UNIFEI

Instituto de Matemática e Computação

Notas de Aula - Semana 2- RTE
Profs. Nancy Chachapoyas e José Vidarte
MAT013 Probabilidade e Estatística

1 Probabilidade Condicional e Independência

Em alguns problemas de probabilidade, podemos encontrar a probabilidade de que um evento
A tenha ocorrido quando se sabe( ou quando é dado) que um evento B ocorreu.

Dados dois eventos A e B, a probabilidade de que o evento A ocorra, dado que o evento B já
ocorreu, é a probabilidade condicionada de A, denotada por P (A|B).

Definição 1.1 A probabilidade condicional de A dado B, é obtida simplesmente fazendo de B

um novo espaço amostral, algumas vezes conhecido como espaço amostral induzido, e, então
calculando-se a fração da probabilidade de B que está em A ∩ B isto é,

P (A ∩ B)
P (A|B) = , P (B) > 0.
P (B)

Observação 1.2 Similarmente, escrevemos a probabilidade da ocorrência de B, condicionada à

ocorrência de A, denotada por P (B|A), lê-se probabilidade de B dado que A tenha ocorrido.

Exemplo 1.3 Suponha que existam 10 rótulos de papel que podem ser distinguidos pelo número
e pela cor: por exemplo, os rótulos numerados por 1, 2, 3 são amarelos e os restantes brancos. Se
todos forem colocados em uma urna e retirados ao acaso ( a probabilidade de extrair um rótulo
particular é 1/10). Se, porém, após retirar um rótulo ao acaso, ele for amarelo, como calcular a
probabilidade de que o rótulo número 1, seja extraído?

Solução:
Sejam os eventos:
F = { Extraer o rótulo nro 1}
E = {Extrair o rótulo cor Amarelo}. A probabilidade condicional a ser calculada é

1
P (E ∩ F ) 10 1
P (F |E) = = 3 =
P (E) 10
3

Observação 1.4 Notemos agora que o número possíveis de acontecimentos favoráveis está agora
reduzido de 10 para 3; ou seja, o espaço induzido é E e calculamos a probabilidade de ter o rótulo

1
1, sobre o espaço amostral induzido. Assim

Número de casos favoráveis aos eventos: rótulo n◦ 1 e amarelo

P (F |E) =
Número de casos favoráveis ao evento: amarelo
1
=
3

Exemplo 1.5 Dois dados equilibrados são lançados, registrando-se o resultado como (x1 , x2 ),
onde xi é o resultado do i-ésimo dado, i = 1, 2. Por isso, o espaço amostral S pode ser representado
pela seguinte lista  


 (1, 1) (1, 2) . . . (1, 6) 


 
 (2, 1) (2, 2) . . . (2, 6) 
 
S= .. .. 


 . .  

 
 (6, 1) (6, 2) . . . (6, 6) 

de 36 elementos.
Considere os eventos: A = {(x, y)|x > Y }, B = {(x, y)|x + y = 7}. Calcular

P (B|A)

Solução: Temos que A = {(2, 1), (3, 1), (3, 2), (4, 1), (4, 2), (4, 3), . . . , (6, 5)} tem 15 elementos.
Temos que B = {(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1)} tem 6 elementos.
Para usar a Eq. (??), temos que ter P (A) = 15/36, 6/36, A ∩ B = {(4, 3), (5, 2), (6, 1)},
P (A ∩ B) = 3/36. Então
P (A ∩ B) 3/36 1
P (B|A) = = = .
P (A) 15/36 5

Observação 1.6 Quando calculamos P (B|A), de forma direta vemos que espaço amostral ficou
reduzido para o evento A. Assim
3 1
P (B|A) = = .
15 5

2 Probabilidade condicional como lei de probabilidade

É interessante notar que a probabilidade condicional definida acima realmente define uma lei
de probabilidade, ou seja, a função que associa a cada evento A ⊂ S o número P (B|A) satisfaz
os axiomas (regras) de probabilidade.

Proposição 2.1 Seja P uma função de probabilidade e A um evento de S tal que P (A) > 0.
Então as probabilidades condicionadas satisfazem:
0
(P1 ) 0 ≤ P (B|A) ≤ 1.
0
(P2 ) P (A|A) = 1.

2
 0
(P3 ) P (B1 ∪ B2 |A) = P (B1 |A) + P (B2 |A), se B1 ∩ B2 = ∅.
Esta propriedade pode ser generalizada para uma união arbitrária de uma família de eventos
{B1 , B2 , B3 . . .} mutuamente excludentes (ou exclusivos) dois a dois, Bi ∩ Bj = ∅, i 6= j.
Assim
P (B1 ∪ B2 ∪ B3 . . . |A) = P (B1 |A) + P (B2 |A) + P (B3 |A) + . . . .

Teorema 2.2 (Teorema da Multiplicação ou Teorema da Probabilidade Composta) .

