Upload
hathuan
View
235
Download
1
Embed Size (px)
Citation preview
E
V
Ade
Fdp
M
Pere
MsP
Nec
Cc
Lvv
A
V
J
C
T
V
J
C
T
Entende
Vamos ver e
A cidade dedados mostempregos.
Foi realizaddiabetes naportadores e
Muitas veze
Porém, quaencontrada estringimos
Matematicamseguinte maP de ser dia
Note que aléentre os vecomo mostra
Como vimosconjunto inte
Lembrem-sevelho não pvelho é diab
A expressão
Ha
Velhos
Jovens
Crianças
TOTAL
Dia
Ha
Velhos
Jovens
Crianças
TOTAL
Di
endo o T
este assunt
e Diabetelântram que n
da uma pes populaçãoe 46 criança
es esta tabe
ndo chega dividindo-s
s o atendim
mente escraneira: P(X|abético dado
ém de ser vlhos. Lemba a figura a
s esta probaerseção [Ve
e que, os erecisa ser d
bético e nem
o acima pod
abitantes
P
d
4.400
3.300
2.300
10.000
abetelând
abitantes
P
D
p
44,00%
33,00%
23,00%
100,00%
iabetelân
Teorema
to por meio
ndia tem 10nesta cidad
squisa pelao. A pesquisas são porta
ela vem dad
ao hospitase 132 porento apena
revemos estV). Aqui X so que seja v
velho, tem qbre-se que acima totaliz
abilidade foelho Diab
eventos serdiabético e m todo diabé
deria ser ca
ortadores
e Diabete
132
33
46
211
dia
ortadores d
Diabete na
opulação
1,32
0,33
0,46
2,11
ndia
a de Bay
de um exem
.000 habitade está hav
Secretariasa revelou adoras. Ass
a em porce
l um velho r 4.400 (13as aos velho
ta probabilisignifica sevelho.
que ser dianesta cida
zam 4.400 –
oi calculada béticos] e di
|
r velho e seser diabéticético é velh
alculada de
e
2%
3%
6%
1%
Observportadcidade Portantao hosprovávede diahospita
yes
mplo:
antes, sendovendo uma
a de Saúdeque 132 ve
sim:
entagens. A
(um pedaç32 4.400os.
dade CONDr diabético
abético (coitde existem– 132 = 4.26
tomando tovidido pela
∩14.4
er diabéticoco não prec
ho.
outra mane
ve que os vores de di
Diabetelâto, nesta cpital um veel aos méd
abetes entral.
o 4.400 velha desertifica
e onde se celhos são p
Assim:
ço da popul = 0,03 ou
DICIONAL e V significa
tado!). Isto m muitos ve
68 velhos s
odos os velquantidade
32400
0,03
o são INDEcisa ser vel
eira:
velhos E poiabetes) rendia (132 idade a pro
elho E portadicos do hore os paci
hos, 3.300 jação urban
constatou uportadores d
lação), a chu 3%). A c
(ser portadoa ser velho
mostra queelhos que nem a doenç
hos E diabée de velhos
3%.
EPENDENTho ou, em
ortadores dpresentam 10.000
obabilidadeador de diaspital atendentes em
Os sãocatpor
jovens, 2.3na em virtu
uma grandeda doença,
hance dele chance au
or de diabe. Dizemos,
e colocamosnão são diaça.
éticos (132)da cidade
TES. Isto soutras pala
de diabetes1,32% da = 0,0132
e (ou chancabetes é 1,3der um velhgeral que
valores eo os hategorias qrtadores de
00 criançasude da falta
e incidência, 33 jovens
ser diabétimentou po
etes E velhoa probabilid
s uma condabéticos. Es
) que estão (4.400). En
ignifica queavras, nem
s: P(velhospopulação
2 ou 1,32%ce) de cheg32%! É pouho E portad
e chegam
em vermelhbitantes due não sdiabetes.
s. Os a de
a de s são
co é orque
o) da dade
dição stes,
no tão,
e ser todo
da
%). gar uco dor ao
hos das são
2 Entendendo o Teorema de Bayes
Bertolo
| ∩
∩∩ 1,32%
44%0,03 3%.
Repetindo isto para as outras categorias podemos montar a seguinte tabela:
Cabe aqui a pergunta: Qual a probabilidade de um velho ser diabético?
Resposta: 3%. Esta é a chance de aparecer em qualquer lugar da cidade um velho que é diabético. Não precisa ter medo deles!!!! A chance é pequena e a doença não infecto-contagiosa!
Esta pergunta requer que encontremos P(X|V), certo?
Outra pergunta: Qual a probabilidade de um diabético ser velho?
É a mesma coisa que antes? 3%?
Posto de outra forma, chega ao hospital um diabético, qual a chance dele ser velho?
Agora queremos a probabilidade condicional P(V|X), ou seja, o contrário de antes. Imporemos agora uma CONDIÇÃO entre todos os diabéticos – eles devem ser velhos. Observando a figura anterior, temos que dividir nº de velhos diabéticos pelo total de diabéticos
| ∩
∩∩ 1,32%
2,11%0,6256 62,56%.
Se atentarmos para os diabéticos da cidade, a chance dele ser velho é 62,56%. É, nesta cidade, entre os diabéticos temos muitos velhos (ver figura acima).
Fica bem claro que:
I. P(X | Ai) ≠ P(Ai | X) II. P(X Ai) = P(A i X) III. Pela definição de probabilidade condicional
| ∩
Habitantes
Portadores de
Diabetes na categoria
P(X|Ai)
Velhos 44,00% 3,00%
Jovens 33,00% 1,00%
Crianças 23,00% 2,00%
TOTAL 100,00% 2,11%
Diabetelândia
Habitantes
Portadores de
Diabetes na categoria
P(X|Ai)
A Categoria dos
Portadores de
Diabetes P(Ai|X)
Velhos 44,00% 3,00% 62,56%
Jovens 33,00% 1,00% 15,64%
Crianças 23,00% 2,00% 21,80%
TOTAL 100,00% 2,11% 100,00%
Diabetelândia Médicos, ao chegar um paciente diabético, é muito grande (62,56%) dele ser velho.
3 Entendendo o Teorema de Bayes
Bertolo
Temos que: P(X Ai) = P(X|Ai) P(Ai). Dessa forma podemos fazer:
|∩
∩
∩ ∩ ⋯ ∩
Ou, usando a definição de probabilidade condicional:
|∩
P X|A P A
P X|A P A P X|A P A ⋯ P X|A P A
∩∑ P X|A P A
Este resultado recebe o nome de Teorema de Bayes.
USANDO TABELA De acordo com o desenvolvimento anterior poderemos realizar os cálculos por meio de uma tabela. Assim
USANDO O EXCEL Já que podemos fazer uma tabela, podemos também realizar tudo no Excel.
Abra uma pasta de trabalho e introduza os títulos conforme a figura abaixo:
Partição do
Espaço
Amostral Ai
Participação da
Partição no
Espaço Amostral
P(Ai)
P(X|Ai)
conhecido
P(X Ai) = P(X|Ai).P(Ai)
P(Ai|X)
A1 P(A1) P(X|A1) P(A1) * P(X|A1) [P(A1) * P(X|A1)]/SOMA
A2 P(A2) P(X|A2) P(A2) * P(X|A2) [P(A2) * P(X|A2)]/SOMA
A3 P(A3) P(X|A3) P(A3) * P(X|A3) [P(A3) * P(X|A3)]/SOMA
...
...
...
An P(An) P(X|An) P(An) * P(X|An) [P(An) * P(X|An)]/SOMA
TOTAL 100,00% SOMA
Espaço Amostral
4
Fs
PcZ
PGja
N
N=
Spfu
V
4 Ente
Faça 100 paselecionar o
Para criarmocélulas ondeZEROS des
Para se nomG2:G101, deanela:
Na caixa No
Na c=DESLOC(P
Selecione oplanilha comunção SOM
Vamos ente
endendo o T
artições do o intervalo A
os uma plane existirem snecessário
mear um intepois na gu
ome: ProbIn
caixa PLAN1!$G$
o intervalo m dados e pMA na célula
ender o que
Teorema de
espaço amA2:A101 e c
nilha com revalores, des, pois não
ervalo de cuia Formata
nterseção
Refere-se$2;0;0;CON
G2:G101 eprecisamos a D101..
fizemos. P
e Bayes
ostral (achocolocar os tí
ecursos avaixando o refaremos cá
élulas no Ear, no grupo
e a:T.NÚM(Pla
e escolha disto para
rimeiro, por
o que fica oítulos Ai.
ançados doesto das célálculos naq
Excel, proceo Nomes De
intran1!$G$2:$G
a cor branevitarmos a
r que usar a
o suficiente,
o Excel, vamulas em brauelas linhas
demos seleefinidos, esc
roduza G$101;1)).
