Tecnologia em Processos Gerenciais

Estatstica Aplicada Gesto

Probabilidade: Espao amostral,

Probabilidade condicional, rvore
de deciso e Regra de Bayes

11
estatstica
aplicada gesto
Probabilidade: Espao
amostral, Probabilidade
condicional, rvore de
deciso e Regra de Bayes

Objetivos da Unidade de aprendizagem

Saber o que probabilidade e calcul-las, como
aplic-las. Alm de saber sobre rvore de deciso,
como aplic-la e usar a regra de Bayes.

Competncias
Reconhecer o tipo de probabilidade, saber construir
uma arvore de deciso e quando usar a regra de Bayes.

Habilidades
Utilizar as frmulas para saber calcular os tipos de
probabilidade, quando usar uma rvore de deciso e
aplicar a regra de Bayes quando necessrio.

Apresentao
Nesta UA sero apresentados conceitos de probabilidades de probabilidade condicional, bem como o teorema de Bayes. Ser enfatizado como construir uma
rvore de deciso para clculo de probabilidades.

Para Comear
Um Breve Resumo Histrico
A Teoria das Probabilidades surgiu no sculo XVI, com o
objetivo de analisar os jogos de azar, como os jogos de
cartas e o da roleta. O primeiro matemtico a conceituar probabilidade e a calcul-la foi Cardano (15011576)
e, em seguida, Galileu Galilei (15641642), que analisou
e enunciou problemas sobre jogos de dados. O real
desenvolvimento da Teoria das Probabilidades pode,
todavia, ser atribudo a Fermat (1601-1665) e a Pascal
(16231662). Um amigo de Pascal que, frequentemente,
apostava em jogos de azar, enviou-lhe um problema: Jogando um par de dados 24 vezes sucessivas, vantajoso
apostar que em nenhuma das 24 vezes sair 6 nos dois
dados ou melhor apostar que isto no ocorre, ou seja,
pelo menos uma vez sair 6 nos dois dados?.
Pascal interessou-se e escreveu a Fermat sobre esse
tipo de problema. Foi, ento que da correspondncia
desses dois matemticos originou-se a Teoria das Probabilidades. Na carta de 29 de julho de 1654, Pascal relata
a Fermat a frmula da probabilidade de um evento A.
p (a) =

total de casos favorveis

total de casos possveis

Pascal, referindo-se Probabilidade, denomina-a Geometria do Acaso, pois, segundo Plato, Geometria
designa aquilo que eleva o seu raciocnio do mundo
sensvel (a Terra: Geo) ao mundo das ideias, para atingir o conhecimento. Seguindo essa linha de raciocnio,

o acaso, no mundo sensvel, estava sendo estudado. Tinha-se, ento,

uma Geometria do acaso.
A partir desses estudos, a teoria foi se ampliando, no mais limitada
aos jogos de azar. Importantes contribuies foram dadas por matemticos como Huygens (1629-1695) que introduziu a noo de esperana
matemtica, Jacques Bernoulli (1654-1705) que, em 1713, forneceu um
critrio frequentista para a probabilidade e Thomas Bayes (1702-1761)
que, em 1763, criou uma nova concepo de probabilidade, que depende da anlise do observador e da hiptese de equiprobabilidade e, com
isso, forneceu os elementos para o estudo da probabilidade condicional.
A importncia da Teoria das Probabilidades no foi logo reconhecida. Por volta de 1850, observando o cruzamento de diversos tipos de
plantas de ervilhas, Mendel verificou que as caractersticas hereditrias
dos descendentes obedeciam a clculos probabilsticos e props, ento, as leis da herana, que regulamentam a transmisso de caracteres
hereditrios e que hoje so denominadas Leis de Mendel. Durante 35
anos tais descobertas foram ignoradas pelos cientistas que no acreditavam que clculos matemticos, no caso, probabilsticos, pudessem
ser aplicados no estudo da reproduo de seres vivos.
No sculo XX, vrios matemticos se dedicaram Probabilidade tais
como Lebesgue, Poincar, Borel e Andrei Kolmogorov (1903-1987).
Esse ltimo deu um tratamento axiomtico Teoria das Probabilidades, inserindo-a no campo da Teoria dos Conjuntos.
Hoje a Teoria das Probabilidades aparece relacionada com a Estatstica que tem aplicaes nos mais diversos ramos do conhecimento.

