MAE0001 - Probabilidade

Prof. Bruno Castro

26 de janeiro de 2021

Teoria da Probabilidade
A teoria das probabilidades é a parte da matemática que estuda os experimentos aleatórios. Se
entende por experimento aleatório todo e qualquer experimento tal que quando é repetido sob as
mesmas condições, o resultado obtido nem sempre é o mesmo.

Experimento Aleatório. É todo experimento que, quando repetido sob as mesmas condições,
o resultado observado não é sempre o mesmo.

Ex.: Lançar um dado e observar a face virada pra cima.

Ex.: Lançar três moedas e anotar as faces viradas pra cima.

Ex.: Uma lâmpada é fabricada. Em seguida ela é testada e observado o tempo de vida, em
horas, até a lâmpada queimar.

Ex.: Um lote de 10 peças tem 3 defeituosas. As peças são retiradas uma a uma sem reposição
até que a última peça defeituosa seja encontrada. O número de peças retiradas do lote é contado.

Ex.: Registrar o número de acidentes que ocorrem na Av. Salgado Filho na manhã de hoje.

O modelo matemático criado de 20 do século XX para estudar os experimentos aleatórios é

chamado de espaço de probabilidade. Este modelo consiste em uma tripla ordenada, denotada por
(Ω, F, P), em que Ω é um conjunto arbitrário, F é uma σ-álgebra de subconjuntos de Ω e P é uma
medida de probabilidade definida sobre F.

Espaço Amostral

O conjunto Ω é chamado de espaço amostral e tem o objetivo de descrever todos os possı́veis

resultados do experimento aleatório. O espaço amostral pode ser classificado como:
• Enumerável: Provenientes de experimentos em que conseguimos listar os resultados possı́veis.
Ex.: Observar a face para cima em um lançamento de um dado ou O número de parafusos
fixados em uma asa de avião.

1
 • Não-Enumerável: ocorre quando não conseguimos listar os resultados possı́veis. Ex.: Tempo
de vida de uma lâmpada até queimar. Ex.: Lançamento de infinitas moedas.

Denominamos por evento um subconjunto do espaço amostral, em outras palavras, um evento

é um elemento do espaço amostral. Em geral, denotamos os eventos por letras maiúsculas do inicio
do alfabeto A, B, C, · · · .

Leis de Morgan

i) ( n An )c = n Acn .
S T

ii) ( n An )c = n Acn .
T S

Uma sequência (An )n≥1 = (A1 , A2 , · · · ) é dita ser uma sequência monótona de conjunto se:

i) A1 ⊆ A2 ⊆ · · · ⊆ An ⊂ An+1 ⊆ · · · então (An )n≥1 é não-decrescente e denotamos por An %

ii) A1 ⊇ A2 ⊇ · · · ⊇ An ⊇ An+1 ⊇ · · · então (An )n≥1 é não-crescente e denotamos por An &

O limite de uma sequência monôtona é definido por

S∞
i) Se An %, então limn→∞ An = n=1 An .
T∞
ii) Se An &, então limn→∞ An = n=1 An .

De forma geral, para alguma sequência (An )n≥1 , definimos

∞ [
\ ∞
lim sup An = Ak
n
n=1 k=n

e
∞ \
[ ∞
lim inf An = Ak
n
n=1 k=n

Interpretamos o limite superior dos An como sendo o conjunto dos elementos de Ω que pertencem
a um número infinito dos An (An ocorre infinitas vezes). Já o limite inferior dos An é interpretado
como sendo o conjunto dos elementos de Ω que pertencem a todos os An , a menos de um número
finito de ı́ndices (a ocorrência de An para todo n suficientemente grande). Se uma sequência (An )n≥1
tem limite, então os limites superior e inferior coincidem, isto é

lim sup An = lim inf An = lim An .

n n n→∞

Ex.: Seja Ω = R2 e considere An = {(x, y) ∈ R2 : 3 + 1/n ≤ x < 6 − 2/n, 0 ≤ y ≤ 2 − 1/n2 }.

Ache o limite de An .

2
 Ex.: Determine o limite inferior e superior da sequência (An ) = {(−1)n }.

Ex.: Mostre que lim inf n An ⊂ lim supn An

Ex.: Mostre que (lim inf n An )c = lim supn Acn

σ-Álgebra

Definição. Uma σ-álgebra F é uma coleção de subconjuntos de Ω que cumpre os seguintes

requisitos

i) Ω ∈ F.

ii) Se A ∈ F então Ac ∈ F.
S∞
iii) Se A1 , A2 , · · · ∈ F, então n=1 An ∈ F.

