Introduo teoria das probabilidades

Introduo Conceitos fundamentais Conceitos de probabilidade Teoremas para o clculo de probabilidades Probabilidade condicional e independncia Teorema de Bayes

O termo PROBABILIDADE utilizado todos os dias de forma intuitiva, pois nos mais variados aspectos da nossa vida est presente a incerteza incerteza:
dizemos que existe uma pequena probabilidade de ganhar a Mega Sena; dizemos que existe uma grande probabilidade de chover num dia carregado de nuvens; o poltico quer saber qual a probabilidade de ganhar as prximas eleies; o aluno interroga-se sobre qual a probabilidade de obter resultado positivo num teste de perguntas mltiplas, para o qual no estudou e responde aleatoriamente.

Todos estes exemplos tm uma caracterstica comum, que o fato de no conseguirmos prever com exatido e de antemo qual o resultado No entanto os mtodos probabilsticos vo nos resultado. permitir quantificar essa incerteza.
1 2

ESTATSTICA - Diviso
Matemtica Criao de modelos
ESTATSTICA DESCRITIVA INFERNCIA ESTATSTICA

Estudo dos fenmenos da natureza

Trata do resumo e da apresentao de dados

PROBABILIDADE

Probabilidade

Modelos Probabilsticos

Modelos Determinsticos

Estudo de populaes a partir de amostras

3

Experimentos Probabilsticos

Experimentos Determinsticos
4

Modelo determinstico: aquele em que ao conhecermos as variveis de entrada possvel determinar as variveis de sada (os seus resultados). Em experimentos determinsticos existe a certeza do resultado que ocorrer Fsica clssica fenmenos determinsticos Exemplo: Distncia percorrida no tempo em funo da velocidade

A modelagem de um experimento aleatrio implica em responder trs questes fundamentais: Quais as suas possveis formas de ocorrncia? Quais so as chances de cada ocorrncia?

Modelo aleatrio, probabilstico ou estocstico: aquele em que, mesmo conhecendo as condies do experimento, no possvel determinar o seu resultado final. Em experimentos aleatrios s possvel determinar a chance de ocorrncia de um resultado. Biologia fenmenos probabilsticos Exemplo: O nascimento de um bovino.
5

De que forma se pode calcular essas chances?

Descrio do experimento ao e observao

Exemplos: E1: Ao: jogar um dado de seis faces observao: face voltada para cima E2: Ao: selecionar uma carta do baralho observao: valor e naipe da carta E3: Ao: lanar uma moeda at que aparea cara observao: nmero de lanamentos E4: Ao: acender uma lmpada observao: tempo decorrido at que ela se apague
7

Espao amostral (S)

o conjunto de todos os possveis resultados de um experimento aleatrio. o conjunto universo relativo aos resultados de um experimento. A cada experimento aleatrio est associado um conjunto de resultados possveis ou espao amostral. amostral.

Exemplos: E1: Jogar um dado e observar a face voltada para cima. S1={1,2,3,4,5,6} enumervel e finito E3: Lanar uma moeda at que aparea cara e observar o nmero de lanamentos.
Cara Coroa Cara Coroa Coroa Cara

E2: Selecionar uma carta do baralho e observar o seu valor e naipe.

lanamentos

S3={1,2,3,4,5,...}

enumervel e infinito

E4: Acender uma lmpada e observar o tempo decorrido at que ela se apague.
S2={s de ouro,..., rei de ouro, s de paus,..., rei de paus,..., s de espada,..., rei de espada, s de copas,..., rei de copas} enumervel e finito
9

S4={t; t>0}

contnuo e infinito
10

Evento ou ocorrncia: todo conjunto particular de resultados de S ou ainda todo subconjunto de S. designado por uma letra maiscula (A, B, C). A todo evento ser possvel associar uma probabilidade.
Exemplo: Lanamento de um dado S={1,2,3,4,5,6} Espao amostral

Ponto amostral: qualquer resultado particular de um experimento aleatrio Todo espao amostral e todo evento so constitudos por pontos amostrais.

Exemplo:

S={1,2,3,4,5,6} A = {1,3,5} B = {5,6}

seis pontos amostrais

trs pontos amostrais dois pontos amostrais

A = Ocorrncia de face mpar = {1, 3, 5} B = Ocorrncia de face maior que 4 = {5, 6}

Eventos

11

12

lgebra de Eventos
Como o espao amostral S e os eventos so conjuntos, as mesmas operaes realizadas com conjuntos so vlidas para os eventos. Exemplo: A e B so eventos de S
S A B

Interseco: Ocorre AB, se ocorrer A e B. S = {1, 2, 3, 4, 5, 6} A = {1, 3, 5} B = {5, 6} 5 AB = {5} S={1,2,3,4,5,6} A={1,3,5} B={5,6} Unio: Ocorre AB, se ocorrer A ou B (ou ambos). S = {1, 2, 3, 4, 5, 6} A = {1,3,5 1,3,5} B = {5,6 5,6} AB = {1, 3, 5, 6}
14

Os diagramas de Venn so teis para dar intuio geomtrica sobre a relao entre conjuntos.
13

Complemento: Ocorre A, se ocorrer S, mas no ocorrer A.

Eventos Especiais
Evento Impossvel: aquele evento que nunca ir ocorrer, tambm conhecido como o conjunto vazio (). um evento porque subconjunto de qualquer conjunto, portanto subconjunto de S (S). S Exemplo: A1 = {(x, y); x2 + y2 < 0}

S = {1, 2, 3, 4, 5, 6} A = {1, 3, 5}

A = Ac = {2, 4, 6}

Diferena: Ocorre A-B, se ocorrer A, mas no ocorrer B.

S = {1, 2, 3, 4, 5, 6} A = {1, 3, 5} 1 B = {5, 6} A-B = {1, 3}

15

Evento Certo: aquele evento que ocorre toda vez que se realiza o experimento, portanto, esse evento o prprio S. um evento porque todo conjunto subconjunto de si mesmo (SS). S Exemplo: A2 = {(x, y); x2 + y2 0}
16

Eventos mutuamente exclusivos

Dois eventos A e B associados a um mesmo espao amostral S, so mutuamente exclusivos quando a ocorrncia de um impede a ocorrncia do outro (AB=). A B= Exemplos: Exp.1. Lanamento de uma moeda e observao do resultado S={c,k} A = Ocorrncia de cara A = {c} B = Ocorrncia de coroa B = {k} A e B so mutuamente exclusivos
17

Exp.2. Lanamento de um dado e observao da face voltada para cima S={1,2,3,4,5,6} A = ocorrncia de um n mpar = {1, 3, 5} B = ocorrncia de um n maior que 4 = {5, 6}

AB={5} A e B no so mutuamente exclusivos

18

Exerccio: No lanamento de um dado, sejam:

A: sada de uma face par B: sada de uma face menor que 4

Soluo:
A: sada de uma face par = {2, 4, 6} B: sada de uma face menor que 4 = {1, 2, 3}

Determine:

A B , A B , A, B , A B , A B , A B A B, B A , A B, A B , B A , A A .
Tem-se que S = {1, 2, 3, 4, 5, 6} A = {2, 4, 6} B = {1, 2, 3}
19

A B = { 1,2,3,4,6 } A = { 1,3,5 } A B= { 5 } A B = { 1,3,4,5,6 } B A = { 1,3 } A B = { 1,3 } AA=

AB= { 2 } B = { 4,5,6 } A B = { 1,3,4,5,6 } AB= { 5 } A B = { 4,6 } B A = { 4,6 }

20

Anlise combinatria
Tcnicas de contagem determinar o nmero de elementos de um conjunto ou o nmero de resultados possveis de um experimento. Seja A um conjunto com n elementos distintos entre si. A = { a, b, c, d } Se so retirados x elementos do conjunto A possvel formar grupos de trs tipos: Permutaes Arranjos Combinaes
21 22

(b, c) e (c, b) ordem (a, b, c) e (a, c, b)

A = { a, b, c, d }

(b, c) e (b, d) natureza (a, b, c) e (a, b, d)

Permutaes: grupos que se distinguem apenas pela ordem dos seus elementos. Todos os grupos tm os mesmos elementos. n: nmero de elementos distintos x: nmero de elementos retirados

Arranjos: grupos que se distinguem pela ordem e pela natureza dos seus elementos.
n: nmero de elementos distintos x: nmero de elementos retirados

x=n Exemplo: A = { a, b, c, d } n=4 e x=4

x<n Exemplo: A = { a, b, c, d } n=4 e x=2

Quantas permutaes de quatro elementos possvel formar? {(a, b, c, d) , (a, b, d, c) , (a, c, b, d), (a, c, d, b), ...

