Conceitos iniciais de probabilidade
Gilberto Pereira Sassi
Universidade Federal da Bahia Instituto de Matem ´atica e Estat´ıstica
Departamento de Estat´ıstica
Introduc¸ ˜ao: fen ˆomeno aleat ´orio, espac¸o amostral e evento.
Objetivo
Apresentar a teoria matem ´atica para avaliar/estimar/decidir usando as Informac¸ ˜oes dispon´ıveis.
Definic¸ ˜ao
1 Fen ˆomeno aleat ´orio: situac¸ ˜oes ou acontecimentos que n ˜ao podem ser previstos com certeza. Por exemplo: condic¸ ˜oes clim ´aticas em dois dias;
2 Espac¸o amostral: conjunto de todos os resultados poss´ıveis de um fen ˆomeno aleat ´orio.
Por exemplo:Ω ={cara,coroa}no lanc¸amento de uma moeda;
3 Os elementos deΩs ˜ao denominados depontos amostraise usamos a letra gregaωpara represent ´a-lo;
4 Eventos: subconjuntos deΩ. Representamos eventos por letras do alfabeto latino em mai ´usculas.
Por exemplo: Em um lanc¸amento de dado, o espac¸o amostral ´e
Ω ={1,2,3,4,5,6}e podemos considerar o eventoA={A face ´e par}.
Introduc¸ ˜ao: fen ˆomeno aleat ´orio, espac¸o amostral e evento.
Eventos
Operac¸ ˜ao com eventos
i. Uni ˜ao:A∪B={ω∈Ω|ω∈Aouω∈B};
ii. Intersecc¸ ˜ao:A∩B={ω∈Ω|ω∈Aeω∈B};
iii. Complementac¸ ˜ao:Ac={ω∈Ω|ω6∈A};
iv. SeA∩B=∅, ent ˜aoAeBs ˜ao disjuntos;
v. SeA∩B=∅eA∪B= Ω, ent ˜aoAeBs ˜ao complementares.
Probabilidade de eventos
O objetivo da teoria de probabilidade ´e atribuir um valor entre 0 e 1 que corresponde a chance do eventoAocorrer. Este valor ´e chamado de probabilidade e ´e denotado por P(A).
Introduc¸ ˜ao: fen ˆomeno aleat ´orio, espac¸o amostral e evento.
Probabilidade
Definic¸ ˜ao
Uma func¸ ˜aoP(·) ´e denominada de probabilidade se satisfaz as seguintes condic¸ ˜oes:
i. 0≤P(A)≤1 para todos os eventosA⊂Ω;
ii. P(Ω) =1 eP(∅) =0;
iii. P(A1∪A2∪ · · · ∪An) =P(A1) +P(A2) +· · ·+P(An)seAieAj s ˜ao disjuntos.
Observac¸ ˜ao: Note quenemiii.pode ser infinito.
Observac¸ ˜ao
Note queA∪Ac = ΩeA∩Ac=∅, ent ˜ao, usando o itemiii.da definic¸ ˜ao de probabilidade, temos que
P(Ω) =1=P(A∪Ac) =P(A) +P(Ac) e, consequentemente,P(Ac) =1−P(A).
Maneira de construir probabilidade Princ´ıpio da equiprobabilidade
Princ´ıpio da equiprobabilidade
Princ´ıpio da equiprobabilidade
Quando as caracter´ısticas de um fen ˆomeno aleat ´orio sugeremNresultados poss´ıveis, todos com igual probabilidade de ocorrer, a probabilidade de um eventoA, comn pontos amostrais, ´e dada por
P(A) = n N.
Exemplo
Fen ˆomeno aleat ´orio: Lanc¸amento de dados junto. Ent ˜ao espac¸o amostral:Ω ={1,2,3,4,5,6};
Evento:A={face par}={2,4,6};
Usando o princ´ıpio da equiprobabilidade, temos queP(A) = 3 6 =0,5.
Maneira de construir probabilidade Probabilidade frequentista
Probabilidade frequentista
Probabilidade frequentista
Considere um eventoAde um fen ˆomeno aleat ´orio e assuma que podemos realizar v ´arias vezes esse fen ˆomeno. Sejam N N ´umero de repetic¸ ˜oes do fen ˆomenos aleat ´orio;
n N ´umero de vezes que o eventoAfoi resultado do fen ˆomeno aleat ´orio.
Ent ˜ao, a probabilidade do eventoA´eP(A) = n N.
