Aula prática 2 Exercícios previstos: 2.18, 2.
20
Exercícios previstos próxima aula: 3.2, 3.6, 3.7
Exercício 2.18 [Probabilidade condicionada, lei da probabilidade total, teorema de Bayes.]
Um geólogo crê que existe petróleo numa certa região com probabilidade 0.8 e que, caso haja petróleo, a
probabilidade de sair petróleo na primeira perfuração é de 0.5.
(a) Qual a probabilidade de sair petróleo na primeira perfuração?
• Quadro de eventos e probabilidades
Evento Probabilidade
E = {existe petróleo} P (E ) = 0.8
P = {sair petróleo na primeira perfuração} P (P ) = ?
P (P | E ) = 0.5
P (P | E ) = 0
• Prob. pedida
Os acontecimentos E e E constituem uma partição do espaço de resultados Ω.
Tirando partido desta partição e da lei da probabilidade total, tem-se:
P (P ) = P (P | E ) × P (E ) + P (P | E ) × P (E )
= 0.5 × 0.8 + 0 × 0.2
= 0.4.
(b) Tendo-se procedido à primeira perfuração da qual não resultou petróleo, qual é a nova probabilidade
atribuída à existência de petróleo na região?
• Prob. pedida
Invocando o teorema de Bayes, obtemos:
P ( P | E ) × P (E )
P (E | P ) =
P (P )
[1 − P (P | E )] × P (E )
=
1 − P (P )
(a) (1 − 0.5) × 0.8
=
1 − 0.4
2
= .
3
Exercício 2.20 [Teorema de Bayes, independência condicional.]
Para um certo tipo de cancro a taxa de prevalência (proporção de doentes na população em geral) é 0.005. Um teste
diagnóstico para esta doença é tal que:
– a probabilidade do teste resultar positivo quando aplicado a um indivíduo com cancro (sensibilidade do teste)
é 0.99;
– a probabilidade do teste resultar negativo quando o indivíduo não tem cancro (especificidade do teste) é 0.95.
(a) Calcule o valor preditivo do teste, isto é, a probabilidade de um indivíduo ter cancro sabendo que o teste
resultou positivo.
Página 1
• Quadro de eventos e probabilidades
Evento Probabilidade
C = {paciente com cancro} P (C ) = prevalência da doença = 0.005
T = {teste positivo} P (T ) = ?
P (T | C ) = sensibilidade do teste = 0.99
P ( T | C ) = especificidade do teste = 0.95
• Prob. pedida
Teo. B a yes P (T | C ) × P (C )
P (C | T ) =
P (T )
P (T | C ) × P (C )
=
P (T | C ) × P (C ) + P (T | C ) × P (C )
P (T | C ) × P (C )
=
P (T | C ) × P (C ) + [1 − P (T | C )] × [1 − P (C )]
0.99 × 0.005
=
0.99 × 0.005 + (1 − 0.95) × (1 − 0.005)
' 0.0905.
• Comentário
O valor preditivo do teste é muito baixo.
(b) Supondo que o teste foi aplicado duas vezes consecutivas ao mesmo doente e que das duas vezes o resultado
foi positivo, calcule a probabilidade do doente ter cancro (admita que, dado o estado do indivíduo, os
resultados do teste em sucessivas aplicações, em qualquer indivíduo, são independentes). O que pode
concluir quanto ao valor preditivo da aplicação do teste duas vezes consecutivas?
• Prob. pedidas
Ao invocarmos o teorema de Bayes, bem como a independência condicional, que se traduz em
T1 | C ⊥⊥ T2 | C
T1 | C ⊥⊥ T2 | C ,
i.e.,
P [(T1 ∩ T2 ) | C ] = P (T1 | C ) × P (T2 | C )
P [(T1 ∩ T2 ) | C ] = P (T1 | C ) × P (T2 | C ),
o valor preditivo de dois testes aplicados consecutivamente é dado por
Teo. B a yes P [(T1 ∩ T2 ) | C ] × P (C )
P [C | (T1 ∩ T2 )] =
P (T1 ∩ T2 )
P [(T1 ∩ T2 ) | C ] × P (C )
=
P [(T1 ∩ T2 ) | C ] × P (C ) + P [(T1 ∩ T2 ) | C ] × P (C )
i nd ep. cond . P (T1 | C ) × P (T2 | C ) × P (C )
=
P (T1 | C ) × P (T2 | C ) × P (C ) + P (T1 | C ) × P (T2 | C ) × P (C )
P (T1 | C ) × P (T2 | C ) × P (C )
=
P (T1 | C ) × P (T2 | C ) × P (C ) + [1 − P (T1 | C )] × [1 − P (T2 | C )] × [1 − P (C )]
0.99 × 0.99 × 0.005
=
0.99 × 0.99 × 0.005 + (1 − 0.95) × (1 − 0.95) × (1 − 0.005)
' 0.6633.
• Comentário
O valor preditivo aumentou substancialmente ao aplicarmos dois testes consecutivos.
Página 2
