IA: Tratamento de Incertezas - Probabilidades
|
|
- João Henrique Pinho Leal
- 6 Há anos
- Visualizações:
Transcrição
1 IA: - Probabilidades Professor: Paulo Gurgel Pinheiro MC906A - Inteligência Articial Instituto de Computação Universidade Estadual de Campinas - UNICAMP 14 de Setembro de / 62
2 pinheiro/ [MC906] 2 / 62
3 O que vamos aprender hoje? O que vamos aprender hoje? 1 s 2 Tratamento de incertezas 3 Probabilidade prévia 4 Probabilidade condicional 5 Axiomas da probabilidade 6 Inferência sobre probabilidades 7 3 / 62
4 Teoria da Utilidade Teoria da decisão Princípio da Utilidade Máxima Esperada Funções de utilidade 4 / 62
5 Teoria da Utilidade Teoria da decisão Princípio da Utilidade Máxima Esperada Funções de utilidade s Nem sempre temos toda a verdade sobre o ambiente Parte do mundo de um agente pode não ser observável E a outra parte supostamente observável pode sofrer interferências (sensores) Quanto mais complexo o mundo, mais incerto ele pode ser para um agente. 5 / 62
6 Teoria da Utilidade Teoria da decisão Princípio da Utilidade Máxima Esperada Funções de utilidade Agindo com incertezas "Imagine que um agente queira embarcar em um vôo e esteja considerando o plano A 90, que envolve sair de casa 90 minutos antes do vôo e dirigir a uma velocidade razoável." Embora o aeroporto que a 15 km de sua casa O agente não concluirá com certeza que chegará a tempo Ele conclui que chegará a tempo desde que o carro não quebre ou não lhe falte combustível, que não se envolva em algum acidente ou o avião saia mais cedo que o previsto. 6 / 62
7 Teoria da Utilidade Teoria da decisão Princípio da Utilidade Máxima Esperada Funções de utilidade Agindo com incertezas Supondo que A 90 seja a alternativa correta a se escolher, então signica que está maximiza a medida de desempenho do agente, dadas as informações que ele tem sobre o ambiente. Medida de desempenho: Chegar no aeroporto a tempo Evitar longa espera no aeroporto Evitar multas de trânsito por excesso de velocidade As informações que o agente tem não podem garantir esses resultados para A 90 Mas podem fornecer um grau de crença de que esses resultados serão alcançados. 7 / 62
8 Teoria da Utilidade Teoria da decisão Princípio da Utilidade Máxima Esperada Funções de utilidade Agindo com incertezas E um plano A 120? Sim, aumentaria a crença do agente de chegar a tempo no aeroporto Mas também aumentaria a probabilidade de uma longa espera. Então, qual seria a decisão racional? Supondo que A 90 tenha uma chance de sucesso de 95%, essa seria uma decisão racional? 8 / 62
9 Teoria da Utilidade Teoria da decisão Princípio da Utilidade Máxima Esperada Funções de utilidade Agindo com incertezas Se for vital não perder o vôo, vale a pena arriscar uma espera maior. Então, que tal um plano A 1440 (24 horas antes)? Garante chegar a tempo, mas gera uma espera intolerável. Nem sempre o resultado é composto somente da meta e sim, também de preferências. Preferências Teoria da utilidade 9 / 62
10 Teoria da Utilidade Teoria da decisão Princípio da Utilidade Máxima Esperada Funções de utilidade Teoria da Utilidade e Teoria da Decisão 10 / 62
11 Teoria da Utilidade Teoria da decisão Princípio da Utilidade Máxima Esperada Funções de utilidade Teoria da Utilidade Utilizaremos a teoria da utilidade para raciocinar com preferências Teoria da utilidade: Todo estado possui um grau de utilidade Agentes preferem estados com utilidade mais alta. No exemplo, o grau de utilidade é denido pelas preferências. "Não existe uma maneira mais correta que outra de medir gostos ou preferências." 11 / 62
12 Teoria da Utilidade Teoria da decisão Princípio da Utilidade Máxima Esperada Funções de utilidade Teoria da Decisão Então até agora temos: Uma probabilidade (uma crença) de se atingir uma meta. Uma utilidade para cada estado orientada as preferências. Teoria da Decisão: Preferências expressas em utilidade são combinadas com probabilidade: Teoria da decisão = teoria da probabilidade + Teoria da utilidade. 12 / 62
13 Teoria da Utilidade Teoria da decisão Princípio da Utilidade Máxima Esperada Funções de utilidade Princípio da Utilidade Máxima Esperada 13 / 62
14 Teoria da Utilidade Teoria da decisão Princípio da Utilidade Máxima Esperada Funções de utilidade Princípio da Utilidade Máxima Esperada Princípio da Utilidade Máxima Esperada Um agente é racional se e somente se escolhe a ação que resulta na mais alta utilidade esperada, calculada como a média sobre todos os resultados possíveis da ação. 14 / 62
15 Teoria da Utilidade Teoria da decisão Princípio da Utilidade Máxima Esperada Funções de utilidade Princípio da Utilidade Máxima Esperada O que está por trás da UME: Conhecimento do estado inicial do ambiente (E) Denição de um modelo causal completo do ambiente e atualização das redes de crença para calcular: P(resultado i (A) E, executa(a)) Que é a probabilidade associada a cada resultado da ação A. Buscar valor da utilidade associada a cada estado para determinar U(resultado i (A)) Utilidade esperada (EU): EU(A E) = P(resultadoi (A) E, executa(a)).u(resultado i (A)) 15 / 62
16 Teoria da Utilidade Teoria da decisão Princípio da Utilidade Máxima Esperada Funções de utilidade Um pouco de formalismo Notação para descrever preferências: A B : A é preferido em relação a B A B: O agente é indiferente em relação A e B Princípio da utilidade U(A)>U(B) A B U(A)=U(B) A B 16 / 62
17 Teoria da Utilidade Teoria da decisão Princípio da Utilidade Máxima Esperada Funções de utilidade Funções de utilidade Qualquer coisa pode ser função de utilidade: Prero ter número primos na minha conta bancária Prero ter um avião à um carro Prero comida fria à quente. Dinheiro é uma boa função de utilidade? Na verdade,não... Imagine um jogo de prêmios de um programa de televisão Você está com um prêmio de 1Mi. Pode levar ou arriscar ganhar 3Mi numa prova que você tem 50% de chance de ganhar os 3Mi e 50% de chances de perder tudo... O que você faz? 17 / 62
