2 AGR 245 – Técnicas Experimentais em Agronomia

Aula 02: Teoria das Probabilidades

Sumário:

1. Introdução
2. Conceitos da teoria das probabilidades
3. Álgebra dos acontecimentos
4. Conceitos de probabilidade
5. Axiomas da teoria das probabilidades
6. Probabilidades condicionais
7. Probabilidade de interseção de acontecimentos. Acontecimentos
independentes
8. Teorema da probabilidade total e fórmula de bayes
9. Aplicação
1. INTRODUÇÃO

§ Histórico da Estatística – probabilidades

Jogos de azar (Egípcios 3500 anos A.C)
Século XVI – primeiras teorias de probabilidade
Cardamo – The book on games of chance
Lei do produto de acontecimentos independentes
1. INTRODUÇÃO

§ cinco séculos depois – Galileu

§ Lançamentos de três dados
- O total de 10 pontos ocorre mais vezes que um total de 9
9 (621; 531; 522; 441; 432; 333)
10 (631; 622; 541; 532; 442; 433)

- Levar em consideração a ordem:

9 – 25 (25/216)
10 – 27 (27/216)

§ Blaise Pascol (1623 – 1662)

§ Pierre Fermat (1601 – 1665)
(Fundamentação téorica da Inferência Estatística)

§ Teorema Bernoulli – frequências e probabilidades

§ Probabilidade Inversa – Thomas Bayes (Século XVIII)

(Escola Bayesiana)
2. CONCEITOS DE PROBABILIDADE

§ Experiência aleatória
- Acontecimentos influenciados pelo acaso
- Experiência não aleatória - ex: propagação do som (340 m/s) Conhecimento
temperatura em ebulição da água (100 ºC) a priori

- Experiência aleatória – ex: lançamento de um dado

retirada de uma carta do baralho

§ Espaço de resultados
Ω = 1, 2, 3, 4, 5, 6
espaço de resultado for finito ou infinito numerável – discreto
espaço de resultado infinito não numerável - contínuo

§ Acontecimentos
Ω = 1, 2, 3, 4, 5, 6 A: saída de face 2
A = {2} C= {3,6} B: saída de face ímpar
B = {1, 3, 5} C: saída de face divisível por 3
3. ÁLGEBRA DOS ACONTECIMENTOS

§ União de Acontecimentos
Ω - Ex: Se A e B forem acontecimentos, define-se
um novo acontecimentos união de A com B (𝐴 ∪ B)

𝐴 ∪ 𝐵 = 𝜔: 𝜔 ∈ 𝐴 ∨ 𝜔 ∈ 𝐵
A
Ω

A B
3. ÁLGEBRA DOS ACONTECIMENTOS

§ Interseção de Acontecimentos
- Dados dois Acontecimentos A e B, define-se Ω
interseção ou produto lógico de A com B
-𝐴∩𝐵

𝐴 ∪ 𝐵 = 𝜔: 𝜔 ∈ 𝐴 ⋀𝜔 ∈ 𝐵
A B

§ Diferenças de acontecimentos
- A diferença de dois acontecimentos A e B, ou
Ω
acontecimento diferença A – B (ou A \ B) é o
acontecimento que se realiza quando ocorre A mas
não B. A B
-𝐴∩𝐵

𝐴 − 𝐵 = 𝐴 \B = 𝜔: 𝜔 ∈ 𝐴 ⋀𝜔 ∉ 𝐵
4. CONCEITOS DE PROBABILIDADE

§ Qual a probabilidade de que a procura de automóveis

movidos a energia elétrica venha a aumentar no próximo
ano?

§ Qual a probabilidade da UEL entrar em greve?

- Respostas: Probabilidade ou Verosimilhança

§ Definição e método de cálculo – Conceitos de probabilidade

- Clássica: Características intrínsecas do acontecimento.

