Pular para o conteúdo principal

Questão de Estatística — Inferência estatística — CESPE / CEBRASPE 2024

EstatísticaInferência estatística
Código
ce172747
Banca
CESPE / CEBRASPE
Órgão
CTI
Ano
2024
Nível
Superior
Cargo
Tecnologista Pleno 2 - I - Especialidade: Tecnologias Habilitadoras - Área de Atuação: Inteligência Artificial e Ciências de Dados
Julgue o item que se segue, relativos a modelos de regressão e inferência estatística.Abordagens baseadas em regras para a incerteza adicionam um fator de confusão a cada regra para acomodar a incerteza dos eventos.
  1. CCerto
  2. EErrado
Revelar gabarito e comentário

GabaritoC — Certo

Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.

Abordagens baseadas em regras para a incerteza

Gabarito: letra C — CERTO. A afirmação está correta: abordagens baseadas em regras para a incerteza, como os sistemas especialistas com fatores de confiança, adicionam um fator de confusão (ou fator de certeza) a cada regra para acomodar a incerteza dos eventos. Essa é uma técnica clássica em sistemas baseados em conhecimento, onde cada regra carrega um peso que indica o grau de confiança na conclusão quando a premissa é verdadeira.

O enunciado trata de um conceito da área de inteligência artificial e sistemas especialistas, não de estatística inferencial clássica. A banca, ao incluir essa questão no tópico de "modelos de regressão e inferência estatística", testa se o candidato reconhece a diferença entre abordagens probabilísticas formais (como a inferência bayesiana) e abordagens heurísticas baseadas em regras com fatores de confiança.

Nos sistemas baseados em regras, a incerteza é tratada de forma simbólica e local: cada regra possui um fator de certeza (ou fator de confusão, como mencionado no enunciado) que modula a propagação da incerteza ao longo da cadeia de inferência. Isso difere da abordagem probabilística, que utiliza distribuições de probabilidade e teoremas como o de Bayes para atualizar crenças de forma global e consistente.

A afirmação do item descreve exatamente esse mecanismo: "adicionam um fator de confusão a cada regra para acomodar a incerteza dos eventos". O termo "fator de confusão" pode ser interpretado como o fator de certeza (ou fator de confiança) que é anexado a cada regra. Portanto, o item está correto.

Proposição

Afirmação descreve mecanismo de regras com fator de incerteza

Valor-verdade

p

"Abordagens baseadas em regras adicionam um fator de confusão a cada regra para acomodar a incerteza"

V

q

"Esse fator é um fator de certeza/confiança anexado a cada regra"

V

r

"O item está correto (gabarito C)"

V

p ∧ q

Conjunção das duas primeiras proposições

V

(p ∧ q) → r

Se a descrição é precisa, então o gabarito é C

V

Alternativa C — ✅ CERTOGABARITO

A alternativa está correta porque descreve com precisão o funcionamento das abordagens baseadas em regras para lidar com a incerteza. Em sistemas especialistas, como o MYCIN (um dos primeiros e mais famosos sistemas baseados em regras), cada regra possui um fator de certeza (certo entre -1 e 1) que indica o quanto a conclusão é confiável quando a premissa é satisfeita. Esse fator é usado para propagar a incerteza através das regras encadeadas, permitindo que o sistema chegue a conclusões mesmo com informações parciais ou incertas.

O termo "fator de confusão" usado no enunciado é uma variação do conceito de fator de certeza. A ideia central é que, em vez de tratar a incerteza de forma probabilística global, cada regra carrega seu próprio peso de confiança, que é combinado com os demais ao longo do processo de inferência. Isso é exatamente o que a afirmação descreve.

Gabarito: letra C — CERTO.

Link permanente: /questoes/ce172747