CONDICIONAL, INDEPENDÊNCIA E TEORMA DE BAYES

Apresentação em tema: "CONDICIONAL, INDEPENDÊNCIA E TEORMA DE BAYES"— Transcrição da apresentação:

1 CONDICIONAL, INDEPENDÊNCIA E TEORMA DE BAYES
UNIVERSIDADE FEDERAL DE PERNABUCO - UFPE Disciplina: ESTATÍSTICA APLICADA AO TURISMO E HOTELARIA ET-652 Curso: TURISMO Professor: WALDEMAR SANTA CRUZ OLIVEIRA JR PROBABILIDADE CONDICIONAL, INDEPENDÊNCIA E TEORMA DE BAYES

2 PROBABILIDADE CONDICONAL
em que P(B)>0. Leia a probabilidade de A dado B.

3 a) Este ser homem, sabendo-se que estuda Estatística
Exemplo: Uma faculdade tem 250 alunos, destes 100 são homens, 40 são homens e estudam Estatísticas e 80 são mulheres e estudam Física. Qual a probabilidade de selecionar um aluno e: a) Este ser homem, sabendo-se que estuda Estatística b) Este estudar Física, dado que é mulher Disciplina Sexo E F Total H M

4 a) Este ser homem, sabendo-se que estuda Estatística
Exemplo: Uma faculdade tem 250 alunos, destes 100 são homens, 40 são homens e estudam Estatísticas e 80 são mulheres e estudam Física. Qual a probabilidade de selecionar um aluno e: a) Este ser homem, sabendo-se que estuda Estatística b) Este estudar Física, dado que é mulher Disciplina Sexo E F Total H 40 60 100 M 70 80 150 110 140 250

5 a) Este ser homem, sabendo-se que estuda Estatística
Exemplo: Uma faculdade tem 250 alunos, destes 100 são homens, 40 são homens e estudam Estatísticas e 80 são mulheres e estudam Física. Qual a probabilidade de selecionar um aluno e: a) Este ser homem, sabendo-se que estuda Estatística b) Este estudar Física, dado que é mulher Disciplina Sexo E F Total H 40 60 100 M 70 80 150 110 140 250

6 a) Este ser homem, sabendo-se que estuda Estatística
Exemplo: Uma faculdade tem 250 alunos, destes 100 são homens, 40 são homens e estudam Estatísticas e 80 são mulheres e estudam Física. Qual a probabilidade de selecionar um aluno e: a) Este ser homem, sabendo-se que estuda Estatística b) Este estudar Física, dado que é mulher Disciplina Sexo E F Total H 40 60 100 M 70 80 150 110 140 250

7 Obs1: Da definição temos que
P( A ∩ B) = P(A|B)P(A)=P(B|A)P(B) Obs2: A probabilidade condicional de fato é uma medida de probabilidade. 0 ≤ P(A|B) ≤ 1 Dem: A ∩ B está contido em B, logo P(A ∩ B) ≤ P(B), portanto,

8 2) P(Ω|B)=1 Ω ∩ B = B, logo P(Ω ∩ B)=P(B), portanto, 3)

9 Espaço Amostral Ω={BB, BV, VB, VV}
Exemplo: Uma urna contem 3 bolas vermelhas e duas brancas. Seleciona-se duas bolas sem reposição. Qual a probabilidade de aparecer: nenhuma bola branca? Uma bola branca? duas bolas brancas? Espaço Amostral Ω={BB, BV, VB, VV} P(nenhuma Branca)=0,3 P(uma Branca)=0,3+0,3=0,6 P(duas brancas)=0,1

10 EVENTOS INDEPENDENTES: Dois eventos são independentes se
Exemplo: No lançamento de 3 moedas os eventos: A - a primeira moeda é cara e B - aparece cara na 2ª e 3ª moedas são independentes.