Quantos arranjos de dois elementos possvel formar? {(a, b) , (b, a) , (a, c) , (c, a), ...
x An =

Pn = n!

P4 = 4! = 24 grupos

{(a, b, c, d), (a, b, d, c), (a, c, b, d), (a, c, d, b), (a, d, b, c), (a, d, c, b), (b, a, c, d), (b, a, d, c), (b, c, a, d), (b, c, d, a), (b, d, a, c), (b, d, c, a), (c, a, b, d), (c, a, d, b), (c, b, a, d), (c, b, d, a), (c, d, a, b), (c, d, b, a), (d, a, b, c), (d, a, c, b), (d, b, a, c), (d, b, c, a), (d, c, a, d), (d, c, d, a)}
23

n! (n x)!

A2 = 4

4! 4 3 2! = = 12 grupos (4 2)! 2!
24

{(a, b), (b, a), (a, c), (c, a), (a, d), (d, a), (b, c), (c, b), (b, d), (d, b), (c, d), (d, c)}

Combinaes: grupos que se distinguem apenas pela natureza dos seus elementos.
n: nmero de elementos distintos x: nmero de elementos retirados

Permutaes ordem (x = n)

Pn = n! grupos
Arranjos ordem e natureza (x < n)

x<n Exemplo: A = { a, b, c, d } n=4 e x=2

x An =

n! grupos (n x)!

Quantas combinaes de dois elementos possvel formar? {(a, b) , (a, c) , (a, d), ...
x Cn =

Combinaes natureza (x < n)

n! x! (n x)!

C2 = 4

4! 4 3 2! = =6 2! (4 2)! 2! 2!

grupos

x Cn =

n! x!(n x)!

grupos

{(a, b), (a, c), (a, d), (b, c), (b, d), (c, d)}
25 26

Permutao com repetio: entre os n elementos de um conjunto existem elementos repetidos. Exemplo: se o conjunto de elementos for composto pelas letras da palavra ARARA, ento as permutaes possveis sero {ARARA, ARRAA, ARAAR, AARRA, AARAR, AAARR, RAAAR, RAARA, RARAA, RRAAA} Como calcular? Os elementos repetidos precisam ser identificados por a, b e assim sucessivamente

Conceitos de probabilidade
Jogos de azar Conceito clssico ou probabilidade a priori Teoria das probabilidades

Laplace (1812) Teoria Analtica das probabilidades sistematizou os conhecimentos da poca sobre probabilidades

Pna,b,c,... =

n! grupos a! b! c! ...

P53,2 =

5! = 10 3! 2!
27

Pierre-Simon Laplace (1749-1827)

28

Conceitos de probabilidade
1.Conceito clssico ou probabilidade a priori
Definio: Definio: Seja E um experimento aleatrio e S o espao amostral a ele associado, com n pontos amostrais, todos amostrais equiprovveis. Se existe, em S, m pontos favorveis realizao de um evento A, ento a probabilidade de A, indicada por P(A) P(A), ser:
pontos favorveis

Pressuposies bsicas: finito. 1. O espao amostral S enumervel e finito 2. Os resultados do espao amostral S so todos equiprovveis. equiprovveis Exemplo: Exp.: Lanar uma moeda no viciada duas vezes e observar a face voltada para cima em cada lanamento. S = {cc,ck,kc,kk} P(cc) = P(kc) = P(ck) = P(kk) = 1/4 A = ocorrncia de uma cara A = {ck,kc}
29 30

P(A) =

m #A = n #S

nmero de elementos de A nmero de elementos de S

pontos possveis

S={cc,ck,kc,kk} A={ck,kc} n = nmero de pontos possveis = #S=4 m = nmero de pontos favorveis ocorrncia de A = #A=2

Outra situao: O espao amostral se refere ao nmero de caras que pode ocorrer em dois lanamentos de uma moeda no viciada. S={0,1,2} A = ocorrer uma cara A = {1} #S=3 #A=1 No possvel usar o conceito clssico para calcular a probabilidade de A

P(A) =

P(A) =

2 1 m #A = = = #S n 4 2
1 . 2
31

1 m #A = = #S 3 n
1 4 1 4

As pressuposies foram atendidas? P(0) = P(kk) = Espao amostral no equiprovvel

32

A probabilidade de ocorrer uma cara em dois lanamentos de uma moeda no viciada P(2) = P(cc) =

