Enten

E ndend
do o Teore
T ma de Bay
yes
Vejamos
V oa
assunto porr meio de um
m exemplo::
A cidade de
e Diabetelân
ndia tem 10.000 habita
antes, sendo
o 4.400 velhhos, 3.300 jjovens, 2.300 criançass. Os
dados
d mosttram que nesta
n cidad
de está havvendo uma a desertifica
ação urbanna em virtu ude da faltaa de
empregos.
e
Foi
F realizad da uma pessquisa pela Secretariaa de Saúdee onde se constatou
c uuma grande e incidênciaa de
diabetes
d na população o. A pesquis
sa revelou que 132 ve
elhos são portadores
p dda doença,, 33 jovenss são
portadores
p e 46 criança
as são porta
adoras. Asssim:

Diaabetelând
dia Os valores eme vermelh hos
Portadores  sãoo os habitantes das d
Haabitantes de Diabete cattegorias e que não sãos
V
Velhos 4.400 132 porrtadores de diabetes.
J
Jovens 3.300 33
Crianças
C 2.300 46
T
TOTAL 10.000 211
Muitas
M veze
es esta tabe
ela vem dada em porce
entagens. Assim:
A

Diiabetelân
ndia Observve que os velhos
v E po
ortadores dde diabetess representa am
1,32% da populaç ção da cidaade Diabeteelândia (1332  10.000 0 =
Portadores de  0,0132 ou 1,32%). Portanto, nesta cidaade a prob babilidade (ou
(
Haabitantes D
Diabete na  chancee) de chegaar ao hospital um velhoo E portadoor de diabettes
é 1,32%
%! É pouco o provável aos
a médicoss do hospita al atender um
u
população velho E portador de diabetes entre os pacientes em geral que q
Velhos
V 44,00% 2% chegam
1,32 m ao hospita al.
J
Jovens 33,00% 3% A tabel a mostra ass chances para
0,33 p as outrras categorrias.
C
Crianças 23,00% 0,46
6% Apenass 2,11% doss habitantess tem diabeetes.
T
TOTAL 100,00% 2,11
1%
Porém,
P quando chega ao hospital um velho (um pedaç ço da popullação), a chhance dele ser diabético é
encontrada
e 32  4.400 = 0,03 ou
dividindo-sse 132 porr 4.400 (13 u 3%). A cchance aumentou po orque
re
estringimoss o atendimento apenaas aos velho
os.
Matematicam
M mente escrrevemos estta probabili dade COND DICIONAL (ser portadoor de diabeetes E velho
o) da
seguinte
s maaneira: P(X
X|V). Aqui X significa sser diabétic
co e V sign
nifica ser veelho. Lemo
os este sím
mbolo
assim:
a a pro
obabilidade P de ser diabético dad
do que seja a velho.
Note
N que alé
ém de ser velho,
v tem que
q ser dia
abético (coittado!). Isto mostra quee colocamos
s uma cond dição
entre
e os velhos. Lemb bre-se que nesta cida de existemm muitos ve elhos que nnão são dia
abéticos. Esstes,
como
c mostra
a a figura acima
a totaliz
zam 4.400 – 132 = 4.2668 velhos sem a doençça.
Como
C vimoss esta proba
abilidade fo
oi calculada tomando toodos os velhos E diabééticos (132)) que estão no
conjunto
c inte
ersecção [VVelho  Diaabéticos] e d
dividido pela
a quantidad
de de velhoss da cidade
e (4.400).
Então,
E
∩ 132
| 0,03 3%.
4.4
400
Lembrem-se que, os eventos ser velho e ser diabético são INDEPENDENTES. Isto significa que ser
velho não precisa ser diabético e ser diabético não precisa ser velho ou, em outras palavras, nem todo
velho é diabético e nem todo diabético é velho.
A expressão acima poderia ser calculada de outra maneira:
∩
∩ ∩ 1,32%
| 0,03 3%.
44%

Repetindo isto para as outras categorias podemos montar a seguinte tabela:

