Académique Documents
Professionnel Documents
Culture Documents
11
estatstica
aplicada gesto
Probabilidade: Espao
amostral, Probabilidade
condicional, rvore de
deciso e 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) =
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,
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:
Ateno
Concluso: O resultado final depende do acaso.
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
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
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 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 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.
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 }
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
Exemplo
Relacione os resultados dos eventos a seguir, e expresse os eventos
em palavras:
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
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%
1.
Estatstica aplicada gesto / UA 11 Probabilidade: Espao Amostral, Probabilidade Condicional, rvore de Deciso e Regra de Bayes
10
1.
2.
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.
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 c ) =
1
6
n.c.f ao evento A C
n.t.c.
P ( A C) = P (A) + P (B) - P (A C)
p ( a c ) =
1
6
1
2
1
6
p (a) =1 p ( a ) =1
1
6
1
2
5
6
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
2
20
6
20
2
5
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
5
b
v
3
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
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
Conceito
Chame de Vi ou Bi , onde i = 1,2,3
Conceito
Voc conhece os naipes de um baralho e como ele composto?
ouros
espadas
copas
paus
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
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
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
Dica
p ( b | c3 ) =
p ( C3 B )
p (B)
p ( C3) P ( C | B )
p (B)
(frmula a)
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
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
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.
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,
Referncias
BRUNI, A. L. Estatstica aplicada gesto
empresarial. Atlas, 2007.
CRESPO, A. I. Estatstica Fcil. So Paulo:
Saraiva, 2009.
Bibliografia complementar
BUSSAB, W.; MORETIN, P. Estatstica Bsica. So
Estatstica aplicada gesto / UA 11 Probabilidade: Espao Amostral, Probabilidade Condicional, rvore de Deciso e Regra de Bayes
23