A probabilidade sempre me fascinou. Ele é a espinha dorsal oculta do aprendizado de máquina e da inteligência artificial. Tive a oportunidade de estudá-lo na escola e na faculdade. Mas não foi até que fiz cursos de Estatística Bayesiana que percebi o quão errado estava meu entendimento sobre isso.  Você pode ter se deparado com a pergunta: “Qual é a probabilidade de dar cara no lançamento de uma moeda”? Se sua resposta for   , pense novamente. É onde fica interessante. 1/2  A matemática é geralmente vista à luz de ser “consistente”. Assumimos que um problema sempre terá a mesma solução, não importa como o resolvamos. É verdade, exceto quando se trata de probabilidade.  A probabilidade é uma exceção, pois possui três definições ou estruturas diferentes. Abordar o mesmo problema com essas definições pode gerar respostas diferentes (e válidas).  Para mostrar o mesmo, vamos considerar o seguinte problema. Vamos resolvê-lo usando todas as três estruturas de Probabilidade. Uma coisa comum em todas as estruturas é que a probabilidade total de todos os resultados de um experimento é sempre   . 1  “Meu amigo Sovit me deu uma moeda. Ele não me disse se a moeda é justa ou não. Qual é a probabilidade de dar cara nessa moeda?”  Estrutura Clássica  É a estrutura mais simples em probabilidade. É também o mais fácil de entender.  A estrutura clássica diz que “resultados igualmente prováveis têm probabilidade igual”.  No problema acima, não sabemos se a moeda é honesta. Não podemos dizer se obter cara é tão provável quanto obter coroa. Portanto, não podemos resolver esse problema usando a estrutura clássica.  Mas, para mostrar o uso dessa estrutura, vamos supor que a moeda seja honesta. Isso significa que obter cara é tão provável quanto obter coroa. Como esses são os dois únicos resultados possíveis e a probabilidade total é   , a probabilidade de obter cara é   . 1 1/2  A estrutura clássica pode parecer rudimentar, mas também é a estrutura mais abusada. Argumentos como “Ou há vida em Marte ou não há e, portanto, a probabilidade de existência de vida em Marte em   ” estão errados. Porque a estrutura clássica só funciona quando os resultados são igualmente prováveis. Nesse caso, a existência e a inexistência de vida em Marte não são igualmente prováveis. 1/2  Quadro Frequentista  É um dos frameworks mais usados em probabilidade. Se você resolveu algum problema em probabilidade, provavelmente usou a estrutura frequentista para fazê-lo.  A estrutura frequentista diz que, para calcular a probabilidade de um evento, precisamos conduzir um experimento e observar o resultado. Repita o experimento um número infinito de vezes. E a probabilidade do evento é   . P(E) = Count(favorable outcomes) / Count(total outcomes)  Na prática, não podemos conduzir um experimento um número infinito de vezes. Então, fazemos isso um número finitamente grande de vezes. Para o nosso problema, vamos realizar o experimento   vezes. Vamos supor que obtivemos   caras e   coroas. Portanto, a probabilidade de obter cara é de   . 10 6 4 0.6  O quadro frequentista também tem limitações. Considere o problema para encontrar a probabilidade de chuva amanhã. Por definição, precisamos ter um número infinito de universos paralelos. Então precisaríamos observar o amanhã em cada um desses universos e contar aqueles onde está chovendo.  Mas, não é possível. Além disso, por que calcularíamos a probabilidade de chuva amanhã se podemos observar amanhã?  Estrutura bayesiana  É um dos frameworks mais usados em probabilidade. É também o mais fácil de entender, mas difícil de trabalhar.  A estrutura Bayesiana diz que a probabilidade de um evento é o que você pensa que é. É mais sobre sua perspectiva pessoal. Você está assistindo críquete e Sachin Tendulkar está em   . Você exclama que há   de chance de ele atingir um século. Essa é a sua probabilidade bayesiana do evento. 94 90%  Até agora, nas duas estruturas acima, deixamos de focar em outras informações importantes do problema: “Meu amigo Sovit me deu a moeda”. Sovit é meu amigo e eu o conheço. Ele me deu outras moedas no passado. Digamos que essas moedas tenham uma probabilidade de   de dar cara. 0.4  Chama-se informação “prévia”. As duas estruturas acima não têm como usá-lo. É onde a estrutura bayesiana brilha. Permite-nos utilizar tanto a informação prévia como os dados, ao contrário do quadro frequentista que se baseia apenas em dados.  Teremos que assumir o quanto confiamos em nosso anterior e o quanto confiamos em nossos dados. Digamos que confiamos em ambos   (chamados de pesos). A probabilidade de caras do que seria uma média ponderada de dados e anteriores:   . 50% 0.5 * 0.4 + 0.5 * 0.6 = 0.5  A estrutura bayesiana pode fornecer respostas mais realistas utilizando informações anteriores. Mas, temos que fazer suposições sobre pesos. Este é o ponto crítico da crítica. Como fazemos suposições, é possível distorcer os resultados com base em nossos vieses.  Portanto, afirmar que a probabilidade de obter cara em uma moeda honesta é 1/2 não é verdade. É verdade apenas quando estamos falando sobre a estrutura clássica. Afirmar que a probabilidade de obter cara em uma moeda que deu 6 caras e 4 coroas em um experimento de 10 jogadas também está errado.  É verdade apenas quando estamos falando sobre o quadro frequentista. Você entendeu a ideia. Portanto, é importante ter em mente as estruturas que estamos usando ao declarar a probabilidade de um evento.  Isso é tudo sobre probabilidade e suas estruturas diferentes. Deixe-me saber nos comentários se isso impressionou sua mente como aconteceu comigo. Dê-me algumas palmas se você gostou do artigo.   Recursos  Cursos que fiz sobre Estatística Bayesiana:   e   . Estatística Bayesiana: Do Conceito à Análise de Dados Estatística Bayesiana: Técnicas e Modelos

Sponsor Me on GitHub

Buy Me a Coffee

Checkout My Portfolio

Read My Stories

Este áudio é produzido no idioma original da história!

Você pode estar errado sobre probabilidade

About Author

COMENTARIOS

Rótulos

ESTE ARTIGO FOI APRESENTADO EM

Related Stories

Aumente sua produtividade com estas 18 ferramentas para desenvolvedores 🚀🔥

Crescimento de Criptomoedas: Criando Personas de Usuários Eficazes

Liberando o poder da IA. Uma revisão sistemática de técnicas de ponta: resumo e introdução

Digital Nomads Ouçam: O que você precisa saber sobre o novo visto DTV da Tailândia

Aumente sua produtividade com estas 18 ferramentas para desenvolvedores 🚀🔥

Crescimento de Criptomoedas: Criando Personas de Usuários Eficazes

Liberando o poder da IA. Uma revisão sistemática de técnicas de ponta: resumo e introdução

Digital Nomads Ouçam: O que você precisa saber sobre o novo visto DTV da Tailândia

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps