Prévia do material em texto
Bioestatística Introdução a probabilidade Aula 8 Probabilidade »É a medida da incerteza acerca de um evento »É um número que varia entre 0 e 1 »Quanto maior a probabilidade de um e deum evento, menor é a incerteza acerca dele Experimento determinístico »É aquele que quando realizado sob determinadas condições é possível prever o resultado particular que irá acontecer »Certeza de que o evento vai acontecer »Exemplo: Água aquecida a 1000C, sob pressão normal, entra em ebulição. Ao se soltar uma maçã do 3º andar do prédio ela caíra Experimento probabilístico (aleatório) »É aquele que quando realizado sob condições idênticas, não é possível prever, a priori, o resultado particular que irá acontecer »É possível prever o conjunto dos possíveis resultados Exemplo: Resultado de um jogo de futebol. Face obtida ao lançar uma moeda Espaço amostral »Conjunto de todos os resultados possíveis de um experimento aleatório »Notação Ω (ômega) »Experimento 1: Exame de sangue (tipo sanguíneo) Ω = {A, B, AB, O} Obs: entre “{chaves}” são exatamente os resultados citados »Experimento 2: a altura de um aluno sorteado nesta sala (em metros) Ω = [1,40; 2,00] Obs: entre “[colchetes]” considera os intervalos presentes dentro dos intervalos Eventos Bioestatística »São subconjuntos do espaço amostral (Ω), podendo ser um resultado ou um conjunto de resultados do experimento »São denotados por letras maiúsculas »Experimento: resultado de um jogo de futebol (time A vs time B) Evento: A = {time A ganhar} »Experimento: medir a altura de um aluno sorteado nesta sala (em metros) Evento: C = {aluno ter mais de 1,70 m} Evento simples »Contém apenas um elemento do espaço amostral (Ω) »Exemplo: No lançamento de uma moeda. Evento A: sair cara No lançamento de um dado. Evento B: sair face 1 Evento certo »Contém todos os elementos do espaço amostral (Ω), é um evento que sempre acontece »Exemplo: Medir a altura de um aluno desta sala. Evento D: ter mais de 1 metro. Lançamento de uma moeda. Evento E: sair cara ou coroa Evento impossível »Não contém nenhum elemento do espaço amostral (Ω), é um evento que nunca ocorre Exemplo: Medir a altura de um aluno desta sala. Evento F: ter mais de 2,5 metros. Exame de tipo sanguíneo. Evento G: Sangue do tipo “D” ®Operações com eventos Evento união »É um evento formado por elementos que estão no evento A, no evento B ou em ambos, ou seja, consiste em todos os resultados contidos nos dois eventos. »Notação: ∪ »Experimento: Lançamento de um dado A: obter face par; B: sair face 5 Evento A ∪ B = {2,4,5,6} »Sempre associado à expressão “OU” »Exemplo: -No lançamento de um dado Evento: sair face par ou face 1 -Contar nº de filhos de mulheres Evento: ter no máximo 1 filho ou ter entre 1 e 3 filhos. -Sexo de uma pessoa Evento: feminino ou masculino (evento certo) Evento interseção »É um evento formado por elementos que estão no evento A e no evento B simultaneamente. »Notação: ∩ »Experimento: Lançamento de um dado -A: obter face par; B: sair face 5 Evento 𝐴 ∩ 𝐵 = ∅ »Experimento: Contar o nº de filhos de famílias de um determinado bairro. -E: ter menos de dois filhos; F: ter entre 1 e 5 filhos Evento E ∩ F = {1} »Sempre associado à expressão “E” »Exemplo: -No lançamento de um dado Evento: sair face par e face 1 (evento impossível) -Sexo de uma pessoa Evento: feminino e masculino (evento impossível) -Contar nº de filhos de mulheres Evento: ter no máximo 1 filho e ter entre 1 e 3 filhos. Evento complementar »O evento complementar de A contém todos os elementos do espaço amostral (Ω)que não estão em A. »Notação: Ac »Não possui elementos em comum A Ç Ac = Æ » A união entre o A e o Ac é igual ao espaço amostral A È Ac = Ω Exemplo: -No lançamento de uma