18 Teoria da Utilidade Teoria da decisão Princípio da Utilidade Máxima Esperada Funções de utilidade Funções de utilidade Jogo de prêmios de um programa de televisão A maioria vai embora com 1Mi Mas a utilidade de arriscar é 0.5 x $ x $3Mi = 1.5 Mi (EMV) Estamos sendo irracionais? Em geral, o ser humano é avesso a riscos Certainty Equivalent: valor certo que você aceita no lugar do risco Na verdade, uma melhor função de utilidade consideraria o dinheiro que você já tem. Pessoas ricas arriscam mais, porque não se importam em perder. Isso também vale para pessoas desesperadas. 18 / 62
19 Probabilidades Variáveis aleatórias Eventos atômicos 19 / 62
20 Probabilidades Variáveis aleatórias Eventos atômicos não pode ser tratada com lógica de primeira ordem. Não necessariamente sabemos todos os antecedentes de uma regra (ou mesmo seus valores) Não necessariamente todos os antecedentes devem ser satisfeitos Subgrupos já seriam o suciente. Consequentes diferentes podem compartilhar vários antecedentes. Exemplo: diagnóstico de doenças. 20 / 62
21 Probabilidades Variáveis aleatórias Eventos atômicos Vamos tentar utilizar lógica de primeira ordem, considerando a seguinte regra: p Sintoma(paciente, DorDeDente) Doença(paciente, Cárie) Regra errada: pois nem todos os pacientes com dores de dentes têm cáries. Podem sofrer de outros males: p Sintoma(p, DorDeDente) Doença(p, Cárie) Doença(p, Gengivite) Doença(p, Abscesso)... A m de tornar a regra verdadeira, tentamos adicionar uma lista quase ilimitada de causas possíveis. p Doença(p, Cárie) Sintoma(p, DorDeDente) Regra errada: nem todas as cáries causam dor. 21 / 62
22 Probabilidades Variáveis aleatórias Eventos atômicos Utilizar lógica de primeira ordem para este caso é uma abordagem falha por três motivos: Preguiça: Listar o conjunto completo de antecedentes ou consequentes necessários para assegurar uma regra sem exceções é muito trabalhoso. Ignorância teórica: A ciência, no caso, médica, não tem nenhuma teoria completa para o domínio. Ignorância prática: Mesmo que todas as regras fossem conhecidas, poderiamos estar inseguros quanto ao estado do paciente. 22 / 62
23 Probabilidades Variáveis aleatórias Eventos atômicos Então, como tratar? Probabildade Associe a cada sentença um grau de certeza numérico (sua probabilidade), entre 0 e 1. Ex: Podemos não saber o que aige o paciente, mas cremos ter uma chance de 80%(0.8) de ser gripe (A cada 100 pacientes com esse mesmo tipo de reclamação teriamos 80 deles com gripe). 23 / 62
24 Probabilidades Variáveis aleatórias Eventos atômicos Probabilidade Probabilidade 0 - Corresponde a uma crença inequívoca de que a sentença é FALSA. Probabilidade 1 - Corresponde a uma crença inequívoca de que a sentença é VERDADEIRA. Outras probabilidades correspondem a graus intermediários de crença na veracidade da sentença. Note que a sentença por si só, ou é verdadeira ou falsa. O que varia é a nossa crença nisso. Grau de veracidade (em oposição a de crença) é tratado pela lógica difusa, não pela probabilidade. 24 / 62
25 Probabilidades Variáveis aleatórias Eventos atômicos Elementos das Probabilidade Proposições: Os graus de crenças serão aplicados nas proposições. Variáveis aleatórias: Parte do mundo cujo status é inicialmente desconhecido. Gripe pode se referir ao fato de eu ter ou não gripe. Toda variável tem um domínio Ex: Domínio de cárie pode ser <verdadeiro, falso> Eventos Atômicos 25 / 62
26 Probabilidades Variáveis aleatórias Eventos atômicos Variáveis aleatórias Variáveis aleatórias booleanas: Domínio <verdadeiro, falso> Variáveis aleatórias discretas: Admitem valores de um domínio enumerável Ex. Questão: <corretíssima, correta, errada, erradíssima> Seus valores são mutuamente exclusivos. Valores exaustivos (todas as possibilidades) Incluem as booleanas como caso especial Variáveis aleatórias contínuas Admitem valores a partir dos números reais 26 / 62
27 Probabilidades Variáveis aleatórias Eventos atômicos Eventos atômicos Eventos atômicos Especicação completa do estado do mundo sobre o qual estamos incertos. Pode ser considerado uma atribuição de valores especícos a todas as variáveis das quais o mundo é formado. Exemplo: Se o meu mundo é formado pelas variáveis gripe e alergia, então existem 4 eventos atômicos distintos: Eventos atômicos: gripe = verdadeiro alergia = falso gripe = verdadeiro alergia = verdadeiro gripe = falso alergia = falso gripe = falso alergia = verdadeiro 27 / 62
28 Probabilidades Variáveis aleatórias Eventos atômicos Eventos atômicos - Propriedades Mutuamente exclusivos No máximo um pode valer Exemplo: Exaustivos: gripe = verdadeiro alergia = falso gripe = verdadeiro alergia = verdadeiro Ambos não podem acontecer ao mesmo tempo Pelo menos um deve valer (já que cobrem todas as possibilidades) um entre eles deve ser verdadeiro 28 / 62
29 Probabilidade prévia ou incondicional 29 / 62
30 Crença antes da evidência ser obtida Grau de crença na ausência de qualquer outra informação Deve ser usada somente quando não houver outra informação disponível Exemplo: Se de antemão creio que a probabilidade de ter gripe é de 0,1, então P(gripe) = 0,1. 30 / 62
31 Se queremos nos referir a probabilidade de todos os valores possíveis: Exemplo: Considere os 4 possíveis valores da variável aleatória clima: P(clima=ensolarado)=0.7 P(clima=chuvoso)=0.2 P(clima=nublado)=0.08 P(clima=nevando)=0.02 Podemos escrever um vetor de valores para as probabilidades de cada estado individual da variável P(clima) = <0.7, 0.2, 0.08, 0.02> Distribuição de probabilidades. 31 / 62
32 Mas de onde vem essa certeza prévia? Pode vir de nossa intuição Pode advir de experiência passada Ex. De todos os casos já vistos, 80% deles eram de gripe. 32 / 62
33 Exemplo Probabilidade posterior Axiomas da probabilidade Exemplo inferência Probabilidade posterior ou condicional 33 / 62