Fundamentos
Independente de qual seja a aplicao em particular, a utilizao das
probabilidades indica que existe um elemento ao acaso, ou de incerteza, quanto ocorrncia ou no de um evento futuro. Pode-se dizer,
em muitos casos, ser virtualmente impossvel afirmar por antecipao
o que ocorrer; mas possvel dizer o que pode ocorrer. Por exemplo,
quando se joga uma moeda para o ar de uma maneira geral no h
como afirmar se cair com a cara ou a coroa para cima.
A de probabilidade desempenha um papel importante em muitas
situaes que envolvam uma tomada de deciso. A teoria da probabilidade permite que se calcule a chance de ocorrncia de um nmero
em um experimento aleatrio.

Estatstica aplicada gesto / UA 11 Probabilidade: Espao Amostral, Probabilidade Condicional, rvore de Deciso e Regra de Bayes

Ateno
As probabilidades so utilizadas para exprimir a chance de ocorrncia de determinado evento.

1. Experimentos Aleatrios
aquele experimento que quando repetido em iguais condies, podem fornecer resultados diferentes, ou seja, so resultados explicados
ao acaso. Quando se fala de tempo e possibilidades de ganho na loteria, a abordagem envolve clculo de experimento aleatrio.
Por exemplo: pegue um dado honesto e lance-o, voc no pode prever qual o nmero que ir cai de face para cima, da mesma forma,
quando lanada uma moeda honesta no se pode prever se ocorrer
cara ou coroa. Outro exemplo: da afirmao provvel que meu time
ganhe a partida de hoje pode resultar:

Que apesar do favoritismo, ele perca;

Que, como pensvamos, ele ganhe;
Que empate.

Ateno
Concluso: O resultado final depende do acaso.

O lanamento de um dado constitui um experimento aleatrio, pois

esse experimento poder ser repetido quantas vezes voc quiser. Antes do lanamento no d antecipar qual ser o resultado, porm, os
possveis resultados: sair 1, 2 , 3, 4, 5 ou 6.
Ao descrevemos um experimento aleatrio podemos especificar
no somente que operao ou procedimento a ser realizado, mas tambm o que que voc dever observar.

E1:Joga-se um dado e observa-se o nmero obtido na face superior.

E2:Joga-se uma moeda 4 vezes e o observa-se o nmero de

carasobtido.
E3:Joga-se uma moeda 4 vezes e observa-se a sequencia de caras
ecoroas.
E4:Um lote de 10 peas contm 3 defeituosas. As peas so retiradas uma a uma (sem reposio) at que a ltima defeituosa seja
encontrada. Conta-se o nmero de peas retiradas.

Estatstica aplicada gesto / UA 11 Probabilidade: Espao Amostral, Probabilidade Condicional, rvore de Deciso e Regra de Bayes

 E5:Uma

lmpada nova ligada e observa-se o tempo gasto

atqueimar.
E6:Lana-se uma moeda at que ocorra uma cara e conta-se ento
o nmero de lanamentos necessrios.
E7:Lanam-se dois dados e anota-se o total de pontos obtidos.
E8:Lanam-se dois dados e anota-se o par obtido.

Dica
Note-se a diferena entre E2 e E3.

