Metrologia Monica Barros Aula 2

Estatstica para Metrologia
Definies bsicas
Introduo Probabilidade
Aula 2
Mnica Barros, D.Sc.
Mar
Maro de 2008
monica@
monica@ele.pucele.puc-rio.br
Probabilidades Introduo
monica@
Probabilidades Introduo
Probabilidade faz parte do nosso dia a dia,

por exemplo:
A previso da meteorologia de (grande
chance de) chuvas ao final do dia
O Flamengo possui (MUITAS!!!) chances
matemticas de chegar final
A probabilidade do candidato XYZ chegar ao
2o. Turno das eleies presidenciais
pequena...
A probabilidade da taxa SELIC cair na prxima
reunio do COPOM alta...
Em resumo: estamos SEMPRE falando sobre

probabilidades no nosso dia a dia, resta saber
como quantific-las, e quais os MODELOS mais
comuns na prtica.
Na terminologia usual, a probabilidade reflete a

chance de um determinado evento ocorrer.
Quanto maior a probabilidade, maior a chance de
ocorrncia de um acontecimento.
monica@
IMPORTANTE: probabilidade um nmero entre

0 e 1 sempre!
monica@
Experincia Aleatria
E por que necessrio estudar probabilidades?
Experincia Aleatria
Sempre que lidamos com experincias aleatrias, ou

seja, toda vez em que o mundo no determinstico
(quase sempre...)
Experincia aleat
aleatria
Aquela cujo resultado no pode ser conhecido antes da

realiza
realizao da mesma,
mesma por exemplo:
O resultado da jogada de um dado;

O nmero de carros que passam num posto de pedgio
num intervalo de meia hora;
A cotao do dlar em 02/03/2005;
Os nmeros que vo sair no concurso da Mega-Sena da
prxima semana;
A carga no Sudeste s 18 horas de amanh.
monica@
Espao Amostral
Total de nomes da lista telefnica do Rio de Janeiro

(???)
Valores entre R$ 1.50 e R$ 150 (cotao do dlar em
02/03/2007)
Uma moeda jogada 3 vezes, e observamos a
seqncia de caras (H) e coroas (T). O espao amostral
S = { HHH, THH, HTH, HHT, TTH, THT, HTT, TTT}
Uma lmpada fabricada e testada at queimar, e
registra-se o tempo de ocorrncia deste evento. O
espao amostral S = { x : x > 0 }
O espao amostral ser denotado aqui por S.
monica@
monica@
Evento
o conjunto de todos os poss

possveis resultados de
uma experincia aleat
aleatria.
Mas... note que, embora voc no saiba

exatamente qual o resultado da experincia
aleat
aleatria, tamb
tambm no existe ignorncia completa
sobre o assunto!!!
No exemplo da jogada do dado, claro que os
resultados possveis so {1, 2, 3, 4, 5, 6}, as
faces do dado;
No caso da Mega-Sena, o conjunto de valores
possveis so os 6 nmeros sorteados no
conjunto {0, ..., 50} e nos outros exemplos
podemos estabelecer um intervalo de valores
mximos e mnimos!
um conjunto de possveis resultados de

uma experincia, isto , um subconjunto do
espao amostral.
Nomes na lista telefnica que comecem com P e tenham
5 letras
Cotao do dlar entre R$ 3.50 e R$ 8.50 em 02/03/2007.
O evento sair 1 cara em 3 jogadas dado pelo
conjunto: { HTT, THT, TTH}
O evento lmpada durar menos de 1000 horas pode
ser expresso como: { x : 0 < x < 1000}
monica@
Evento
Propriedades de Eventos
Da definio segue diretamente que

ambos e S so eventos.
Se o espao amostral finito e possui n
elementos, ento existem 2n
subconjuntos deste espao amostral, isto
, existem 2n eventos.
claro que no podemos dizer quantos
eventos existem associados a um espao
amostral infinito.
monica@
Interse
Interseo entre os eventos A e B
Espa
Espao Amostral
Evento A
Se A e B so eventos sua interseo tambm um

evento! Isso vale tambm para a interseo entre n
eventos.
Evento B
monica@
10
Se A e B so eventos sua unio tambm um

evento! Esta propriedade vlidade tambm para a
unio de n eventos.
Se A um evento, o complemento de A, denotado

por AC ou A , tambm um evento.
unio entre os eventos A e B

Espa
Espao Amostral
Espa
Espao Amostral
Evento A
Ac
Evento B
monica@
11
monica@
12
Eventos mutuamente
exclusivos
Definio axiomtica de
probabilidade
Eventos mutuamente exclusivos os elementos de

