Modelos de probabilidade em grafos

Abstract

Os modelos de probabilidade em grafos nada mais são do que uma representação alternativa de uma distribuição de probabilidade. Entretanto, trazem consigo benefícios importantíssimos para o tratamento de diversos casos, podendo reduzir exponencialmente o número de parâmetros de uma distribuição assim como dar mais clareza `a interpretação e relação das variáveis em questão. Nesse sentido, existem dois tipos de representações principais, as redes bayesianas e as redes de markov. O objetivo deste trabalho foi direcionado para, principalmente, obter resultados a partir de redes bayesianas. Porém, entender o modelo markoviano facilita a tarefa de absorver melhor diversos conceitos importantes e, portanto, também foi alvo de pesquisa. Em linhas gerais, a grande diferença entre o modelo bayesiano e o modelo de markov é que o primeiro pressupõe relações causais enquanto o segundo não. Desse modo, denotamos as relações de dependência dos modelos de markov através de arestas não direcionadas em grafos. Vale notar também que existe o modelo híbrido dessas duas relações.