Baixe o app para aproveitar ainda mais
Prévia do material em texto
Estatística Probabilidades Prof. Vitor Hugo Miro Aula 3 Probabilidade Condicional A probabilidade do evento A dado que o evento B ocorreu é uma probabilidade condicional, denotada por 𝑃(𝐴 | 𝐵) que é lida como “a probabilidade de A dado B”. ▪ Definição Suponha 𝐴 e 𝐵 eventos definidos em um espaço amostral 𝑆 tal que 𝑃 𝐵 > 0. A probabilidade condicional de 𝐴 dado 𝐵 é dada por: 𝑷 𝑨|𝑩 = 𝑷(𝑨 ∩ 𝑩) 𝑷(𝑩) Probabilidade Condicional ▪ Figura. O evento B condicionado em S. Fonte: Marx e Larsen (2012) Probabilidade Condicional ▪ Exercício. Da população com idade na faixa de 16 a 21 anos, cujos indivíduos não estão no ensino superior, 13% estão desempregados, 29% abandonaram a escola no ensino médio e 6% estão desempregados e abandonaram a escola no ensino médio. Qual é a probabilidade condicional de que um membro dessa população esteja desempregado, dado que a pessoa tenha abandonado a escola no ensino médio? Probabilidade Condicional ▪ Exercício. Uma firma de consultoria econômica possui um modelo para prever recessões. O modelo prevê corretamente uma recessão com probabilidade de 80% quando ela está realmente a caminho, e com probabilidade de 10% quando ela não está a caminho. A probabilidade não condicional de a economia passar por uma recessão é de 20%. Se o modelo prevê uma recessão qual é a probabilidade de que ela realmente esteja a caminho? Probabilidade Condicional ▪ Exemplo 𝑃 𝐴 = 𝑎 𝑛 𝑃 𝐵 = 𝑏 𝑛 𝑃 𝐴 ∩ 𝐵 = 𝑐 𝑛 𝑷 𝑨|𝑩 = 𝒄 𝒃 Probabilidade Condicional ▪ Exercício. A partir de uma amostra de 100 trabalhadores residentes em áreas rurais, foram analisadas: o grau de instrução (Ensino Médio completo ou incompleto) e o tipo de atividade da ocupação (Atividade Agrícola ou não agrícola). Calcule: 𝑃 𝐴𝑡𝑖𝑣. 𝐴𝑔𝑟í𝑐𝑜𝑙𝑎 𝐸𝑀 𝑖𝑛𝑐𝑜𝑚𝑝𝑙𝑒𝑡𝑜) 𝑃 𝐴𝑡𝑖𝑣. 𝐴𝑔𝑟í𝑐𝑜𝑙𝑎 𝐸𝑀 𝑐𝑜𝑚𝑝𝑙𝑒𝑡𝑜) 𝑃 𝐴𝑡𝑖𝑣. 𝑁ã𝑜 𝐴𝑔𝑟í𝑐𝑜𝑙𝑎 𝐸𝑀 𝑖𝑛𝑐𝑜𝑚𝑝𝑙𝑒𝑡𝑜) 𝑃 𝐴𝑡𝑖𝑣. 𝑁ã𝑜 𝐴𝑔𝑟í𝑐𝑜𝑙𝑎 𝐸𝑀 𝑐𝑜𝑚𝑝𝑙𝑒𝑡𝑜) EM incompleto EM completo Total Ativ. Agrícola 48 25 73 Ativ. Não Agrícola 16 11 27 Total 64 36 100 Probabilidade Condicional É interessante notar que a probabilidade condicional satisfaz os axiomas de Kolmogorov para uma função de probabilidade. a. 𝑃 𝐴 𝐵 ≥ 0 b. 