A no pertencem a B e vice-versa, isto , A B = .
A definio axiomtica de probabilidade

encara probabilidade como uma funo
cujo domnio o espao amostral.
Logo, probabilidade uma funo que

sai de S e chega no intervalo [0,1] e
por isso precisamos saber lidar com
conjuntos, pois o espao amostral no
necessariamente numrico, como j
vimos.
Note que dois eventos complementares so mutuamente

exclusivos
Espao Amostral
monica@
13
probabilidade
qualquer
monica@
14
probabilidade
Seja A um subconjunto
amostral S.
do
espao
Podemos definir uma funo P(.) tal que, se A S,

ento P(A) a probabilidade de que o resultado da
experincia aleatria seja um elemento de A.
[0,1]
probabilidade
Esta funo P(.) "pega" elementos do espao

amostral e os leva num subconjunto dos reais, o
intervalo [0,1].
monica@
15
No entanto, nem toda funo que sai de S e chega

em [0,1] pode ser chamada de probabilidade, ela tem
que satisfazer certas condies.
monica@
16
probabilidade
probabilidade
Seja S o espao amostral e A um subconjunto

qualquer deste espao. Uma funo
de
probabilidade que atua sobre este espao
amostral satisfaz:
i) 0 P(A) 1 para todo A S
ii) P(S) = 1
iii) P(A1 A2 A3 .....) = P(A1) + P(A2) +
P(A3) + ...
onde os Ai so mutuamente exclusivos.
Esta ltima propriedade vlida, em particular,
quando existe um nmero finito de termos na
unio.
monica@
P() = 0
Para todo A S, P(Ac) = 1 - P(A) onde Ac o
complemento de A
Para todo A S, 0 P(A) 1 = P(S)
Para quaisquer A1 e A2 em S tais que A1 A2 ento
P(A1) P(A2)
monica@
P(A1 A2) = P(A1) + P(A2) se A1 e A2 forem

mutuamente exclusivos.
Estas trs propriedades definem o tipo de funo

que pode ser chamada de "probabilidade".
A princpio, existem infinitas funes que mapeiam S

em [0,1], mas para ser chamada de probabilidade,
uma funo deve satisfazer os trs requisitos
anteriores.
monica@
18
Propriedades das
Probabilidades
A partir da definio podemos derivar diversas

propriedades importantes.
Seja A um subconjunto qualquer de S e Ac o seu
complemento.
Seja P(.) uma probabilidade definida em S. As
seguintes propriedades decorrem da definio de
probabilidade:
A verso mais simples da expresso iii) ser usada

muitas vezes neste curso, e por isso a colocamos em
destaque:
17
Propriedades das
Probabilidades
19
Esta ltima propriedade resulta numa certa

ordenao" dentro do espao amostral, e diz
simplesmente que, se um evento A1 est contido
noutro, a probabilidade de A1 menor ou igual
probabilidade do evento que o contm.
A propriedade a seguir uma das mais

importantes na prtica, e nos permite calcular a
probabilidade da unio de eventos que no so
disjuntos.
monica@
20
Propriedades das
Probabilidades
Partio do Espao Amostral
Para quaisquer A1 e A2 em S:
Pr(A1 A2) = Pr(A1) + Pr(A2) - Pr(A1 A2)
Em particular, se A1 e A2 so mutuamente
exclusivos: Pr(A1 A2) = Pr(A1) + Pr(A2)
Esta propriedade s vezes chamada de

lei da adio.
formada por eventos cuja interseo nula e cuja

unio o prprio espao amostral.
Por exemplo, pessoas numa pesquisa de mercado

classificadas em classes de consumo (A, B, C, D) as
classes formam uma partio do espao amostral.
Espa
Espao Amostral
A
B
C
monica@
21
Em resumo: casos particulares

da lei da adio
22
Exemplo propriedades das

probabilidades
Eventos mutuamente exclusivos

P(A B) = P(A) + P(B), pois P(A B) = 0
Eventos complementares
P(A Ac) = P(A) + P(Ac) = 1, j que P(A Ac) = 0
Partio do espao amostral (com 3 eventos)

P(A B C) = P(A) + P(B) + P(C) = 1
monica@
D
monica@
23
Um banco possui 10 fundos de investimento. Desses,

