Baixe o app para aproveitar ainda mais
Prévia do material em texto
INTRODUÇÃO AOS MODELOS PROBABILÍSTICOS PROFESSOR: FELIPE FERNANDES Continuação aula passada... Regra da Multiplicação: Se em um experimento ambos os eventos A e B podem ocorrer, então: 𝑃[𝐴 ∩ 𝐵] = 𝑃[𝐴] × 𝑃[𝐵|𝐴] Mas se dois eventos forem independentes: 𝑃[𝐵|𝐴] = 𝑃[𝐵] Assim podemos compreender o seguinte teorema: Teorema: Dois eventos são independentes se e só se 𝑃[𝐴 ∩ 𝐵] = 𝑃[𝐴] × 𝑃[𝐵] De forma geral, se 𝐴1, … , 𝐴𝑛 são independentes, então: 𝑃 𝐴1 ∩⋯∩ 𝐴𝑛 =ෑ 𝑖=1 𝑛 𝑃(𝐴𝑖) Regra da Multiplicação: Essa expressão permite calcular probabilidades em espaços amostrais que são realizados em sequência, em que a ocorrência da segunda etapa depende da ocorrência da primeira etapa. Exemplo 01: Em um lote de 12 computadores, 4 estão com defeito. Dois computadores são retirados aleatoriamente um após o outro, sem reposição. Determine a probabilidade de ambos os computadores não apresentarem defeito. Experimento aleatório: Retira-se 2 computadores ao acaso, sem reposição. Definindo os eventos: A: 1º computador selecionado sem defeito (bom); B: 2º computador selecionado sem defeito (bom); 𝑃 𝑎𝑚𝑏𝑜𝑠 𝑠𝑒𝑟𝑒𝑚 𝑏𝑜𝑛𝑠 = 𝑃 𝐴 𝑒 𝐵 = 𝑃 𝐴 ∩ 𝐵 =? Observa-se que o evento B (2º computador bom) está condicionado ao resultado do evento A, para que ambos os computadores não sejam defeituosos. Assim, pela regra da multiplicação: 𝑃 𝐴 ∩ 𝐵 = 8 ด12 𝑃(𝐴) . 7 ด11 𝑃(𝐵|𝐴) = 0,424 Portanto a probabilidade de ambos os computadores não serem defeituosos é de 0,424. 1° Computador Bom Bom Defeituoso Defeituoso Bom Defeituoso 2° Computador 8 12 4 12 7 11 4 11 8 11 3 11 8 12 . 7 11 = 0,424 Exemplo 02: Em um circuito elétrico, 3 componentes são ligados em série e trabalham independentemente um do outro. As probabilidades de falharem o 1º, 2º e 3º componentes valem respectivamente 𝑝1 = 0,1, 𝑝2 = 0,1 𝑒 𝑝3 = 0,2. Qual a probabilidade de que não passe corrente pelo circuito? 𝑃 𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑎𝑟 + 𝑃 𝑛ã𝑜 𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑎𝑟 = 1 𝑃 𝑛ã𝑜 𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑎𝑟 = 1 − 𝑃 𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑎𝑟 𝑃 𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑎𝑟 = 0,9 0,9 0,8 = 0,648 𝑃 𝑛ã𝑜 𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑎𝑟 = 1 − 0,648 = 0,352 A probabilidade de que não passe corrente pelo circuito é de 35,2%. Partição do espaço amostral Definição: Uma sequencia {𝐵1, 𝐵2, 𝐵3, … , 𝐵𝑛} de subconjuntos (não vazios) de Ω é chamada de partição de Ω se 𝐵1 ∪ 𝐵2 ∪ 𝐵3 ∪⋯∪ 𝐵𝑛 = Ω e 𝐵𝑖 ∩ 𝐵𝑗 = ∅, 𝑖, 𝑗 ∈ 1, 2, … , 𝑛 , 𝑖 ≠ 𝑗 Teorema (Probabilidades Totais) Para quaisquer dois eventos A e B: 𝑃 𝐴 = 𝑃 𝐴 𝐵 𝑃 𝐵 + P A 𝐵𝑐 P(𝐵𝑐) Em geral, seja 𝐵1, … , 𝐵𝑛 uma partição de Ω: 𝑃 𝐴 = 𝑖=1 𝑛 𝑃 𝐴 𝐵𝑖 𝑃 𝐵𝑖 Teorema de Bayes Uma das relações mais importantes envolvendo probabilidades condicionais é dada pelo teorema de Bayes. A versão mais simples é dada por: 𝑃 𝐵 𝐴 = 𝑃(𝐴⋂𝐵) 𝑃(𝐴) = 𝑃 𝐵 . 𝑃(𝐴|𝐵) 𝑃(𝐴) Observa-se que temos a probabilidade inicial ou “a priori” 𝑃(𝐵) e, dada a informação de que B ocorreu, obtemos a probabilidade condicional ou “a posteriori” 𝑃(𝐴|𝐵). A forma geral do teorema de Bayes será introduzida a seguir. Teorema de Bayes Seja {𝐵1, … , 𝐵𝑛} uma partição de eventos de Ω e A um evento de Ω. Então: 𝑃 𝐵𝑖 𝐴 = 𝑃(𝐴|𝐵𝑖)𝑃 𝐵𝑖 σ𝑖=1 𝑛 𝑃(𝐴|𝐵𝑖)𝑃 𝐵𝑖 Um caso particular, considerando apenas a partição 𝐵 e 𝐵𝑐: 𝑃 𝐵 𝐴 = 𝑃(𝐴|𝐵)𝑃 𝐵 𝑃 𝐴 𝐵 𝑃 𝐵 + 𝑃(𝐴|𝐵𝑐)𝑃 𝐵𝑐 Teorema de Bayes Exemplo1: Em certo estágio de uma investigação criminal, o inspetor encarregado está 60% convencido da culpa de certo suspeito. Suponha, no entanto, que uma nova prova que mostre que o criminoso tinha certa característica (como o fato de ser canhoto, careca, ou ter cabelo castanho) apareça. Se 20% da população possuem essa característica, quão certo da culpa do suspeito o inspetor estará agora se o suspeito apresentar a caraterística em questão? Suponha que a probabilidade de o suspeito ter a característica em questão mesmo sendo inocente é igual a 0,2, isto é, o percentual da população que possui tal característica. Teorema de Bayes Solução: Vamos definir os eventos deste problema: 𝐺: o suspeito é culpado ⇒ 𝑃 𝐺 = 0,60 𝐺𝑐: o suspeito não é culpado ⇒ 𝑃 𝐺𝑐 = 0,40 𝐶: possuir a característica do criminoso ⇒ 𝑃 𝐶 = 0,20 𝑃 𝐶 𝐺 = 1; 𝑃 𝐶 𝐺𝑐 = 0,20 𝑃 𝐺 𝐶 = 𝑃(𝐶|𝐺)𝑃 𝐺 𝑃 𝐶 𝐺 𝑃 𝐺 + 𝑃(𝐶|𝐺𝑐)𝑃 𝐺𝑐 = 1(0,6) 1 0,6 + (0,2)(0,4) ≈ 0,882 A probabilidade do inspetor estar certo da culpa do suspeito caso ele apresente a caraterística