Glossário IA
O dicionário completo da Inteligência Artificial
Região de Credibilidade
Intervalo no qual um parâmetro desconhecido se situa com uma probabilidade a posteriori especificada, análogo ao intervalo de confiança frequentista, mas com uma interpretação probabilística direta.
Hipótese Nula Bayesiana
Modelo específico frequentemente definido por um valor pontual para um parâmetro (ex: efeito nulo), contra o qual uma hipótese alternativa é comparada via um fator de Bayes.
Modelo Spike-and-Slab
Abordagem de seleção de variáveis utilizando uma distribuição a priori de mistura, com uma massa pontual em zero (spike) e uma distribuição contínua (slab) para os coeficientes não nulos.
Teste de Hipótese Bayesiano Sequencial
Método onde os dados são analisados à medida que são coletados, permitindo uma decisão precoce baseada na evolução do fator de Bayes ou da probabilidade a posteriori.
Princípio da Verossimilhança
Princípio segundo o qual toda a informação sobre os parâmetros contida nos dados é fornecida pela função de verossimilhança, fundamental para a inferência bayesiana.
Paradoxo de Lindley
Fenômeno onde um teste de hipótese frequentista pode rejeitar a hipótese nula, enquanto um teste bayesiano, baseado no fator de Bayes, apoia fortemente essa mesma hipótese, muitas vezes devido a amostras de grande tamanho.
Regra de Jeffreys
Escala de interpretação heurística para os valores do fator de Bayes, fornecendo limiares qualitativos (fraco, médio, forte) para avaliar o peso da evidência a favor de uma hipótese.
A Priori de Jeffreys
Distribuição a priori não informativa, concebida para ser invariante sob reparametrização e proporcional à raiz quadrada do determinante da informação de Fisher.
Método ABC (Approximate Bayesian Computation)
Técnica de inferência bayesiana utilizada quando a verossimilhança é intratável, aproximando a verossimilhança pela simulação de dados a partir de parâmetros candidatos e sua comparação com os dados observados.
Critério de Informação Preditiva (Predictive Information Criterion)
Critério de seleção de modelo bayesiano que avalia a capacidade preditiva de um modelo penalizando a complexidade através da divergência de Kullback-Leibler entre a distribuição preditiva e a verdadeira distribuição dos dados.
A Priori de Referência
Distribuição a priori concebida para ter um impacto mínimo na inferência a posteriori, frequentemente utilizada em testes de hipóteses para garantir que o fator de Bayes não seja indevidamente influenciado pela escolha da a priori.