𝑃 𝐵 𝐵 = 1 c. Se 𝐴1, 𝐴2, 𝐴3, ⋯ são mutuamente exclusivos, então: 𝑃 𝐴1 ∪ 𝐴2 ∪ 𝐴3⋯|𝐵 = 𝑃 𝐴1|𝐵 + 𝑃 𝐴2|𝐵 +⋯ Para um número de eventos infinito (contável). E 𝑃 𝐴1 ∪ 𝐴2 ∪ 𝐴3⋯|𝐵 = 𝑃 𝐴1|𝐵 + 𝑃 𝐴2|𝐵 +⋯+ 𝑃 𝐴𝑘|𝐵 Para um inteiro positivo 𝑘. Probabilidade Condicional ▪ Regra do produto de probabilidade Sejam A e B eventos de 𝑆. Então 𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴|𝐵 ∙ 𝑃 𝐵 Com 𝑃 𝐵 > 0. Ou 𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐵|𝐴 ∙ 𝑃 𝐴 Com 𝑃 𝐴 > 0 Probabilidade Condicional ▪ Exercício (ANPEC, 2006) Em uma região, 25% da população são pobres. As mulheres são sobrerepresentadas neste grupo, pois constituem 75% dos pobres, mas 50% da população. Calcule a proporção de pobres entre as mulheres. 𝑃 𝑝𝑜𝑏𝑟𝑒 𝑚𝑢𝑙ℎ𝑒𝑟) =? Probabilidade Condicional ▪ Considerando 𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴|𝐵 ∙ 𝑃 𝐵 𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐵|𝐴 ∙ 𝑃 𝐴 Então 𝑃 𝐴|𝐵 = 𝑃 𝐵|𝐴 ∙ 𝑃(𝐴) 𝑃(𝐵) Probabilidade Condicional ▪ Considerando 𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴|𝐵 ∙ 𝑃 𝐵 𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐵|𝐴 ∙ 𝑃 𝐴 Então 𝑃 𝐴|𝐵 = 𝑃 𝐵|𝐴 ∙ 𝑃(𝐴) 𝑃(𝐵) Eventos independentes ▪ Definição Dois eventos A e B são independentes se a informação de ocorrência ou não de B não afeta a probabilidade de ocorrência de A. Isto é: 𝑃 𝐴 𝐵 = 𝑃 𝐴 𝑃(𝐵|𝐴) = 𝑃 𝐵 Eventos independentes ▪ PROPOSIÇÃO Os eventos A e B são independentes se, e somente se. 𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 ∙ 𝑃 𝐵 Eventos independentes De acordo com Morettin (2010), se A e B são mutuamente exclusivos, então A e B são dependentes, pois se A ocorre, B não ocorre, isto é, a ocorrência de um evento condiciona a não-ocorrência do outro. O autor reforça com um exemplo. ▪ Exercício Sejam A e B eventos tais que 𝑃 𝐴 = 0,2 e 𝑃 𝐵 = 𝑝, e 𝑃 𝐴 ∪ 𝐵 = 0,6 . Calcule 𝑝 considerando A e B: a) Mutuamente exclusivos b) Independentes Eventos independentes ▪ Proposição Se A e B são independentes, então 𝐴 e 𝐵𝐶 são independentes. 𝑃 𝐴 ∩ 𝐵𝐶 = 𝑃 𝐴 − 𝑃 𝐴 ∩ 𝐵 𝑃 𝐴 ∩ 𝐵𝐶 = 𝑃 𝐴 − 𝑃 𝐴 ∙ 𝑃 𝐵 𝑃 𝐴 ∩ 𝐵𝐶 = 𝑃 𝐴 1 − 𝑃(𝐵) = 𝑃 𝐴 ∙ 𝑃(𝐵𝐶) Eventos independentes ▪ Definição A extensão da definição de independência para três ou mais eventos não é imediata. Suponha três eventos 𝐴, 𝐵 e 𝐶, estes serão mutuamente independentes se 𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 ⋅ 𝑃 𝐵 𝑃 𝐴 ∩ 𝐶 = 𝑃 𝐴 ⋅ 𝑃 𝐶 𝑃 𝐵 ∩ 𝐶 = 𝑃 𝐵 ⋅ 𝑃 𝐶 𝑃 𝐴 ∩ 𝐵 ∩ 𝐶 = 𝑃 𝐴 ⋅ 𝑃 𝐵 ⋅ 𝑃 𝐶 Nenhuma destas definições é, por si só, suficiente. Eventos independentes ▪ Exemplo