Introdução ao pensamento bayesiano
Entenda a priori, a verossimilhança e a posteriori no contexto bayesiano.
Introdução ao pensamento bayesiano é uma aula grátis de R Academy no CoddyKit. Esta é a aula 1 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de R Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de R Academy inclui 4 aulas no total.
Frequentista versus bayesiano
Na estatística frequentista, probabilidade é a frequência de longo prazo de um evento. Na estatística bayesiana, probabilidade representa um grau de crença. A diferença principal é que os frequentistas tratam os parâmetros como constantes fixas (desconhecidas), enquanto os bayesianos tratam os parâmetros como variáveis aleatórias com distribuições de probabilidade.
# Frequentist: parameter theta is fixed, data is random
# Bayesian: data is fixed (observed), theta has a distribution
# Example: estimating coin bias p
# Frequentist: MLE -> p_hat = heads / total
heads <- 7; total <- 10
p_mle <- heads / total
cat('MLE estimate:', p_mle, '\n')
# Bayesian: update prior belief with observed data
# Prior: Beta(2, 2) -> slightly informative, centered at 0.5
# Posterior: Beta(2 + heads, 2 + (total - heads)) = Beta(9, 5)
alpha_post <- 2 + heads
beta_post <- 2 + (total - heads)
p_bayes <- alpha_post / (alpha_post + beta_post) # posterior mean
cat('Bayesian posterior mean:', round(p_bayes, 3), '\n')Teorema de Bayes
O teorema de Bayes relaciona a crença prévia sobre um parâmetro, a verossimilhança dos dados dado esse parâmetro e a crença posterior após observar os dados:
P(θ|data) = P(data|θ) × P(θ) / P(data)
O denominador P(data) é uma constante de normalização — ele transforma a posteriori em uma distribuição de probabilidade válida.
# Bayes' theorem components
# P(theta | data) = posterior (what we want)
# P(data | theta) = likelihood (how well theta explains data)
# P(theta) = prior (what we believed before data)
# P(data) = evidence (normalising constant)
# Medical test example
P_disease <- 0.01 # prior: 1% prevalence
P_pos_given_disease <- 0.99 # sensitivity
P_pos_given_no_disease <- 0.05 # false positive rate
P_pos <- P_pos_given_disease * P_disease +
P_pos_given_no_disease * (1 - P_disease)
P_disease_given_pos <- (P_pos_given_disease * P_disease) / P_pos
cat('P(positive test):', round(P_pos, 4), '\n')
cat('P(disease | positive test):', round(P_disease_given_pos, 4), '\n')
cat('Only', round(P_disease_given_pos * 100, 1), '% chance despite positive test!\n')Distribuições a priori
A priori codifica sua crença sobre um parâmetro antes de observar os dados. As distribuições a priori podem ser não informativas (uniformes, expressando conhecimento mínimo) ou informativas (fortemente concentradas, expressando conhecimento especializado do domínio). Distribuições a priori comuns: Beta(1,1) = uniforme, Normal(0, 10) = fracamente informativa.
# Visualise different Beta priors for a probability parameter
theta <- seq(0, 1, length.out = 200)
# Uniform (no prior knowledge)
prior_uniform <- dbeta(theta, 1, 1)
# Informative: believe p ~ 0.3
prior_informative <- dbeta(theta, 3, 7)
# Strong: believe p ~ 0.5
prior_strong <- dbeta(theta, 20, 20)
plot(theta, prior_uniform, type = 'l', col = 'gray',
ylim = c(0, 8), xlab = 'theta', ylab = 'Density',
main = 'Different Prior Beliefs')
lines(theta, prior_informative, col = 'blue')
lines(theta, prior_strong, col = 'red')
legend('topright', c('Uniform Beta(1,1)', 'Informative Beta(3,7)', 'Strong Beta(20,20)'),
col = c('gray', 'blue', 'red'), lty = 1)Funções de verossimilhança
A verossimilhança P(data|θ) mede quão prováveis são os dados observados para um determinado valor do parâmetro. Para lançamentos de moeda, a verossimilhança é binomial. Para dados contínuos, ela costuma ser gaussiana. Avaliamos a verossimilhança em muitos valores de θ para descobrir qual explica melhor os dados.
