BIOESTATSTICA

Parte 2 - Probabilidade

Aulas Tericas de 15/02/2011 a 24/03/2011

2.1. Experincia de Resultados. Espao Amostra.
Acontecimentos

Frequentemente somos confrontados com situaes em que est presente a

incerteza e em que, perante vrias possibilidades, necessrio tomar decises.

Exemplos:
Um dia em que choveu o cu est cheio de nuvens cinzentas, dizemos que
muito provvel que chova. Devemos levar o guarda-chuva?
Foram encontrados alguns comprimidos defeituosos (i.e. com menos de 95%
de quantidade do frmaco indicado na embalagem) numa amostra extrada de
um lote durante em ciclo de produo. Ser necessrio interromper a
produo, o que provocar elevados prejuzos?
[sero os comprimidos defeituosos frutos do acaso?]
Foi desenvolvido um novo medicamento para determinada doena, que se
espera tenha maior probabilidade de cura que o medicamento habitual. Ser
de facto mais eficaz e dever-se- iniciar a sua comercializao?

Existe incerteza no:

Nmero de episdios de otite mdia por ano em crianas at 3 anos de idade;
Concentrao de aspirina na urina, 1hora aps a sua administrao;
Nmero de indivduos afectados por um vrus;
Tempo de vida de um ser vivo de uma determinada espcie.

Os mtodos baseados no conceito de probabilidade, ou seja, os mtodos

probabilsticos, permitem quantificar a incerteza, indicando qual das vrias
possibilidades a mais verosmil.

Aleatrio significa de resultado incerto, devido interveno do acaso.

A Teoria das Probabilidades engloba os mtodos para o estudo de fenmenos

aleatrios. Os fenmenos aleatrios so influenciados pelo acaso, cujo
comportamento futuro no est completamente determinado, mas relativamente aos
quais podemos fazer certas previses de ndole global.
[ou seja, no so feitas individualmente, individuo a individuo]
Experincia Aleatria
Entende-se por experincia aleatria qualquer processo ou conjunto de
circunstncias capaz de produzir resultados observveis, estando esse processo sujeito
influncia do acaso.

Uma experincia aleatria tem as seguintes caractersticas:

Obtm-se um resultado de entre um conjunto de resultados possveis,

conhecidos antes da realizao da experincia;
De entre os resultados possveis, no se sabe qual vai ser obtido;

Espao de resultados ou espao - amostra [ou S]:

Conjunto de todos os resultados possveis de uma experincia aleatria.
[ o Universo; conjunto mais vasto]

Ex. 1: lanamento de 2 moedas e observao do lado que fica para cima

= {FF, FC, CF, CC}

Ex. 2: lanamento de um dado e registo do nmero de pontos obtidos

= {1, 2, 3, 4, 5, 6}

Ex. 3 : Registo do nmero de telefonemas recebidos numa hora num call center
= {1, 2, 3, 4, } [conjunto infinito de dados]

Ex. 4: Registo do nmero de indivduos infectados com o virs da gripe sazonal numa
amostra de 10 habitantes duma regio, durante uma epidemia
= {0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10}

Ex. 5: Observao do tempo de vida de um ser vivo

= {

 } = ]0, [

Acontecimento:
Acontecimento um subconjunto do espao de resultados A  .

Diz-se que se realizou o acontecimento A quando o resultado da experincia

pertence a A:
A

Acontecimentos elementares so os acontecimentos constitudos por um nico

elemento do espao de resultados ( ). [conjuntos singulares]

designa-se por acontecimento certo; realiza-se sempre!!