Seja o espaço amostral 𝑆 = 𝑠1, 𝑠2, 𝑠3, 𝑠4 , e 𝑃 𝑠𝑖 = 1 4 para 𝑖 = 1, 2, 3 e 4. Seja cada um dos eventos 𝐴 = 𝑠1, 𝑠2 , 𝐵 = 𝑠1, 𝑠3 , 𝐶 = 𝑠1, 𝑠4 Com 𝑃 𝐴 = 𝑃 𝐵 = 𝑃 𝐶 = 1 2 . Assim: 𝑃 𝐴 ∩ 𝐵 = 𝑃 𝑠1 = 𝑃 𝐴 ⋅ 𝑃 𝐵 = 1 4 Como para qualquer outro par de eventos. Os eventos são independentes entre si aos pares. No entanto, em conjunto, a coleção completa não é. 𝑃 𝐴 ∩ 𝐵 ∩ 𝐶 = 𝑃 𝑠1 = 1 4 ≠ 𝑃 𝐴 ⋅ 𝑃 𝐵 ⋅ 𝑃 𝐶 = 1 8 Intuitivamente, se A e B ocorrem, sabemos que C ocorreu. Eventos independentes ▪ Definição Uma coleção de eventos 𝐴1, 𝐴2, 𝐴3, ⋯ , 𝐴𝑛 são mutuamente independentes se, para qualquer subconjunto 𝐴𝑖1 , 𝐴𝑖2 , 𝐴𝑖3 , ⋯ , 𝐴𝑖k (1 < 𝑘 ≤ 𝑛) desses eventos 𝑃 𝐴𝑖1 ∩ 𝐴𝑖2 ∩ 𝐴𝑖3⋯∩ 𝐴𝑖𝑘 = 𝑃 𝐴𝑖1 ⋅ 𝑃 𝐴𝑖2 ⋅ ⋯ ⋅ 𝑃 𝐴𝑖𝑘 Em outra notação 𝑃 ሩ 𝑗=1 𝑘 𝐴𝑖𝑗 =ෑ 𝑗=1 𝑘 𝑃 𝐴𝑖𝑗 Eventos independentes ▪ Exemplo Em uma amostra de 100 trabalhadores de determinado setor, 15 possuem planos complementares de previdência. Desta amostra, 60 trabalhadores são sindicalizados. Entre os sindicalizados, 9 possuem planos de previdência complementar. Definindo o evento 𝐴 como ter plano de previdência complementar e o evento 𝐵 como ser sindicalizado. Os eventos 𝐴 e 𝐵 são independentes? 𝑃 𝐴|𝐵 = 9 60 = 0,15 𝑃 𝐴 = 15 100 = 0,15 Como 𝑃 𝐴|𝐵 = 𝑃(𝐴), os eventos são independentes. Teorema da Probabilidade Total ▪ Considere 𝐴1, 𝐴2, 𝐴3, ⋯ , 𝐴𝑛 uma partição do espaço amostral 𝑆. Ou seja: 𝑆 = 𝐴1 ∪ 𝐴2 ∪ 𝐴3,∪ ⋯∪ 𝐴𝑛 com 𝐴i ∩ 𝐴j = ∅, para 𝑖 ≠ 𝑗. Considere um evento 𝐵 dado pela união de 𝑚 eventos mutuamente exclusivos 𝐵 = 𝐴1 ∩ 𝐵 ∪ 𝐴2 ∩ 𝐵 ∪⋯∪ 𝐴𝑚 ∩ 𝐵 Teorema da Probabilidade Total 𝑃 𝐵 = 𝐴1 ∩ 𝐵 + 𝐴2 ∩ 𝐵 +⋯+ 𝐴𝑚 ∩ 𝐵 𝑃 𝐵 = 𝑃 𝐵|𝐴1 ∙ 𝑃 𝐴1 + 𝑃 𝐵|𝐴2 ∙ 𝑃 𝐴2 +⋯+ 𝑃 𝐵|𝐴𝑚 ∙ 𝑃 𝐴𝑚 𝑃 𝐵 = 𝑖=1 𝑚 𝑃 𝐴𝑖 ⋅ 𝑃 𝐵|𝐴𝑖 Este resultado é conhecido como lei da probabilidade total. Teorema de Bayes Sejam os eventos 𝐴1, 𝐴2, ⋯ , 𝐴𝑛 uma partição do espaço amostral 𝑆 e que suas probabilidades seja conhecidas. Suponha que para um outro evento 𝐵, as probabilidades 𝑃 𝐵|𝐴𝑖 para 𝑖 = 1,⋯ ,𝑚, também sejam conhecidas. Então para qualquer 𝑗 𝑃 𝐴𝑗|𝐵 = 𝑃 𝐵|𝐴𝑗 ∙ 𝑃 𝐴𝑗 σ𝑖=1 𝑚 𝑃 𝐵|𝐴𝑖 ∙ 𝑃 𝐴𝑖 𝑗 = 1, … ,𝑚 Teorema de Bayes Em particular a partição 𝑆 = 𝐴 ∪ 𝐴𝐶 resulta em 𝑃 𝐵 = 𝑃 𝐵|𝐴 ∙ 𝑃 𝐴 + 𝑃 𝐵|𝐴𝐶 ∙ 𝑃 𝐴𝐶 𝑃 𝐴|𝐵 = 𝑃 𝐴 ∩ 𝐵 𝑃(𝐵) = 𝑃 𝐵|𝐴 ∙ 𝑃 𝐴 𝑃 𝐵|𝐴 ∙ 𝑃 𝐴 + 𝑃 𝐵|𝐴𝐶 ∙ 𝑃 𝐴𝐶 Teorema de Bayes ▪ Exemplo. Suponha que 10% das mulheres que compram kits de teste de gravidez instantâneos estejam, de fato, grávidas. Para um kit de uma