Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Probabilidade Condicional Muitas vezes quando realizamos um experimento temos informac¸a˜o extra sobre a ocorreˆncia de um evento. Neste caso, gostar´ıamos de utilizar esta informac¸a˜o extra para realocar probabilidades aos outros eventos. Se selecionarmos, ao acaso, um aluno da Unicamp e calculamos qual a Probabilidade dele estar cursando Ca´lculo I, uma atribuic¸a˜o razoa´vel seria: nu´mero de alunos em Ca´lculo I/ nu´mero de alunos na Unicamp. Entretanto, se soubermos que o curso no qual esta´ matriculado e´ Medicina, sabemos que a probabilidade dele fazer Ca´lculo I e´ muito menor. Exemplo 1.1 Sejam a seguinte distribuic¸a˜o de alunos em ME210/213/223 turma A Homens (H) Mulheres (F) Total Cursa˜o (C) 15 4 19 Estat´ıstica (E) 16 15 31 F´ısica (F) 6 0 6 Outros (O) 4 2 6 Total 41 21 62 Seja E : “Selecionar um aluno ao acaso” e defina os eventos: H: o aluno selecionado e´ do sexo masculino C: o aluno selecionado e´ do Cursa˜o Note que P(H) = 41/62, P (E) = 19/62, mas dentre os alunos do cursa˜o temos que a probabilidade dele ser do sexo masculino e´: 15/19. Ist e´, P(H|C) = 15/19 Exemplo 1.2 Se dois dados (um vermelho e o outro verde) sa˜o lancados, qual a probabilidade da soma ser 8 dado que o dado verde saiu 3? Dado que o dado verde teve como resultado 3, temos agora somente 6 resultados poss´ıveis: (3,1), (3,2), (3,3), (3,4), (3,5) e (3,6). 1 Como originalmente estes 6 resultados eram equiprova´veis, eles ainda deveriam conservar esta probabilidade. Definic¸a˜o 1.3 Sejam E e F dois eventos, se P(F ) > 0 enta˜o: P(E|F ) := P(E ∩ F ) P(F ) . Exemplo 1.4 Uma moeda honesta e´ lana¸da 2 vezes ao acaso. Qual a probabilidade condicional de ambos os resultados serem caras dado que o primeiro lana¸mento resultou em cara? 1 2 Exemplo 1.5 Uma urna conte´m 10 bolas brancas, 5 bolas amarelas e 10 bolas pretas. Uma bola e´ escolhida ao acaso da urna e verifica-se que na˜o e´ preta, qual a probabilidade de ser amarela? A = a bola selecionada e´ amarela B = a bola selecionada e´ preta P(A|Bc) = P(A ∩B c) P(Bc) = P(A) P(Bc) = 5/25 15/25 = 1 3 . Teorema 1.6 Teorema da Multiplicac¸a˜o 1. P(A ∩B) = P(A).P(B|A) 2. P(A1 ∩ A2 ∩ . . . ∩ An) = P(A1)P(A2|A1)P(A3|A1 ∩ A2) . . .P(An|A1 ∩ A2 ∩ . . . ∩ An−1) Exemplo 1.7 Seja um lote formado de 20 laˆmpadas defeituosas e 80 na˜o defeituosas. E: Escolhemos ao acaso duas pea¸s. 1. Qual a probabilidade de ambas serem defeituosas? Sejam os eventos: A : primeira laˆmpada e´ defeituosa 2 B : segunda laˆmpada e´ defeituosa C : ambas sa˜o defeituosas. Da´ı A ∩B = C e P(C) = P(A ∩B) = P(A)P(B|A) = 20 100 × 19 99 = 380 990 = 0, 3838... 2. Qual a probabilidade da segunda pea¸ ser defeituosa? P(B) = P(B ∩ A) + P(B ∩ Ac) = P(A)P(B|A) + P(Ac)P(B|Ac) = 20 100 × 19 99 + 80 100 × 20 99 = 20 100 Definic¸a˜o 1.8 Dizemos que os eventos A1, A2, . . . formam uma partic¸a˜o de Ω se: • A1 ∪ A2 ∪ . . . = Ω • Ai ∩ Aj = ∅ se i 6= j. Teorema 1.9 Lei da probabilidade Total. Se A1, A2, . . . formam uma partic¸a˜o de Ω enta˜o P(B) = ∞∑ k=1 P(Ak)P(B|Ak). Teorema 1.10 Teorema de Bayes. Se A1, A2, . . . formam uma partic¸a˜o de Ω enta˜o P(Ar|B) = P(Ar)P(B|Ar)∑∞ k=1 P(Ak)P(B|Ak) . 1. Uma caixa conte´m 3 moedas, duas honestas e uma de duas caras. Retirar uma moeda ao acaso e joga´-la. Qual a probabilidade condicional da moeda escolhida ter duas caras dado que o resultado final foi cara? 2. Suponha que a ocorreˆncia de chuva dependa somente das condio¸es de tempo do dia imedi- atamente anterior. Admita-se que se chove hoje chovera´ amanha˜ com probabilidade 0.7 e se 3 na˜o chove hoje chovera´ amanha˜ com probabilidade 0.4. Sabendo-se que choveu hoje, qual a probabilidade de chover depois de amanha˜? 0.7× 0.7 + 0.3× 0.4 = 0.61 3. Em um teste de mu´ltipla escolha, a probabilidade do aluno saber a resposta e´ p. Havendo m escolhas se ele sabe a resposta ele acerta, se na˜o, ele “chuta” qualquer alternativa com igual probabilidade. Qual a probabilidade do aluno saber a resposta se ele acertou a pergunta? p 1 m + p ( 1− 1 m ) 4. Um teste de laborato´rio tem 5% de falsos negativos e 1% de falsos positivos em detectar diabetes. Se a prevaleˆncia de diabetes em uma certa populac¸a˜o e´ de 0.5%, qual a probabilidade de uma pessoa ter a doenc¸a quando o teste deu positivo? (.95)(.005) (.95)(.005) + (.01)(.995) ≈ .323 4
Compartilhar