IDS: A Divide-and-Conquer Algorithm for Inference in Polytree-Shaped Credal Networks

A credal network is a graph-theoretic model that represents imprecision in joint probability distributions. An inference in a credal net aims at computing an interval for the probability of an interest event. The algorithms for inference in credal networks can be divided into exact and approximate. The selection of such an algorithm is based on a trade off that ponders how much time someone wants to spend in a particular calculation against the quality of the computed values. This paper presents an algorithm, called IDS, that combines exact and approximate methods for computing inferences in polytreeshaped credal networks. The algorithm provides an approach to trade time and precision when making inferences in credal nets. Resumo. Uma rede credal é um formalismo baseado em grafos que representa imprecisão em distribuições conjuntas. Uma inferência em uma rede credal objetiva o cômputo de um intervalo de probabilidades para um evento de interesse. Os algoritmos para inferência em redes credais podem ser classificados como exatos ou aproximados. A seleção de um algoritmo exige uma análise de custo×benefı́cio que pondera quanto tempo se deseja gastar no cálculo de um intervalo em relação a qualidade das aproximações. Este artigo apresenta um algoritmo, chamado IDS, que combina métodos exatos e aproximados no cômputo de inferências em redes com topologia em polytree e que provê uma estratégia para limitar o esforço computacional empregado em uma inferência.