Introdu¸c˜ ao ` a probabilidade e estat´ıstica I
Probabilidade
Prof. Alexandre G Patriota Sala: 298A
Email: patriota@ime.usp.br Site: www.ime.usp.br/∼patriota
Contagem
Estudamos os princ´ıpios de contagem:
I Princ´ıpio aditivo
I Princ´ıpio da exclus˜ao-inclus˜ao
I Princ´ıpio multiplicativo A partir deles estudamos:
I Permuta¸c˜oes simples,
I Permuta¸c˜oes com elementos repetidos,
I Combina¸c˜oes simples.
Probabilidade via contagem
A probabilidade de um evento pode ser definida como o n´umero de casos favor´aveis a ele dividido pelo n´umero de casos totais.
Ou seja, se Ω ´e n˜ao vazio e finito eA⊆Ω, ent˜ao definimos a probabilidade de ocorrer o eventoApor
P(A) = #(A)
#(Ω) Mostre que:
I P(Ω) = 1, P(∅) = 0
I Se A,B ⊆Ω s˜ao disjuntos, ent˜ao P(A∪B) =P(A) +P(B)
I Para quaisquer A,B ⊆Ω, ent˜ao P(A∪B) =P(A) +P(B)−P(A∩B)
I seA⊆B ⊆Ω, ent˜ao P(B∩Ac) =P(B)−P(A)
Probabilidade via contagem
Esta forma de definir probabilidade ´e v´alida quando selecionamos os elementos de Ω de forma equiprov´avel.
Por exemplo:
I se lan¸camos um dado honesto em uma superf´ıcie plana e observamos a face voltada para cima, temos
Ω ={1,2,3,4,5,6}. CalculeP({i}) para i = 1, . . . ,6.
I considere a palavra ESTATISTICA e todos os seus poss´ıveis anagramas. Qual seria a probabilidade de escolhermos ao acaso um anagrama que inicie com E e termine com A?
Probabilidade Geral – Elementos b´ asicos
Em casos mais gerais podemos definir probabilidades diferentes para cada elemento de Ω.
Para isso definimos a medida de probabilidade de forma axiom´atica que pode ser aplicada a casos mais gerais.
Nos casos gerais precisamos definir uma fam´ıliaA que cont´em subconjuntos de Ω que estamos interessados em medir a probabilidade.
Seja Ω ={C,K} o conjunto de todos os poss´ıveis resultados de um experimento (lan¸car uma moeda). Exemplos de fam´ılias de subconjuntos de Ω s˜ao:
I A={∅,Ω}
I A={∅,Ω,{C}}
I A={∅,Ω,{C},{K}}= 2Ω (conjunto das partes de Ω)
Sigma-´ Algebra de subconjuntos de Ω
SejaAuma fam´ılia de subconjuntos de Ω.
Se satisfizer:
I ∅∈ A
I A∈ A ⇒Ac∈ A
I A,B ∈ A ⇒A∪B ∈ A
dizemos queA´e uma ´algebra de subconjuntos de Ω.
Se satisfizer:
I ∅∈ A
I A∈ A ⇒Ac∈ A
I A1,A2, . . .∈ A ⇒S
i≥1Ai ∈ A
dizemos queA´e uma σ-´algebra de subconjuntos de Ω.
Note que todaσ-´agebra ´e tamb´em uma ´algebra.
Sigma-´ Algebra de subconjuntos de Ω – Exemplos
Seja Ω ={1,2,3,4, . . .} o conjunto dos naturais.
Verifique se as seguintes fam´ılias de subconjuntos de Ω s˜ao σ-´algebras ou ´algebras.
I A1 ={∅,Ω},
I A2 ={∅,Ω,{1},{2},{1,2}},
I A3 ={∅,Ω,{1},{2,3,4, . . .}}
I A4 ´e a fam´ılia de todos os subconjuntos de Ω que s˜ao finitos ou tem complemento finito. (obs: criar o conjunto de pares ou
´ımpares por uni˜ao infinita para mostrar que n˜ao ´eσ-´algebra) O conjunto que cont´em todos os subconjuntos de Ω ´e denotado por 2Ω e ´e chamado de conjunto das partes de Ω (conjunto potˆencia).
Cardinalidade de conjuntos - Generaliza¸c˜ ao do conceito de contagem
Diz-se que dois conjuntosAe B tem o mesmo cardinal se existe uma aplica¸c˜ao bijetiva deApara B.
Diz-se queA tem cardinal menor ou igual aB se existe uma aplica¸c˜ao injectiva de Apara B (e vice-versa).