moeda. Eventos B: sair cara, Bc: sair coroa Se contarmos o nº de filhos de famílias Eventos E: ter menos de dois filhos, Ec: ter dois ou mais filhos. Eventos disjuntos ou mutualmente exclusivos »Não possuem elementos em comum »A inserção entre eles é um conjunto vazio »Dois eventos A e B são disjuntos quando A ∩ B = ∅ »Exemplo: -Lançamento de uma moeda. Eventos: A: sair cara, B: sair coroa - Contagem do nº de filhos. Eventos: A: ter mais de dois filhos, B: não ter filhos Exercício Considere um experimento que consiste no lançamento de um dado equilibrado. Como já foi visto, o espaço amostral é Ω = {1, 2, 3, 4, 5, 6}. Considere os seguintes eventos: A = {2, 4, 6}, B = {1, 3, 5}, C = {1, 4, 5} e D = {4}. a) Obtenha A È B, A È C e A È D Resposta: A È B = Ω; A È C = {1, 2, 4, 5, 6}; A È D = {2, 4, 6} b) Obtenha B Ç A, B Ç C e B Ç D. Resposta: B Ç A = Æ; B Ç C = {1, 5}; B Ç D = Æ c) Identifique os dois eventos disjuntos entre estes 4 e explique por que o são. Resposta: Os conjuntos B e A (porque B Ç A = Æ); e B e D (porque B Ç D = Æ ) d) Obtenha Ac, Bc, Cc e Dc. Resposta: Ac = {1, 3, 5}; Bc = {2, 4, 6}; Cc= {2, 3, 6}; Dc = {1, 2, 3, 5, 6} Probabilidade »É uma medida da incerteza associada aos resultados do experimento aleatório. »Para conseguirmos definir uma medida de probabilidade, precisamos partir dos axiomas, que são conjecturas que assumimos como verdadeiras para servir de ponto inicial para outras deduções e inferências. »Para uma medida ser chamada de probabilidade ela deve satisfazer as seguintes condições: 1. O resultado está entre zero e 1 2. Dado um experimento, a probabilidade de ocorrência do espaço amostral é igual a 1 Exemplo: Lançamento de uma moeda. Ω = {cara, coroa}. Não posso ter uma moeda em que a probabilidade de sair cara seja 0,6 e de sair coroa seja 0,5 (a soma das duas é maior que 1) 3. Se dois eventos não tem resultados em comum, a probabilidade da união deles é a soma de suas probabilidades individuais Exemplo: Lançamento de uma moeda. Evento A: sair cara, B: sair coroa. A probabilidade da união P(AUB) precisa ser igual a soma das probabilidades P(A) e P(B) Exercício Imagine uma pessoa escolhida ao acaso em um posto de saúde. Defina dois eventos: A. A pessoa escolhida é obesa B. A pessoa escolhida está no sobrepeso, mas não é obesa De acordo com estudos anteriores, P(A) = 0,32 e P(B) = 0,34. i. Explique por que os eventos A e B são disjuntos. Porque, ou a pessoa está acima do peso ou ela é obesa. ii. Diga, em linguagem simples, o que é o evento “A ou B”. Quanto é P (A U B)? Um evento A ou B é um evento união. P (A U B) = 0,66 iii. Se definimos C. Uma pessoa ter peso normal ou menos, qual é a P(C)? Resposta: P (C) = 1 - P (A U B) = 1 - 0,66 = 0,34 Como atribuir probabilidade a um evento? Existem 3 formas: Clássica »Assume que todos os elementos do espaço amostral têm chance de ocorrer. »Então a probabilidade de ocorrência de um evento A é: »Exemplo: Lançamento de um dado. Ω = {1, 2, 3, 4, 5, 6}. Supondo que os seis elementos do meu espaço amostral tenham a mesma chance de ocorrer, ou seja, P({1})=P({2})=P({3})=P({4})=P({5})=P({6 })=1/6, a probabilidade de ocorrência do evento A: sair face par é P(A)=3/6. Frequentista »É usada quando os elementos do espaço amostral não têm a mesma probabilidade de ocorrer »Nesse caso, estimamos a probabilidade através da frequência da ocorrência de um evento em um grande número de repetições de determinado experimento. A probabilidade de ocorrência de um evento A é: Exercício O gestor de um supermercado quer saber a probabilidade de um cliente pagar com cartão de crédito e também a probabilidade de pagar com cartão de débito. Dos 1728 clientes que passaram pelo caixa em uma semana, 864 optaram pelo