20 02 2013 Teoremas Probabilidade Total e Bayes
-
Upload
isabela-honorato -
Category
Documents
-
view
133 -
download
2
Transcript of 20 02 2013 Teoremas Probabilidade Total e Bayes
MATA44 - Estatística V
Prof. Gabriel Bahia Caldas
Departamento de EstatísticaInstituto de Matemática
Universidade Federal da BahiaBaseado em Material de Leila Amorim, Maristela Oliveira e Ângelo Sant’anna
20 de fevereiro de 2013
Copyright c©2012, G. B. Caldas MATA44 - Estatística V Fev/2013 1 / 20
Axiomas de Probabilidade
1. 0 ≤ p ≤ 1, para todo evento A ⊂ Ω;
2. P(Ω) = 1;
3. Se A e B eventos são mutuamente exclusivos,P(A ∪ B) = P(A) + P(B).
Propriedades
1. Se φ é um evento impossível, então P(φ) = 0;
2. Se A é o complementar de A, entãoP(A) = 1 − P(A);
3. Se A e B são eventos quaisquer em Ω, entãoP(A ∪ B) = P(A) + P(B)− P(A ∩ B);
4. Se A ⊂ B , então P(A) ≤ P(B)
5. Para quaisquer três eventos A, B e C em Ω,P(A ∪ B ∪ C ) = P(A) + P(B) + P(C )− P(A ∩ B)−P(A ∩ C )− P(B ∩ C ) + P(A ∩ B ∩ C )
Copyright c©2012, G. B. Caldas MATA44 - Estatística V Fev/2013 2 / 20
Probabilidade Condicional Motivação
Motivação
Suponha que a tabela a seguir resuma as informações de umlevantamento em relação a aprovação ou não de 1000 pessoas novestibular de uma universidade em determinado ano segundo oseu estado civil.
Estado Civil Resultado do Vestibular TotalAprovado Reprovado
Solteiro 120 80 200Casado 45 55 100
Separado 180 120 300Outros 255 145 400Total 600 400 1000
Qual a probabilidade de selecionarmos ao acaso uma pessoa aprovadano vestibular, sabendo que ela é separada?
Copyright c©2012, G. B. Caldas MATA44 - Estatística V Fev/2013 3 / 20
Probabilidade Condicional Definição
Probabilidade Condicional
Dados dois eventos A e B associados a um mesmo espaço amostralΩ, sendo P(A) > 0 e P(B) > 0, a probabilidade de ocorrência doevento B , condicionada à ocorrência do evento A (ou probabilidadede B dado A), é definida por:
P(B |A) =P(A ∩ B)
P(A)
ou equivalentemente, a probabilidade de ocorrência de A dada aocorrência de B é:
P(A|B) =P(A ∩ B)
P(B).
Copyright c©2012, G. B. Caldas MATA44 - Estatística V Fev/2013 4 / 20
Probabilidade Condicional Exercício
Exercício
1. Com os dados apresentados na tabela, calcule a probabilidade deo vestibulando ser casado dado que foi reprovado no vestibular.
Copyright c©2012, G. B. Caldas MATA44 - Estatística V Fev/2013 5 / 20
Probabilidade Condicional Exercício
Teorema do Produto
Às vezes queremos determinar a probabilidade de ocorrerem doiseventos ao mesmo tempo, ou um em seguida do outro;
Considere uma urna com 3 bolas brancas e 2 azuis;
Ao se retirar duas bolas da urna, sem reposição, qual a probabilidadede a primeira ser azul, e a segunda ser branca?
Copyright c©2012, G. B. Caldas MATA44 - Estatística V Fev/2013 6 / 20
Probabilidade Condicional Exercício
Teorema do Produto (ou da Multiplicação)
Se A e B são dois eventos quaisquer associados ao mesmo espaçoamostral, com probabilidades positivas, então, a probabilidade daocorrência simultânea de A e B , P(A ∩ B), é definida por:
P(A ∩ B) = P(A).P(B |A) = P(B).P(A|B)
2. Em um lote de 12 peças, 4 são defeituosas. Retira-se 2 peçasdo lote, uma após a outra, sem reposição. Qual a probabilidadede que ambas sejam boas?
Copyright c©2012, G. B. Caldas MATA44 - Estatística V Fev/2013 7 / 20
Probabilidade Condicional Exercício
Dizemos que dois eventos são estatisticamente independentes quando aocorrência de um não interfere na ocorrência do outro.
Independência Estatística
Se o evento A é estatisticamente independente do evento B , então,P(A|B)=P(A) e P(B|A)=P(B). Portanto,
P(A ∩ B) = P(A).P(B),
pelo teorema do produto.
8. Em um lote de 12 peças, 4 são defeituosas. Retira-se 2 peçasdo lote, uma após a outra, com reposição. Qual a probabilidadede que:
a. ambas sejam boas;
b. a primeira seja defeituosa e a segunda seja boa.
Copyright c©2012, G. B. Caldas MATA44 - Estatística V Fev/2013 8 / 20
Probabilidade Condicional Exercício
Dados n eventos, diremos que eles são independentes se eles foremindependentes 2 a 2, 3 a 3, n a n.Isto é, se forem verificadas todas as seguintes igualdades:
1 2 a 2,
P(A1 ∩ A2) = P(A1)P(A2), . . . ,P(An−1 ∩ An) = P(An−1)P(An)
2 3 a 3,P(A1 ∩ A2 ∩ A3) = P(A1)P(A2)P(A3), . . . ,
P(An−2 ∩ An−1 ∩ An) = P(An−2)P(An−1)P(An)
...
n-1 n a n,P(A1 ∩ A2 · · · ∩ An) = P(A1)P(A2) . . .P(An)
Copyright c©2012, G. B. Caldas MATA44 - Estatística V Fev/2013 9 / 20
Probabilidade Condicional Exercício
4. Certo aparelho eletrônico tem duas lâmpadas que podem estaracesas ou apagadas, tendo sido observadas as seguintes proba-bilidades:
Lâmpada 1 Lâmpada 2Acesa Apagada
Acesa 0, 15 0, 45Apagada 0, 10 0, 30
A tabela mostra, por exemplo, que ambas as lâmpadas estavamsimultaneamente apagadas 30% das vezes.
a) O fato de a lâmpada 1 estar acesa é independente de a lâmpada 2estar acesa?
b) O fato de a lâmpada 1 estar apagada é independente de a lâmpada 2estar acesa?
Copyright c©2012, G. B. Caldas MATA44 - Estatística V Fev/2013 10 / 20
Probabilidade Condicional Exercício
5. Dois dados são lançados simultaneamente. Definem-se os eventos:
A =Sair valor par em ambos
B =Sair valor ímpar em ambos
C =Sair soma igual a seis
a) A e B são mutuamente exclusivos? E A e C? E B e C?
b) A e B são independentes? E A e C? E B e C?
c) Quanto valem P(A|C ), P(C |A), P(A|B), P(B |C ), P(C |B)?
Copyright c©2012, G. B. Caldas MATA44 - Estatística V Fev/2013 11 / 20
Teorema da Probabilidade Total
Considere o espaço amostra Ω associado a um experimento aleatório.Dizemos que uma partição desse espaço amostral é uma coleção de eventosmutuamente exclusivos, e tais que a união desses eventos resultam em todoo espaço amostral Ω.
Partição de Ω
Se os eventos A1,A2, . . . ,An são tais que:
1 (Ai ∩ Aj) = ∅, ∀i 6= j
2 ∪ni=1Ai = Ω
Então A1,A2, . . . ,An formam uma partição de Ω
Copyright c©2012, G. B. Caldas MATA44 - Estatística V Fev/2013 12 / 20
Teorema da Probabilidade Total Definição
Inicialmente considere que o espaço amostral Ω está dividido poruma partição formada pelos eventos A e A. Sejam B , C e D even-tos quaisquer em Ω. Então, podemos encontrar as probabilidadesassociadas a estes eventos da seguinte forma:P(B) = P(B ∩ A) + P(B ∩ A) = P(B |A)P(A) + P(B |A)P(A)P(C ) = P(C |A)P(A) + P(C |A)P(A)P(B) = P(D|A)P(A) + P(D|A)P(A)
Copyright c©2012, G. B. Caldas MATA44 - Estatística V Fev/2013 13 / 20
Teorema da Probabilidade Total Definição
Exemplo
Exemplo
6. Considere que estejamos interessados em verificar a reação de um testelaboratorial para certa enfermidade. Sejam então os eventos a seguir:A=Ter a enfermidade =⇒ A=Não ter a enfermidadeB=Apresentar reação positiva no teste laboratorial para a referidaenfermidadeSuponha P(A) = 0, 2, P(B |A) = 0, 6 e P(B |A) = 0, 3, quanto valeP(B)?
Copyright c©2012, G. B. Caldas MATA44 - Estatística V Fev/2013 14 / 20
Teorema da Probabilidade Total Definição
Teorema da Probabilidade Total
De modo geral, se supusermos a seguinte partição de Ω :A1,A2, . . . ,An, tal que P(Ai ) 6= 0, para i = 1, 2, . . . , n, e sendo
F um evento qualquer de Ω, então:
P(F ) = P(F ∩ A1) + P(F ∩ A2) + · · ·+ P(F ∩ An)
= P(A1)P(F |A1) + P(A2)P(F |A2) + · · ·+ P(An)P(F |An)
=n∑
i=1
P(Ai )P(F |Ai ).