• P (A ∩ B) = P (A)P (B|A) = P (B)P (A|B), A, B ∈ S.

• Na forma mais geral temos:

P (A1 ∩ A2 ∩ . . . An ) = P (A1 )P (A2 |A1 )P (A3 |A1 ∩ A2 )P (A4 |A1 ∩ A2 ∩ A3 ) . . . P (An |A1 ∩ . . . An−1 ).

Exemplo 2.3 Se um avião está presente em determinada área, um radar detecta a presença com
probabilidade 0, 99. No entanto, se o avião não está presente, o radar detecta erradamente a
presença de um avião com probabilidade 0, 02. A probabilidade de um avião estar presente nesta
área é de 0, 05. Qual é a probabilidade de um falso alarme? Qual é a probabilidade de o radar
deixar de detectar o avião?

Solução: Vamos definir os seguintes eventos e seus complementares

A=“avião presente”, A=“avião não está presente”
D=“radar detecta presença de avião ”, D=“radar não detecta avião”.
Então:
(D ∩ A) é o evento falso alarme (radar detecta presença de avião e o avião não está presente) e
(D ∩ A) é o evento radar deixa de detectar o avião.
Por dado temos as seguintes informações:
P (D|A) = 0, 99, P (D|A) = 0, 02, P (A) = 0, 05

0, 99
|A) = D
P (D
A
,0 5
=0 P (D
C) |A) =
P( 0, 01 D

P( , 02
K) |A )=0 D
=0
, 95 P (D
A
P (D
|A) =
0, 98 D

Por lei do evento complementar, temos que

P (D|A) = 0, 01, P (D|A) = 0, 98, P (A) = 0, 05

3
 Usando a regra de mutiplicação, temos:

P (D ∩ A) = P (A)P (D|A) = 0, 95 × 0, 02 = 0, 019.

P (D ∩ A) = P (A)P (D|A) = 0, 05 × 0, 01 = 0, 0005

Exemplo 2.4 Uma moeda é jogada duas vezes. Supondo que todos os quatros pontos no espaço
amostral S = {(h, h), (h, t), (t, h), (t, t)} sejam igualmente prováveis, onde h representa cara e t
representa coroa, qual é a probabilidade condicional de que dê cara em ambas jogadas, dado que
(a) dê cara na primeira jogada? (b) dê cara em pelo menos uma das jogadas?

Solução: Sejam os eventos

B = {(h, h)} o evento em que ambas as jogadas dão cara;
F = {(h, h), (h, t)} o evento que dá cara na primeira moeda, e
A = {(h, h), (h, t), (t, h)} o evento em dá cara em pelo menos uma jogada.
A probabilidade referente à letra (a) pode ser obtida de

P (B ∩ F )
P (B|F ) =
P (F )
1/4
= = 1/2.
2/4

Para a letra (b), temos

P (B ∩ A)
P (B|A) =
P (A)
1/4
= = 1/3.
3/4

3 Eventos Independentes
Já consideramos eventos A e B que não podem ocorrer conjuntamente, isto é, A ∩ B =
∅. Tais eventos são denominados mutuamente excludentes, ou imcompatíveis. Observamos que
se A e B forem mutuamente excludentes, então P (A|B) = 0, porque a ocorrência dada de B
impede a ocorrência de A. No outro extremo, temos a situação já estudada, na qual B ⊂ A e
consequêntemente, P (A|B) = 1.
Em cada uma das situações mencionadas, saber que B já ocorreu nos da alguma informação
bastante definida referente á probabilidade de ocorrência de A. Existem, porém, muitas situações
nas quais saber que algum evento B ocorreu não tem qualquer interesse quando á ocorrência ou
não ocorrência A.

4
Definição 3.1 Os eventos aleatórios A e B são independentes se:

P (A ∩ B) = P (A).P (B)

Se a igualdade não se verifica, diz-se que as variáveis são dependentes entre si.

Observação 3.2 Como consequência da igualdade de eventos independientes, se P (A) 6= 0 temos

P (B ∩ A)
P (B|A) =
P (A)
P (B).P (A)
=
P (A)
= P (B),

ou seja
P (B|A) = P (B) e P (A|B) = P (A)

Esta última fórmula é ligeiramente mais intuitiva, porque diz precisamente o que se tinha
tentado dizer antes: que A e B serão independentes se o conhecimento da ocorrência de A de
nenhum modo influenciar a probabilidade da ocorrência de B ou viceversa.

Observação 3.3 Temos o seguinte:

• Eventos de probabilidade zero o um são independentes de qualquer outro:

Se P (A) = 0, então P (A ∩ B) = 0 e A e B são independentes, ∀B ⊂ S.
Se P (B) = 1, então P (A ∩ B) = P (A) − P (A ∩ B c ) e, como A ∩ B c ⊂ B c implica
P (A ∩ B c ) ≤ P (B c ) = 0, temos P (A ∩ B c ) = 0 e P (A ∩ B) = P (A)P (B). Logo, A e B são
independentes, ∀A ⊂ S

• A é independente de si mesmo se, e somente se, P (A) = 0 ou P (A) = 1. De fato P (A) =

P (A ∩ A) = P (A)P (A) ⇔ P (A) = 0 ou P (A) = 1.

