Aula 2 - Probabilidade e Estatística (Reinaldo Souza)

PROBEST
Aula 2
Reinaldo Castro Souza, PhD

Alexandre Street
Roxana C. Contreras
Jos Daniel Hernndez Vsquez, Monitor
Jos Aguinaldo M.Pinho, Auxiliar
2015.1
reinaldo@ele.puc-rio.br ing.jdhernandes@gmail.com
street@ele.puc-rioi.br jjampinho@gmail.com
roxanajc@ele.puc-rio.br 1
Definies bsicas
Introduo Probabilidade
reinaldo@ele.puc-rio.br 2
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...
Probabilidades Introduo
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.
IMPORTANTE: probabilidade um nmero entre

0 e 1 sempre!
Experincia Aleatria
E por que necessrio estudar probabilidades?

Sempre que lidamos com experincias aleatrias, ou
seja, toda vez em que o mundo no determinstico
(quase sempre...)
Experincia aleatria
Aquela cujo resultado no pode ser conhecido antes da
realizao da 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.
Experincia Aleatria
Mas... note que, embora voc no saiba

exatamente qual o resultado da experincia
aleatria, 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!
Espao Amostral
o conjunto de todos os possveis resultados de
uma experincia aleatria.
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.
Evento
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}
Evento
um subconjunto de S em .
o espao de todos os eventos (sigma lgebra de S).
Uma sigma-lgebra de S um conjunto de subconjuntos de S
que contm S e fechado na unio contvel e no
complemento de seus elementos.
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 ou elementos em .
claro que no podemos dizer quantos eventos existem
associados a um espao amostral infinito.
Propriedades de Eventos
Se A e B so eventos sua interseo tambm um

evento! Isso vale tambm para a interseo entre n
eventos.
Interseo entre os eventos A e B
Espao Amostral
Evento A Evento B
Se A e B so eventos sua unio tambm um

evento! Esta propriedade vlidade tambm para a
unio de n eventos.
unio entre os eventos A e B
Espao Amostral
Evento A Evento B
Se A um evento, o complemento de A, denotado

por AC ou A , tambm um evento.
Espao Amostral
Ac
Eventos mutuamente
exclusivos
Eventos mutuamente exclusivos os elementos de
A no pertencem a B e vice-versa, isto , A B = .
Note que dois eventos complementares so mutuamente
exclusivos
Espao Amostral
A B
Definio axiomtica de
probabilidade
A definio axiomtica de probabilidade encara
probabilidade como uma funo que recebe um
subconjunto do espao amostral (evento) e
retorna a sua chance de ocorrncia.
Chance pode ser entendida como a frenquencia

relativa de ocorrncia de resultados contidos
nesse evento caso uma sequncia infinita de
repeties do experimento fosse realizada.
P:[0,1]
probabilidade
Considere o experimento de lanar uma moeda.
O conjunto amostral S = {H,T}
O espao de eventos = {;{H};{T};S}
A probabilidade mede a chance dos eventos
P({H}) = P({T}) = , P() = 0 e P(S) = 1.
Seja A o evento observar H aps o experimento: A = {H}.
Suponha a realizao de n experimento similares e que N(A,n)
represente o nmero de vezes em que o evento A foi
observado nas n realizaes.
Hiptese: Se assumimos que o experimento ivariante no
tempo, podemos supor que a freq. relat. passada um
indicador da chance que um evento A possui em ocorrer
novamente... Ento, P(A) pode ser entendida como:
limnN(A,n)/n
probabilidade
A
[0,1]
probabilidade
No entanto, nem toda funo que sai do espao de

eventos, , e chega em [0,1] pode ser chamada de
probabilidade, ela tem que satisfazer certas
condies. reinaldo@ele.puc-rio.br 16
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.
probabilidade
A verso mais simples da expresso iii) ser usada
muitas vezes neste curso, e por isso a colocamos em
destaque:
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

em [0,1], mas para ser chamada de probabilidade,
uma funo deve satisfazer os trs requisitos
anteriores.
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 . As
seguintes propriedades decorrem da definio 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)
Propriedades das
Probabilidades
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.
Propriedades das
Probabilidades
Para quaisquer A1 e A2 em S:
P(A1 A2) = P(A1) + P(A2) - P(A1 A2)
Em particular, se A1 e A2 so mutuamente
exclusivos: P(A1 A2) = P(A1) + P(A2)
Esta propriedade s vezes chamada de

lei da adio.
Partio do Espao Amostral
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.
Espao Amostral
C D
monica@ele.puc-rio.br 22
Em resumo: casos particulares
da lei da adio
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
Exemplo propriedades das
probabilidades
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%
Probabilidade Condicional
Como ser que a probabilidade de um evento muda

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 com o seguinte fato: a informao de
ocorrncia de um determinado evento pode afetar ou
no a probabilidade de ocorrncia de outro evento.
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.
Motivao
Um grupo de 50 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:
P( A ) = 40/50 , P( B ) = 20/50 e P( 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:
P(A B) / P(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 novo universo de possibilidades S, ao
calcular a probabilidade condicional, restringe-se s 40
pessoas que tm curso superior, S=A, e no mais s 50
pessoas do grupo original.
Por isso, dividimos P(A B) por P(A). Pois agora, j

sabemos que A ocorreu, logo, reparametrizamos a medida
de prob. E criamos um segunda medida (condicional):
P( B | A ) = prob. de B dado A.
Nesta nova medida, P( A | A ) = 1.
Exemplo
Em uma amostra de 100 funcionrios de
uma empresa:
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?
No
B:Fumantes A:Homens Fumantes Total
fumantes
Homens 35 28 63
Mulheres 17 20 37
Total 52 48 100
No
Mulheres fumantes
Note que, quando definimos que o evento A
ocorreu (o funcionrio homem), restringimos o
espao amostral ocorrncia do evento B (o
funcionrio fumante)
O novo universo passa a ser o prprio evento A
No
Fumantes Total
fumantes
B:Fumantes A:Homens Homens 35 28 63
Mulheres 17 20 37
Total 52 48 100
Mulheres No Novo universo

fumantes
P(A B)
Utilizando o nmero de elementos de cada

conjunto, temos:
P(B | A) = 35/63 = 0.556
Ou empregando as probabilidades:
P(A) = 63/100 = 0.63
P(A B) = 35/100 = 0.35
P(A B)/P(A) = 0.35/0.63 = 0.556
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!
Ao reordenarmos as expresses anteriores
encontramos:
P(A B) = P (B | A) . P(A) = P(A | B). P(B)
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 A | B PB
P B | A
P A
Eventos Independentes
Dois eventos A e B so chamados de

independentes se:
Pr ( A B ) = Pr ( A ) . Pr ( B )
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.
Para eventos independentes,
P(A | B) = P(A).P(B)/P(B) = P(A)
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! Saber que um
ocorreu no muda a probabilidade do outro ocorrer.
Independncia e Dependncia
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?
Renda Familiar < R$ 500 R$ 501 a R$1000 R$ 1001 a R$ 2000 > R$ 2001
Nm. Cartes
0 260 170 80 20 530
1 50 100 110 60 320
2 ou mais 20 25 45 60 150
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:
P(renda abaixo de R$ 500 E nenhum carto) = 0.26
Mas:
P(renda abaixo de R$ 500) = 330/1000 = 0.33
P( 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.
Exemplo
Uma caixa contm N bolas vermelhas e M 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 :
Exemplo
P(B|A) = M / (M + N-1)
O evento ( A B ) o evento {1a. bola vermelha e a

2a. bola azul}, e sua probabilidade :
P(A B) = P(B|A).P(A) = [ M / (M + N-1) ] . [ N / (M+N) ]
Como ser que a probabilidade de um evento muda

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 :

P (B | A) = P(A B)/P(A) e, analogamente,
P (A | B) = P(A B)/P(B)
Estas duas ltimas expresses em conjunto nos

levam ao resultado conhecido como Teorema da
Multiplicao:
P(A B) = P (B | A) . P(A) = P(A | B). P(B)
A partir desta ltima expresso:

P A | B PB
P B | A
P A
Exemplo
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 ).
Exemplo
Pela definio de probabilidade condicional:
Pr H S Pr S | H Pr H
Pr H | S
Pr S Pr 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
Exemplo
Finalmente:
Pr H S Pr S | H Pr H 0.50.4 20 10
Pr H | S 0.5263
Pr S Pr S 0.38 38 19
Independncia
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).
Independncia para mais de
dois eventos
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.
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 B
B4
B7
C D
B8
B5
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
Para que serve uma partio?

