Escolar Documentos
Profissional Documentos
Cultura Documentos
Turma: IGA
Perı́odo: 2018/2
1
Probabilidade: como medir e gerenciar a
incerteza?
Introdução
2
A nossa vida é cercada de incerteza: uma pe-
quena chance disso, uma grande chance daqui-
lo, etc.
3
PROBABILIDADE
4
Com suposições adequadas e a partir da ob-
servação do fenômeno aleatório de interesse,
podemos propor um modelo teórico que re-
produza de maneira razoável a distribuição de
frequências.
Modelos Probabilı́sticos
5
O conceito de probabilidade nos auxilia na
quantificação da incerteza associada aos fenô-
menos aleatórios, ou seja aos fenômenos cujos
resultados não são conhecidos previamente a
sua realização.
6
Chamamos evento a qualquer subconjunto do
espaço amostral (Ω - conjunto que compreende
todos os resultados possı́veis). Os eventos são
geralmente denotados por letras maiúsculas A,
B, etc.
1) Clássica.
Solução:
12
2) Frequentista
13
Problemas com a interpretação frequentista:
Uma solução:
15
A Inferência Bayesiana toma como uma de
suas bases o fato de que todas as probabili-
dades são subjetivas.
Uma solução:
1
6000
17
18
Definição Axiomática da Probabilidade
P 1 : P (∅) = 0
Ac = Ω \ A = {ω ∈ Ω|ω 6∈ A}
P (Ac) = 1 − P (A)
20
Eventos União e Interseção de dois eventos
P (A ∩ B) ≤ P (A ∪ B).
23
Exercı́cios recomendados até agora do Capı́tulo
5: 1 ao 14.
24
Estatı́stica (MAD231)
Turma: IGA
Perı́odo: 2018/2
25
Serão trabalhados nessa segunda aula de 28/09/2018:
26
Probabilidade Condicional
27
Probabilidade Condicional: Definição
P (A ∩ B) = P (A|B) × P (B)
→ regra da multiplicação ←
28
Exemplo 1: Num grupo de 20 funcionários
de um departamento, 15 votam no candidato
a diretor “A” e 5 votam no outro candidato,
“B”. Duas pessoas desse departamento serão
sorteadas ao acaso, e sem reposição, de modo
a formar uma comissão de representantes do
departamento. Pede-se calcular a probabil-
idade de que ambos votem no mesmo can-
didato.
ou
∩ A2)} ∪ (Ac1 ∩ Ac2)
z}|{
E = |(A1 {z
| {z }
ambos em A ambos em B
29
Como A1 ∩ A2 e Ac1 ∩ Ac2 são disjuntos, segue
que P (E) = P (A1 ∩ A2) + P (Ac1 ∩ Ac2).
P (A1 ∩ A2) =
15 14 21
= × =
20 19 38
5 4 2
P (Ac1∩Ac2) = P (Ac1)×P (Ac2|Ac1) = × =
20 19 38
30
4 , pois dado que já
Observe que P (Ac2|Ac1) = 19
foi sorteado um que vota em B, restam 4 que
votam em B num total de 19 pessoas.
Logo,
21 2 23
P (E) = + = ' 0, 605
38 38 38
Árvore de Probabilidades
31
Observe que no exemplo anterior os sorteios
foram realizados sem reposição de tal modo
que ao sortearmos a segunda pessoa o uni-
verso passou a ser de 19 funcionários, pois o
primeiro funcionário sorteado não estava entre
as possibilidades do segundo sorteio.
15 = 3 e 5 = 1 .
20 4 20 4
2 2
3 1 5
P (E) = + = = 0, 625
4 4 8
Podemos ver que as respostas são ligeiramente diferentes. Um
resultado útil é que quando o tamanho da população amostrada
tende a ser muito maior que o tamanho da amostra, as diferenças
nas probabilidades resultantes passam a ser desprezı́veis tal que as
probabilidaddes no sorteio sem reposição podem ser aproximadas
pelas probabilidades, mais simples, do sorteio com reposição.
33
Eventos independentes
P (A|B) = P (A).
P (A ∩ B) = P (A) × P (B),
para A e B eventos independentes.
P (A1) = P (A2) = 15
20 tal que P (A 1 )P (A 2 ) = 9
16
P (A1{z∩ A2)} = P
|
(A ) P (A ).
| {z 1 } | {z 2 }
9 3 3
16 4 4
35
Um propriedade importante para eventos inde-
pendentes é a seguinte.
36
Eventos independentes versus Eventos disjun-
tos
Por que?
37
Lei dos Grandes Números (Bernoulli-século XVIII)
P (A).P (B|A)
P (A|B) =
P (B)
39
Partição do Espaço Amostral
A1 ∪ A2 ∪ ... ∪ An = Ω
40
Considere uma partição A1, A2, ..., An de Ω e
seja B um evento qualquer B ⊂ Ω.
e
P (B) = P (A1 )P (B|A1 )+P (A2 )P (B|A2 )+...+P (An )P (B|An )
41
Teorema de Bayes
P (Ak ∩B)
z }| {
P (Ak ).P (B|Ak )
P (Ak |B) = n k = 1, 2, ...n
X
P (Ai).P (B|Ai)
i=1
| {z }
P (B)
42
Exemplo 2: Para selecionar seus funcionários,
uma empresa oferece aos seus candidatos um
curso de treinamento durante uma semana.
