{"id":3866,"date":"2022-03-02T07:00:57","date_gmt":"2022-03-02T07:00:57","guid":{"rendered":"https:\/\/vwo.com\/glossary\/bayesian\/"},"modified":"2025-05-09T08:49:05","modified_gmt":"2025-05-09T08:49:05","slug":"bayesiano","status":"publish","type":"post","link":"https:\/\/vwo.com\/glossary\/br\/bayesiano\/","title":{"rendered":"Bayesiano"},"content":{"rendered":"\n

O que \u00e9 teoria bayesiana?<\/strong><\/h2>\n\n\n\n

Bayesiano \u00e9 um dos dois conjuntos mutuamente exclusivos de fundamentos estat\u00edsticos (o outro \u00e9 a infer\u00eancia frequentista) que podem ser usados para modelar qualquer problema estat\u00edstico. Os bayesianos consideram que o par\u00e2metro de interesse \u00e9 subjetivo (uma distribui\u00e7\u00e3o de possibilidades), descrito por uma distribui\u00e7\u00e3o de cren\u00e7as que \u00e9 atualizada com a observa\u00e7\u00e3o dos dados. <\/p>\n\n\n\n

J\u00e1 os frequentistas consideram que o par\u00e2metro de interesse \u00e9 objetivo (uma estimativa verdadeira) e se baseiam em m\u00faltiplas amostragens para chegar mais perto do valor verdadeiro do par\u00e2metro. Para entender e apreciar melhor o contraste entre as duas escolas de pensamento, \u00e9 necess\u00e1rio fazer um estudo aprofundado e comparativo entre a estat\u00edstica bayesiana e a estat\u00edstica frequentista.<\/p>\n\n\n\n

A abordagem bayesiana permite que um analista incorpore sua cren\u00e7a na pesquisa ao estimar um par\u00e2metro de interesse. Ela fornece uma estrutura em que o analista pode come\u00e7ar com uma cren\u00e7a pr\u00e9via e, \u00e0 medida que mais dados s\u00e3o coletados, essa cren\u00e7a \u00e9 atualizada. A integra\u00e7\u00e3o da cren\u00e7a pr\u00e9via com os dados dispon\u00edveis \u00e9 realizada usando o teorema de Bayes<\/a>.<\/p>\n\n\n\n

Pense em um estudo para estimar a altura m\u00e9dia dos brasileiros. Um estat\u00edstico pode ter a cren\u00e7a pr\u00e9via de que a altura dos brasileiros est\u00e1 distribu\u00edda entre 50\u202fcm e 2,50\u202fm. O estudo envolveria medir a altura de v\u00e1rios indiv\u00edduos e, conforme mais observa\u00e7\u00f5es fossem feitas, essa distribui\u00e7\u00e3o se concentraria na altura m\u00e9dia entre eles.<\/p>\n\n\n\n

A import\u00e2ncia da metodologia bayesiana<\/strong><\/strong><\/h2>\n\n\n\n

As metodologias bayesianas s\u00e3o \u00fateis na estimativa de par\u00e2metros quando a coleta de dados para a constru\u00e7\u00e3o de modelos \u00e9 complexa e a tomada de decis\u00f5es precisa ser feita com dados limitados. Quando h\u00e1 tamanhos grandes de amostra, as metodologias bayesianas frequentemente apresentam resultados semelhantes aos produzidos pelos m\u00e9todos frequentistas. <\/p>\n\n\n\n

Em testes de hip\u00f3teses, \u00e9 muito mais f\u00e1cil interpretar os resultados obtidos com o m\u00e9todo bayesiano do que com seu equivalente frequentista. Na vis\u00e3o bayesiana, trabalhamos com um grau de certeza, que \u00e9 a probabilidade de que o valor verdadeiro de um par\u00e2metro esteja dentro do intervalo estimado. Essa probabilidade combina nosso conhecimento pr\u00e9vio com os dados dispon\u00edveis. \u00c9 essa no\u00e7\u00e3o de probabilidade que a diferencia da abordagem frequentista, na qual n\u00e3o existe grau de certeza. Uma hip\u00f3tese pode ser escolhida ap\u00f3s uma avalia\u00e7\u00e3o de risco baseada nesse grau de certeza em rela\u00e7\u00e3o \u00e0 estimativa posterior.<\/p>\n\n\n\n

O que \u00e9 infer\u00eancia bayesiana?<\/strong><\/strong><\/h2>\n\n\n\n

O termo \u201cinfer\u00eancia bayesiana\u201d se refere ao ato de atualizar seu conhecimento \u00e0 medida que novos dados surgem. Nessa abordagem, voc\u00ea raramente tem certeza de um resultado. No entanto, voc\u00ea pode ter algum grau de confian\u00e7a e, dependendo dele, tomar uma decis\u00e3o. \u00c9 simples assim.<\/p>\n\n\n\n

Na estat\u00edstica bayesiana, todos os par\u00e2metros observados e n\u00e3o observados em um modelo estat\u00edstico est\u00e3o associados a distribui\u00e7\u00f5es de probabilidade, classificadas como \u201cdistribui\u00e7\u00e3o a priori\u201d e \u201cdistribui\u00e7\u00e3o dos dados\u201d. O fluxo de trabalho bayesiano costuma envolver as tr\u00eas etapas a seguir:\u00a0<\/p>\n\n\n\n