34 Exemplo Probabilidade posterior Axiomas da probabilidade Exemplo inferência Crença após a evidência ser obtida Reete a crença dada a nova evidência P(variável evidência) ou P(efeito causa) Probabilidade da variável dado que conhecemos a evidência P(gripe febre)=0.8 De todos os casos que observamos febre (sem levar em conta qualquer outra coisa), 80% eram de pessoas com gripe. Após coletada a evidência, a probabilidade prévia não é mais aplicada. 34 / 62
35 Exemplo Probabilidade posterior Axiomas da probabilidade Exemplo inferência Como calcular a probabilidade posterior? Suponha o seguinte universo P(febre) = casosfebre casosdoenca P(febre gripe) = casosfebre&gripe casosdoenca 35 / 62
36 Exemplo Probabilidade posterior Axiomas da probabilidade Exemplo inferência Número total de casos com febre = P(febre) x Número total de casos de Doença Número de casos com febre e gripe = P(febre gripe) x Número total de casos de Doença P(gripe febre) = = casosfebre&gripe casosfebre P(gripe febre) = P(febre gripe)xtotaldoenca P(febre)xtotalDoenca P(gripe febre) = P(febre gripe) P(febre) 36 / 62
37 Exemplo Probabilidade posterior Axiomas da probabilidade Exemplo inferência P(a b) P(a b)= P(b) Vale toda vez que P(b) 0 P(a b) = P(a b)p(b) ou P(a b) = P(b a)p(a) Regra do produto Para que a e b sejam verdade, precisamos que b seja verdade e que, a seja verdade, dado que b é verdade. 37 / 62
38 Exemplo Probabilidade posterior Axiomas da probabilidade Exemplo inferência Exemplo Baralho de 52 cartas Retiramos uma carta P(ás de espada) antes de olharmos a carta? P(ás de espada) = Qtd_Ases_Espada Qtd_Cartas = 1 52 P(ás de espada) depois de olharmos a carta? Se era ás de espada = 1 P(as as) = P(as as) P(as) Se não era ás de espada = 0 P(as as) = P(as as) P(as) = P(as) P(as) 38 / 62
39 Exemplo Probabilidade posterior Axiomas da probabilidade Exemplo inferência Axiomas da probabilidade Axiomas da probabilidade Probabilidade estão entre 0 e 1 0 P(a) 1 Proposições necessariamente verdadeiras têm P(verdadeiro)=1 e falsas P(falso)=0 A probabilidade da disjunção é dada por: P(a b) = P(a)+P(b)-P(a b) Toda distribuição de probabilidade em uma única variável deve somar 1 Eventos podem ser independentes. 39 / 62
40 Exemplo Probabilidade posterior Axiomas da probabilidade Exemplo inferência Axiomas da probabilidade Disjunção revista Primeira aproximação: P(gripe febre) = Casos_gripe+Casos_febre total_casos Problema: Contamos duas vezes a intersecção dos conjuntos (gripe febre). 40 / 62
41 Exemplo Probabilidade posterior Axiomas da probabilidade Exemplo inferência Axiomas da probabilidade Independência Eventos independentes A ocorrência de um não afeta a ocorrência de outro P(A B) = P(A), se A e B forem independentes. P(B A) = P(B) P(A B)= P(B A)P(A) = P(B)P(A) Independência condicional Ocorre quando duas variáveis possuem a mesma causa, porém não afetam uma a outra diretamente. P(X,Y Z) = P(X Z)P(Y Z) X e Y são condicionalmente dependentes, dada Z. 41 / 62
42 Exemplo Probabilidade posterior Axiomas da probabilidade Exemplo inferência Resolvendo problemas Estrutura geral de um problema Domínio de área Em que área está inserido o problema? Variáveis e domínios das variáveis Variáveis do problema com seus domínios Distribuição conjunta completa de probabilidades. Envolve o conjunto completo de variáveis Todas as variáveis do domínio Especica a probabilidade de cada evento atômico Exemplo: P(clima, gripe) P(Gripe, alergia, clima) - tabela de 2 x 2 x 4 42 / 62
43 Exemplo Probabilidade posterior Axiomas da probabilidade Exemplo inferência Exemplo de uma inferência 43 / 62
44 Exemplo Probabilidade posterior Axiomas da probabilidade Exemplo inferência Exemplo de uma inferência Domínio: Odontologia Variáveis: Cárie: sim, não Dor de dente: sim, não Broca prendendo no dente: sim, não Distribuição conjunta: 44 / 62
45 Exemplo Probabilidade posterior Axiomas da probabilidade Exemplo inferência Exemplo de uma inferência Observações: A soma das probabilidades é 1 Cálculo das probabilidades de uma proposição Identique os eventos atômicos nos quais a proposição é verdadeira Adicione suas probabilidades Exemplo: P(cárie dor) = = / 62
46 Exemplo Probabilidade posterior Axiomas da probabilidade Exemplo inferência Exemplo de uma inferência Cálculo das probabilidades de uma proposição Pode-se extrair a distribuição de uma única variável. Exemplo: P(cárie) = = / 62
47 Exemplo Probabilidade posterior Axiomas da probabilidade Exemplo inferência Exemplo de uma inferência Cálculo das probabilidades condicionais Exemplo: Vericar a probabilidade de haver cárie, dada uma dor de dente P(cárie dor) = P(cárie dor) = P(carie dor) P(dor) = / 62
48 Exemplo Probabilidade posterior Axiomas da probabilidade Exemplo inferência Exemplo de uma inferência Cálculo das probabilidades condicionais Exemplo: Vericar a probabilidade de não haver nenhuma cárie, dada uma dor de dente P( cárie dor) = P(cárie dor) = P( carie dor) P(dor) = / 62
49 Exemplo Probabilidade posterior Axiomas da probabilidade Exemplo inferência Até agora / 62
50 Exemplo Probabilidade posterior Axiomas da probabilidade Exemplo inferência Até agora vimos... O que foi visto: Nem sempre temos toda a verdade sobre o ambiente Parte do mundo de um agente pode não ser observável Então existe uma probabilidade de dar certo ou não Queremos sempre o plano que dê certo, mas que seja tolerável. Todo estado possui um grau de utilidade Agentes preferem estados com utilidade mais alta. Utilidade Máxima Esperada 50 / 62
51 Exemplo Probabilidade posterior Axiomas da probabilidade Exemplo inferência Até agora vimos... O que foi visto: não pode ser tratada somente com lógica de primeira ordem. Não necessariamente sabemos todos os antecedentes de uma regra (ou mesmo seus valores) Não necessariamente todos os antecedentes devem ser satisfeitos Então, como tratar? Probabilidade 51 / 62
52 Exemplo Probabilidade posterior Axiomas da probabilidade Exemplo inferência Até agora vimos... O que foi visto: P(a)=0.1 Distribuição de probabilidades (P(clima) = <0.7, 0.2, 0.008, 0.002>) P(a b) = P(a b) P(b) P(a b) = P(a b) P(b) P(b a) = P(b a) P(a) 52 / 62
