Matemática e Bioestatística 2021/22

(baseados nos slides de Bioestatística da prof. Rita Gaio)

ICruz - Dep. de Matemática, FCUP

MICF - FFUP

(ICruz - Dep. de Matemática, FCUP) Matemática e Bioestatística 2021/22 MICF - FFUP 1 / 19

Parte II - Bioestatística
1. Probabilidades

Conceitos importantes para esta secção:

experiência aleatória (e.a.) - experiência cujo resultado não se pode prever, embora se possa repetir
várias vezes nas mesmas condições;

espaço de resultados (Ω) - conjunto de todos os resultados possíveis da e.a.;

acontecimento elementar (ω ∈ Ω) - cada um dos elementos de Ω;

espaço de acontecimentos (A) - conjunto de todos1 os subconjuntos de Ω, cada um chamado de

acontecimento, por exemplo: ∅ (acontecimento impossível), Ω (acontecimento certo), {ω}
(acontecimento elementar);

probabilidade (P) - função de A em R

P : A −→ R
com propriedades a enunciar.

1por vezes será apenas o conjunto dos subconjuntos de Ω que têm “boas” propriedades (conceito a definir)
(ICruz - Dep. de Matemática, FCUP) Matemática e Bioestatística 2021/22 MICF - FFUP 2 / 19
Exemplos

1 e.a.: lançar ao ar uma moeda e registar a face voltada para cima2:

Ω = {H, T}, A = {∅, {H}, {T}, Ω}

2 e.a.: lançar ao ar um dado e registar o número da face voltada para cima:

Ω = {1, 2, 3, 4, 5, 6}, A = {∅, {1}, . . . , {6}, {1, 2}, . . . , {1, 6}, . . . , Ω}

exemplo de acontecimento: “obter um número par” - {2, 4, 6}

3 e.a.: lançar ao ar um dado, duas vezes, e registar o número das faces voltadas para cima:
def
Ω = {(1, 1), (1, 2), . . .} = {1, 2, 3, 4, 5, 6} × {1, 2, 3, 4, 5, 6}

exemplo de acontecimento: “obter soma igual a 3” - {(1, 2), (2, 1)}

4 e.a.: lançar ao ar um dado e registar o número das faces voltadas para cima até saída do número 6:

Ω = {(i1 , i2 , . . .) : ik ∈ {1, 2, 3, 4, 5}, k ∈ N}

5 e.a.: lançar um dardo sobre um quadrado de lado l e registar as coordenadas do ponto obtido:
def
Ω = {(a, b) : a, b ∈ [0, l]} = [0, l] × [0, l]

2H: head - cara, T: tail - coroa

(ICruz - Dep. de Matemática, FCUP) Matemática e Bioestatística 2021/22 MICF - FFUP 3 / 19
Cálculo de probabilidades no Ensino Secundário

O cálculo de probabilidades estudado no Ensino Secundário teve por base as seguintes hipóteses:

Ω é finito:
#Ω = N
todos os acontecimentos elementares são equiprováveis:

P({ω1 }) = · · · = P({ωN })

Como consequência obteve-se a regra de Laplace:

#A
P(A) =
N
Estas hipóteses não se verificam em muitas situações, pelo que iremos fazer o cálculo de probabilidades com
base em hipóteses mais fracas (axiomas) e suas consequências (propriedades resultantes dos axiomas).
Será importante a teoria de conjuntos, em particular propriedades da reunião e interseção de conjuntos e as
Leis de De Morgan:

A ∩ (B ∪ C) = · · · , A ∪ (B ∩ C) = · · · , A ∩ B = ··· , A ∪ B = ···

(ICruz - Dep. de Matemática, FCUP) Matemática e Bioestatística 2021/22 MICF - FFUP 4 / 19

Espaço de probabilidade - caso numerável

Suponhamos que Ω é finito3 ou infinito numerável4:

Ω = {ω1 , ω2 , . . .}

Definição
Chama-se espaço de probabilidade da e.a. a um terno (Ω, A, P) onde
A é o conjunto de todos os subconjuntos de Ω;
P : A −→ R é uma probabilidade, ou seja, satisfaz as propriedades:
P(Ω) = 1;
P(A) ≥ 0,
X ∀A ∈ A;
P(A) = P({ω}), ∀A ∈ A
ω∈A

Nota: para simplificar a notação escreveremos P(ω) em vez de P({ω}).

Assim deveremos ter

1 = P(Ω) = P(ω1 ) + P(ω2 ) + · · ·
(no caso infinito numerável esta soma tem infinitas parcelas - é uma série).

3exemplos 1, 2 e 3
4exemplo 4
(ICruz - Dep. de Matemática, FCUP) Matemática e Bioestatística 2021/22 MICF - FFUP 5 / 19
Exemplos

1 no lançamento de uma moeda,

Ω = {H, T}
é finito. Assumindo que a moeda é equilibrada teremos

1
P(H) = P(T) =⇒ P(H) = P(T) =
2

2 no lançamento de um dado duas vezes,

Ω = {(1, 1), (1, 2), . . .}

é também finito (tem 36 elementos). Se o dado for equilibrado teremos

1
P((1, 1)) = P((1, 2)) = . . . =⇒ P((i, j)) = , ∀(i, j) ∈ Ω
36
A probabilidade do acontecimento “obter um double” será...
6
X 6 1
P({(1, 1), (2, 2), . . . , (6, 6)}) = P((i, i)) = =
i=1
36 6

(ICruz - Dep. de Matemática, FCUP) Matemática e Bioestatística 2021/22 MICF - FFUP 6 / 19

Espaço de probabilidade - caso não numerável

Se Ω é não numerável iremos exigir que A seja uma σ-álgebra sobre Ω, ou seja, que tenha as propriedades
seguintes:
∅ ∈ A;
A∈A =⇒ A ∈ A; (A - complementar de A)
A1 , A2 , . . . ∈ A =⇒ A1 ∪ A2 ∪ . . . ∈ A

Definição
Chama-se espaço de probabilidade da e.a. a um terno (Ω, A, P) onde
A é uma σ-álgebra sobre Ω;
P : A −→ R é uma probabilidade, ou seja, satisfaz as propriedades:
P(Ω) = 1;
P(A) ≥ 0, ∀A ∈ A;
se A1 , A2 , . . . é uma sucessão de acontecimentos satisfazendo Ai ∩ Aj = ∅, ∀i 6= j então
∞
X
P (A1 ∪ A2 ∪ . . .) = P(An )
n=1

Nota: acontecimentos A1 , A2 , . . . satisfazendo

Ai ∩ Aj = ∅, ∀i 6= j

dizem-se mutuamente exclusivos ou incompatíveis dois a dois.

(ICruz - Dep. de Matemática, FCUP) Matemática e Bioestatística 2021/22 MICF - FFUP 7 / 19
 Nota: dados dois conjuntos A e B, designamos por A \ B o conjunto dos elementos de A que não estão em
B, ou seja, A \ B = A ∩ B.

Propriedades
Qualquer probabilidade tem as seguintes propriedades ( A, B e C são acontecimentos arbitrários):
1 P(∅) = 0;
2 P(A) = 1 − P(A);

 P(B) ≤ P(A)
3 B ⊂ A =⇒
P(A \ B) = P(A) − P(B)


4 P(A) ≤ 1;
5 se B1 , . . . , Bn são mutuamente exclusivos e tais que Ω = B1 ∪ · · · ∪ Bn , então a
n
X
P(A) = P(A ∩ Bi );
i=1

em particular

P(A) = P(A ∩ B) + P(A ∩ B) −→ P(A \ B) = P(A) − P(A ∩ B)

6 P(A ∪ B) = P(A) + P(B) − P(A ∩ B);

7 P(A ∪ B ∪ C) = P(A) + P(B) + P(C) − P(A ∩ B) − P(A ∩ C) − P(B ∩ C) + P(A ∩ B ∩ C)
a
de acontecimentos B1 , . . . , Bn nestas condições diz-se que formam uma partição de Ω

(ICruz - Dep. de Matemática, FCUP) Matemática e Bioestatística 2021/22 MICF - FFUP 8 / 19

