Os algoritmos probabilísticos enfrentam desafios relacionados à geração de números verdadeiramente aleatórios. A qualidade da aleatoriedade afeta diretamente a precisão e a robustez dos resultados. Por isso, métodos de geração pseudoaleatória são amplamente estudados para garantir resultados confiáveis em aplicações práticas. Com relação a este contexto e sobre o conteúdo estudado, avalie as asserções a seguir e a relação proposta entre elas. I. As redes Bayesianas são altamente interpretáveis e permitem a modelagem explícita de relações de dependência entre variáveis. PORQUE II. As redes Bayesianas utilizam o Teorema de Bayes e grafos acíclicos direcionados (DAGs) para representar e calcular distribuições de probabilidade conjunta. A respeito dessas asserções, assinale a alternativa correta. Questão 7Resposta A. As asserções I e II são falsas. B. A asserção I é uma proposição falsa, e a II é uma proposição verdadeira. C. As asserções I e II são proposições verdadeiras, e a II é uma justificativa da I. D. A asserção I é uma proposição verdadeira, e a II é uma proposição falsa. E. As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa da I. Questão 8 Ainda não respondida Vale 1,25 ponto(s). Marcar questão Texto da questão Algoritmos probabilísticos utilizam números aleatórios ou probabilidades para tomar decisões durante sua execução, permitindo resolver problemas com incertezas. Esses algoritmos podem ser classificados como Las Vegas, que garantem a resposta correta, mas têm tempo de execução variável, ou Monte Carlo, que possuem tempo fixo, mas podem falhar com pequena probabilidade. Seu uso é comum em problemas como simulações, aprendizado de máquina e criptografia. De acordo com o aprendizado Bayesiano, assinale a alternativa que reconhece a principal ideia ao estimar os parâmetros de um modelo. Questão 8Resposta A. Aplicar redes neurais profundas para ajustar os parâmetros do modelo. B. Utilizar os dados observados, sem considerar informações prévias. C. Combinar a pr