53 53 / 62
54 Dada a regra do produto com a comutatividade da conjunção: P(a b) = P(a b) P(b) P(b a) = P(b a) P(a) Igualando os dois membros da direita e dividindo por P(a), temos: P(a b)p(b) P(b a) = P(a) 54 / 62
55 Aplicando a P(b a) = P(a b)p(b) P(a) Exige três termos: É útil? uma probabilidade condicional duas probabilidades incondicionais Na prática existem boas estimativas para os três termos mas temos que achar uma probabilidade condicional não tão trivial. 55 / 62
56 Aplicando a Exemplo 01 - Meningite: "Sabe-se que meningite faz com que o paciente tenha rigidez no pescoço em 50% dos casos. Sabem-se também alguns fatos incondicionais:" "A probabilidade a priori de um paciente ter meningite(m) é de 1/ " "E a probabilidade a priori de qualquer paciente ter uma rigidez no pescoço (s) é de 1/20." 56 / 62
57 Aplicando a Exemplo 01 - Meningite (Cont.): P(s m)=0.5 P(m) = 1/ P(s) = 1/20 P(s m)p(m) P(m s) = P(s) P(m s) = 0.5x1/ = /20 Boa para ser aplicada quando a probabilidade condicional está disponível em um sentido, mas não em outro. 57 / 62
58 Aplicando a Exemplo 02 - Câncer 1% das mulheres na idade de 40 anos que fazem exames de rotina têm câncer de mama. 80% das mulheres com câncer de mama terão mamogramas positivos para câncer. 9.6% das mulheres sem câncer de mama também terão mamogramas positivos. Uma mulher de 40 anos teve um mamograma positivo em um exame de rotina. Qual a probabilidade dela efetivamente ter câncer de mama? 58 / 62
59 Aplicando a Exemplo 02 - Câncer (Cont.) P(positivo cancer)p(cancer) P(cancer positivo) = P(positivo) O que temos: P(positivo cancer) = 0.8 P(cancer) = 0.01 P(positivo) =? 59 / 62
60 Aplicando a Lembre que a probabilidade de um efeito (positivo) é obtida somando-se as probabilidades de sua ocorrência em conjunto com suas causas. Efeito: mamograma positivo Causa: ter ou não câncer. P(positivo) = P(positivo cancer) + P(positivo cancer) P(positivo cancer) = P(positivo cancer)p(cancer) P(positivo cancer) = 0.8x0.01 = P(positivo cancer) = P(positivo cancer)(1-p(cancer)) P(positivo cancer) = 9.6% x (1-0.01) = / 62
61 Aplicando a P(positivo) = P(positivo cancer) + P(positivo cancer) P(positivo) = = P(positivo cancer)p(cancer) P(cancer positivo) = P(positivo) P(positivo cancer) = P(cancer) = 0.01 P(cancer positivo) = 0.8x = 7.76% 61 / 62
62 Paulo Pinheiro 62 / 62
INF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Aula 15 Incerteza Edirlei Soares de Lima Agentes Vistos Anteriormente Agentes baseados em busca: Busca cega Busca heurística Busca local Agentes
Leia maisInteligência Artificial Prof. Marcos Quinet Pólo Universitário de Rio das Ostras PURO Universidade Federal Fluminense UFF
Inteligência Artificial Prof. Marcos Quinet Pólo Universitário de Rio das Ostras PURO Universidade Federal Fluminense UFF No capítulo anterior... Agentes lógicos; Inferência lógica; Introdução ao PROLOG.
Leia maisSistemas Inteligentes. Incerteza
Sistemas Inteligentes Incerteza Incerteza Seja a ação A t = sair para o aeroporto t minutos antes do vôo. A t me levará ao aeroporto a tempo? Dificuldades de saber o resultado da ação: Estados parcialmente
Leia maisArtificial Intelligence, 14-15 1
Artificial Intelligence, 14-15 1 Cap. 14: Incerteza Falta de informação suficiente. Conhecimento não completo ou não correto. Planos condicionais podem lidar com incerteza de forma limitada. Ex: Plano
Leia maisIndependência Regra de Bayes Redes Bayesianas
Independência Regra de Bayes Redes Bayesianas Inferência Probabilística Evidência observada: dor. Qual é a probabilidade de cárie dado que foi observado dor? P cárie dor = P(cárie dor) P(dor = 0,6 Independência
Leia maislnteligência Artificial Raciocínio Probabilístico - Introdução a Redes Bayesianas
lnteligência Artificial Raciocínio Probabilístico - Introdução a Redes Bayesianas Referências Adicionais Russel e Norvig cap. 14 e 15 Pearl, Judea. Probabilistic Reasoning in Intelligent Systems: Network
Leia maisConhecimento Incerto
Conhecimento Incerto Profa. Josiane M. P. erreira exto base: Stuart Russel e Peter Norving - Inteligência Artificial - cap 13. David Poole, Alan Mackworth e Randy Goebel - Computational Intelligence A
Leia maisincerteza Probabilidade Sintaxe e Semântica Inferência
incerteza Probabilidade Sintaxe e Semântica Inferência Incerteza Os agentes podem precisar lidar com a incerteza: Observabilidade parcial do meio, Não determinismo do meio ou Combinação dos dois. Um agente
Leia maisRedes Bayesianas. Introdução. Teoria da Probabilidade. Manipulação de Conhecimento Incerto
Introdução M. Sc. Luiz Alberto lasf.bel@gmail.com As (RBs) são modelos gráficos que codificam relacionamentos probabilísticos entre variáveis de interesse As principais motivações para o estudo e uso de
Leia maisIA - Planejamento II
PO IA - Planejamento II Professor Paulo Gurgel Pinheiro MC906A - Inteligência Articial Instituto de Computação Universidade Estadual de Campinas - UNICAMP 16 de Novembro de 2010 1 / 48 PO http://www.ic.unicamp.br/
Leia maisRedes Bayesianas. Prof. Júlio Cesar Nievola PPGIa Escola Politécnica PUCPR
Redes Bayesianas Prof. Júlio Cesar Nievola PPGIa Escola Politécnica PUCPR Raciocínio com Incerteza Incerteza: qualidade ou estado de não ser conhecido com certeza Fontes de incerteza: Ignorância: qual
Leia maisProbabilidade - aula II
25 de Março de 2014 Interpretações de Probabilidade Amostras Aleatórias e Objetivos Ao final deste capítulo você deve ser capaz de: Calcular probabilidades de eventos conjuntos. Interpretar e calcular
Leia maisRegras de probabilidades
Regras de probabilidades Prof. Dr. Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 16 de maio de 2018 Londrina 1 / 17 Propriedades As probabilidades sempre se referem a
Leia maisPROBABILIDADE CONDICIONAL E TEOREMA DE BAYES
PROBABILIDADE CONDICIONAL E TEOREMA DE BAYES Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 08 de junho de 2016 Probabilidade Condicional
Leia maisRedes Bayesianas. Disciplina: Inteligência Artificial Prof.: Cedric Luiz de Carvalho
Redes Bayesianas Disciplina: Inteligência Artificial Prof.: Cedric Luiz de Carvalho Introdução Tópicos Especificação e topologia das Redes Bayesianas Semântica Construção Tipos de Inferência Conclusões
Leia maisProbabilidade. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Probabilidade Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Experimento aleatório Definição. Qualquer experimento cujo resultado não pode
Leia maisREGRAS PARA CÁLCULO DE PROBABILIDADES
REGRAS PARA CÁLCULO DE PROBABILIDADES Prof. Dr. Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ 15 de abril de 2019 Londrina 1 / 17 As probabilidades sempre se referem a ocorrência de eventos
Leia maisPIP/CA - Programa Interdisciplinar de Pós-Graduação Mestrado em Computação Aplicada da UNISINOS. 2000/1-2o. Trimestre - AULA 05 / FSO
PIP/CA - Programa Interdisciplinar de Pós-Graduação Mestrado em Computação Aplicada da UNISINOS 2000/1-2o. Trimestre - AULA 05 / FSO INTELIGÊNCIA ARTIFICIAL & SISTEMAS INTELIGENTES Professores Responsáveis:
Leia mais2 Conceitos Básicos de Probabilidade
CE003 1 1 Introdução No capítulo anterior, foram mostrados alguns conceitos relacionados à estatística descritiva. Neste capítulo apresentamos a base teórica para o desenvolvimento de técnicas estatísticas
Leia maisProbabilidades. Wagner H. Bonat Elias T. Krainski Fernando P. Mayer
Probabilidades Wagner H. Bonat Elias T. Krainski Fernando P. Mayer Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 06/03/2018 WB, EK, FM ( LEG/DEST/UFPR
Leia maisREGRAS DE PROBABILIDADE
REGRAS DE PROBABILIDADE Lucas Santana da Cunha lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 24 de maio de 2017 Propriedades As probabilidades sempre se referem a
Leia maisProbabilidade. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Probabilidade Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução Experimento aleatório Definição Qualquer experimento cujo resultado
Leia maisInteligência Artificial. Raimundo Osvaldo Vieira [DECOMP IFMA Campus Monte Castelo]
Inteligência Artificial Raimundo Osvaldo Vieira [DECOMP IFMA Campus Monte Castelo] Abordagem Estocástica para a Incerteza: Redes Bayesianas Usando a teoria das probabilidades, podemos determinar, frequentemente
Leia maisAprendizado Bayesiano
Aprendizado Bayesiano Marcelo K. Albertini 26 de Junho de 2014 2/20 Conteúdo Teorema de Bayes Aprendizado MAP Classificador ótimo de Bayes 3/20 Dois papéis para métodos bayesianos Algoritmos de aprendizado
Leia maisProbabilidade - aula II
2012/02 1 Interpretações de Probabilidade 2 3 Amostras Aleatórias e Objetivos Ao final deste capítulo você deve ser capaz de: Calcular probabilidades de eventos conjuntos. Interpretar e calcular probabilidades
Leia maisAprendizado de Máquina (Machine Learning)
Ciência da Computação Aprendizado de Máquina (Machine Learning) Aula 10 Classificação com Naïve Bayes Max Pereira Raciocínio Probabilístico A notação tradicional para criar e analisar sentenças lógicas
Leia maisEST029 Cálculo de Probabilidade I Cap. 3: Probabilidade Condicional e Independência
EST029 Cálculo de Probabilidade I Cap. 3: Probabilidade Condicional e Independência Prof. Clécio da Silva Ferreira Depto Estatística - UFJF 1 Perguntas 1. Um novo aparelho para detectar um certo tipo de
Leia maisEstatística Aplicada. Prof. Carlos Alberto Stechhahn PARTE I ESPAÇO AMOSTRAL - EVENTOS PROBABILIDADE PROBABILIDADE CONDICIONAL.
Estatística Aplicada Administração p(a) = n(a) / n(u) PARTE I ESPAÇO AMOSTRAL - EVENTOS PROBABILIDADE PROBABILIDADE CONDICIONAL Prof. Carlos Alberto Stechhahn 2014 1. Noções de Probabilidade Chama-se experimento
Leia maisProf.: Joni Fusinato
Probabilidade Condicional Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com Probabilidade Condicional É a probabilidade de ocorrer um evento A sabendo-se que já ocorreu um evento B. Assim,
Leia maisPROBABILIDADE. Luciana Santos da Silva Martino. PROFMAT - Colégio Pedro II. 01 de julho de 2017
Sumário PROBABILIDADE Luciana Santos da Silva Martino PROFMAT - Colégio Pedro II 01 de julho de 2017 Sumário 1 Conceitos Básicos 2 Probabildade Condicional 3 Espaço Amostral Infinito Outline 1 Conceitos
Leia maisProbabilidade - aula III
2012/02 1 Regra da Multiplicação 2 3 4 5 Objetivos Ao final deste capítulo você deve ser capaz de: Usar a regra da multiplicação para calcular probabilidade de eventos Usar a. Regra da Multiplicação Frequentemente
Leia maisAGA Análise de Dados em Astronomia I. 2. Probabilidades - parte 1
1 / 14 AGA 0505- Análise de Dados em Astronomia I 2. Probabilidades - parte 1 Laerte Sodré Jr. 1o. semestre, 2018 2 / 14 o que são probabilidade: medida da plausibilidade de uma proposição quando não se
Leia maisConsidere uma probabilidade P definida em um espaço amostral Ω. Dois eventos A e B são independentes se
Independência Considere uma probabilidade P definida em um espaço amostral Ω. Dois eventos A e B são independentes se P(A B) = P(A)P(B). Independência é o oposto de mutuamente exclusivos (disjuntos)! Os
Leia maisEstatística: Probabilidade e Distribuições
Estatística: Probabilidade e Distribuições Disciplina de Estatística 2012/2 Curso: Tecnólogo em Gestão Ambiental Profª. Ms. Valéria Espíndola Lessa 1 Aula de Hoje 23/11/2012 Estudo da Probabilidade Distribuição
Leia maisProbabilidade em espaços discretos. Prof.: Joni Fusinato
Probabilidade em espaços discretos Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com Probabilidade em espaços discretos Definições de Probabilidade Experimento Espaço Amostral Evento Probabilidade
Leia maisMétodos Estatísticos Básicos
Aula 7 - Probabilidade condicional e independência Departamento de Economia Universidade Federal de Pelotas (UFPel) Maio de 2014 Probabilidade condicional Seja (Ω, A, P) um espaço de probabilidade. Se
Leia maisResumo. Parte 2 Introdução à Teoria da Probabilidade. Ramiro Brito Willmersdorf Introdução.