Ex.: F = {∅, Ω}, F = {∅, A, Ac , Ω} e F = P(Ω).

Ex.: Sejam A e B subconjuntos de Ω e pertencentes à σ-álgebra F. Mostre que A ∩ B c pertence

a σ-álgebra F.

Exercı́cio. Seja Ω um conjunto não enumerável. Mostre que a classe F dada por {A ⊆ Ω :
A ou Ac é finito ou enumerável} é uma σ-álgebra.

Proposição. Seja F uma σ-álgebra de subconjuntos de Ω. Então

i) ∅ ∈ F.
T∞
ii) Se A1 , A2 , · · · ∈ F, então n=1 An ∈ F.

Proposição. A interseção de duas ou mais σ-álgebras é uma σ-álgebra.

Ex.: Se F e G são duas σ-álgebra de Ω, então F ∪ G é uma σ-álgebra?

Definição. A σ-álgebra minimal é uma σ-álgebra de uma classe C de subconjuntos de Ω,

denotado por σ(C), é a σ-álgebra obtida pelas interseções de todas as σ-álgebras de Ω que contêm
os elementos da classe C. Alguns autores se referem como uma σ-álgebra gerada por uma classe C.
\
σ(C) = {F : F é uma σ-álgebra e C ⊆ F}

Ex.: Seja Ω um conjunto não vazio e A ⊂ Ω. Ache σ(A), isto é, a σ-álgebra minimal gerada
pela classe {A}. E se Ω = {0, 1, 2} e C = {{0}, {2}}.

3
 Proposição. Sejam C1 e C2 duas classes de subconjuntos de Ω tal que C1 ⊆ C2 . Então σ(C1 ) ⊆
σ(C2 ).
Definição. A σ-álgebra minimal contendo os abertos de R, denotada por B(R), é chamada de
σ-álgebra de Borel em R. A σ-álgebra minimal contendo os abertos de um intervalo [a, b], denotada
por B([a, b]), é chamada de σ-álgebra de Borel em [a, b].

Seja C = {todos os intervalos em R} = {(−∞, x), (−∞, x], (x, ∞), [x, ∞), (x, y), (x, y], [x, y), [x, y] :
x, y ∈ R x < y}. Então σ(C) é a σ-álgebra de Borel.

Cada uma das classes a seguir geram a σ-álgebra de Borel.

C1 = {(x, y] : x, y ∈ R, x < y}
C2 = {[x, y) : x, y ∈ R, x < y}
C3 = {[x, y] : x, y ∈ R, x < y}
C4 = {(x, y) : x, y ∈ R, x < y}
C5 = {(x, ∞) : x ∈ R}
C6 = {[x, ∞) : x ∈ R}
C7 = {(−∞, x) : x ∈ R}
C8 = {(−∞, x] : x ∈ R}

Claramente as classes C e Ci são duas classes de subconjuntos de Ω, tal que C ⊆ Ci , ∀i = 1, · · · , 8.

Basta provar que obtemos C a partir de qualquer Ci usando σ(Ci ), ∀i = 1, · · · , 8. Tomando C7
Considere uma sequência xn & x então tomando as interseções
∞
\
(−∞, xn ) = (−∞, x]
n=1

então (−∞, x] ∈ σ(C7 ). Usando o fechamento por complementos temos

(−∞, x]c = (x, ∞) ∈ σ(C7 ), (−∞, x)c = [x, ∞) ∈ σ(C7 )

Obtemos os demais por diferença entre intervalos, por ex (x, y) = (−∞, y) − (−∞, x] ∈ σ(C7 ).

Medida de Probabilidade

Definição Axiomática. Seja (Ω, F) um espaço mensurável. Uma medida de probabilidade é

uma função P : F → [0, 1] que satisfaz

i) P(Ω) = 1.

ii) P(A) ≥ 0 para qualquer A ∈ F.

S∞
iii) Se
P∞ A1 , A2 , ... ∈ F, são eventos disjuntos 2 a 2, isto é, Ai ∩ Aj = ∅, ∀i 6
= j, então P( n=1 An ) =
n=1 P(An ).