Exemplo
i. Fen ˆomeno aleat ´orio:lanc¸amento de um dado;
ii. Suponha que um indiv´ıduo repetiu esse fen ˆomeno aleat ´orio 100.000 vezes
Face Frequ ˆencia Proporc¸ ˜ao Porcentagem
1 16665 0,1666 16,66%
2 16622 0,1662 16,62%
3 16835 0,1683 16,83%
4 16545 0,1655 16,54%
5 16631 0,1663 16,63%
6 16702 0,1670 16,70%
Total 100.000 1,0000 100,00%
iii. P(A) =16.622+16.545+16.702
100.000 = 49.869
100.000=0,4987, em queA={face par}={2,4,6}.
Maneira de construir probabilidade Probabilidade subjetiva
Probabilidade subjetiva
Probabilidade subjetiva
O pesquisador utiliza sua experi ˆencia, seu conhecimento e sua cognic¸ ˜ao para determinar a probabilidade de um evento ocorrer.
Exemplo
Um especialista em conflitos armados pode atribuir um valor entre 0 e 1 para a tens ˜ao entre a Ir ˜a e os Estados Unidos se escalar at ´e a guerra total.
Exemplo
Um m ´edico pode atribuir uma medida entre 0 e 1 para a plausibilidade de um paciente se recuperar completamente.
Maneira de construir probabilidade Suposic¸ ˜ao te ´orica
Suposic¸ ˜ao te ´orica
Suposic¸ ˜ao te ´orica
Supomos um modelo matem ´atico para a
probabilidade dos eventos de um fen ˆomeno aleat ´orio
com notac¸ ˜ao matem ´atica P
θ(·), em que θ ´e um valor
real inferido usando a amostra, como veremos nas
pr ´oximas aulas.
Propriedades de probabilidade Regra da adic¸ ˜ao de probabilidades
Regra da adic¸ ˜ao de probabilidades P(A∪B) =P(A) +P(B)−P(A∩B)
Exemplo
Considere os calouros de engenharia divididos em duas turmas:
Sexo Turma
Total
A B
F 21 16 37
M 5 8 13
Total 26 24 50
i. Fen ˆomeno aleat ´orio: Selecione ao acaso um calouro;
ii. Eventos:F ={Calouro do sexo feminino}e{Calouro da turma B}
iii. Usando princ´ıpio da equiprobabilidade:P(F) = 37
50,P(B) =24
50eP(F∩B) = 16 50;
iv. Usando a regra da adic¸ ˜ao:
P(F∪B) =P(B) +P(F)−P(B∩F) = 37+24−16 50 =0,9.
Probabilidade condicional e independ ˆencia
Probabilidade condicional e independ ˆencia
Ideia
Alguns fen ˆomenos aleat ´orios podem acontecer ou ser estudados em etapas. A informac¸ ˜ao do que ocorreu em um determinada etapa pode influenciar nas probabilidades de ocorr ˆencia das etapas sucessivas.
Definic¸ ˜ao
SeP(B)>0, ent ˜aoP(A|B) = P(A∩B) P(B) ; SeP(B) =0, ent ˜aoP(A|B) =P(A).
Observac¸ ˜ao
Pela definic¸ ˜ao de probabilidade condicional, temos que P(A∩B) =P(A|B)P(B) =P(B|A)P(A).
Probabilidade condicional e independ ˆencia
Exemplo - continuac¸ ˜ao
Sabendo que o calouro de engenharia ´e do sexo feminino, qual a probabilidade dele ser da turmaA?
Resposta:
Eventos:F ={Calouro do sexo feminino}eA={Calouro da turma A}.
Usando o princ´ıpio da equiprobabilidade, temos queP(A∩F) = 21
50eP(F) = 37 50. Usando probabilidade condicional, temos que
P(A|F) = P(A∩F) P(F) =
21 50 37 50
=21
37 =0,57.
Probabilidade condicional e independ ˆencia
Exemplo
Um restaurante oferece apenas tr ˆes opc¸ ˜oes de pratos: salada Caesar, prato executivo com carne e prato executivo com peixe. O propriet ´ario sabe que 25% dos clientes preferem salada Caesar, 40% dos clientes preferem o prato executivo com carne e 60% dos clientes s ˜ao homens. Qual a probabilidade de um cliente escolher um prato executivo com peixe? Sabendo que entre os clientes que preferem o prato executivo com peixe 56% s ˜ao mulheres, qual a probabilidade de um homem escolher o prato executivo com peixe?