- Empírica ou frequencista: Baseia-se em uma quantidade razoável de evidências objetivas
- Subjectivas: Definidas com base em crenças ou opiniões individuais.
4. CONCEITOS DE PROBABILIDADE

§ Conceitos clássicos de probabilidade (a priori):

𝑛!
𝑃𝐴 = nA: número de resultados favoráveis a A
𝑁 N: número de resultados possíveis

§ Exemplo: Um investigador mostra a um individuo 12 cores, e pede-lhe que escreve 4 que sejam
suas favoritas.

a) Quantos resultados possíveis existem?

b) Se uma faz cores do lote das 12 for azul, quantos resultados possíveis irão conter essa cor?

c) Qual a probabilidade de escolher a cor azul como uma das suas preferidas?
4. CONCEITOS DE PROBABILIDADE

a) Quantos resultados possíveis existem?

12 12!
𝐶!"# = = = 495
4 12 − 4 ! 4!

b) Se uma das cores do lote das 12 for azul, quantos resultados possíveis irão conter
essa cor?
11 11!
𝐶$"" = = = 165
3 11 − 3 ! 3!

c) Qual a probabilidade de escolher a cor azul como uma das suas preferidas?

11
3 = 165 = 1
12 495 3
4
4. CONCEITOS DE PROBABILIDADE

§ Conceito frequencista de probabilidade (a posteriori):

- Se N realizações de uma experiência, o acontecimento A se verificou n

vezes, diz-se que a frequência relativa de A nas N realizações, é:

𝑛
𝑓! =
𝑁
- Conceito frequencista de probabilidade

𝑃 𝐴 = lim 𝑓!
"→$

Ex: Observação do sexo de um recém-nascido

Masculino: 0,52
Feminino: 0,48
4. CONCEITOS DE PROBABILIDADE

§ Conceito subjectivo ou personalista de probabilidade

- Probabilidade de acontecimento é dado pelo grau de credibilidade ou de confiança

- Informações quantitativas (ex: frequência de ocorrência de um acontecimento)

- Informações qualitativas (ex: informações sobre experiência passada em situações semelhantes)

- Ex:
Primeiro ministro: inflação para o próximo ano será de 3% com a probabilidade 0,9

Outro político: Tal meta seria difícil atingir

5. Axiomas da teoria das probabilidades

§ Três Axiomas em que se baseiam todos os desenvolvimentos posteriores deste campo das
matemáticas:

1) 𝑃 𝐴 ≥ 0

2) 𝑃 Ω = 1

3) 𝑆𝑒𝑛𝑑𝑜 𝐴 𝑒 𝐵 𝑎𝑐𝑜𝑛𝑡𝑒𝑐𝑖𝑚𝑒𝑛𝑡𝑜𝑠 𝑚𝑢𝑡𝑢𝑎𝑚𝑒𝑛𝑡𝑒 𝑒𝑥𝑐𝑙𝑢𝑠𝑖𝑣𝑜𝑠

𝑑𝑒𝑓𝑖𝑛𝑖𝑑𝑜𝑠 𝑒𝑚 Ω, 𝑜𝑢 𝑠𝑒𝑗𝑎 𝐴 ∩ 𝐵 = ⊘, tem-se que:
𝑃 𝐴∪𝐵 =𝑃 𝐴 +𝑃 𝐵
5. Axiomas da teoria das probabilidades

§ Teorema 1

§ Dado um acontecimento A com probabilidade P [A], a probabilidade do seu complementar obtém-se

subtraindo à unidade a probabilidade de A, isto é 𝑃 𝐴̅ = 1 − 𝑃 𝐴 .

§ Exemplo. Extração de uma carta de um baralho de 52 cartas.

O acontecimento A: saída de um rei tem probabilidade:
0
𝑃𝐴 =
12

• Acontecimento complementar de A (não sai rei) é:

4 48
𝑃 𝐴̅ = 1 − =
52 52
5. Axiomas da teoria das probabilidades

§ Teorema 2

§ A probabilidade de acontecimento impossível é zero, isto é:

𝑃 ⊘ =0
5. Axiomas da teoria das probabilidades

§ Teorema 3

§ Dados dois acontecimentos quaisquer A e B, a probabilidade do acontecimento diferença B – A

obtém-se pela diferença entre a probabilidade de B e a probabilidade da interseção de A com B, ou
seja: 𝑃 𝐵 − 𝐴 = 𝑃 𝐵 − 𝑃 𝐴 ∩ 𝐵
§ Ex. Produção de uma empresa

𝐴∩𝐵
Ω - 10% dos artigos produzidos - têm defeito de material (tecido)
- 5% dos artigos produzidos – têm defeito de acabamento
- 2% dos artigos produzidos – defeitos de ambos os tipos

A: defeito de matéria prima (tecido)

B: defeito de acabamento
B ∩ 𝐴̅ = 𝐵 − 𝐴
A – B: artigo tem apenas defeito de matéria prima
𝑃 𝐴 − 𝐵 = 𝑃 𝐴 − 𝑃 𝐴 ∩ 𝐵 = 0,10 - 0,02 = 0,08
𝑃 𝐴 : 0,10
𝑃 𝐴 ∩ 𝐵 : 0,02
5. Axiomas da teoria das probabilidades

§ Teorema 4

§ A probabilidade da união de dois acontecimentos quaisquer, A e B, obtém-se somando as suas

probabilidades e deduzindo a probabilidade da sua interseção, isto é:
𝑃 𝐴∪𝐵 =𝑃 𝐴 +𝑃 𝐵 −𝑃 𝐴∩𝐵

§ Ex. Cartas de um baralho § Ex. Cidade (Leitores)

- A: sai reis : 4/52 - A: 30% compra o jornal Diário
- B: sai paus :13/52 - B: 40% compra o jornal público
- A probabilidade de sair reis ou paus: - A ∩ B: compra os dois jornais

𝑃 𝐴∪𝐵 =𝑃 𝐴 +𝑃 𝐵 −𝑃 𝐴∩𝐵 𝑃 𝐴∪𝐵 =𝑃 𝐴 +𝑃 𝐵 −𝑃 𝐴∩𝐵

4 13 1 16 𝑃 𝐴 ∪ 𝐵 = 0,30 + 0,40 - 0,10
𝑃 𝐴∪𝐵 = + − = 𝑃 𝐴 ∪ 𝐵 = 0,60
52 52 52 52

60% dos leitores compra pelo menos um

destes jornais.
5. Axiomas da teoria das probabilidades

§ Teorema 4 (Generalização a mais de dois acontecimentos):

§ N=3

𝑃 𝐴1 ∪ 𝐴2 ⋃𝐴3 = 𝑃 𝐴1 + 𝑃 𝐴2 + 𝑃 𝐴3 − 𝑃 𝐴1 ∩ 𝐴2 − 𝑃 𝐴1 ∩ 𝐴3 − 𝑃 𝐴2 ∩ 𝐴3 − −𝑃 𝐴1 ∩ 𝐴2 ∩ 𝐴3

§ Ex. Cidade (Leitores) - a) Somente A e C?

Revistas Leitores (%) 𝑃 𝐴 ∩ 𝐶 ∩ 𝐵< = 𝑃 𝐴 ∩ 𝐶 − 𝑃 𝐴 ∩ 𝐶 ∩ 𝐵 = 0,037 − 0,024 = 0,013
A 9,8
- a) Pelo menos uma revista
B 22,9
C 12,1 𝑃 𝐴 ∪ 𝐵 ⋃𝐶 = 0,324
AeB 5,1
AeC 3,7
BeC 6,0
AeBeC 2,4
6. PROBABILIDADE CONDICIONAL

§ A partir do momento em que se conhece a probabilidade de o acontecimento B (do espaço de

resultado Ω) ocorrer, é possível calcular a probabilidade de qualquer outro acontecimento A se
realizar condicionamento pelo acontecimento B.