nca para a as referenc
a função DE
não?). Com
mos definir uanco, evitans.
ecionando ocolhemos D
a Dê OK.
fonte. Issoias circulare
ESLOC?
m isso prec
um nome ando assim c
o intervalo dDefinir Nome
seguinte
o para não es do Exce
Bertolo
isamos
o intervalo colunas com
de células e. Aparecer
fórm
poluir a nol ao introdu
o
de m
rá a
mula:
ossa uzir a
5 Entendendo o Teorema de Bayes
Bertolo
Esta função embutida do Excel retorna uma referência a um intervalo que possui um número específico de linhas e colunas com base em um referência especificada (no nosso caso se houver número e a existência ou não de números é identificado com a função CONT.NÚM que falaremos abaixo). A sintaxe da função DESLOC é: =DESLOC(ref;Lins;cols;altura;largura). Os argumentos em negrito são obrigatórios e os outros são opcionais.
A função CONT.NÚM calcula o nº de células em um intervalo que contém números. Sua sintaxe é: CONT.NÚM(valor1;valor2;....). Novamente os argumentos em negrito são obrigatórios. Aqui usamos valor2 = 1, para não retornar zero quando não encontrar número e com isso causando um erro de altura na função DESLOC.
Dessa forma a função DESLOC nomeará o intervalo na coluna G que tiver números e com isso não serão introduzidos zeros quando a célula estiver em branco na coluna D que apresenta a fórmula SOMA(DADOS) na célula D101.
Voltemos à célula D2 e introduzimos a fórmula: =SE(B2=””;””;B2*C2) e na célula E2, introduzimos: =SE(D2=””;””;D2/$D$102).
A planilha ficou pronta. Agora é só salvar e guardar com carinho para quando precisar.
DIAGRAMA DE ÁRVORE O diagrama de árvore ajuda a montar o problema e fazer as contas.
Voltemos à cidade Diabetelândia e vemos que lembremos que a população foi dividida em 3 categorias de habitantes (velhos, jovens e crianças). Algumas das pessoas de cada categoria eram portadoras de diabetes.
Então, estabelecendo que X é portador e não é portador, temos
6 Entendendo o Teorema de Bayes
Bertolo
EXERCÍCIOS RESOLVIDOS 1. Uma urna A contém 3 fichas vermelhas e 2 azuis, e uma urna B contém 2 vermelhas e 8 azuis. Joga-
se uma moeda “honesta”. Se a moeda der cara, extrai-se uma ficha da urna A; se der coroa, extrai-se uma ficha da urna B. Uma ficha vermelha é extraída. Qual a probabilidade de ter saído cara no lançamento da moeda?
Solução A B
P(A) = P(Ca) = (1/2) P(V|A) = (3/5) = 60% = P(V|Ca)
P(B) = P(Co) = (1/2) P(V|B) = (2/10)= 40% = P(V|Co)
Pelo Teorema de Bayes, temos
|∩
P X|A P A
P X|A P A P X|A P A ⋯ P X|A P A
∩∑ P X|A P A
X 0,44 x 0,03 = 0,0132 ou 1,32% 0,0132
0,02110,6256 62,56%
3%
V
97%
44%
X 0,33 x 0,01 = 0,0033 ou 0,33% 0,0033
0,02110,1564 15,64%
1%
33%
J
99%
23%
X 0,23 x 0,02 = 0,0046 ou 0,46% 0,0046
0,02110,2180 21,80%
2% ______________
C 0,0211 ou 2,11%
98%
3 V
2 A
2 V
8 A
Queremos encontrar a probabilidade de sair cara dado a bola ser vermelha, isto é P(Ca|V)
2
Bertolo
|
Temos, pA por te
Na plani
Faça o e
2. A caixa Aescolhida tenha vind
Solução
A
P(A) = (
P(B) = (
Pelo Teo
|
|
Temos, extraída
Na plani
1 2 3 45 6 7 89
∩
310
portanto, er obtido
ilha Excel
exercício
A tem 9 cartao acaso e
do de A?
B
(1/2)
(1/2)
orema de B
∩
4
portanto,a da urna
ilha Excel
4 8
1 2 5
∩
0208
6080
75% de pcara no l
l, preench
usando a
tas numeraduma carta é
B
P(par|A)
P(par|B)
Bayes, tem
P X|A
∩
418
40 36180
41
, 52,63% A.
l, preench
3 4
∩P V|A
0
34
0,75
robabilidlançamento
ha apenas
árvore.
das de 1 a 9é retirada. Se
) = (4/9)=
) = (2/5)=
mos
P A P
∩P
418
18076
7
de proba
ha apenas
Queremosda urna P(A|par)
P V|A P AP A P V
5 75%
dade de quo da moeda
a área az
9. A caixa Be o número
= 44,44%
= 40%
P X|A PP X|A P A
P papar|A P A
4076
1019
abilidade
a área az
s encontrA dado q.