cartão de crédito como forma de pagamento e 174 pagaram pelo débito. Calcule as probabilidades pedidas. Resposta: Crédito: 864 / 1728 = 0,5- 50% Debito: 174 / 1728 = 0,1 - 10% Subjetiva »A probabilidade de ocorrência de um evento A é estimada como o número entre 0 e 1 que representa um ponto de vista pessoal sobre a possibilidade de ocorrer determinados eventos. »Exemplos: -Um empresário abre um restaurante em uma cidade turística, acreditando que a probabilidade subjetiva de sucesso é 0,8 (otimista!) -Avaliar a probabilidade de chover ao decorrer do dia, sem consultar sites. Probabilidade condicional »É utilizada para calcular a probabilidade de um evento, restrito a uma determinada condição. Ou seja, haverá uma condição que vai restringir o espaço amostral. »A ocorrência de um outro evento muda a forma de calcular a probabilidade. » A probabilidade condicional do evento A dado que o evento B ocorreu é denotada por 𝑃 𝐴|𝐵 e calculada como »A motivação para o uso da probabilidade condicional é o fato de que a probabilidade de um evento A pode se alterar quando se dispõe de uma informação sobre a ocorrência de outro evento associado. Exercício Distribuição de um conjunto de pacientes segundo peso e pressão arterial Calcule: a. A probabilidade de uma pessoa escolhida ao acaso ter excesso de peso. Resposta: P(Ex) = 25/100 Obs: Ex = Excesso de peso b. Considerando que a pessoa escolhida tenha excesso de peso qual a probabilidade de ter pressão elevada? Resposta: P (Pe | Ex) = 10/25 Obs: Pe =Pressão elevada c. A probabilidade de uma pessoa ter peso normal e pressão elevada ao mesmo tempo Resposta: P (Pn Ç Pe) = 8/100 Obs: Pn = Peso normal Modelos probabilísticos Variável aleatória »Função que atribui um valor (ou letra, como no caso das variáveis qualitativas) a cada resultado do espaço amostral de um experimento aleatório »Exemplo: X = Sexo de um paciente selecionado aleatoriamente O espaço amostral é Ω = {F, M}. X pode assumir os valores F ou M, ou ainda códigos que os representem, como 1 para Masculino e 2 para feminino Distribuição de probabilidade » Não sabemos exatamente qual valor será assumido pela variável, sabemos somente o conjunto de valores que ela pode assumir. Por isso ela é aleatória. »Para descrever o comportamento de uma variável precisamos dos valores que ela pode assumir e das frequências de ocorrência de cada um deles, ou seja, da distribuição de probabilidade da variável. »A distribuição de probabilidade de uma variável vai depender do tipo da mesma: se ela é discreta (assume valores inteiros ou um número contável de resultados possíveis), ou contínua (assume valores em um intervalo dos números reais). Função discreta de probabilidade »Consiste em atribuir uma probabilidade a cada valor a ser assumido por uma variável aleatória discreta. A soma das probabilidades precisa ser igual a 1 »Exemplo: Uma população de 1000 crianças foi analisada num estudo para determinar a efetividade de uma vacina contra um tipo de alergia. No estudo, as crianças recebiam uma dose de vacina e, após um mês, passavam por um novo teste. Caso ainda tivessem tido alguma reação alérgica, recebiam outra dose de vacina. Ao fim de 5 doses todas as crianças foram consideradas imunizadas. Os resultados completos estão na tabela a seguir: Ou seja, é mais provável que as crianças fiquem imunizadas com duas ou três doses. Modelo probabilístico »Função que atribui probabilidades aos possíveis valores de uma variável aleatória Exemplo: Em um estudo sobre incidência de câncer foi registrado, para cada paciente com este diagnóstico, o número de casos de câncer em parentes próximos (pais, irmãos, tios, filhos, primos e sobrinhos). Os dados de 26 pacientes são os seguintes: Tabela: