AVA 2 - Sistemas Especialistas

Prévia do material em texto

Prova Impressa
GABARITO | Avaliação II - Individual (Cod.:1631068)
Verde: resposta correta. Vermelho: alternativa marcada por você que está incorreta.
Peso da Avaliação 1,50
Prova 125851231
Qtd. de Questões 10
Acertos/Erros 10/0
Nota 10,00
No contexto de um sistema especialista, o módulo de explicação é responsável por promover a 
transparência do funcionamento. Ele se integra ao motor de inferência e traduz o processo de tomada 
de decisão em termos acessíveis, apresentando justificativas claras que revelam quais regras foram 
aplicadas, em que ordem e por que foram escolhidas. Assim, o usuário pode compreender não apenas 
o resultado, mas também sua motivação lógica.
Fonte: LUGER, G. F. Inteligência Artificial: estruturas e estratégias para a complexidade humana.
São Paulo: Pearson Prentice Hall, 2004.
Avalie as funções atribuídas ao módulo de explicação em um sistema especialista e indique aquela
que contribui para a transparência do processo de decisão:
A Armazena os dados dos casos anteriores utilizados para treinar o sistema especialista.
B Intermedia a comunicação entre o usuário e o sistema, permitindo a entrada e a saída de dados.
C Fornecendo justificativas detalhadas sobre como as conclusões foram alcançadas.
D Responsabiliza-se por aplicar regras da base de conhecimento para gerar decisões automáticas.
E Define os critérios de comparação entre diferentes heurísticas do motor de inferência.
No contexto da Inteligência Artificial, a Teoria da Probabilidade desempenha um papel crucial na 
modelagem da incerteza. Um dos conceitos fundamentais é o de probabilidade a priori, utilizada 
quando se busca representar o grau de crença em um evento antes da observação de quaisquer dados 
adicionais. Esse tipo de probabilidade está presente em diversos modelos probabilísticos que 
dependem de inferência bayesiana.
Fonte: RUSSELL, S.; NORVIG, P. Inteligência artificial. 2. ed. São Paulo: Prentice Hall, 2003.
Com base nos conceitos de probabilidade no contexto da Inteligência Artificial, identifique a 
definição correta para probabilidade a priori:
A Representa a chance de um evento ocorrer após considerar uma nova evidência.
VOLTAR
A+Aumentar, FonteAlterar modo de visualização
1
2
02/09/2026, Avaliação II - Individual
about:blank 1/6
B Define a dependência entre dois eventos em um espaço amostral comum.
C Relaciona-se ao uso de frequências relativas em experimentos aleatórios.
D Refere-se à atribuição inicial de chance a um evento antes de observar dados.
E É uma estimativa baseada em dados empíricos previamente observados.
Em um sistema especialista, o motor de inferência realiza o raciocínio automatizado, processando 
fatos fornecidos e aplicando regras para alcançar uma conclusão. As estratégias de encadeamento são 
fundamentais nesse processo, sendo classificadas como progressiva (forward chaining) e regressiva 
(backward chaining). O encadeamento progressivo parte de fatos conhecidos e aplica regras na 
tentativa de construir, gradualmente, novas inferências até alcançar um objetivo. Ele é particularmente 
útil em sistemas com dados de entrada variáveis ou que mudam em tempo real.
Fonte: LUGER, G. F. Inteligência artificial: estruturas e estratégias para a complexidade humana. 
São Paulo: Pearson Prentice Hall, 2004.
Com base nas informações apresentadas, avalie as asserções a seguir e a relação proposta entre elas:
I. O encadeamento progressivo parte de fatos conhecidos e aplica regras sucessivas para inferir novos
fatos até alcançar uma conclusão.
PORQUE
II. Esse método é útil em ambientes com dados dinâmicos, pois permite que o sistema atualize suas
conclusões com base em novas informações inseridas ao longo do processo.
A respeito dessas asserções, assinale a opção correta:
A As asserções I e II são verdadeiras, e a II é uma justificativa correta da I.
B A asserção I é uma proposição verdadeira, e a II é uma proposição falsa.
C A asserção I é uma proposição falsa, e a II é uma proposição verdadeira.
