Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 1 / 56 Introdução É provável que você ganhe um aumento. .............. Se atingir todas as metas, claro!!! Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 2 / 56 Probabilidade Condicional Probabilidade Condicional EXEMPLO 1: Um lote 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 08/16 3 / 56 Probabilidade Condicional Em muitas situações, informações preliminares podem alterar as probabilidades de eventos. EXEMPLO 2: A probabilidade de chover no final da tarde poderia ser diferente se tivermos informações adicionais, tal como a situação climática no dia anterior. EXEMPLO 3: 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 4: 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 08/16 4 / 56 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 5: Diagrama de Venn Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 5 / 56 Exemplo 6 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 08/16 6 / 56 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 08/16 7 / 56 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. Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 8 / 56 Probabilidade Condicional EXEMPLO 7: 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 08/16 9 / 56 Probabilidade Condicional Definição 6.1: (Probabilidade Condicional) Seja (Ω, P ) um espaço mensurável. Se B ∈ Ω e P (B > 0), a probabilidade condicional de A dado B, é definida por P (A|B ) = Prof. Tarciana Liberal (UFPB) P (A ∩ B ) P (B ) Aula Probabilidade Condicional 08/16 10 / 56 Probabilidade Condicional Observação 6.1: Se P (B ) = 0, P (A|B ) pode ser arbitrariamente definida. Alguns livros consideram P (A|B ) = 0, nesse caso. Contudo, é mais plausível considerar P (A|B ) = P (A). Importante: Se A e B são desenhados de modo que as áreas de A, B e A ∩ B sejam proporcionais às suas probabilidades, então P (A|B ), é a proporção do evento B ocupada pelo evento A. PERGUNTA: P (A|B ), A ∈ A , é realmente uma probabilidade em A? RESPOSTA: Precisamos verificar os axiomas. Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 11 / 56 Probabilidade Condicional DEMONSTRAÇÃO: (1) Para todo A ∈ Ω segue que P (A|B ) ≥ 0. É verdade pois como P (A ∩ B ) ≥ 0 e P (B ) > 0, temos que P (A|B ) = P (A∩B ) P (B ) ≥ 0. (2) P (Ω|B ) = 1 É verdade pois P (Ω|B ) = P (Ω∩B ) P (B ) P (B ) = P (B ) . (3) Seja (A1 , A2 , . . . ∈ Ω) tal que Ai ∩ Aj = ∅ para i 6= j então, S∞ P∞ P ( i =1 Ai |B ) = i =1 P (Ai |B ) S∞ É verdade pois P ( A |B ) = i =1 i P∞ P (Ai ∩B ) P (B ) i =1 P (Ai ∩B ) P (B ) Prof. Tarciana Liberal (UFPB) = P∞ i =1 = P (( S∞ i =1 Ai )∩B ) P (B ) P∞ i =1 Aula Probabilidade Condicional = P( S∞ i =1 (Ai ∩B )) P (B ) = P (Ai |B ). 08/16 12 / 56 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 08/16 13 / 56 Exemplo 8 Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 14 / 56 Exemplo 8 Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 15 / 56 Exemplo 9 Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 16 / 56 Exemplo 10 Exemplo: 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 08/16 17 / 56 Probabilidade Condicional Exemplo 11: 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 08/16 18 / 56 Probabilidade Condicional Exemplo 11: Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 19 / 56 Probabilidade Condicional Exemplo 12: Verifique se são válidas as afirmações: (a) Se P (A) = 1/3 e P (B |A) = 3/5 então A e B não podem ser disjuntos. (b) Se P (A) = 1/2, P (B |A) = 1 e P (A|B ) = 1/2 então A não pode estar contido em B. Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 20 / 56 Risco Reltivo Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 21 / 56 Exemplo 13 Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 22 / 56 Exemplo 13 Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 23 / 56 Exemplo 13 Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 24 / 56 Exemplo 13 Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 25 / 56 Probabilidade Condicional A mais importante consequência da definição de probabilidade condicional, é obtida ao se escrever: P (A ∩ B ) = P (A|B )P (B ) P (A ∩ B ) = P (B |A)P (A) Teorema 6.1: (Regra do Produto) Seja A1 , A2 , . . . , An ∈ Ω, com P (∩ni=1 Ai ) > 0, então P (A1 ∩ A2 ∩. . .∩ An ) = P (A1 )P (A2 |A1 )P (A3 |A1 ∩ A2 ) . . . P (An |A1 ∩ A2 ∩. . .