Prova:
1 como Ω = Ω ∪ ∅ ∪ ∅ ∪ . . . então
P(Ω) = P(Ω) + P(∅) + P(∅) + · · · =⇒ P(∅) = 0
(a partir de agora iremos omitir a reunião com ∅ e a soma com P(∅))
2 basta notar que Ω = A ∪ A e que A ∩ A = ∅ logo
P(Ω) = P(A) + P(A) ⇐⇒ 1 = P(A) + P(A)
3 notemos que
hip
A = A ∩ Ω = A ∩ (B ∪ B) = (A ∩ B) ∪ (A ∩ B) = B ∪ (A \ B)
| {z }
C
B ∩ C = B ∩ (A \ B) = ∅

logo P(A) = P(B) + P(A \ B). Desta igualdade conclui-se que P(A) ≥ P(B) e também que
P(A \ B) = P(A) − P(B);
4 resulta de 3 tomando A = Ω;
5 pelas hipóteses sobre B1 , . . . , Bn temos
A = A ∩ Ω = A ∩ (B1 ∪ . . . ∪ Bn ) = (A ∩ B1 ) ∪ . . . ∪ (A ∩ Bn )
| {z } | {z }
C1 Cn
Ci ∩ Cj = A ∩ Bi ∩ Bj = ∅, ∀i 6= j

pelo que
n
X n
X
P(A) = P(Ci ) = P(A ∩ Bi )
i=1 i=1

(ICruz - Dep. de Matemática, FCUP) Matemática e Bioestatística 2021/22 MICF - FFUP 9 / 19

 6 com a ajuda de um diagrama é fácil concluir que
A ∪ B = (A \ (A ∩ B)) ∪ (B \ (A ∩ B)) ∪ (A ∩ B)
| {z } | {z } | {z }
C1 C2 C3
C1 ∩ C2 = C1 ∩ C3 = C2 ∩ C3 = ∅

pelo que

(3)
P(A ∪ B) = P(A) − P(A ∩ B) + P(B) − P(A ∩ B) + P(A ∩ B) = P(A) + P(B) − P(A ∩ B)

7 basta usar a propriedade 5 duas vezes:

(5) (5)
P(A∪(B∪C)) = P(A)+P(B∪C)−P(A∩(B∪C)) = P(A)+P(B)+P(C)−P(B∩C)−P((A∩B)∪(A∩C))

e a mesma propriedade na última parcela

(5)
P((A ∩ B) ∪ (A ∩ C)) = P(A ∩ B) + P(A ∩ C) − P(A ∩ B ∩ C)

o que conduz à expressão pretendida. 2

Nota: a propriedade 6 pode generalizar-se para a reunião de um número arbitrário de acontecimentos.

(ICruz - Dep. de Matemática, FCUP) Matemática e Bioestatística 2021/22 MICF - FFUP 10 / 19

Linguagem corrente e linguagem matemática

No cálculo de probabilidades é importante traduzir corretamente para linguagem matemática algumas

expressões da linguagem corrente. Seguem-se alguns exemplos (A e B designam dois acontecimentos de um
espaço de acontecimentos A):

A não ocorre (ou não se realiza) - A

ocorre um5 dos acontecimentos - A ∪ B

ocorrem ambos os acontecimentos - A ∩ B

ocorre apenas um6 dos acontecimentos - (A ∩ B) ∪ (B ∩ A)

5torna-se mais claro usar “pelo menos um”, mas isso nem sempre é feito
6ou exatamente um
(ICruz - Dep. de Matemática, FCUP) Matemática e Bioestatística 2021/22 MICF - FFUP 11 / 19
Probabilidade condicionada ou condicional

Q: em que medida é que a ocorrência de um acontecimento afeta a probabilidade de outro acontecimento

ocorrer? Por exemplo:
se ao lançar um dado soubermos que o resultado obtido foi um número par, esse facto afeta a
probabilidade de obtermos um número inferior a 4?

se escolhermos aleatoriamente uma pessoa da cidade do Porto e constatarmos que a pessoa em causa
está com gripe, esse facto afeta a probabilidade de ela ter febre?

Definição
Seja (Ω, A, P) um espaço de probabilidade e B ∈ A com P(B) > 0.
Dado A ∈ A chama-se probabilidade de A condicionada a Ba ao número P(A|B) definido por

P(A ∩ B)
P(A|B) =
P(B)
a
ou probabilidade de A sabendo B

(na definição de P(A|B) tudo se passa como se o novo espaço de resultados passasse a ser B...)

Nota: A|B não é um acontecimento!