4
 O trio (Ω, F, P) é chamado espaço de probabilidade.

Existem outras definições de probabilidade para casos especı́ficos, no caso em que Ω é um espaço
amostral finito usamos a definição clássica de probabilidade. Nesse caso usamos a teoria de Análise
Combinatória para o cálculo dessas probabilidades.

Definição Clássica. Seja A um subconjunto de Ω, com |Ω| < ∞. Se define a probabilidade de

um evento A ocorrer pelo quociente
n(A)
P(A) = (1)
n(Ω)

em que n(A) e n(Ω) é o número de elementos do conjunto A e Ω, respectivamente.

Ex.: (urnas) Numa urna existem duas bolas vermelhas e seis brancas.

a) Sorteando-se uma bola, qual a probabilidade de ela ser vermelha?

b) Sorteando-se duas bolas, qual a probabilidade da primeira ser branca e a da segunda ser
vermelha?

Ex.: Temos duas moedas, das quais uma é honesta e a outra tem duas faces caras. Uma das
moedas, tomada ao acaso, é lançadas. Qual a probabilidade de se obter face cara?

Ex.: Um dado é viciado, de modo que a probabilidade de observarmos um número na face de

cima é proporcional a esse número. Calcule a probabilidade de:

a) ocorrer um número par

b) ocorrer um número maior ou igual a 5.

Ex.: Um lote é formado de 10 produtos bons, 4 com defeitos menores e 2 com defeitos graves.
Um artigo é escolhido ao acaso. Ache a probabilidade de

a) Ele não tenha defeitos.

b) Ele não tenha defeitos graves.

c) Ele ou seja perfeito ou tenha defeitos graves.

Definição Geométrica. Se um experimento aleatório tem como espaço amostral Ω ⊂ R2 , cuja

área é bem definita e finita, então seja A um subconjunto de Ω, definimos a probabilidade de um
evento A ocorrer pelo quociente
área de A
P(A) =
área de Ω
Ex.: Dois amigos decidem se encontrar em um certo lugar mas não escutaram a hora exata
do encontro, mas se lembram que a hora era entre 12:00 e 13:00 horas. Cada um decide chegar

5
aleatoriamente ao local e esperar pelo outro somente 10 minutos. Qual a probabilidade que os dois
amigos se encontrem?

Proposição. Seja (Ω, F, P) um espaço de proababilidade. Então

a) P(∅) = 0.

b) Se A1 , · · · , An ∈ F eventos disjuntos 2 a 2, então P( ni=1 Ai ) = ni=1 P(Ai ).

S P

c) P(Ac ) = 1 − P(A).

d) A ⊂ B, então P(B − A) = P(B) − P(A).

e) A ⊂ B, então P(A) ≤ P(B).

f) 0 ≤ P(A) ≤ 1.

g) P(A ∪ B) = P(A) + P(B) − P(A ∩ B).

h) P(A ∪ B) ≤ P(A) + P(B).

Exercı́cio. Mostre as seguintes propriedades

a) P(A ∩ B ∩ C) ≤ P(A ∩ B) ≤ P(A).

b) P(A) ≤ P(A ∪ B) ≤ P(A ∪ B ∪ C).

c) P(A ∩ B) ≤ 1 − P(Ac ) − P(B c ).

d) Se A ∩ B ⊂ C, então P(C c ) ≤ P(Ac ) + P(B c ).

e) max{P(A), P(B)} ≤ P(A ∪ B) ≤ min{P(A) + P(B), 1}.

f) P(A ∪ B ∪ C) = P(A) + P(B) + P(C) − P(A ∩ B) − P(A ∩ C) − P(C ∩ B) + P(A ∩ B ∩ C).

g) Se P(A ∩ B c ) = 0.2 e P(B c ) = 0.5. Encontre P(A ∪ B).

h) P[(A ∩ B c ) ∪ (Ac ∩ B)] = P(A) + P(B) − 2P(A ∩ B).

Proposição. Seja (An )n≥1 uma sequência de eventos. Então

1) P ( ∞
S P∞
n=1 An ) ≤ n=1 P(An ).

2) P ( ∞
T P∞ c
n=1 An ) ≥ 1 − n=1 P(An ).