D As asserções I e II são falsas.
E As asserções I e II são verdadeiras, mas a II não é uma justificativa correta da I.
O Teorema de Bayes estabelece uma relação entre probabilidades condicionais e marginais, 
permitindo revisar estimativas iniciais à luz de novas evidências. Essa abordagem é amplamente 
3
4
02/09/2026, Avaliação II - Individual
about:blank 2/6
utilizada em sistemas especialistas de Inteligência Artificial, especialmente em contextos onde é 
necessário tomar decisões baseadas em dados incompletos ou incertos.
Fonte: RUSSELL, S.; NORVIG, P. Inteligência artificial. 2. ed. São Paulo: Prentice Hall, 2003.
Com base no texto apresentado, interprete a aplicação do Teorema de Bayes em sistemas especialistas 
e assinale a alternativa correta:
A Realizar inferência por meio de relações determinísticas entre eventos.
B Atualizar hipóteses à medida que novas evidências são introduzidas.
C Estimar diretamente a probabilidade de um espaço amostral.
D Organizar eventos por ordem de ocorrência cronológica.
E Definir eventos atômicos dentro de um espaço amostral.
Nos sistemas especialistas, o motor de inferência pode adotar diferentes estratégias para conduzir o 
raciocínio automatizado. Uma dessas estratégias é o encadeamento regressivo, que parte de uma meta 
ou hipótese e busca nos dados disponíveis as evidências necessárias para validá-la. Esse tipo de 
abordagem é útil quando se deseja comprovar ou refutar proposições específicas, especialmente em 
áreas como diagnóstico médico, onde se parte de uma suspeita clínica e verifica-se sua consistência 
com os dados fornecidos.
Fonte: LUGER, G. F. Inteligência artificial: estruturas e estratégias para a complexidade humana. 
São Paulo: Pearson Prentice Hall, 2004.
Analise as afirmativas a seguir sobre o encadeamento regressivo em sistemas especialistas e 
identifique as que caracterizam essa abordagem:
I. Armazena registros de situações anteriores para fins comparativos.
II. Inicia o raciocínio a partir de metas ou hipóteses a serem verificadas.
III. É frequentemente aplicado em contextos de diagnóstico, como sistemas médicos.
IV. Realiza o processo inferencial voltando-se aos dados de entrada para validar proposições.
É correto o que se afirma em:
A II e III, apenas.
B II, III e IV, apenas.
C I e IV, apenas.
D I, II e III, apenas.
5
02/09/2026, Avaliação II - Individual
about:blank 3/6
E III e IV, apenas.
No contexto da Teoria da Probabilidade, o Teorema de Bayes é uma das ferramentas mais importantes 
para a inferência baseada em evidências. Esse teorema permite atualizar a crença sobre a ocorrência 
de um evento A, a partir da ocorrência observada de outro evento B, e sua aplicação é baseada em 
relações entre probabilidades condicionais e marginais. A fórmula derivada é amplamente utilizada 
em sistemas de Inteligência Artificial, especialmente na construção de classificadores probabilísticos.
Fonte: RUSSELL, S.; NORVIG, P. Inteligência artificial. 2. ed. São Paulo: Prentice Hall, 2003.
Com base no texto apresentado e considerando a aplicação do Teorema de Bayes, assinale a 
alternativa que expressa corretamente sua fórmula de cálculo:
A Produto entre P(A) e P(B|A), multiplicado por P(B).
B O produto de P(B|A) e P(A), dividido por P(B).
C Divisão da probabilidade conjunta pela soma das marginais.
D Diferença entre as probabilidades marginais de A e B.
E Razão entre P(B|A) e P(B), sem multiplicar por P(A).
Sistemas especialistas baseados em casos utilizam experiências anteriores registradas em uma base 
específica para resolver novos problemas. No contexto clínico, por exemplo, registros anteriores 
sobre diagnósticos, tratamentos e desfechos de pacientes são armazenados e utilizados como 
referência. A Base de Dados de Casos permite ao sistema recuperar situações semelhantes já 
resolvidas, comparar contextos e sugerir soluções com base em analogias, promovendo uma tomada 
de decisão mais precisa e fundamentada.