? @∩A
§ 𝑃 𝐴|𝐵 = ?A
se P[B] > 0
b) Admita-se que o jogador soube acidentalmente que o
número premiado em primeiro em primeiro lugar era um
número par.
§ Ex1. Jogador compra 3 bilhetes de loteria: 1
1
- 01011 𝑃 𝐴|𝐵 = 40000 =
- 15555 20000 20000
- 22444 40000
- Total: 40000
b) Ele ganhou o prémio. Qual a probabilidade de que o
a) O jogador obter o primeiro prêmio: número premiado seja par?
3 1
𝑃𝐴 = 1
40000 𝑃 𝐴|𝐵 = 40000 =
3 3
40000
6. PROBABILIDADE CONDICIONAL

§ Recém-nascidos:
A1: um recém-nascido escolhido ao acaso ser do sexo masculino
B1 B2
A2: um recém-nascido escolhido ao acaso ser do sexo feminino
A1 0,34 0,17
B1: um recém-nascido escolhido ao acaso ter olhos castanhos
A2 0,34 0,15
B2: um recém-nascido escolhido ao acaso não ter olhos castanhos

a) Probabilidade do recém-nascido ser do sexo masculino e não ter olhos castanhos?

𝑃 𝐴1⋂𝐵2 = 0,17

b) Probabilidade do recém-nascido ser do sexo masculino independente da cor dos olhos?

𝑃 𝐴 = 𝐴1⋂𝐵1 + 𝐴1⋂𝐵2 = 0,34 + 0,17 = 0,51

c) Probabilidade do recém-nascido não ter olhos castanhos dado que é do sexo masculino
𝑃 𝐵2 ∩ 𝐴1 0,17
𝑃 𝐵2|𝐴1 = = = 0,30
𝑃 𝐴1 0,51
6. PROBABILIDADE CONDICIONAL

§ Axiomática e teoremas da teoria das probabilidades na probabilidade condicionada

- O conceito de probabilidade condicionada satisfaz todos os axiomas da teoria das probabilidades

introduzidos anteriormente.
7. PROBABILIDADE DA INTERSEÇÃO DE ACONTECIMENTOS

§ A probabilidade de interseção de dois acontecimentos, A e B, decorre da probabilidade

condicionada. De acordo com o ponto anterior, da definição de probabilidade condicionada resulta
que:

𝑃 𝐴∩𝐵 § Ex1. Jogador compra 3 bilhetes de loteria:

𝑃 𝐴|𝐵 = - 01011
𝑃𝐵
- 15555
- 22444
𝑃 𝐴∩𝐵
𝑃 𝐵|𝐴 = - Total: 40000
𝑃𝐴
A probabilidade da interseção de B com A, ou de o jogador receber o primeiro
prêmio e de este ser um número par (1/40000), tanto pode obter-se tomando
B como condicionante.
1 20000 1
𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴|𝐵 𝑥 𝑃 𝐵 = 𝑥 =
20000 40000 40000

1 3 1
𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴|𝐵 𝑥 𝑃 𝐴 = 𝑥 =
3 40000 40000
8. Teorema da probabilidade total e fórmula de Bayes

§ O conceito de probabilidade condicionada revela-se muito importante e de larga utilização quando

se conhecem probabilidade condicionadas nas quais os acontecimentos condicionantes definem
uma partição em Ω

§ Diz-se que os acontecimentos A1, A2 ..., Na, definem uma partição em Ω quando se verificam
simultaneamente as seguintes condições:

i) A união de todos os acontecimentos é o próprio espaço de resultados

ii) Os acontecimentos são mutuamente exclusivos, dois a dois

iii) Todos os acontecimentos têm probabilidade não nula

8. Teorema da probabilidade total e fórmula de Bayes

§ Teorema da probabilidade total:

'

