Lógica e Raciocínio Universidade da Madeira http://dme.uma.pt/edu/LeR/ Decisão sob Risco Probabilidade 1 Probabilidade ÎEm decisões sob ignorância a probabilidade dos diferentes resultados e consequências são desconhecidas. ÎPorém, em muitas situações, temos alguma percepção sobre a probabilidade ÎSe numa decisão consideramos as probabilidades dos diferentes resultados, chamamos a este processo decisão sob risco. Probabilidade - Introdução ÎA probabilidade dum evento A é denotada P(A). ÎP(A) pode ser derivada do facto que a frequência relativa de tentativas repetidas fica perto deste número. Por exemplo, se um dado é lançado que a probabilidade de uns cinco é 1/6. Depois de muitos lances (se o dado estiver equilibrado) aproximadamente um em seis de todos os lançamentos é cinco. 2 Espaço de Resultados ÎUm resultado é o desenlace duma tentativa feita ao acaso (random) ÎO Espaço de Resultados é o conjunto de todos os possíveis resultados. Pode ser representado num diagrama de Venn Ω Fig 1. Espaço de Resultados Ω Intersecção e União A A B Fig 2. O evento A A B Fig 3. A intersecção A∩B (A e B acontecem) Fig 4. A união A∪B (A ou B ou ambas) 3 Outros Eventos ÎEventos Complementares (e.g. Ac ou ┐A), Î Conjunto vazio (Ø) ÎEventos disjuntos ( A e B não podem acontecer juntos) A Ac Fig 5. Eventos Complementares (Ac or ┐A) A B Fig 6. Eventos disjuntos (A∩B = 0) Teoria da Probabilidade ÎSe um evento A = Ω, então A é certo, o que significa que a probabilidade desse evento é 100% ÎSe dois eventos A e B são disjuntos, então P(A ∪ B) = P(A) + P(B). 4 Axioma de Kolmogorov Î 0 ≤ P(A) ≤ 1, para todo evento A Î P(A ∩ AC) = 0 e P(A ∪ AC) = 1, para todo evento A. Î P(X ∪ Y) = P(X) + P(Y) – P(X ∩ Y) Teoria da Probabilidade: Exemplo Uma moeda é jogada no ar duas vezes. O espaço de resultados é Ω: u1: CaCa; u2 : CaCo; u3 : CoCa; u4 : CoCo Podemos definir diferentes eventos, por exemplo: A: Pelo menos obtemos uma cara. B: A primeira jogada é cara C: A segunda jogada é coroa D: Só foram obtidas coroas. A = {u1, u2, u3} B = {u1, u2} C = {u2, u4} D = {u4} 5 Teoria da Probabilidade: Exemplo A = {u1, u2, u3} B = {u1, u2} C = {u2, u4} D = {u4} Podemos inferir, entre outras, as seguintes relações: B é um subconjunto de A (B ⊂ A), A é o complemento de D (AC = D), a união dos eventos A e D são o espaço de resultados (A ∪ D = Ω), a intersecção de B e C é (B ∩ C = {u2}). Variáveis Estocásticas ÎVariáveis aleatórias ou estocásticas: Una quantidade o qual valor determina-se como resultado dum experimento ÎPodemos ter duas categorias )Discreta, entre duas variáveis X e Y podem não existir valores intermédios )Continua, entre duas variáveis X e Y existem infinitos valores intermédios 6 Variáveis Estocásticas ÎMais formalmente uma variável estocástica pode ser vista como uma função a partir dum domínio, por exemplo ÎPor exemplo, se X é a variável estocástica no domínio {rato, cão, gato} P(X) = <30%,60%,10%> á a sua distribuição de probabilidade. Se X(rato) = 10, X(cão) = 20, X(gato) = 30, podemos fazer observações do tipo P(X = 10) = 30%, P(X > 10) = 70%, P(0 ≤ X ≤ 30) = 100% Distribuição de Probabilidade ÎP(X = 10) = 30%, lê-se “a probabilidade de que a variável assuma o valor 10 é 30%” ÎP(X > 10) = 70%, lê-se “a probabilidade de que a variável assuma um valor maior que 10 é 70%” 7 Interpretação das Probabilidades ÎVisão Clássica: É a visão objectiva e matemática, a que melhor se aplica nos casos onde o espaço de resultados é perfeitamente conhecido )Um problema da visão clássica é a carência de conteúdo empírico. ÎVisão de frequência relativa: Consiste numa visão objectiva e empírica que foi desenvolvida em resposta a visão clássica. Define a probabilidade em termos de eventos actuais Interpretação das Probabilidades ÎVisão Subjectiva: É uma tentativa para desenvolver uma noção de probabilidade que afronta todos estes desafios. Probabilidades subjectivas são avaliações pessoais. 8 Probabilidade condicional ÎA Probabilidade condiciona é utilizada para representar o que acontece quando nova informação é adicionada. ÎA probabilidade condicional denota-se P(A | B). )P( chuva | muito nublado ) = 70% Probabilidade condicional ÎA probabilidade condicional é muito importante em aplicações de decisão analítica, onde lidamos com o valor da nova informação ÎA fórmula para a probabilidade condicional: P(B | A) = P(A ∩ B)/P(A) ), sendo P(A) > 0. Em palavras, significa qual é a probabilidade condicional de B, assumindo que acontece A 9 Probabilidade condicional ÎPodemos derivar a fórmula P(A ∩ B) = P(A)*P(B | A), Que é chamada regra de produção Probabilidade condicional Hom em Mulher Total Câncer de Prostata 600 0 600 No Câncer de Prostata 800 1000 1800 1400 1000 2400 P(prost. câncer)= 600/2400= 0,25 P(prost. câncer, homem)= 600/1400= 0,428571 Total 10 Probabilidade condicional Î Baseado na tabela precedente, a probabilidade de uma pessoa qualquer do grupo ter câncer de próstata é P(pros. câncer) = 25%. Se escolhemos a priori um homem a probabilidade é P(pros. câncer | homem) = 43%. ) E.g. P(pros. câncer | homem) > P(pros. câncer) Eventos Independentes ÎDois eventos são independentes se A e B são tais que P(B | A) = P(B). Isto significa que a probabilidade de B não muda pelo facto de acontecer A. 11 Regra de Bayes ÎDada as duas fórmulas da regra do produto: P(A∩B) = P(A|B) P(B) P(A∩B) = P(B|A) P(A) ÎIgualando e dividindo as equações por P(A), obtém-se: P(B|A) = P(A|B) P(B) / P(A) ÎEsta equação é conhecida como Regra de Bayes (Lei de Bayes ou Teorema de Bayes) que representa a base da maioria dos sistemas para inferência ou decisão probabilística Regra de Bayes (cont.) Um caso simples: diagnóstico médico )Suponha que a meningite cause, em 50% dos casos, torcicolo em um paciente - P(T|M) = 0.5 )Suponha que a probabilidade de um paciente ter meningite - P(M) = 1/50.000 )E a probabilidade de um paciente ter torcicolo - P(T) = 1/20 )Deseja saber P(M|T) ? P(M|T) = P(T|M)P(M) = 0.5 x 1/50.000 = 0.0002 P(T) 1/20 12 Conclusão ÎAs probabilidades oferecem poderosas ferramentas na hora de tomar decisões. ÎPorém adoecem de algumas dificuldades práticas, sendo a principal o desconhecimento do espaço de resultados e as probabilidade exacta de cada resultado FIM 13