Parte 2 Introdução à Teoria da Probabilidade Ramiro Brito Willmersdorf ramiro@willmersdorf.net Departamento de Engenharia Mecânica Universidade Federal de Pernambuco 2011.2 Resumo 1 Introdução 2 Espaço
Leia maisSumário. Agentes que têm que agir com incerteza Probabilidades Inferência usando distribuições disjuntas Independência Regra de Bayes
Incerteza Sumário Agentes que têm que agir com incerteza Probabilidades Inferência usando distribuições disjuntas Independência Regra de Bayes Um agente com incerteza Sensores?? Agente? Ambiente Actuadores
Leia maisBioestatística INFERÊNCIA ESTATÍSTICA. Silvia Shimakura
Bioestatística INFERÊNCIA ESTATÍSTICA Silvia Shimakura AMOSTRAS E POPULAÇÕES Inferências sobre populações são geralmente feitas a partir de informações obtidas de amostras. amostras Válido se a amostra
Leia maisProbabilidade. Prof. Hemílio Fernandes Campos Coêlho. Departamento de Estatística - Universidade Federal da Paraíba - UFPB
Probabilidade Prof. Hemílio Fernandes Campos Coêlho Departamento de Estatística - Universidade Federal da Paraíba - UFPB Introdução Encontramos na natureza dois tipos de fenômenos: Determinísticos e Não-determinísticos
Leia maisIntrodução à Probabilidade - parte III
Introdução à Probabilidade - parte III Erica Castilho Rodrigues 02 de Outubro de 2012 Eventos Independentes 3 Eventos Independentes Independência Em alguns casos podemos ter que P(A B) = P(A). O conhecimento
Leia maisInteligência Articial: Introdução
x MYCIN Inteligência Articial: Introdução Paulo Gurgel Pinheiro MC906A - Inteligência Articial Instituto de Computação Universidade Estadual de Campinas UNICAMP 03 de Agosto de 2010 1 / 31 x MYCIN http://www.ic.unicamp.br/
Leia maisUnidade I ESTATÍSTICA APLICADA. Prof. Mauricio Fanno
Unidade I ESTATÍSTICA APLICADA Prof. Mauricio Fanno Estatística indutiva Estatística descritiva Dados no passado ou no presente e em pequena quantidade, portanto, reais e coletáveis. Campo de trabalho:
Leia maisAGA Análise de Dados em Astronomia I. 2. Probabilidades
1 / 26 1. Introdução AGA 0505 - Análise de Dados em Astronomia I 2. Probabilidades Laerte Sodré Jr. 1o. semestre, 2019 2 / 26 aula de hoje: 1 o que são 2 distribuições de 3 a distribuição normal ou gaussiana
Leia maisMais Aplicações sobre cálculo de probabilidades
Mais Aplicações sobre cálculo de probabilidades Prof. Hemílio Fernandes Campos Coêlho Departamento de Estatística - Universidade Federal da Paraíba - UFPB Noções de Epidemiologia Em algumas aplicações
Leia maisTE802 Processos Estocásticos em Engenharia. Informação sobre a disciplina Notes. Processos Estocásticos em Engenharia Conteúdo Notes.
TE802 Processos Estocásticos em Engenharia Conceitos Básicos de Teoria de Probabilidade 7 de março de 2016 Informação sobre a disciplina Terças e Quintas feiras das 09:30 às 11:20 horas Professor: Evelio
Leia maisTE802 Processos Estocásticos em Engenharia. Informação sobre a disciplina. TE802 Conceitos Básicos de Teoria de Probabilidade. Evelio M. G.
TE802 Processos Estocásticos em Engenharia Conceitos Básicos de Teoria de Probabilidade 23 de agosto de 2017 Informação sobre a disciplina Segundas e Quartas feiras das 09:30 às 11:20 horas Professor:
Leia maisIncerteza. Capítulo 13 Russell & Norvig Seções 13.1 a 13.4
Incerteza Capítulo 13 Russell & Norvig Seções 13.1 a 13.4 Incerteza Seja a ação A t = sair para o aeroporto t minutos antes do vôo. A t me levará ao aeroporto a tempo? Dificuldades de saber o resultado
Leia maisPROBABILIDADE E ESTATÍSTICA UNIDADE V - INTRODUÇÃO À TEORIA DAS PROBABILIDADES
PROBABILIDADE E ESTATÍSTICA UNIDADE V - INTRODUÇÃO À TEORIA DAS PROBABILIDADES 0 1 INTRODUÇÃO A teoria das probabilidades é utilizada para determinar as chances de um experimento aleatório acontecer. 1.1
Leia maisprobabilidade PE-MEEC 1S 09/10 16 Capítulo 2 - de probabilidade 2.1 Experiências aleatórias. resultados. Acontecimentos probabilidade.
Capítulo 2 - Noções básicas de probabilidade 2.1 Experiências aleatórias. Espaço de resultados. Acontecimentos 2.2 Noção de probabilidade. Interpretações de Laplace, frequencista e subjectivista. Axiomas
Leia maisTeoria das Probabilidades
Capítulo 2 Teoria das Probabilidades 2.1 Introdução No capítulo anterior, foram mostrados alguns conceitos relacionados à estatística descritiva. Neste capítulo apresentamos a base teórica para o desenvolvimento
Leia maisEstatística Bayesiana EST047
Estatística Bayesiana EST047 Michel Helcias Montoril Instituto de Ciências Exatas Universidade Federal de Juiz de Fora Conceitos iniciais; Distribuições condicionais Conceitos iniciais Questão Como incorporar
Leia maisAula de hoje Aula passada
Aula 2 Aula passada Logística, programação, regras do jogo Três problemas Monte Carlo to the rescue História das origens Monte Carlo na Computação Aula de hoje Espaço amostral Probabilidade Eventos Independência
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 5 Probabilidade: Distribuições de Discretas Parte 1 Leitura obrigatória: Devore, 3.1, 3.2 e 3.3 Chap 5-1 Objetivos Nesta parte, vamos aprender: Como representar a distribuição
Leia maisProbabilidade. É o conjunto de todos os possíveis resultados de um experimento aleatório.
