1 Probabilidade Condicional Muitas vezes quando realizamos um experimento temos informação extra sobre a ocorrência de um evento. Neste caso, gostarı́amos de utilizar esta informação extra para realocar probabilidades aos outros eventos. Se selecionarmos, ao acaso, um aluno da Unicamp e calculamos qual a Probabilidade dele estar cursando Cálculo I, uma atribuição razoável seria: número de alunos em Cálculo I/ número de alunos na Unicamp. Entretanto, se soubermos que o curso no qual está matriculado é Medicina, sabemos que a probabilidade dele fazer Cálculo I é muito menor. Exemplo 1.1 Sejam a seguinte distribuição de alunos em ME210/213/223 turma A Homens (H) Mulheres (F) Total Cursão (C) 15 4 19 Estatı́stica (E) 16 15 31 Fı́sica (F) 6 0 6 Outros (O) 4 2 6 Total 41 21 62 Seja E: “Selecionar um aluno ao acaso” e defina os eventos: H: o aluno selecionado é do sexo masculino C: o aluno selecionado é do Cursão Note que P(H) = 41/62, P (E) = 19/62, mas dentre os alunos do cursão temos que a probabilidade dele ser do sexo masculino é: 15/19. Ist é, P(H|C) = 15/19 Exemplo 1.2 Se dois dados (um vermelho e o outro verde) são lancados, qual a probabilidade da soma ser 8 dado que o dado verde saiu 3? Dado que o dado verde teve como resultado 3, temos agora somente 6 resultados possı́veis: (3,1), (3,2), (3,3), (3,4), (3,5) e (3,6). 1 Como originalmente estes 6 resultados eram equiprováveis, eles ainda deveriam conservar esta probabilidade. Definição 1.3 Sejam E e F dois eventos, se P(F ) > 0 então: P(E|F ) := P(E ∩ F ) . P(F ) Exemplo 1.4 Uma moeda honesta é lana̧da 2 vezes ao acaso. Qual a probabilidade condicional de ambos os resultados serem caras dado que o primeiro lana̧mento resultou em cara? 1 2 Exemplo 1.5 Uma urna contém 10 bolas brancas, 5 bolas amarelas e 10 bolas pretas. Uma bola é escolhida ao acaso da urna e verifica-se que não é preta, qual a probabilidade de ser amarela? A = a bola selecionada é amarela B = a bola selecionada é preta P(A|B c ) = P(A) 5/25 1 P(A ∩ B c ) = = = . c c P(B ) P(B ) 15/25 3 Teorema 1.6 Teorema da Multiplicação 1. P(A ∩ B) = P(A).P(B|A) 2. P(A1 ∩ A2 ∩ . . . ∩ An ) = P(A1 )P(A2 |A1 )P(A3 |A1 ∩ A2 ) . . . P(An |A1 ∩ A2 ∩ . . . ∩ An−1 ) Exemplo 1.7 Seja um lote formado de 20 lâmpadas defeituosas e 80 não defeituosas. E: Escolhemos ao acaso duas pea̧s. 1. Qual a probabilidade de ambas serem defeituosas? Sejam os eventos: A : primeira lâmpada é defeituosa 2 B : segunda lâmpada é defeituosa C : ambas são defeituosas. Daı́ A∩B =C e P(C) = P(A ∩ B) = P(A)P(B|A) = 20 19 380 × = = 0, 3838... 100 99 990 2. Qual a probabilidade da segunda pea̧ ser defeituosa? P(B) = P(B ∩ A) + P(B ∩ Ac ) = P(A)P(B|A) + P(Ac )P(B|Ac ) 20 19 80 20 20 = × + × = 100 99 100 99 100 Definição 1.8 Dizemos que os eventos A1 , A2 , . . . formam uma partição de Ω se: • A1 ∪ A2 ∪ . . . = Ω • Ai ∩ Aj = ∅ se i 6= j. Teorema 1.9 Lei da probabilidade Total. Se A1 , A2 , . . . formam uma partição de Ω então P(B) = ∞ X P(Ak )P(B|Ak ). k=1 Teorema 1.10 Teorema de Bayes. Se A1 , A2 , . . . formam uma partição de Ω então P(Ar )P(B|Ar ) P(Ar |B) = P∞ . k=1 P(Ak )P(B|Ak ) 1. Uma caixa contém 3 moedas, duas honestas e uma de duas caras. Retirar uma moeda ao acaso e jogá-la. Qual a probabilidade condicional da moeda escolhida ter duas caras dado que o resultado final foi cara? 2. Suponha que a ocorrência de chuva dependa somente das condio̧es de tempo do dia imediatamente anterior. Admita-se que se chove hoje choverá amanhã com probabilidade 0.7 e se 3 não chove hoje choverá amanhã com probabilidade 0.4. Sabendo-se que choveu hoje, qual a probabilidade de chover depois de amanhã? 0.7 × 0.7 + 0.3 × 0.4 = 0.61 3. Em um teste de múltipla escolha, a probabilidade do aluno saber a resposta é p. Havendo m escolhas se ele sabe a resposta ele acerta, se não, ele “chuta” qualquer alternativa com igual probabilidade. Qual a probabilidade do aluno saber a resposta se ele acertou a pergunta? 1 m p +p 1− 1 m 4. Um teste de laboratório tem 5% de falsos negativos e 1% de falsos positivos em detectar diabetes. Se a prevalência de diabetes em uma certa população é de 0.5%, qual a probabilidade de uma pessoa ter a doença quando o teste deu positivo? (.95)(.005) ≈ .323 (.95)(.005) + (.01)(.995) 4