Diabetelândia
Portadores de 
Habitantes Diabetes na categoria 
P(X|Ai)
Velhos 44,00% 3,00%
Jovens 33,00% 1,00%
Crianças 23,00% 2,00%
TOTAL 100,00% 2,11%
Cabe aqui a pergunta: Qual a probabilidade de um velho ser diabético?
Resposta: 3%. Esta é a chance de aparecer em qualquer lugar da cidade um velho que é diabético.
Não precisa ter medo deles!!!! A chance é pequena e a doença não infecto-contagiosa!
Esta pergunta requer que encontremos P(X|V), certo?
Outra pergunta: Qual a probabilidade de um diabético ser velho?
É a mesma coisa que antes? 3%?
Posto de outra forma, chega ao hospital um diabético, qual a chance dele ser velho?
Agora queremos a probabilidade condicional P(V|X), ou seja, o contrário de antes. Imporemos agora
uma CONDIÇÃO entre todos os diabéticos – eles devem ser velhos. Observando a figura anterior,
temos que dividir nº de velhos diabéticos pelo total de diabéticos
∩
∩ ∩ 1,32%
| 0,6256 62,56%.
2,11%

Se atentarmos para os diabéticos da cidade, a chance dele ser velho é 62,56%. É, nesta cidade, entre
os diabéticos temos muitos velhos (ver figura acima).

Diabetelândia Médicos, ao chegar um paciente

diabético, é muito grande (62,56%)
Portadores de  A Categoria dos  dele ser velho.
Habitantes Diabetes na categoria  Portadores de 
P(X|Ai) Diabetes P(Ai|X)
Velhos 44,00% 3,00% 62,56%
Jovens 33,00% 1,00% 15,64%
Crianças 23,00% 2,00% 21,80%
TOTAL 100,00% 2,11% 100,00%

Fica bem claro que:

 I. P(X | Ai) ≠ P(Ai | X)
II. P(X  Ai) = P(A i X)
III. Pela definição de probabilidade condicional
∩
|
Temos que: P(X  Ai) = P(X|Ai) P(Ai).
Dessa forma podemos fazer:
∩ ∩
|
∩ ∩ ⋯ ∩

Ou, usando a definição de probabilidade condicional:

∩ P X|A P A ∩
|
P X|A P A P X|A P A ⋯ P X|A P A ∑ P X|A P A
Este resultado recebe o nome de Teorema de Bayes.

USANDO TABELA
De acordo com o desenvolvimento anterior poderemos realizar os cálculos por meio de uma tabela.
Assim

Espaço Amostral
Participação da 
Partição do 
Partição no  P(X|Ai)  P(X   Ai) = 
Espaço 
Espaço Amostral  P(X|Ai).P(Ai) P(Ai|X)
Amostral Ai conhecido
P(Ai)

A1 P(A1) P(X|A1) P(A1) * P(X|A1) [P(A1) * P(X|A1)]/SOMA

A2 P(A2) P(X|A2) P(A2) * P(X|A2) [P(A2) * P(X|A2)]/SOMA
A3 P(A3) P(X|A3) P(A3) * P(X|A3) [P(A3) * P(X|A3)]/SOMA
...
...
...
An P(An) P(X|An) P(An) * P(X|An) [P(An) * P(X|An)]/SOMA
TOTAL 100,00% SOMA

USANDO O EXCEL
Já que podemos fazer uma tabela, podemos também realizar tudo no Excel.
Abra uma pasta de trabalho e introduza os títulos conforme a figura abaixo:
Faça
F 100 pa
artições do espaço amostral (acho o que fica o suficiente, não?). Com
m isso precisamos
selecionar
s o intervalo A2:A101
A e colocar
c os tíítulos Ai.
Para
P criarmo os uma plannilha com re
ecursos avaançados doo Excel, vam
mos definir uum nome ao intervalo de
células
c ondee existirem valores, deixando o re
esto das células em bra
anco, evitanndo assim colunas
c comm
ZEROS
Z dessnecessários, pois não faremos cáálculos naquelas linhas
s.
Para
P se nom
mear um intervalo de células no E
Excel, procedemos sele ecionando o intervalo de
d células
G2:G101,
G de
epois na gu
uia Formata
ar, no grupo
o Nomes De efinidos, esc
colhemos D
Definir Nome e. Aparecerrá a
ja
anela:

Na
N caixa No
ome: ProbIn
nterseção
Na
N ccaixa e
Refere-se a: intrroduza a seguinte fórm
mula:
=DESLOC(P
= PLAN1!$G$
$2;0;0;CONT.NÚM(Pla
an1!$G$2:$G G$101;1)). Dê OK.
Selecione
S o intervalo G2:G101 e escolha a cor bran nca para a fonte. Issoo para não poluir a no ossa
planilha
p com
m dados e precisamos
p disto para evitarmos as
a referencias circularees do Excel ao introdu
uzir a
fu
unção SOM MA na célulaa D101..
Vamos
V ender o que fizemos. Primeiro, porr que usar a função DE
ente ESLOC?
Esta função embutida do Excel retorna uma referência a um intervalo que possui um número específico
de linhas e colunas com base em um referência especificada (no nosso caso se houver número e a
existência ou não de números é identificado com a função CONT.NÚM que falaremos abaixo). A sintaxe
da função DESLOC é: =DESLOC(ref;Lins;cols;altura;largura). Os argumentos em negrito são
obrigatórios e os outros são opcionais.
A função CONT.NÚM calcula o nº de células em um intervalo que contém números. Sua sintaxe é:
CONT.NÚM(valor1;valor2;....). Novamente os argumentos em negrito são obrigatórios. Aqui usamos
valor2 = 1, para não retornar zero quando não encontrar número e com isso causando um erro de
altura na função DESLOC.
Dessa forma a função DESLOC nomeará o intervalo na coluna G que tiver números e com isso não
serão introduzidos zeros quando a célula estiver em branco na coluna D que apresenta a fórmula
SOMA(DADOS) na célula D101.
Voltemos à célula D2 e introduzimos a fórmula: =SE(B2=””;””;B2*C2) e na célula E2, introduzimos:
=SE(D2=””;””;D2/$D$102).
A planilha ficou pronta. Agora é só salvar e guardar com carinho para quando precisar.

DIAGRAMA DE ÁRVORE
O diagrama de árvore ajuda a montar o problema e fazer as contas.
Voltemos à cidade Diabetelândia e vemos que lembremos que a população foi dividida em 3 categorias
de habitantes (velhos, jovens e crianças). Algumas das pessoas de cada categoria eram portadoras de
diabetes.
Então, estabelecendo que X é portador e não é portador, temos
 0,0132
X 0,44 x 0,03 = 0,0132 ou 1,32% 0,6256 62,56%
0,0211

3%
V
97%

44%
0,0033
X 0,33 x 0,01 = 0,0033 ou 0,33% 0,1564 15,64%
0,0211

1%
33%
J
99%

23%
0,0046
X 0,23 x 0,02 = 0,0046 ou 0,46% 0,2180 21,80%
0,0211

2% ______________
C 0,0211 ou 2,11%
98%

EXERCÍCIOS RESOLVIDOS
1. Uma urna A contém 3 fichas vermelhas e 2 azuis, e uma urna B contém 2 vermelhas e 8 azuis. Joga-
se uma moeda “honesta”. Se a moeda der cara, extrai-se uma ficha da urna A; se der coroa, extrai-
se uma ficha da urna B. Uma ficha vermelha é extraída.
Qual a probabilidade de ter saído cara no lançamento da moeda?
Solução
A B
3V 2V Queremos encontrar a probabilidade de sair cara
dado a bola ser vermelha, isto é P(Ca|V)
2A 8A

P(A) = P(Ca) = (1/2) P(V|A) = (3/5) = 60% = P(V|Ca)

P(B) = P(Co) = (1/2) P(V|B) = (2/10)= 40% = P(V|Co)
Pelo Teorema de Bayes, temos

∩ P X|A P A ∩
|
P X|A P A P X|A P A ⋯ P X|A P A ∑ P X|A P A
 3 1 3 3
∩ ∩ P V|A P A 5 2 0
10 10
|
P V|A P A P V|B
V P B 3 1 2 1 3 2 6 2
5 2 10 2 10 20 20
3 20 60
0 3
0,75
5 75%
10
0 8 80 4
Temos, p
portanto, 75% de probabilid
dade de qu
ue a bola vermelha seja extr
raída da urna
u
er obtido cara no lançamento
A por te l o da moeda
a.
Na plani
ilha Excel
l, preench
ha apenas a área az
zul:

Faça o e
exercício usando a árvore.
2.
2 A caixa A tem 9 carttas numerad das de 1 a 9 9. A caixa B tem 5 carttas numeraddas de 1 a 5. Uma caixa é
e o número é par , qual a probabiliddade de que a carta sortteada
escolhida ao acaso e uma carta é retirada. Se
tenha vind
do de A?
Solução
A B
1234 1234 Queremos
s encontr
rar a prob
babilidad
de da car
rta vir
5678 5 da urna A dado que
q o seu número é par, is
sto é
9 P(A|par) .