[No exemplo 2, se ao acontecimento A corresponder sair face par, A = {2, 4, 6}, e se
sair face 4, o acontecimento A realizou-se]

Acontecimento impossvel o acontecimento que nunca se realiza;

representado pelo smbolo  [vazio, tambm representado por { }]

Diagramas de Venn

Acontecimentos Complementares
Acontecimento complementar do
movimento A () constitudo por todos os
elementos de S [ou ] que no pertencem a A.
[quando no se realiza A realiza-se ]
[tambm pode ser designado por A ]
c

Acontecimento Interseco
Acontecimento interseco dos acontecimentos
A e B o acontecimento que se realiza se e s se A e B
se realizam simultaneamente.
A B

Acontecimento Unio
Unio dos acontecimentos A e B o acontecimento que se realiza se e s se A
ou B se realizarem, ou seja, se se realiza pelo menos um dos acontecimentos [ou no
exclusivo: realiza-se A, B ou ambos]

Acontecimentos disjuntos
Acontecimentos disjuntos ou mutuamente exclusivos so acontecimentos tais
que a realizao de um deles impede a realizao do outro.
A B =  [interseco de 2 acontecimentos
mutuamente exclusivos impossvel]

A implica B (A B)
O acontecimento A implica a realizao do
acontecimento B quando todo o resultado de A
tambm um resultado de A tambm um resultado
de B; se A se realiza, ento B tambm se realiza.
[todos os elementos de A so elementos de B]

Acontecimento Diferena
O acontecimento diferena entre A e B o
acontecimento que se realiza se e s se apenas A se
realiza, ou seja, realiza-se A e no se realiza B.
AB=A 

[Rever:

Propriedade associativa da unio e da interseco:

Leis de De Morgan:

2.2. Conceitos de Probabilidade: laplaciana, frequencista;

axiomatizao da probabilidade

Definio de Laplace [ou clssica]: a probabilidade de um acontecimento A


P (A) =
 
Desde que os casos possveis sejam equiprovveis (ou igualmente possveis).

Definio Frequencista: a probabilidade de um acontecimento A o valor da

realizao de A, num grande nmero de repeties da experincia aleatria.
 Nem sempre se pode repetir a experincia o nmero de vezes necessrio de
modo a obter a convergncia pretendida.
[valor da frequncia relativa tende a aumentar probabilidade frequencista]

Definio Subjectivista ou Bayesiana: atribui-se a probabilidade a um acontecimento

com base em experincias e informao anteriores.

Definio Axiomtica: uma definio mais rigorosa de probabilidade feita

introduzindo um conjunto de axiomas

[axiomas no tm demostrao]

Axiomtica de Kolmogorov
1. Qualquer que seja o acontecimento A, P(A)!0;
2. P() = 1;
3. Se os acontecimentos A e B forem disjuntos ou mutuamente exclusivos, ou
seja, A B = , ento P(A " B) = P(A) + P(B)

3*. Mais geralmente, se A1, A2, ., forem acontecimentos disjuntos 2 a 2, ou

seja, Ai Aj =  para i j [Ai e Aj so acontecimentos diferentes], ento:

$&' $ ) = ($&' )*$ )
P(#% %

[Probabilidade de infinitos acontecimentos = soma das parcelas das infinitas

probabilidades]

A definio clssica e a definio frequencista de probabilidades verificam os

axiomas anteriores.

Propriedades das Probabilidades

1. P() = 1 P(A)
[Demonstrao:
= A "
A e  so acontecimentos disjuntos
P() = 1 P(A "  ) = 1 P(A) + P() = 1 P() = 1 P(A)]

2. P() = 0
[Demonstrao:
 =
P() = 1 P() = 1 1 = 0]

3. Se A  B, ento P(A) + P(B)

[Se A  B, P(B) = P(A) + P(B-A). A soma de duas quantidades positivas sempre
um nmero positivo]

4. Para qualquer acontecimento A, 0+ P(A)+ 1

5. P(A B) = P(A) P(A B)
6. P(A" B) = P(A) + P(B) - P(A B)
[para a demonstrao associar os dois acontecimentos: P(A B)]

A propriedade 6 generaliza-se imediatamente para 3 ou mais acontecimentos.

Para 3 acontecimentos A, B ou C vem:

P(A "B " C) = P(A) + P(B) + P(C) P(A B) - P(A C) - P(B C) + P(A B C)

[soma-se a probabilidade de todos os acontecimentos, subtrai-se a unio dois a dois,

trs a trs, etc, e soma-se a unio de todos os acontecimentos]

O acontecimento impossvel tem probabilidade igual a zero. No entanto,

podem existir acontecimentos com probabilidade nula e que no sejam impossveis.