6 so de renda fixa, 4 so corporativos e 2 so de
renda fixa e corporativos. Se escolhermos um fundo
ao acaso, qual a probabilidade dele ser de renda
fixa ou corporativo?
Soluo (evento A: renda fixa, evento B: corporativo)
Universo = 10 elementos
P(A B) = P(A) + P(B) P(A B)
P(A) = 6/10 = 0.6
P(B) = 4/10 = 0.4
P(A B) = 2/10 = 0.2
P(A B) = 0.6 + 0.4 0.2 = 0.8 ou 80%
monica@
24
Probabilidade Condicional
Como ser
ser que a probabilidade de um evento muda
ap
aps sabermos que um outro evento ocorreu? Isso
nos leva idia de probabilidade condicional.
A idia de probabilidade condicional uma das mais
importantes deste curso e est intimamente
relacionada ao fato da ocorrncia de um evento afetar
ou no a probabilidade de ocorrncia de outro evento.
Um grupo de pessoas inclui 40 com diploma de curso

superior, 20 microempresrios e 10 que so, ao mesmo
tempo, portadores de diploma do curso superior e
microempresrios.
Calcule a probabilidade de algum ser microempresrio

sabendo que ele tem diploma de curso superior.
Sejam os eventos:
A = { pessoa tem diploma de curso superior }
B = { pessoa um microempresrio }
Seleciona-se uma das 50 pessoas aleatoriamente. Ento:
25
Motiva
Motivao
Uma probabilidade condicional nada mais do que

uma probabilidade calculada no mais a partir do
espao amostral inteiro S, e sim a partir de um
subconjunto de S.
monica@
26
Pr( A ) = 40/50 , Pr( B ) = 20/50 e Pr( A B ) = 10/50

Considere o seguinte evento: a pessoa
microempresria e sabe-se que ela tem diploma de
curso superior.
A probabilidade deste evento deve ser diferente da

probabilidade da pessoa ser microempresria, por
que agora o espao amostral no consiste mais nas
50 pessoas originais, mas apenas naquelas que
possuem diploma de curso superior.
A probabilidade condicional de que uma pessoa seja

microempresria sabendo-se que ela tem diploma de
curso superior dada por:
monica@
monica@
27
P(A B) / Pr(A) = 10 /40 = 0.25
Ou, em outras palavras, devemos olhar

para as 10 pessoas na interseo dentre
as 40 pessoas com diploma de curso
superior. O nosso mundo, ao calcular a
probabilidade condicional, restringe-se s
40 pessoas que tm curso superior, e no
mais s 50 pessoas do grupo original.
monica@
28
Exemplo
Em uma amostra de 100 funcionrios de
uma empresa:
Fumantes
35 so homens e fumantes,
28 so homens e no fumantes,
17 so mulheres fumantes
20 so mulheres e no fumantes.
Qual a probabilidade de um funcionrio
escolhido ao acaso ser fumante, dado que ele
homem?
monica@
Mulheres
29
Mulheres
Homens
No
fumantes
No
fumantes
Homens
35
28
Mulheres
17
20
37
Total
52
48
100
Total
63
No
fumantes
monica@
30
Note que, quando definimos que o evento B

ocorreu (o funcionrio homem), restringimos o
espao amostral ocorrncia do evento A (o
funcionrio fumante)
O novo universo passa a ser o prprio evento B
Fumantes
Fumantes
Homens
Utilizando o nmero de elementos de cada

conjunto, temos:
Fumantes
No
fumantes
Total
Homens
35
28
63
Mulheres
17
20
37
Total
52
48
100
P(A | B) = 35/63 = 0.556
Ou empregando as probabilidades:
P(B) = 63/100 = 0.63
P(A B) = 35/100 = 0.35
P(A B)/P(B) = 0.35/0.63 = 0.556
Novo universo
P(A B)
monica@
31
monica@
32
Estes exemplos nos fizeram derivar naturamente

a probabilidade condicional do evento B dado o
evento A.
Em geral, a probabilidade do evento B dado o
evento A (ou dado que o evento A ocorreu) :
P (B | A) = P(A B)/P(A)
Analogamente: P (A | B) = P(A B)/P(B)
Estas definies s so vlidas quando os

denominadores forem diferentes de zero.
monica@
Do contrrio, A e B so eventos dependentes.
Independncia uma propriedade muito forte e

tem um impacto direto sobre as probabilidades
condicionais, como veremos a seguir.
monica@
Este resultado tambm conhecido como

Teorema da Multiplicao. Este teorema nos
permite escrever uma probabilidade condicional
em termos da probabilidade condicional
inversa, o que til quando uma delas for
difcil de calcular. Em particular:
P (B | A) =
33
P( A | B )P(B )
P ( A)
monica@
34
Dois eventos A e B so chamados de

independentes se:
Pr ( A B ) = Pr ( A ) . Pr ( B )
Ao reordenarmos as expresses anteriores

encontramos:
P(A B) = P (B | A) . P(A) = P(A | B). P(B)
Eventos Independentes
Para eventos independentes,

