Introduc¸ao˜ a` Probabilidade e aos Processos Estocasticos´valente/a03_ia886.pdf · Aula 3...
Transcript of Introduc¸ao˜ a` Probabilidade e aos Processos Estocasticos´valente/a03_ia886.pdf · Aula 3...
Aula 3
Introducao a Probabilidade eaos Processos Estocasticos
Vinıcius A. Armentano1 Paulo A. Valente Ferreira2
1Departmento de Engenharia de Sistemas
2Departamento de Telematica
Faculdade de Engenharia Eletrica e ComputacaoUniversidade Estadual de Campinas
Vinıcius,Valente Introducao a Probabilidade e aos Processos Estocasticos
Aula 3
Conteudo
1 Probabilidade CondicionalRegra da MultiplicacaoTeorema da Probabilidade TotalRegra de Bayes
2 IndependenciaIndependencia Condicional
Vinıcius,Valente Introducao a Probabilidade e aos Processos Estocasticos
Probabilidade CondicionalIndependencia
Regra da MultiplicacaoTeorema da Probabilidade TotalRegra de Bayes
Probabilidade Condicional
Regra da MultiplicacaoAssuma que todos os eventos condicionantes temprobabilidades positivas. Dado que
P(∩ni=1Ai) = P(A1)
P(A1 ∩ A2)
P(A1)·
·P(A1 ∩ A2 ∩ A3)
P(A1 ∩ A2)· · ·
P(∩ni=1Ai)
P(∩n−1i=1 Ai)
,
obtem-se
P(∩ni=1Ai) = P(A1)P(A2 | A1) ·
· P(A3 | A1 ∩ A2) · · ·P(An | ∩n−1i=1 Ai).
Vinıcius,Valente Introducao a Probabilidade e aos Processos Estocasticos
Probabilidade CondicionalIndependencia
Regra da MultiplicacaoTeorema da Probabilidade TotalRegra de Bayes
Probabilidade Condicional
Visualizacao
PSfrag replacements
A1 A2 A3 An−1 An
P(A1) P(A2 | A1) P(A3 | A1 ∩ A2) P(An | ∩n−1i=1 Ai)
A1 ∩ A2 ∩ A3 A1 ∩ A2 ∩ · · · ∩ An
P(A1 ∩ A2 ∩ A3) = P(A1)P(A2 | A1)P(A3 | A1 ∩ A2).
Vinıcius,Valente Introducao a Probabilidade e aos Processos Estocasticos
Probabilidade CondicionalIndependencia
Regra da MultiplicacaoTeorema da Probabilidade TotalRegra de Bayes
Probabilidade Condicional
Exemplo
Tres cartas sao retiradas sem reposicao de um baralho (52cartas). Qual a probabilidade de nenhuma ser um ouro?Qualquer carta tem a mesma probabilidade de ser retirada.
Seja Ai = a i-esima carta nao e ouro, i = 1, 2, 3. Deseja-seobter P(A1 ∩ A2 ∩ A3). As probabilidades condicionais sao
P(A1) =3952
, P(A2 | A1) =3851
, P(A3 | A1 ∩ A2) =3750
.
Logo,
P(A1 ∩ A2 ∩ A3) =3952
·3851
·3750
≈ 0.41.
Vinıcius,Valente Introducao a Probabilidade e aos Processos Estocasticos
Probabilidade CondicionalIndependencia
Regra da MultiplicacaoTeorema da Probabilidade TotalRegra de Bayes
Probabilidade Condicional
Exemplo
Uma classe consiste de 4 alunos de pos-graduacao e 12alunos de graduacao. A classe e dividida aleatoriamenteem 4 grupos de 4 alunos.
Aleatoriamente significa: dada a alocacao de algunsalunos a certas vagas, os alunos restantes tem a mesmachance de serem alocados as vagas restantes.
Qual a probabilidade de cada grupo inclua um aluno degraduacao? Defina aluno de graduacao 1, 2, 3 e 4 e
A1 = alunos 1 e 2 em grupos diferentes,
A2 = alunos 1, 2 e 3 em grupos diferentes,
A3 = alunos 1, 2, 3 e 4 em grupos diferentes.
Vinıcius,Valente Introducao a Probabilidade e aos Processos Estocasticos
Probabilidade CondicionalIndependencia
Regra da MultiplicacaoTeorema da Probabilidade TotalRegra de Bayes
Probabilidade Condicional
Exemplo (Continuacao)
Deseja-se obter
P(A3) = P(A1 ∩ A2 ∩ A3) = P(A1)P(A2 | A1)P(A3 | A1 ∩ A2).
Existem 12 vagas em grupos diferentes dos do aluno 1 e 15vagas no total, excluindo o aluno 1. Logo,
P(A1) = 12/15.