# Likelihood for a coin flip experiment
# Data: 7 heads in 10 flips
heads <- 7; n <- 10
# Evaluate likelihood at many theta values
theta <- seq(0.01, 0.99, length.out = 200)
likelihood <- dbinom(heads, n, theta)
# Maximum likelihood
mle <- theta[which.max(likelihood)]
cat('MLE (max likelihood theta):', mle, '\n')
# Plot the likelihood function
plot(theta, likelihood, type = 'l', col = 'steelblue',
xlab = 'theta (coin bias)', ylab = 'Likelihood P(7H|theta)',
main = '7 Heads in 10 Flips: Likelihood')
abline(v = mle, lty = 2, col = 'red')
legend('topleft', paste('MLE =', mle), lty = 2, col = 'red')Posteriori = priori × verossimilhança
A posteriori é proporcional à priori multiplicada pela verossimilhança. Para o modelo Beta-Binomial, isso é tratável analiticamente: se a priori for Beta(α, β) e você observar h caras em n lançamentos, a posteriori será Beta(α + h, β + n − h).
# Beta-Binomial conjugate model
heads <- 7; n <- 10
alpha_prior <- 2; beta_prior <- 2 # prior: Beta(2,2)
# Update: posterior = Beta(alpha + heads, beta + tails)
alpha_post <- alpha_prior + heads
beta_post <- beta_prior + (n - heads)
theta <- seq(0.01, 0.99, length.out = 300)
prior <- dbeta(theta, alpha_prior, beta_prior)
likelihood <- dbinom(heads, n, theta)
likelihood <- likelihood / max(likelihood) # normalise for plotting
posterior <- dbeta(theta, alpha_post, beta_post)
plot(theta, posterior, type = 'l', col = 'red', lwd = 2,
xlab = 'theta', ylab = 'Density', main = 'Prior vs Posterior')
lines(theta, prior, col = 'blue', lwd = 2)
lines(theta, likelihood, col = 'gray', lwd = 2, lty = 2)
legend('topleft', c(paste0('Prior Beta(', alpha_prior, ',', beta_prior, ')'),
'Likelihood (scaled)',
paste0('Posterior Beta(', alpha_post, ',', beta_post, ')')),
col = c('blue', 'gray', 'red'), lty = c(1,2,1), lwd = 2)Distribuições a priori conjugadas
Uma distribuição a priori conjugada é aquela cuja distribuição a posteriori pertence à mesma família que a priori. Isso torna a inferência tratável analiticamente. Pares conjugados comuns: Beta-Binomial (proporções), Normal-Normal (médias com variância conhecida) e Gamma-Poisson (taxas).
# Conjugate prior table (analytical results)
conjugates <- data.frame(
Likelihood = c('Binomial', 'Poisson', 'Normal (known sigma)',
'Exponential', 'Multinomial'),
Prior = c('Beta', 'Gamma', 'Normal',
'Gamma', 'Dirichlet'),
Posterior = c('Beta', 'Gamma', 'Normal',
'Gamma', 'Dirichlet'),
Update_Rule = c('(a+h, b+t)', '(a+x, b+n)', '(mu_n, sigma_n)',
'(a+n, b+sum)', '(a+counts)')
)
print(conjugates, row.names = FALSE)
# Beta-Binomial update
cat('\nBeta(2,3) + 7 heads, 3 tails -> Beta(',
2+7, ',', 3+3, ')\n')Intervalos de credibilidade
Um intervalo de credibilidade (IC) é o equivalente bayesiano de um intervalo de confiança: um IC de 95% significa que há uma probabilidade posterior de 95% de θ estar dentro do intervalo. Essa é a interpretação intuitiva que a maioria das pessoas incorretamente atribui aos intervalos de confiança frequentistas.
