Baixe o app para aproveitar ainda mais
Prévia do material em texto
Análise de decisão 1 Teorema de Bayes Probabilidade Chega-se então ao conceito de Probabilidade: dado um espaço amostral “S” a probabilidade P(A) de um evento “A” é uma função definida em S que associa a cada evento um número real P(A), saJsfazendo os seguintes axiomas: I) 0 ≤ P(A) ≤ 1 II) P(S) = 1 (a soma de todas as probabilidades é =1) III) Se A e B forem mutuamente exclusivos, então P( A U B) = P(A) + P(B) Principais teoremas Se φ é um conjunto vazio, então, P(φ) = 0 (zero) 1) Se é o complemento de A, então P( ) = 1- P(A) 2) Se A ⊂ B, então P(A) ≤ P(B) 3) Teorema da soma: Seja A e B dois eventos quaisquer. P(A U B) = P(A) + P(B) - P(A ∩ B) Se A e B são mutuamente exclusivos P(A ∩ B) = φ e P(A U B) = P(A) + P(B) AA Probabilidade condicional Seja E : lançar um dado de 6 lados, A = {sair o número 3}. Então: P(A) = 1/6 B = { sair um número ímpar} B = {1,3,5} P(B) = 3/6 Qual a probabilidade de A, sabendo que ocorreu B? Ou qual a probabilidade de ocorrer o número 3, sabendo-se que ocorreu um número ímpar? P(A/B) = probabilidade de A, condicionada à ocorrência de B ou probabilidade de A, dado B? Probabilidade condicional Dada a informação da ocorrência de um evento, temos a redução do espaço amostral S. S = { 1,2,3,4,5,6} reduziu-se a S* = {1,3,5} com a informação que B ocorreu. Se S* = {1,3,5}, então P(A/B) = 1/3 Definição: dados dois eventos A e B, denota-se P(A/B), a probabilidade condicionado do evento A, quando B Jver ocorrido, por: P(A/B) = P(A ∩ B)/ P(B), com P(B) diferente de zero (pois B já ocorreu). Probabilidade condicional P(A/B) = P(A ∩ B)/ P(B) com P(B) diferente de zero (pois B já ocorreu). TEOREMA DO PRODUTO: P(A ∩ B) = P(B) * P(A/B) ou analogamente, P(A ∩ B) = P(A) * P(B/A) Exercício Um escritório possui 100 cadeiras. Algumas são de rodinha, outras são fixas; algumas são novas, outras são velhas. Uma pessoa entra no escritório e pega uma cadeira ao acaso, e descobre que é nova. Qual a probabilidade de que seja rodinha? Rodinhas Fixas TOTAIS Novas 40 30 70 Velhas 20 10 30 TOTAIS 60 40 100 Exercício • Olhando no quadro, quando se sabe que é nova, o espaço amostral reduz-se a 70 cadeiras. • Logo a P(rodinha) = 40/70 ou 4/7 Rodinhas Fixas TOTAIS Novas 40 30 70 Velhas 20 10 30 TOTAIS 60 40 100 Exercício Aplicando o teorema do produto • P(A ∩ B) = P(B) * P(A/B) ou P(A/B) = P(A ∩ B)/ P(B) • A: ter rodinha P(A) = 60/100 = 6/10 • B: ser nova P(B) = 70/100 = 7/10 P(A/B) = P(A ∩ B)/ P(B) P(A/B) = (40/100)/ (70/100)è 4/7 Rodinhas Fixas TOTAIS Novas 40 30 70 Velhas 20 10 30 TOTAIS 60 40 100 Probabilidade condicional Força policial = 1200 oficiais, 960 homens e 240 mulheres Nos úlJmos 2 anos, 324 foram promovidos, 288 homens e 36 mulheres Homens (H) Mulheres (M) TOTAIS Promovidos (PR) 288 36 324 Não promovidos (NP) 672 204 876 TOTAIS 960 240 1200 Probabilidade condicional Força policial = 1200 oficiais, 960 homens e 240 mulheres Nos úlJmos 2 anos, 324 foram promovidos, 288 homens e 36 mulheres Homens (H) Mulheres (M) TOTAIS Promovidos (PR) 288 36 324 Não promovidos (NP) 672 204 876 TOTAIS 960 240 1200 Probabilidade condicional Força policial = 1200 oficiais, 960 homens e 240 mulheres Nos úlJmos 2 anos, 