∩ An−1 ) Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 26 / 56 Probabilidade Condicional Demonstração: Faremos por indução. Para n = 2, pela definição de probabilidade condicional, temos que P (A1 ∩ A2 ) = P (A1 )P (A2 |A1 ). Suponha que o resultado é válido para n = k , ou seja P (A1 ∩ A2 ∩ . . . ∩ Ak ) = P (A1 )P (A2 |A1 ) . . . P (An |A1 ∩ A2 ∩ . . . ∩ Ak −1 ). Assim, para n = k + 1 temos que P (A1 ∩ A2 ∩ . . . ∩ Ak ∩ Ak +1 ) = P [(A1 ∩ A2 ∩ . . . ∩ Ak ) ∩ Ak +1 ] = P (A1 ∩ A2 ∩ . . . ∩ Ak )P (Ak +1 |A1 ∩ A2 ∩ . . . ∩ Ak ) = P (A1 )P (A2 |A1 ) . . . P (Ak +1 | ∩ki=1 Ai ) Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 27 / 56 Probabilidade Condicional Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 28 / 56 Probabilidade Condicional Observação 6.2: Podemos aplicar esse teorema para calcular a probabilidade da ocorrência conjunta dos eventos. Voltando ao exemplo inicial das peças defeituosas. Qual a probabilidade de que ambas as peças sejam defeituosas? Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 29 / 56 Probabilidade Condicional Exemplo 14: 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 08/16 30 / 56 Probabilidade Condicional Exemplo 15: Sabe-se que 80% dos pênaltis marcados a favor do Brasil são cobrados por jogadores do Flamengo. A probabilidade de um pênalti ser convertido é de 40% se o cobrador for do Flamengo e de 70% em caso contrário. Um pênalti a favor do Brasil acabou de ser marcado. Qual a probabilidade do pênalti ser cobrado por um jogador do Flamengo e ser convertido? Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 31 / 56 Probabilidade Condicional Definição 6.2: Dizemos que os eventos B1 , B2 , . . . , Bk formam uma partição do espaço amostral Ω quando: (i)Bi ∩ Bj = ∅, para todo i 6= j; (ii)∪ki=1 Bi = Ω e (iii)P (Bi ) > 0 para todo i. Explicando: Quando o experimento é realizado, um e somente um, dos eventos Bi ocorre. Seja A um evento qualquer referente a Ω e B1 , B2 , . . . , Bk uma partição de Ω, podemos escrever então: A = (A ∩ B1 ) ∪ (A ∩ B2 ) ∪ . . . ∪ (A ∩ Bk ) Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 32 / 56 Probabilidade Condicional Teorema 6.2: (Teorema da Probabilidade Total) Seja B1 , B2 , . . . , Bn uma partição de Ω com P (Bi ) > 0, para todo i = 1, . . . , n. Então, para todo A ∈ A , tem-se que P (A) = n X P (Bi )P (A|Bi ) i =1 Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 33 / 56 Probabilidade Condicional Demonstração: Pela regra do produto, temos que P (Bi )P (A|Bi ) = P (A ∩ Bi ). Como para i = 1, . . . , n os eventos A ∩ Bi são disjuntos, temos que Pn i =1 P (Bi )P (A|Bi ) = Pn i =1 P (A ∩ Bi ) = P [ Sn i =1 (A ∩ Bi )] = P [A ∩ ( Sn i =1 Bi )] = P (A). 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 Bi tenha ocorrido, seremos capazes de calcular P (A|Bi ) e, em seguida empregar o teorema acima. Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 34 / 56 Ilustração Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 35 / 56 Ilustração Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 36 / 56 Probabilidade Condicional 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 08/16 37 / 56 Probabilidade Condicional 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 08/16 38 / 56 Probabilidade Condicional EXEMPLO 17: Um determinado produto é produzido por três fábricas 1, 2 e 3. Sabe-se que 1 produz o dobro de peças que 2, e 2 e 3 produzem o mesmo número de peças. Sabe-se também que 2% das peças produzidas por 1 e por 2 são defeituosas, enquanto que 4% daquelas produzidas por 3 são defeituosas. Todas as peças produzidas são colocadas em um depósito, e depois uma peça é extraída ao acaso. Qual a probabilidade de que uma peça seja defeituosa? Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 39 / 56 Probabilidade Condicional Teorema 1.3: (Teorema de Bayes) Seja B1 , B2 , . . . , Bn uma partição de Ω com P (Bi ) > 0, para todo i = 1, . . . , n. Então, para todo A ∈ A , com P (A) > 0 e para todo j = 1, 2, . . . , n, tem-se que P (A|Bj )P (Bj ) . P (Bj |A) = Pn P (A|Bi )P (Bi ) i =1 Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 40 / 56 Probabilidade Condicional Demonstração: Na expressão do lado direito, o numerador é P (A ∩ Bj ) pela regra do produto. O denominador é P (A) pelo teorema da probabilidade total. Portanto, pela definição de probabilidade condicional o teorema está demonstrado. Importante: Este resultado é útil quando conhecemos as probabilidades dos Bi e as probabilidades condicionais de A dado Bi , mas não conhecemos diretamente a probabilidade de A. Observação 6.3: A fórmula de Bayes é, às vezes, chamada de fórmula de probabilidades posteriores. As probabilidades P (Bi ) podem ser chamadas probabilidades a priori e as P (Bi |A), probabilidades a posteriori. Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 41 / 56 EXEMPLO 18 Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 42 / 56 Probabilidade Condicional EXEMPLO 19: Considere que no exemplo 1 um produto é escolhido e é verificado ser defeituoso. Qual a probabilidade dele ter vindo da fábrica 3? Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 43 / 56 EXEMPLO 20 Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 44 / 56 EXEMPLO 20 Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 45 / 56 EXEMPLO 20 Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 46 / 56 Probabilidade Condicional EXEMPLO 21: Marina entrega a João Mariano uma carta, destinada ao seu namorado, para ser colocada no correio. Entretanto, ele pode esquecer com probabilidade 0.1. Se não se esquecer, a probabilidade de que o correio extravie a carta é de 0.1. Finalmente, se foi enviada pelo correio a probabilidade de que o namorado não a receba é de 0.1. (a) Se o namorado de Marina não recebeu a carta, qual a probabilidade de João Mariano ter esquecido de colocá-la no correio? (b) Avalie as possibilidades desse namoro continuar, se a comunicação depender das cartas enviadas. Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 47 / 56 Probabilidade Condicional EXEMPLO 22: Em um exame há três respostas para cada pergunta e apenas uma delas é certa. Portanto, para cada pergunta, um aluno tem probabilidade 1/3 de escolher a resposta certa se ela estar advinhando e 1 se sabe a resposta. Um estudante sabe 30% das respostas do exame. Se ele deu a resposta correta para uma das perguntas, qual é a probabilidade de que a adivinhou? Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 48 / 56 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 23: 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 08/16 49 / 56 Probabilidade Condicional Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 50 / 56 Probabilidade Condicional Definição 6.3: (Independência de dois eventos) Sejam A e B eventos em (Ω, A , P ). A e B são eventos independentes se P (A|B ) = P (A) ou P (B |A) = P (B ). A condição de independência pode também ser expressa na seguinte forma alternativa e equivalente: P (A ∩ B ) = P (A)P (B ) Importante: Diremos que os eventos A e C são condicionalmente independentes dado B se P (A ∩ C |B ) = P (A|B )P (C |B ). Definição 6.4: (Independência de vários eventos) Os eventos A1 , A2 , . . . , An em (Ω, A , P ) são independentes se, para toda coleção de índices 1 ≤ i1 < i2 < . . . < ik ≤ n e 2 ≤ k ≤ n, tivermos P (Ai1 ∩ Ai2 ∩ . . . ∩ Aik ) = P (Ai1 )P (Ai2 ) . . . P (Aik ) Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 51 / 56 Probabilidade Condicional Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 52 / 56 Probabilidade Condicional Proposição 6.1: 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 ). Demonstração: P (A ∩ B c ) = P (A) − P (A ∩ B ). Como A e B são independentes, então P (A ∩ B ) = P (A)P (B ). Substituindo, temos que P (A ∩ B c ) = P (A) − P (A)P (B ) = P (A)(1 − P (B )) = P (A)P (B c ). Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 53 / 56 Probabilidade Condicional EXEMPLO 24: 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 08/16 54 / 56 Probabilidade Condicional EXEMPLO 25: 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) (e) 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. Dentre os que não gostam de cinema, a probabilidade de não gostar de teatro é 3/4. Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 55 / 56 Probabilidade Condicional EXEMPLO 26: Uma caixa contém 5 bolas brancas e três bolas pretas. Duas bolas são retiradas simultaneamente ao acaso e substituídas por três bolas azuis. Em seguida duas novas bolas são retiradas da caixa. Calcule a probabilidade de que essas duas últimas bolas sejam da mesma cor. Prof. Tarciana Liberal (UFPB) Aula Probabilidade Condicional 08/16 56 / 56