2.3. Probabilidade Condicional. Acontecimentos Independentes

Probabilidade Condicional
Por vezes estamos interessados em calcular a probabilidade de um
acontecimento A quando j dispomos de alguma informao quanto ao resultado da
experincia aleatria. Sabemos que o resultado obtido um elemento de um
subconjunto B do espao de resultados, sendo P(B)  0. Isto significa que pretendemos
calcular a probabilidade de um acontecimento A se realizar, sabendo que um outro
acontecimento B se realizou.

Probabilidade condicional de A dado B, ou seja, probabilidade de A sabendo

que um acontecimento B se realizou, representa-se por P(A|B) e definido por:
,* -.
P(A|B) = , se P(B)  0
,*-.

P(A): probabilidade de A, sem qualquer informao;

P(A|B): probabilidade de A com a informao de que B se realizou; uma vez conhecida
a realizao de B, o espao de resultados deixa de ser e passa a ser B.

[NOTA: A|B no tem significado]

P(|B) = 1 P(A|B)

Entre P(A|B) e P(A|) no existe relao.

A probabilidade condicional uma probabilidade visto que verifica a axiomtica

de Kolmogorov e portanto tambm so vlidas as propriedades das probabilidades
referidas anteriormente.

Probabilidade da interseco dos acontecimentos A e B ou probabilidade conjunta

dos acontecimentos A e B

Da definio de probabilidade condicional vem P(A B) = P(A|B).P(B), com

P(B)! 0 ou P(A B) = P(B|A). P(A), com P(A) ! 0.

Generalizando para 3 ou mais acontecimentos definidos no mesmo espao :

P(A B C) = P(A).P(B|A).P(C|A B)

P(A1 An) = P(A1).P(A2|A1) . P(An|A1 An-1)

[a demonstrao conseguida pelo agrupamento de acontecimentos]

Acontecimentos Independentes
O conceito de probabilidade condicional permite-nos definir acontecimentos
independentes como sendo aqueles em que a informao acerca da realizao de um
deles no afecta a probabilidade de ocorrncia do outro.

A independente de B se P(B|A) = P(B), com P(A) ! 0.

Dois acontecimentos A e B, definidos no mesmo espao so independentes

se e s se P(A B) = P(A).P(B).

Dado dois acontecimentos A e B tais que P(A)  0 e P(B)  0, tem-se que:

Se A e B so acontecimentos disjuntos, ento A e B no so independentes;

[A B = , logo P(A B) = 0 e P(A|B) = 0. Ento A e B no so independentes porque

P(A|B) P(A) 0 quantidade positiva, ou segundo outro pressuposto, P(A B)
P(A) P(B), pela mesma razo]
 Se A e B so acontecimentos independentes, ento A e B no so disjuntos (isto
, possvel realizarem-se ambos).

[P(A B) = P(A).P(B). Tanto P(A) e P(B) so quantidades positivas, logo P(A B) 0, ou

seja A B  (A e B no so disjuntos)]

Dois acontecimentos s podem ser simultaneamente disjuntos e

independentes quando pelo menos um deles tem probabilidade nula.

Se dois acontecimentos so independentes tambm os so os seus

acontecimentos A e ,  e B,  e .

[P(A B) = P(A).P(B)

P(A ) = P(A B) = P(A) P(A B) = P(A) P(A).P(B) = P(A) (1 P(B)) = P(A) P() =
P(A|)]

Partio de um Espao de Resultados

A famlia de acontecimentos {A1, A2, } [que pode ser finita ou numervel]
constitui uma partio do espao de resultados se e s se:

Ai Aj = , / i, j (i j) [os acontecimentos forem disjuntos dois a dois]

#$01  = [unio de todos os acontecimentos da famlia o espao de resultados]

[Uma boa imagem mental para compreender as parties compar-las com um

puzzle]

Podemos considerar parties com um nmero finito ou infinito numervel

[naturais] de acontecimentos. bvio que, para qualquer partio de :