2. Espao Amostral
o conjunto de todos os resultados possveis de um experimento aleatrio, tambm pode ser denominado de Conjunto Universo, representado por S.
Determinar o espao amostral dos experimentos anteriores. Onde,
Si refere-se ao experimento Ei.
S1 = { 1,2,3,4,5,6 }
S2 = { 0, 1, 2, 3, 4 }
S3 = { c ccc, ccck, cckc, ckcc, kccc, cckk, kkcc, ckck, kckc,
kcck, ckkc, ckkk, kckk, kkck, kkkc, kkkk }
S4 = { 3, 4, 5, 6, 7, 8, 9 , 10 }
S5 = { t R/ t 0 }
S6 = { 1, 2, 3, 4, 5, ... }
S7 = { 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12 }
S8 = { (1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6)
(2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6)
(3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6)
(4, 1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6)
(5, 1), (5, 2), (5, 3), (5, 4), (5, 5), (5, 6)
(6, 1), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6) }

3. Eventos
Qualquer subconjunto de um espao amostral S denominado um
evento. Assim tem-se que:
S o evento certo; { a } o evento elementar
( vazio) o evento impossvel.

Estatstica aplicada gesto / UA 11 Probabilidade: Espao Amostral, Probabilidade Condicional, rvore de Deciso e Regra de Bayes

3.1. Combinao de Eventos

Podemos realizar operaes entre eventos da mesma forma que elas
so realizadas entre conjuntos. Antes de definir as operaes conveniente conceituar o que se entende por ocorrncia de um evento.
Seja E um experimento com um espao amostra associado S. Seja A
um evento de S. dito que o evento A ocorre se realizada a experincia, isto , se executado E, o resultado for um elemento de A.
Sejam A e B dois eventos de um mesmo espao amostra S. Diz-se
que ocorre o evento:

a.

A unio B ou A soma B, anotado por AB, se, e somente se A

ocorre ou B ocorre.
a

a b
s

ExEmplo
Seja A = { 1,2,3,4,5,6 }e B = { 4,6,8,10 }
EntoA B = { 1,2,3,4,5,6 } { 4,6,8,10 } = { 1,2,3,4,5,6, 8,10 }
Todos os elementos de A mais todos os elementos de B.

b.

A produto B ou A interseo B, anotado por AB ou AB, se e

somente se A ocorre e B ocorre.
a

a b
s

ExEmplo
Sejaa = { 1,2,3,4,5,6 } eB = { 4,6, 8,10 } Ento
A B = { 1,2,3,4,5,6 } {4,6,8,10 } = { 4,6 } S
os elementos que so comuns em A e em B.

Estatstica aplicada gesto / UA 11 Probabilidade: Espao Amostral, Probabilidade Condicional, rvore de Deciso e Regra de Bayes

c.

A menos B ou A diferena B, anota-se A - B, se e somente se A

ocorre e B no ocorre.
a

a b
s

ExEmplo
Sejaa = { 1,2,3,4,5,6 } e B = { 4,6, 8,10 }
Ento A - B = {1,2,3,4,5,6} - {4,6, 8,10 } = { 1,2,3 ,5}
S os elementos que no so comuns em A e em B.

d.

O complementar de A, anotado por A, AC ou ainda A se e

somente se A no ocorre.

a'
s

Exemplo
SejaS ={ 1,2,3,4,5,6,7,8,9,10 }eA ={ 1,3,5,7,9 }
Ento A, (complementar de A) ={ 2,4,6,8,10 }

3.2. Eventos Mutuamente Exclusivos ou Excludentes

Dois eventos A e B, so denominados mutuamente exclusivos ou excludentes, se eles no puderem ocorrer juntos, isto , se A B = .

Exemplo
Qual o espao amostral de dias que chove em So Pedro durante o
ms de janeiro?
S = { 0, 1, 2, 3, 4, ....., 30, 31 }

Estatstica aplicada gesto / UA 11 Probabilidade: Espao Amostral, Probabilidade Condicional, rvore de Deciso e Regra de Bayes

O nmero de dias que chove em So Pedro durante o ms de janeiro:

F ={ 18, 19, 20, 21, 22, 23, 24 } o evento que consiste em haver
de 18 a 24 dias chuvosos.
G =
{ 20, 21, 22, ..., 30, 31 } o evento que consiste em haver ao
menos 20 dias chuvosos.