Existem 8 vagas em grupos diferentes dos dos alunos 1 e 2, e14 vagas no total, excluindo os alunos 1 e 2. Logo,
P(A2 | A1) = 8/14.
Vinıcius,Valente Introducao a Probabilidade e aos Processos Estocasticos
Probabilidade CondicionalIndependencia
Regra da MultiplicacaoTeorema da Probabilidade TotalRegra de Bayes
Probabilidade Condicional
Exemplo (Continuacao)
Existem 4 vagas em grupos diferentes dos dos alunos 1, 2 e 3,e 13 vagas no total, excluindo os alunos 1, 2 e 3. Logo,
P(A3 | A1 ∩ A2) =4
13.
A probabilidade desejada e
P(A3) = P(A1)P(A2 | A1)P(A3 | A1 ∩ A2)
=1215
·8
14·
413
≈ 0.14.
Vinıcius,Valente Introducao a Probabilidade e aos Processos Estocasticos
Probabilidade CondicionalIndependencia
Regra da MultiplicacaoTeorema da Probabilidade TotalRegra de Bayes
Probabilidade Condicional
Sejam A1, A2, . . . , An eventos disjuntos que formam umaparticao do espaco amostral Ω.
Teorema da Probabilidade Total (TPT)Assuma que P(Ai) > 0 para i = 1, 2, . . . , n. Entao
P(B) = P(A1 ∩ B) + P(A2 ∩ B) + · · · + P(An ∩ B)
= P(A1)P(B | A1) + · · · + P(An)P(B | An).
A probabilidade que B ocorra e uma media ponderada dasua probabilidade condicional sob cada cenario (evento).
A ponderacao de cada cenario e a sua probabilidadeincondicional.
Vinıcius,Valente Introducao a Probabilidade e aos Processos Estocasticos
Probabilidade CondicionalIndependencia
Regra da MultiplicacaoTeorema da Probabilidade TotalRegra de Bayes
Probabilidade Condicional
Visualizacao
PSfrag replacementsA1A1
A2
A2 A3
A3
B
B
B
B
Bc
Bc
Bc
An
A1 ∩ B
A2 ∩ B
A3 ∩ B
Vinıcius,Valente Introducao a Probabilidade e aos Processos Estocasticos
Probabilidade CondicionalIndependencia
Regra da MultiplicacaoTeorema da Probabilidade TotalRegra de Bayes
Probabilidade Condicional
Exemplo
Voce entra num torneio de xadrez no qual sua probabilidade devencer e de
0.3 contra metade dos jogadores - tipo 1.
0.4 contra um quarto dos jogadores - tipo 2.
0.5 contra um quarto dos jogadores - tipo 3.
Voce joga com um jogador escolhido ao acaso. Qual e a suaprobabilidade de vencer? Defina
Ai = jogar com jogador do tipo i, i = 1, 2, 3.
Neste caso, P(A1) = 0.5, P(A2) = 0.25 e P(A3) = 0.25.
Vinıcius,Valente Introducao a Probabilidade e aos Processos Estocasticos
Probabilidade CondicionalIndependencia
Regra da MultiplicacaoTeorema da Probabilidade TotalRegra de Bayes
Probabilidade Condicional
Exemplo
Seja B o evento em que voce vence um jogador escolhido aoacaso. As probabilidades condicionais foram dadas:
P(B | A1) = 0.3, P(B | A2) = 0.4, P(B | A3) = 0.5.
A probabilidade de que voce venca e
P(B) = P(A1)P(B | A1) + P(A2)P(B | A2) + P(A3)P(B | A3)
= 0.5 · 0.3 + 0.25 · 0.4 + 0.25 · 0.5 = 0.38.
O TPT e util para calcular a probabilidade de eventos Bpara os quais as probabilidades P(B | Ai) sao conhecidas.A escolha da particao A1, A2, . . . , An e crucial.
Vinıcius,Valente Introducao a Probabilidade e aos Processos Estocasticos
Probabilidade CondicionalIndependencia
Regra da MultiplicacaoTeorema da Probabilidade TotalRegra de Bayes
Probabilidade Condicional
Sejam A1, A2, . . . , An eventos disjuntos que formam umaparticao do espaco amostral. Assuma P(Ai) > 0 para todo i .
Regra de BayesPara todo evento B tal que P(B) > 0,
P(Ai | B) =P(Ai)P(B | Ai)
P(B)
=P(Ai)P(B | Ai)
P(A1)P(B | A1) + · · · + P(An)P(B | An).
A regra de Bayes relaciona probabilidades condicionaisP(A | B) com probabilidades na forma reversa, P(B | A).
Vinıcius,Valente Introducao a Probabilidade e aos Processos Estocasticos
Probabilidade CondicionalIndependencia
Regra da MultiplicacaoTeorema da Probabilidade TotalRegra de Bayes
Probabilidade Condicional
InferenciaA regra de Bayes e usada frequentemente para se fazer umainferencia.
Assuma que existam varias causas que podem resultarnum certo efeito.
Exemplo: surge um ponto na tela do radar (efeito). Oponto e causado por uma aeronave ou por outra coisa.
Observa-se o efeito, evento B. Deseja-se determinar acausa, um dos eventos A1, A2, . . . , An.
P(B | Ai) e a probabilidade de se observar o efeito Bquando a causa Ai esta presente.
Vinıcius,Valente Introducao a Probabilidade e aos Processos Estocasticos
Probabilidade CondicionalIndependencia
Regra da MultiplicacaoTeorema da Probabilidade TotalRegra de Bayes
Probabilidade Condicional
Exemplo (Deteccao por Radar)
Considere os eventos A = uma aeronave esta presente eB = o radar registra a presenca. As probabilidades saoP(A) = 0.05, P(B | A) = 0.99 e P(B | Ac) = 0.1.
Defina A1 = A, A2 = Ac . A probabilidade da aeronave estarpresente dado que o radar fez um registro e
P(A | B) =P(A)P(B | A)
P(B)
=P(A)P(B | A)
P(A)P(B | A) + P(Ac)P(B | Ac)
=0.05 · 0.99
0.05 · 0.99 + 0.95 · 0.1≈ 0.34.
Vinıcius,Valente Introducao a Probabilidade e aos Processos Estocasticos
Probabilidade CondicionalIndependencia
Regra da MultiplicacaoTeorema da Probabilidade TotalRegra de Bayes
Probabilidade Condicional
Exemplo (Problema do Falso-Positivo)
Um teste para uma certa doenca rara e positivo comprobabilidade 0.95 se a pessoa tem a doenca.
O mesmo teste e negativo com probabilidade 0.95 se apessoa nao tem a doenca.
Uma pessoa selecionada de uma certa populacao temprobabilidade 0.001 de ter a doenca.
Dado que o teste da pessoa e positivo, qual aprobabilidade da pessoa ter a doenca?
Seja A o evento ”pessoa tem a doenca” e B o evento ”o teste epositivo”. Deseja-se determinar P(A | B).
Vinıcius,Valente Introducao a Probabilidade e aos Processos Estocasticos
Probabilidade CondicionalIndependencia
Regra da MultiplicacaoTeorema da Probabilidade TotalRegra de Bayes
Probabilidade Condicional
Exemplo (Continuacao)
Pela Regra de Bayes
P(A | B) =P(A)P(B | A)
P(B)
=P(A)P(B | A)
P(A)P(B | A) + P(Ac)P(B | Ac)
=0.001 · 0.95
0.001 · 0.95 + 0.999 · 0.05≈ 0.02.
Embora o teste seja relativamente preciso, e poucoprovavel que uma uma pessoa cujo teste seja positivotenha a doenca.
Vinıcius,Valente Introducao a Probabilidade e aos Processos Estocasticos
Probabilidade CondicionalIndependencia
Independencia Condicional
Independencia
Um importante caso particular da probabilidade condicionalsurge quando a ocorrencia de B nao altera a probabilidadedo evento A ocorrer.
IndependenciaDiz-se que os eventos A e B sao independentes se
P(A | B) = P(A).
Pela definicao de probabilidade condicional, A e B saoindependentes se P(A ∩ B) = P(A)P(B).
Por simetria, se A e independente de B, entao B eindependente de A.
Vinıcius,Valente Introducao a Probabilidade e aos Processos Estocasticos
Probabilidade CondicionalIndependencia
Independencia Condicional
Independencia
Dois eventos sao independentes se forem disjuntos? SeP(A) > 0, P(B) > 0 e P(A ∩ B) = 0, os eventos nao saoindependentes!
Exemplo
Experimento envolvendo dois lancamentos sucessivos de umdado tetraedrico. Dezesseis resultados igualmente provaveis.
a) Os eventos Ai = 1o. lancamento e i eBj = 2o. lancamento e j sao independentes?
P(Ai ∩ Bj) = 1/16, P(Ai) = 4/16, P(Bj) = 4/16.
Como P(Ai ∩ Bj) = P(Ai)P(Bj), independentes.