P(1) = P(kc) + P(ck) =

1 2

Exerccio proposto: Para usar o conceito clssico no clculo das probabilidades, recomendvel partir sempre do espao amostral bsico (mais detalhado) do experimento que, geralmente, no numrico. Espao amostral bsico S = {cc, ck, kc, kk} enumervel, mas no numrico Dez estudantes de um colgio so selecionados para formar a equipe de basquete para a competio. a) de quantas maneiras diferentes pode ser escolhida a equipe para entrar no primeiro jogo? b) quantas dessas combinaes incluem um estudante cujo nome Afonso? c) se a escolha feita por sorteio, qual a probabilidade de Afonso fazer parte da equipe neste primeiro jogo? a) C10,5 = 252 Espao amostral numrico S = {0, 1, 2} b) C9,4 = 126 c) P(A) = 126 / 252 = 0,5
33 34

2.Frequncia relativa ou probabilidade a posteriori

O conceito de frequncia relativa como estimativa de probabilidade surgiu atravs do fsico alemo

2.Frequncia relativa ou probabilidade a posteriori

Definio: Seja E um experimento aleatrio e A um evento. Se aps n repeties do experimento E (sendo n suficientemente grande), forem observados m resultados favorveis ao evento A, ento uma estimativa da probabilidade P(A) dada pela frequncia relativa

f=
Richard Von Mises (1883-1953)

m n

ocorrncias de A repeties de E

35

36

f 1

Exemplo: Lanamento de uma moeda honesta. A = ocorrncia de cara P(A) = 0,5

Repeties do exper. 1 2 3 4 5 6 7 8 n Resultado c k k c k c c c Ocorrncias de A 1 1 1 2 2 3 4 5 m Freqncia relativa f 1 1/2 1/3 2/4 2/5 3/6 4/7 5/8 m/n
0,5

P(A)

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Estabilizao da frequncia relativa f quando n cresce.

Pressuposio: n deve ser suficientemente grande para que se possa obter um resultado com margem de erro razovel.
37 38

Exerccios propostos: 1. Em Sobral (CE), observaram-se seis anos de seca no perodo de 1901-66 (66 anos). Qual a probabilidade de ser seco o prximo ano?
f= m 6 1 = = = 0,0909 n 66 11

3. Conceito moderno ou axiomtico

No sculo XX, Andrei Kolmogorov conceituou probabilidade atravs de axiomas rigorosos, tendo por base a teoria da medida.

2. Se os registros indicam que 504, dentre 813 lavadoras automticas de pratos vendidas por uma grande loja de varejo, exigiram reparos dentro da garantia de um ano, qual a probabilidade de uma lavadora dessa loja no exigir reparo dentro da garantia?
f= m 309 103 = = = 0,3801 n 813 271
39

Andrei N. Kolmogorov (19031987)

40

10

3. Conceito moderno ou axiomtico

Definio: Definio: Se A um evento do espao amostral S, ento o nmero real P(A) ser denominado probabilidade da ocorrncia de A, se satisfizer os seguintes axiomas: Axioma 1. 0 P(A) 1 Axioma 2. P(S)=1 P(S)=1 Axioma 3. Se A e B so eventos de S mutuamente exclusivos, ento, P(A P(AB) = P(A)+P(B) AB= B=
41

O conceito axiomtico no fornece formas e sim condies para o clculo das probabilidades. Os conceitos a priori e a posteriori se enquadram no conceito axiomtico. Exemplo: Lanamento de um dado e observao da face voltada para cima
S={1,2,3,4,5,6} A={2} B={1,3,5} P(A P(AB)=?
P(B) = P(A) =
Primeiro axioma Terceiro axioma

#A 1 = #S 6 #B 3 = #S 6

P(AB)=P(A)+P(B) P(A P(AB)=1/6 + 3/6 P(AB)=4/6

42

Teoremas para o clculo de probabilidades

Teorema 3 Se A e B so dois eventos quaisquer, ento 3. Teorema 1 Se um evento impossvel, ento P()=0. 1. P()=0 P(AP(A-B) = P(A)-P(AB) P(A)-P(AB).

