As redes Bayesianas se referem a uma categoria de modelos probabilísticos que representam um conjunto de variáveis e suas dependências condicionais por um grafo acíclico direcionado. Estas redes usam o Teorema de Bayes para calcular a probabilidade de determinados eventos, tendo alguma informação disponível. Com esta prerrogativa, partem de conhecimento incompleto sobre um determinado fenômeno e, assim, permitem máquinas fazerem inferências, previsões e tomada de decisão. Existem vários modelos de tentativas de axiomatizar extensões da lógica para casos de informação incompleta.
No desenvolvimento deste livro, a programação Python foi adotada como ferramenta na modelagem das exemplificações. Juntamente a este apoio computacional, é apresentada uma introdução aos pré-requisitos teóricos que formulam a base dos processos probabilísticos discretizados. Entre estes estão: as distribuições de probabilidade, postas na Função Massa de Probabilidade — PMF e seus parâmetros; a Teoria dos Conjuntos; a Probabilidade axiomática Clássica e Empírica; e a Probabilidade Condicional, definida na Regra da Multiplicação e na Lei da Probabilidade Total, em que se insere a Probabilidade Bayesiana com o Teorema de Bayes. Esta lista de tópicos, em que estão expostos os princípios matemáticos, compõe o tema “Redes Bayesianas”.
