ELE2707: PROCESSOS ESTOCASTICOS Weiler A.

Finamore

PUC-Rio 2007.1

PROBABILIDADE CONDICIONAL

1 PROBABILIDADE CONDICIONAL
A probabilidade condicional um conceito muito importante da Teoria da Probe abilidade. O conceito envolve dois eventos 1 , A (com P (A) > 0) e B em uma situaao c em que se sabe que o evento A ocorreu. Para ser mais espec co, considere o experimento referente ao lanamento de um c dado e suponha que A = { : = face impar} e B = { : = face 3}. Se zermos a pergunta: qual a probabilidade de ocorrer a face 3? sabemos que e 1 e uma resposta obvia P (B) = 6 . Se no entanto a pergunta fosse qual a probabili e dade de ocorrer a face 3, sabendo-se que ocorreu o evento A?, no considerar a amos satisfatria a resposta anterior. o No primeiro caso estvamos interessados no evento B mas, a partir do momento que a fomos informado que A ocorreu, o evento no qual estaremos interessados no mais a e o evento B A mas sim um novo evento, BA = B A pertencente a fam de ` lia eventos AA derivada de um novo espao de amostras A = A. c Tudo se passa como se nossas observaoes ocorressem em um Espao de Amostras c c reduzido, obviamente o espao A = A. c Na verdade estes novos eventos BA = B A A adquirem uma nova probabilidade, denominada probabilidade condicional e denotada por P (B|A) 2 que deve ser mensurada com a nova medida de probabilidade P (.|A) e no mais a medida P (.). a Para encontrar a nova medida vale observar que neste espao de amostras rec duzido A , sabemos responder a pergunta qual a probabilidade de ocorrer o evento ` e A = A, sabendo-se que ocorreu o evento A?. A resposta , obviamente, P (A |A) = 1. e a E fcil entender o que foi feito: tudo se passa como se estivssemos criando uma e nova medida de probabilidades P (.|A) = PA (.), normalizando P (.), a medida de probabilidade anterior.
1 2

podendo-se ter B = A l-se: probabilidade de B dado A e

Antes t nhamos que B A eram os eventos poss veis. Agora, dado que A ocorreu, os eventos poss veis so apenas os eventos do tipo B A A . Se antes a t nhamos P () = 1 agora temos P (A |A) = P (A|A) = P (A A) = 1. P (A)

Este comentrios conduzem naturalmente a deniao de P (.|A) apresentada a ` c a seguir. DEFINICAO: Probabilidade Condicional (Def. 2.14 p.36 da apostila) P (B|A) P (A B) P (A)

a probabilidade condicional de um evento B dado um evento A. e E importante observar, que a medida de probabilidade condicional tambm e e uma medida como as demais e como tal tem as mesmas caracter sticas o que nos leva a armar: P (.|A) obedece as propriedades ` 1. P (B|A) 0 2. P (A ) = P (A|A) = 1 3. (a) P (A B|C) = P (A|C) + P (B|C) se A B = a (b) se Aik Ajk = (ik , jk ) Z+ Z+ ento

P (
k=1

Aik )|C =
k=1

P (Aik |C)

2 ALGUMAS PROPRIEDADES
Propriedades

A seguir apresentamos uma lista com algumas propriedades importantes de P (.) 1. P (A) = 1 P (A) 2. P () = 0 3. P (A) 1 4. P (A B) = P (A) + P (B) P (AB) 5. (Regra da Cadeia) Sejam A1 , A2 , . . . , An eventos quaisquer tal que P (A1 A2 . . . An ) > 0. Ento P (A1 A2 . . . An ) = P (A1 )P (A2 |A1 )P (A3 |A2 A1 ) . . . P (An |An1 An2 . . . A1 ) a As demonstraoes destas propriedades so simples. c a Antes de iniciar as demostraoes gostaria de chamar a atenao para a a nova notaao c c c (mais compacta) que acabamos de introduzir: estamos usando a notaao AB para c representar A B, i.e. AB A B

Demostraoes c

1. Temos que = A A e como A A = tem-se P () = P (A A) 1 = P (A) + P (A) Q.D.E 2. = Propr. 1 P () = 1 P ()) 3. A A = P (A) + P (A) = 1 P (A) 0 P (A) 1. 4. Faa como exerc c cio. 5. Faa como exerc c cio. Duas outras propriedades importantes, o teorema da probabilidade total (Propr. 2.9 - p.40 apostila) e a regra de Bayes (Eq. 2.62 - p.41 apostila), so apresentadas, a sem demonstraao a seguir. c

Q.E.D.

Q.E.D.

Teorema da Seja A um evento e {Bj }, j = 1, . . . , m uma partiao de . Tem-se ento que c a Probabilidade Total
m

P (A) =
j=1

P (A|Bj )P (Bj )

(1)

Examine a equaao (1) e observe que ela mostra como obter a probabilidade do c todo i.e., do evento A ou seja, a probabilidade total a partir das probabilidades de ocorrncia do evento A condicionado as causas que o provocam i.e., e ` B1 , B2 , . . . , Bm (podemos ver P (A|Bi ) como a probabilidade de A condicionado a ` hiptese de que Bi a sua causa). o e Regra de Bayes Seja, {Bj }, j = 1, . . . , m uma partiao de com P (Bj ) > 0 e o evento A com c P (A) > 0. Tem-se P (Bj |A) = P (Bj )P (A|Bj ) m k=1 P (Bk )P (A|Bk )

O Teorema de Bayes ou regra de Bayes foi demonstrado em 1763. P (B j ) so a conhecidas como probabilidades a priori (sem saber que o evento A ocorreu) e as probabilidades P (Bj |A), conhecidas como probabilidades a posteriori (i.e., dado que o evento A ocorreu). Os exemplos 2.8 e 2.9 (Apostila pp.42-44) ilustram uma utilizaao destas proc priedades. Conclu mos estas notas com a conceituaao de eventos independentes. c

3 INDEPEN DENCIA ESTAT ISTICA

Dois eventos A e B so, por deniao, estat a c sticamente independentes (Def. 2.16 Apostila p.44) quando P (A B) = P (A)P (B) Esta deniao se extende a um conjunto arbitrrio {A1 , A2 , . . . , An } de eventos. c a Observe que no basta acontecer a P (A1 , A2 , . . . , An ) = P (A1 )P (A2 ) . . . P (An ) para que se possa dizer que os eventos {A1 , A2 , . . . , An } so independentes. Verique a a Deniao 2.17 (Apostila p.45). c
3

Weiler Finamore (PE NotasDeAula03)