2 )*. 3 )*4 $ . 3 5
$ $

[A partio mais simples consiste em A e o seu complementar, ]

2.4. Teorema da Probabilidade Total. Teorema de Bayes

Teorema da Probabilidade Total

 Seja {Ai, Aj, } uma partio do espao de resultados , em que P(Aj)  0 (j =1,
2, ). Ento, para qualquer acontecimento B tem-se que:

P(B) = ($ )67$ 89 )*$ )
Uma vez que (B Ai) e (B Aj) so disjuntos e
>?. "  *= >@.A = P(B Ai) + P(B Aj)
P<*=Demonstrao:

P(B) = P(B ) = P(B 6#$01 $ 8) = P6#$01*  $ .8 = ($01 )*  $ ) =

($01 )*:$ ) P(Aj)

Como as probabilidades P(Aj) podem ser encaradas como pesos (visto que so
nmeros positivos cuja soma 1), a probabilidade de B calculada como uma mdia
ponderada das probabilidades condicionais P (B|Aj).

Caso particular: considerando a partio [A, ] de , dado um acontecimento A tal

que P(A)  0, para um acontecimento B,

P(B) = P(B|A).P(A) + P(B|). P()

[Exemplo:

Numa dada cidade:

20% dos habitants so hipertensos P(H) = 0,2

50% dos hipertensos fumam P(F|H) = 0,5
Entre os no hipertensos h 30% de fumadores P(F|;) = 0,3

Qual a probabilidade de um habitante ser fumado? P(F) = ?

P(F) = P(F|H).P(H) + P(F|;).P(;) = 0,5 x 0,2 + 0,3 x 0,8 = 0,34]

Teorema de Bayes
[ou Teorema da Probabilidade Inversa]

Por vezes, aps experincia aleatria, observa-se um acontecimento B

que sabemos ser susceptvel de ter sido ocasionado por qualquer um dos
acontecimentos de uma partio {Ai, Aj, }. Pretende-se ento saber qual a
probabilidade de ter sido um determinado acontecimento A a ocasionar a realizao
de um acontecimento B.
 Os acontecimentos da partio {Ai, Aj, } so as hipteses ou causas [em
sentido amplo] antecedendo ou explicando o acontecimento B e este pode considerar-
se o efeito de uma e uma s dessas causas.

[Ou seja, um acontecimento consequncia de um s outro, no de 2 em simultneo,

dado que esses acontecimentos so mutuamente exclusivos]

[Exemplo:

Numa empresa os documentos podem ser impressos de forma aleatria em 3

impressoras distintas: A, B e C, sendo sempre impresso por apenas uma delas. Um
desses documentos foi impresso com defeito. Qual a probabilidade de ter sido
impresso pela impressora A? E pela impressora B? E pela C?

P(A|D) =? P(B|D) = ? P(C|D) = ?

Dados:

P(A) = 0,5 Probabilidade da

P(B) = 0,3 impressora ser usada
P(C) = 0,2

P(D|A) = 0,02 Probabilidade do

P(D|B) = 0,01 documento ter defeito
P(D|C) = 0,05 se foi imprimido em B

NOTA: s estas probabilidades podem ser calculadas directamente atravs da

contagem dos casos favorveis e possveis.

Os acontecimentos A, B e C formam uma partio (so disjuntos dois a dois e

so exaustivos). Atravs do teorema da probabilidade total tem-se que:

P(D) = P(D|A).P(A) + P(D|B).P(B) + P(D|C).P(C) = 0,02 x 0,5 + 0,01 x 0,3 + 0,05 x 0,2 =
0,023

Probabilidade do documento ser defeituoso

,* B. ,*B:.9,*.
P(A|D) = ,*B.
= = 0,435
,*B.

O teorema de Bayes utilize o teorema da probabilidade total e da probabilidade

condicional, o que permite, sabendo que um dado acontecimento se realizou, calcular
a probabilidade da sua causa.]

