Explicação do teorema de Bayes, aplicações, exercícios

3220
Simon Doyle

O Teorema de Bayes é um procedimento que nos permite expressar a probabilidade condicional de um evento aleatório A dado B, em termos da distribuição de probabilidade do evento B dado A e a distribuição de probabilidade de apenas A.

Este teorema é muito útil, pois graças a ele podemos relacionar a probabilidade de que um evento A ocorra sabendo que B ocorreu, com a probabilidade de que ocorra o contrário, ou seja, de que B ocorra dado A.

O teorema de Bayes foi uma proposição de prata do reverendo Thomas Bayes, um teólogo inglês do século 18 que também era um matemático. Foi autor de diversos trabalhos em teologia, mas atualmente é conhecido por alguns tratados matemáticos, entre os quais se destaca como principal resultado o já citado Teorema de Bayes..

Bayes tratou desse teorema em uma obra intitulada "Um ensaio para a solução de um problema na doutrina das chances", publicada em 1763, e na qual se desenvolveram numerosos estudos com aplicações em diversas áreas do conhecimento.

Índice do artigo

  • 1 explicação
  • 2 Aplicações do Teorema de Bayes
    • 2.1 Exercícios resolvidos
  • 3 referências

Explicação

Em primeiro lugar, para uma melhor compreensão deste teorema, algumas noções básicas da teoria da probabilidade são necessárias, especialmente o teorema da multiplicação para probabilidade condicional, que afirma que

Para eventos arbitrários E e A de um espaço amostral S.

E a definição de partições, que nos diz que se tivermos A1 ,PARAdois,… , PARAn eventos de um espaço amostral S, estes formarão uma partição de S, se o Aeu são mutuamente exclusivos e sua união é S.

Diante disso, seja B outro evento. Então podemos ver B como

Onde o Aeu intersectados com B são eventos mutuamente exclusivos.

E, consequentemente,

Então, aplicando o teorema da multiplicação

Por outro lado, a probabilidade condicional de Ai dado B é definida por

Substituindo de forma adequada, temos isso para qualquer i

Aplicações do Teorema de Bayes

Graças a esse resultado, grupos de pesquisa e diversas corporações conseguiram aprimorar sistemas baseados no conhecimento..

Por exemplo, no estudo das doenças, o teorema de Bayes pode ajudar a discernir a probabilidade de uma doença ser encontrada em um grupo de pessoas com uma determinada característica, tomando como dados as taxas globais da doença e a predominância dessas características em ambos. pessoas saudáveis ​​e doentes.

Por outro lado, no mundo das altas tecnologias, tem influenciado grandes empresas que desenvolveram, graças a este resultado, softwares "Knowledge-Based".

Como exemplo diário, temos o assistente do Microsoft Office. O teorema de Bayes ajuda o software a avaliar os problemas que o usuário apresenta e a determinar quais conselhos fornecer e, assim, ser capaz de oferecer um serviço melhor de acordo com os hábitos do usuário..

Ressalta-se que essa fórmula foi ignorada até tempos recentes, principalmente porque quando esse resultado foi desenvolvido há 200 anos, havia pouca utilidade prática para eles. Porém, em nosso tempo, graças aos grandes avanços tecnológicos, os cientistas têm encontrado formas de colocar esse resultado em prática..

Exercícios resolvidos

Exercício 1

Uma empresa de telefonia celular possui duas máquinas A e B. 54% dos telefones celulares produzidos são feitos pela máquina A e o restante pela máquina B. Nem todos os telefones celulares produzidos estão em boas condições..

A proporção de telefones celulares defeituosos fabricados por A é 0,2 e por B é 0,5. Qual é a probabilidade de um celular daquela fábrica estar com defeito? Qual é a probabilidade de que, sabendo que um celular está com defeito, ele venha da máquina A?

Solução

Aqui, você tem um experimento executado em duas partes; na primeira parte ocorrem os eventos:

A: célula feita pela máquina A.

B: célula feita pela máquina B.

Como a máquina A produz 54% dos telefones celulares e o restante é produzido pela máquina B, segue-se que a máquina B produz 46% dos telefones celulares. As probabilidades desses eventos são dadas, a saber:

P (A) = 0,54.

P (B) = 0,46.

Os eventos da segunda parte do experimento são:

D: telefone celular com defeito.

E: celular sem defeito.

Conforme afirmado no comunicado, as probabilidades desses eventos dependem do resultado obtido na primeira parte:

P (D | A) = 0,2.

P (D | B) = 0,5.

Utilizando esses valores, também podem ser determinadas as probabilidades dos complementos desses eventos, ou seja:

P (E | A) = 1 - P (D | A)

= 1 - 0,2

= 0,8

Y

p (E | B) = 1 - P (D | B)

= 1 - 0,5

= 0,5.

Agora o evento D pode ser escrito da seguinte forma:

Usando o Teorema de Multiplicação para resultados de probabilidade condicional:

Com o qual a primeira pergunta é respondida.

Agora só precisamos calcular P (A | D), para o qual o Teorema de Bayes é aplicado:

Graças ao Teorema de Bayes, pode-se afirmar que a probabilidade de um celular ter sido feito pela máquina A, sabendo que o celular está com defeito, é de 0,319.

Exercício 2

Três caixas contêm bolas pretas e brancas. A composição de cada um deles é a seguinte: U1 = 3B, 1N, U2 = 2B, 2N, U3 = 1B, 3N.

Uma das caixas é escolhida aleatoriamente e uma bola é sorteada aleatoriamente e acaba sendo branca. Qual é a caixa com maior probabilidade de ter sido escolhida?

Solução

Usando U1, U2 e U3, também representaremos a caixa escolhida.

Esses eventos constituem uma partição de S e verifica-se que P (U1) = P (U2) = P (U3) = 1/3 já que a escolha da caixa é aleatória.

Se B = a bola sorteada é branca, teremos P (B | U1) = 3/4, P (B | U2) = 2/4, P (B | U3) = 1/4 .

O que queremos obter é a probabilidade de que a bola tenha sido retirada da caixa Ui sabendo que a dita bola era branca, ou seja, P (Ui | B), e ver qual dos três valores era o mais alto para saber de qual caixa provavelmente foi a extração da bola branca.

Aplicando o teorema de Bayes à primeira das caixas:

E para os outros dois:

P (U2 | B) = 2/6 e P (U3 | B) = 1/6.

Então, a primeira das caixas é a que tem maior probabilidade de ter sido escolhida para a extração da bola branca..

Referências

  1. Kai Lai Chung. Teoria de Proabilidade Elementar com Processos Estocásticos. Springer-Verlag New York Inc
  2. Kenneth.H. Rosen, Discrete Mathematics and its Applications. S.A. MCGRAW-HILL / INTERAMERICANA DE ESPAÑA.
  3. Paul L. Meyer. Probabilidade e aplicações estatísticas. S.A. MEXICAN ALHAMBRA.
  4. Seymour Lipschutz Ph.D. 2000 Solved Problems of Discrete Mathematics. McGRAW-HILL.
  5. Seymour Lipschutz Ph.D. Teoria e problemas de probabilidade. McGRAW-HILL.

Ainda sem comentários