Verifique seAe B tem a mesma cardinalidade:
I A={1,2,3,4}e B ={7,9,10,34}
I A={1,2,3,4}e B ={1,2,5,7,9}
I A={2,4,6,8, . . .} eB ={1,2,3,4, . . .}=N
I A=Ne B =Q
I A=Ne B =R
I A eB = 2A
Dizemos que um conjunto ´e numer´avel se ele tiver o mesmo cardinal dos naturais. Ser´a dito ser enumer´avel se ´e finito ou numer´avel. Caso contr´ario, dizemos que o conjunto ´e n˜ao-enumer´avel.
Probabilidade Geral
Seja Ω o conjunto contendo todos os poss´ıveis resultados de um experimento (espa¸co amostral) eA uma σ-´algebra de
subconjuntos de Ω.
Probabilidade ´e uma fun¸c˜ao P :A →[0,1] que satisfaz as seguintes propriedades:
1. P(∅) = 0,P(Ω) = 1
2. (additividade finita) SeA,B∈ As˜ao conjuntos disjuntos, ent˜ao
P(A∪B) =P(A) +P(B)
2’. (additividade infinita) Se A1,A2, . . .∈ As˜ao conjuntos disjuntos, ent˜ao
P
[
i≥1
Ai
=X
i≥1
P(A1)
A trinca (Ω,A,P) ´e dita ser o espa¸co de probabilidade, ou modelo probabil´ıstico.
Probabilidade definida sobre A = 2
ΩPodemos sempre definir uma medida de probabilidade para todo o subconjunto de Ω?
I Quando Ω ´e enumer´avel podemos definir uma medida de probabilidade sobre 2Ω.
I Quando Ω n˜ao for enumer´avel, a medida de probabilidade n˜ao pode ser definida de forma consistente para todos os
elementos de 2Ω.
Detalhes destes problemas s˜ao abordados em um curso de teoria da medida ou probabilidade avan¸cada.
Propriedades da probabilidade
Seja (Ω,A,P) um espa¸co de probabilidade. Mostre que:
I Para A∈ A, temos 0≤P(A)≤1.
I Se A∈ A, ent˜aoP(Ac) = 1−P(A).
I Se A⊆B, A,B ∈ A, ent˜aoP(B∩Ac) =P(B)−P(A)
I Se A,B ∈ A, ent˜ao P(B) =P(B∩Ac) +P(B∩A)
I Se A1,A2,A3 ∈ Aformam uma parti¸c˜ao de A∈ A, ent˜ao P(A) =P(A1) +P(A2) +P(A3). Mostre que vale para uma parti¸c˜ao formada porn conjuntos.
I Se A,B ∈ A, ent˜ao P(A∪B) =P(A) +P(B)−P(A∩B)
I Se A1, . . . ,An∈ As˜ao conjuntos disjuntos, ent˜ao P(
n
[
i=1
Ai) =
n
X
i=1
P(Ai).
Exerc´ıcio
Seja (Ω,A,P) um espa¸co de probabilidade. Assuma que
Ω ={1,2,3,4,5,6,7,8,9,10},A= 2Ω e considere P :A →[0,1]
uma medida de probabilidade tal que P({i}) = i
55 para i = 1,2, . . . ,10.
Calcule:
I P({1}),P({2,3,4,5,6,7,8,9,10})
I P({2,3,4}),P({2,3,4}c)
I P({2,3,4,5,6} ∩ {5}c)
Exemplo Geral
Seja Ω ={x1,x2,x3, . . . ,xn} e A= 2Ω. SejaP :A →[0,1] uma medida de probabilidade tal que
P({xi}) =pi
parai = 1, . . . ,n e
I Quais restri¸c˜oes os valores p1,p2, . . . ,pn devem satisfazer?
I Se A={x1}, calculeP(A) e P(Ac)
I Se A={x1,x2}, calculeP(A) e P(Ac)
I Se A⊆Ω ´e um subconjunto qualquer, calcule P(A) eP(Ac)
Probabilidade
Suponha que temos interesse no evento:
A=“congestionamento na Avenida Vital Brasil”.
Como computamos a probabilidade de ocorrer o eventoA?
1. Podemos observar o n´umero de dias que que ocorreu o eventoA em um ano.
2. Se n˜ao conseguirmos fazer o estudo anterior, podemos utilizar informa¸c˜oes de moradores dessa avenida que podem, ou n˜ao, ser baseadas em frequˆencias.