(ICruz - Dep. de Matemática, FCUP) Matemática e Bioestatística 2021/22 MICF - FFUP 12 / 19

Exemplo

No lançamento de um dado equilibrado, sejam:

A: “obter um número inferior a 4” (na face voltada para cima);

B: “obter um número par”;

Então:
A ∩ B: “obter um número inferior a 4 que é par”
e podemos calcular:
1
1 1 6 1
P(B) = P({2, 4, 6}) = , P(A ∩ B) = P({2}) = =⇒ P(A|B) = 1
=
2 6 2
3

Calculando
1
P(A) = P({1, 2, 3}) =
2
vemos que a probabilidade de obter um número inferior a 4 é afetada pelo facto de termos obtido um número
par.
Neste exemplo a probabilidade diminuiu, pois P(A|B) < P(A), mas poderia ter aumentado ou não ter
sofrido alteração.

(ICruz - Dep. de Matemática, FCUP) Matemática e Bioestatística 2021/22 MICF - FFUP 13 / 19

Acontecimentos independentes - exemplo

Definição
Dois acontecimentos A, B ∈ A dizem-se independentes se

P(A ∩ B) = P(A)P(B)

Se P(B) > 0 então A e B são independentes se e só se

P(A|B) = P(A)

De facto
P(B)>0 P(A ∩ B)
P(A ∩ B) = P(A)P(B) ⇐⇒ = P(A) ⇐⇒ P(A|B) = P(A)
P(B)

Exemplo: no lançamento por duas vezes de um dado equilibrado os acontecimentos

A - “obter o número i no primeiro lançamento”;

B - “obter o número j no segundo lançamento”

são independentes pois:

6 1
P(A) = P({(i, 1), . . . , (i, 6)}) = = P({(1, j), . . . , (6, j)}) = P(B), P(A ∩ B) = P({(i, j)}) =
36 36

(ICruz - Dep. de Matemática, FCUP) Matemática e Bioestatística 2021/22 MICF - FFUP 14 / 19

Exemplo

Numa farmácia a probabilidade de haver um rotura de stock de um dado medicamento M

entre segunda e quarta-feira (inclusive) é 0.25;
entre quarta e sexta-feira (inclusive) é 0.2;
em algum dia útil é 0.35.

Q: os acontecimentos R24 : “haver uma rotura de stock de M entre segunda e quarta-feira (incl.)” e R46 :
“haver uma rotura de stock de M entre quarta e sexta-feira (incl.)” são independentes?
Devemos comparar
P(R24 ∩ R46 ) com P(R24 )P(R46 ) = 0.05
Designando por Ru o acontecimento “haver uma rotura de stock de M em algum dia útil”, é claro que

R24 ∪ R46 = Ru −→ P(R24 ∪ R46 ) = 0.35

Logo

P(R24 ∪ R46 ) = P(R24 ) + P(R46 ) − P(R24 ∩ R46 ) ⇐⇒ P(R24 ∩ R46 ) = 0.25 + 0.2 − 0.35 = 0.1

R: os acontecimentos referidos não são independentes.

(ICruz - Dep. de Matemática, FCUP) Matemática e Bioestatística 2021/22 MICF - FFUP 15 / 19

Proposição
Sejam (Ω, A, P) um espaço de probabilidade e B ∈ A um acontecimento com P(B) > 0. Defina-se

PB : A −→ R
A 7−→ P(A|B)

Então PB é também uma probabilidade, chamada probabilidade condicionada a B, ou seja

PB (Ω) = 1;
PB (A) ≥ 0, ∀A ∈ A;
se A1 , A2 , . . . é uma sucessão de acontecimentos mutuamente exclusivos então
∞
X
PB (A1 ∪ A2 ∪ . . .) = PB (An )
n=1

Prova:
P(Ω∩B)
PB (Ω) = P(B)
= 1;
P(A∩B)
PB (A) = P(B)
≥ 0;
P ((A1 ∪ A2 ∪ . . .) ∩ B) P ((A1 ∩ B) ∪ (A2 ∩ B) ∪ . . .)
PB (A1 ∪ A2 ∪ . . .) = = =
P(B) P(B)
P∞ ∞
n=1 P (An ∩ B)
X
= PB (An )
P(B) n=1
(na penúltima igualdade usou-se (Ai ∩ B) ∩ (Aj ∩ B) = ∅ e o facto de P ser uma probabilidade) 2
(ICruz - Dep. de Matemática, FCUP) Matemática e Bioestatística 2021/22 MICF - FFUP 16 / 19
Teorema da probabilidade total

