TEOREMA DE BAYES

Probabilidade Condicional A probabilidade de um determinado evento pode ser alterada em funo de informaes adicionais que modificam o espao amostral daquele evento. Por exemplo: aos domingos, os trens do Metr, ramal Paulista, circulam a cada 4 minutos em mdia. Se chegarmos plataforma da Estao Brigadeiro e um trem estiver saindo, a probabilidade de esperarmos 4 minutos por um novo trem elevada, praticamente 100%. No entanto, se chegarmos plataforma de embarque e nenhum trem estiver saindo, a probabilidade de esperarmos 4 minutos por um trem pequena, quase nula. Provavelmente vamos esperar menos que 4 minutos. Desta forma, o fato de no haver nenhum trem saindo da plataforma alterou o valor da probabilidade de termos que esperar 4 minutos. Matematicamente, calculamos a probabilidade de ocorrncia do evento A, sabendo-se que o evento B j ocorreu, pela relao entre a probabilidade de ocorrncia A e B e a probabilidade de ocorrncia de B. Simbolicamente,

...........................................(07) .. Independncia de Eventos Considere os eventos A e B. O evento A ser independente do evento B se a probabilidade de ocorrncia de A no afetada pela ocorrncia ou no ocorrncia de B. Por exemplo, quando jogamos uma moeda duas vezes, a probabilidade de sair cara na segunda vez 50% e no depende do resultado obtido na primeira vez que a moeda foi jogada. Portanto, os eventos cara e coroa so independentes. De uma forma mais complexa, podemos dizer que se P(B) diferente de zero e se P(A/B) = P(A), os eventos A e B so independentes. Regras da Multiplicao de Probabilidades Se tomarmos a frmula da probabilidade condicional = ............ (07')

e multiplicarmos ambos os lados por P(B), teremos: ...........................(08) Esta ltima frmula conhecida como regra geral da multiplicao de probabilidades. Da mesma maneira, podemos escrever que: ............................(09) e que: .................... (10) E finalmente, se A e B so eventos independentes, ... ........................(11)

II O TEOREMA DE BAYES Se tomarmos as equaes 08 e 10 acima, podemos dizer que: ............................(12) e que: ..............................(13) Qual a diferena entre P(A/B) e P(B/A)? Acompanhe o seguinte exemplo: seja A o evento de que um profissional tem um bom emprego e B o evento de que um profissional tenha curso superior. Ento, P(A/B) a probabilidade de um profissional ter um bom emprego, sabendo-se que ele tem curso superior e P(B/A) a probabilidade de um profissional ter curso superior sabendo que ele tem um bom emprego. A regra dada pela equao 13 pode ser generalizada para o caso de termos mais de dois eventos. Esta generalizao o Teorema de Bayes: se B1, B2, ..., e BK so eventos mutuamente exclusivos, dos quais um deve ocorrer, ento: ..............(14) para i = 1, 2, 3, 4, ..., ou k. Compare esta expresso com a da equao (13) e note que o denominador da expresso (14) pode ser igualado a P(A). Uma forma mais prtica de entendermos a lgica do Teorema de Bayes atravs do mtodo grfico. Assim: III EXERCCIOS RESOLVIDOS SOBRE O TEOREMA DE BAYES III.1 Em uma cidade onde carros tm que ser avaliados para controle de emisso de poluentes, 25% de todos os carros testados emitem quantidades excessivas de poluentes. No entanto, o teste no perfeito e pode indicar resultados errados. Desta forma, carros que emitem excesso de poluentes podem no ser detectados pelo teste e carros que no emitem excesso de poluentes podem ser considerados erroneamente fora do padro de emisso. Quando efetivamente testados, 99% dos carros fora do padro so detectados e 17% dos carros em bom estado so considerados fora do padro por erro do teste. Qual a probabilidade de que um carro reprovado pelo teste emita realmente excesso de poluentes? Soluo Considere que A o evento de que um carro seja reprovado no teste, que B1 seja o evento de que ele emite quantidade excessiva de poluentes e que B2 seja o evento de que o carro esteja dentro das normas de emisso de poluentes. Ento: P(B1) = 0,25 P(B2) = 0,75 P(A/B1) = 0,99 P(A/B2) = 0,17 e o problema pede para calcularmos P(B1/A) A partir do diagrama apresentado a seguir, podemos calcular P(A). Existe um P(A) vindo pelo evento B1 e um P(A) vindo pelo evento B2. Logo P(A) = 0,2475 + 0,1275 = 0,3750

Aplicando a equao 7, podemos calcular P(B1/A).

