Baixe o app para aproveitar ainda mais
Prévia do material em texto
Curso: Engenharia Civil Disciplina: Estatística (ESTE2) Prof. Rodrigo Cleber da Silva Aula 11 11 – Probabilidade 11.5 Teorema de Bayes Uma das relações mais importantes envolvendo probabilidades condicionais é dada pelo teorema de Bayes, que expressa uma probabilidade condicional em termos de outras probabilidades condicionais e marginais. Vamos introduzi-lo através de um exemplo. Exemplo: Temos 5 urnas exatamente iguais, cada uma com 6 bolas. Duas dessas urnas (tipo C1) têm 3 bolas brancas, duas outras (tipo C2) têm 2 bolas brancas, e a última urna (tipo C3) tem 6 bolas brancas. Escolhemos uma urna ao acaso e dela retiramos uma bola. Qual a probabilidade da urna escolhida ser do tipo C3, sabendo-se que a bola sorteada é branca? 11 – Probabilidade 11.5 Teorema de Bayes Na figura abaixo estão esquematizados o espaço amostral e os eventos de interesse. 11 – Probabilidade 11.5 Teorema de Bayes Queremos encontrar P(C3|B), sabendo que Da definição de probabilidade condicional, temos: 11 – Probabilidade 11.5 Teorema de Bayes Precisamos agora encontrar o valor de P(B), já que o numerador é conhecido. Como C1, C2 e C3 são eventos mutuamente exclusivos, e reunidos formam o espaço amostral completo, podemos decompor o evento B, na união de três outros, mutuamente exclusivos, ou seja: e então 11 – Probabilidade 11.5 Teorema de Bayes Substituindo este resultado na equação de P(C3|B), obtemos: Podemos agora generalizar os resultados acima do seguinte modo: seja {C1, C2, ..., Cn} uma partição do espaço amostral S, isto é, E consideremos A um evento qualquer. Também são conhecidos P(Ci) e P(A|Ci) para i = 1, 2,...., n. Então, temos o seguinte resultado, ilustrado pela figura a seguir. 11 – Probabilidade 11.5 Teorema de Bayes Teorema de Bayes – A probabilidade de ocorrência de um dos eventos Ci, dado que ocorreu o evento A, é dado por: onde , i = 1, 2, ..., n. 11 – Probabilidade 11.5 Teorema de Bayes Exemplo: Para selecionar seus funcionários, uma empresa oferece aos candidatos um curso de treinamento durante uma semana. Ao final, eles são submetidos a uma prova e 25% são classificados como bons (B), 50% como médios (M) e os restantes 25% como fracos (F). Como medida de economia, o departamento de seleção pretende substituir o treinamento por um teste contendo perguntas envolvendo conhecimentos gerais e específicos. Mas, para isso, gostaria de conhecer qual a probabilidade de que um indivíduo aprovado no teste fosse considerado fraco, caso fizesse o curso. Assim, nesse ano antes do início do curso, os candidatos foram submetidos ao teste e, de acordo com os resultados, receberam o conceito aprovado (A) ou reprovado (R). Ao final do curso, obtiveram as seguintes probabilidades condicionais: 11 – Probabilidade 11.5 Teorema de Bayes Exemplo: Queremos encontrar P(F|A), e pelo teorema de Bayes esta é dada por Então, apenas 10% dos aprovados é que seriam classificados como fracos durante o curso. De modo análogo, podemos encontrar: que seriam subsídios valiosos para ajudar a decisão de substituir o treinamento pelo teste. 11 – Probabilidade 11.7 Abordagem tabular do Teorema de Bayes O cálculo de uma probabilidade condicional pelo Teorema de Bayes, muitas vezes é facilitado utilizando-se uma abordagem tabular. Nessa abordagem uma tabela com cinco colunas será montada. Os passos para a sua montagem são os seguintes: (1º) Na 1ª coluna são colocados os eventos mutuamente exclusivos para os quais as probabilidades posteriores são desejadas (Ai). (2º) Na 2ª coluna são colocadas as probabilidades prévias para esses eventos (P(Ai)). (3º) Na 3ª coluna são colocadas as probabilidades condicionais da nova informação dada para cada evento (P(B|Ai)). 