P(A) = (
(1/2) ) = (4/9)=
P(par|A) = 44,44%
P(B) = (
(1/2) P(par|B)
) = (2/5)=
= 40%
Pelo Teo
orema de Bayes,
B tem
mos

∩ P X|A P A ∩
|
P X|A P A P X|A P A ⋯ P X|A P A ∑ P X|A P A
4 1 4
∩ ∩ P par|A P A 9 2 18
|
P par|A P A P par|B P B 4 1 2 1 4 2
9 2 5 2 18 10
4
18 4 180 40 10
0,5263 5
52,63%
40 36
4 18
1 76 7
76 19
180
Temos, portanto,, 52,63% de proba
abilidade de que a carta de núme
ero par s
seja
extraída
a da urna A.
Na plani
ilha Excel
l, preench
ha apenas a área az
zul:
3.
3 Num colégio, 4% doss homens e 1% das mu ulheres têm mais de 1,75 m de altu ra. 60% dos
s estudantess são
mulheres. Um estuda
ante é escollhido ao aca
aso e tem mais
m de 1,75 ade de que seja
5 m. Qual a probabilida
homem?
Solução
er mais de
A = evento te e 1,75 m d
de altura.
.
P(M) = 6
60% P
P(A|M) = 1%
1
P(H) = 4
40% P
P(A|H) = 4%
4 Quer
remos P(H|
|A)
Pelo Teo
orema de Bayes,
B tem
mos

∩ P X|A P A ∩
|
P X|A P A P X|A P A ⋯ P X|A P A ∑ P X|A P A
∩ ∩ P A |H P H 0,04 0,440 0,016
|
P A|H P H P A|M P M 0,0
04 0,40 0,,01 0,60 0,016 0,0 006
0,016
6 8
0,7273 72 ,73%
0,022
2 11
Temos, p
portanto, 72,73% de
d probabi ilidade dee que o es
studante ccom mais de 1,75 m de
escolhido ao acaso
altura e o seja ho
omem. Embo ora o colégio tenhha mais mulher
m do que
homem, h
há mais ho
omens com altura suuperior a 1,75 m do
o que mulh
heres.
Na plani
ilha Excel ha apenas a área az
l, preench zul:

4.
4 Uma caixxa tem 3 mo oedas: uma não viciada
a, outra com m 2 caras e uma terceeira viciada, de modo que a
probabilidade de ocorrrer cara nes
sta moeda é 1/5. Uma moeda
m é selecionada aoo acaso na caixa. Saiu cara.
Qual a proobabilidade de
d que a 3ª moeda
m tenha
a sido a selec
cionada?
Solução
A = primeira moeda,
B = segunda moeda,
m
C = terceira moeda
 P(A) = 1
1/3 P
P(Ca|A) = 50% ou 1/
/2
P(B) = 1
1/3 P
P(Ca|B) = 100% ou 1 Querem
mos P(C|Ca
a)
P(C) = 1
1/3 P
P(Ca|C) = 20% ou 1/
/5
Pelo Teo
orema de Bayes,
B tem
mos

∩ P X|A P A ∩
|
P X|A P A P X|A P A ⋯ P X|A P A ∑ P X|A P A
∩ ∩ P Ca|C
C P C
|
P Ca|A P A P Ca|B
C P B P Ca|C P C
0,20 1/3 0,20 0,20 2
0,117
76 11,76%
%
1 1 1 0,5
50 1 0,220 1,70 17
0,5
50 0,,20 1
3 3 3
Temos, p
portanto, 11,76% de
d probabi ilidade de
e que a face cara seja apre
esentada pela
p
3ª moeda
a quando esta
e for escolhida
e ao acaso.
.
Na plani
ilha Excel
l, preench
ha apenas a área az
zul:

5.
5 A probabilidade de um m indivíduo de classe A comprar umm carro de 3/4,
3 da B é dde 1/5 e da C é de 1/20 0. As
probabilidades se os indivíduos co
omprarem um m carro da marca
m ue sejam de A, B
x são 1/10, 3/5 e 33/10, dado qu
e C, respectivamente. Certa loja vendeu um carro da ma arca x. Qual a probabili dade de que e i indivíduo
o que
comprou sseja da classse B?
Solução
A = classe A,
,
B = classe B,
C = classe C
P(A) = 3
3/4 P
P(car|A) = 1/10
P(B) = 1
1/5 P
P(car|B) = 3/5 Qu
ueremos P(
(B|car)
P(C) = 1
1/20 P
P(car|C) = 3/10
Pelo Teo
orema de Bayes,
B tem
mos