Teorema 2 Se A o complemento de A, ento P(A)=1-P(A). 2. P(A)=1-P(A)

Demonstrao:

P(A)
43

P(AB) P(A

= P(AB) P(A
44

11

Exerccio proposto: Teorema 4. Soma das Probabilidades Se A e B so dois eventos quaisquer, ento P(A P(AB) = P(A)+P(B)-P(AB) P(A)+P(B)-P(AB). Demonstrao: A probabilidade de ocorrer um acidente em uma competio de carros 0,18; a probabilidade de chover em um dia de competio 0,28; e a probabilidade de ocorrer acidente e chuva em um dia de competio 0,08. Determine a probabilidade de:
0,82 0,38 0,62

a) no ocorrer acidente na prxima competio; b) chover ou ocorrer um acidente na prxima competio; c) no chover e no ocorrer acidente na prxima competio; d) chover, mas no ocorrer acidente na prxima competio
46

P(A)+P(B)

P(AB) P(A

= P(AB) P(A
45

0,20

Soluo: Sejam os eventos

A: ocorrer um acidente em uma competio B: ocorrer chuva no dia da prxima corrida AB: ocorrer acidente e chuva em um dia de competio

b) P(chover ou ocorrer um acidente) P(AB) = P(A) + P(B) P(AB) = 0,18 + 0,28 0,08 = 0,38

P(A) = 0,18 P(B) = 0,28 P(AB) = 0,08 P(A

c) P(no chover e no ocorrer acidente) a) P(no ocorrer acidente na prxima competio)

P(A) = 1 P(A) = 1 0,18 = 0,82

P(AB) = P(AB) = 1 P(AB) = 1 0,38 = 0,62

47 48

12

Probabilidade condicional e independncia

d) P(chover, mas no ocorrer acidente ) Sejam A e B dois eventos associados a um mesmo espao amostral S. Se A e B no so eventos mutuamente exclusivos (AB ), ento A e B podero ser eventos A independentes ou condicionados condicionados. Exemplo: P(B-A) = P(B) P(AB) = 0,28 0,08 = 0,20 Exp.: Uma caixa contm cinco bolas equiprovveis, sendo Exp.: trs azuis e duas brancas. Duas bolas so retiradas, uma a uma, e suas cores so observadas. duas bolas

49

50

Definimos, ento, dois eventos: A1: a primeira bola azul A2: a segunda bola branca
As probabilidades dos eventos A1 e A2 sero calculadas em duas situaes: retiradas sem e com reposio da primeira bola.

A probabilidade do A2 depende da ocorrncia ou no do A1? Se ocorreu A1, ento temos P(A2/A1) P(A S = {B, B, A, A} A2/A1 = {B, B}

P(A 2 /A 1 ) =

# A 2 /A 1 2 = 4 #S

Situao 1. Consideremos que a primeira bola retirada no reposta retirada sem reposio S = {B, B, A, A, A} A1 = {A, A, A } enumervel, finito e equiprovvel

Se no ocorreu A1, ento temos P(A2) P(A S = {B, A, A, A } A2 = {B}

P(A 2 ) =

# A2 1 = #S 4

3 # A1 = P(A1 ) = #S 5
51

Se a bola no for reposta, a probabilidade de ocorrncia do reposta, A2 fica alterada pela ocorrncia ou no do A1 P(A2/A1) P(A2)
52

13

Eventos condicionados
Definio: dois eventos quaisquer, A e B, so condicionados quando a ocorrncia de um altera a probabilidade de ocorrncia do outro.

A1: a primeira bola azul A2: a segunda bola branca

A probabilidade condicional de A denotada por P(A/B) (l-se probabilidade de A dado que ocorreu B) l-

Situao 2. Consideremos que a primeira bola retirada reposta antes de tirar a segunda retirada com reposio reposio. S = {B, B, A, A, A} A1 = {A, A, A }

P(A 1 ) =

3 # A1 = #S 5

53

54

A probabilidade do A2 depende da ocorrncia do A1? Se ocorreu A1, ento temos P(A2/A1) P(A S = {B, B, A, A, A } A2/A1 = {B, B}

Eventos independentes
Definio: Dois eventos quaisquer, A e B, so independentes quando a ocorrncia de um no altera a probabilidade de ocorrncia do outro.

