ESTATÍSTICA E
PROBABILIDADE
PROF. ÁTILA
TEORIA DA PROBABILIDADE
PRINCIPAIS TEOREMAS
Aula 05Apostila Probabilidade – Ana Farias Capítulos 3 e 4
Probabilidade Condicional
Exemplo (apostila – introdução)• Considere o lançamento de um dado honesto. Ω = {1,2,3,4,5,6}
a. Qual a probabilidade de obter uma face par ?
𝑃 "𝑓𝑎𝑐𝑒 𝑝𝑎𝑟" = 3 6 b. Qual a probabilidade de sair face 2?
𝑃 "𝑓𝑎𝑐𝑒 2" = 1 6
Probabilidade Condicional
Exemplo (apostila – introdução)• Considere o lançamento de um dado honesto. Ω = {1,2,3,4,5,6}
c. Suponha que ao lançar o dado sabemos que saiu face par, qual a probabilidade de ter saído face 2?
Nosso espaço amostral foi reduzido Ω′ = {2,4,6} 𝑃 "face 2" "face par" = 1
Probabilidade Condicional
Definição
Sejam 𝐴 e 𝐵 eventos. A probabilidade condicional do
evento 𝐴, dada a ocorrência do evento 𝐵, é:
𝑃 𝐴 𝐵 =
𝑃 𝐴 ∩ 𝐵
𝑃(𝐵)
Produto das Probabilidades
𝑃 𝐴 𝐵 =
𝑃(𝐴 ∩ 𝐵)
𝑃(𝐵)
⇒
⇒ 𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐵 . 𝑃 𝐴 𝐵
Produto das Probabilidades
Exemplo (3.5 – apostila)
Considere que duas cartas de um baralho (13 cartas de cada um dos naipes copas, paus, ouros, espadas) sejam extraídas, sem
reposição, uma depois da outra. Qual é a probabilidade de:
a. nenhuma das duas ser de copas? (55,88 %)
b. pelo menos uma carta ser de copas? (44,12 %)
Produto das Probabilidades
Exemplo (3.4 - apostila)Se um avião está presente em determinada área, um radar detecta sua presença com probabilidade 0,99. No entanto, se o avião não está presente, o radar detecta erradamente a presença de um avião com probabilidade 0,02. A probabilidade de um avião estar presente nessa área é de 0,05.
a. Qual é a probabilidade de um falso alarme? (1,9%)
b. Qual é a probabilidade de o radar deixar de detectar um avião? (0,05 %)
Produto das Probabilidades
Exemplo (3.4 - apostila) Cada nó corresponde à ocorrência de um evento condicionado à ocorrência de todos os eventos representados pelos nós anteriores no caminho correspondente. 𝐷: 𝑟𝑎𝑑𝑎𝑟 𝑑𝑒𝑡𝑒𝑐𝑡𝑎 𝑎𝑣𝑖ã𝑜 𝐴: 𝑎𝑣𝑖ã𝑜 𝑒𝑠𝑡á 𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑒Produto das Probabilidades
Exemplo (3.6 apostila)Suponhamos agora a extração de três cartas sem reposição e o evento “nenhuma carta de copas”. Como podemos
generalizar a regra da multiplicação para esse caso?
𝑃 𝐶1 ∩ 𝐶2 ∩ 𝐶3 = 𝑃 𝐶1 × 𝑃 𝐶2 𝐶1 × 𝑃 𝐶3 𝐶1 ∩ 𝐶2 = = 39 52 × 38 51 × 37 50 = 41,35%
Produto das Probabilidades
Exercício 12 (capítulo 5)
Quatro bolsas de estudo serão sorteadas entre 30 estudantes, dos quais 12 são do sexo masculino e 18 são do sexo feminino. Qual a probabilidade de que haja entre os sorteados:
a. uma pessoa do sexo masculino? (35,73%)
b. no máximo uma pessoa do sexo feminino? (16,26%)
Eventos Independentes
Dois eventos A e B são independentes se
𝑃 𝐴 𝐵 = 𝑃 𝐴
⇔
Eventos Independentes
Exemplo (3.5 editado – apostila)Considere que duas cartas de um baralho
(13 cartasde cada um dos naipes copas, paus, ouros, espadas)
sejam
extraídas, com reposição, uma depois da outra.
Qual é a probabilidade de:
a. nenhuma das duas ser de copas?
(56,25 %)
b. pelo menos uma carta ser de copas?