Exemplo
Relacione os resultados dos eventos a seguir, e expresse os eventos
em palavras:

a. F G ;b. F G ;c. G ;d. F G

Soluo:
a. Como F G contm todos os elementos que esto em F, ou em
G, ou em ambos, tem-se:F G={ 18,19,20,,30,31 } e este evento
haver ao menos 18 dias chuvosos.
b. Como F G contm todos os elementos que esto tanto em F
como G, tem-se:F G={ 20,21,22,23,24} e este evento haver de 20
a 24 dias chuvosos.
c. Como G contm todos os elementos do espao amostral que no
esto em G, obtm-se: G={ 0,1,2,,18,19 } e este evento haver no
mximo 19 dias chuvosos.
d. Como F G contm todos os elementos do espao amostral que
no esto nem F nem em, G, obtm-se:F G={ 0,1,2,,1,17} e este
evento haver no mximo 17 dias chuvosos.

3.3. Conceitos de Probabilidade

Existem trs formas de se definir probabilidade. A definio clssica ou
mtodo clssico, a definio mais frequente.

Conceito
Definio Clssica de Probabilidade: Seja E um experimento aleatrio e S um espao amostral associado formado por n resultados igualmente provveis. Seja A S um evento com m elementos. A probabilidade de A, anotada por P(A), l-se p de A,
definida como sendo: P(A) = m / n

Estatstica aplicada gesto / UA 11 Probabilidade: Espao Amostral, Probabilidade Condicional, rvore de Deciso e Regra de Bayes

Isto , a probabilidade do evento A o quociente entre o nmero m

de casos favorveis e o nmero n de casos possveis.

Exemplo
Calcular a probabilidade de no lanamento de um dado equilibrado
obter-se:

a.
b.

Um resultado igual a 4.
Um resultado mpar.

Soluo:
S ={ 1, 2, 3, 4, 5, 6 }n =6

a.
b.

A ={ 4 } m =1 entoP(A) =m / n =1 / 6 =16,67%
B ={ 1, 3, 5 } m =3 entoP(B) =m / n =3 / 6 =50%

3.4. Regras do Clculo das Probabilidades

Para facilitar quando precisamos solucionar problemas de clculos
de probabilidades, necessrio aprender as propriedades e as seguintes regras:

1.

0 P (A) 1: A probabilidade de um evento A deve ser o nmero

maior ou igual a zero e menor ou igual a 1.
2. P (S) = 1: A probabilidade do evento certo igual a 1.
3. P () = 0: A probabilidade do evento impossvel igual a zero.
4. Regra da Soma das Probabilidades. Se A e B forem dois eventos
mutuamente exclusivos ( A B = ), ento:
p ( a b ) = p ( a + b ) = p (a) + p (b)
Nota:
Esta propriedade pode ser generalizada para um nmero maior de
eventos, desde que eles sejam 2 a 2 mutuamente exclusivos. Assim se
A, B, e C forem dois a dois exclusivos:
( a b=;a c= ;b c = )
Ento:
p ( a b c ) =p (a) + p (b) + p (c)

Estatstica aplicada gesto / UA 11 Probabilidade: Espao Amostral, Probabilidade Condicional, rvore de Deciso e Regra de Bayes

10

1.

Se A e B no forem mutuamente exclusivos, ento:

p ( a b ) =p (a) + p (b) p ( a b )

2.

Se A o evento complementar de A, ento:

p (a') =1 p (a)

Exemplo
Aplicando as regras 4, 5 e 6:
Lanar um dado de 6 faces, considere os eventos:
A ={ sair o nmero 3 }
B ={ sair um nmero par }
C ={ sair um nmero impar }.
Avaliar P (A); P (B); P (C); P ( A B ); P ( A C ); P ( A C ); P ().
n.c.f ao evento A
n.t.c.

