Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Reconhecimento de Padrões
Revisão de Probabilidade e
Estatística
A
Axiomas Básicos da Probabilidade
• P(A) >= 0
• P(S) = 1
• P(AUB) = P(A)+P(B) se A e B forem
mutuamente exclusivos
– Eventos que não ocorrem simultaneamente,
ou seja A∩B = ø
• Caso contrário
– P(AUB) = P(A)+P(B) – P(A∩B)
• P(A) + P(~A)= 1
Probabilidade Condicional
• A probabilidade de ocorrer um evento, na
condição de que outro evento já tenha ocorrido.
P( A B)
P( A | B)
P( B)
• Considere o seguinte exemplo:
– 250 alunos estão matriculados no primeiro ano
• 100 homens e 150 mulheres
• 110 cursam física e 140 química
P(B) = 3/9
P(B) = 4/9
P(V) = 6/10
P(V) = 5/9
Exemplo (cont)
• Agora considere o exemplo anterior com
reposição, ou seja, eventos
independentes.
• P(B,V) = P(B) X P(V) = 4/10 X 6/10 = 0.24
Teorema de Bayes
• Basicamente o teorema de Bayes mostra como
rever as crenças sempre que novas evidências
são coletadas.
• Ou seja, atualizar a probabilidade a posteriori
utilizando para isso a probabilidade a priori e as
verossimilhanças e as evidências.
Verosimilhanças
priori
(likelihood)
P( A) P( B | A)
Prob. a P( A | B)
posteriori P( B) Evidências
P( B) P( Ai ) P( B | Ai )
Teorema de Bayes: Exemplo
• Um médico sabe que a meningite causa
torcicolo em 50% dos casos. Porém, o médico
sabe que a meningite atinge 1/50000 e também
que a probabilidade de se ter torcicolo é de
1/20.
• Usando Bayes pra saber a probabilidade de
uma pessoa ter meningite dado que ela está
com torcicolo
P(T|M) = 0.5
P(M) = 1/50000
P(T) = 1/20
P( M ) P(T | M ) 1 / 50000 0.5
P( M | T ) 0.0002
P(T ) 1 / 20
Teorema de Bayes: Exercício
• Considere o sistema de classificação de peixes visto anteriormente.
Para essa época do ano, sabe-se que a probabilidade de pescar
salmão é maior que pescar robalo, P(salmão) = 0.82 e P(robabo) =
0.18.
• Suponha que a única característica que você pode contar é a
intensidade do peixe ou seja, se ele é claro ou escuro. Sabe-se que
49.5% dos salmões tem intensidade clara e que 85% dos robalos
tem intensidade clara.
• Calcule a probabilidade de ser salmão dado que o peixe amostrado
tem intensidade clara.
Probabilidade total
Variáveis Aleatórias
• Na prática, muitas vezes é mais interessante
associarmos um número a um evento aleatório
e calcularmos a probabilidade da ocorrência
desse número do que a probabilidade do
evento.
• Exemplo: Lançam-se três moedas. Seja X o
numero de ocorrências da face cara. Determinar
a distribuição de probabilidade de X
– S = {ccc,cck,ckc,ckk,kcc,kck,kkc,kkk}
– Se X é o número de caras, X assume os valores
0,1,2, e 3.
Variáveis Aleatórias
• Podemos associar a esses números
eventos que correspondem a ocorrência
de nenhuma, uma, duas ou três caras.
• Desta forma temos
– P(X=0) = 1/8
– P(X=1) = 3/8
– P(X=2) = 3/8
– P(X=3) = 1/8
Distribuição de Probabilidades
P( X ) 1
i
Variáveis Aleatórias
• Portanto, podemos definir que variável
aleatória é a função que associa a todo
evento pertencente a uma partição do
espaço amostral um único número real.
• Variáveis podem ser discretas ou
contínuas
Parâmetros de uma Distribuição
• Existem características numéricas que
são muito importantes em uma
distribuição de probabilidades. São os
parâmetros da distribuição
– Esperança matemática e variância.
• Esperança matemática
E( X ) X i P( X i )
Esperança Matemática: Exemplo
• Uma seguradora paga 30000 em caso de
acidente de carro e cobra franquia de 1000.
Sabe-se que a probabilidade de que um carro
sofra acidente é de 3%. Quanto espera a
seguradora ganhar por carro segurado.
• Variável Aleatória: X
X P(X) E(X) = 1K * .97 + -29K *.03 = 100
1000 0.97
-29000 0.03
Esperança (lucro médio) é de 100 por
Distribuição de Probabilidade carro. Deve ser interpretada como
valor médio
Variância
• Conhecendo a média (esperança) de uma
distribuição de probabilidades, podemos
calcular o grau de dispersão em torno da
média
VAR( X ) X P( X i ) E ( X )
2 2
i
Variáveis Aleatórias Contínuas
• Podemos definir uma variável aleatória
contínua como sendo a variável aleatória
X em R se existir uma função f(x) tal que:
Calculando as probabilidades
68.27%
95.45%
99.73%
Exemplo
• O peso de recém-nascidos é uma variável
aleatória contínua. A Figura abaixo mostra a
distribuição de freqüências relativas 5000 pesos
de recém-nascidos.
Exemplo
Da tabela,
temos 0.4938
Logo,
P(X>=40) = 0.5 – 0.4938
0 2.5
Exercício
• Uma fábrica de carros sabe que os
motores de sua fabricação têm duração
normal com média 150 mil km e desvio de
5 mil. Qual a probabilidade de que um
carro escolhido ao acaso dure
– a) menos de 170 mil
– b) entre 140 e 165 mil
Exercício
• a) P(X < 170)
– Z = 4. Da tabela temos 0.4999968
– Logo P(X<170) = 0.5 + 0.4999= 0.999
Teorema Central do Limite
• A medida em que o tamanho da amostra
X cresce, a distribuição de X se aproxima
da distribuição normal