Introdução
• Espaço amostral: conjunto de todos os
possíveis resultados de um experimento.
Exemplo: Duas moedas são lançadas (Ca - cara
e Co - coroa). Qual o espaço amostral?
Resposta: S = {Ca Ca; Ca Co; Co Co; Co Ca}
Um subconjunto qualquer do espaço amostral
é chamado de evento.
Exemplos: Primeira moeda é coroa; segunda
moeda é cara.
Mais exemplos (dados, tabelas de frequência)
A incerteza sobre a ocorrência de um evento
(E) é modelada pela probabilidade associada
ao mesmo [P(E)].
Página 1 de Probabilidade
Axiomas
• (P1): 0≤P[E]≤1, isto é, a probabilidade é um número não negativo entre 0 e 1;
• (P2): Para o subconjunto vazio Ø, ou seja, um evento impossível, P[Ø] = 0;
• (P3): Para o espaço amostral S, que corresponde ao evento certo, P[S] = 1;
• (P4): Se um evento E for dividido em eventos disjuntos, ou mutuamente
exclusivos, E1, E2, …, ou seja, se um dos eventos Ei, i = 1, 2, …, ocorrer, os demais
não ocorrerão, então a probabilidade do evento E será a soma das probabilidades
de cada um dos sub-eventos Ei, matematicamente expressa por P[E]=∑P[Ei]
Para a regra P4, podemos entender o evento E como a união dos eventos E1, E2,
… e reescrever o evento de interesse como E=E1∪E2∪E3∪..., onde o
símbolo ∪ corresponde à união.
Em geral, se temos um espaço amostral com N resultados mutuamente
exclusivos, então, pelas regras P3 e P4:
P[E1]+P[E2]+⋯+P[EN]=P[S]=1
Se os eventos são equiprováveis, então P[Ei] = 1/N, i = 1, 2, …, N. Nesse caso, o
cálculo das probabilidades se reduz à contagem. Se um evento A consiste de k
resultados, a partir do espaço amostral teremos P[A] = k/N. A regra P4 é
conhecida como regra da adição para eventos mutuamente exclusivos.
Dois eventos são complementares quando são mutuamente exclusivos e a sua
união é o espaço amostral. Se D é um evento, o seu complemento será
representado por D¯, ou Dc, ou , e temos a seguinte relação:
P[D]=1−P[Dc]
Página 2 de Probabilidade
União de Eventos
• Eventos mutuamente exclusivos:
P[E1∪E2∪E3∪...] = P[E1]+P[E2]+⋯+P[EN]
Mas quando os eventos não são mutuamente exclusivos?
Ex.: valores pares e números primos de um dado de 6
lados. Mais exemplos.
• Para dois eventos não mutuamente exclusivos:
P(A∪B)=P(A)+P(B)−P(A∩B)
• Para três eventos não mutuamente exclusivos:
P(A∪B∪C)=P(A)+P(B)+P(C)−P(A∩B)−P(B∩C)−P(A∩C)+P(A∩B
∩C)
Página 3 de Probabilidade
Probabilidade Condicional
Ex.1: Seja um lote de 100 peças, com 20 peças defeituosas e 80 peças boas.
Suponhamos que escolhemos duas peças aleatoriamente desse lote sem reposição,
ou seja, retiramos uma peça aleatoriamente e, a seguir, retiramos aleatoriamente
outra peça das restantes no lote.
Sejam dois eventos A e B, definidos como:
A = {1a peça é defeituosa},
B = {2a peça é defeituosa}
Temos que: P(A)=20/100=1/5
Vamos calcular a probabilidade de B ocorrer dado que A ocorreu, ou seja, a
primeira peça retirada é defeituosa.
Denotamos por P(B|A) a probabilidade condicional de o evento B ocorrer quando A
tiver ocorrido: P(B|A)=19/99
A probabilidade das duas peças serem defeituosas pode ser calculada como:
P(A∩B)= P(A).P(B|A) = (1/5).(19/99) = 0,038 (Regra da multiplicação)
Assim,
P(B|A) = P(A∩B)/P(A) (Definição de probabilidade condicional)
Ex.2: Considere a tabela de contigência abaixo:
P(diabetes | Inativo)?
P(diabetes | Exercita 4 ou mais
vezes por semana)?
Mais exemplos...
Página 4 de Probabilidade
Página 5 de Probabilidade
Eventos Independentes
Voltando ao exemplo do lote de peças defeituosas, vamos supor agora que a
retirada das peças é com reposição, ou seja, a segunda peça é retirada após a
primeira peça retirada ser reposta ao lote. Considerando os eventos A e B,
definidos como:
Sejam dois eventos A e B, definidos como:
A = {1a peça é defeituosa},
B = {2a peça é defeituosa}
Temos que: P(A)=20/100=1/5 e P(B|A) = ???
Ou seja, a probabilidade de ocorrência da segunda peça ser defeituosa independe
do fato de a primeira ser defeituosa ou não. Em outras palavras, a informação
adicional sobre a ocorrência de um dos eventos não altera a probabilidade do
outro:
P(B|A) = P(B)
Assim,
P(A∩B)= P(A).P(B|A) = P(A).P(B)
Mais exemplos:
- Lançando sucessivamente uma moeda e um dado de 6 lados, qual a
probabilidade de se obter o resultado (coroa, 1)?
Atenção: o fato de dois eventos serem ou não independentes é determinado pelo
espaço amostral e pela probabilidade definida nesse espaço.