N.C.F = Nmero de Casos Favorveis ao evento A

N.T.C = Nmero Total de Casos
Resoluo:
S ={ 1, 2, 3, 4, 5, 6 }; A ={ 3 }; B ={2, 4, 6}; C ={1, 3, 5}

p (a) =

n.c.f ao evento A

n.t.c.

1
6

Onde N.C.F = Nmero de Casos Favorveis ao evento A e N.T.C = Nmero Total de Casos.
p (b) =

p (c) =

n.c.f ao evento B
n.t.c.
n.c.f ao evento C
n.t.c.

3
6
3
6

1
2
1
2

Estatstica aplicada gesto / UA 11 Probabilidade: Espao Amostral, Probabilidade Condicional, rvore de Deciso e Regra de Bayes

11

P ( A B )=P (A) + P (B) observe que A e B so mutuamente exclusivos ( A B= ).

p ( a b ) =

p ( a c ) =

1
6

n.c.f ao evento A C
n.t.c.

Observe que A C={ 3 }.

P ( A C) = P (A) + P (B) - P (A C)

Observe que A e C no so mutuamente exclusivos:

AC={3}

p ( a c ) =

1
6

1
2

1
6

p (a) =1 p ( a ) =1

1
6

1
2
5
6

Observe que ={ 1,2,4,5,6 }.

3.5. Probabilidade Condicional e Independente

Se A e B so eventos de um espao amostral S, com P(B) 0, ento a
probabilidade condicional do evento A, tendo ocorrido o evento B,
indicada por P ( A | B ) definida) pela relao:

p ( a | b ) =

p(AB)
p (B)

Ateno
P (B) diferente de zero, ento a probabilidade condicional de A
relativa a B, a probabilidade de A dado B.

Estatstica aplicada gesto / UA 11 Probabilidade: Espao Amostral, Probabilidade Condicional, rvore de Deciso e Regra de Bayes

12

Avaliando as probabilidades do numerador e do denominador encontra-se uma frmula mais prtica para o clculo da probabilidade condicional.
N.C.F. ao evento A B

p ( a | b ) =

N.T.C.
N.C.F. ao evento B
N.T.C.

N.C.F. ao evento A B
N. C. F. ao evento b

Onde:
N.C.F = Nmero de Casos Favorveis ao evento A B
N.T.C = Nmero Total de Casos

Exemplo
Um nmero sorteado ao acaso entre 1, 2, ..., 15. Se o nmero sorteado for par, qual a probabilidade de que seja o nmero 6?
Resoluo:
S ={ 1,2,3,...,15 }
A ={ o nmero ser o 6 }
B ={ o nmero ser par }
Observe que a probabilidade do evento A, sem a informao da ocorrncia de B, :
p(a) =

1
15

Mas, foi dada a informao que o nmero sorteado par, ento o espao amostral fica reduzido para:
S* ={ 2,4,6,8,10,12,14 }
E a partir deste espao amostral avalia-se a probabilidade do evento A:
p ( a | b ) =

N.C.F. ao evento A B
N. C. F. ao evento b

1
7

A B ={ 6 } eB ={ 2, 4, 6, 8, 10, 12, 14 }

Estatstica aplicada gesto / UA 11 Probabilidade: Espao Amostral, Probabilidade Condicional, rvore de Deciso e Regra de Bayes

13

P ( A | B ) l-se: a probabilidade de sair o nmero 6, dado que o nmero sorteado foi par.

