Probabilidade • Modelo matemático para incerteza • Desenvolvimento relativamente recente – Cardano (século XVI) – Pascal (século XVII) • Peter Bernstein, Against the Gods Primeira Tentativa • Espaço amostral (W): resultados possíveis para um experimento aleatório. • Probabilidade: número não negativo atribuído a cada um destes resultados, de modo que a soma seja 1 (intuição: frequência a longo prazo) Primeira Tentativa • Adequado para o caso discreto W = {w1, w2, ...} p1 +p2 + ... = 1 Para cada A W , P(A) = wi A P(wi) Como atribuir probabilidades? • Estatística: estimar através de frequência observada • Explorar simetria: modelos equiprováveis W = {w1, w2, ..., wn } p1 = p2 = ... = pn = 1/n • Moedas, bolas em urnas, cartas, dados, etc Exemplo • Uma moeda “honesta” é lançada 3 vezes. Qual é a probabilidade de sair 2 caras? • Espaço amostral: W = {0, 1, 2, 3} (número de caras) • Probabilidade de sair 2 caras = P({2}) = ¼. Exemplo • Uma moeda “honesta” é lançada 3 vezes. Qual é a probabilidade de sair 2 caras? • Espaço amostral: W = {0, 1, 2, 3} (número de caras) • Probabilidade de sair 2 caras = P({2}) = ¼. Exemplo • Uma moeda “honesta” é lançada 3 vezes. Qual é a probabilidade de sair 2 caras? • Espaço amostral: W = {ccc, cck, ckc, kcc, ckk, kck, kkc, kkk} • Probabilidade de sair 2 caras = P({cck, ckc, kcc}) = 3/8. Observação • É óbvio que kkk e ckc têm a mesma chance de ocorrer? • E kkkkkkkkkk e ckkckckckk? • Mega-sena: 1-2-3-4-5-6 e 7-16-24-28-41-52? • Nassim Taleb, Fooled by Randomness Caso contínuo • Roleta “real”, com números de 0 a 360. • Qual é a probabilidade de tirar resultado igual a 316,43? • Qual é a probabilidade de tirar resultado igual a maior que 300? Caso contínuo • Roleta “real”, com números de 0 a 360. • Qual é a probabilidade de tirar resultado igual a 316,43? zero • Qual é a probabilidade de tirar resultado igual a maior que 300? 1/6 Caso contínuo • Probabilidade de eventos não pode ser calculada simplesmente somando as probabilidades associadas a pontos de W. • Necessidade de atribuir probabilidades diretamente aos subconjuntos de W. • Mas não a todos os subconjuntos (Teoria da Medida) Modelo Probabilístico Revisado • Espaço amostral (W): conjunto de resultados possíveis para um experimento aleatório. • s-álgebra de eventos (A): subconjuntos de W aos quais se atribui probabilidade. W A, A A Ac A , Ai A Ai A • Probabilidade (P): função definida em A P(A) 0, P(W) =1, P( Ai ) = i P(Ai) (Ai disjuntos 2 a 2) Consequências • • • • P(Ac) = 1 – P(A) P() = 0 An A P(An) P(A) An A P(An) P(A) Caso discreto • A = todos os subconjuntos de W. • Probabilidades pi atribuídas aos eventos unitários {wi} (como antes) Caso contínuo • W=R • A = menor s-álgebra que contém todos os intervalos (s-álgebra de Borel) • Probabilidades atribuídas aos intervalos (ou aos intervalos da forma (–, x]) (tipicamente através da integral de uma função de densidade) • Por exemplo,b no caso da roleta: 1 ba P([ a, b]) dx 360 360 a Probabilidade Condicional • Probabilidade condicional do evento A na certeza do evento B P( A B) P( A | B) P( B) • Tudo se passa como se, na certeza de B, B fosse o novo espaço amostral. Exemplo • Um dado é lançado 2 vezes. Dado que a soma é 4, qual é a probabilidade condicional de ter saído 1 no primeiro lançamento? W = {(1,1), …, (6, 6)} A = [1 no 1o] = {(1, 1), …, (1, 6)} B = [soma 4] = {(1, 3), (2, 2), (3, 1)} AB = {(1, 3)} P( A B) 1 / 36 1 P( A | B) P( B) 3 / 36 3 Observação • De P( A | B) P( A B) , resulta: P( B) P(AB) = P(B). P(A | B) = P(A) . P(B | A) • A e B são independentes quando P(AB) = P(A). P(B) Exemplo • Em uma urna há 6 bolas brancas e 4 pretas. As bolas são retiradas sequencialmente, sem reposição. Exemplo 1) Probabilidade de a 1a bola retirada ser branca? Exemplo 2) Probabilidade de a 1a bola retirada ser branca e a 2a preta? Exemplo 3) Probabilidade de a 2a bola retirada ser preta? Exemplo 4) Probabilidade de a 1a bola retirada ter sido preta sabendo que a 2a foi branca? Teoremas • Sejam B1, B2, … disjuntos 2 a 2 tais que Bi = W • Probabilidade Total P( A) P( B1 ).P( A | B1 ) P( B2 ).P( A | B2 ) ... • Bayes P( B1 ).P( A | B1 ) P( B1 | A) P( B1 ).P( A | B1 ) P( B2 ).P( A | B2 ) ... Exemplo • Em uma população, 1% das pessoas têm uma certa doença. Um exame para esta doença tem probabilidade de falsopositivo igual a 2% e de falso negativo igual a 1%. Se uma pessoa escolhida ao acaso é examinada e o exame dá positivo, qual é a probabilidade de que ela tenha a doença? Solução • Dados: P(Doente) = 0.01 P(Positivo|Doente) = 0.99 P(Positivo|Doentec) = 0.02 • Pede-se: P(Doente|Positivo) Solução P 0,99 0,01 D 0,01 0,99 Dc P 0,02 0,98 Solução P 0,99 0,01 D 0,01 0,99 Dc P 0,02 0,98 P( D P) 0,01.0,99 1 P( D | P) P( P) 0,01.0,99 0,99.0,02 3