Entende
AV|B P B
ue a bola a.
zul:
B tem 5 carté par , qual
A⋯ P
r|A P AP par|B
0,5263 5
de que
zul:
rar a probque o seu
endo o Teor
35
12
35
12
210
vermelha
tas numerada probabilid
X|A P A
P B 49
52,63%
a carta
babilidadnúmero é
rema de Ba
12
310
310
seja extr
das de 1 adade de que
∑ P
49
12
12
25
12
de núme
de da caré par, is
7ayes
0220
3106 220
raída da u
5. Uma caa carta sort
∩X|A P A
418
418
210
ero par s
rta vir sto é
2
urna
ixa é teada
seja
3
4
8 Ente
3. Num colémulheres.homem?
Solução
A =
P(M) = 6
P(H) = 4
Pelo Teo
|
|
Temos, paltura ehomem, h
Na plani
4. Uma caixprobabilidQual a pro
Solução
A =
B =
C =
endendo o T
gio, 4% dos Um estuda
evento te
60% P
40% P
orema de B
∩
∩
0,0160,022
portanto, escolhidohá mais ho
ilha Excel
xa tem 3 moade de ocorobabilidade d
primeira
segunda m
terceira
Teorema de
s homens e ante é escol
er mais de
P(A|M) = 1
P(A|H) = 4
Bayes, tem
P X|A
∩P
62
811
0,
72,73% d ao acasoomens com
l, preench
oedas: uma rrer cara nesde que a 3ª m
moeda,
moeda,
moeda
e Bayes
1% das mulhido ao aca
e 1,75 m d
1%
4% Quer
mos
P A P
P AP A|H P H
7273 72
de probabio seja hoaltura su
ha apenas
não viciadasta moeda émoeda tenha
ulheres têm aso e tem m
de altura.
remos P(H|
P X|A PP X|A P A
|H P HP A|M
,73%
ilidade deomem. Embouperior a
a área az
a, outra comé 1/5. Uma ma sido a selec
mais de 1,7mais de 1,75
.
|A)
A⋯ P
P M0,0
e que o esora o col1,75 m do
zul:
m 2 caras emoeda é secionada?
5 m de altu5 m. Qual a
X|A P A
0,04 0,404 0,40 0,
studante cégio tenho que mulh
e uma tercelecionada ao
ra. 60% dosa probabilida
∑ P
40,01 0,60
com mais ha mais mheres.
eira viciada, o acaso na
Bertolo
s estudantesade de que
∩X|A P A
0,0160,016 0,0
de 1,75 mmulher do
de modo qcaixa. Saiu
o
s são seja
006
m de que
ue a cara.
5
Bertolo
P(A) = 1
P(B) = 1
P(C) = 1
Pelo Teo
|
|
Temos, p3ª moeda
Na plani
5. A probabiprobabilide C, respcomprou s
Solução
A =
B =
C =
P(A) = 3
P(B) = 1
P(C) = 1
Pelo Teo
|
1/3 P
1/3 P
1/3 P
orema de B
∩
∩
0,5
portanto, a quando e
ilha Excel
lidade de umades se os iectivamenteseja da class
classe A,
classe B,
classe C
3/4 P
1/5 P
1/20 P
orema de B
∩
|
P(Ca|A) =
P(Ca|B) =
P(Ca|C) =
Bayes, tem
P X|A
∩
0,20
5013 0,
11,76% desta for e
l, preench
m indivíduo ndivíduos co. Certa loja se B?
,
P(car|A) =
P(car|B) =
P(car|C) =
Bayes, tem
P X|A
∩
110
34
0,5714
50% ou 1/
100% ou 1
20% ou 1/
mos
P A P
∩P Ca|A
1/3
,2013 1
de probabiescolhida
ha apenas
de classe Aomprarem umvendeu um
= 1/10
= 3/5
= 3/10
mos
P A P
∩
35
15
35
15
310
57,14%
/2
1
/5
P X|A PP X|A P A
P CP A P C
113
0,5
ilidade deao acaso.
a área az
A comprar umm carro da mcarro da ma
Qu
P X|A PP X|A P A
P car|A P
120
340
Entende
Querem
A⋯ P
Ca|C P CCa|B P B
0,2050 1 0,2
e que a f.
zul:
m carro de 3marca x são arca x. Qua
ueremos P(
A⋯ P
P car|A P car|325325
3200
endo o Teor
mos P(C|Ca
X|A P A
P Ca|C P C
200,201,70
ace cara
3/4, da B é d1/10, 3/5 e 3l a probabili
(B|car)
X|A P A
B P BB P B P
325
15 24200
rema de Ba
a)
∑ P
C217
0,117
seja apre
de 1/5 e da 3/10, dado qudade de que
∑ P
P car|C P C
3325
2
9ayes
∩X|A P A
76 11,76%
esentada p
C é de 1/20ue sejam dee i indivíduo
∩X|A P A
20042
47
%
pela
0. As A, B
o que
6
10 Ente
Temos, indivídu
Na plani
6. Um certo experiêncusada, exusada, a cde 50%. Stenha sido
Solução
P(A) = 4
P(B) = 6
Pelo Teo
|
|
Temos, plimite u
Na plani
endendo o T
portanto,uo da clas
ilha Excel
programa pia tem most
xiste 75% dechance é deSe o prograo a escolhida
40% P
60% P
orema de B
∩
0,75
portanto, usando a s
ilha Excel
Teorema de
57,14% sse B.
l, preench
pode ser ustrado que a e chance de e 50%. Se o ma foi realiz
a?
P(resultad
P(resultad
Bayes, tem
P X|A
∩
0,75 0,45 0,40 0,550,00% de
sub-rotina
l, preench
e Bayes
de proba
ha apenas
ado com umsub-rotina Aque o progrprograma fo
zado dentro
do|A) = 75
do|B) = 50
mos
P A P
050 0,60
0
e probabia A.
ha apenas
abilidade
a área az
ma entre duA é usada 40rama chegu
oi realizado ddo limite de
5%
0%
P X|A PP X|A P A
∩
0,300,30 0,30lidade de
a área az
de que
zul:
as sub-rotin0% das vezee a um resudentro do lime tempo, qua
Quere
A⋯ P
P res
0,300,60
12
e que o re
zul:
o carro
as A e B, des e B é usaultado dentromite de tempoal a probabil
emos P(A|r
X|A P A
P resusultado|A P
0,5000
esultado f
foi comp
dependendo ada 60% da
o do limite do. Se B é uslidade de qu
resultado
∑ P
ultado|A PA P res
50,00%
foi atingi
Bertolo
prado por
do problemas vezes. See tempo. Sesada, a chanue a sub-roti
).
∩X|A P A
Aultado|B P
ido dentro
o
r um
ma. A e A é e B é nce é na A
B
o do
11 Entendendo o Teorema de Bayes
Bertolo
7. A urna X contém 2 bolas azuis, 2 brancas e 1 cinza, e a urna Y contém 2 bolas azuis, 1 branca e 1 cinza. Retira-se uma bola de cada urna. Calcule a probabilidade de saírem 2 bolas brancas sabendo-se que são bolas de mesma cor?
Solução
X Y
A cor da bola que sai da segunda urna não é influenciada pela cor da bola que saiu da primeira urna, isto é os eventos são independentes.
P(mesma cor) = P(BB) + P(AA) + P(C C)= P(B).P(B) + P(A).P(A) + P(C).P(C) = (2/5)(1/4) + (2/5)(2/4) + (1/5)(1/4) = (2/20)+(4/20)+(1/20) = (7/20) = 0,35 ou 35%
Agora
P BB|mesmacor ∩
2 A
2 B
1 C
2 A
1 B
1 C
Após retirar uma bola de cada urna queremos saber P(B B|mesma cor).
12 Entendendo o Teorema de Bayes
Bertolo
X 0,44 x 0,03 = 0,0132 ou 1,32% ,
,0,6256 62,56%
3%
V
97%
44%
X 0,33 x 0,01 = 0,0033 ou 0,33% ,
,0,1564 15,64%
1%
33%
J
99%
23%
13 Entendendo o Teorema de Bayes
Bertolo
X 0,23 x 0,02 = 0,0046 ou 0,46% ,
,0,2180 21,80%
2% ______________
C 0,0211 ou 2,11%
98%
Velhos
4.400 =
4.268 + 132
Jovens
3.300 =
3.267 + 33
Crianças 2.300 = 2.254 + 46
132
46
33