Universidade Estadual Vale Do Acaraú

Teorema de Bayes

Profª Mailane Silva

22 de outubro de 2021
Conteúdo

TÓPICOS DE HOJE
• Teorema de Bayes

• Introdução a estatística
 Probabilidade condicional

Representamos a probabilidade condicional de ocorrer A, dado que B já

ocorreu por
𝑃 𝐴∩𝐵
𝑃 𝐴|𝐵 =
𝑃𝐵
 Teorema das probabilidades
totais
Se B é um evento contido na união de eventos disjuntos 𝐴1,𝐴2,…,𝐴𝑛, e 𝑃(𝐴1) > 0, 𝑃(𝐴2) >
0,…,𝑃(𝐴𝑛) > 0 então

𝐵 = (𝐴1 ∩ 𝐵) ∪ (𝐴2 ∩ 𝐵) ∪ ⋯∪ (𝐴𝑛 ∩ 𝐵)

𝑃(𝐵) = 𝑃 𝐴1 ∩ 𝐵 + 𝑃 𝐴2 ∩ 𝐵 + ⋯+ 𝑃(𝐴𝑛 ∩ 𝐵)
𝑃(𝐵) = 𝑃 𝐴1 𝑃(𝐵|𝐴1) + 𝑃 𝐴2 𝑃(𝐵|𝐴2) + ⋯+ 𝑃 𝐴𝑛 𝑃(𝐵|𝐴𝑛)
 Teorema das probabilidades
totais
Se B é um evento contido na união de eventos disjuntos 𝐴1,𝐴2,…,𝐴𝑛, e 𝑃(𝐴1) > 0, 𝑃(𝐴2) >
0,…,𝑃(𝐴𝑛) > 0 então
𝑃(𝐵) = 𝑃(𝐴1)𝑃(𝐵/𝐴1) + 𝑃(𝐴2)𝑃(𝐵/𝐴2) + ⋯+ 𝑃(𝐴𝑛)𝑃(𝐵/𝐴𝑛).
 Exemplo

Um teste foi desenvolvido para identificar se uma pessoa tem câncer ou não. Esse teste tem
uma acurácia de 90%, ou seja, em 90% dos resultados positivos a pessoa realmente tem
câncer e em 90% dos resultados negativos a pessoa não tem câncer, além disso, 1% da
população tem câncer. Se uma pessoa fez o teste e o resultado foi positivo, qual a
probabilidade de ela ter câncer?
 Exemplo

Um teste foi desenvolvido para identificar se uma pessoa tem câncer ou não. Esse teste tem
uma acurácia de 90%, ou seja, em 90% dos resultados positivos a pessoa realmente tem
câncer e em 90% dos resultados negativos a pessoa não tem câncer, além disso, 1% da
população tem câncer. Se uma pessoa fez o teste e o resultado foi positivo, qual a
probabilidade de ela ter câncer?
𝐼𝑚𝑎𝑔𝑖𝑛𝑒 𝑞𝑢𝑒 𝑎 𝑝𝑜𝑝𝑢𝑙𝑎çã𝑜 𝑡𝑒𝑚 1000 𝑝𝑒𝑠𝑠𝑜𝑎𝑠

990 ñ 𝑡𝑒𝑚
1000
10 𝑡𝑒𝑚
 Exemplo

Um teste foi desenvolvido para identificar se uma pessoa tem câncer ou não. Esse teste tem
uma acurácia de 90%, ou seja, em 90% dos resultados positivos a pessoa realmente tem
câncer e em 90% dos resultados negativos a pessoa não tem câncer, além disso, 1% da
população tem câncer. Se uma pessoa fez o teste e o resultado foi positivo, qual a
probabilidade de ela ter câncer?
𝐵:𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜; 𝑛 𝐵 = 9 + 99 = 108
𝐼𝑚𝑎𝑔𝑖𝑛𝑒 𝑞𝑢𝑒 𝑎 𝑝𝑜𝑝𝑢𝑙𝑎çã𝑜 𝑡𝑒𝑚 1000 𝑝𝑒𝑠𝑠𝑜𝑎𝑠
𝐴:𝑡𝑒𝑟 𝑐â𝑛𝑐𝑒𝑟; 𝑛 𝐴 = 9
891 ñ 𝑡𝑒𝑚 9
990 ñ 𝑡𝑒𝑚 𝑎𝑜 𝑟𝑒𝑎𝑙𝑖𝑧𝑎𝑟 𝑜 𝑡𝑒𝑠𝑡𝑒
99 𝑡𝑒𝑚 𝑃 𝐴|𝐵 = = 0,083 = 8,3%
1000 108
9 𝑡𝑒𝑚
10 𝑡𝑒𝑚 𝑎𝑜 𝑟𝑒𝑎𝑙𝑖𝑧𝑎𝑟 𝑜 𝑡𝑒𝑠𝑡𝑒
1 ñ 𝑡𝑒𝑚 Vamos utilizar o teorema de Bayes quando queremos encontrar
a probabilidade de um particular 𝐴𝑖, dado que B ocorreu.
 Teorema de Bayes

A versão mais simples do teorema de Bayes é dada pela fórmula:

𝑃(𝐴) ∙ 𝑃(𝐵|𝐴)
𝑃 𝐴𝐵 = =
𝑃(𝐵)

𝐴:𝑡𝑒𝑟 𝑐â𝑛𝑐𝑒𝑟 𝐵:𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜 𝑠𝑒𝑟 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜

0,01 ∙ 0,9
𝑃 𝐴|𝐵 =
𝑃(𝐵)

𝑃(𝐵) = 𝑃 𝐴1 𝑃(𝐵|𝐴1) + 𝑃 𝐴2 𝑃(𝐵|𝐴2) + ⋯+ 𝑃 𝐴𝑛 𝑃(𝐵|𝐴𝑛)

0,01 ∙ 0,9 0,01 ∙ 0,9 0,009

𝑃 𝐴|𝐵 = = = = 0,083 = 8,3%
𝑃 𝐴 𝑃 𝐵 𝐴 + 𝑃 𝐴 𝑃(𝐵|𝐴) 0,01 ∙ 0,9 + 0,99 ∙ 0,1 0,108
 Teorema de Bayes

A versão mais simples do teorema de Bayes é dada pela fórmula:

𝑃(𝐴) ∙ 𝑃(𝐵|𝐴) 𝑃(𝐴) ∙ 𝑃(𝐵|𝐴)
𝑃 𝐴𝐵 = =
𝑃(𝐵) 𝑃 𝐴1 𝑃(𝐵|𝐴1) + 𝑃 𝐴2 𝑃(𝐵|𝐴2) + ⋯+ 𝑃 𝐴𝑛 𝑃(𝐵|𝐴𝑛)

𝑃(𝐴) ∙ 𝑃(𝐵|𝐴)
𝑃 𝐴𝐵 = 𝑛
𝑖=1 𝑃 𝐴𝑖 𝑃(𝐵|𝐴𝑖)
 Exemplo

Durante o mês de agosto a probabilidade de chuva em um dia determinado é de 4/10. O

Fluminense ganha um jogo em um dia de chuva com probabilidade de 6/10 e em um dia sem
chuva com probabilidade de 4/10. Sabendo-se que o Fluminense ganhou um jogo naquele dia
de agosto, qual a probabilidade de que choveu nesse dia?
 Exemplo

Durante o mês de agosto a probabilidade de chuva em um dia determinado é de 4/10. O

Fluminense ganha um jogo em um dia de chuva com probabilidade de 6/10 e em um dia sem
chuva com probabilidade de 4/10. Sabendo-se que o Fluminense ganhou um jogo naquele dia
de agosto, qual a probabilidade de que choveu nesse dia?

C: chover no dia G: ganhou o jogo

4 6 24
𝑃 𝐶 𝑃 𝐺𝐶 ∙
𝑃 𝐶𝐺 = = 10 10 = 100 = 24 = 1
𝑃 𝐶 𝑃 𝐺 𝐶 + 𝑃 𝐶 𝑃(𝐺|𝐶) 4 6 6 4 48 48 2
∙ + ∙
10 10 10 10 100
 Exemplo

Num exame há 3 respostas para cada pergunta e apenas uma delas é certa. Portanto, para
cada pergunta, um aluno tem probabilidade 1/3 de escolher certa se ele está adivinhando e 1
se sabe a resposta. Uma estudante sabe 30% das respostas do exame. Se ele deu a
resposta correta para uma das perguntas, qual a probabilidade de que a adivinhou?
 Exemplo

Num exame há 3 respostas para cada pergunta e apenas uma delas é certa. Portanto, para
cada pergunta, um aluno tem probabilidade 1/3 de escolher certa se ele está adivinhando e 1
se sabe a resposta. Uma estudante sabe 30% das respostas do exame. Se ele deu a
resposta correta para uma das perguntas, qual a probabilidade de que a adivinhou?