Probabilidade condicional e independ ˆencia
Exemplo - Resposta
Eventos:S={Cliente prefere salada Caesar}, C={Cliente prefere executivo com carne}, P={Cliente prefere prato executivo com peixe}, F ={Cliente do sexo feminino},
M ={Cliente do sexo masculino};
Usando a propriedade iii. da definic¸ ˜ao de probabilidade, temos que P(Ω) =1=P(S) +P(C) +P(P) =0,25+0,4+P(P) e, ent ˜ao,P(P) =1−0,65=0,35.
Usando probabilidade condicional, temos que P(P|M) = P(P∩M)
P(M) =P(M|P)P(P)
P(M) =0,44·0,35
0,6 =0,25.
Probabilidade condicional e independ ˆencia Independ ˆencia de eventos
Independ ˆencia de eventos
Ideia
As vezes, a acorr ˆencia (ou n ˜ao) do eventoBde um fen ˆomeno aleat ´orio n ˜ao afeta a ocorr ˆencia (ou n ˜ao) de eventoAde um fen ˆomeno aleat ´orio seguinte. Quando isso ocorre, dizemos que os eventos s ˜ao independentes.
Definic¸ ˜ao
Dois eventos s ˜ao independentes se a informac¸ ˜ao da ocorr ˆencia (ou n ˜ao) do eventoB n ˜ao altera a probabilidade deA, ou seja,
P(A|B) =P(A).
Observac¸ ˜ao
SeAeBs ˜ao independentes, ent ˜ao
P(A|B)P(B) =P(A)P(B) =P(A∩B)
e
P(B|A)=P(A∩B)
P(A) = P(A)P(B)
P(A) =P(B).
Probabilidade condicional e independ ˆencia Independ ˆencia de eventos
Exemplo
Uma empresa produz pec¸as em duas m ´aquinas (IeII) que podem apresentar desajustes com probabilidade 0,05 e 0,10, respectivamente. No in´ıcio do dia de operac¸ ˜ao, um teste ´e realizado e, caso a m ´aquina esteja desajustada, ela ficar ´a sem operar nesse dia passando por revis ˜ao t ´ecnica. Suponha que as duas n ˜ao sofrem interfer ˆencia uma da outra. Qual a probabilidade de pelo menos uma m ´aquina funcionar? Qual a probabilidade das duas m ´aquinas precisarem de ajuste no mesmo dia?
Probabilidade condicional e independ ˆencia Independ ˆencia de eventos
Exemplo - soluc¸ ˜ao
Eventos:O1={M ´aquina I est ´a desajustada}e O2={M ´aquina II est ´a desajustada};
Probabilidade:P(O1) =0,05 eP(O2) =0,1;
O evento pelo menos uma m ´aquina funciona ´e descrito porO1c∪O2c, isto ´e, P[O1c∪O2c)] =P(O1c) +P(O2c)−P(O12∩O2c)
= (1−P(O1)) + (1−P(O2))−P(O1c)P(O2c)
= (1−0,05) + (1−0,1)−(1−0,05)·(1−0,1) =0,995.
Note que
P(Ω) =1=P
O1c∪O2c [
O1c∪Oc2c
=P O1c∪O2c
+P((O1∩O2))
e, ent ˜ao,P(O1∩O2) =1−0,995=0,005.
Probabilidade condicional e independ ˆencia Teorema da probabilidade total
Partic¸ ˜ao
Os eventosC1, . . . ,Ck formam uma partic¸ ˜ao do espac¸o amostralΩse
i. Ci∩Cj=∅sei6=j, ou seja,CieCjs ˜ao disjuntos;
ii. C1∪C1∪ · · · ∪Ck = Ω.
Figura 1:Ilustrac¸ ˜ao de uma partic¸ ˜ao.
C1
C2 C3
C4
Ω
Probabilidade condicional e independ ˆencia Teorema da probabilidade total
Teorema da probabilidade total
ConsidereC1,C2, . . . ,Ck uma partic¸ ˜ao deΩe o eventosA⊂Ω, ent ˜ao P(A) =P(A|C1)P(C1) +P(A|C2)P(C2) +· · ·+P(A|Ck)P(Ck).
Figura 2:Ilustrac¸ ˜ao – Teorema de probabilidade total.