Uma urna contm duas bolas brancas (B) e trs vermelhas (V). Suponha
que sejam sorteadas duas bolas ao acaso, sem reposio. Ou seja, que
ao sortearmos a primeira bola, verificamos sua cor e no devolvemos
para a urna. Ento misturamos as restantes na urna e retiramos outra.
Pela rvore de Deciso.
Pelos seus galhos, podemos indicar as probabilidades das ocorrncias:
sorteio
3

5
b

v
2

Se A for o evento bola branca na segunda retirada ou extrao, ento

p (a) =p ( bb ) +p ( vb ) =

2
20

6
20

2
5

Se forem colocados os resultados da probabilidade em uma tabela teremos:

Tabela 1. Resultados

resultados

x Probabilidades.

BB
BV
VB
VV
Total

probabilidades
2
5
2
5
3
5
3
5

1
4
3
4
2
4
2
4

=
=
=
=

2
20
6
20
6
20
6
20

Estatstica aplicada gesto / UA 11 Probabilidade: Espao Amostral, Probabilidade Condicional, rvore de Deciso e Regra de Bayes

14

Agora, imagine que as duas retiradas ou extraes so feitas da mesma

urna anterior, porm a primeira bola reposta, antes da retirada ou
extrao da segunda. Neste caso, as extraes so independentes, pois
o resultado da uma extrao no tem influencia no resultado da outra.
Veja como ficaria a rvore de Deciso:
sorteio
3

5
b

v
3

Se forem colocados os resultados da probabilidade em uma tabelateremos:

Tabela 2. Resultados
x Probabilidades.

resultados
BB
BV
VB
VV
Total

probabilidades
2
5
2
5
3
5
3
5

2
5
3
5
2
5
3
5

=
=
=
=

4
25
6
25
6
25
9
25

Veja que interessante aconteceu agora:

P ( branca na 2 | branca na 1 ) =

2
5

=P ( branca na 2 )

Ou seja, se indicarmos A e B os eventos bola branca na segunda extrao e bola branca na primeira extrao, respectivamente, portanto:
P ( A | B ) = p (a)

Estatstica aplicada gesto / UA 11 Probabilidade: Espao Amostral, Probabilidade Condicional, rvore de Deciso e Regra de Bayes

15

Fica claro que se A independe de B, ento B independe de A, dizemos

que A e B so independentes.
Agora tente fazer a rvores de Deciso com o exemplo da urna anterior, s que faremos 3 extraes sem reposio.

Conceito
Chame de Vi ou Bi , onde i = 1,2,3

4. Regra do produto para dois eventos independentes

So Considerados dois eventos independentes quando a ocorrncia de
um deles no depende ou no est vinculada ocorrncia do outro,
ou seja, P(A|B) = P(A) e P(B|A)= P(B), portanto, a regra do produto para
dois eventos independentes :
p ( a b ) = p (a) p (b)

Conceito
Voc conhece os naipes de um baralho e como ele composto?
ouros
espadas
copas
paus

Faa uma pesquisa na internet sobre a histria do baralho e

como ele composto no site Wikipedia.

5. Teorema de Bayes
Uma das relaes mais importantes envolvendo probabilidades condicionais dada pelo Teorema de Bayes.
A partir da definio do Teorema de Bayes:
p ( a | b ) =

p(AB)
p (B)

Estatstica aplicada gesto / UA 11 Probabilidade: Espao Amostral, Probabilidade Condicional, rvore de Deciso e Regra de Bayes

16

pode-se explicitar P (A B) e encontrar a regra do produto para

doiseventos:
p ( a b ) =p (b) p ( a | b )
Ou
p ( a b ) = p (a) p ( a | b )
Portanto, a probabilidade da ocorrncia simultnea de dois eventos de
um mesmo espao amostral igual probabilidade de um deles ocorrer, pela probabilidade condicional do outro, dado o primeiro.