Copyright c©2012, G. B. Caldas MATA44 - Estatística V Fev/2013 15 / 20
Teorema da Probabilidade Total Exercício
7. Suponha que temos 3 dados, um azul, um vermelho e um ama-relo. O dado vermelho tem duas faces de número 1 e quatrofaces de número 2. O dado azul tem quatro faces de número 1e duas número 2, e o dado amarelo tem 3 faces de número 1 e 3faces de número 2. Considere que a probabilidade de selecionarao acaso o dado azul seja de 2
3 e os dados vermelho e amarelotêm probabilidade 1
6 cada um. Então, selecione ao acaso umdos dados, jogue-o e observe a face voltada para cima. Qual aprobabilidade de sair a face 2?
Copyright c©2012, G. B. Caldas MATA44 - Estatística V Fev/2013 16 / 20
Teorema de Bayes
Uma das relações mais importantes envolvendo probabilidades condicionaisé dada pelo Teorema de Bayes. A versão mais simples desse teorema édada por:
P(A|B) =P(A ∩ B)
P(B)=
P(B |A)P(A)
P(B)
Copyright c©2012, G. B. Caldas MATA44 - Estatística V Fev/2013 17 / 20
Teorema de Bayes Motivação
Para generalizar o Teorema de Bayes, vamos utilizar o seguinte exemplo:8. Temos 5 urnas, cada uma com 6 bolas. Duas dessas urnas
(tipo C1) têm 3 bolas brancas, duas outras (tipo C2) têm 2bolas brancas, e a última urna (tipo C3) tem 6 bolas brancas.Escolhemos uma urna ao acaso e dela retiramos uma bola aoacaso. Qual a probabilidade de a urna escolhida ter sido do tipoC3, sabendo-se qua a bola sorteada é branca?
Copyright c©2012, G. B. Caldas MATA44 - Estatística V Fev/2013 18 / 20
Teorema de Bayes Definição
Generalizando o resultado, temos:
Teorema de Bayes
Seja C1,C2 . . . ,Cn uma partição do espaço amostral Ω. Considereum evento qualquer A em Ω. Supomos conhecidas as probabilidadesP(Ci ) e P(A|Ci ), i = 1, 2, . . . , n. Então temos o seguinte resultado:Teorema de Bayes: A probabilidade de ocorrência do evento Ci ,supondo-se a ocorrência do evento A é dada por:
P(Ci |A) =P(Ci ∩ A)
P(A)
=P(Ci )P(A|Ci )∑nj=1 P(Cj)P(A|Cj)
, i = 1, . . . , n.
Copyright c©2012, G. B. Caldas MATA44 - Estatística V Fev/2013 19 / 20
Teorema de Bayes Definição
Generalizando o resultado, temos:
Teorema de Bayes
Seja C1,C2 . . . ,Cn uma partição do espaço amostral Ω. Considereum evento qualquer A em Ω. Supomos conhecidas as probabilidadesP(Ci ) e P(A|Ci ), i = 1, 2, . . . , n. Então temos o seguinte resultado:Teorema de Bayes: A probabilidade de ocorrência do evento Ci ,supondo-se a ocorrência do evento A é dada por:
P(Ci |A) =P(Ci ∩ A)
P(A)
=P(Ci )P(A|Ci )∑nj=1 P(Cj)P(A|Cj)
, i = 1, . . . , n.
O teorema de Bayes é útil quando conhecemos as probabilidades dosCi e a probabilidade condicional de A dado Ci , mas não conhecemosdiretamente a probabilidade de A.
Copyright c©2012, G. B. Caldas MATA44 - Estatística V Fev/2013 19 / 20
Teorema de Bayes Definição
Exercício
9. Para selecionar seus funcionários, uma empresa oferece aos candidatosum curso de treinamento durante uma semana. No final do curso, elessão submetidos a uma prova e 25% são classificados como bons, 50%são classificados como médios, e os restantes são classificados comofracos. Para facilitar a seleção, a empresa pretende substituir otreinamento por um teste contendo questões referentes aconhecimentos gerais e específicos. Para isso, gostaria de conhecerqual a probabilidade de um indivíduo aprovado no teste serconsiderado fraco, caso fizesse o curso. Assim, neste ano, antes doinício do curso, os candidatos foram submetidos ao teste e receberamo conceito aprovado ou reprovado. No final do curso, foi verificadoque dentre os que foram classificados como bons no curso 80% foramaprovados no teste, dentre os que foram classificados como médios nocurso, 50% passaram no teste e dentre os que foram classificadoscomo fracos no curso, 20% foram aprovados no teste. Então qual ovalor da probabilidade de o candidato ser classificado como fraco nocurso dado que ele foi aprovado no teste?
Copyright c©2012, G. B. Caldas MATA44 - Estatística V Fev/2013 20 / 20