) = .50
P(¬ MD | AQ, ¬ SC) = .50
P(MD | ¬ AQ, SC) = .40
P(¬ MD | ¬ AQ, SC ) = .60
P(MD | ¬ AQ, ¬ SC) = .01
P(¬ MD | ¬ AQ, ¬ SC) = .99

P(AL | SC) = 0.99

P(¬ AL | SC) = 0.01
P(AL | ¬ SC) = 0.03
P(¬ AL | ¬ SC) = 0.97

EE240/2009
P(ET)=0.05
P(¬ET)=0.95

P(AQ | ET) = 0.80

P(¬ AQ | ET) = 0.20
P(AQ | ¬ ET) = 0.10
P(¬ AQ | ¬ ET) = 0.90

P(SC | ET) = 0.95

P(¬ SC | ET) = 0.05
P(SC | ¬ ET) = 0.05
P(¬ SC | ¬ ET) = 0.95

P(MD | AQ, SC) = .98

P(¬ MD | AQ, SC ) = .02
P(MD | AQ, ¬ SC) = .50
P(¬ MD | AQ, ¬ SC) = .50
P(MD | ¬ AQ, SC) = .40
P(¬ MD | ¬ AQ, SC ) = .60
P(MD | ¬ AQ, ¬ SC) = .01
P(¬ MD | ¬ AQ, ¬ SC) = .99

P(AL | SC) = 0.99

P(¬ AL | SC) = 0.01
P(AL | ¬ SC) = 0.03
P(¬ AL | ¬ SC) = 0.97

EE240/2009
EE240/2009
EE240/2009
{ P1, ... , Pn }  C

Modus Ponens:
P1  A
P2  ( A  B )
CB

Razoável?
A = Sobrecorrente na armadura no motor elétrico
B = Elevação da temperatura dos enrolamentos de armadura

9,09 A OK, sem sobrecorrente

Sobrecorrente = Iarmadura > 10,0 A

10,1 A NOK, sobrecorrente

EE240/2009
 Lógica Nebulosa
{ P1, ... , Pn }  C
Função Indicadora

1
Lógica Clássica

10,0 Iarmadura (A)

Função de Pertinência

1
Lógica Nebulosa

10,0 Iarmadura (A)

9,09 A OK, sem sobrecorrente

Sobrecorrente = Iarmadura > 10,0 A

10,1 A NOK, sobrecorrente

EE240/2009
 Lógica Nebulosa

Função Indicadora

10,0 Iarmadura (A)

Corrente Normal Sobrecorrente

Função de Pertinência

1
normal sobrecorrente

10,0 Iarmadura (A)

Corrente Normal Sobrecorrente

EE240/2009
 Inferência Nebulosa

Regra 1
 
Pressão Vazão Válvula

Regra 2  
Pressão Vazão Válvula

Regra 3  
Pressão Vazão Válvula

EE240/2009
 Inferência Nebulosa

Regra 1
 
Pressão Vazão Válvula

Regra 2  
Pressão Vazão Válvula

Regra 3  
Pressão Vazão Válvula

Pressão medida Vazão medida

EE240/2009
 Inferência Nebulosa

Regra 1
 
Pressão Vazão Válvula

Regra 2  
Pressão Vazão Válvula

Regra 3  
Pressão Vazão Válvula

Pressão medida Vazão medida

EE240/2009
 Inferência Nebulosa

Regra 1
 
Pressão Vazão Válvula

Regra 2  
Pressão Vazão Válvula

Regra 3  
Pressão Vazão Válvula

Pressão medida Vazão medida

EE240/2009
 Inferência Nebulosa

Regra 1
 
Pressão Vazão Válvula

Regra 2  
Pressão Vazão Válvula

Regra 3  
Pressão Vazão Válvula

Válvula
Pressão medida Vazão medida

EE240/2009
 Inferência Nebulosa

Regra 1
 
Pressão Vazão Válvula

Regra 2  
Pressão Vazão Válvula

Regra 3  
Pressão Vazão Válvula

Válvula
Pressão medida Vazão medida
Posição da Válvula

EE240/2009
EE240/2009
EE240/2009
EE240/2009
EE240/2009
Muito Obrigado!

EE240/2009