A: adivinhar a resposta B: dar a resposta correta

𝑃 𝐴 𝑃(𝐵|𝐴)
𝑃 𝐴𝐵 =
𝑃 𝐴 𝑃 𝐵 𝐴 + 𝑃 𝐴 𝑃(𝐵|𝐴)
70 1 70 70
∙
𝑃 𝐴|𝐵 = 100 3 = 300 = 300 = 70 = 7 = 43,75%
70 1 30 70 30 160 160 16
∙ + ∙1 +
100 3 100 300 100 300
 Exemplo

Temos cinco urnas, cada uma com seis bolas. Duas dessas urnas (tipo 𝐶1) têm 3 bolas
brancas, duas outras (tipo 𝐶2) têm 2 bolas brancas, e a última urna (tipo 𝐶3) tem 6 bolas
brancas. Escolhemos uma urna ao acaso e dela retiramos uma bola. Qual a probabilidade de
a urna escolhida ser do tipo 𝐶3, sabendo que a bola sorteada é branca?
 Exemplo

Temos cinco urnas, cada uma com seis bolas. Duas dessas urnas (tipo 𝐶1) têm 3 bolas
brancas, duas outras (tipo 𝐶2) têm 2 bolas brancas, e a última urna (tipo 𝐶3) tem 6 bolas
brancas. Escolhemos uma urna ao acaso e dela retiramos uma bola. Qual a probabilidade de
a urna escolhida ser do tipo 𝐶3, sabendo que a bola sorteada é branca?
𝐶3:𝑢𝑟𝑛𝑎 𝑒𝑠𝑐𝑜𝑙ℎ𝑖𝑑𝑎 𝑠𝑒𝑟 𝑑𝑜 𝑡𝑖𝑝𝑜 𝐶3 𝐵:𝑎 𝑏𝑜𝑙𝑎 𝑠𝑜𝑟𝑡𝑒𝑎𝑑𝑜 é 𝑏𝑟𝑎𝑛𝑐𝑎

𝑃 𝐶3 𝑃(𝐵|𝐶3) 𝑃 𝐶3 𝑃(𝐵|𝐶3)
𝑃 𝐶3|𝐵 = =
𝑃(𝐵) 𝑃 𝐶1 𝑃 𝐵 𝐶1 + 𝑃 𝐶2 𝑃 𝐵 𝐶2 + 𝑃 𝐶3 𝑃 𝐵 𝐶3

1 1 1
∙1 5 5 = 15 3
5 = 2 2 1= = = 37,5%
2 1 2 1 1 8 40 8
∙ + ∙ + ∙ 1 10 + 15 + 5 15
5 2 5 3 5
 Exemplo

Para selecionar seus funcionários, uma empresa oferece aos candidatos um curso de treinamento
durante uma semana. No final do curso, eles são submetidos a uma prova e 25% são classificados como
bons (B), 50% como médios (M) e os restantes 25% como fracos (F). Para facilitar a seleção, a empresa
pretende substituir o treinamento por um teste contendo questões referentes a conhecimentos gerais e
específicos. Para isso, gostaria de conhecer qual a probabilidade de um indivíduo aprovado no teste ser
considerado fraco, caso fizesse o curso. Assim, neste ano, antes do início do curso, os candidatos foram
submetidos ao teste e receberam conceito aprovado (A) ou reprovado (R). No final do curso, obtiveram-se
as seguintes probabilidades condicionais: 𝑷 𝑨 𝑩 = 𝟎,𝟖𝟎 ; 𝑷 𝑨 𝑴 = 𝟎,𝟓𝟎; 𝑷 𝑨 𝑭 = 𝟎,𝟐. Qual a probabilidade
de o candidato ser considerado fraco, sabendo que ele foi aprovado?
 Exemplo

Para selecionar seus funcionários, uma empresa oferece aos candidatos um curso de treinamento
durante uma semana. No final do curso, eles são submetidos a uma prova e 25% são classificados como
bons (B), 50% como médios (M) e os restantes 25% como fracos (F). Para facilitar a seleção, a empresa
pretende substituir o treinamento por um teste contendo questões referentes a conhecimentos gerais e
específicos. Para isso, gostaria de conhecer qual a probabilidade de um indivíduo aprovado no teste ser
considerado fraco, caso fizesse o curso. Assim, neste ano, antes do início do curso, os candidatos foram
submetidos ao teste e receberam conceito aprovado (A) ou reprovado (R). No final do curso, obtiveram-se
as seguintes probabilidades condicionais: 𝑷 𝑨 𝑩 = 𝟎,𝟖𝟎 ; 𝑷 𝑨 𝑴 = 𝟎,𝟓𝟎; 𝑷 𝑨 𝑭 = 𝟎,𝟐. Qual a probabilidade
de o candidato ser considerado fraco, sabendo que ele foi aprovado?