Proposição. Seja (An )n≥1 uma sequência de eventos. Então

1) Se P(An ) = 1, ∀n ≥ 1, então P ( ∞
T
n=1 An ) = 1.

2) Se P(An ) = 1, para algum n ≥ 1, então P ( ∞

S
n=1 An ) = 1.

6
 3) Se P(An ) = 0, para algum n ≥ 1, então P ( ∞
T
n=1 An ) = 0.

4) Se P(An ) = 0, ∀n ≥ 1, então P ( ∞
S
n=1 An ) = 0.

Seja (An )n≥1 uma sequência de eventos de Ω com limite A, isto é, limn→∞ An = A. Prove que

lim P(An ) = P( lim An ) = P(A).

n→∞ n→∞

Inicialmente vamos considerar (An )n≥1 é S

uma sequência monótona crescente, ou seja, An ⊂
∞ Tn−1
An+1 , ∀n ≥ 1 sabemos que A = limn→∞ An = n=1 An . Dica: Fazer B1 = A1 e Bn = An ∩ i=1 Aci .
∞
[ ∞
[ ∞
X
P(A) = P( lim An ) = P( An ) = P( Bn ) = P(Bn )
n→∞
n=1 n=1 n=1
n
X ∞
[
= lim P(Bi ) = lim P( Bi ) = lim P(An ).
n→∞ n→∞ n→∞
i=1 n=1

No caso em que An & A, então Acn % Ac . Usando o resultado para sequências monótonas
crescentes segue-se que limn→∞ P(Acn ) = P(Ac ), ou seja, limn→∞ (1 − P(An )) = 1 − P(A), portanto
P(limn→∞ An ) = P(A).

Vamos verificar
T∞ no caso geral.
S∞ Se limn→∞ An , então limn→∞ P(An ) = P(limn→∞ An ) = P(A).
Partindo de k=n Ak ⊂ An ⊂ k=n Ak , temos

∞
! ∞
!
\ [
P Ak ≤ P(An ) ≤ P Ak
k=n k=n
T∞ S∞
Vimos em sala que Cn = k=n Ak , ∀n ≥ 1 é uma sequência de eventos crescentes e Dn = k=n Ak , ∀n ≥
1 é uma sequência de eventos decrescentes. Então
∞
! ∞
!
\ \
lim P Ak = P lim Ak
n→∞ n→∞
k=n k=n

e
∞
! ∞
!
[ [
lim P Ak =P lim Ak .
n→∞ n→∞
k=n k=n

Temos ainda que

∞
! ∞
!
[ \
P lim Ak = P(A) = P lim Ak
n→∞ n→∞
k=n k=n

Assim
   
P(A) = P lim inf An ≤ lim P(An ) ≤ P lim sup An = P(A).
n→∞ n→∞ n→∞

7
 Principais Métodos de Análise Combinatória

No caso em que o espaço amostral é finito usando os métodos de Combinatória para encontrar
as probabilidades dos eventos de interesse usando a definição clássica em (1).

Princı́pio Fundamental da Contagem e Princı́pio Aditivo

Considere os conjuntos D1 e D2 de um total de n e m elementos respectivamente. O Número

de maneiras de escolher um elemento de cada conjunto, pelo princı́pio fundamental da contagem
(P.F.C.), é n · m. O método é generalizado para um número qualquer de conjuntos e a o número de
maneiras de escolher um elemento de cada conjunto é a multiplicação do tamanho de cada conjunto.

Ex.: Uma moeda é lançada 3 vezes. Qual o número de sequências possı́veis de caras e coras?

Resolução. Podemos pensar cada moeda como sendo um conjunto Mi , i = 1, 2, 3 sendo que
cada Mi = {C, K}, com C=cara e K=coroa. O número de sequências possı́ceis é 2 · 2 · 2 = 8.

Ex.: Se D1 , D2 , · · · Dk são k conjuntos disjuntos 2 a 2, isto é Di ∩ Dj = ∅, ∀i 6= j. Então a

união ki=1 Di possui ki=1 Di elementos.
S P

Ex.: Um amigo tem 5 jogos de PS4, 7 de xbox one e 3 de Nintendo Switch e disse que eu pode-
ria pegar 2 jogos emprestados com a condição que não fossem do mesmo video game. De quantas
maneiras posso escolher os jogos?