(43,75 %)Eventos Independentes
Exemplo (seção 3.2 introdução – apostila)
Considere novamente um baralho usual, com 52 cartas, 13 de cada naipe, do qual será retirada uma carta. Vamos
definir os seguintes eventos:
C = “carta é de copas” R = “carta é um rei”
V = “carta é vermelha (copas ou ouro)”
Vale
• 𝑃 𝑅 𝐶 = 𝑃 𝑅 ⇒ então 𝑅 e 𝐶 são independentes
Eventos Independentes
Exemplo
Qual a probabilidade de ocorrência de 2 caras após
10 lançamentos de uma moeda?
𝑃 𝐴 = 10
21
2
10= 4,39%
Teorema da Probabilidade Total
e Teorema de Bayes
Exemplo (4.1 – apostila)
Em uma linha de produção de certa fábrica, determinada peça é produzida em duas máquinas. A máquina 1, mais antiga, é responsável por 35% da produção, e os 65% restantes vêm da máquina 2. A partir dos dados passados e das informações do fabricante das máquinas, estima-se em 5% a proporção de peças defeituosas produzidas pela máquina 1 e em 2,5% a proporção de peças defeituosas produzidas pela máquina 2. As peças produzidas pelas duas máquinas seguem para o departamento de armazenamento e embalagem para venda posterior, sem distinção de qual máquina a produziu.
a. Qual é a proporção de peças defeituosas colocadas no mercado por essa fábrica?
b. Se um cliente identificar uma peça defeituosa, qual será a probabilidade de ela ter sido produzida pela máquina 1?
Teorema da Probabilidade Total
e Teorema de Bayes
Exemplo (4.1 – apostila)
𝑀
1: 𝑝𝑒ç𝑎 𝑝𝑟𝑜𝑑𝑢𝑧𝑖𝑑𝑎 𝑝𝑒𝑙𝑎 𝑚á𝑞𝑢𝑖𝑛𝑎 1.
𝑀
2: 𝑝𝑒ç𝑎 𝑝𝑟𝑜𝑑𝑢𝑧𝑖𝑑𝑎 𝑝𝑒𝑙𝑎 𝑚á𝑞𝑢𝑖𝑛𝑎 2 .
𝐷 = 𝑝𝑒ç𝑎 𝑑𝑒𝑓𝑒𝑖𝑡𝑢𝑜𝑠𝑎.
𝑃 𝑀
1= 0,35
𝑃 𝑀
2= 0,65
𝑃 𝐷 𝑀
1= 0,05 𝑃 𝐷 𝑀
2= 0,025
Teorema da Probabilidade Total
e Teorema de Bayes
Exemplo (4.1 – apostila)
𝑀1 𝑀2 𝐷 𝐷 𝐷 𝐷Teorema da Probabilidade Total
e Teorema de Bayes
Exemplo (4.1 – apostila)
𝑃 𝑀
1= 0,35
𝑃 𝑀
2= 0,65
𝑃 𝐷 𝑀
1= 0,05 𝑃 𝐷 𝑀
2= 0,025
a. 𝑃 𝐷 = ?
𝐷 = 𝐷 ∩ 𝑀1 ∪ (𝐷 ∩ 𝑀2) 𝑃 𝐷 = 𝑃 𝐷 ∩ 𝑀1 + 𝑃(𝐷 ∩ 𝑀2) 𝑃 𝐷 = 𝑃 𝑀1 𝑃 𝐷 𝑀1 + 𝑃 𝑀2 𝑃 𝐷 𝑀2 = 0,03375 𝑀1 𝑀2 𝐷 𝐷 𝐷 𝐷Teorema da Probabilidade Total
e Teorema de Bayes
Exemplo (4.1 – apostila)
𝑃 𝑀
1= 0,35
𝑃 𝑀
2= 0,65
𝑃 𝐷 𝑀
1= 0,05 𝑃 𝐷 𝑀
2= 0,025
b. 𝑃 𝑀
1|𝐷 = ?
𝑃 𝑀1 𝐷 = 𝑃(𝑀1∩𝐷) 𝑃(𝐷) 𝑃 𝑀1 𝐷 = 𝑃 𝑀1 𝑃(𝐷|𝑀1) 𝑃 𝑀1 𝑃(𝐷|𝑀1)+𝑃 𝑀2 𝑃(𝐷|𝑀2) 𝑃 𝑀1 𝐷 = 51,85% 𝑀1 𝑀2 𝐷 𝐷 𝐷 𝐷Teorema da Probabilidade Total e
Teorema de Bayes
• Relacionar probabilidade de eventos com probabilidade condicional.
• Sejam 𝐵1, 𝐵2, … , 𝐵𝑛 eventos mutuamente exclusivos e exaustivos:
Teorema da Probabilidade Total
Considere 𝐴 um evento arbitrário.