3. Caso n˜ao tenhamos informa¸c˜oes suficientes, podemos utilizar informa¸c˜oes pessoais para criar uma probabilidade sobre a ocorrˆencia do evento A.
Probabilidade condicional
Algumas vezes temos informa¸c˜oes relevantes que podem modificar o nosso conhecimento sobre o evento de interesse.
Se dizemos que:
I ´e uma sexta-feira chuvosa e o hor´ario ´e 18 horas, ent˜ao a probabilidade de ocorrer congestionamento ´e alta.
I ´e uma sexta-feira de feriado e o hor´ario ´e 18 horas, ent˜ao a probabilidade de ocorrer congestionamento ´e baixa.
I ´e um domingo ensolarado, ent˜ao a probabilidade de ocorrer um congestionamento ´e baixa.
Ou seja, dependendo da informa¸c˜ao dispon´ıvel a probabilidade de ocorrer um evento pode ser alterada.
Probabilidade condicional
Utilizamos a probabilidade condicional quanto temos informa¸c˜ao adicional.
A probabilidade de ocorrer o eventoA dado que ocorreu o evento B (ambos subconjuntos de Ω) ´e definida por
P(A|B) = P(A∩B) P(B) sempre queP(B)>0.
Probabilidade condicional - Exemplo
Suponha uma urna com 3 bolas brancas e duas bolas pretas, todas de mesmo tamanho.
O experimento consiste em retirar duas bolas aleatoriamente (sem preferˆencias) sem reposi¸c˜ao.
Qual a probabilidade de retirarmos uma bola branca na segunda retirada (utilizando o princ´ıpio fundamental da contagem)?
Qual a probabilidade de retirarmos uma bola branca na segunda, dado que retiramos uma bola branca na primeira?
Probabilidade condicional - Solu¸c˜ ao
SejaAi o evento “retirar uma bola branca nai-´esima retirada”.
Note que, pelos princ´ıpios aditivo e multiplicativo, temos:
P(A1) = 3
5, P(Ac1) = 2 5 P(A1∩A2) = 3·2
5·4 = 3
10, P(Ac1∩A2) = 2·3 5·4 = 3
10 Sabemos queP(A2) =P(A1∩A2) +P(Ac1∩A2) = 103 +103 = 35. Aplicando a defini¸c˜ao, temosP(A2|A1) = P(AP(A2∩A1)
1) = 3/103/5 = 12 Calcule a probabilidade de retirarmos uma bola preta na segunda retirada e a probabilidade de retirarmos uma bola preta na segunda retirada dado que retiramos uma branca na primeira retirada.
Probabilidade condicional
SeP ´e uma medida de probabilidade tal queP(B)>0, mostre que a fun¸c˜aoP(·|B) ´e uma medida de probabilidade, ou seja, mostre que:
I P(∅|B) = 0 eP(Ω|B) = 1
I Se A1,A2 s˜ao conjuntos disjuntos, ent˜ao P(A1∪A2|B) =P(A1|B) +P(A2|B) Dica: use a defini¸c˜ao.
Ou seja, todas as propriedades de probabilidades s˜ao v´alidas para probabilidades condicionais.
Independˆ encia
Dois eventosA e B s˜ao ditos independentes sempre que P(A∩B) =P(A)P(B).
SeP(B)>0, a independˆencia pode ser definida por P(A|B) =P(A).
Independˆ encia - Propriedades
Assuma queP ´e uma medida de probabilidade:
I Se Ae B s˜ao independentes, mostre queAe Bc s˜ao independentes.
I Verifique em que situa¸c˜aoA eAc s˜ao independentes.
I Mostre que eventos disjuntos (com probabilidades
estritamente maiores que zero) s˜ao altamente dependentes.
Exemplo de independˆ encia
Considere o experimento de lan¸car uma moeda duas vezes e observar a face voltada para cima. Considerando que todos os elementos de Ω tem probabilidades iguais.
SejamAo evento “sair cara no primeiro lan¸camento” eB o evento
“sair coroa no segundo lan¸camento”.
Qual a probabilidade de ocorrer A dado que B ocorreu?
Verifique se os eventosA eB s˜ao independentes.
Exemplo de independˆ encia
Seja Ω ={1,2,3,4} e considereP uma medida de probabilidade de subconjuntos de Ω tal que
P({i}) = 1 4
para todoi = 1,2,3,4.SejamA={1,2},B ={1,3},C ={3,2}
1. Verifique seA´e independente de B 2. Verifique seB ´e independente deC 3. Verifique seC ´e independente deA
Independˆ encia para mais de dois eventos
Os eventosA1,A2, . . . ,An s˜ao ditos mutuamente independentes (independentes dois-a-dois) quando
P(Ai ∩Aj) =P(Ai)P(Aj) para todoi 6=j.
