Logotipo
Unionpédia
Comunicação
Disponível no Google Play
Novo! Faça o download do Unionpédia em seu dispositivo Android™!
Livre
Acesso mais rápido do que o navegador!
 

Independência condicional

Índice Independência condicional

Em teoria das probabilidades, dois eventos R e B são condicionalmente independentes se, dado um terceiro evento Y, a ocorrência ou não-ocorrência de R e a ocorrência ou não-ocorrência de B são eventos independentes em sua distribuição de probabilidade condicional dado Y. Em outras palavras, R e B são condicionalmente independentes dado Y se, e somente se, sabendo que Y ocorre, saber se R ocorre não fornece nenhuma informação sobre a probabilidade de B ocorrer, e saber se B ocorre não fornece nenhuma informação sobre a probabilidade de R ocorrer.

9 relações: Análise topológica de dados, Correlação parcial, Decomposição de posto tensorial, Envoltório de Markov, Grafóide, Modelos probabilísticos gráficos, Processo de Dirichlet, Teorema de De Finetti, Teoria de resposta ao item.

Análise topológica de dados

Em matemática aplicada, a análise topológica de dados (TDA, na abreviatura do nome em inglês) é uma abordagem para a análise de conjuntos de dados por meio de técnicas da topologia.

Novo!!: Independência condicional e Análise topológica de dados · Veja mais »

Correlação parcial

Em teoria das probabilidades e estatística, a correlação parcial mede o grau de associação entre duas variáveis aleatórias, com o efeito de um conjunto de variáveis aleatórias de controle removido.

Novo!!: Independência condicional e Correlação parcial · Veja mais »

Decomposição de posto tensorial

Em álgebra multilinear, a decomposição de posto tensorial ou decomposição poliádica canônica (CPD, na sigla em inglês), pode ser vista como uma generalização da decomposição em valores singulares (SVD) de matrizes para tensores, que tem aplicações em estatística, processamento de sinais, psicometria, linguística e quimiometria.

Novo!!: Independência condicional e Decomposição de posto tensorial · Veja mais »

Envoltório de Markov

Em uma rede bayesiana, o cobertor Markov do nó ''A'' inclui seus pais, filhos e os outros pais de todos os seus filhos Em estatística e aprendizado de máquina, o envoltório de Markov para um nó em um grafo probabilístico contém todas as variáveis que ligam o nó do restante da rede.

Novo!!: Independência condicional e Envoltório de Markov · Veja mais »

Grafóide

Um grafóide é um conjunto de sentenças da forma "X é irrelevante para Y dado que conhecemos Z", onde X, Y e Z são conjuntos de variáveis.

Novo!!: Independência condicional e Grafóide · Veja mais »

Modelos probabilísticos gráficos

Um modelo de gráfico ou modelo probabilístico gráfico ou modelo probabilístico estruturado é um modelo probabilístico no qual um grafo representa a estrutura de dependências condicionais probabilísticas entre variáveis aleatórias.

Novo!!: Independência condicional e Modelos probabilísticos gráficos · Veja mais »

Processo de Dirichlet

Em teoria das probabilidades, os processos de Dirichlet, que recebem este nome em homenagem ao matemático alemão Johann Peter Gustav Lejeune Dirichlet, são uma família de processos estocásticos cujas observações são distribuições de probabilidade.

Novo!!: Independência condicional e Processo de Dirichlet · Veja mais »

Teorema de De Finetti

Em teoria da probabilidade, o teorema de De Finetti mostra o motivo pelo qual observações permutáveis são condicionalmente independentes, dada alguma variável latente, para qual uma distribuição de probabilidade epistêmica é então atribuída.

Novo!!: Independência condicional e Teorema de De Finetti · Veja mais »

Teoria de resposta ao item

A Teoria da Resposta ao Item, muitas vezes abreviada apenas por TRI, é um ramo da Teoria da Medida direcionado predominantemente ao estudo de questionários e outras listas de itens, com ampla aplicação em diferentes áreas, tais como Econometria, Psicometria, Publicidade, ranking esportivo, Sociologia, Pedagogia etc.

Novo!!: Independência condicional e Teoria de resposta ao item · Veja mais »

CessanteEntrada
Ei! Agora estamos em Facebook! »