Resolução. Essa é uma questão que envolve o P.F.C e o Princı́pio Aditivo. Podemos dividir
em 3 casos.

i) PS4 e Xbox One = 5 · 7 = 35 maneiras

ii) PS4 e Nintendo Switch = 5 · 2 = 10 maneiras
iii) Xbox e Nintendo Switch 7 · 2 = 14 maneiras

Cada um desses casos são disjuntos então Princı́pio Aditivo, o total de maneiras de escolher os
jogos é 35+10+14 = 59 maneiras.

Permutação Simples

O número de maneiras de ordenar n objetos distintos é n · (n − 1) · · · 2 · · · 1 = n!

Ex.: Quantos são os anagramas da palavra CAPÍTULO em que

a) começam por consoante e terminam por vogal

b) que a letra C está no 1a lugar ou a letra A está na 2a posição

8
 Ex.: De quantos modos 5 rapazes e 5 moças podem se sentar em 5 bancos de dois lugares de
cada banco fiquem um rapaz e uma moça?

Arranjo Simples

Um Arranjo simples de n elementos tomados k a k (essa é a maneira de leitura) são todos os

grupos de k elementos distintos, que diferem entre si pela ordem.

De outra maneira, um arranjo simples é uma porção de k elementos k < n de uma permutação
simples de n elementos.

Ex.: Quantos anagramas de 2 letras diferentes podemos formar com um alfabeto de 23 letras?

Ex.: Placas distintas.

mas e se pudesse repetir os elementos? Ai seria uma consequência direta do Princı́pio Funda-
mental da Contagem, chamado Arranjo com Repetição

Ex.: Um homem vai a um restaurante disposto a comer um só prato de carne e uma só de
sobremesa. O cardápio oferece oito pratos distintos de carne e cinco pratos diferentes de sobremesa.
De quantas formas ele pode fazer sua refeição?

Ex.: De quantas formas podemos responder 12 perguntas de um questionário, cujas respostas

para cada pergunta são: sim ou não?

Ex.: Uma sala tem 10 portas. De quantas maneiras diferentes essa sala pode ser aberta?

Ex.: De um grupo de 5 pessoas, de quantas maneiras distintas posso convidar uma ou mais para
jantar?

Combinação Simples

De quantos modos podemos escolher k objetos distintos entre n objetos distintos dados? Ou,
o que é o mesmo, quantos são os subconjuntos com k elementos de um conjuntos de n elementos?
(Lemos como Combinação de n, k a k.)

A combinação simples pode ser visto como um arranjo simples retirando a importância da ordem
dos elementos.

Ex.: Quantas saladas contendo exatamente 4 frutas podemos formar se dispomos de 10 frutas
diferentes?

9
 Ex.: De quantos modos podemos escolher 6 pessoas, incluindo pelo menos duas mulheres, em
um grupo de 7 homens e 4 mulheres?

Ex.: De quantos modos podemos dividir 8 pessoas em 2 grupos de 4 pessoas cada?

Permutação com Elementos Repetidos

De quantas maneiras podemos ordenar k elementos dentre n elementos nem todos distintos?

Ex.: De quantas maneiras podemos colocar em uma fila 9 letras, sendo 3 letras a, 4 letras b e 2
letras c?

Ex.: Quantos são os anagramas da palavra “ESTATISTICA”?

Combinação Completa ou Combinação com Repetição

O número de maneiras de selecionar k objetos distintos ou não entre n objetos distintos dados.

Ex.: De quantos modos podemos escolher 3 letras dentre de {a, b, c, d}.

Ex.: De quantos modos é possı́vel comprar 4 sorvetes em uma loja que oferece 7 sabores?

Ex.: Quantas são as soluções inteiras da equação x + y + z = 20 com x ≥ 3, y ≥ 1 e z ≥ 2.

Combinação Complementar

Considere n objetos distintos. O número de maneiras de escolher k objetos é idêntico ao número

de maneiras de escolhermos (n − k) objetos, pois, se dos n objetos tirarmos k, sobram (n − k)
e,
n n n



consequentemente, se dos n objetos tirarmos (n − k), sobram k. Logo k = n−k em que n−k é
n


chamada combinação complementar de k .

Números Binomiais

n n n




Teorema das Linhas: 0
+ 1
+ ··· + n
= 2n .

n n n




Ex.: Calcule S = 1
+2 2
··· + n n
.

k k+1 k+n k+n+1

Teorema das Colunas: k
+ k
+ ··· + k
= k+1
.

