Centro de Ciências Exatas e

Tecnológicas - CETEC

Continuação de
Probabilidade
Profª Silvia Patrícia Santana
silpat@ufrb.edu.br
1. Probabilidade Condicional

Definição 1: Dados dois eventos A e B

associados a um mesmo espaço amostral S
com P (A) > 0 e P (B) > 0, a probabilidade de
ocorrência do evento B condicionado à
ocorrência do evento A (ou probabilidade de B
dado A), é definida por:

P (B/A) = P (AB)
P (A)

Isto é, dois eventos relacionam-se entre si de tal

modo, que a probabilidade de um ocorrer
depende da ocorrência ou não do outro.
Decorre da definição que:

P(A  B)= P(B)  P(A|B) = P(A)  P(B|A).

Ou seja, a probabilidade de interseção de dois

eventos A e B é denominada Teorema da
Multiplicação.

Sendo A, B, e C eventos aleatórios, temos:

P(A  B  C) = P(A)  P(B|A)  P(C| A  B).

Exemplos:
E1: No lançamento de um dado, qual a
probabilidade de sair a face 5, dado que o
número que saiu foi ímpar:
E: lançamento de um dado
S: {1,2,3,4,5,6} => n(S) = 6
A: {sair o número 5} => n(A) = 1
B: {sair um número ímpar} = B = {1,3,5} => n(B) = 3

Queremos calcular: P (A/B)

P (A/B) = P (AB) = 1/6 = 1
P (B) 3/6 3
P (AB) = 1
6
P (B) = 3
6
P (A/B) = nº. de elementos comuns a A e B / nº. de elementos de S
nº. de elementos em B / nº. de elementos de S
E2) Em lote de 12 peças, 4 são defeituosas.
Retiradas 2 peças do lote, uma após a outra,
sem reposição. Qual a probabilidade de que
ambas sejam boas?

Resp: A = {primeira peça é boa}

B = {segunda peça é boa}
P(AB) = P(A). P(B/A) = 8 . 7 = 56= 28 = 14
12 11 132 66 33
1.1 –Independência

• Definição 2: A e B são eventos independentes

se
P(A|B) = P(A) ou P(B|A) = P(B) isto é, P(A  B) =
P(A)  P(B), onde A  B é a intersecção.

• Observações:
• 1. Eventos de probabilidade zero ou um são
independentes de qualquer outro.

• 2. Se A  B = , então A e B não são

independentes.
1.2- Teorema da Soma

• Como já foi visto anteriormente nos teoremas de

probabilidade:
• P(A U B)= P(A)+P(B)-P(AB).

• Se A e B são independentes => P(A U B)=

P(A)+P(B)-P(A).P(B), que podemos chamar
também de teorema da soma.
Exemplos:
1) Queremos obter a probabilidade de sair pelo
menos uma cara, quando se joga uma moeda
duas vezes.
Resp: E= lançar uma moeda duas vezes
S= {(C,C), (C,K), (K,C), (K,K)}
A= {sair cara no primeiro lance}A=> {(C,C),
(C,K)}
B= {sair cara no segundo lance}= B= {(C,C),
(K,C)}
AB= {(C,C)}
Como são eventos independentes:

P(A U B)= P(A)+P(B)-P(A).P(B)= 2 + 2 - 1 = 3 = 0,75

4 4 4 4

Utilizando a definição clássica de probabilidade,

obteríamos a mesma probabilidade.

2) Queremos obter a probabilidade de uma carta,

retirada de um baralho, ser um ás ou carta de
espadas.
Resp: Esta probabilidade pode ser dada pelo
teorema da soma, onde:
A= {ser um ás}=> P{A}= 4/52
B= {ser uma carta de espadas}= P{B}=
13/52
Como cada naipe possui um ás, a probabilidade
de ocorrência deste evento já foi somada duas
vezes. Então:
AB= {ás}= P{AB}= 1/52
P{A U B}= P{A}+P{B}-P{AB}= 4 + 13 - 1 = 16 = 4 = 0,3077
52 52 52 52 13
1.3 - Teoremas da Probabilidade Total

Diz-se que os conjuntos A1, A2,..., An eventos de

um mesmo espaço amostral , formam uma
partição se:

 Ai  Aj = 

 A1A2 ...  An = 

 P(Ai) > 0,  i
•  (desenhar o espaço amostral)
Exemplo 5: Considere-se o espaço amostral
obtido pelos números das faces no lançamento
de um dado equilibrado e sejam os eventos:
A1 = {1, 2, 3}, A2 = {4, 5} e A3 = {6}
Então, pode-se verificar facilmente que, os
eventos acima formam um partição do espaço
amostral S = {1, 2, 3, 4, 5, 6 }.
1.4 -Teorema da Probabilidade Total
Considere o espaço amostral  e A1, A2, ..., An
uma partição deste espaço amostral . Seja B
um evento de . Então B pode ser escrito como:
B = (B ∩ A1)  (B ∩ A2)  ...  (B ∩ An)

P(B) = P[(B ∩ A1)  (B ∩ A2)  ...  (B ∩ An)]

• = P(B ∩ A1) + P(B ∩ A2) + ... + P(B ∩ An)
Mas cada P(B ∩ Ai) = P(B | Ai) P(Ai), então
P(B) = P(B | A1)P(A1) + P(B | A2) P(A2) + ... + P(B | An). P(An)
portanto,
P( B)  in1 P( Ai ).P( B | Ai )
Exemplo 6: Uma determinada peça é
manufaturada por 3 fábricas: A, B e C. Sabe-se
que A produz o dobro de peças que B e que B e
C produzem o mesmo número de peças. Sabe-
se ainda que 2% das peças produzidas por A e
por B são defeituosas, enquanto que 4% das
produzidas por C são defeituosas. Todas as
peças produzidas são misturadas e colocadas
em um depósito. Se do depósito for retirada
uma peça ao acaso, qual a probabilidade de
que ela seja defeituosa?
 1.5 - Teorema de Bayes

• Qual a probabilidade de ter sido produzida

pela fábrica A, sabendo que a peça é
defeituosoa?

P( A j ).P( B | A j )
P( A j | B ) 
in1 P( Ai ).P( B | Ai )