11 – Probabilidade 11.7 Abordagem tabular do Teorema de Bayes (4º) Na 4ª coluna são calculadas as probabilidades associadas para cada um dos eventos e a nova informação B, usando-se a lei da multiplicação. Essas probabilidades associadas são encontradas multiplicando-se as probabilidades prévias na coluna 2 pelas probabilidades condicionais na coluna 3, isto é, (5º) É feita, então, a soma das probabilidades associadas na coluna 4. A soma é a probabilidade da nova informação P(B). (6º) Na 5ª coluna, calcular as probabilidades posteriores usando a relação básica de probabilidade condicional: 11 – Probabilidade 11.7 Abordagem tabular do Teorema de Bayes No exemplo anterior, aplicando-se essa abordagem, teremos a seguinte a tabela: 11 – Probabilidade 11.7 Abordagem tabular do Teorema de Bayes OBSERVAÇÕES: - O teorema de Bayes é usado extensivamente nas análises de decisões. As probabilidades prévias são frequentemente estimativas subjetivas fornecidas por um tomador de decisão. A informação amostral é obtida e as probabilidades posteriores são calculadas para uso no desenvolvimento de uma estratégia de decisão. - Um evento e seu complemento são mutuamente exclusivos e suas uniões formam uma partição. Assim, o teorema de Bayes é sempre aplicável para o cálculo das probabilidades posteriores de um evento e seu complemento. 11 – Probabilidade 11.7 Abordagem tabular do Teorema de Bayes Exercícios: 1 - A probabilidade do time de futebol São Paulo ganhar uma partida quando chove é de 0,7 e quando não chove é de 0,8. No mês de setembro passado, a probabilidade de chuva foi de 0,6. Sabendo-se que o São Paulo jogou uma partida em setembro e ganhou, qual a probabilidade de ter chovido no dia desse jogo? 11 – Probabilidade 11.7 Abordagem tabular do Teorema de Bayes Exercícios: 2 - M. D. Computing (maio de 1991) descreve o uso do teorema de Bayes e o uso da probabilidade condicional no diagnóstico médico. As probabilidades prévias de doenças são baseadas na avaliação dos médicos de variáveis tais como localização geográfica, influência sazonal, ocorrência de epidemias e assim por diante. Suponha que se acredite que um paciente tenha uma de duas doenças, denotadas como D1 e D2 com P(D1) = 0,60 e P(D2) = 0,40 , e que a pesquisa médica tenha determinado a probabilidade associada com cada sintoma que pode acompanhar as doenças. Suponha que, dadas as doenças D1 e D2, as probabilidades de que o paciente terá os sintomas S1, S2 ou S3 são como segue: 11 – Probabilidade 11.7 Abordagem tabular do Teorema de Bayes Exercícios: Depois que constatar que um certo sintoma esteja presente, o diagnóstico médico pode ser auxiliado encontrando-se as probabilidades revisadas de cada doença em particular. Calcule as probabilidades posteriores de cada doença dadas as seguintes constatações médicas: a) O paciente tem o sintoma S1. b) O paciente tem o sintoma S2. c) O paciente tem o sintoma S3. 11 – Probabilidade 11.7 Abordagem tabular do Teorema de Bayes Exercícios: 3 - Uma companhia produz circuitos integrados em três fábricas, I, II e III. A fábrica I produz 40% dos circuitos, enquanto a II e a III produzem 30% cada uma. As probabilidades de que um circuito integrado produzido por estas fábricas não funcione são 0,01, 0,04 e 0,03, respectivamente. Escolhido um circuito da produção conjunta das três fábricas, qual a probabilidade do mesmo não funcionar?
Compartilhar