Teorema (TPT)
Dado um espaço de probabilidade (Ω, A, P) sejam B1 , . . . , Bn acontecimentos que formam uma partição
de Ω e que satisfazem
P(Bi ) > 0, i = 1, . . . , n
Então qualquer que seja A ∈ A tem-se

P(A) = P(A|B1 )P(B1 ) + · · · + P(A|Bn )P(Bn )

Em particular, se B é tal que P(B) 6= 0 e P(B) 6= 1 tem-se

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

Prova: as hipóteses sobre B1 , . . . , Bn implicam

A = A ∩ Ω = A ∩ (B1 ∪ · · · ∪ Bn ) = (A ∩ B1 ) ∪ · · · ∪ (A ∩ Bn )
| {z } | {z }
C1 Cn
Ci ∩ Cj = A ∩ Bi ∩ Bj = ∅, ∀i 6= j
n
X n
X n
X
logo P(A) = P(Ci ) = P(A ∩ Bi ) = P(A|Bi )P(Bi )
i=1 i=1 i=1
Para a última afirmação notamos que B e B formam uma partição de Ω e têm probabilidade > 0. 2

(ICruz - Dep. de Matemática, FCUP) Matemática e Bioestatística 2021/22 MICF - FFUP 17 / 19

Teorema de Bayes

Corolário (Teorema de Bayes)

Nas condições do teorema do teorema da probabilidade total, seja A ∈ A com P(A) > 0. Então

P(A|Bi )P(Bi )
P(Bi |A) =
P(A|B1 )P(B1 ) + · · · + P(A|Bn )P(Bn )

Em particular, se B é tal que P(B) 6= 0 e P(B) 6= 1 tem-se

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

Prova: na hipótese de P(A) ser positivo podemos escrever

P(Bi ∩ A) P(A ∩ Bi ) P(A|Bi )P(Bi )
P(Bi |A) = = =
P(A) P(A|B1 )P(B1 ) + · · · + P(A|Bn )P(Bn ) P(A|B1 )P(B1 ) + · · · + P(A|Bn )P(Bn )

(na primeira e última igualdades usou-se a definição de probabilidade condicionada e na segunda usou-se o
TPT). 2

(ICruz - Dep. de Matemática, FCUP) Matemática e Bioestatística 2021/22 MICF - FFUP 18 / 19

Exemplo

Num torneio de xadrez, os jogadores que representam um dado país estão divididos em 3 grupos, G1 , G2 e
G3 , sendo que G1 inclui metade dos jogadores da equipa e G2 inclui um quarto dos jogadores da equipa. A
probabilidade de algum jogador do torneio vencer um jogo contra
um jogador de G1 é 0.2
um jogador de G2 é 0.3
um jogador de G3 é 0.4

Um jogador J vai jogar contra um adversário escolhido aleatoriamente de entre todos os jogadores da equipa
descrita.
1 Qual é a probabilidade de J perder o jogo?
2 Verificou-se que J venceu o jogo! Qual é a probabilidade do seu adversário pertencer a G1 ?
3 Os acontecimentos “J vencer o jogo” e “o adversário pertencer a G3 ” são independentes?

Designando por Ai o acontecimento “o adversário pertencer ao grupo Gi ” e por V o acontecimento “J

vencer o jogo”, temos:
P(V) = P(V|A1 )P(A1 ) + P(V|A2 )P(A2 ) + P(V|A3 )P(A3 ) = 0.1 + 0.075 + 0.1 = 0.275 logo
P(V) = 0.725
P(V|A1 )P(A1 ) 0.1
P(A1 |V) = = = 0.(36) ≈ 0.3636
P(V) 0.275
P(V ∩ A3 ) = P(V|A3 )P(A3 ) = 0.1 e P(V)P(A3 ) = 0.06875

As respostas seriam pois: 0.725, aproximadamente 0.3636 e não.

(ICruz - Dep. de Matemática, FCUP) Matemática e Bioestatística 2021/22 MICF - FFUP 19 / 19