No final do curso, eles são submetidos a uma
prova e
43
Assim, neste ano, antes do inı́cio do curso,
os candidatos foram submetidos ao teste e re-
ceberam o conceito A (aprovado) ou R (re-
provado).
P (A|B) = 0, 80
P (A|M ) = 0, 50
P (A|F ) = 0, 20
P (F ).P (A|F )
P (F |A) =
P (B).P (A|B) + P (M ).P (A|M ) + P (F ).P (A|F )
0, 25 × 0, 20
= = 0, 10
0, 25 × 0, 80 + 0, 50 × 0, 50 + 0, 25 × 0, 20
45
Podemos também calcular P (B|A) = 0, 40 e
P (M |A) = 0, 50.
46
Exercı́cios sugeridos do capı́tulo 5 (lista atual-
izada):
47
48
Estatı́stica (MAD231)
Turma: IGA
Perı́odo: 2017/2
49
Na aula de hoje veremos
50
Probabilidade Condicional
51
Probabilidade Condicional: Definição
P (A ∩ B) = P (A|B) × P (B)
→ regra da multiplicação ←
52
Exemplo 1: Num grupo de 20 funcionários
de um departamento, 15 votam no candidato
a diretor “A” e 5 votam no outro candidato,
“B”. Duas pessoas desse departamento serão
sorteadas ao acaso, e sem reposição, de modo
a formar uma comissão de representantes do
departamento. Pede-se calcular a probabil-
idade de que ambos votem no mesmo can-
didato.
ou
∩ A2)} ∪ (Ac1 ∩ Ac2)
z}|{
E = |(A1 {z
| {z }
ambos em A ambos em B
53
Como A1 ∩ A2 e Ac1 ∩ Ac2 são disjuntos, segue
que P (E) = P (A1 ∩ A2) + P (Ac1 ∩ Ac2).
P (A1 ∩ A2) =
15 14 21
= × =
20 19 38
5 4 2
P (Ac1∩Ac2) = P (Ac1)×P (Ac2|Ac1) = × =
20 19 38
54
4 , pois dado que já
Observe que P (Ac2|Ac1) = 19
foi sorteado um que vota em B, restam 4 que
votam em B num total de 19 pessoas.
Logo,
21 2 23
P (E) = + = ' 0, 605
38 38 38
Árvore de Probabilidades
55
Observe que no exemplo anterior os sorteios
foram realizados sem reposição de tal modo
que ao sortearmos a segunda pessoa o uni-
verso passou a ser de 19 funcionários, pois o
primeiro funcionário sorteado não estava entre
as possibilidades do segundo sorteio.
15 = 3 e 5 = 1 .
20 4 20 4
2 2
3 1 5
P (E) = + = = 0, 625
4 4 8
Podemos ver que as respostas são ligeiramente diferentes. Um
resultado útil é que quando o tamanho da população amostrada
tende a ser muito maior que o tamanho da amostra, as diferenças
nas probabilidades resultantes passam a ser desprezı́veis tal que as
probabilidaddes no sorteio sem reposição podem ser aproximadas
pelas probabilidades, mais simples, do sorteio com reposição.
57
Eventos independentes
P (A|B) = P (A).
P (A ∩ B) = P (A) × P (B),
para A e B eventos independentes.
P (A1) = P (A2) = 15
20 tal que P (A 1 )P (A 2 ) = 9
16
P (A1{z∩ A2)} = P
|
(A ) P (A ).
| {z 1 } | {z 2 }
9 3 3
16 4 4
59
Um propriedade importante para eventos inde-
pendentes é a seguinte.
60
Eventos independentes versus Eventos disjun-
tos
Por que?
61
Lei dos Grandes Números (Bernoulli-século XVIII)
P (A).P (B|A)
P (A|B) =
P (B)
63
Partição do Espaço Amostral
A1 ∪ A2 ∪ ... ∪ An = Ω
64
Considere uma partição A1, A2, ..., An de Ω e
seja B um evento qualquer B ⊂ Ω.
e
P (B) = P (A1 )P (B|A1 )+P (A2 )P (B|A2 )+...+P (An )P (B|An )
65
Teorema de Bayes
P (Ak ∩B)
z }| {
P (Ak ).P (B|Ak )
P (Ak |B) = n k = 1, 2, ...n
X
P (Ai).P (B|Ai)
i=1
| {z }
P (B)
66
Exemplo 2: Para selecionar seus funcionários,
uma empresa oferece aos seus candidatos um
curso de treinamento durante uma semana.
No final do curso, eles são submetidos a uma
prova e
67
Assim, neste ano, antes do inı́cio do curso,
os candidatos foram submetidos ao teste e re-
ceberam o conceito A (aprovado) ou R (re-
provado).
P (A|B) = 0, 80
P (A|M ) = 0, 50
P (A|F ) = 0, 20
P (F ).P (A|F )
P (F |A) =
P (B).P (A|B) + P (M ).P (A|M ) + P (F ).P (A|F )
0, 25 × 0, 20
= = 0, 10
0, 25 × 0, 80 + 0, 50 × 0, 50 + 0, 25 × 0, 20
69
Podemos também calcular P (B|A) = 0, 40 e
P (M |A) = 0, 50.
70
Exercı́cios sugeridos do capı́tulo 5 (lista atua-
lizada):
71
72