10
 Ex.: Calcule S = 12 + 22 + · · · + n2 .

n
PnBinômio de P
n i n−i

Newton:
n
Sejam a e b números reais e n um inteiro positivo então (a + b) =
n i n−i
i=0 i a b = i=0 i b a .

Probabilidade Condicional

Considere B ⊂ Ω e suponha que ω ∈ B. Queremos identificar uma classe de eventos, subcon-

juntos de B, a σ-álgebra de subconjuntos de B e uma medida de probabilidade nessa classe que
use a informação que ω ∈ B. Seja A ∈ F, para saber se A ocorre dado que temos a informação da
ocorrência de B, temos que verificar se ocorre B ∩ A.

Nesse caso vamos considerar o conjunto B como o novo espaço amostral, FB é a σ-álgebra de
subconjuntos de B. E o que podemos dizer sobre a nova medida de probabilidade PB ? Vimos que
podemos escrever a probabilidade de um evento A da forma P(A) = P(A ∩ B) + P(A ∩ B c ). Mas
no novo experimento B c não ocorre então podemos escrever, para qualquer A ∈ F

PB (A) = cP(A ∩ B)

Note que PB (B) = 1, assim substituindo na igualdade acima temos que 1 = cP(B ∩ B) = cP(B),
1
portanto c = P(B) , se P(B) > 0. A medida de probabilidade PB é definida por

P(A ∩ B)
PB (A) =
P(B)

e satisfaz os axiomas de Kolmorogov.

Definição. Considere os eventos A e B em (Ω, F, P). Sendo P(B) > 0, a probabilidade

condicional de A dado que ocorreu B, é definida por

P(A ∩ B)
P(A|B) =
P(B)

no caso em que P(B) = 0, definimos P(A|B) = P(A).

Tn−1

Proposição. Para os eventos A1 , · · · , An em (Ω, F, P), com P i=1 Ai > 0, regra do produto
de probabilidades é dada por
n
!
\
P Ai = P(A1 )P(A2 |A1 ) · · · P(An |A1 ∩ · · · An−1 ).
i=1

Proposição. Se A e B são eventos com 0 < P(B) < 1, então

P(A) = P(A|B)P(B) + P(A|B c )P(B c ).

11
 Fórmula da probabilidade Total. Seja {B1 , · · · , Bn } uma partição do espaço amostral
Sn Ω
em eventos de probabilidade positiva, isto é, esses eventos são dois a dois disjuntos, Ω = i=1 Bi e
P(Bi ) > 0, ∀i = 1, · · · , n. Então, para qualquer evento A,
n
X
P(A) = P(A|Bi )P(Bi ).
i=1

Teorema de Bayes. Seja {B1 , · · · , Bn } uma partição do espaço amostral Ω. Se A é um evento

com P(A) > 0, então, para todo i = 1, · · · , n,

P(A|Bi )P(Bi )
P(Bi |A) = Pn .
j=1 P(A|Bj )P(Bj )

Independência

Os eventos A e B são independentes se a informação da ocorrência de B não altera a probabi-

lidade atribuı́da ao evento A. Isto é P(A|B) = P(A). A definição de independência pode também
ser expressa na seguinte forma

P(A ∩ B) = P(A)P(B).

No caso em que P(A ∩ B|C) = P(A|C)P(B|C), dizemos que A e B são condicionalmente indepen-
dentes dado C.

Os eventos A1 , · · · , An são independentes se, para toda coleção de indı́ces 1 ≤ i1 < i2 < · · · <
ik ≤ n e 2 ≤ k ≤ n, tivermos

P(Ai1 ∩ · · · ∩ Aik ) = P(Ai1 ) · · · P(Aik ).

A definição de independência se estende para classes de eventos e também para σ-álgebras.

As classes não vazias de eventos C1 , · · · , Cn são independentes se os eventos A1 , · · · , An também

são independentes para qualquer Ai ∈ Ci , i = 1, · · · n. Generalizando, um conjunto infinito de classes
não vazias de conjuntos são independentes se qualquer subconjunto finito for independente. Em
particular, duas σ-álgebras F1 e F2 são independentes se para cada A ∈ F1 e cada B ∈ F2 vale que
P(A ∩ B) = P(A)P(B).

12