𝑃 𝐵 = E 𝑃 𝐵|𝐴% 𝑥𝑃 𝐴% = 𝑃 𝐵|𝐴" 𝑥𝑃 𝐴" + 𝑃 𝐵|𝐴# 𝑥𝑃 𝐴# + ⋯ 𝑃 𝐵|𝐴' 𝑥𝑃 𝐴'

%&"
8. Teorema da probabilidade total e fórmula de Bayes

§ Fórmula de Bayes

§ Se A1, A2, ..., An definem uma partição sobre Ω, então, para B definido em Ω, com P[B]>0:

𝑃 𝐴( 𝑥𝑃 𝐵|𝐴(
𝑃 𝐴( |𝐵 =
∑'(&" 𝑃 𝐴( 𝑥𝑃 𝐵|𝐴(

§ Ex. Fábrica de cachimbos – utiliza três máquinas de acabamento com volume diário de produção:
- 500 unidades
- 1000 unidades
- 2000 unidades

- Cachimbos defeituosos
- 0,5%
- 0,8%
- 1%

Sabendo que um cachimbo foi encontrado defeituoso pretende apurar-se qual a máquina que, com
maior probabilidade, lhe terá dado origem e qual que tem menor probabilidade de o ter gerado.
8. Teorema da probabilidade total e fórmula de Bayes

§ A1 – Um cachimbo escolhido ao acaso da produção diária foi produzido pela máquina 1

§ A2 – Um cachimbo escolhido ao acaso da produção diária foi produzido pela máquina 2

§ A3 – Um cachimbo escolhido ao acaso da produção diária foi produzido pela máquina 3

§ B – Um cachimbo escolhido ao acaso da produção diária é defeituoso

𝑃 𝐴% |𝐵

500 1 Ai P[Ai] P[B/Ai] P[Ai] x P[B/Ai] P[Ai/B]

𝑃 𝐴" = = 𝑃 𝐵|𝐴" = 0,005
3500 7 A1 1/7 0,005 0,0007 0,08
1000 2 A2 2/7 0,008 0,0023 0,26
𝑃 𝐴# = = 𝑃 𝐵|𝐴# = 0,008
3500 7 A3 4/7 0,010 0,0057 0,66
2000 4 P[B]=0,0087 1
𝑃 𝐴$ = = 𝑃 𝐵|𝐴$ = 0,010 E=
3500 7
9. Aplicação

§ Ex1. Em bovinos, uma doença causada por um vírus, conhecida como febre aftosa ataca 2% do
rebanho de um Estado da federação. Um determinado teste rápido de sangue consegue identificar
corretamente 98% dos animais que possuem a doença e 92% dos que não a têm.

a) Qual é a probabilidade de um animal, classificado como positivo no teste, ter efetivamente a

doença?

b) Qual a probabilidade de um animal, classificado como negativo no teste, não ser portador da febre
aftosa?
9. Aplicação

§ Ex2. Uma empresa de bovinos está interessada em melhorar a eficiência do teste rápido de aftosa
apresentado anteriormente. Como o teste apresenta falso negativo, com probabilidade de 2% e
falso positivo, com probabilidade de 8%, o representante da empresa pergunta: “Qual é a estratégia
a ser adotada: reduzir a probabilidade de falsos negativos ou de falsos positivos?”. Para responder
a essa pergunta sabendo que em geral a P(B1) é pequena em todos os Estados; utilize os dados do
exemplo anterior e faça algumas simulações de determinadas situações reais:

i) faça P(D/B1)=0,99 e conserve P(S/B2)=0,92

ii) Faça P(S/B2)=0,98 e preserve P(D/B1)=0,98.

Qual a melhor estratégia a ser adotada?

a) Qual é a probabilidade de um animal, classificado como positivo no teste, ter efetivamente a

doença?

b) Qual a probabilidade de um animal, classificado como negativo no teste, não ser portador da febre
aftosa?
OBRIGADO