∩ P X|A P A ∩
|
P X|A P A P X|A P A ⋯ P X|A P A ∑ P X|A P A
∩ ∩ P car|B P B
|
P car|A P A P car|B P B P car|C P C
3 1 3 3
5 5 25 25 3 200
2 4

1 3 3 1 3 1 3 3 3 15 24 3 25 42 7
10 4 5 5 10 20 40 25 200 200
0,5714 57,14%
 Temos, portanto, 57,14% de proba
abilidade de que o carro foi comp
prado por
r um
indivídu
uo da clas
sse B.
Na plani
ilha Excel
l, preench
ha apenas a área az
zul:

6.
6 Um certo programa podep ser usado com um ma entre duas sub-rotinas A e B, ddependendo do problem ma. A
experiência tem mosttrado que a sub-rotina A é usada 40 0% das veze es e B é usaada 60% da as vezes. SeeAé
usada, exxiste 75% dee chance de que o progrrama chegue a um resu ultado dentroo do limite de tempo. SeeBé
usada, a cchance é dee 50%. Se o programa fo
oi realizado dentro
d mite de tempoo. Se B é us
do lim sada, a chan
nce é
de 50%. SSe o programa foi realiz
zado dentro do limite de
e tempo, qua al a probabillidade de quue a sub-rotina A
tenha sido
o a escolhida
a?
Solução
P(A) = 4
40% P
P(resultad
do|A) = 75
5%
P(B) = 6
60% P
P(resultad
do|B) = 50
0% Quere resultado).
emos P(A|r
Pelo Teo
orema de Bayes,
B tem
mos

∩ P X|A P A ∩
|
P X|A P A P X|A P A ⋯ P X|A P A ∑ P X|A P A
∩ ∩ P resuultado|A P A
|
P ressultado|A P A P resultado|B P B
0,75 0,40 0,30 0,30 1
0,5000 50,00%
0,75
5 0,40 0,5 50 0,60 0
0,30 0,30 0,60 2
Temos, p
portanto, 50,00% de
e probabi lidade de
e que o re
esultado f
foi atingi
ido dentro
o do
limite u
usando a sub-rotina
s a A.
Na plani
ilha Excel
l, preench
ha apenas a área az
zul:
7. A urna X contém 2 bolas azuis, 2 brancas e 1 cinza, e a urna Y contém 2 bolas azuis, 1 branca e 1 cinza.
Retira-se uma bola de cada urna. Calcule a probabilidade de saírem 2 bolas brancas sabendo-se que são
bolas de mesma cor?
Solução
X Y
2 A 2 A Após retirar uma bola de cada urna queremos
saber P(B  B|mesma cor).
2 B 1 B
1 C 1 C

A cor da bola que sai da segunda urna não é influenciada pela cor da bola que saiu
da primeira urna, isto é os eventos são independentes.

P(mesma cor) = P(BB) + P(AA) + P(C  C)= P(B).P(B) + P(A).P(A) +

P(C).P(C) = (2/5)(1/4) + (2/5)(2/4) + (1/5)(1/4) = (2/20)+(4/20)+(1/20) =
(7/20) = 0,35 ou 35%
Agora

∩
P B  B|mesma cor

8. Uma companhia de transporte urbano tem três linhas numa cidade, de forma que 45% dos ônibus cobrem o
serviço da linha 1, 25% cobre a linha 2 e 30% cobre o serviço da linha 3. Sabe-se que a probabilidade de que,
diariamente, um ônibus quebre é de 2%,3% e 1%, respectivamente, para cada linha.
a. Calcular a probabilidade de que, em um dia, um ônibus quebre.
b. Calcular a probabilidade de que, em um dia, um ônibus não quebre.
c. De que linha de transporte é mais provável que um ônibus quebre?