C1
A
C2 C3
C4
Ω
Probabilidade condicional e independ ˆencia Teorema da probabilidade total
Exemplo
Suponha que um fabricante de sorvetes recebe 20% de todo o leite que utiliza fazenda F1, 30% da fazendaF2e 50% da fazendaF3. A ANVISA inspecionou as fazendas de surpresa e observou que 20% do leite produzido porF1estava adulterado com ´agua, enquanto queF2eF3essa era de 5% e 2%, respectivamente. Na planta industrial da fabricante de sorvetes, os gal ˜oes de leite s ˜ao armazenados sem identificac¸ ˜ao de origem. Para um gal ˜ao escolhido ao acaso, qual a probabilidade do leite estar adulterado?
Probabilidade condicional e independ ˆencia Teorema da probabilidade total
Exemplo - soluc¸ ˜ao
Eventos:A={Gal ˜ao adulterado},F1={Gal ˜ao da fazendaF1}, F2={Gal ˜ao da fazendaF2}eF3={Gal ˜ao da fazendaF3};
Probabilidades:
P(A|F1) =0,2 P(F1) =0,2 P(A|F2) =0,05 P(F1) =0,3 P(A|F3) =0,02 P(F3) =0,5 Usando o teorema da probabilidade total, temos que
P(A) =P(A|F1)P(F1) +P(A|F2)P(F2) +P(A|F2)P(F3)
=0,2·0,2+0,05·0,3+0,02·0,5
=0,065.
Probabilidade condicional e independ ˆencia Teorema de Bayes
Teorema de Bayes
Ideia
Conhecendo as probabilidadesP(A|B),P(A)eP(B), desejamos calcular a probabilidadeP(B|A).Interpretac¸ ˜ao: seA´e um sintoma eB´e um doenc¸a, um m ´edico deseja calcular a probabilidade do paciente ter a doenc¸aBse o paciente tem o sintomaA, isto ´e,P(B|A).
Teorema de Bayes
ConsidereC1,C2, . . . ,Ckuma partic¸ ˜ao do espac¸o amostralΩe sejaA⊂Ωum evento. Assuma que conhecemos as probabilidades P(A|C1),P(A|C2), . . . ,P(A|Ck),P(C1),P(C2), . . . ,P(Ck). Ent ˜ao,
P(Cj|A) =
P(A|Cj)P(Cj)
P(A|C1)P(C1) +P(A|C2)P(C2) +· · ·+P(A|Ck)P(Ck) .
em quej=1, . . . ,k.
Interpretac¸ ˜ao
Suponha queC1, . . . ,Cks ˜ao defeitos ou falhas que apresentam o mal funcionamentoAde um determinado equipamento. Assuma que conhecemos as probabilidades do equipamento com o defeitoCiter o mal funcionamentoA:P(A|C1), . . . ,P(A|Ck)e a probabilidade do equipamento ter o defeito Ci:P(C1), . . . ,P(Ck). Ent ˜ao, se o equipamento tem o mal funcionamentoA, ele tem o defeitoCicom probabilidade
P(Ci|A) = P(A|Ci)P(Ci)
P(A|C1)P(C1) +P(A|C2)P(C2) +· · ·+P(A|Ck)P(Ck) ,
parai=1, . . . ,k.
Probabilidade condicional e independ ˆencia Teorema de Bayes
Exemplo
Suponha que um fabricante de sorvetes recebe 20% de todo o leite que utiliza fazendaF1, 30% da fazendaF2e 50% da fazenda F3. A ANVISA inspecionou as fazendas de surpresa e observou que 20% do leite produzido porF1estava adulterado com ´agua, enquanto queF2eF3essa porcentagem era de 5% e 2%, respectivamente. Na planta industrial da fabricante de sorvetes, os gal ˜oes de leite s ˜ao armazenados sem identificac¸ ˜ao de origem. A equipe do controle de qualidade testou um gal ˜ao e verificou que ele est ´a adulterado, qual a probabilidade dele ser proveniente da fazendaF1?
Soluc¸ ˜ao:
Eventos:A={Gal ˜ao adulterado},F1={Gal ˜ao da fazendaF1},F2={Gal ˜ao da fazendaF2}e F3={Gal ˜ao da fazendaF3};
Probabilidades:
P(A|F1) =0,2 P(F1) =0,2 P(A|F2) =0,05 P(F1) =0,3 P(A|F3) =0,02 P(F3) =0,5 Usando o Teorema de Bayes, temos que
P(F1|A) = P(A|F1)P(F1)
P(A|F1)P(F1) +P(A|F2)P(F2) +P(A|F3)P(F3)
= 0,2·0,2
0,2·0,2+0,05·0,3+0,02·0,5=0,62.