P(A | B) = (P(A). P(B))/P(B) = P(A)
35
Ou seja, se A e B so independentes, a ocorrncia

de B no traz qualquer informao adicional sobre
A.
Analogamente, se A e B so independentes: P(B | A)

= P(B)
Em termos bastante informais, se A e B so

independentes, um evento no tem nada a ver
com o outro!
monica@
36
Independncia e Dependncia
Renda Familiar
Nm. Cartes
Exemplo
Tomou-se uma amostra com 1000 pessoas num

shopping-center com o objetivo de investigar a
relao entre renda familiar e posse de cartes de
crdito.
A partir dos dados da prxima tabela pergunta-se:

existe independncia entre renda e posse de
cartes de crdito?
monica@
R$ 501 a R$1000
R$ 1001 a R$ 2000
> R$ 2001
260
50
20
170
100
25
80
110
45
20
60
60
530
320
150
330
295
235
140
1000
Se existe independncia entre as duas variveis,

ento Pr(Ai Bj) = Pr(Ai).Pr(Bj) para todos i e j, onde Ai
indica o nvel de renda e Bj o nmero de cartes de
crdito. Logo, basta provar que a igualdade acima
no vlida para ALGUMA clula na tabela para
concluir que as duas variveis so dependentes. Se
olharmos para a clula superior esquerda vemos que:
monica@
38
Exemplo
Pr(renda abaixo de R$ 500 E nenhum carto) = 0.26
Mas:
Pr(renda abaixo de R$ 500) = 330/1000 = 0.33
Pr( 0 cartes de crdito) = 530/1000 = 0.53
E como 0.26 (0.33)(0.53), segue que as variveis
renda familiar e nmero de cartes de crdito
so dependentes.
monica@
0
1
2 ou mais
37
< R$ 500
39
Uma caixa contm R bolas vermelhas e B bolas

azuis. Vamos tirar 2 bolas da caixa sem rep-las.
Qual a probabilidade p da primeira bola ser
vermelha e da segunda ser azul?
Soluo
Sejam A e B os seguintes eventos:
A = {1a. bola vermelha}
B = {2a. bola azul}
Se o evento A ocorreu, uma bola vermelha foi

tirada da caixa. Como no h reposio, a
probabilidade de obter uma bola azul na 2a.
retirada :
monica@
40
Exemplo
Pr (B | A) =
B
R + B 1
O evento ( A B ) o evento {1a. bola vermelha e

a 2a. bola azul}, e sua probabilidade :
P( A B ) = p = P( A).P(B | A) =
Como ser
ser que a probabilidade de um evento muda
ap
aps sabermos que um outro evento ocorreu? Isso
nos leva idia de probabilidade condicional.
Uma probabilidade condicional nada mais do que

uma probabilidade calculada no mais a partir do
espao amostral inteiro S, e sim a partir de um
subconjunto de S.
J vimos que a definio de prob. condicional :
R
B
.
R + B R + B 1
P (B | A) = P(A B)/P(A) e, analogamente,

P (A | B) = P(A B)/P(B)
monica@
41
monica@
Exemplo
Estas duas ltimas expresses em conjunto nos

levam ao resultado conhecido como Teorema da
Multiplica
Multiplicao:
o
P(A B) = P (B | A) . P(A) = P(A | B). P(B)
P( A | B )P(B )
P ( A)
monica@
Numa certa cidade 40% das pessoas so

homens e 60% mulheres. Tambm, 50% dos
homens e 30% das mulheres fumam. Ache a
probabilidade de que uma pessoa seja homem,
dado que esta pessoa fumante.
Soluo
Pr ( H ) = 0.4 = probabilidade de selecionar um homem
Pr ( M ) = 0.6 = probabilidade de selecionar uma mulher
Seja S o evento: "uma pessoa fumante". Ento:
Pr (S | H ) = 0.5 e Pr ( S | M ) = 0.3.
Desejamos encontrar Pr ( H |S ).
A partir desta ltima expresso:

P (B | A) =
42
43
monica@
44
Exemplo
Exemplo
Pela definio de probabilidade condicional:

Pr (H | S ) =
Finalmente:
Pr (H S ) Pr (S | H ) Pr (H )
=
Pr (S )
Pr (S )
Pr (H | S ) =
Mas Pr (H) e Pr (S | H) so conhecidas, e ento s

preciso calcular Pr (S) (a probabilidade de um
fumante na populao). Mas, note que:
S = (S M) (S H) e os conjuntos (S M) e (S H) so
disjuntos
Pr ( S ) = Pr ( S M ) + Pr ( S H ) =
= Pr ( S | H ).Pr ( H ) + Pr ( S | M ).Pr ( M ) =
= ( 0.5 ) ( 0.4 ) + ( 0.3 ) ( 0.6 ) = 0.38
monica@
45
Dois eventos A e B so independentes se:

Pr ( A B ) = Pr ( A ) . Pr ( B )
Se A e B so independentes, ento as
probabilidades condicionais so iguais s
incondicionais, isto :
P(A | B) = (P(A). P(B))/P(B) = P(A)
P(B | A) = P(B)
Em outras palavras, se A e B so independentes, A no
traz qualquer informao sobre B (e vice-versa).
monica@
monica@
46
Independncia para mais de

dois eventos
Independncia
Pr (H S ) Pr (S | H ) Pr (H ) (0.5)(0.4) 20 10
=
=
=
=
= 0.5263
(0.38) 38 19
Pr (S )
Pr (S )
47
Considere uma coleo de n eventos A1,

A2, ..., An. Estes eventos so
independentes se, e somente se:
i) Pr ( A1 A2 ... An ) =
= Pr(A1) . Pr(A2) ... Pr(An) e,
ii) Toda sub-coleo de eventos contendo
mais de dois e menos de n eventos
independente.
monica@
48
Independncia para mais de

dois eventos
No caso de 3 eventos A, B e C, a
independncia ocorre se TODAS as
condies abaixo so satisfeitas:
1) Pr( A B) = Pr(A).Pr(B)
2) Pr( A C) = Pr(A).Pr(C)
3) Pr( B C) = Pr(B).Pr(C)
4) Pr( A B C) = Pr(A).Pr(B).Pr(C)
Uma partio do espao amostral uma coleo

de eventos mutuamente exclusivos cuja unio o
prprio S (espao amostral), como nas figuras a
seguir.
B1
B2
B3
A
B6
B4
B7
C
B8
monica@
49
B5
monica@
50
Em termos formais, os eventos B1, B2 , ...., Bk

formam uma partio do espao amostral S se:
1) Bi Bj = para todo i j
2) Bi = S
3) Pr( Bi ) > 0 para todo i
Suponha que A um evento qualquer em S e B1,

B2 , ...., B8 formam uma partio de S, como na
figura a seguir.
B1
B2
B3
Para que serve uma parti

partio?
Podemos escrever qualquer evento no espa

espao
amostral em termos das suas interse
intersees com os
conjuntos que formam uma parti
partio do espa
espao
amostral.
monica@
B6
B7
B4
A
B8
51
B5
monica@
52
Teorema da Probabilidade
Total
Ento podemos escrever o evento A em termos das suas

intersees com cada elemento da partio (neste
exemplo, B1 a B8).
Mas, os (A Bi) so mutuamente exclusivos, e assim

muito fcil calcular a probabilidade da sua unio (basta
somar as probabilidades). Logo:
Pr(A) = Pr (A B1) + Pr (A B2) + Pr (A B3) +

.....+ Pr (A Bk)
Mas, cada uma destas probabilidades pode ser escrita em
termos de probabilidades condicionais.
Note que:
Pr(A) = Pr (A B1) + Pr (A B2) + Pr (A B3) +
.....+ Pr (A Bk)
Mas:
Pr (A Bi ) = Pr( Bi ). Pr(ABi) para i =1, 2, ...., k.
Combinando estes dois resultados fornece o
teorema da probabilidade total.
53
Teorema da Probabilidade
Total
monica@
Sejam B1, B2 , ...., Bk uma partio de S e A um

evento qualquer em S. Ento:
Pr(A) = Pr(B1).Pr(AB1) + Pr(B2).Pr(AB2) + ..... +

Pr(Bk).Pr(ABk)
um resultado muito til em Probabilidade, que

mistura os teoremas da multiplicao e da
probabilidade total.
Sejam B1, B2 , ...., Bk uma partio de S e A um

evento qualquer em S. Ento:
O caso mais simples ocorre quando a partio

composta por apenas 2
eventos, B e seu
c
complemento, B . Neste caso:
Pr(A) = Pr(B).Pr(AB) + Pr(Bc).Pr(ABc)

monica@
54
Teorema de Bayes
um resultado que decorre diretamente

das propriedades de uma partio, como
mostrado nas transparncias anteriores.
A = (A B1) (A B2) (A B3) ..... (A Bk)
monica@
Pr (Bi | A) =
Pr (Bi A)
Pr ( A | Bi ) Pr (Bi )
Pr (A | B )Pr (B ) Pr (A | B )Pr (B )
k
j =1
55
Pr (Bi A)
=
Pr ( A)
j =1
Para qualquer evento Bi na partio e qualquer A.

monica@
56
Teorema de Bayes
Teorema de Bayes
Para que serve?