Seja {A1, A2, } uma partio do espao de resultados , com P(A)  0 (i = 1, 2,

). Ento, para qualquer acontecimento B tal que P(B)  0, vem que, para i = 1, 2, :
 ,*-:C .9,*C .
P(Ai|B) = (
D ,6-7D 89,*D .

[i um dado acontecimento da participao

j todos os elementos da participao]

P(Aj) probabilidade a priori do acontecimento A

P(Aj|B) probabilidade a posteriori do acontecimento A

O teorema de Bayes tem grande interesse em aplicaes prticas,

nomeadamente nos chamados testes de screeming ou triagem, habitualmente
associados aos testes de diagnstico nas cincias biomdicas, mas com aplicaes
noutras reas: controlo de qualidade na indstria, testes de dopping no desporto, etc.

Testes de Diagnstico

So frequentemente utilizados como:

Testes de rastreio
Examinam-se pessoas aparentemente saudveis, sem quaisquer sintomas
clnicos que possam indicar a presena de uma certa doena, e os testes tm
como finalidade detectar patologias cuja morbilidade e mortabilidade possam
ser reduzidas pelo diagnstico e tratamento precoces.

Testes de confirmao ou excluso de um diagnstico provvel

Quando existe forte suspeita de que uma doena est presente ou para
eliminar a suspeita da presena da doena.

Na monitorizao de doentes
Os testes so repetidos frequentemente para acompanhar a evoluo da
doena, para avaliar se, sob o efeito de certo tratamento, a doena continua a
evoluir ou se regrediu.

Caractersticas operativas dos testes de diagnstico

A eficcia dos testes de diagnstico mede-se atravs de ndices que se calculam

a partir da seguinte tabela:

Verdadeiro estado da doena

Presente (D) Ausente (E)

 Resultado do
Positivo (+) a b
teste Negativo (-) c d


Sensibilidade = P (teste positivo | doena presente) = P(+|D) = F


Especificidade = P (teste negativo | doena ausente) = P(-|G) = HF

[Para um teste de diagnstico ser bem a sua sensibilidade e a sua especificidade

devem ter valores elevados]

[Falso Positivo = 1 Especificidade = P (teste positivo | doena ausente)

Falso Negativo = 1 Sensibilidade = P (teste negativo | doena presente)]

Se um teste d resultado positivo (ou negativo) qual a probabilidade do

indivduo ter (ou no ter) a doena? Trata-se da probabilidade de decidir
correctamente perante os resultados de um teste.

Valor Predito positivo = P(D|+) = FH

H
Valor Predito Negativo = P(G|-) =
F

Os valores preditos podem ser expressos em funo da prevalncia da doena,

da sensibilidade e da especificidade, recorrendo ao teorema de Bayes.

[Prevalncia percentagem de indivduos com a doena numa dada populao

Incidncia percentagem de novos casos da doena numa dada populao]

Prevalncia de uma determinada doena a porporo (ou percentagem) de

indivduos que tem essa doena numa determinada populao. Logo,

Prevalncia = P(D)
,*F:B.9,*B.
Valor predito positivo = P(D|+) = ,*F:B.9,*B.F,6F7B89,*B.

,6I7B89,*B.
Valor predito negativo = P(G|-) =
,*I:B.9,*B.F,6I7B89,*B.

[Ou seja, sem em diferentes populaes uma mesma dada doena tem prevalncias
diferentes, o mesmo teste (portanto com igual sensibilidade e especificidade) vai ter
diferentes valores preditos negativos e positivos.]

Exemplo:
 Foi desenvolvido um novo mtodo simples para identificar indivduos com
anticorpos do VIH. Nesse caso, a pessoa est infectada e diz-se que VIH positivo.
Foram analisados 500 individuos, dos quais 100 se determinou serem VIH positivos e
400 VIH negativos, usando o teste de referncia (golden standart).

VIH + (D) VIH - (E)

Teste (+) 90 8
Teste (-) 10 392
 JK
Sensibilidade = P(+|D) = 3 3 LM
F 'KK

 NJO
Especificidade = P(-|G) = 3 3 LMQ
HF PKK

[Concluso: o teste apresenta alta sensibilidade e especificidade]