marca específica, se uma mulher estiver gravide, o teste fornecerá resultado positivo 96% das vezes e negativo 4% das vezes (um “falso-negativo”). Se ela não estiver grávida, o teste resultará positivo em 5% das vezes (um “falso-positivo”) e negativo 95%. Suponha que um teste resulte positivo. Qual é a probabilidade de que a mulher esteja realmente grávida? Fonte: Doane e Seward. Teorema de Bayes Teorema de Bayes ▪ 𝐺 = Grávida e 𝑃 = teste positivo Probabilidades do problema 𝑃 𝑃|𝐺 = 0,96 𝑃 𝑃|𝐺𝐶 = 0,05 𝑃 𝐺 = 0,10 Os complementos 𝑃 𝑃𝐶|𝐺 = 0,04 𝑃 𝑃𝐶|𝐺𝐶 = 0,95 𝑃 𝐺𝐶 = 0,90 Aplicando o Teorema de Bayes 𝑃 𝐺|𝑃= 𝑃 𝐺 ∩ 𝑃 𝑃(𝐵) = 𝑃 𝑃|𝐺 ∙ 𝑃 𝐺 𝑃 𝑃|𝐺 ∙ 𝑃 𝐺 + 𝑃 𝑃|𝐺𝐶 ∙ 𝑃 𝐺𝐶 = 0,96 ∙ 0,10 0,96 ∙ 0,10 + 0,05 ∙ 0,90 = 0,6809 Há 68,09% de chance de uma mulher estar grávida, caso o resultado do teste seja positivo, Fonte: Doane e Seward. Teorema de Bayes ▪ Exemplo Suponha que o geólogo de uma empresa que extrai petróleo, com base em observações superficiais, tenha estabelecido que a probabilidade de que haja petróleo, em certo lugar, é 0,2. Temos os seguintes eventos: 𝐸1 = “há petróleo” 𝐸2 = “não há petróleo” , possuem as seguintes probabilidades de ocorrência: 𝑃 𝐸1 = 0,2 𝑃 𝐸2 = 0,8 Teorema de Bayes Após o estabelecimento dessas probabilidades, o geólogo realiza um teste sísmico. Consideremos, por simplicidade, que o teste pode resultar em um dos três eventos mutuamente exclusivos: 𝐹1, 𝐹2 e 𝐹3. O resultado do teste está relacionado à existência ou não de petróleo. Suponhamos que as probabilidades condicionais sejam: 𝑃 𝐹1|𝐸1 = 0,10 𝑃 𝐹1|𝐸2 = 0,60 𝑃 𝐹2|𝐸1 = 0,40 𝑃 𝐹2|𝐸2 = 0,30 𝑃 𝐹3|𝐸1 = 0,50 𝑃 𝐹3|𝐸2 = 0,10 Teorema de Bayes ▪ Diagrama de árvore. ▪ Estas probabilidades mostram, por exemplo, que o resultado 𝐹3 é o mais provável quando há petróleo. ▪ Então, se o teste sísmico resultar em 𝐹3 , o geólogo deve determinar a probabilidade de que haja petróleo, dado que 𝐹3 ocorreu, ou seja, deve determinar a probabilidade condicional. 𝑃 𝐸1|𝐹3 = 𝑃 𝐸1 ∙ 𝑃 𝐹3|𝐸1 𝑃 𝐸1 ∙ 𝑃 𝐹3|𝐸1 + 𝑃 𝐸2 ∙ 𝑃 𝐹3|𝐸2 Teorema de Bayes 𝑃 𝐸1|𝐹3 = 𝑃 𝐸1 ∙ 𝑃 𝐹3|𝐸1 𝑃 𝐸1 ∙ 𝑃 𝐹3|𝐸1 + 𝑃 𝐸2 ∙ 𝑃 𝐹3|𝐸2 = 0,2 ∙ 0,5 0,2 ∙ 0,5 + 0,8 ∙ 0,1 = 0,56 Analogamente 𝑃 𝐸1|𝐹1 = 𝑃 𝐸1 ∙ 𝑃 𝐹1|𝐸1 𝑃 𝐸1 ∙ 𝑃 𝐹1|𝐸1 + 𝑃 𝐸2 ∙ 𝑃 𝐹1|𝐸2 = 0,2 ∙ 0,1 0,2 ∙ 0,1 + 0,8 ∙ 0,6 = 0,04 𝑃 𝐸1|𝐹2 = 𝑃 𝐸1 ∙ 𝑃 𝐹2|𝐸1 𝑃 𝐸1 ∙ 𝑃 𝐹2|𝐸1 + 𝑃 𝐸2 ∙ 𝑃 𝐹2|𝐸2 = 0,2 ∙ 0,4 0,2 ∙ 0,4 + 0,8 ∙ 0,3 = 0,25
Compartilhar