Fonte: WATSON, I. Aplicações práticas de raciocínio baseado em casos.Berlim: Springer-Verlag, 
1997.
Analise o papel da Base de Dados de Casos em sistemas especialistas e identifique a alternativa que 
expressa corretamente sua contribuição para o processo de tomada de decisão:
A Estrutura o repositório de regras e heurísticas utilizadas durante a inferência.
B Configura a interface gráfica de comunicação entre usuário e sistema.
C Oferece casos anteriores para auxiliar em novas decisões.
6
7
02/09/2026, Avaliação II - Individual
about:blank 4/6
D Recolhe informações fornecidas diretamente pelos usuários em tempo real.
E Explica as etapas do raciocínio do sistema.
Os sistemas especialistas são projetados para simular a capacidade de decisão humana em contextos 
específicos. Para que esses sistemas operem de maneira eficaz, é essencial a existência de uma 
interface de usuário, componente que atua como elo entre o usuário final e os módulos internos do 
sistema, como o motor de inferência e o módulo de explicação. É por meio dessa interface que o 
usuário insere dados e, em resposta, recebe as conclusões produzidas pelo sistema. Embora não 
execute inferências ou crie regras, a interface tem papel central na usabilidade, acessibilidade e 
efetividade da interação, permitindo que a lógica interna do sistema seja traduzida de forma 
compreensível e funcional para o usuário.
Fonte: RIBEIRO, D. T. M.; MELO, D. T. Sistemas Especialistas e Lógica Fuzzy. São Paulo: Clube 
de Autores, 2013.
Analise as funções atribuídas à interface de usuário em um sistema especialista e identifique aquela 
que condiz com seu papel no funcionamento do sistema:
A Coletar dados dos usuários e apresentar os resultados das inferências.
B Explicar de forma autônoma os processos internos que levaram às conclusões.
C Registrar automaticamente os casos tratados para uso futuro pelo sistema.
D Realizar inferências lógicas com base em regras predefinidas.
E Desenvolver novas regras de decisão conforme o comportamento do usuário.
A regressão linear é um modelo estatístico utilizado para prever o valor de uma variável dependente 
com base em uma ou mais variáveis independentes. Ela parte da suposição de que essa relação é 
linear e que a variável de saída pode assumir valores contínuos. Modelos como esse são amplamente 
usados em contextos nos quais se deseja estimar valores numéricos e não simplesmente classificar 
categorias.
Fonte: GABRIEL FILHO, O. Inteligência artificial e aprendizagem de máquina: aspectos teóricos 
e aplicações. São Paulo: Blucher, 2023.
Analise as informações do texto e identifique a alternativa que expressa corretamente a condição 
estatística que justifica a aplicação da regressão linear:
A Utiliza-se quando o objetivo é estimar a probabilidade de ocorrência de um evento binário.
8
9
02/09/2026, Avaliação II - Individual
about:blank 5/6
B Aplica-se quando a variável dependente é contínua e sua relação com as preditoras é linear.
C Existe um problema de classificação onde o objetivo é prever a probabilidade de uma variável
dependente.
D Serve para representar graficamente os critérios adotados na classificação de dados.
E É usada quando a variável de saída representa categorias distintas e mutuamente excludentes.
A categorização de algoritmos de aprendizado de máquina baseia-se principalmente no tipo de 
realimentação recebida durante o processo de treinamento. Com base nesse critério, os métodos de 
aprendizagem são comumente classificados em três grandes categorias.
Fonte: RUSSELL, S.; NORVIG, P. Artificial Intelligence: a modern approach. 2. ed. Englewood 
Cliffs: Prentice-Hall, 2003.
Assinale a alternativa que apresenta corretamente as três categorias de aprendizagem de máquina 
segundo o tipo de realimentação:
A Supervisionado, não supervisionado e por reforço.
B Supervisionado, bayesiano e não supervisionado.
C Não supervisionado, reforço, machine learning.
D Por reforço, não supervisionado e por agrupamento.
E Supervisionado, baseado em regras e não supervisionado.
10
Imprimir
02/09/2026, Avaliação II - Individual
about:blank 6/6