P(A 2 /A 1 ) =

# A 2 /A 1 2 = 5 #S

Se no ocorreu A1, ento temos P(A2) P(A S = {B, B, A, A, A } A2 = {B, B}

# A2 2 = P(A 2 ) = 5 #S

P(A/B)=P(A) e P(B/A)=P(B)

Se a bola for reposta, a probabilidade de ocorrncia do A2 reposta, no alterada pela ocorrncia ou no do A1 P(A2/A1) = P(A2) P(A P(A
55 56

14

Teorema do Produto das Probabilidades

Se A e B so dois eventos quaisquer, ento P(A P(AB) = P(A) P(B/A) ou P(AB) = P(B) P(A/B) P(A

Caso particular: A e B so independentes

P(B/A)=P(B) e P(A/B)=P(A) P(A P(AB)=P(A) P(B)

mutuamente exclusivos

P( A B ) P(B/A ) = P( A )

P( A B ) P( A/B ) = P(B )

AB=

Grau mximo de dependncia entre dois eventos: a ocorrncia de um impede a ocorrncia do outro

no mutuamente exclusivos

Condicionados: a ocorrncia de um altera a probabilidade de ocorrncia do outro Independentes: a ocorrncia de um no altera a probabilidade de ocorrncia do outro
58

AB
57

Exerccio proposto: Um grupo de pessoas constitudo de 60 homens e 40 mulheres. Sabe-se que 45 desses homens e 30 dessas mulheres votaram numa determinada eleio. Tomando-se, aleatoriamente, uma dessas pessoas, calcule a probabilidade de: a) ser homem; b) ser mulher; c) ter votado; d) no ter votado; e) ser homem, sabendo-se que votou; f) ser mulher, sabendo-se que no votou; g) ter votado, sabendo-se que mulher; h) no ter votado, sabendo-se que homem.
59

Eventos
Votou Homem Mulher Totais No votou Totais

45 30 75
#H 60 = = 0,6 # S 100
#M 40 = = 0,4 # S 100

15 10 25

60 40 100 e) P(H/V) =

H = ser homem M = ser mulher V = ter votado NV = no ter votado

P(H V) 45/100 45 = = P(V) 75/100 75
10/100 10 = 25/100 25

a) P(H) = b) P(M) =

f) P(M/NV) = P(M NV) =

P(NV)

c) P(V) = # V = 75 = 0,75
#S

100

g) P(V/M) = P(V M) =
P(M)

30/100 30 = 40/100 40

d) P(NV) =

# NV 25 = = 0,25 #S 100

P(NV H) 15/100 15 h) P(NV/H) = = = 60/100 60 P(H)

60

15

Teorema de Bayes
Seja S um espao amostral, com n parties, onde est definido o evento A.

Exemplo: Em uma fbrica de parafusos, as mquinas 1, 2 e 3 produzem 25%, 35% e 40% do total produzido. Da produo de cada mquina, 5%, 4% e 2%, respectivamente, so defeituosos. S = produo total da fbrica B1 = produo da mquina 1 B2 = produo da mquina 2 B3 = produo da mquina 3 A = produo defeituosa

B2 B1

Evento de interesse n=3 B1B2B3 = S BiBj =

B3

Thomas Bayes (1702 1761)

B1B2 = B1B3 = B2B3 =

Se escolhemos ao acaso um parafuso desta fbrica, qual a probabilidade de que este parafuso seja defeituoso? P(A) ?
62

61

P(A) = P(B1) . P(A/B1) + P(B2) . P(A/B2) + P(B3) . P(A/B3)

Exemplo: Em uma fbrica de parafusos, as mquinas 1, 2 e 3 produzem 25%, 35% e 40% do total produzido. Da produo de cada mquina, 5%, 4% e 2%, respectivamente, so defeituosos.

B1A

B2A

B3A P(A) = ?

P(B1)=0,25 P(B2)= 0,35 P(B3)= 0,40

Probabilidade de ser defeituoso dado que foi fabricado pela mquina 1

A = (B1A) (B2A) (B3A)

P(A) = P[(B1A) (B2A) (B3A)] = P(B1A) + P(B2A) + P(B3A) P(B1A) = P(B1) . P(A/B1) P(B2A) = P(B2) . P(A/B2) P(B3A) = P(B3) . P(A/B3) P(A) = P(B1) . P(A/B1) + P(B2) . P(A/B2) + P(B3) . P(A/B3)
63

P(A/B1) = 0,05
Probabilidade de ser defeituoso dado que foi fabricado pela mquina 2

P(A/B2) = 0,04
Probabilidade de ser defeituoso dado que foi fabricado pela mquina 3