Mais exemplos:
- Considere o lançamento de um dado honesto. O espaço amostral associado a
esse experimento é o conjunto formado pelos números 1, 2, 3, 4, 5, 6, a cada
Página 6 de Probabilidade
esse experimento é o conjunto formado pelos números 1, 2, 3, 4, 5, 6, a cada
um dos quais é atribuída probabilidade 1/6. Vamos considerar os eventos: A –
“o resultado é par”; B – “o resultado é maior do que 4”; C – “o resultado é um
múltiplo de 3”. Avaliar se os eventos A, B e C são independentes.
Os subconjuntos do espaço amostral associados a esses eventos são
respectivamente: {2, 4, 6}, {5, 6} e {3, 6}.
Resposta:
Os eventos A e B (e também os eventos B e C) ocorrerão simultaneamente
quando o resultado do lançamento for um 6. Segue-se que P(A∩B)= P(B∩C)=
1/6. A comparação desses valores, com os produtos das probabilidades
individuais, mostra que A e B são independentes enquanto que B e C são
dependentes.
- Agora, considere a seguinte distribuição de probabilidades 1/12, 1/12, 1/4,
1/12, 1/4 e 1/4, respectivamente. Avaliar se os eventos A, B e C são
independentes.
Página 7 de Probabilidade
Teorema de Bayes
Um táxi envolveu-se numa colisão e fugiu do local do acidente à noite.
Duas companhias de táxi, a Verde e a Azul, operam na cidade. Você
recebe os seguintes dados:
• 85% dos táxis na cidade são Verdes e 15% são Azuis.
Qual é probabilidade de que o táxi envolvido no acidente tenha sido o
Azul e não o Verde?
Uma testemunha identificou o táxi como Azul. O tribunal testou a
confiabilidade da testemunha sob as circunstâncias existentes na noite do
acidente e concluiu que a testemunha identificou corretamente cada uma
das duas cores em 80% do tempo e falhou em 20% do tempo.
Qual é probabilidade de que o táxi envolvido no acidente tenha sido o
Azul e não o Verde?
P(A∩B)= P(A).P(B|A) (Regra da multiplicação)
P(A∩B)= P(A).P(B|A)= P(B).P(A|B)
P(B|A)= P(B).P(A|B)/P(A) (Teorema de Bayes)
Página 8 de Probabilidade
P(Azul|Dados)= P(Azul).P(Dados|Azul)/P(Dados)
= 0,15*0,8/?
Exemplo: Considere a tabela de contigência abaixo:
Verdadeiros positivos (T+ e D): 54
Verdadeiros negativos (T e ): 401
Falsos positivos (T+ e ): 7
Falsos negativos (T e D): 4
Sensibilidade: P(T+|D)= 54/58=0,931
Especificidade: P(T| )= 401/408=0,983
Qual é a probabilidade de um paciente ter tuberculose pulmonar, dado que o
exame foi positivo?
P(D|T+) = P(D).P(T+|D)/P(T+) (Teorema de Bayes)
- A prevalência da tuberculose numa população P(D) é 0,1.
- P(T+|D) é 0,931.
- P(T+)=P(T+∩D)+P(T+∩ )=P(D) . P(T+|D)+P( ) . P(T+| )= 0,1085
P(D|T+) = P(D).P(T+|D)/P(T+)= 0,1.0,931/0,1085= 0,858= 85,8%
Página 9 de Probabilidade
Qual é probabilidade de que o táxi envolvido no acidente tenha sido o
Azul e não o Verde?
P(Dados)=P(Dados∩Azul)+P(Dados∩ erde)=P(Azul) . P(Dados|Azul)+P(
erde) . P(Dados| erde)
= 0,15*0,8 +0,85*0,20 = 0,12+0,17=0,29
P(Azul|Dados)= P(Azul).P(Dados|Azul)/P(Dados)
= 0,15*0,8/0,29=0,41
Exemplo: Considere as seguintes informações:
• 1% das mulheres têm câncer de mama (portanto, 99% não tem)
• 80% das mamografias detectam o câncer quando ele existe (portanto, 20%
falha)
• 9,6% das mamografias detectam o câncer quando ele não existe (portanto,
90,4% retornam corretamente um resultado negativo)
Monte a tabela de contigência e calcule as chances de se ter câncer, dado que o
teste deu positivo?
Página 10 de Probabilidade
Exercícios Extras
1) Dois dados de 6 lados são jogados simultaneamente e a soma dos números obtidos é 7. Qual é a
probabilidade do número 3 ter ocorrido pelo menos uma vez?
2) Hoje, você está planejando um piquenique, mas a manhã foi nublada! Você sabe que a) 50% dos dias
chuvosos iniciam com manhãs nubladas, b) mas que manhãs nubladas são relativamente comuns (40% dos
dias iniciam com manhãs nubladas), e c) que o mês que você está é normalmente seco (somente 3 de 30 dias
com chuva na média histórica). Qual é a chance de chover durante o dia? Você fará o piquenique?
3) Uma pessoa é acusada de estupro. A acusação apresenta ao juri um teste positivo de DNA, ou seja, o DNA
do acusado é similar ao DNA encontrado na cena do crime. Sabendo que a probabilidade de erro do teste de
DNA é 1/100 mil e de erro laboratorial é 1%, informe a probabilidade de falso positivo.
Página 11 de Probabilidade