Vinıcius,Valente Introducao a Probabilidade e aos Processos Estocasticos
Probabilidade CondicionalIndependencia
Independencia Condicional
Independencia
Exemplo (Continuacao)
b) Os eventos A = 1o. lancamento e 1 eB = a soma dos lancamentos e 5 saoindependentes? Sim, pois
P(A ∩ B) = 1/16, P(A) = 4/16, P(B) = 4/16.
c) Os eventos A = maximo dos lancamentos e 2e B = mınimo dos lancamentos e 2 saoindependentes? Nao, pois
P(A ∩ B) = 1/16, P(A) = 3/16, P(B) = 5/16.
Vinıcius,Valente Introducao a Probabilidade e aos Processos Estocasticos
Probabilidade CondicionalIndependencia
Independencia Condicional
Independencia
Dado um evento C, os eventos A e B sao condicionalmenteindependentes se
P(A ∩ B | C) = P(A | C)P(B | C).
Pela definicao de probabilidade condicional e regra damultiplicacao,
P(A ∩ B | C) =P(A ∩ B ∩ C)
P(C)
=P(C)P(B | C)P(A | B ∩ C)
P(C)
= P(B | C)P(A | B ∩ C).
Vinıcius,Valente Introducao a Probabilidade e aos Processos Estocasticos
Probabilidade CondicionalIndependencia
Independencia Condicional
Independencia
Comparando as experessoes
P(A ∩ B | C) = P(A | C)P(B | C) e
P(A ∩ B | C) = P(B | C)P(A | B ∩ C)
obtem-se (P(B | C) 6= 0)
P(A | B ∩ C) = P(A | C).
Dado que C ocorreu, a informacao de que B tambemocorreu nao altera a probabilidade de A.
A independencia de dois eventos com respeito aprobabilidade incondicional nao implica em independenciacondicional ou vice-versa.
Vinıcius,Valente Introducao a Probabilidade e aos Processos Estocasticos
Probabilidade CondicionalIndependencia
Independencia Condicional
Independencia
Exemplo
Dois lancamentos independentes de uma moeda. Existemquatro resultados igualmente provaveis. Defina
H1 = 1o. lancamento e cara,
H2 = 2o. lancamento e coroa,
D = os lancamentos tem resultados diferentes.
Os eventos H1 e H2 sao independentes. Porem
P(H1 | D) = 1/2, P(H2 | D) = 1/2, P(H1 ∩ H2 | D) = 0.
e H1 e H2 sao condicionalmente dependentes.
Vinıcius,Valente Introducao a Probabilidade e aos Processos Estocasticos
Probabilidade CondicionalIndependencia
Independencia Condicional
Independencia
Exemplo
Duas moedas, uma azul, outra vermelha. Escolhe-se umaao acaso (probabilidade 1/2) e faz-se dois lancamentosindependentes.
As moedas sao polarizadas: com a azul, a probabilidadede cara e 0.99; com a vermelha, 0.01.
Seja B o evento em a moeda azul e selecionada. Seja Hi
o evento em que o i-esimo lancamento resulta em cara.
Escolhida a moeda, os eventos H1 e H2 sao condicionalmenteindependentes. Assim
P(H1 ∩ H2 | B) = P(H1 | B)P(H2 | B) = 0.992 ≈ 0.98.
Vinıcius,Valente Introducao a Probabilidade e aos Processos Estocasticos
Probabilidade CondicionalIndependencia
Independencia Condicional
Independencia
Exemplo (Continuacao)
Entretanto, os eventos H1 e H2 nao sao independentes. Se o1o. lancamento e cara, suspeita-se que a moeda seja azul.Matematicamente, pelo TPT,
P(H1) = P(B)P(H1 | B) + P(Bc)P(H1 | Bc)
= 0.5 · 0.99 + 0.5 · 0.01 = 0.5.
Do mesmo modo, P(H2) = 0.5. Alem disso,
P(H1 ∩ H2) = P(B)P(H1 ∩ H2 | B) + P(Bc)P(H1 ∩ H2) | Bc)
= 0.5 · 0.992 + 0.5 · 0.012 ≈ 0.5,
e os eventos H1 e H2 sao dependentes.
Vinıcius,Valente Introducao a Probabilidade e aos Processos Estocasticos
Probabilidade CondicionalIndependencia
Independencia Condicional
Independencia
Se A e B sao eventos independentes, o mesmo ocorrecom os eventos A e Bc .
Independencia de uma Colecao de EventosDiz-se que os eventos A1, A2, . . . , An sao independentes se
P
(
n⋂
i∈S
Ai
)
=n∏
i=1
P(Ai)
para todo subconjunto S de 1, 2, . . . , n.
Exemplo
Se n = 3, entao a igualdade acima deve ser verificada paraS = 1, 2, S = 1, 3, S = 2, 3 e S = 1, 2, 3.
Vinıcius,Valente Introducao a Probabilidade e aos Processos Estocasticos