11 Exemplo: No lançamento de um dado considere os seguintes eventos: A – O dado é par; B – O dado é dois; C – O dado é ímpar; D – O dado é cinco ou seis. Pede-se: a) P(A|B) b) P(A|C) c) P(A|D)

12 EVENTOS MUTUAMENTE INDEPENDENTES: Três eventos são independentes se as condições abaixo são satisfeitas:

13 Exemplo: No lançamento de três moedas considere os eventos
A: aparece cara na primeira moeda B: aparece cara na segunda moeda C: aparece coroa na terceira moeda Estes três eventos são mutuamente independentes.

14 Exemplo: Podemos ter as condições 2), 3) e 4) satisfeitas, mas, a condição 1) não ser satisfeita. Seja o espaço amostral Ω={a,b,c,d}. Considere os eventos A{a,d}; B={b,d} e C={c,d}. Então, a condição 1) não é satisfeita, porem as outras três condições são satisfeita. Logo esses eventos não são mutuamente independentes.

15 Partição: Seja Ω = A1 U A2 U ... U An, de forma que P(Ai)>0 para todo i=1,2,... e Ai ∩ Aj= { }, para todo i diferente de j, então, dizemos que a coleção de conjuntos A1, A2, ..., An forma uma partição do espaço amostral Ω. OBS: Podemos estender esse conceito para uma coleção infinita A1, A2, .... OBS:

16 Teorema da Probabilidade Total: Sejam A1, A2,
Teorema da Probabilidade Total: Sejam A1, A2,...,An, uma partição de Ω, então, para qualquer conjunto B de Ω temos que P(B)=P(B|A1)P(A1)+P(B|A2)P(A2)+...+P(B|An)P(An) Dem. Observe que B = (B ∩ A1) U (B ∩ A2) U ... U (B ∩ An) Portanto, P(B) = P((B ∩ A1) U (B ∩ A2) U ... U (B ∩ An) )= = P(B ∩ A1) + P(B ∩ A2) P(B ∩ An)

17 Exemplo: Uma urna contem 3 bolas brancas e 2 amarelas, outra urna contem 4 bolas brancas e 2 amarelas. Escolhe-se uma urna e retira-se uma bola, qual a probabilidade da bola retirada ser branca?

18 Exemplo: Uma urna contem 3 bolas brancas e 2 amarelas, outra urna contem 4 bolas brancas e 2 amarelas. Escolhe-se uma urna e retira-se uma bola, qual a probabilidade da bola retirada ser branca?

19 Teorema de Bayes: Sejam A1, A2 ,
Teorema de Bayes: Sejam A1, A2 , , An uma partição de Ω e B um evento qualquer de Ω, então, para qualquer i = 1, , n, temos que Ou seja, Dem.

20 Exemplo: Uma urna contem 3 bolas brancas e 2 amarelas, outra urna contem 4 bolas brancas e 2 amarelas. Escolhe-se uma urna e retira-se uma bola, sabendo-se que a bola retirada foi branca, qual a probabilidade de ter vindo da urna I?

21 Exemplo: Uma urna contem 3 bolas brancas e 2 amarelas, outra urna contem 4 bolas brancas e 2 amarelas. Escolhe-se uma urna e retira-se uma bola, sabendo-se que a bola retirada foi branca, qual a probabilidade de ter vindo da urna I?

22 Exemplo: Três máquinas M1, M2 e M3 fabricam o mesmo tipo de parafusos
Exemplo: Três máquinas M1, M2 e M3 fabricam o mesmo tipo de parafusos. A probabilidade da máquina M1 fabricar um parafuso com defeito é 0,2, já M2 é 0,1 e M3 é 0,15. Sabendo-se que de um lote de 50 parafusos 20 vieram de M1, 25 de M2 e o restante de M3. Seleciona-se um parafuso. a) Qual a probabilidade do parafuso ser defeituoso? b) Sabendo-se que o parafuso é defeituoso qual a probabilidade dele ter sido fabricado pela máquina M1? E pela máquina M2? E pela máquina M3?