A teoria bayesiana é composta pelos seguintes elementos: classes, probabilidades a priori, probabilidade a posteriori, função de densidade e regras de decisão (IZBICKI; SANTOS, 2020).
Considere um problema de classificação, no qual deve-se identificar qual o próximo tipo de peça que será identificado por uma esteira de produção industrial. Para a previsão do próximo tipo de peça, considere as seguintes definições:
w1: parafuso;
w2: prego;
P(w1): probabilidade a priori do tipo prego;
P(w2): probabilidade a priori do tipo parafuso;
P(w1) + P(w2) = 1
Sabe-se que a probabilidade de se ter a peça do tipo prego é maior que a peça do tipo parafuso, sendo:
P(w1) = 0,65 e P(w2) = 0,35.
Para auxiliar no processo de decisão, suponha a característica espessura do peça. Neste contexto, os pregos possuem 50% de espessura grossa e os parafusos possuem 80% de espessura grossa.
Com base neste dados, assinale a alternativa que possui a probabilidade (aproximada) de que o próximo tipo de peça na esteira seja prego.
Alternativas:
10%
5%
85%
65%
38%
Crie uma conta e ajude outras pessoas compartilhando seu conhecimento!
Para escrever sua resposta aqui, entre ou crie uma conta
Compartilhar