Podemos escrever qualquer evento no espao
amostral em termos das suas intersees com os
conjuntos que formam uma partio do espao
amostral.
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
B6
B4
B7
A
B8
B5
Ento podemos escrever o evento A em termos das suas

intersees com cada elemento da partio (neste
exemplo, B1 a B8).
A = (A B1) (A B2) (A B3) ..... (A Bk)
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.
Teorema da Probabilidade
Total
um resultado que decorre diretamente
das propriedades de uma partio, como
mostrado nas transparncias anteriores.
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.
Teorema da Probabilidade
Total
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)
O caso mais simples ocorre quando a partio

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

Teorema de Bayes
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:
Pr Bi A Pr Bi A Pr A | Bi Pr Bi
Pr Bi | A
Pr A
Pr A | B Pr B Pr A | B Pr B
k k
j j j j
j 1 j 1
Para qualquer evento Bi na partio e qualquer A.

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.
Teorema de Bayes
Cuidados ao usar o Teorema de Bayes

ESCREVA OS EVENTOS DE INTERESSE.
NO TENTE RESOLVER OS PROBLEMAS DE
CABEA PARA MINIMIZAR SUAS CHANCES DE
ERRO!
Exemplo - Bayes
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:
40% dos funcionrios so economistas,
30% dos funcionrios so engenheiros e
30% dos funcionrios so analistas de sistemas.
O percentual de cada grupo ocupando cargos
gerenciais :
30% dos economistas,
40% dos engenheiros,
10% dos analistas de sistemas.
Exemplo - Bayes
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?
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.
Exemplo - Bayes
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)
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 %
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%
Exemplo - Bayes
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.
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?
Exemplo - Bayes
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.
Exemplo - Bayes
A probabilidade de um cliente escolhido

ao acaso usar celular pr-pago (pelo
Teorema da Probabilidade Total):
P(G ) PG | AP A PG | B PB PG | C PC PG | D PD
0.20 0.10 0.40 0.21 0.90 0.35 0.980.34 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?
Exemplo - Bayes
Agora o Teorema de Bayes entra em ao,

mas, como j calculamos o denominador
(a probabilidade de algum ser cliente pr-
pago), o clculo se resume ao Teorema da
Multiplicao.
PG | AP A 0.10 0.20
P A | G 2.66%
PG 0.7522
PG | B PB 0.210.40
P B | G 11.17%
PG 0.7522
PG | C PC 0.350.90
PC | G 41.88%
PG 0.7522
PG | D PD 0.34 0.98
P D | G 44.30%
PG 0.7522
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%.
Exemplo - Bayes
No outro extremo, a probabilidade de um

cliente qualquer ser da classe D 34%.
Dada a informao de que o cliente pr-
pago, a probabilidade dele ser classe D
sobe para 44.3%.
Teorema de Bayes exerccio1
(para casa)
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.
Teorema de Bayes exerccio 1
(para casa)
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.
(para casa)
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.
Pergunta-se:
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)?
Resposta: Pr(R) = 0,1316
PrC1 | R 6,38% PrC3 | R 20,52% PrC5 | R 24,32%
PrC2 | R 7,90% PrC4 | R 12,16% PrC6 | R 28,72%
(para casa)
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.
Teorema de Bayes exerccio 2
(para casa)
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 horas por semana, 70% esto
interessados no acesso rpido (banda larga).
Dentre os clientes que usam internet entre 10
e 20 horas por semana, 45% esto
interessados no acesso rpido (banda larga).
para casa
Dentre os clientes que usam internet menos de 10
horas por semana, 25% esto interessados no
acesso rpido (banda larga).
Pergunta-se:
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 ...)?
Resposta: Pr(B) = 0,507
Pr A1 | B 26,63% Pr A3 | B 24,85%
Pr A2 | B 31,76% Pr A4 | B 16,76%
para casa
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)?
Resposta:
PrT 0,05279 PrD | T 5,57%
Ateno o resultado deste problema vai ser

