Questão de Estatística — Cálculo de Probabilidades — CESPE / CEBRASPE 2025
- Código
- ce202074
- Banca
- CESPE / CEBRASPE
- Órgão
- EMBRAPA
- Ano
- 2025
- Nível
- Superior
- Cargo
- Pesquisador – Área: Gestão da Informação – Subárea: Engenharia de Dados
- CCerto
- EErrado
GabaritoE — Errado
Gabarito: letra E — ERRADO. O item afirma que o Naive Bayes é inadequado para prever a qualidade de grãos de café porque exigiria independência completa entre as variáveis e não apresentaria bons resultados quando elas são correlacionadas. Essa afirmação é falsa: o Naive Bayes não exige independência completa entre as variáveis preditoras, mas sim a suposição de independência condicional — ou seja, que as variáveis sejam independentes dada a classe (a qualidade do grão). Na prática, o algoritmo funciona razoavelmente bem mesmo quando essa suposição é violada, sendo amplamente utilizado em problemas reais com variáveis correlacionadas, como pH do solo, umidade e temperatura.
O Naive Bayes é um classificador probabilístico baseado no Teorema de Bayes, que calcula a probabilidade de uma observação pertencer a cada classe dado o vetor de características. A "ingenuidade" do modelo está em assumir que, condicionado à classe, as características são independentes. Isso simplifica o cálculo da verossimilhança: em vez de estimar a distribuição conjunta de todas as variáveis, estima-se o produto das distribuições marginais de cada variável condicionada à classe. Essa simplificação reduz drasticamente a complexidade computacional e a quantidade de dados necessária para estimar os parâmetros.
Apesar da suposição frequentemente violada na prática, o Naive Bayes costuma apresentar bom desempenho em muitas tarefas de classificação, inclusive quando há correlação entre as variáveis. Isso ocorre porque, para fins de classificação, o que importa é a ordem relativa das probabilidades entre as classes, e não a precisão absoluta das probabilidades estimadas. Em outras palavras, mesmo que as probabilidades calculadas sejam "erradas" em termos absolutos, a classe com maior probabilidade frequentemente continua sendo a correta. Por isso, o algoritmo é considerado robusto à violação da suposição de independência.
No contexto do enunciado — previsão da qualidade de grãos de café a partir de variáveis como pH do solo, umidade e temperatura — o Naive Bayes pode ser perfeitamente adequado. Essas variáveis são, de fato, correlacionadas entre si (por exemplo, a umidade do solo influencia o pH e a temperatura), mas o modelo ainda pode produzir boas previsões. A banca explora a confusão entre "independência completa" e "independência condicional": o item troca o conceito correto por uma versão exagerada e incorreta, levando o candidato a concluir erroneamente que o algoritmo seria inadequado.
Premissa do item | Conceito correto (Naive Bayes) | Consequência prática | Veredito |
|---|---|---|---|
Exige independência completa entre as variáveis preditoras | Exige apenas independência condicional, dado o valor da classe | Não exige que pH, umidade e temperatura sejam independentes entre si | Falso |
Não apresenta bons resultados quando as variáveis são correlacionadas | É robusto à violação da suposição de independência | Mantém bom desempenho mesmo com variáveis correlacionadas | Falso |
É inadequado para prever qualidade de grãos de café | Pode ser perfeitamente adequado nesse contexto | A ordem relativa das probabilidades entre classes tende a se preservar | Falso |
O item está errado porque afirma que o Naive Bayes exige "independência completa" entre as variáveis. O correto é que o algoritmo assume independência condicional entre as variáveis preditoras, dado o valor da classe. Essa é uma distinção fundamental: a independência condicional não exige que as variáveis sejam independentes entre si de forma absoluta, apenas que, dentro de cada classe, a correlação entre elas seja ignorada. Além disso, o item conclui que o algoritmo "não apresenta bons resultados quando essas variáveis são correlacionadas", o que também é falso — o Naive Bayes é conhecido por ser robusto à violação dessa suposição, mantendo bom desempenho mesmo com variáveis correlacionadas. Portanto, a afirmação é incorreta.
A banca troca o conceito de independência condicional (a suposição real do Naive Bayes) por independência completa (uma exigência muito mais forte e inexistente). O candidato que conhece apenas a ideia superficial de que "o Naive Bayes assume independência" pode cair na armadilha e marcar "Certo". Lembre-se: a independência é condicionada à classe, e o modelo funciona bem mesmo quando as variáveis são correlacionadas — essa é a essência da sua robustez.
Gabarito: letra E — ERRADO.
Link permanente: /questoes/ce202074