Muitas vezes conseguimos encontrar
parties de S que so bvias ou
naturais;
O teorema de Bayes nos permite
inverter probabilidades condicionais,
escrevendo uma probabilidade
condicional que (esperamos!) difcil de
calcular diretamente em termos de
probabilidades fceis de calcular.
monica@
Os funcionrios de uma empresa se dividem em

3 grupos: economistas, engenheiros e analistas
de sistemas. Estes funcionrios podem ocupar
cargos tcnicos ou gerenciais. Sabemos que:
O percentual de cada grupo ocupando cargos

gerenciais :
30% dos economistas,
40% dos engenheiros,
10% dos analistas de sistemas.
monica@
ESCREVA OS EVENTOS DE INTERESSE.

NO TENTE RESOLVER OS PROBLEMAS DE
CABE
CABEA PARA MINIMIZAR SUAS CHANCES DE
ERRO!
monica@
58
Exemplo - Bayes
40% dos funcionrios so economistas,

30% dos funcionrios so engenheiros e
30% dos funcionrios so analistas de sistemas.
Cuidados ao usar o Teorema de Bayes
57
Exemplo - Bayes
59
a) Seleciona-se um funcionrio aleatoriamente.

Qual a probabilidade dele ocupar um cargo
gerencial?
b) Seleciona-se uma pessoa ao acaso na

empresa e sabe-se que ela ocupa um cargo de
gerncia. Qual a probabilidade dela ter vindo de
cada um dos trs grupos, ou seja, dado que a
pessoa um gerente, qual a probabilidade dela
ser economista, engenheiro ou analista de
sistemas?
monica@
60
Exemplo - Bayes
Exemplo - Bayes
Soluo
a) Considere os eventos:
A1 = {economistas}, A2 = {engenheiros}, A3
= {analistas de sistemas}, G = {cargo de
gerncia}
Sabemos que: Pr(A1) = 0.40, Pr(A2) = 0.30,

Pr (A3) = 0.30. Tambm: Pr(GA1) = 0.30,
Pr(GA2) = 0.40 e Pr(GA3) = 0.10.
monica@
61
Exemplo - Bayes
A substituio dos valores resulta em:

Pr(G) = (0.40)(0.30) + (0.30)(0.40) +
(0.30)(0.10) = (0.30)(0.90) = 27 %
monica@
62
Exemplo - Bayes
Queremos descobrir Pr(AiG) para i = 1, 2, 3. Isto

uma aplicao direta do teorema de Bayes, j
facilitada por que conhecemos o denominador
(Pr(G)).
Pr(G) = 0.27 (j calculado)
Pr(A1G) = Pr(GA1). Pr(A1)/0.27 = (0.30)(0.40)/0.27
= 44.4%
Pr(A2G) = Pr(GA2). Pr(A2)/0.27 = (0.40)(0.30)/0.27
= 44.4%
Pr(A3G) = Pr(GA3). Pr(A3)/0.27 = (0.30)(0.10)/0.27
= 11.2%
monica@
Queremos encontrar Pr(G). Mas:

Pr(G) = Pr(G A1) + Pr(G A2) + Pr(G
A3) =
= Pr(A1). Pr(GA1) + Pr(A2). Pr(GA2) +
Pr(A3). Pr(GA3)
63
Uma empresa de telefonia celular quer saber como

funciona a relao entre o uso do telefone e a
renda de seus clientes. Uma pesquisa anterior
revelou que:
10% dos clientes pertencem classe A.
21% dos clientes pertencem classe B.
35% dos clientes pertencem classe C.
34% dos clientes pertencem classe D.
Dentre os clientes da classe A, 20% usam telefone

pr-pago.
Dentre os clientes da classe B, 40% usam telefone
pr-pago.
monica@
64
Exemplo - Bayes
Exemplo - Bayes
Dentre os clientes da classe C, 90% usam telefone

pr-pago.
Dentre os clientes da classe D, 98% usam telefone
pr-pago.
Um cliente escolhido aleatoriamente e tem o
servio pr-pago. Qual a probabilidade dele
pertencer a cada uma das classes?
Soluo
Aqui a partio natural da populao j existe - os clientes
esto divididos em classes de consumo. Se soubermos que
algum usa um telefone pr-pago, como isso afeta a
probabilidade da pessoa estar em cada uma das classes de
consumo?
monica@
Suponha que A, B, C, D indicam,

respectivamente, os eventos pertencer classe
A, pertencer classe B, etc...
Seja G o evento usar celular pr-pago. Ento,

do enunciado do problema:
P(A) = 0.10, P(B) =0.21, P(C) = 0.35, P(D) = 0.34.
P(G|A) = 0.20, P(G|B) =0.40, P(G|C) =0.90, P(G|D) =