surpreendente. Por que?
para casa
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.
(para casa)
Dentre os clientes da classe A, 25% usam telefone pr-
pago.
Dentre os clientes da classe B, 45% usam telefone pr-
pago.
Dentre os clientes da classe C, 90% usam telefone pr-
pago.
Dentre os clientes da classe D, 95% usam telefone pr-
pago.
Pergunta-se:
Um cliente escolhido aleatoriamente e tem o servio pr-
pago. Qual a probabilidade dele pertencer a cada uma das
classes?
Resposta: Pr(S) = 0,7375
PrC A | S 3,39% PrCC | S 42,71%
PrCB | S 15,25% PrCD | S 38,65%
Exerccio 5 (para casa)
Em um laboratrio h trs gaiolas. Na gaiola I h

dois coelhos marrons e trs brancos, a gaiola II
tem 4 coelhos marrom e dois brancos e gaiola III
contm 5 coelhos marrons e 5 brancos.
Seleciona-se aleatoriamente uma gaiola e
aleatoriamente puxar um coelho para fora desta
gaiola.
Pergunta-se:
Qual a probabilidade de que o coelho escolhido
branco?
Resposta: PrCB 47,78%
Pelo registro do passado, sabe-se que uma

determinada mquina para a produo de
parafusos funciona corretamente 90% do tempo.
Se a mquina no est funcionando
corretamente, 5% dos parafusos produzidos so
defeituosos. Quando estiver a trabalhar bem
apenas 0,5% dos parafusos so defeituosos.
Pergunta-se:
Se um parafuso escolhido aleatoriamente, qual
a probabilidade de que seja defeituoso?
Resposta: PrD 0,95%
Uma empresa de desenvolvimento urbano considera a
possibilidade de construir um shopping Center num setor no
Rio de Janeiro. Um elemento vital uma proposta em um setor
com estrada que liga ao centro da cidade.
Se o Conselho aprovar essa rodovia, h probabilidade de 0,90
da empresa construir o shopping, enquanto, se a rodovia no
for aprovada a probabilidade de apenas 0,20.
Com base em informaes disponveis, o presidente da
empresa estima que uma chance 0,60 que a estrada seja
aprovada.
Pergunta-se:
Qual a probabilidade da empresa construir o shopping?
Resposta: Pr(S) = 0,62
Uma vez que o shopping foi construdo. Qual a probabilidade
de que a rodovia seja aprovada?
Resposta: PrR | S 87,10%
Em uma linha de produo h dois processos,
A e B. No processo A 20% so defeituosos
e no processo B 25%.
Em uma amostra de 300 produtos, 200 so do
processo A e 100 do processo B.
Pergunta-se:
a) Se o produto extrado ao acaso, qual a
probabilidade de que ele est com defeito?
Resposta: Pr(D) = 0,2167
b) Se ao extrair o produto ele defeituoso, qual a
probabilidade de que ele do processo A?
Resposta: PrPA | D 61,53%
Considerando 18 atiradores classificados em 4
grupos.
No primeiro grupo h 5 atiradores com probabilidade
0,8 de acertar o alvo, o segundo de 7 com
probabilidade 0,7, no terceiro de 4 com
probabilidade 0,6 e no ltimo de 2 com probabilidade
0,5 de acertar o alvo.
Pergunta-se:
Escolhe-se aleatoriamente um atirador e ele atira e
erra o alvo. Qual o grupo mais provvel que ele
pertence?
Resposta: Pr(D) = 0,3167
PrG1 | E 17,54% PrG3 | E 28,07%
PrG2 | E 36,85% PrG4 | E 17,54%
O gerente geral da uma cadeia sul americana de

supermercados estima a percentagem dos seus
estabelecimentos atingir a meta de vendas anual
equivalente a doze milhes de dlares da
seguinte forma:
Proporo do estabelecimento-() Probabilidade-Pr()