Exemplo 3.4 Suponhamos que um dado honesto seja jogado duas vezes. Definamos os eventos

A ={o primeiro dado mostra um número par}

A ={o segundo dado mostra um 5 ou 6}

É intuitivamente comprensível que os eventos A e B são inteiramente não relacionado. Saber

que B ocorreu não fornece qualquer informação sobre a ocorrência de A. De fato, o seguinte cálculo

5
mostra isso. Tomando nosso espaço amostral
 


 (1, 1) (1, 2) (1, 3) (1, 4) (1, 5) (1, 6) 


 
(2, 1) (2, 2) (2, 3) (2, 4) (2, 5) (2, 6) 

 

 


 

 (3, 1) (3, 2) (3, 3) (3, 4) (3, 5) (3, 6) 
S= .


 (4, 1) (4, 2) (4, 3) (4, 4) (4, 5) (4, 6) 


 
(5, 1) (5, 2) (5, 3) (5, 4) (5, 5) (5, 6) 

 

 


 

 (6, 1) (6, 2) (6, 3) (6, 4) (6, 5) (6, 6) 

18
Temos que P (A) = 36 = 21 , P (B) = 12
36 = 13 , enquanto P (A ∩ B) = 6
36 = 16 . Consequêntemente,

1
P (A ∩ B) 6 1
P (A|B) = = 1 = = P (A)
P (B) 3
2
Similarmente,

1
P (B ∩ A) 6 1
P (B|A) = = 1 =
P (A) 2
3

Observação 3.5 Daí, poderíamos ser tentados a dizer que dois eventos A e B serão indepen-
dentes se, e somente se, P (A|B) = P (A) e P (B|A) = P (A). Muito embora isso pudesse se
essencialmente apropriado, existe outra forma de colocar a questão que contorna a dificuldade
encontra aqui, a saber, que P (A) como P (B) deve ser não nulos para que as igualdades acima
tenha significado.

Exemplo 3.6 No lançamento de dois dados honestos temos

 


 (1, 1) (1, 2) (1, 3) (1, 4) (1, 5) (1, 6) 


 
(2, 1) (2, 2) (2, 3) (2, 4) (2, 5) (2, 6) 

 

 


 

 (3, 1) (3, 2) (3, 3) (3, 4) (3, 5) (3, 6) 
S= .


 (4, 1) (4, 2) (4, 3) (4, 4) (4, 5) (4, 6) 


 
(5, 1) (5, 2) (5, 3) (5, 4) (5, 5) (5, 6) 

 

 


 

 (6, 1) (6, 2) (6, 3) (6, 4) (6, 5) (6, 6) 

Sejam os eventos
A = {(x, y) ∈ Ω|x > y} e B = {(x, y) ∈ Ω|x + y = 7}.
Temos que P (B|A) = 1/5 e P (B) = 1/6. Assim, os eventos A e B são dependentes entre si.

Mas se no mesmo espaço amostral consideramos os eventos

C = {(x, y)| ≤ 3} e D = {(x, y)|y ≤ 3}, temos que P (C) = P (D) = 1/2, P (C ∩ D) = 1/4. Daí,
C e D são independentes.

Exemplo 3.7 Suponha que joguemos dois dados. Defina-se os eventos A, B e C da seguinte
forma:

6
 A ={ O primeiro dado mostra um número par },
B ={o segundo dado mostra um número ímpar},
C ={ ambos os dados mostram números ímpares ou ambos mostram números pares}.
Temos P (A) = P (B) = P (C) = 1/2. Além disso, P (A ∩ B) = P (A ∩ C) = P (B ∩ C) =
1/4. Portanto, os três eventos são independentes dois a dois. Contudo, P (A ∩ B ∩ C) = 0 6=
P (A)P (B)P (C).

Este exemplo sugere a seguinte definição.

Definição 3.8 Diremos que os três eventos A, B e C são mutuamente independentes se, e so-
mente se, todas as condições forem válidas:

(i) P (A ∩ B) = P (A)P (B) (iii) P (B ∩ C) = P (B)P (C)

(ii) P (A ∩ C) = P (A)P (C) (iv) P (A ∩ B ∩ C) = P (A)P (B)P (C)

De forma geral temos que n eventos são independentes se são independentes 2 a 2, 3 a 3 , . . . ,

n a n, como segue na seguinte definição.

Definição 3.9 Os n eventos A1 , A2 , . . . , An serão mutuamente independente se, e somente se,

tivermos para k = 2, 3, . . . , n :

P (Ai1 ∩ Ai2 ∩ . . . ∩ Aik ) = P (Ai1 )P (Ai2 ) . . . P (Aik ). (1)