0.98.
65
monica@
Exemplo - Bayes
Exemplo - Bayes
A probabilidade de um cliente escolhido

ao acaso usar celular pr-pago (pelo
Teorema da Probabilidade Total):
P (G ) = P(G | A)P( A) + P(G | B )P(B ) + P(G | C )P(C ) + P(G | D )P(D ) =
= (0.20 )(0.10 ) + (0.40 )(0.21) + (0.90 )(0.35) + (0.98)(0.34 ) = 0.7522
Escolhe-se um cliente ao acaso, e

observa-se que ele usa celular pr-pago.
Qual a probabilidade dele pertencer a
cada uma das classes de consumo?
monica@
67
66
Agora o Teorema de Bayes entra em ao,

mas, como j calculamos o denominador
(a probabilidade de algum ser cliente prpago), o clculo se resume ao Teorema da
Multiplicao.
P(G | A)P( A) (0.10 )(0.20 )
=
= 2.66%
0.7522
P(G )
P(G | B )P(B ) (0.21)(0.40 )
=
= 11.17%
P (B | G ) =
P(G )
0.7522
P(G | C )P(C ) (0.35)(0.90 )
P(C | G ) =
=
= 41.88%
P(G )
0.7522
P(G | D )P(D ) (0.34 )(0.98)
P (D | G ) =
=
= 44.30%
P(G )
0.7522
P( A | G ) =
monica@
68
Exemplo - Bayes
Exemplo - Bayes
Note que as probabilidades condicionais

(dado que o cliente pr-pago) so
diferentes das incondicionais, e ento
existe DEPENDNCIA entre o uso do
celular pr-pago e a classe de consumo!
Por exemplo, a probabilidade de um cliente

qualquer ser da classe A 10%, mas se
soubermos que o cliente um usurio de
pr-pago, a probabilidade dele ser de
classe A cai para 2.66%.
monica@
69
Teorema de Bayes para casa
monica@
70
Uma revenda de carros usados oferece garantia

total por 4 meses para todos os carros que
vende, e este o seu grande diferencial de
marketing. Uma pesquisa anterior revelou que:
12% dos carros vendidos so Peugeot.
13% dos carros vendidos so Ford.
18% dos carros vendidos so Fiat.
16% dos carros vendidos so GM.
20% dos carros vendidos so Volkswagen.
21% dos carros vendidos so de outros
fabricantes.
monica@
No outro extremo, a probabilidade de um

cliente qualquer ser da classe D 34%.
Dada a informao de que o cliente prpago, a probabilidade dele ser classe D
sobe para 44.3%.
71
Dentre os compradores de Peugeot, 7% retornam

loja com alguma reclamao sobre o carro
adquirido.
Dentre os compradores de Ford, 8% retornam
adquirido.
Dentre os compradores de Fiat, 15% retornam
adquirido.
Dentre os compradores de GM, 10% retornam
adquirido.
monica@
72
Dentre os compradores de Volkswagen, 16%

retornam loja com alguma reclamao sobre o
carro adquirido.
Dentre os compradores de outras marcas, 18%
retornam loja com alguma reclamao sobre o
carro adquirido.
Uma empresa de telefonia quer saber se

vale a pena disponibilizar internet de banda
larga para seus clientes, e encomendou
uma pesquisa de mercado, cujos
resultados esto a seguir:
15% dos clientes usam a internet mais de 30 horas por
semana.
23% dos clientes usam a internet entre 20 e 30 horas por
semana.
28% dos clientes usam a internet entre 10 e 20 horas por
semana.
34% dos clientes usam a internet menos de 10 horas por
semana.
Um comprador entra na loja com uma reclamao

durante o perodo de vigncia da garantia.
Qual a probabilidade dele ter comprado um carro
de cada uma das marcas (incluindo outras)?
monica@
73

Dentre os clientes que usam internet mais de 30
horas por semana, 90% esto interessados no
acesso rpido (banda larga).
Dentre os clientes que usam internet entre 20 e 30