Os eventosA1,A2, . . . ,An s˜ao ditos completamente independentes (ou simplesmente independentes) quando
P
\
i∈I
Ai
=Y
i∈I
P(Ai) para todoI ⊆ {1,2, . . . ,n} e #(I)≥2.
Exemplo de independˆ encia
Seja Ω ={1,2,3,4} e considereP uma medida de probabilidade de subconjuntos de Ω tal que
P({i}) = 1 4
para todoi = 1,2,3,4.SejamA={1,2},B ={1,3},C ={3,2}
Verifique seA,B eC s˜ao (completamente) independentes.
Exerc´ıcio de independˆ encia
Considere o experimento de lan¸car dois dados diferentes e observar as faces voltadas para cima. Conside que o elementos de Ω tem probabilidades iguais de ocorrˆencia. Sejam os eventos:
A= “face ´ımpar no primeiro dado”.
B = “face par no segundo dado”.
C = “soma das duas faces ´e ´ımpar”.
Verifique se os eventos s˜ao independentes dois-a-dois e se s˜ao completamente independentes.
Atualiza¸c˜ ao de probabilidades
Suponha que conhecemosa priorias seguintes probabilidades P(Ac),P(A), P(B|A) e P(B|Ac).
Suponha que o eventoB ocorreu, um interesse seria calcular P(A|B).
Como fazemos isso?
Atualiza¸c˜ ao de probabilidades
Sabemos que:
P(A|B) = P(A∩B) P(B) e que
P(B) =P(A∩B) +P(Ac∩B) =P(A)P(B|A) +P(Ac)P(B|Ac).
Portanto:
P(A|B) = P(A)P(B|A)
P(A)P(B|A) +P(Ac)P(B|Ac) A regra acima ´e dita ser a Regra de Bayes.
Exemplo: Magalh˜ aoes e Lima (No¸c˜ oes de Probabilidade e Estat´ıstica)
Acredita-se que numa certa popula¸c˜ao, 20% de seus habitantes sofrem com algum tipo de alergia e s˜ao classificados como al´ergicos.
Sendo al´ergico, a probabilidade de ter rea¸c˜ao positiva a um certo antibi´otico ´e de 0,5. Para os n˜ao al´ergicos essa probabilidade ´e de apenas 0,05.
Uma pessoa dessa popula¸c˜ao teve rea¸c˜ao positiva ao ingerir o antibi´otico. Qual a probabilidade da pessoa: 1. ser do grupo de al´ergicos? 2. N˜ao ser do grupo de al´ergicos?
Generaliza¸c˜ ao da Regra de Bayes
Suponha queB1,B2, . . . ,Bn formam uma parti¸c˜ao de C e que A⊆C, ent˜ao
A=
n
[
i=1
(A∩Bi) comoB1,B2, . . .Bn s˜ao disjuntos temos que
A∩B1,A∩B2, . . . ,A∩Bn
tamb´em s˜ao, portanto pela aditividade da medida temos P(A) =
n
X
i=1
P(A∩Bi)
usando a defini¸c˜ao de probabilidade condicional chegamos a P(A) =
n
X
i=1
P(Bi)P(A|Bi)
Regra de Bayes geral
A regra de Bayes ´e uma ferramenta que nos ajuda a atualizar a probabilidade deBi dado um eventoA:
P(Bi|A) = P(Bi)P(A|Bi) Pn
i=1P(Bi)P(A|Bi) para todoi = 1, . . . ,n.
Exemplo: Magalh˜ aoes e Lima (No¸c˜ oes de Probabilidade e Estat´ıstica)
Suponha que um fabricante de sorvetes recebe 20% do leite utilizado de uma fazendaF1, 30% de uma fazenda F2 e 50% de outra fazendaF3.
Um ´org˜ao de fiscaliza¸c˜ao inspecionou as fazendas de surpresa e observou que 20% do leite produzido porF1 estava adulterado, enquanto que paraF2 e F3 essa propor¸c˜ao era de 5% e 2%, respectivamente.
Na ind´ustria de sorvetes os gal˜oes de leite s˜ao armazanados em um refrigerador sem a identifica¸c˜ao das fazendas.
Foi verificado, em um gal˜ao escolhido ao acaso, que o leite estava adulterado. Qual a probabilidade de ser da fazendaF1?