III.2 Em uma fbrica de monitores para computador, as linhas de montagem I, II e III respondem respectivamente por 50, 30 e 20 porcento da produo. Alguns monitores saem destas linhas com defeitos. A porcentagem de monitores defeituosos de 0,4%, 0,6% e 1,2% respectivamente para as linhas I, II e III. Para evitar que os monitores defeituosos saiam da empresa e cheguem ao mercado, o controle de qualidade realiza inspees individuais em todos os monitores fabricados e os que apresentam algum defeito so enviados para uma linha especial de recuperao. Calcule as seguintes probabilidades: a de um monitor qualquer produzido nesta empresa ser defeituoso; b de um monitor defeituoso encontrado na inspeo final ter sido produzido na linha de produo I. Soluo Considere os seguintes eventos: A = o monitor foi produzido na linha I, logo P(A) = 0,50; B = o monitor foi produzido na linha II, logo P(B) = 0,30; C = o monitor foi produzido na linha III, logo P(C) = 0,20; D = o monitor apresentou defeito; P(D/A) = probabilidade do monitor defeituoso ter sido produzido na linha I = 0,004; P(D/B) = probabilidade do monitor defeituoso ter sido produzido na linha II = 0,006; P(D/C) = probabilidade do monitor defeituoso ter sido produzido na linha III = 0,012; O problema pede para calcularmos duas probabilidades: a probabilidade de um monitor qualquer fabricado nesta empresa ser defeituoso, P(D) e a probabilidade de um monitor defeituoso ter sido fabricado na linha I, P(A/D). Para calcularmos P(D), vamos utilizar o diagrama a seguir:

Logo, P(D) = 0,0020 + 0,0018 + 0,0024 = 0,0062 e, portanto

finalmente

IV EXERCCIOS SOBRE O TEOREMA DE BAYES IV.1 Suponha que P(A/B) = 0,8 P(A) = 0,5 P(B) = 0,2 Calcule P(B/A) resposta: P(B/A) = 0,08

IV.2 Lasers semicondutores usados em produtos de armazenamento ptico de informaes necessitam maiores nveis de potncia em operaes de escrita que em operaes de leitura. Operaes em altas potncias diminuem a vida til destes lasers. Lasers em produtos usados para backup de discos magnticos de alta velocidade, tm como funo principal a escrita e a probabilidade de que sua vida til exceda 5 anos de 0,95. Lasers empregados em produtos utilizados para armazenamento principal gastam aproximadamente o mesmo tempo de seu funcionamento em operaes de escrita e de leitura e a probabilidade de que sua vida til exceda 5 anos 0,995. Um certo fabricante tem 25% de seus produtos usados em operaes de backup e 75% usados em operao de armazenamento principal. Considere que A seja o evento de que a vida til de um laser exceda 5 anos e que B seja o evento de que um laser est em um produto usado para backup. Considere ainda que P(B) = 1 P(B) Use um diagrama para determinar as seguintes probabilidades

a P(B) b P(B) c P(A/B) d P(A/B) e P(A B) f P(A B) g P(A)

resposta 0,25 resposta 0,75 resposta 0,95 resposta 0,995 resposta 0,2375 resposta 0,74625 resposta 0,98375

IV.3 Consumidores so utilizados para fazerem avaliaes de amostras preliminares de produtos. Em um levantamento estatstico destas avaliaes, 95% dos produtos altamente bem sucedidos recebem boas avaliaes, 60% dos produtos moderadamente bem sucedidos receberam boas avaliaes enquanto 10% dos produtos mal sucedidos receberam boas avaliaes. Alem disso, 40% dos produtos foram altamente bem sucedidos, 35% foram moderadamente bem sucedidos e 25% foram mal sucedidos. Pergunta-se: a Qual a probabilidade de um produto receber uma boa avaliao? b Se uma amostra preliminar obtm boa avaliao, qual a probabilidade de que ela venha a ser um produto altamente bem sucedido? c Se um produto no obtm uma boa avaliao, qual a probabilidade de que ele venha a ser um produto altamente bem sucedido? respostas: (a) 0,615; (b) 0,618; (c) 0,052

VI REFERNCIAS BIBLIOGRFICAS FREUND, J.E.; SIMON, G.A. (1992). Modern Elementary Statistics. Prentice Hall, New Jersey. MONTGOMERY, D.C.; RUNGER, G.C. (1994). Applied Statistics and Probability for Engineers. John Wiley & Sons, Inc. New York. COSTA NETO, P.L.O. (1977). Estatstica. Edgard Blucher Ltda. So Paulo