P(A/B3) = 0,02
64

16

P(B1)=0,25 P(B2)= 0,35 P(B3)= 0,40

P(A/B1) = 0,05 P(A/B2) = 0,04 P(A/B3) = 0,02 B1 = mquina 1 B2 = mquina 2 B3 = mquina 3

P(A) = P(B1) . P(A/B1) + P(B2) . P(A/B2) + P(B3) . P(A/B3) P(A) = 0,25 . 0,05 + 0,35 . 0,04 + 0,40 . 0,02 P(A) = 0,0345
3,45% da produo de parafusos da fbrica defeituosa

Escolhe-se ao acaso um parafuso e verifica-se que ele defeituoso. Qual a probabilidade de que seja da mquina 1, da mquina 2 e da mquina 3?
Mquina 2

Teorema da Probabilidade Total: P(A) = P(B1) . P(A/B1) + P(B2) . P(A/B2) +...+ P(Bn) . P(A/Bn)
n

Mquina 1 P(B1/A) = ? P(B2/A) = ? P(B3/A) = ?

Mquina 3

P(A) = P(B i ).P(A/B i )

i=1
65

66

P(B1/A)

Qual a probabilidade de ocorrer B1, sabendo-se que ocorreu A? Probabilidade condicionada: P(B1/A) = ?

Exemplo: Em uma fbrica de parafusos, as mquinas 1, 2 e 3 produzem 25%, 35% e 40% do total produzido. Da produo de cada mquina, 5%, 4% e 2%, respectivamente, so defeituosos.
B1 = produo da mquina 1 B2 = produo da mquina 2 B3 = produo da mquina 3 A = produo defeituosa

P(B1/A) =

P(B 1 A) P(A)

P(B1 A) = P(B1) . P(A/B1)

Teorema de Bayes
P(Bi /A) = P(B i ).P(A/B i )
n

P(A) = P(B i ).P(A/B i )

i=1

Escolhe-se ao acaso um parafuso e verifica-se que ele defeituoso. Qual a probabilidade de que seja da mquina 1, da mquina 2 e da mquina 3?
P(B2/A)
i

P(B1/A) =

P(B 1 ).P(A/B 1 )
3

P(B ).P(A/B )
i=1 i

P(B i ).P(A/B i )
i=1
67

P(B1/A)

P(B3/A)

68

17

Soluo:

P(B1)=0,25 P(A/B1) = 0,05

P(B2)= 0,35

P(B3)= 0,40

P(A/B2) = 0,04 P(A/B3) = 0,02

Exerccio Proposto:

P(B1/A) =
P(B2 /A) =
P(B3 /A) =

P(B1 ).P(A/B1 ) 0,25.0,05 = = 0,3623 P(A) 0,0345

P(B 2 ).P(A/B2 ) 0,35.0,04 = = 0,4058 P(A) 0,0345
P(B3 ).P(A/B3 ) 0,40.0,02 = = 0,2319 P(A) 0,0345

Em uma certa comunidade, 6 % de todos os adultos com mais de 45 anos tm diabetes. Um novo teste diagnostica corretamente 84% das pessoas que tm diabetes e 98% das que no tem a doena. a) Qual a probabilidade de uma pessoa diagnosticada como diabtica no teste, ter de fato a doena? 0,7283 b) Qual a probabilidade de uma pessoa que faa o teste, seja diagnosticada como no diabtica? 0,9308
DD 0,84

Se o parafuso defeituoso, a probabilidade de ter sido fabricado pela Mquina 1 0,3623; pela Mquina 2 0,4058 e pela Mquina 3 0,2319
69

D 0,06 DND 0,16 DD 0,02 ND 0,94 DND 0,98

70

DD 0,84 D 0,06 DND 0,16 DD 0,02 ND 0,94

a)

Qual a probabilidade de uma pessoa diagnosticada como diabtica no teste, ter de fato a doena?

DND 0,98

P(D/DD) =

P(D).P(DD/D) P(D).P(DD/D) + P(ND).P(DD/ND) 0,06 0,84 0,0504 0,0504 = = = = 0,7283 = 72,83% (0,06 0,84) + (0,94 0,02) 0,0504 + 0,0188 0,0692

b)

Qual a probabilidade de uma pessoa que faa o teste, seja diagnosticada como no diabtica?

P(DND) = P(D).P(DND/D) + P(ND).P(DND/ND) = 0,06 0,16 + 0,94 0,98 = 0,0096+0,9212 = 0,9308 = 93,08%
71

18