Dentre os clientes que usam internet entre 10 e 20
monica@
monica@
74
75
Dentre os clientes que usam internet

menos de 10 horas por semana, 25%
esto interessados no acesso rpido
(banda larga).
Um cliente escolhido aleatoriamente e

est interessado na internet de banda
larga. Qual a probabilidade dele pertencer
a cada uma das classes de usurio (mais
de 30 horas, 20 a 30 horas, etc ...)?
monica@
76
Uma certa forma de cncer ocorre razo de 3

em 1000 pessoas. Desenvolveu-se um teste para
detectar a doena.
Se um paciente sadio, existe 5% de chance de
um alarme falso.
Se um paciente tem a doena, existe 2% de
chance de que o teste no consiga detect-la.
Qual a probabilidade da pessoa ter a doena
sabendo que o resultado do teste foi positivo
(acusou a existncia da doena)?
Ateno o resultado deste problema vai ser
surpreendente. Por que?
monica@
77
Dentre os clientes
telefone pr-pago.
Dentre os clientes
telefone pr-pago.
Dentre os clientes
telefone pr-pago.
Dentre os clientes
telefone pr-pago.
da classe A, 25% usam

da classe B, 45% usam
da classe C, 90% usam
da classe D,
95% usam
Um cliente escolhido aleatoriamente e tem o

servio pr-pago. Qual a probabilidade dele
pertencer a cada uma das classes?
monica@
79
Uma empresa de telefonia celular quer saber

como funciona a relao entre o uso do telefone
e a renda de seus clientes. Uma pesquisa anterior
revelou que:
10% dos clientes pertencem classe A.
25% dos clientes pertencem classe B.
35% dos clientes pertencem classe C.
30% dos clientes pertencem classe D.
monica@
78

Metrologia Monica Barros Aula 2

Încărcat de

Informații document

Descriere originală:

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Metrologia Monica Barros Aula 2

Încărcat de

Drepturi de autor:

Formate disponibile

Estatstica para Metrologia

Probabilidade faz parte do nosso dia a dia,

Em resumo: estamos SEMPRE falando sobre

Na terminologia usual, a probabilidade reflete a

IMPORTANTE: probabilidade um nmero entre

E por que necessrio estudar probabilidades?

Sempre que lidamos com experincias aleatrias, ou

Aquela cujo resultado no pode ser conhecido antes da

O resultado da jogada de um dado;

Total de nomes da lista telefnica do Rio de Janeiro

o conjunto de todos os poss

Mas... note que, embora voc no saiba

um conjunto de possveis resultados de

Da definio segue diretamente que

Se A e B so eventos sua interseo tambm um

Se A e B so eventos sua unio tambm um

Se A um evento, o complemento de A, denotado

unio entre os eventos A e B

Eventos mutuamente exclusivos os elementos de

A definio axiomtica de probabilidade

Logo, probabilidade uma funo que

Note que dois eventos complementares so mutuamente

Podemos definir uma funo P(.) tal que, se A S,

Esta funo P(.) "pega" elementos do espao

No entanto, nem toda funo que sai de S e chega

Seja S o espao amostral e A um subconjunto

P(A1 A2) = P(A1) + P(A2) se A1 e A2 forem

Estas trs propriedades definem o tipo de funo

A princpio, existem infinitas funes que mapeiam S

A partir da definio podemos derivar diversas

A verso mais simples da expresso iii) ser usada

Esta ltima propriedade resulta numa certa

A propriedade a seguir uma das mais

Partio do Espao Amostral

Esta propriedade s vezes chamada de

formada por eventos cuja interseo nula e cuja

Por exemplo, pessoas numa pesquisa de mercado

Em resumo: casos particulares

Exemplo propriedades das

Eventos mutuamente exclusivos

Partio do espao amostral (com 3 eventos)

Um banco possui 10 fundos de investimento. Desses,

Um grupo de pessoas inclui 40 com diploma de curso

Calcule a probabilidade de algum ser microempresrio

Seleciona-se uma das 50 pessoas aleatoriamente. Ento:

Uma probabilidade condicional nada mais do que

Pr( A ) = 40/50 , Pr( B ) = 20/50 e Pr( A B ) = 10/50

A probabilidade deste evento deve ser diferente da

A probabilidade condicional de que uma pessoa seja

P(A B) / Pr(A) = 10 /40 = 0.25

Ou, em outras palavras, devemos olhar

Note que, quando definimos que o evento B

Utilizando o nmero de elementos de cada

P(A | B) = 35/63 = 0.556

Estes exemplos nos fizeram derivar naturamente

Analogamente: P (A | B) = P(A B)/P(B)

Estas definies s so vlidas quando os

Do contrrio, A e B so eventos dependentes.

Independncia uma propriedade muito forte e

Este resultado tambm conhecido como

Dois eventos A e B so chamados de

Ao reordenarmos as expresses anteriores

Para eventos independentes,