em questão é de aproximadamente 88,2%. Teorema de Bayes Exemplo2: Suponha que um fabricante de medicamentos recebe 20% de todo os insumos que utiliza de uma fábrica 𝐹1, 30% de uma outra fábrica 𝐹2 e 50% de 𝐹3. Um órgão de fiscalização inspecionou as fábricas de surpresa e observou que 20% dos insumos produzido por 𝐹1 estava adulterado por adição de água, enquanto para 𝐹2 e 𝐹3, essa proporção era de 5% e 2%, respectivamente. Na indústria farmacêutica os insumos são armazenados em galões e em um refrigerador sem identificação das fábricas. Qual é a probabilidade do insumo ser proveniente da fábrica 𝐹1 dado que o insumo está adulterado? Teorema de Bayes Vamos definir os eventos deste problema: 𝐹1: insumo utilizado que vem da fábrica 𝐹1 ⇒ 𝑃 𝐹1 = 0,20 𝐹2: insumo utilizado que vem da fábrica 𝐹2 ⇒ 𝑃 𝐹2 = 0,30 𝐹3: insumo utilizado que vem da fábrica 𝐹3 ⇒ 𝑃 𝐹3 = 0,50 Seja o evento A “o insumo está adulterado”, então: 𝑃 𝐴 𝐹1 = 0,20; 𝑃 𝐴 𝐹2 = 0,05; 𝑃 𝐴 𝐹1 = 0,02 Teorema de Bayes Assim, 𝑃 𝐹1 𝐴 = 𝑃(𝐹1⋂𝐴) 𝑃(𝐴) = 𝑃 𝐹1 . 𝑃(𝐴|𝐹1) 𝑃(𝐴) Pergunta: Para um galão selecionado ao acaso, qual a probabilidade do leite está adulterado, isto é, 𝑃 𝐴 ? Observa-se que o evento A pode ser reescrito como: Teorema de Bayes Assim nosso interesse é calcular 𝑃 𝐴 Observa-se que o evento A pode ser escrito como 𝐴 = (𝐴 ∩ 𝐹1) ∪ (𝐴 ∩ 𝐹2) ∪ (𝐴 ∩ 𝐹3) Então, 𝑃(𝐴) = 𝑃[ 𝐴 ∩ 𝐹1 ∪ 𝐴 ∩ 𝐹2 ∪ 𝐴 ∩ 𝐹3 ] Como os eventos 𝐴 ∩ 𝐹1 , 𝐴 ∩ 𝐹2 e 𝐴 ∩ 𝐹3 são mutuamente exclusivos dois a dois, então 𝑃(𝐴) é dada por: 𝑃 𝐴 = 𝑃 𝐴 ∩ 𝐹1 + 𝑃 𝐴 ∩ 𝐹2 + 𝑃 𝐴 ∩ 𝐹3 Teorema de Bayes Pela regra da multiplicação, 𝑃 𝐴 é dada por 𝑃 𝐴 = 𝑃(𝐹1) 𝐴|𝐹1 + 𝑃(𝐹2) 𝐴|𝐹2 + 𝑃(𝐹3) 𝐴|𝐹3 = 0,20 . 0,20 + 0,30 . 0,05 + 0,50 . 0,02 = 0,065 Portanto, 𝑃 𝐹1 𝐴 = 𝑃(𝐹1⋂𝐴) 𝑃(𝐴) = 𝑃 𝐹1 . 𝑃(𝐴|𝐹1) 𝑃(𝐴) = 𝑃 𝐹1 . 𝑃(𝐴|𝐹1) 𝑃(𝐹1) 𝐴|𝐹1 + 𝑃(𝐹2) 𝐴|𝐹2 + 𝑃(𝐹3) 𝐴|𝐹3 = 0,6153 Slide 1: Introdução aos modelos Probabilísticos professor: Felipe Fernandes Slide 2 Slide 3 Slide 4 Slide 5 Slide 6 Slide 7: Partição do espaço amostral Slide 8: Teorema (Probabilidades Totais) Slide 9: Teorema de Bayes Slide 10: Teorema de Bayes Slide 11: Teorema de Bayes Slide 12: Teorema de Bayes Slide 13: Teorema de Bayes Slide 14: Teorema de Bayes Slide 15: Teorema de Bayes Slide 16: Teorema de Bayes Slide 17: Teorema de Bayes
Compartilhar