324 foram promovidos, 288 homens e 36 mulheres Homens (H) Mulheres (M) TOTAIS Promovidos (PR) 288 36 324 Não promovidos (NP) 672 204 876 TOTAIS 960 240 1200 ! ! ∩ !" = 2881200 = 0,24 ! ! ∩ !" = 36 1200 = 0,03 ! ! ∩ !" = 6721200 = 0,56 ! ! ∩ !" = 204 1200 = 0,17 Probabilidade condicional – tabela de probabilidades cruzadas Homens (H) Mulheres (M) TOTAIS Promovidos (PR) 0,24 0,03 0,27 Não promovidos (NP) 0,56 0,17 0,73 TOTAIS 0,8 0,2 1 Probabilidades associadas Probabilidades marginais Probabilidade condicional Homens (H) Mulheres (M) TOTAIS Promovidos (PR) 0,24 0,03 0,27 Não promovidos (NP) 0,56 0,17 0,73 TOTAIS 0,8 0,2 1 Probabilidades associadas Probabilidades marginais P(H) P(M) P(PR) P(NP) P(H ∩ PR) P(M∩ PR) P(H ∩ NP) P(M ∩ NP) MAS, e P(PR/H) = ??? P(PR/M) = ??? A informação que o promovido é homem ou mulher, reduz o espaço amostral, ou seja reduz a incerteza Probabilidade condicional Homens (H) Mulheres (M) TOTAIS Promovidos (PR) 0,24 0,03 0,27 Não promovidos (NP) 0,56 0,17 0,73 TOTAIS 0,8 0,2 1 Para calcular diretamente da tabela P(PR/H) = ??? P(PR/M) = ??? A informação que o promovido é homem ou mulher, reduz o espaço amostral, ou seja reduz a incerteza P(PR/H) = 288/960 = 0,3 ou P(PR/H) = 0,24/0,8 = 0,3 P(PR/M) = 36/240 = 0,15 ou P(PR/M) = 0,03/0,2 = 0,15 Homen s (H) Mulhere s (M) TOTAIS Promovidos (PR) 288 36 324 Não promovidos (NP) 672 204 876 TOTAIS 960 240 1200 Teorema de Bayes Probabilidades prévias Novas informa- ções Aplicação do Teorema de Bayes Probabili- dades posteriores Árvore de probabilidades Homens Mulheres Não Promovidos Promovidos Não Promovidos (H, NP) (M, PR) (M, NP) Promovidos (H, PR) Árvore de probabilidades P(H)= 0,8 P(M) = 0,2 P(NP/H)= 0,7 P(PR/M)= 0,15 P(NP/M)=0,85 P(H ∩ NP) = P(H) * P(NP/H) 0,8 * 0,7 = 0,56 P(M ∩ PR) = P(M)* P(NP/M) 0,2 * 0,15 = 0,03 P(M ∩ NP) = P(M) * P(NP/M) 0,2 * 0,85 = 0,17 P(PR/H) = 0,3 P(H ∩ PR) = P(H)*P(PR/H) 0,8 * 0,3 = 0,24 Teorema de Bayes Da árvore: P(H ∩ NP) = P(H) * P(NP/H) P(NP/H) = P(H ∩ NP) / P(H) Analogamente, podemos escrever: P(H/NP)= = P(H ∩ NP) / P(NP) Do diagrama ao lado P(NP) = P(H ∩ NP) + (M ∩ NP) P(NP) = P(H)*P(NP/H) + (P(M)*P(NP/M) H M H NP PR PR Teorema de Bayes • Extensão de probabilidades condicionais, quando o espaço amostral é parJdo em eventos complementares ! !/!" = ! ! .!(!"/!)! ! .! !"/! + ! ! .!(!"/!) ! !!/! = ! !! .!(!/!!)! !! .! !/!! + ! !! .! !/!! +⋯+ ! !" .!(!/!") Genericamente.... Exercícios • Usando o teorema de Bayes, calcular a probabilidade posterior de • Dada a informação que um determinado oficial não foi promovido, qual probabilidade de que seja homem? De que seja mulher? Exercícios Uma fábrica recebe peças de 2 diferentes fornecedores A1: evento quando a peça é do fornecedor 1 A2: evento quando a peça é do fornecedor 2 Atualmente, 65% das peças são compradas do fornecedor 1 e 35% do fornecedor 2. A avaliação da qualidade das peças, revela que historicamente, do fornecedor 1, 98% das peças são boas e 2% ruins. Do fornecedor 2, 95% são boas e 5% ruins. a) Construa a árvore de probabilidades b) Calcule: P(A1 ∩ B), P (A1 ∩ R), P(A2 ∩ B) e P (A2 ∩ R) c) Deduza o teorema de Bayes para P(A1/R) e P(A2/B) A1 A2 RUINS BOAS RUINS (A2, R) (A1, B) (A2, R) BOAS (A1, B)
Compartilhar