𝑃 𝐹 𝑃 𝐴𝐹 0,25 ∙ 0,2 0,05

𝑃𝐹𝐴 = = = = 0,1
𝑃 𝐵 𝑃 𝐴 𝐵 +𝑃 𝑀 𝑃 𝐴 𝑀 +𝑃 𝐹 𝑃 𝐴 𝐹 0,25 ∙ 0,8 + 0,5 ∙ 0,5 + 0,25 ∙ 0,2 0,5
 Exemplo

Um estudante resolve um teste com questões do tipo verdadeiro-falso. Ele sabe dar a solução correta
para 40% das questões. Quando ele responde uma questão cuja solução conhece, dá a resposta correta,
e nos outros casos decide na cara ou coroa. Se uma questão foi respondida corretamente, qual é a
probabilidade de que ele sabia a resposta?
 Exemplo

Um estudante resolve um teste com questões do tipo verdadeiro-falso. Ele sabe dar a solução correta
para 40% das questões. Quando ele responde uma questão cuja solução conhece, dá a resposta correta,
e nos outros casos decide na cara ou coroa. Se uma questão foi respondida corretamente, qual é a
probabilidade de que ele sabia a resposta?

𝑆:𝑠𝑎𝑏𝑒 𝑎 𝑟𝑒𝑠𝑝𝑜𝑠𝑡𝑎 𝐴:𝑎𝑐𝑒𝑟𝑡𝑎

40 40 40
∙1
𝑃 𝑆𝐴 =
𝑃 𝐴∩𝑆
=
𝑃 𝑆 𝑃(𝐴|𝑆)
= 100 = 100 = 100 = 40 ∙ 200 = 8000 = 8 = 4
𝑃𝐴 𝑃 𝑆 𝑃(𝐴|𝑆) + 𝑃 𝑆 𝑃 𝐴 𝑆 40 60 1 40 60 140 100 140 14000 14 7
∙1+ ∙ +
100 100 2 100 200 200
Introdução à Estatística
 A ESTATÍSTICA (do latim status) é a
ciência dos dados.

Estatística
A estatística é uma coleção de métodos
para planejar experimentos, obter dados e
organizá-los, resumi-los, analisá-los,
interpretá-los e deles extrair conclusões.
 Exemplo

Com o objetivo de levantar conhecimentos sobre o nível de instrução do

chefe da casa, nas famílias residentes no distrito de Jaibaras – Sobral,
decidiu-se pesquisar algumas destas famílias.

Nesta situação temos um exemplo típico de estatística aplicada: conhecer

certas características de uma população, com base numa amostra.
 POPULAÇÃO

É o conjunto formado por

todos os elementos que serão
investigados.

AMOSTRA
Estatística
É um subconjunto ou parte da
população.

CENSO

É o levantamento de dados de
todos os elementos que
compõem uma população.
 Conceitos importantes

 Um parâmetro é uma medida numérica que descreve uma característica de

uma população.

 Uma estatística é uma medida numérica que descreve uma característica

de uma amostra. (TRIOLA, 1999, p. 2)
 Exemplos

 Em uma pesquisa, feita pela Bruskin Goldring Research com 1015 pessoas
escolhidas aleatoriamente, 269 (ou 26,5%) possuíam computador. Como a
cifra de 26,5% se baseia em uma amostra, e não em toda a população, trata-
se de uma estatística (e não um parâmetro).

 Já se uma pesquisa feita entre os 50 governadores estaduais dos EUA

mostra que 42 (ou 84%) possuem computador, a cifra de 84% é um
parâmetro porque se baseia em toda a população de governadores.
(TRIOLA, 1999, p. 2)
 Divisões da estatística

 ESTATÍSTICA DESCRITIVA
É aquela que se preocupa com a coleta, organização, classificação,
apresentação, interpretação e análise de dados referentes ao fenômeno por
meio de gráficos e tabelas, além de calcular medidas que permitam descrever
o fenômeno.

 ESTATÍSTICA INFERENCIAL
É aquela que, partindo de uma amostra, estabelece hipóteses, tira conclusões
sobre a população de origem e formula previsões fundamentando-se na teoria
das probabilidades. A estatística indutiva cuida da análise e interpretação dos
dados
 Etapas do Método de
Análise Estatística

 Definição do problema e levantamento de hipóteses

 Planejamento do experimento.
 Coleta.
 Tabulação e organização
 Resumo.
 Análise, interpretação e apresentação.
 Tomada de decisões.
OBRIGADA