Pesquisador – Área: Ciências Exatas e da Terra – Subárea: Sistemas de Informação Geográfica (SIG) e Desenvolvimento Territorial
Julgue o próximo item, relativo à classificação digital de imagens.O classificador máxima verossimilhança gaussiana, um caso particular da análise discriminante quadrática, assume que as probabilidades a priori sejam idênticas para todas as classes.
CCerto
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”.
Classificação digital de imagens: máxima verossimilhança gaussiana e probabilidades a priori
❌ ERRADO. O classificador de máxima verossimilhança gaussiana não assume, por definição, que as probabilidades a priori sejam idênticas para todas as classes. Ele é um caso particular da análise discriminante quadrática (QDA), que incorpora as probabilidades a priori na regra de decisão, podendo estas ser diferentes entre as classes. A suposição de igualdade das priori é uma simplificação opcional que pode ser adotada em algumas implementações, mas não é uma premissa intrínseca do método.
Para entender o erro, é preciso revisar a estrutura do classificador. Tanto na análise discriminante linear (LDA) quanto na quadrática (QDA), parte-se da suposição de que, condicionado à classe , o vetor de características segue uma distribuição normal multivariada. A diferença crucial entre elas está na matriz de covariância: a LDA assume uma matriz de covariância comum a todas as classes (), enquanto a QDA permite que cada classe tenha sua própria matriz de covariância ().
A regra de classificação, em ambos os casos, é baseada na probabilidade a posteriori , calculada pelo teorema de Bayes:
O classificador atribui a observação à classe que maximiza essa probabilidade. Como o denominador é comum a todas as classes, a decisão depende do produto . Ou seja, as probabilidades a priori entram explicitamente na regra de decisão e não precisam ser iguais — elas podem refletir a frequência real de cada classe na população. A QDA, portanto, não assume priori idênticas; ela apenas as utiliza como parte do cálculo.
A confusão da banca está em associar a máxima verossimilhança gaussiana a uma suposição de priori iguais, quando na verdade essa igualdade é uma escolha do analista (por exemplo, quando não há informação prévia sobre as classes). O método em si é flexível quanto às priori, podendo incorporar tanto priori iguais quanto desiguais.
Premissa do item
O que o método assume
Papel das priori na QDA
Igualdade das priori
Veredito
"Assume priori idênticas"
Não assume por definição
Entram explicitamente na regra de decisão (produto com a verossimilhança)
É simplificação opcional, não premissa
Errado
"Caso particular da QDA"
Correto
Podem ser estimadas (ex.: proporção na amostra)
Podem ser diferentes entre classes
Errado
Item — ❌ Errado
A afirmação de que o classificador de máxima verossimilhança gaussiana assume que as probabilidades a priori sejam idênticas para todas as classes é incorreta. Como visto, a regra de decisão da QDA (da qual o classificador é caso particular) é:
As priori são estimadas (por exemplo, pela proporção de cada classe na amostra de treinamento) e entram no cálculo, podendo ser diferentes entre as classes. A suposição de igualdade é uma simplificação opcional, não uma premissa do método. Portanto, a assertiva está errada.
NÃO CAIA NESSA!
A banca tenta confundir ao afirmar que a máxima verossimilhança gaussiana assume priori idênticas. Na verdade, a igualdade das priori é uma escolha do analista, não uma premissa do método. O classificador é flexível e pode incorporar priori desiguais, refletindo a frequência real das classes. Fique atento: a QDA não exige priori iguais — ela apenas as utiliza na regra de decisão.
PEGA ESSA DICA!
Para resolver questões sobre análise discriminante, lembre-se: a diferença entre LDA e QDA está na matriz de covariância (comum vs. específica por classe), e as probabilidades a priori são sempre incorporadas na regra de decisão, podendo ser iguais ou não. Se a questão afirmar que o método assume priori iguais, desconfie — isso é uma simplificação opcional, não uma premissa.