Escolar Documentos
Profissional Documentos
Cultura Documentos
Teorema de Bayes
22 de outubro de 2021
Conteúdo
TÓPICOS DE HOJE
• Teorema de Bayes
• Introdução a estatística
Probabilidade condicional
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
𝑃(𝐴) ∙ 𝑃(𝐵|𝐴)
𝑃 𝐴𝐵 = 𝑛
𝑖=1 𝑃 𝐴𝑖 𝑃(𝐵|𝐴𝑖)
Exemplo
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?
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?
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?
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
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
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).
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
Planejamento do experimento.
Coleta.
Tabulação e organização
Resumo.
Análise, interpretação e apresentação.
Tomada de decisões.
OBRIGADA