Probabilidade Introdução O trabalho estatístico se desenvolve a partir da observação de determinados fenômenos e emprega dados numéricos relacionados aos mesmos, para tirar conclusões que permitam conhecê-los
Leia maisINTRODUÇÃO À PROBABILIDADE
INTRODUÇÃO À PROBABILIDADE Análise e Elaboração de Projetos Apresentação Prof Dr Isnard Martins Conteúdo: Profº Dr Carlos Alberto (Caio) Dantas Profº Dr Luiz Renato G. Fontes Prof Dr Victor Hugo Lachos
Leia maisProbabilidade e Estatística Probabilidade Condicional
Introdução Probabilidade e Estatística Probabilidade Condicional Em algumas situações, a probabilidade de ocorrência de um certo evento pode ser afetada se tivermos alguma informação sobre a ocorrência
Leia maisEstatística (MAD231) Turma: IGA. Período: 2017/2
Estatística (MAD231) Turma: IGA Período: 2017/2 Aula #01 de Probabilidade: 27/09/2017 1 Probabilidade: incerteza? como medir e gerenciar a Introdução Os jornais informaram que há uma chance de 60% de chover
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 4 Probabilidade: Conceitos Básicos - parte 2 Leituras: Obrigatória: Devore, Capítulo 2 Complementar: Bertsekas e Tsitsiklis, Capítulo 1 Chap 4-1 Objetivos Nesta aula, aprenderemos:
Leia maisProfessor Paulo Gurgel Pinheiro. 16 de Novembro de 2010
IA - por agentes Professor Paulo Gurgel Pinheiro MC906A - Inteligência Articial Instituto de Computação Universidade Estadual de Campinas - UNICAMP 16 de Novembro de 2010 1 / 34 http://www.ic.unicamp.br/
Leia maisProbabilidade. Professora Ana Hermínia Andrade. Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise
Probabilidade Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2016.2 Você reconhece algum desses experimentos? Alguns
Leia maisPode ser a observação de um fenômeno natural:
MAE 116 Introdução à Probabilidade FEA -2º Semestre de 2017 1 Experimento Designaremos por Experimento todo processo que nos fornece dados: Pode ser a observação de um fenômeno natural: 4observação astronômica
Leia maisMétodos Quantitativos para Ciência da Computação Experimental. Jussara Almeida DCC-UFMG 2013
Métodos Quantitativos para Ciência da Computação Experimental Jussara Almeida DCC-UFMG 2013 Revisão de Probabilidade e Estatística Concentrado em estatística aplicada Estatística apropriada para medições
Leia maisNoções de Probabilidade
Noções de Probabilidade Joel M. Corrêa da Rosa 2011 A estatística descritiva é ferramenta indispensável para extrair informação em um conjunto de dados. Entretanto, a tomada de decisões está fortemente
Leia maisPROBABILIDADES PROBABILIDADE DE UM EVENTO EM UM ESPAÇO AMOSTRAL FINITO
PROBABILIDADES Probabilidade é um conceito filosófico e matemático que permite a quantificação da incerteza, permitindo que ela seja aferida, analisada e usada para a realização de previsões ou para a
Leia maisCE008 Introdução à Bioestatística INFERÊNCIA ESTATÍSTICA
CE008 Introdução à Bioestatística INFERÊNCIA ESTATÍSTICA Silvia Shimakura Estimação Amostras são usadas para estimar quantidades desconhecidas de uma população. população Exemplo: prevalência de doenças,
Leia maisAula 09. Bibliograa: Kreps, Cap. 06. Cláudio R. Lucinda FEA-RP/USP. Equilíbrio Geral Eciência do Equilíbrio Geral Existência e Número de Equilíbrios
Aula 09 Bibliograa: Kreps, Cap. 06 Cláudio R. Lucinda FEA-RP/USP Objetivos da Aula Equilíbrio Geral 1 Equilíbrio Geral Economia de Trocas e o Equilíbrio de Preços Objetivos da Aula Equilíbrio Geral 1 Equilíbrio
Leia maisSistemas Inteligentes, Apoio à Decisão: Lidando com Incertezas
Sistemas Inteligentes, 12-13 1 Apoio à Decisão: Lidando com Incertezas Sistemas Inteligentes, 12-13 2 Incerteza Falta de informação suficiente. Conhecimento não completo ou não correto. Planos condicionais
Leia maisPROBABILIDADE. Aula 2 Probabilidade Básica. Fernando Arbache
PROBABILIDADE Aula 2 Probabilidade Básica Fernando Arbache Probabilidade Medida da incerteza associada aos resultados do experimento aleatório Deve fornecer a informação de quão verossímil é a ocorrência
Leia maisUniversidade Federal de Pelotas Disciplina de Microeconomia 1 Professor Rodrigo Nobre Fernandez Lista 3 - Soluções. x 2 5 = 40 x.
Universidade Federal de Pelotas Disciplina de Microeconomia 1 Professor Rodrigo Nobre Fernandez Lista 3 - Soluções 1) Dada as funções de demanda p(x) = 40 x e de oferta p(x) = x 5, pede-se: a) O ponto
Leia maisPrincípios de Bioestatística Conceitos de Probabilidade
1/37 Princípios de Bioestatística Conceitos de Probabilidade Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG 2/37 Tipos de Fenômenos 1. Aleatório: Situação ou
Leia maisNoções sobre Probabilidade
Noções sobre Probabilidade Introdução Vimos anteriormente como apresentar dados em tabelas e gráficos, e também como calcular medidas que descrevem características específicas destes dados. Mas além de
Leia maisTeoria das Probabilidades
Teoria das Prof. Eduardo Bezerra (CEFET/RJ) 23 de fevereiro de 2018 Eduardo Bezerra (CEFET/RJ) Teoria das 2018.1 1 / 54 Roteiro Experimento aleatório, espaço amostral, evento 1 Experimento aleatório, espaço
Leia maisIntrodução ao Curso. Área de Teoria DCC/UFMG 2019/01. Introdução à Lógica Computacional Introdução ao Curso Área de Teoria DCC/UFMG /01 1 / 22
Introdução ao Curso Área de Teoria DCC/UFMG Introdução à Lógica Computacional 2019/01 Introdução à Lógica Computacional Introdução ao Curso Área de Teoria DCC/UFMG - 2019/01 1 / 22 Introdução: O que é
Leia maisExercícios resolvidos sobre Teoremas de Probabilidade
Exercícios resolvidos sobre Teoremas de Probabilidade Aqui você tem mais uma oportunidade de estudar os teoremas da probabilidade, por meio de um conjunto de exercícios resolvidos. Observe como as propriedades
Leia maisCAPÍTULO 4 PROBABILIDADE PROBABILIDADE PPGEP Espaço Amostral e Eventos Espaço Amostral e Eventos UFRGS. Probabilidade.
