Modelos de Probabilidade e Inferência Estatística Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 1 / 48 Probabilidade Condicional É provável que você ganhe um aumento. Se atingir todas as metas, claro!!! Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 2 / 48 Probabilidade Condicional Probabilidade Condicional EXEMPLO: Um lote de material hospitalar é formado pelos seguintes artigos: 80 não defeituosos e 20 defeituosos. Dois artigos são retirados do lote. Sejam A = {1o artigo defeituoso} e B = {2o artigo defeituoso}. Calcule P (A) e P (B ): (a) com reposição e (b) sem reposição. (a) Se extrairmos com reposição, cada vez que estivermos extraindo do lote, existirão 20 peças defeituosas em um total de 100. Assim, P (A) = P (B ) = 20/100 = 1/5. (b) Se estivermos extraindo sem reposição, é ainda verdade que P (A) = 1/5. Mas e sobre P (B )? É evidente que para calcularmos P (B ) é necessário conhecer a composição do lote no momento de se extrair a segunda peça. Isto é, devemos saber se A ocorreu ou não. Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 3 / 48 Probabilidade Condicional Em muitas situações, informações preliminares podem alterar as probabilidades de eventos. EXEMPLO 1: A probabilidade de chover no final da tarde poderia ser diferente se tivermos informações adicionais, tal como a situação climática no dia anterior. EXEMPLO 2: Seja A = uma mulher está grávida. Seja B = exame de farmácia negativo. Sabendo da ocorrência de B, a probabilidade de A (ela estar grávida) será alterada. EXEMPLO 3: A probabilidade de um indivíduo ter cirrose pode ser afetada pelo fato dele ser ou não alcoólatra. Iremos estudar agora como a informação de que um evento B ocorreu afeta a probabilidade de ocorrência de um evento A. Usaremos a notação P(A|B) para representar a probabilidade condicional de A dado que ocorreu o evento B. Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 4 / 48 Probabilidade Condicional Sempre que calcularmos P (A|B ), estaremos essencialmente calculando P (A) em relação ao espaço amostral reduzido B, em lugar de considerar o espaço amostral original Ω. EXEMPLO: Diagrama de Venn Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 5 / 48 Exemplo 4 Exemplo Perguntou-se a uma amostra de adultos em três cidades se eles gostavam de um novo produto. Os resultados estão a seguir. Sim Não Não sabe Total João Pessoa Recife 100 150 125 130 75 170 300 450 Campina Grande Total 150 400 95 350 5 250 250 1.000 Uma das respostas é selecionada ao acaso. Determine: 1. P(sim) 2. P(Recife) 3. P(Campina Grande) 4. P(Não | Campina Grande) Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 6 / 48 Probabilidade Condicional Soluções Sim Não Não sabe Total João Pessoa 100 125 75 300 1. P(sim) 2. P(Recife) Recife Campina Grande Total 150 150 400 130 95 350 170 5 250 450 250 1.000 = 400/1.000 = 0,4 = 450/1.000 = 0,45 3. P(Campina Grande) = 250/1.000 = 0,25 4. P(Não|Campina Grande) = 95/250 = 0,38 Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 7 / 48 Probabilidade Condicional Avaliando os exemplos anteriores podemos concluir que: Quando calcularmos P (A) estaremos nos perguntando quão provável será estarmos em A, sabendo que devemos estar em Ω. Quando calcularmos P (A|B ) estaremos nos perguntando quão provável será estarmos em A, sabendo que devemos estar em B. Dado que B ocorreu, o espaço amostral relevante não é mais Ω, mas consiste em resultados contidos em B. A única forma de A ocorrer, dado que B ocorreu, é se um dos resultados da interseção (A ∩ B ) ocorrer. EXEMPLO 5: Dois dados são lançados. Considere os eventos: A =a soma dos resultados é igual a 10 e B =o primeiro número é maior ou igual ao segundo. Calcule P (A), P (B ), P (B |A) e P (A|B ). Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 8 / 48 Probabilidade Condicional EXEMPLO 5: Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 9 / 48 Probabilidade Condicional Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 10 / 48 Probabilidade Condicional Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 11 / 48 Probabilidade Condicional IMPORTANTE: Como valem os axiomas, as propriedades de probabilidade são mantidas (Ex: P (Ac |B ) = 1 − P (A|B )). IMPORTANTE: Temos então duas maneiras de calcular a probabilidade condicional P (A|B ): (I) Empregando a definição anterior, em que P (A ∩ B ) e P (B ) são calculadas em relação ao espaço amostral original Ω. (II) Diretamente, pela consideração da probabilidade de A em relação ao espaço amostral reduzido B. Voltando ao exemplo inicial. Qual a probabilidade da segunda peça ser defeituosa (P (B ))? P (B |A) = 19/99, porque se A tiver ocorrido, então na segunda extração restarão somente 99 peças, das quais 19 delas serão defeituosas. De modo similar, temos que P (B |Ac ) = 20/99. Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 12 / 48 Exemplo 6 Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 13 / 48 Exemplo 6 Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 14 / 48 Exemplo 7 Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 15 / 48 Probabilidade Condicional Exemplo 8: Estatísticas dos últimos anos do departamento estadual de estradas são apresentadas na tabela a seguir, contendo o número de acidentes incluindo vítimas fatais e as condições do principal motorista envolvido, sóbrio ou alcoolizado. Você diria que o fato do motorista estar ou não alcoolizado interfere na ocorrência de vítimas fatais? Motorista/vítimas Fatais Sóbrio Alcoolizado Prof. Tarciana Liberal (UFPB) Não 1228 2393 Aula Probabilidade Condicional Sim 275 762 03/14 16 / 48 Probabilidade Condicional Exemplo 9: Uma turma de estatística teve a seguinte distribuição das notas finais: 4 do sexo masculino e 6 do feminino foram reprovados, 8 do sexo masculino e 14 do feminino foram aprovados. Para um aluno sorteado dessa turma, denote por M se o aluno escolhido for do sexo masculino e por A se o aluno foi aprovado. Calcule (a) P (A ∪ M c ) (b) P (Ac ∩ M c ) (c) P (A|M ) (d) P (M c |A) (e) P (M |A) Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 17 / 48 Probabilidade Condicional Exemplo 9: Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 18 / 48 Exemplo 10 Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 19 / 48 Exemplo 10 Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 20 / 48 Exemplo 10 Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 21 / 48 Exemplo 10 Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 22 / 48 Exemplo 10 Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 23 / 48 Probabilidade Condicional Exercício 1: Considere os dados do Exercício 4 da aula anterior. Baseado nesses dados calcule o risco relativo e interprete os resultados. Algumas importantes consequências da definição de probabilidade condicional são apresentadas a seguir. Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 24 / 48 Probabilidade Condicional Podemos aplicar esse teorema para calcular a probabilidade da ocorrência conjunta dos eventos. Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 25 / 48 Probabilidade Condicional Exemplo 11: Voltando ao exemplo inicial das peças defeituosas. Qual a probabilidade de que ambas as peças sejam defeituosas? Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 26 / 48 Probabilidade Condicional Exercício 2: Das pacientes de uma clínica de ginecologia com idade acima de 40 anos, 60% são ou foram casadas e 40% são solteiras. Sendo solteira, a probabilidade de ter tido um distúrbio hormonal no último ano é de 10%, enquanto que para as demais essa probabilidade aumenta para 30%. (a) Qual a probabilidade de uma paciente escolhida ao acaso ter um distúrbio hormonal e ser solteira? (b) Se escolhermos duas pacientes ao acaso e com reposição, qual é a probabilidade de pelo menos uma ter o distúrbio? Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 27 / 48 Probabilidade Condicional Exercício 2: Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 28 / 48 Probabilidade Condicional Já consideramos eventos A e B que não podem ocorrer conjuntamente (A ∩ B = ∅). Tais eventos são denominados mutuamente excludentes. Se A e B forem mutuamente excludentes, então P (A|B ) = 0, porque a ocorrência de B impede a ocorrência de A. Em muitas situações saber que B já ocorreu nos dá alguma informação bastante definida referente à probabilidade de ocorrência de A. Existem, porém, muitas situações nas quais saber que algum evento B ocorreu não tem qualquer interesse quanto á ocorrência ou não ocorrência de A. EXEMPLO 12: Um dado equilibrado é jogado duas vezes. Seja A =o primeiro dado mostra um número par e B =o segundo dado mostra 5 ou 6. Os eventos A e B são inteiramente não relacionados. Saber que B ocorreu não fornece qualquer informação sobre a ocorrência de A. Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 29 / 48 Probabilidade Condicional Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 30 / 48 Probabilidade Condicional Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 31 / 48 Probabilidade Condicional Proposição 1: Se A e B são independentes, então A e B c também são independentes (e também Ac e B, e ainda Ac e B c ). EXEMPLO 13: Se P (A ∪ B ) = 0.8; P (A) = 0.5 e P (B ) = x, determine o valor de x no caso de: (a) A e B serem mutuamente exclusivos. (b) A e B serem independentes. Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 32 / 48 Probabilidade Condicional EXEMPLO 14: Em uma certa população, a probabilidade de gostar de teatro é de 1/3, enquanto que a de gostar de cinema é 1/2. Determine a probabilidade de gostar de teatro e não de cinema, nos seguintes casos: (a) (b) (c) (d) Gostar de teatro e gostar de cinema são eventos disjuntos. Gostar de teatro e gostar de cinema são eventos independentes. Todos que gostam de teatro gostam de cinema. A probabilidade de gostar de teatro e de cinema é de 1/8. Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 33 / 48 Probabilidade Condicional EXEMPLO 15: Suponha que em um levantamento estatístico efetuado em determinada população verificou que o número de casais hipertensos é de 7.2%. Se nessa mesma população 23% de indivíduos do sexo masculino e 18% do sexo feminino são hipertensos, então existe dependência (ou associação) entre o fato de o homem e a mulher do casal apresentarem hipertensão? Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 34 / 48 Probabilidade Condicional Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 35 / 48 Probabilidade Condicional Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 36 / 48 Teorema da Probabilidade Total Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 37 / 48 Ilustração Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 38 / 48 Ilustração Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 39 / 48 Probabilidade Condicional Importante: Esse resultado representa uma relação extremamente útil, porque frequentemente, P (A) pode ser difícil de ser calculada diretamente. No entanto, com a informação adicional de que ci tenha ocorrido, seremos capazes de calcular P (A|ci ) e, em seguida empregar o teorema acima. Voltando ao exemplo inicial. Qual a probabilidade da segunda peça ser defeituosa (P (B )) se as retiradas são sem reposição? Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 40 / 48 Introdução EXEMPLO 16: No exemplo da Clínica, qal a probabilidade de uma paciente escolhida ao acaso ter tido um distúrbio hormonal? Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 41 / 48 Teorema de Bayes Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 42 / 48 Teorema de Bayes Na expressão do lado direito, o numerador é obtido pela regra do produto. O denominador é obtido pelo teorema da probabilidade total. Importante: Este resultado é útil quando conhecemos as probabilidades dos ci e as probabilidades condicionais de A dado ci , mas não conhecemos diretamente a probabilidade de A. Observação: A fórmula de Bayes é, às vezes, chamada de fórmula de probabilidades posteriores. As probabilidades P (Ci ) podem ser chamadas probabilidades a priori e as P (Ci |A), probabilidades a posteriori. Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 43 / 48 Teorema de Bayes Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 44 / 48 Introdução EXEMPLO: No exemplo da Clínica, se a paciente sorteada tiver distúrbio hormonal, qual a probabilidade de ser solteira? Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 45 / 48 Teorema de Bayes Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 46 / 48 Teorema de Bayes Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 47 / 48 Teorema de Bayes Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 03/14 48 / 48