[Prévia] [Próxima] [Prévia por assunto] [Próxima por assunto]
[Índice cronológico]
[Índice de assunto]
Incerteza e Probabilidade
- Subject: Incerteza e Probabilidade
- From: "Luis Paulo Vieira Braga" <lpbraga@im.ufrj.br>
- Date: Mon, 24 Sep 2007 01:14:33 -0300
Incerteza e Probabilidade
John Kenneth Galbraith cunhou o termo era da incerteza para caracterizar o
período mais recente da história da humanidade. Eu alteraria o termo para
era da soma de todas as incertezas - as naturais e as causadas pelo homem. O
tema se tornou uma obsessão na medida que desastres naturais, por um lado,
trazem enormes prejuízos em um mundo cada vez mais habitado e civilizado, e
os empreendimentos humanos, cada vez mais sofisticados, envolvem recursos
consideráveis que não podem ser desperdiçados. Bruno de Finetti em
conferência proferida em 1975, no Centro Linceo Interdisciplinare di Scienze
Matematiche e Ioro Applicazioni [1993], nos fala da consciência de que tudo
é duvidoso e temporário, ou, melhor, de que deveríamos raciocinar como se
assim o fôsse. Para ele esta nova lógica que vem substituir a lógica do
verdadeiro ou (exclusivo) falso é a lógica da probabilidade. George Matheron
em seu livro Estimar e Escolher [1978] afirma que não existe a probabilidade
em si, mas modelos probabilisticos, sendo sua relação com um fenômeno real a
única medida de objetividade. Pierre Goovaerts [1996] nos adverte que a
incerteza provem de nosso conhecimento imperfeito de um fenômeno, depende
dos dados e do modelo. Nenhum modelo, nem medida de incerteza, pode ser
objetivo. Embora, com sutis diferenças, os três autores convergem para pelo
menos um consenso ? eleger o conceito de probabilidade como o mais adequado
para se lidar com a incerteza. Matematicamente o conceito de probabilidade
está bem definido desde que Kolmogorov o caracterizou como um tipo de
medida. No entanto não se pode falar de incerteza de uma forma única,
Bárdossy e Fodor [2004] elencam três tipos de incerteza do ponto de vista
matemático ? imprecisão, ambiguidade e incompletude. O segundo tipo provem
de atributos não estatísticos ou mensuráveis, como é o caso das descrições
linguísticas, e os métodos estocásticos não têm tido muito sucesso nesta
área.
Até os anos sessenta os métodos estatísticos e estocásticos eram os únicos
métodos para se avaliar a incerteza, no entanto a partir da aritmética
intervalar, Zadeh [1965] desenvolveu a teoria dos conjuntos nebulosos ou
fuzzy. A característica básica destes métodos é a substituição dos valores
observados por números intervalares. Pode-se definir uma medida fuzzy como
sendo uma função g de subconjuntos fuzzy de um conjunto X no intervalo
[0,1], obedecendo às condições: 1) de fronteira g(vazio)=0, g(X)=1; 2) de
monotonicidade . Assim as medidas de probabilidade, crença, plausibilidade,
possibilidade e necessidade são casos especiais de medida fuzzy.
Saindo do campo da matemática para o da computação os métodos baseados em
redes neurais vêm se desenvolvendo enormemente desde sua formulação inicial,
na década de cinquenta, por Rochester e Rosenblat. Compreendendo uma enorme
variedade de modelos que se diferenciam pela arquitetura, estado de ativação
e regras de aprendizagem, dedicam-se a resolver problemas de classificação
supervisionada e não supervisionada. Os paradigmas para a construção de
modelos provem de fontes tão variadas como a termodinâmica, a regressão
logística ou a programação não linear, dentre outras.
Se no campo do desenvolvimento teórico os métodos estatísticos e
estocásticos concorrem hoje com métodos matemáticos e computacionais, os
desafios colocados por problemas inéditos para os estatísticos e
probabilistas representam uma outra dimensão de exigência não menos crítica
do que a anterior. Refiro-me aos problemas de mineração de dados, que são
também problemas de classificação, mas para grandes massas de dados
observacionais, com centenas de atributos quantitativos e qualitativos.
Tradicionalmente a inferência estatística trata da seleção, do ajuste do
modelo, da estimação ( e eventualmente também da predição) e dos testes de
hipóteses. Porém em Mineração de Dados o processo completo inclui também a
formulação do modelo, sua validação e o uso de dados de múltiplas fontes.
Após esta introdução, a questão que trago para este forum é a seguinte: o
futuro do estatístico é o de ser um analista de incerteza, aberto a métodos
não probabilísticos, ou deve se ater ao enfoque probabilístico para a
incerteza ?
[1993] Probabilitá e Induzione, Bruno de Finetti, CLUEB, Bologna.
[1978] Estimer et Choisir,CMMF,Fontainebleau.
[1996] Geostatistics for Natural Resources Evaluation, Oxford.
[2004] Evaluation of Uncertainties and Risks in Geology, Springer.
[1965] Fuzzy Sets, Information and Control 8, pp.338-353.