PROBABILIDADE CAPÍTULO 4 PROBABILIDADE UFRGS A Teoria das s estuda os fenômenos aleatórios. Fenômeno Aleatório: são os fenômenos cujo resultado não pode ser previsto exatamente. Se o fenômeno se repetir,
Leia maisEscola Superior de Agricultura "Luiz de Queiroz", Departamento de Ciências Exatas. Probabilidades. Cristian Villegas
Probabilidades Cristian Villegas clobos@usp.br Setembro de 2013 Apostila de Estatística (Cristian Villegas) 1 Introdução Escola Superior de Agricultura "Luiz de Queiroz", Departamento de Ciências Exatas
Leia maisCE Estatística I
CE 002 - Estatística I Agronomia - Turma B Professor Walmes Marques Zeviani Laboratório de Estatística e Geoinformação Departamento de Estatística Universidade Federal do Paraná 1º semestre de 2012 Zeviani,
Leia mais2 a Lista de PE Solução
Universidade de Brasília Departamento de Estatística 2 a Lista de PE Solução 1. a Ω {(d 1, d 2, m : d 1, d 2 {1,..., 6}, m {C, K}}, onde C coroa e K cara. b Ω {0, 1, 2,...} c Ω {(c 1, c 2, c 3, c 4 : c
Leia maisBioestatística Aula 3
Bioestatística Aula 3 Anderson Castro Soares de Oliveira Anderson Bioestatística 1 / 51 Probabilidade Probabilidade é o ramo da matemática que estuda fenômenos aleatórios. Probabilidade é uma medida que
Leia maisMétodos Quantitativos para Ciência da Computação Experimental. Jussara Almeida DCC-UFMG 2016
Métodos Quantitativos para Ciência da Computação Experimental Jussara Almeida DCC-UFMG 2016 Revisão de Probabilidade e Estatística Concentrado em estatística aplicada Estatística apropriada para medições
Leia maisBIOESTATISTICA. Unidade IV - Probabilidades
BIOESTATISTICA Unidade IV - Probabilidades 0 PROBABILIDADE E DISTRIBUIÇÃO DE FREQUÊNCIAS COMO ESTIMATIVA DA PROBABILIDADE Noções de Probabilidade Após realizar a descrição dos eventos utilizando gráficos,
Leia maisFatores de Certeza e Teoria da Evidência
Fatores de Certeza e Teoria da Evidência Incerteza Pode ser considerada como a falta de informação para tomar uma decisão. Há uma dúvida que não permite ter uma resposta binária: sim ou não. Havendo dúvida,
Leia maisModelos Evolucionários e Tratamento de Incertezas
Ciência da Computação Modelos Evolucionários e Tratamento de Incertezas Aula 07 Inferência Difusa Sistemas de Controle Difuso Max Pereira Regras difusas SE ENTÃO Antecedente:
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aulas passadas Espaço Amostral Álgebra de Eventos Axiomas de Probabilidade Análise Combinatória Aula de hoje Probabilidade Condicional Independência de Eventos
Leia maisProbabilidade Condicional e Independência
Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-13 Probabilidade e Estatística Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br 17/08/2011 Probabilidade
Leia maisRisco. Definição: Uma lotaria é qualquer evento com um resultado incerto. Exemplos: Investimento, Jogos de Casino, Jogo de Futebol.
Risco Definição: Uma lotaria é qualquer evento com um resultado incerto. Exemplos: Investimento, Jogos de Casino, Jogo de Futebol. Definição: A probabilidade de um resultado (de uma lotaria) é a possibilidade
Leia maisModelos de Probabilidade e Inferência Estatística
Modelos de Probabilidade e Inferência Estatística Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 1 / 48 É provável que você
Leia maisNoções sobre probabilidade
Capítulo 3 Noções sobre probabilidade Um casal tem dois filhos. Qual é a probabilidade de: o primogênito ser homem? os dois filhos serem homens? pelo menos um dos filhos ser homem? A teoria das probabilidades
Leia maisESTATÍSTICA. Profª M. Sc. Ingrid Milléo. quarta-feira, 2 de outubro de 13
ESTATÍSTICA Profª M. Sc. Ingrid Milléo imilleo@ig.com.br EXEMPLO PROBABILIDADE Suponha que você tenha ganho o prêmio máximo na loteria federal. Cinco vezes consecubvas. PROBABILIDADE REGRA DO EVENTO RARO
Leia maisINE5403 FUNDAMENTOS DE MATEMÁTICA DISCRETA
INE5403 FUNDAMENTOS DE MATEMÁTICA DISCRETA PARA A COMPUTAÇÃO PROF. DANIEL S. FREITAS UFSC - CTC - INE Prof. Daniel S. Freitas - UFSC/CTC/INE/2007 p.1/81 1 - LÓGICA E MÉTODOS DE PROVA 1.1) Lógica Proposicional
Leia maisProbabilidade e Estatística
Aula 3 Professora: Rosa M. M. Leão Probabilidade e Estatística Conteúdo: 1.1 Por que estudar? 1.2 O que é? 1.3 População e Amostra 1.4 Um exemplo 1.5 Teoria da Probabilidade 1.6 Análise Combinatória 3
Leia maisConteúdo: Aula 2. Probabilidade e Estatística. Professora: Rosa M. M. Leão
Aula 2 Professora: Rosa M. M. Leão Probabilidade e Estatística Conteúdo: 1.1 Por que estudar? 1.2 O que é? 1.3 População e Amostra 1.4 Um exemplo 1.5 Teoria da Probabilidade 1.6 Análise Combinatória 3
Leia maisAnálise de Algoritmos
Análise de Algoritmos Técnicas de Prova Profa. Sheila Morais de Almeida DAINF-UTFPR-PG julho - 2015 Técnicas de Prova Definição Uma prova é um argumento válido que mostra a veracidade de um enunciado matemático.
Leia maisProbabilidade. Variáveis Aleatórias Distribuição de Probabilidade
Probabilidade Variáveis Aleatórias Distribuição de Probabilidade Variáveis Aleatórias Variável Aleatória Indica o valor correspondente ao resultado de um experimento A palavra aleatória indica que, em
Leia maisMicroeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão
Microeconomia II Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 3.1 Introdução à Teoria das Probabilidades e da Preferência pelo Risco Isabel Mendes 2007-2008 18-03-2008 Isabel Mendes/MICRO
Leia maisFernando de Pol Mayer. Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR)
Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative
Leia mais