You are on page 1of 3

Probabilidades. Continuao 5.

PROBABILIDADE CONDICIONAL (Baseado em Wilks, 1995, cap 12) muito comum estarmos interessados na probabilidade de um evento, dado que algum outro ir acontecer. Por exemplo, a probabilidade de granizo ocorrer, dado que precipitao ir ocorrer; ou a probabilidade de ventos acima de um certo limiar, dada a aproximao de um centro de baixa presso. Estes exemplos so probabilidades condicionais. O evento que precisa ser dado chamado EVENTO CONDICIONANTE. A notao convencional para probabilidade condicional uma linha vertical, assim denotando {E1} como o evento de interesse e {E2} como o evento condicionador, podemos escrever: Pr{ E1|E2 } = Pr{ E1 dado que E2 ocorreu ou ir ocorrer} (5.1) Se o evento {E2} ocorreu ou ir ocorrer, a probabilidade de {E1} uma probabilidade condicional Pr{E1|E2} se o evento condicionante no ocorreu ou no ir ocorrer, isso por si s no fornece qualquer informao sobre a probabilidade de {E1} Mais formalmente, a probabilidade condicional definida em termos da interseco de um evento de interesse com o evento condicionante, de acordo com : Pr{ E1 E 2} = Pr{ E1 E 2} , Pr{ E 2} (5.2)

Garantido, entretanto, que a probabilidade do evento condicionante no zero. Por exemplo, no h sentido em se procurar a probabilidade de ventos acima de 100km/h ocorrerem na passagem de um furaco sobre o deserto do Sahara! Intuitivamente, faz sentido que as probabilidades condicionais estejam relacionadas probabilidade conjunta dos dois eventos em questo, Pr{E1E2}. Novamente, mais fcil entender esse problema olhando para um diagrama de Venn (Fig. 5.1).
S S=E2
E1 E2 E1 E2

Fig.5.1. Ilustrao da definio de probabilidade condicional (veja texto). Na Fig. 5.1 vemos que a probabilidade INCONDICIONAL de {E1} a frao da rea S ocupada por {E1} no diagrama esquerda. Por exemplo, essa poderia ser considerada a probabilidade de ocorrncia de ventos acima de 100km/h em uma dada regio. Condicionla a {E2} significa considerar um novo espao amostral S composto apenas por {E2}, uma

E1 | E2

vez que isso significa que nos estamos preocupados apenas com ocasies em que {E2} ocorre (por exemplo, {E2} poderia ser a passagem das baixas extratropicais sobre o continente). Estamos, na realidade, jogando fora toda a parte do espao amostral S que no contm {E2}. Portanto, a probabilidade condicional Pr{E1|E2} dada pela proporo da rea do novo espao amostral S ocupado por ambos {E1} e {E2}. Esta proporo calculada na Eq. 5.2. Se o evento condicionante e o evento de interesse forem mutuamente exclusivos, a probabilidade CLARAMENTE DEVE SER ZERO, uma vez que a probabilidade conjunta de ambos zero. Por exemplo, a probabilidade de ocorrncia de precipitao acima de 10mm/dia dado que no existe precipitao certamente igual a zero! 5.2. Independncia. Rearranjando a definio de probabilidade condicional da Eq. 5.2, tem-se uma expresso conhecida como LEI MULTIPLICATIVA DE PROBABILIDADE: Pr{E1E2} = Pr{E1|E2}Pr{E2}=Pr{E2|E1}Pr{E1} (5.3)

Dois eventos so ditos independentes se a ocorrncia ou no-ocorrncia de um no afeta a probabilidade do outro. Por exemplo, se algum rolar um dado vermelho e um dado branco, o que sair em um independe do que sair no outro. Ou seja, as sadas de dois dados diferentes so independentes. Independncia entre {E1} e {E2} implica em em Pr{E1| E2}=Pr{E1} e Pr{E2|E1} = Pr{E2}. Independncia de eventos faz os clculos de probabilidades conjuntas particularmente fcil, uma vez que a lei multiplicativa reduz-se a: Pr{E1E2} = Pr{E1}Pr{E2}, para {E1} e {E2} independentes (5.4) Esta equao pode ser estendida facilmente para o clculo das probabilidades conjuntas para mais que 2 eventos independentes, simplesmente multiplicando-se todas as probabilidades de eventos incondicionais. Exemplos (Wilks, cap 14). Vamos utilizar os exemplos do Wilks, cap 14 para ilustrar em aula e depois faremos exerccios para casa com os dados fornecidos para o Brasil neste curso. Ex. 1 Frequncia relativa condicional: Considere a estimativa climatologica (isto , a freqncia relativa de longo tempo) para estimar probabilidades usando a Tab. A1 fornecida por Wilks. Nesta tabela esto tabuladas a precipitao em polegadas (inches) e a temperatura em Farenheit (oF). Embora essas unidades no sejam aceitas no sistema internacional, continuam a ser adotadas sobretudo nos Estados Unidos, Reino Unido e Austrlia (para o desespero do resto do mundo!). Lembrem-se que 1 polegada (inch ou in) aproximadamente 25.4mm e que 0oC equivale a 32oF e 100oC a 212oF. Vamos supor que temos interesse em estimar a probabilidade de pelo menos 0.01 (ou 0.254 mm) de precipitao em Ithaca em Janeiro, dada a temperatura mnima de pelo menos 0oF (-17.78C). Fisicamente, poderamos esperar que estes dois eventos estivessem relacionados uma vez que temperaturas muito frias tipicamente ocorrem em noites claras, e a ocorrncia de precipitao depende da existncia de nuvens. Esta relao tpica por si s

nos leva a esperar que estes dois eventos estariam estatisticamente relacionados (isto , no seriam independentes) e que as probabilidades condicionais de precipitao dado diferentes condies de temperatura diferenciar-se-o umas das outras e tambm com respeito probabilidade incondicional. Em particular, tendo como base nosso conhecimento dos processos fsicos que determinam os fenmenos que queremos relacionar estatisticamente (o que sempre desejvel), podemos esperar que a probabilidade de precipitao, dado uma temperatura mnima de 0oF ou mais alta ser maior que a probabilidade condicional dado o evento complementar de temperatura mnima mais fria que 0oF. Para estimar a freqncia relativa condicional, estamos interessados apenas naqueles dados para os quais a temperatura mnima de Ithaca foi pelo menos 0oF. Existem 24 desses dias na Tabela A1. Destes 24 dias, 14 mostram precipitao mensurvel (ppt), dando uma estimativa Pr{ppt 0.01 in.)| Tmin 0oF} = 14/24 0.48. As diferenas nas estimativas da probabilidade condicional calculadas no Exemplo 2.1 refletem dependncia estatstica. Uma vez que os processos fsicos relacionando as duas variveis so compreendidos, no estaramos tentados a especular que temperaturas mnimas mais quentes poderiam de alguma maneira causar precipitao. Na realidade, temperatura e precipitao mostram uma relao estatstica por estarem relacionadas com as nuvens (embora de maneira diferente). Quando tratando com dependncia estatstica cujas relaes fsicas podem no ser entendidas, bom lembrar que dependncia ESTATSTICA NO NECESSARIAMENTE IMPLICA EM UMA RELAO FSICA DE CAUSA-E-EFEITO.