Solução
A1 = Cobre o serviço da linha 1
A2 = Cobre o serviço da linha 2
A3 = Cobre o serviço da linha 3
B1 = Quebra
B2 = Não quebra
P(A1) = 45% = 0,45 P(A2) = 25% = 0,25 P(A3) = 30% = 0,3
P(B1|A1) = 2% = 0,02 P(B1|A2) = 3% = 0,03 P(B1|A3) = 1% = 0,01
P(B2|A1) = 1 - P(B1|A1) = 1 - 0,02 = 0,98
P(B2|A2) = 1 - P(B1|A2) = 1 - 0,03 = 0,97
P(B2|A3) = 1 - P(B1|A3) = 1 - 0,01 = 0,99
a. A probabilidade de que, em um dia, um ônibus quebre, representada por P(B1), é
encontrada pela probabilidade total:
 P(B1) = P(A1  B1) + P(A2  B1) + P(A3  B1)
P(B1) = P(A1).P(B1|A1) + P(A2).P( B1|A2) + P(A
P 3).P(B1|A
| 3)
P(B1) = 0,45.0
0,02 + 0,225.0,03 + 0,30.0,01 1 = 0,0195
5 ou 1,95%
%

b. A pro
obabilidadde de que,
, em um diia, um ôniibus não quebre,
q re
epresentada por P(B2),
é enc
contrada pela
p proba
abilidade total:
P(B2) = P(A1  B2) + P(A2  B2) + P(A3  B2)
P(B2) = P(A1).P(B2|A1) + P(A2).P( B2|A2) + P(A
P 3).P(B2|A
| 3)
P(B2) = 0,45.0
0,98 + 0,225.0,97 + 0,30.0,99 9 = 0,9805
5 ou 98,05
5%

Ou ta
ambém, sab
bendo-se que
q P(B2) = 1 – P(B
B1) = 1 – 0,0195 = 0,9805 ou
u 98,05%.

c. Para encontrar
rmos a lin
nha de tra
ansporte que
q seja a mais pro
ovável de um ônibus
quebr
rar, aplic
camos o te
eorema de Bayes a cada
c uma das
d s. Assim
linhas

∩ P X|A P A ∩
|
P X|A P A P X|A P A ⋯ P X|A P A ∑ P X|A P A
1∩ 1 1∩ 1 1| 1 , ,
1 | 1
1

1 1 1| 1 1 1| 2 2 1| 3 33 ,
0,4615
0 46
6,15%
2 ∩ 1 1 ∩ 2 P 1| 2 P 2 0,03 0,25
2 | 1 0,3846 38,46%
1 1 1 0,0195
3 ∩ 1 1 ∩ 3 P 1| 3 P 3 0,01 0,30
3 | 1 0,1538 15,38%
1 1 1 0,0195

Temo
os, portan
nto, a linha A1 ap
presentand
do a maior
r chance (maior pr
robabilida
ade)
um ônibus quebrar.
de u
Na p
planilha Excel,
E pre
eencha ape
enas a áre
ea azul:

9.
9 Uma emp presa dedicada à comerc cialização de
e televisores
s está consid
derando com mercializar um
m novo televvisor.
No passaddo 90% dos televisores que
q comercia alizou tiveram êxito e 10
0% não. Sabee-se que a probabilidade
p e que
.recebera um relatório
o favorável de
e pesquisa fo
oi de 85% e 35%, respec ctivamente.
e a probabilid
a. Calcule dade de que os televisore
es exitosos recebem um relatório dessfavorável de
e pesquisa
b. Calcule
e a probabilid
dade de que os televisore
es não exitos
sos recebam
m um relatórioo desfavoráv
vel de pesquiisa.
c. Calcule a probabilid
dade de que um televisorr receba um relatório favo
orável de pessquisa. P(B1) = 0,8
 d. Calcule
e a probabilid
dade de que um televisorr receba um relatório des
sfavorável dee pesquisa. P(B
P 2) = 0,2
e. Qual é a probabilida
ade de que o equipamen sor tenha êxitto no mercaddo? P(A1|B1) = 0,9563
nto do televis

Solução
A1 = Tel
levisores exitosos P(A1) = 90%
A2 = Tel
levisores não exito
osos P(A2) = 10%
B1 = Rel
latório fa
avorável de
d pesquis
sa
B2 = Rel
latório de
esfavoráve
el de pesq
quisa
P(B1|A1) = 85%
P(B1|A2) = 35%
a. P(B2|
|A1) = 15 5%
b. P(B2|
|A2) = 65 5%
c. P(B1) = P(A1).P(B1|A1) + P(A2). .P(B1|A2)= 0,90x0, ,85 + 0,1 10x0,35 = 0,8
d. P(B2) = P(A1).P(B2|A1) + P(A2). .P(B2|A2)= 0,90x0, ,15 + 0,1 10x0,65 = 0,2
e. Aqui queremos s P(A1|B1) e será encontra ado pelo teorema de Bayes s
1∩ 1 1∩ 1 P 1| 1 P 1
1 | 1
1 1 P 1 | 1 P 1 P 1 | 2 P 2
0,85 0,90 0,7650 0,76550
0,9563 95,63%
0,85 0,90 0,35 5 0,10 0,7 7650 0,0350 0,8
No Excel:

10. A probabilidade de qu
ue uma pess
soa tenha um
ma determina
ada doença é 0,02.
Existem provas de dia
agnóstico mé
édico disponííveis para de
eterminar se uma pessoaa tem realme ente a doençaa. Se
a doença estiver realmente prese
ente, a proba abilidade de
e que a provva de diagnóóstico indique a presençça da
doença é de 0,95.
a. Qual é a probabilidade de se e ter a doen nça, se a prova
p de diagnóstico inddica a preseença da messma?
Calcular à mão e no
n Excel.
b. Qual é a probabiliidade de não
o ter a doençça, se a prov
va de diagnó
óstico não inndica a prese
ença da messma?
Calcular à mão e no
n Excel.
Solução
P(A
P 1) = Pro
obabilidade de que uma pess oa tenha determina
ada doença
a = 0,02 ou
o 2%.
P(A obabilidade de que uma pess oa não te
P 2) = Pro enha deter oença = 0,98 = 98%.
rminada do
P 1|A1) = Probabili
P(B idade de que
q o dia
agnóstico indique a presença
a da doenç
ça dado qu
ue a
pessoa
p est te = 0,95 ou 95%.
teja doent
P(B
P 1|A2) = Probabili
idade de que
q o dia
agnóstico indique a presença
a da doenç
ça dado qu
ue a
pessoa
p não
o esteja doente
d = 0,05
0 ou 5%
%.
P 2|A1) = 1 – P(B1|A1) = 1 – 0,95 = 0 ,05 ou 5%
P(B
P 2|A2) = 1 – P(B1|A2) = 1 – 0,05 = 0 ,95 ou 95%
P(B
 a. O quue querem
mos é a probabiliidade de uma pessoa ter a doençaa dado qu
ue a
prov
va de dia o indica a presen
agnóstico nça da mes
sma = P(A
A1|B1).
P
Para isso
o usamos o teoremaa de Baye
es:
∩ P X|A P A ∩
|
P X|A P A P X|A P A ⋯ P X|A P A ∑ P X|A P A
1∩ 1 1∩ 1 1| 1 , , ,
1 | 1
1

1 1 1| 1 1 1| 2 2 , , , , ,
0,2794
0 27,94%
b. Agor
ra o que queremos é a pr robabilid
dade de uma
u oa NÃO ter a doe
pesso ença
dado
o que o diagnósti
d ico NÃO i
indica a presençaa da mesm
ma = P(A
A2|B2). Ai
inda
P(B2) = 1 – P(B1) = 1 – 0,068
80 = 0,93
320 ou 93
3,20%
2 ∩ 2 2 ∩ 2 P 2| 2 P 2 0,95 0,988
2 | 2 0,9989 99,98%
2 2 0,9320 0,9320
No Exce
el:

11. Uma fábrrica de sacolas tem 3 mááquinas inde pendentes que

q produzem m o mesmo ttipo de sacoolas. A máquina 1
produz 15 5% das sacollas, com 1% delas com ddefeito. A má
áquina 2 prod
duz 45% dass sacolas, co
om 3% delass com
defeito. A máquina 3 produz
p 40% das
d sacolas,, com 2% de elas com defe
eito.
a. elecionarmoss uma sacola
Se se a aleatoriame
ente, qual é a probabilida
ade de que eela seja defe
eituosa?
b. De qu a uma sacola, se a sacola não tem ddefeito?
ual máquina é mais provável que saia

Solução
P(A1) = Probabili
idade da sacola
s ser
r produzid
da pela má
áquina 1 = 15%
P(A2) = Probabili
idade da sacola
s ser
r produzid
da pela má
áquina 2 = 45%
P(A3) = Probabili
idade da sacola
s ser
r produzid
da pela má
áquina 3 = 40%
P(B1|A1) = Probabilidade da
d sacola com defei a máquina 1 = 1%
ito vir da
P(B1|A2) = Probabilidade da
d sacola com defei a máquina 2 = 3%
ito vir da
 P(B1|A3) = Probabilidade da sacola com defeito vir da máquina 3 = 2%
P(B2|A1) = Probabilidade da sacola boa, vir da máquina 1 = 1 - P(B1|A1) = 99%
P(B2|A2) = Probabilidade da sacola boa, vir da máquina 2 = 1 - P(B1|A2) = 97%
P(B2|A3) = Probabilidade da sacola boa, vir da máquina 3 = 1 - P(B1|A3) = 98%

a. Queremos a probabilidade de que a sacola seja defeituosa.