# 95% credible interval for Beta posterior
alpha_post <- 9; beta_post <- 5 # posterior from earlier
# Credible interval via quantile function
ci_lower <- qbeta(0.025, alpha_post, beta_post)
ci_upper <- qbeta(0.975, alpha_post, beta_post)
posterior_mean <- alpha_post / (alpha_post + beta_post)
cat('Posterior mean: ', round(posterior_mean, 3), '\n')
cat('95% Credible Interval: [',
round(ci_lower, 3), ',',
round(ci_upper, 3), ']\n')
cat('Interpretation: 95% probability theta is in this interval\n')
# Visualise
theta <- seq(0, 1, length.out = 300)
plot(theta, dbeta(theta, alpha_post, beta_post), type = 'l', col = 'red', lwd = 2,
main = '95% Credible Interval', xlab = 'theta', ylab = 'Density')
abline(v = c(ci_lower, ci_upper), lty = 2, col = 'blue')Atualização bayesiana: aprendizado sequencial
A atualização bayesiana é sequencial: a posteriori de hoje se torna a priori de amanhã. Isso torna a inferência bayesiana naturalmente incremental — você não precisa reajustar o modelo do zero quando novos dados chegam; basta atualizar a posteriori existente.
# Sequential Bayesian updating for a coin
# Start with uninformative prior Beta(1,1)
flips <- c(1, 0, 1, 1, 0, 1, 1, 1, 0, 1) # 1=H, 0=T
alpha <- 1; beta_p <- 1 # prior
cat('Prior: Beta(', alpha, ',', beta_p, ') mean =', round(alpha/(alpha+beta_p), 3), '\n')
for (i in seq_along(flips)) {
if (flips[i] == 1) alpha <- alpha + 1 else beta_p <- beta_p + 1
mean_post <- alpha / (alpha + beta_p)
cat('After flip', i, '(', flips[i], '): Beta(',
alpha, ',', beta_p, ') mean =', round(mean_post, 3), '\n')
}Estimação MAP
A estimativa de Máxima A Posteriori (MAP) é a moda da distribuição a posteriori. Para uma posteriori Beta(α, β), MAP = (α−1)/(α+β−2). A MAP equilibra a influência da priori com a influência da verossimilhança, deslocando as estimativas em direção à priori para amostras pequenas.
# Compare MLE vs MAP for small sample
heads <- 3; n <- 5
alpha_p <- 5; beta_p <- 5 # informative prior: believe p ~ 0.5
# MLE: ignores prior
mle <- heads / n
# MAP: mode of Beta posterior
alpha_post <- alpha_p + heads
beta_post <- beta_p + (n - heads)
map <- (alpha_post - 1) / (alpha_post + beta_post - 2)
# Posterior mean (alternative point estimate)
post_mean <- alpha_post / (alpha_post + beta_post)
cat('Data: 3 heads in 5 flips\n')
cat('MLE: ', round(mle, 3), '(ignores prior)\n')
cat('MAP: ', round(map, 3), '(mode of posterior)\n')
cat('Posterior mean:', round(post_mean, 3), '(mean of posterior)\n')
cat('Note: MAP and mean shrink toward prior (0.5) for small n\n')Quando usar métodos bayesianos
Os métodos bayesianos são especialmente úteis quando: (1) você tem conhecimento prévio informativo, (2) os tamanhos das amostras são pequenos, (3) precisa quantificar completamente a incerteza, (4) deseja fazer afirmações probabilísticas sobre os parâmetros ou (5) está realizando uma análise sequencial em que as distribuições a priori são reaproveitadas de experimentos anteriores.
# Comparison: when Bayesian vs frequentist is preferred
comparison <- data.frame(
Scenario = c(
'Small sample (n < 30)',
'Prior domain knowledge',
'Probability about parameter',
'Sequential updating',
'Large sample, no prior',
'Regulatory/simple inference'
),
Preferred = c(
'Bayesian', 'Bayesian', 'Bayesian',
'Bayesian', 'Either', 'Frequentist'
)
)
print(comparison, row.names = FALSE)
# Example: medical device testing with historical data
alpha_historical <- 15 # prior based on 20 historical tests
beta_historical <- 5
cat('\nHistorical prior: Beta(', alpha_historical, ',', beta_historical, ')\n')
cat('Prior mean:', round(alpha_historical/(alpha_historical+beta_historical), 3), '\n')Inferência bayesiana na prática
Para modelos conjugados simples, a inferência é analítica (como mostrado acima). Para modelos complexos (hierárquicos e não conjugados), usamos amostragem por Monte Carlo via Cadeias de Markov (MCMC) com Stan (RStan), JAGS ou BUGS para aproximar numericamente a distribuição a posteriori.
# Analytical vs MCMC approaches
approaches <- data.frame(
Method = c('Conjugate (exact)', 'Grid approximation',
'Laplace approx.', 'MCMC (Stan/JAGS)',
'Variational Bayes'),
When = c('Conjugate prior+likelihood', 'Low-dim, discrete',
'Unimodal posterior', 'General complex models',
'Large scale, approximate'),
Speed = c('Instant', 'Fast', 'Fast', 'Slow', 'Moderate'),
Exactness = c('Exact', 'Exact on grid', 'Approximate',
'Asymptotically exact', 'Approximate')
)
print(approaches, row.names = FALSE)Verificação rápida
Você observa 7 caras em 10 lançamentos de uma moeda. Sua priori é Beta(2, 2). Qual é a distribuição a posteriori correta?
Recapitulação: pensamento bayesiano
Principais conclusões:
- Teorema de Bayes: P(θ|data) ∝ P(data|θ) × P(θ)
- A priori codifica a crença antes dos dados; a verossimilhança codifica o suporte fornecido pelos dados; a posteriori combina ambos
- Distribuições a priori conjugadas produzem distribuições a posteriori analíticas (Beta-Binomial, Normal-Normal, Gamma-Poisson)
- Atualização Beta-Binomial: Beta(α, β) + (h caras, t coroas) → Beta(α+h, β+t)
- Intervalos de credibilidade têm a interpretação probabilística natural que os ICs não têm
- A atualização bayesiana é sequencial — a posteriori de hoje é a priori de amanhã
- Para modelos complexos, use amostragem MCMC (Stan, JAGS) para aproximar as distribuições a posteriori
# Full Bayesian inference cycle for a proportion
alpha0 <- 2; beta0 <- 2 # prior
heads <- 12; total <- 20 # observed data
alpha_post <- alpha0 + heads
beta_post <- beta0 + (total - heads)
post_mean <- alpha_post / (alpha_post + beta_post)
ci <- qbeta(c(0.025, 0.975), alpha_post, beta_post)
cat('Prior: Beta(', alpha0, ',', beta0, ') mean =', round(alpha0/(alpha0+beta0), 2), '\n')
cat('Data:', heads, 'heads in', total, 'flips\n')
cat('Posterior: Beta(', alpha_post, ',', beta_post, ')\n')
cat('Posterior mean:', round(post_mean, 3), '\n')
cat('95% CI: [', round(ci[1],3), ',', round(ci[2],3), ']\n')Perguntas Frequentes
A aula “Introdução ao pensamento bayesiano” é grátis?
Sim — o texto completo de “Introdução ao pensamento bayesiano” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de R Academy, atualize para CoddyKit PRO. O curso de R Academy inclui 4 aulas no total.
O que vou aprender em “Introdução ao pensamento bayesiano”?
Entenda a priori, a verossimilhança e a posteriori no contexto bayesiano. Você pratica R Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.
Preciso ter experiência prévia para começar R Academy?
Nenhuma experiência prévia é necessária. R Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 1 de 4.
Quanto tempo leva a aula “Introdução ao pensamento bayesiano”?
A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.
Posso escrever e executar código nesta aula de R Academy?
Sim. Cada aula de R Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.
Todas as aulas deste curso
- Introdução ao pensamento bayesiano
- Escrevendo modelos Stan em R
- Amostragem MCMC e diagnósticos
- Verificações preditivas a posteriori