Documente Academic
Documente Profesional
Documente Cultură
Definies bsicas
Introduo Probabilidade
Aula 2
Mnica Barros, D.Sc.
Mar
Maro de 2008
monica@
monica@ele.pucele.puc-rio.br
Probabilidades Introduo
monica@
monica@ele.pucele.puc-rio.br
Probabilidades Introduo
monica@
monica@ele.pucele.puc-rio.br
Experincia Aleatria
Experincia Aleatria
Experincia aleat
aleatria
Espao Amostral
monica@
monica@ele.pucele.puc-rio.br
Evento
monica@
monica@ele.pucele.puc-rio.br
Evento
Propriedades de Eventos
monica@
monica@ele.pucele.puc-rio.br
Interse
Interseo entre os eventos A e B
Espa
Espao Amostral
Evento A
Propriedades de Eventos
Evento B
monica@
monica@ele.pucele.puc-rio.br
10
Propriedades de Eventos
Espa
Espao Amostral
Evento A
Ac
Evento B
monica@
monica@ele.pucele.puc-rio.br
11
monica@
monica@ele.pucele.puc-rio.br
12
Eventos mutuamente
exclusivos
Definio axiomtica de
probabilidade
monica@
monica@ele.pucele.puc-rio.br
13
Definio axiomtica de
probabilidade
qualquer
monica@
monica@ele.pucele.puc-rio.br
14
Definio axiomtica de
probabilidade
Seja A um subconjunto
amostral S.
do
espao
[0,1]
probabilidade
monica@
monica@ele.pucele.puc-rio.br
15
monica@
monica@ele.pucele.puc-rio.br
16
Definio axiomtica de
probabilidade
Definio axiomtica de
probabilidade
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@
monica@ele.pucele.puc-rio.br
18
Propriedades das
Probabilidades
17
Propriedades das
Probabilidades
19
monica@
monica@ele.pucele.puc-rio.br
20
Propriedades das
Probabilidades
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)
A
B
C
monica@
monica@ele.pucele.puc-rio.br
21
22
Eventos complementares
P(A Ac) = P(A) + P(Ac) = 1, j que P(A Ac) = 0
monica@
monica@ele.pucele.puc-rio.br
D
monica@
monica@ele.pucele.puc-rio.br
23
24
Probabilidade Condicional
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.
25
Probabilidade Condicional
Motiva
Motivao
26
Probabilidade Condicional
monica@
monica@ele.pucele.puc-rio.br
27
28
Probabilidade Condicional
Probabilidade Condicional
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@
monica@ele.pucele.puc-rio.br
Mulheres
29
Probabilidade Condicional
Mulheres
Homens
No
fumantes
No
fumantes
Homens
35
28
Mulheres
17
20
37
Total
52
48
100
Total
63
No
fumantes
monica@
monica@ele.pucele.puc-rio.br
30
Probabilidade Condicional
Fumantes
Fumantes
Homens
Fumantes
No
fumantes
Total
Homens
35
28
63
Mulheres
17
20
37
Total
52
48
100
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@
monica@ele.pucele.puc-rio.br
31
monica@
monica@ele.pucele.puc-rio.br
32
Probabilidade Condicional
Probabilidade Condicional
monica@
monica@ele.pucele.puc-rio.br
33
P( A | B )P(B )
P ( A)
monica@
monica@ele.pucele.puc-rio.br
34
Probabilidade Condicional
Eventos Independentes
35
36
Independncia e Dependncia
Independncia e Dependncia
Renda Familiar
Nm. Cartes
Exemplo
monica@
monica@ele.pucele.puc-rio.br
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
38
Exemplo
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@
monica@ele.pucele.puc-rio.br
0
1
2 ou mais
37
Independncia e Dependncia
< R$ 500
39
Soluo
Sejam A e B os seguintes eventos:
A = {1a. bola vermelha}
B = {2a. bola azul}
40
Exemplo
Pr (B | A) =
Probabilidade Condicional
B
R + B 1
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.
R
B
.
R + B R + B 1
41
Probabilidade Condicional
monica@
monica@ele.pucele.puc-rio.br
Exemplo
P( A | B )P(B )
P ( A)
monica@
monica@ele.pucele.puc-rio.br
42
43
monica@
monica@ele.pucele.puc-rio.br
44
Exemplo
Exemplo
Finalmente:
Pr (H S ) Pr (S | H ) Pr (H )
=
Pr (S )
Pr (S )
Pr (H | S ) =
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@
monica@ele.pucele.puc-rio.br
45
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@ele.pucele.puc-rio.br
monica@
monica@ele.pucele.puc-rio.br
46
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
48
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)
B2
B3
A
B6
B4
B7
C
B8
monica@
monica@ele.pucele.puc-rio.br
49
B5
monica@
monica@ele.pucele.puc-rio.br
50
B2
B3
B6
B7
B4
A
B8
51
B5
monica@
monica@ele.pucele.puc-rio.br
52
Teorema da Probabilidade
Total
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@
monica@ele.pucele.puc-rio.br
54
Teorema de Bayes
monica@
monica@ele.pucele.puc-rio.br
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
56
Teorema de Bayes
Teorema de Bayes
monica@
monica@ele.pucele.puc-rio.br
58
Exemplo - Bayes
57
Exemplo - Bayes
59
60
Exemplo - Bayes
Exemplo - Bayes
Soluo
a) Considere os eventos:
A1 = {economistas}, A2 = {engenheiros}, A3
= {analistas de sistemas}, G = {cargo de
gerncia}
61
Exemplo - Bayes
62
Exemplo - Bayes
63
64
Exemplo - Bayes
Exemplo - Bayes
65
monica@
monica@ele.pucele.puc-rio.br
Exemplo - Bayes
Exemplo - Bayes
67
66
monica@
monica@ele.pucele.puc-rio.br
68
Exemplo - Bayes
Exemplo - Bayes
69
monica@
monica@ele.pucele.puc-rio.br
70
71
72
monica@
monica@ele.pucele.puc-rio.br
73
monica@
monica@ele.pucele.puc-rio.br
74
75
76
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.
95% usam
79
monica@
monica@ele.pucele.puc-rio.br
78