1 = 0,60 Pr(1)=0,20
2 = 0,70 Pr(2)=0,50
3 = 0,80 Pr(3)=0,30
Ou seja, o gerente-geral, estima com base na experincia
anterior, que h uma probabilidade de 0.20 que 60% das
lojas chega a doze milhes em vendas anuais, e uma
probabilidade de 0,50 que 70% chega a meta, e, finalmente,
uma probabilidade de 0,30 que 80% chega a meta.
Selecionar aleatoriamente um dos negcios.
Pergunta-se:
Qual a probabilidade de que este tenha atingido a meta
considerada?
Resposta: Pr(M) = 0,71
Uma vez que esta empresa conseguiu o objetivo, qual a
probabilidade de que 80% das empresas venderam 12
milhes dlares?
Resposta: PrP3 | M 33,80%

Aula 2 - Probabilidade e Estatística (Reinaldo Souza)

Încărcat de

Informații document

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

Aula 2 - Probabilidade e Estatística (Reinaldo Souza)

Încărcat de

Drepturi de autor:

Formate disponibile

PROBEST

Reinaldo Castro Souza, PhD

Probabilidade faz parte do nosso dia a dia,

Em resumo: estamos SEMPRE falando sobre

Na terminologia usual, a probabilidade reflete a

Quanto maior a probabilidade, maior a chance de

IMPORTANTE: probabilidade um nmero entre

E por que necessrio estudar probabilidades?

Mas... note que, embora voc no saiba

um conjunto de possveis resultados de

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

Chance pode ser entendida como a frenquencia

No entanto, nem toda funo que sai do espao de

Estas trs propriedades definem o tipo de funo

A princpio, existem infinitas funes que mapeiam

A propriedade a seguir uma das mais

Esta propriedade s vezes chamada de

Por exemplo, pessoas numa pesquisa de mercado

Partio do espao amostral (com 3 eventos)

Como ser que a probabilidade de um evento muda

A idia de probabilidade condicional uma das mais

Uma probabilidade condicional nada mais do que

Calcule a probabilidade de algum ser microempresrio

Seleciona-se uma das 50 pessoas aleatoriamente. Ento:

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

A probabilidade deste evento deve ser diferente da

A probabilidade condicional de que uma pessoa seja

Ou, em outras palavras, devemos olhar para as 10 pessoas

Por isso, dividimos P(A B) por P(A). Pois agora, j

Mulheres No Novo universo

Utilizando o nmero de elementos de cada

Estes exemplos nos fizeram derivar naturamente

Em geral, a probabilidade do evento B dado o

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

Estas definies s so vlidas quando os

Este resultado tambm conhecido como

Dois eventos A e B so chamados de

Do contrrio, A e B so eventos dependentes.

Independncia uma propriedade muito forte e

Ou seja, se A e B so independentes, a ocorrncia de B no

Em termos bastante informais, se A e B so independentes,

A partir dos dados da prxima tabela pergunta-se:

Se existe independncia entre as duas variveis,

P(renda abaixo de R$ 500 E nenhum carto) = 0.26

E como 0.26 (0.33)(0.53), segue que as variveis

Uma caixa contm N bolas vermelhas e M bolas

O evento ( A B ) o evento {1a. bola vermelha e a

P(A B) = P(B|A).P(A) = [ M / (M + N-1) ] . [ N / (M+N) ]

Como ser que a probabilidade de um evento muda

Uma probabilidade condicional nada mais do que

J vimos que a definio de prob. condicional :

Estas duas ltimas expresses em conjunto nos

P(A B) = P (B | A) . P(A) = P(A | B). P(B)

A partir desta ltima expresso:

Numa certa cidade 40% das pessoas so

Dois eventos A e B so independentes se:

ii) Toda sub-coleo de eventos contendo

Uma partio do espao amostral uma coleo

Em termos formais, os eventos B1, B2 , ...., Bk

Para que serve uma partio?

Suponha que A um evento qualquer em S e B1,

Ento podemos escrever o evento A em termos das suas