Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Probabilidade Condicional
20 2
P (mulher | Estatística )
30 3
Probabilidade condicional
Probabilidade condicional
• Em muitas situações práticas, o fenômeno
aleatório com o qual trabalhamos pode ser
separado em etapas.
P( A B)
P( A | B) , P( B) 0
P( B)
P( A B) 20 / 200 2
P( A | B)
P( B) 30 / 200 3 Como havíamos
obtido !
Inferência Bayesiana
• Observe que P(A) = P(mulher) = 85/200, e com a
informação de que B ocorreu (o aluno é
matriculado em Estatística), obtém-se: P(A|B)=2/3.
P( A B) P( A | B) P( B), com P( B) 0
Exemplo
• Uma grande região de 100km2 tem um aqüífero
subterrâneo com área igual a 2 km2 cuja localização é
desconhecida. Para determinar a posição do aqüífero,
perfurações são feitas ao acaso.
2
P( H ) 0,02
100
• Após um ano de pesquisas, uma área de 20 km2 já foi
perfurada sem encontrar água e pode ser descartada.
Representamos esse evento por I
• Qual é agora a probabilidade de um furo, feito ao
acaso, atingir o aqüífero? P(H|B)=2/80 = 0,025
• Considere como evento B: a nova região de procura.
Essa região é igual a área inicial menos a área perfurada
= 100km2 -20km2 = 80 km2.
• Portanto a probabilidade do evento B é
P(B) = 80/100 = 0,8
P( H B ) 0,02
P( H | B) 0,025
P( B) 0,8
Exemplo
• Uma questão de múltipla escolha tem 5
alternativas. Dos alunos de uma turma,
50% sabem resolver a questão, enquanto
os demais “chutam” a resposta. Um aluno
da turma é escolhido ao acaso.
Temos:
P(não sabe e acerta ) 0,1 1
P(não sabe | acerta )
P(acerta ) 0,6 6
Independência de eventos
0,90 O2
Árvore de probabilidades,
O1 0,10 representa os eventos e as
0,95
O2 c probabilidades condicionais
associadas às realizações.
Cada um dos caminhos da
O2
0,90 árvore representa uma
0,05 possível ocorrência
O1 c
0,10 O2 c
= 0,995
Realizações disjuntas!!!
Teoria da confiabilidade
• Esta teoria estuda sistemas e seus componentes, ex.
sistemas mecânicos (automóvel) e eletrônicos (computador).
• O objetivo da teoria é estudar a relação entre o
funcionamento dos componentes e do sistema.
• A figura (a) ilustra um sistema composto de dois
componentes ligados em série e a figura (b) um sistema em
pararelo.
1
1 2
a) b)
2
Figura (a)
P ( F ) P( A1 A2 ) P ( A1 ) P( A2 ) p1 p2
Figura (b)
P ( F ) P ( A1 A 2 ) P ( A1 ) P ( A 2 ) P ( A1 A 2 )
p1 p 2 p1 p 2
P( A B) P( A) P( B | A)
P( A | B)
P( B) P( B)
C1
Partição do espaço C3 C5
amostral (n=5)
C2
C4
Ω
Teorema de Bayes
• Suponha que os eventos C1, C2, ... Cn formem uma
partição do espaço amostral e que suas probabilidades
sejam conhecidas. Suponha ainda que para um evento
A, se conheçam as probabilidades P(A|Ci) para todo i.
P( A | C j ) P(C j )
P(C j | A) , j 1,2,..., n
n
i 1
P( A | Ci ) P(Ci )
Exemplo
Um fabricante de sorvetes recebe 20% de todo o leite
que utiliza de uma fazenda F1, 30% de outra fazenda
F2 e 50% da fazenda F3. Houve uma fiscalização e
observou-se que 20% do leite produzido por F1 está
com adição de água, enquanto que para F2 e F3 a
proporção era de 5% e 2%. Na indústria de sorvetes
os galões de leite são armazenados em um
refrigerador sem identificação das fazendas.
• Temos que:
P(A|F1)=0,20, P(A|F2)=0,05 e P(A|F3)=0,02.
F3
F1 A
F2
P ( A) P ( A F1 ) P ( A F2 ) P( A F3 )
• Pela regra do produto temos:
P( A) P( F1 A) P( F2 A) P( F3 A)
P( A) P( A | F1 ) P( F1 ) P ( A | F2 ) P( F2 ) P( A | F3 ) P( F3 )
P ( A | F1 ) P( F1 )
P( F1 | A)
P ( A | F1 ) P( F1 ) P( A | F2 ) P( F2 ) P ( A | F3 ) P( F3 )
0,2 x0,2
P( F1 | A) 0,615
0,2 x0,2 0,3 x0,05 0,5 x0,02
• Portanto a probabilidade de que a amostra de leite tenha
sido produzida pela fazenda F1 é de 0,615.
Inferência Bayesiana
• O teorema de Bayes, que aparentemente
poderia ser encarado como mais um
resultado na teoria de probabilidades, tem
importância fundamental, pois fornece a
base para uma abordagem da inferência
estatística conhecida como inferência
Bayesiana.