Baixe o app para aproveitar ainda mais
Prévia do material em texto
ELE2707: PROCESSOS ESTOCA´STICOS PUC-Rio Weiler A. Finamore 2007.1 PROBABILIDADE CONDICIONAL 1 PROBABILIDADE CONDI- CIONAL A probabilidade condicional e´ um conceito muito importante da Teoria da Prob- abilidade. O conceito envolve dois eventos 1, A (com P (A) > 0) e B em uma situac¸a˜o em que se sabe que o evento A ocorreu. Para ser mais espec´ıfico, considere o experimento referente ao lanc¸amento de um dado e suponha que A = {ω ∈ Ω : ω = face impar} e B = {ω ∈ Ω : ω = face 3}. Se fizermos a pergunta: “qual e´ a probabilidade de ocorrer a face 3?” sabemos que uma resposta o´bvia e´ P (B) = 1 6 . Se no entanto a pergunta fosse “qual e´ a probabili- dade de ocorrer a face 3, sabendo-se que ocorreu o evento A?”, na˜o considerar´ıamos satisfato´ria a resposta anterior. No primeiro caso esta´vamos interessados no evento B mas, a partir do momento que fomos informado que A ocorreu, o evento no qual estaremos interessados na˜o e´ mais o evento B ∈ A mas sim um novo evento, BA = B ∩ A pertencente a` famı´lia de eventos AA derivada de um novo espac¸o de amostras ΩA = A. Tudo se passa como se nossas observac¸o˜es ocorressem em um Espac¸o de Amostras reduzido, obviamente o espac¸o ΩA = A. Na verdade estes novos eventos BA = B∩A ⊆ ΩA adquirem uma nova probabil- idade, denominada probabilidade condicional e denotada por P (B|A) 2 que deve ser mensurada com a nova medida de probabilidade P (.|A) e na˜o mais a medida P (.). Para encontrar a nova medida vale observar que neste espac¸o de amostras re- duzido ΩA, sabemos responder a` pergunta “qual e´ a probabilidade de ocorrer o evento ΩA = A, sabendo-se que ocorreu o evento A?”. A resposta e´, obviamente, P (ΩA|A) = 1. E´ fa´cil entender o que foi feito: tudo se passa como se estive´ssemos criando uma nova medida de probabilidades P (.|A) = PA(.), normalizando P (.), a medida de probabilidade anterior. 1podendo-se ter B = A 2leˆ-se: probabilidade de B dado A Antes t´ınhamos que B ⊆ A eram os eventos poss´ıveis. Agora, dado que A ocorreu, os eventos poss´ıveis sa˜o apenas os eventos do tipo B∩A ⊆ A ⊆ Ω. Se antes t´ınhamos P (Ω) = 1 agora temos P (ΩA|A) = P (A|A) = P (A ∩A) P (A) = 1. Este comenta´rios conduzem naturalmente a` definic¸a˜o de P (.|A) apresentada a seguir. DEFINIC¸A˜O: Probabilidade Condicional (Def. 2.14 p.36 da apostila) P (B|A) , P (A ∩B) P (A) e´ a probabilidade condicional de um evento B dado um evento A. � E´ importante observar, que a medida de probabilidade condicional e´ tambe´m uma medida como as demais e como tal tem as mesmas caracter´ısticas — o que nos leva a afirmar: P (.|A) obedece a`s propriedades 1. P (B|A) ≥ 0 2. P (ΩA) = P (A|A) = 1 3. (a) P (A ∪B|C) = P (A|C) + P (B|C) se A ⋂ B = ∅ (b) se Aik ⋂ Ajk = ∅ ∀(ik, jk) ∈ Z + × Z+ enta˜o P ( ( ∞⋃ k=1 Aik)|C ) = ∞∑ k=1 P (Aik |C) 2 ALGUMAS PRO- PRIEDADES A seguir apresentamos uma lista com algumas propriedades importantes de P (.) 1. P (A) = 1− P (A)Propriedades 2. P (∅) = 0 3. P (A) ≤ 1 4. P (A ∪B) = P (A) + P (B)− P (AB) 5. (Regra da Cadeia) Sejam A1, A2, . . . , An eventos quaisquer tal que P (A1A2 . . . An) > 0. Enta˜o P (A1A2 . . . An) = P (A1)P (A2|A1)P (A3|A2A1) . . . P (An|An−1An−2 . . . A1) As demonstrac¸o˜es destas propriedades sa˜o simples. Antes de iniciar as demostrac¸o˜es gostaria de chamar a atenc¸a˜o para a a nova notac¸a˜o (mais compacta) que acabamos de introduzir: estamos usando a notac¸a˜o AB para representar A ∩B, i.e. AB ≡ A ∩B 1. Temos que Ω = A ∪A e como A ∩A = ∅ tem-seDemostrac¸o˜es P (Ω) = P (A ∪A) ⇒ 1 = P (A) + P (A) Q.D.E 2. ∅ = Ω Propr. 1 ⇒ P (∅) = 1− P (Ω)) Q.E.D. 3. A ∪A = Ω ⇒ P (A) + P (A) = 1 P (A) ≥ 0 ⇒ P (A) ≤ 1. Q.E.D. 4. Fac¸a como exerc´ıcio. 5. Fac¸a como exerc´ıcio. Duas outras propriedades importantes, o teorema da probabilidade total (Propr. 2.9 - p.40 apostila) e a regra de Bayes (Eq. 2.62 - p.41 apostila), sa˜o apresentadas, sem demonstrac¸a˜o a seguir. Seja A um evento e {Bj}, j = 1, . . . , m uma partic¸a˜o de Ω. Tem-se enta˜o queTeorema da Probabilidade Total P (A) = m∑ j=1 P (A|Bj)P (Bj) (1) � Examine a equac¸a˜o (1) e observe que ela mostra como obter a probabilidade do “todo” i.e., do evento A — ou seja, a probabilidade total — a partir das proba- bilidades de ocorreˆncia do evento A condicionado a`s “causas” que o provocam i.e., B1, B2, . . . , Bm (podemos ver P (A|Bi) como a probabilidade de A condicionado a` hipo´tese de que Bi e´ a sua causa). Seja, {Bj}, j = 1, . . . , m uma partic¸a˜o de Ω com P (Bj) > 0 e o evento A comRegra de Bayes P (A) > 0. Tem-se P (Bj |A) = P (Bj)P (A|Bj)∑m k=1 P (Bk)P (A|Bk) � O Teorema de Bayes ou regra de Bayes foi demonstrado em 1763. P (Bj) sa˜o conhecidas como probabilidades “a priori” (sem saber que o evento A ocorreu) e as probabilidades P (Bj |A), conhecidas como probabilidades “a posteriori” (i.e., dado que o evento A ocorreu). Os exemplos 2.8 e 2.9 (Apostila pp.42-44) ilustram uma utilizac¸a˜o destas pro- priedades. Conclu´ımos estas notas com a conceituac¸a˜o de eventos independentes. 3 INDEPEN- DEˆNCIA ES- TAT´ISTICA Dois eventos A e B sa˜o, por definic¸a˜o, estat´ısticamente independentes (Def. 2.16 - Apostila p.44) quando P (A ∩B) = P (A)P (B) Esta definic¸a˜o se extende a um conjunto arbitra´rio {A1, A2, . . . , An} de eventos. Observe que na˜o basta acontecer P (A1, A2, . . . , An) = P (A1)P (A2) . . . P (An) para que se possa dizer que os eventos {A1, A2, . . . , An} sa˜o independentes. Verifique a Definic¸a˜o 2.17 (Apostila p.45). 3 3Weiler Finamore (PE NotasDeAula03)
Compartilhar