𝐴 = 𝐴 ∩ 𝐵
1∪ 𝐴 ∩ 𝐵
2∪ ⋯ ∪ (𝐴 ∩ 𝐵
𝑛),
onde 𝐵
𝑖∩ 𝐵
𝑗= ∅, 𝑖 ≠ 𝑗
𝑃 𝐴 = 𝑃 𝐴 ∩ 𝐵
1+ 𝑃 𝐴 ∩ 𝐵
2+ ⋯ + 𝑃 𝐴 ∩ 𝐵
𝑛=
𝑃 𝐴 𝐵
1. 𝑃(𝐵
1)+𝑃 𝐴 𝐵
2. 𝑃 𝐵
2+ ⋯ + 𝑃 𝐴 𝐵
𝑛. 𝑃 𝐵
𝑛.
𝑃 𝐴 = 𝑃 𝐴 𝐵
𝑖. 𝑃(𝐵
𝑖)
𝑛 𝑖=1Teorema de Bayes
𝑃 𝐵
𝑗|𝐴 =
𝑃 𝐵
𝑗∩ 𝐴
𝑃(𝐴)
=
𝑃 𝐴 𝐵
𝑗𝑃 𝐵
𝑗𝑃(𝐴)
Logo
𝑃 𝐵
𝑗|𝐴 =
𝑃 𝐴 𝐵
𝑗𝑃 𝐵
𝑗𝑃 𝐴 𝐵
𝑖. 𝑃(𝐵
𝑖)
𝑛 𝑖=1Onde
𝐵𝑖 ∩ 𝐵𝑗 = ∅ e 𝐵1 ∪ 𝐵2 ∪ ⋯ ∪ 𝐵𝑛 = ΩTeorema da Probabilidade Total
e Teorema de Bayes
Exemplo (exercício 19 - editado)
Na urna I há cinco bolas vermelhas, três brancas e oito
azuis. Na urna II há três bolas vermelhas e cinco
brancas. Lança-se um dado equilibrado. Se sair três
ou seis, escolhe-se uma bola da urna I; caso contrário,
escolhe-se uma bola da urna II. Calcule a
probabilidade de:
a. sair uma bola vermelha?
(17/48)b. Ter sido sorteada a urna I, sabendo-se que a bola
Teorema de Bayes
Exemplo (4.3 – apostila)
Sabe-se que um “soro da verdade”, quando aplicado em
um suspeito, é 90% eficaz quando a pessoa é culpada e
99% eficaz quando é inocente. Um suspeito é retirado
de um grupo de pessoas em que 95% jamais
cometeram qualquer crime.
a. Qual é a probabilidade de o soro dar a resposta
certa?
(98,55%)b. Se o soro indica
“culpado”, qual é a probabilidade de
Teorema de Bayes
Exemplo (4.2 – apostila)
Em uma linha de produção de certa fábrica, determinada peça é produzida em três máquinas, que são responsáveis por 30%, 35% e 35% da produção, respectivamente. As proporções de peças defeituosas produzidas por tais máquinas são 5%, 2,5% e 2%.
a. Qual é a proporção de peças defeituosas produzidas na fábrica?
b. Se um cliente identifica uma peça defeituosa, qual é a probabilidade de que tenha sido produzida na máquina 1?
Teorema de Bayes
Exemplo (4.2 – apostila)
𝑀1= peças produzidas pela máquina 1 𝑀2= peças produzidas pela máquina 2 𝑀3= peças produzidas pela máquina 3 𝐷 = peças defeituosas.
Ω = 𝑀1 ∪ 𝑀2 ∪ 𝑀3
Teorema de Bayes
Exemplo (4.2 – apostila)
𝑃 𝑀
1= 0,3
𝑃 𝑀
2= 𝑃 𝑀
3= 0,35
𝑃 𝐷 𝑀
1= 0,05
𝑃 𝐷 𝑀
2= 0,025
𝑃 𝐷 𝑀
3= 0,02
Teorema de Bayes
Exemplo (4.2 – apostila)
a. Qual é a proporção de peças defeituosas produzidas na fábrica? Vamos calcular 𝑃(𝐷) 𝐷 = 𝐷 ∩ 𝑀1 ∪ 𝐷 ∩ 𝑀2 ∪ (D ∩ 𝑀3) 𝑃 𝐷 = 𝑃 𝐷 ∩ 𝑀1 + 𝑃 𝐷 ∩ 𝑀2 + 𝑃(D ∩ 𝑀3) 𝑃 𝐷 = 𝑃 𝐷|𝑀1 . 𝑃 𝑀1 + 𝑃 𝐷|𝑀2 . 𝑃 𝑀2 + 𝑃 𝐷|𝑀3 . 𝑃 𝑀3 𝑃 𝐷 = 0,03075