Exemplo
Retiram-se sem reposio duas peas de um lote de 10 peas, onde 4
so boas. Qual a probabilidade de que ambas seja defeituosas?
Resoluo:
Os eventos A ={ a 1 pea ser defeituosa }
B ={ a 2 pea ser defeituosa }
necessrio, ento avaliar P (A B).
p ( a b ) = p (a) p ( a | b )
p ( a b ) =

6
10

5
9

1
3

Observe que P (B | A) probabilidade de a 2 pea ser defeituosa, dado

que a 1 foi defeituosa.

Outro exemplo usando a Regra de Bayes.

Exemplo
Agora ns temos 5 urnas, cada uma com seis bolas. Duas urnas (tipo
C1) tem 3 bolas brancas, duas outras urnas (tipo C2) tm 2 bolas brancas e ltima urna (tipo C3) tem 6 bolas brancas.
Escolhendo uma urna ao acaso e dela retiramos uma bolas. Qual a
probabilidade de a urna escolhida seja do tipo (tipo C3), sabendo que a
bola sorteada branca?

Estatstica aplicada gesto / UA 11 Probabilidade: Espao Amostral, Probabilidade Condicional, rvore de Deciso e Regra de Bayes

17

C1

urna 1

C2

urna 2

urna 3

C3

urna 4

urna 5

(espao amostral)
bolas brancas = B

bolas coloridas = BC

Vamos l!
Precisamos encontrar P ( C3|B ), sabendo que:
p ( c1 ) =

p ( c2 ) =

, p ( b | c1 ) =

5
2

, p ( b | c2 ) =

p ( c3 ) =

1
5

1
2
1
3

, p ( b | c3 ) =1

Pela definio da probabilidade condicional:

Dica
p ( b | c3 ) =

p ( C3 B )
p (B)
p ( C3) P ( C | B )
p (B)

(frmula a)

Agora preciso encontrar o valor de P(B), j que o numerador

conhecido.
Como C1, C2 e C3, so eventos mutuamente exclusivos, e todas as
urnas juntas formam o espao amostral completo, porm, podemos
decompor o evento B na reunio de trs outros, tambm mutuamente
exclusivos:
b = ( c1 b ) ( c2 b ) ( c3 b ) , ento x

Estatstica aplicada gesto / UA 11 Probabilidade: Espao Amostral, Probabilidade Condicional, rvore de Deciso e Regra de Bayes

18

p ( b ) = p ( c1 b ) + p ( c2 b ) + p ( c3 b )
= p ( c1 ) p ( b | c1 ) + p ( c2 ) p ( b | c2 ) + p ( c3 ) p ( b | c3 )
=

2
5

1
2

2
5

1 =

8
15

Substituindo na Frmula A:
1

p ( b | c3 )

=
8

3
8

15

Generalizando o resultado obtido acima do seguinte modo: seja {C1, C2,

... Cn} uma parte do espao amostral , ou seja:
Ci Cj = , sempre que i j,
C1 C2 ... Cn =

Regra de Bayes
Para simplificar o que foi mostrado acima, podemos generalizar com:
Sejam C1, C2, ... Cn, n eventos mutuamente exclusivos tais que C1 C2
... Cn = . Sejam P (Ci) as probabilidades conhecidas de todos os eventos de Ci e B um evento qualquer de , tal que conhecemos todas as
probabilidades condicionais P (B|Ci). Portanto, para cada i teremos:

Conceito
P (Ci) P ( B | Ci )
P (Ci) P ( B | C1 ) + P (C2) ( B | C2 ) + ... + P (Cn) P ( B | Cn )

A frmula acima bastante importante, pois como foi visto, relaciona probabilidades a priori: P(Ci) com probabilidades a posteriori:
P(Ci|B),probabilidade de Ci depois que ocorrer B.
Um exemplo para ficar mais claro:

Estatstica aplicada gesto / UA 11 Probabilidade: Espao Amostral, Probabilidade Condicional, rvore de Deciso e Regra de Bayes

19

Tabela 3. Relao
de Probabilidades.

exemplo
cores

urna 1

urna 2

urna 3

pretas

brancas

vermelhas

Escolheu uma urna ao acaso e dela se retirou uma bola ao acaso, verificando-se que a bola branca. Qual a probabilidade de a bola ter vindo
da urna 2?
Vamos l resolver:
Probabilidade a priori:
p (u1) = 1
3

p (u2) =

1
3

p (u3) = 1
3

Probabilidades condicionais:

p ( b | u1 ) =

p ( b1 | u2 ) =

p ( b2 | u3 ) =

1
9

1
3

3
8

Estatstica aplicada gesto / UA 11 Probabilidade: Espao Amostral, Probabilidade Condicional, rvore de Deciso e Regra de Bayes

20

Precisamos calcular p ( u2 | b ). Assim:

p ( u2 | b ) =

P (U2) P ( B | U2 )
P (U1) P ( B | U1 ) + P (U2) P ( B | U2 ) + P (U3) P ( B | U3 )

p ( u2 | b ) =

3
1
3

1
9

1
3

1
3
1
3

1
3

3
8

24
59

Que a probabilidade a posteriori, ou seja, a probabilidade de ser escolhida a urna 2 dada a informao de que a bola retirada foi branca.

Estatstica aplicada gesto / UA 11 Probabilidade: Espao Amostral, Probabilidade Condicional, rvore de Deciso e Regra de Bayes

21

antena
parablica
Faa uma pesquisa na internet qual a probabilidade
de voc ganhar Loteria Esportiva ou na Mega Sena, ou
Loteria Estadual ou ainda na Federal. Ser que algum
dia voc ser um novo milionrio? Se acontecer no
me deixe de contar.
Depois, entre no blog do livro e deixe sua contribuio. Dvidas, dicas, feedback so sempre muito
bem-vindos.

E agora, Jos?
H duas caixas pretas, onde a caixa A possui: 5 bolas brancas, 4 bolas pretas e 3 bolas vermelhas e na
caixa B possui: 4 bolas brancas, 3 bolas pretas e 6
bolasvermelhas.

a.

Calcular a probabilidade de retirar uma bola

branca da caixa A.
b. Qual a probabilidade de retirarmos uma bola
preta da caixa B?
c. Determine a probabilidade de retirarmos uma
bola branca ou vermelha da caixa A.
d. So retiradas duas bolas da caixa B, sem reposio. Qual a probabilidade de ambas seremvermelhas?
e. Qual a probabilidade de serem retiradas duas
bolas pretas da caixa; A, com reposio?
Respostas:
a. 5

12

b. 3

13

c. 2
3

d. 5

26

Ativid a
d es
Depois de tantas informaes importantes hora de
testar seus conhecimentos e habilidades praticando
as atividades propostas. Vamos l?

Glossrio
Probabilidade: uma das muitas palavras utilizadas para eventos incertos ou conhecidos,

palavras como sorte, risco, azar, incerteza, duvidoso, dependendo do contexto.

sendo tambm substitudo por algumas

Referncias
BRUNI, A. L.  Estatstica aplicada gesto
empresarial. Atlas, 2007.
CRESPO, A. I.  Estatstica Fcil. So Paulo:
Saraiva, 2009.

MARTINS, G. A; DONAIRE, D. Princpios de Estatstica. So Paulo: Atlas, 2006.

VEIGA, M. S; BORGES, A. C. A. Apostila da matemtica. Faculdade de Tecnologia IBTA, Campinas.

Bibliografia complementar
BUSSAB, W.; MORETIN, P. Estatstica Bsica. So

SILVA, E. M. Estatstica. So Paulo: Atlas, 2007.

Paulo: Saraiva, 2006.

MANN, P. S. Introduo estatstica. So Paulo:
LTC, 2006.

Estatstica aplicada gesto / UA 11 Probabilidade: Espao Amostral, Probabilidade Condicional, rvore de Deciso e Regra de Bayes

23