Questão 41 — Inferência Clássica e Inferência Bayesiana (Inferência Bayesiana) — Fundação VUNESP · Exército Brasileiro — Escola de Saúde e Formação Complementar do Exército (ESFC… 2023

Inferência Bayesiana Inferência Clássica e Inferência Bayesiana

Fundação VUNESP 2023

Exército Brasileiro — Escola de Saúde e Formação Complementar do Exército (ESFCEx) · Oficial do Quadro Complementar do Exército · Caderno 007. Prova Objetiva — Modelo de prova (Versão) A

Gabarito disponível

O comandante do exército solicita ao oficial, especialista em estatística, uma análise dos dados obtidos em sua missão para poder tomar decisões em relação aos próximos passos. Nessa primeira conversa, o oficial pergunta ao comandante qual é o tipo de inferência que ele deseja que seja realizada. Em relação aos dois tipos de inferência (Clássica ou Bayesiana) é correto afirmar:

Selecione uma alternativa A) na inferência Bayesiana, o parâmetro é considerado um escalar (ou um vetor) fixo e desconhecido, que, por sua vez, é quantificado em termos de probabilidades e formalmente denominado como distribuição a priori. B) na inferência Bayesiana, as informações a posteriori e amostrais permitem modelar e atualizar as estimativas dos parâmetros a priori por meio da regra de Bayes. C) O parâmetro, na inferência clássica, é um escalar (ou um vetor) conhecido, porém fixo. D) na inferência Bayesiana, a verossimilhança é a forma mais completa de expressar o estado do conhecimento sobre o fenômeno investigado. Toda pergunta específica é respondida a partir da análise dela, pois ela contém toda a informação necessária para a inferência. E) na inferência Bayesiana, o Teorema de Bayes indica como a priori e a verossimilhança devem ser combinadas para produzir a distribuição a posteriori que reflete o conhecimento atualizado sobre o parâmetro.

Resolução comentada

Diferenças entre inferência clássica e bayesiana.

No paradigma bayesiano, o Teorema de Bayes combina a priori com a verossimilhança para gerar a posteriori. A posteriori resume o conhecimento atualizado sobre o parâmetro.

Análise das alternativas

A) Errada: na abordagem bayesiana o parâmetro é aleatório, não fixo. B) Errada: a posteriori é o resultado da atualização, e não uma informação usada para atualizá-la. C) Errada: na inferência clássica o parâmetro é fixo e desconhecido. D) Errada: a forma mais completa de expressar o conhecimento na abordagem bayesiana é a distribuição a posteriori, não a verossimilhança.

Referência: Teorema de Bayes: posteriori ∝ verossimilhança × priori.

Resolução comentada do VaiConcursos.