P(B1) ?
P(B1) = P(B1  A1) + P(B1  A2) + P(B1  A3)
P(B1) = P(A1). P(B1|A1) + P(A2). P(B1|A2)+ P(A3). P(B1|A3)
P(B1) = 0,15x0,01 + 0,45x0,03 + 0,40x0,02 = 0,0015 + 0,0135 + 0,0080 = 0,0230 ou
2,30%
b. Para sabermos qual a máquina mais provável de produzir uma sacola sem defeito
(boa), basta aplicarmos o Teorema de Bayes a todas as máquinas e elegermos a
maior probabilidade:
P(B2) = 1 – P(B1) = 1 – 0,0230 = 0,9770
1 ∩ 2 2 ∩ 1 P 2| 1 P 1 0,99 0,15
1 | 2 0,1520 15,20%
2 2 0,9770 0,9770
2 ∩ 2 2 ∩ 2 P 2| 2 P 2 0,97 0,45
2 | 2 0,4468 44,68%
2 2 0,9770 0,9770

3 ∩ 2 2 ∩
P 33 P
0,98 0,40
2| 3
3 | 2 0,4012 40,12%
2 2 0,9770 0,9770
A máquina mais provável de produzir uma sacola boa é a máquina 2 com uma
probabilidade 44,68%.
12. O primeiro ano de bacharelado no curso de Administração de uma Universidade é integrado por 35 estudantes
que se especializarão em Recursos Humanos (RH), 47 em Agronegócios e 40 em Finanças e 38 em
Administração Geral. Sabe-se que a probabilidade que um estudante seja reprovado é de 5%, 4%, 3% e 4%,
respectivamente. Qual a especialidade é mais provável que seja o estudante, se sabemos que ele ficou
reprovado?

Solução
P(A1)=Probabilidade do estudante cursar a especialidade RH=(35/160)=0,2188 ou 21,88%
P(A2)=Probabilidade do estudante cursar a especialidade Agronegócios=(47/160)=0,2938
ou 29,38%
P(A3)=Probabilidade do estudante cursar a especialidade Finanças=(40/160)=0,2500 ou
25,00%
P(A4)=Probabilidade do estudante cursar a especialidade Administração
Geral=(38/160)=0,2375 ou 23,75%
P(B1|A1) = Probabilidade dos alunos de RH serem reprovados = 5% = 0,05.
P(B1|A2) = Probabilidade dos alunos de Agronegócios serem reprovados = 4% =
0,04
P(B1|A3) = Probabilidade dos alunos de Finanças serem reprovados = 3% = 0,03.
P(B1|A4) = Probabilidade dos alunos de Adm. Geral serem reprovados = 4% = 0,04
A especialidade mais provável de vir um aluno reprovado é encontrada
verificando-se o maior dos P(Ai|B1) (probabilidade da especialidade dado que o
aluno é reprovado).
P(B1) = P(B1  A1) + P(B1  A2) + P(B1  A3) + (B1  A4)
P(B1) = P(A1). P(B1|A1) + P(A2). P(B1|A2)+ P(A3). P(B1|A3)+ P(A4). P(B1|A4)
P(B1) = 0,2188
8x0,05 + 0,2938x0,0
0 04 + 0,2500x0,03 + 0,2375x0
0,04 = 0,0
0109 + 0,0
0118
+ 0,0
0075 + 0,0
0095 = 0,0
0397 ou 3,
,97%

1 ∩ 1 1 ∩ 1 P 1| 1 P 1 0,05 0,21188
1 | 1 0,275
56 27,56
6%
1 1 0,0397
0 0,03977

2 ∩ 1 1 ∩ 2 P 1| 2 P 2 0,2938x0,004
2 |1 0,2960
0 29,60%
%
1 1 0,0397
0 0,0397

3 ∩ 1 1 ∩ 3 P 1| 3 P 3 0,2500x00,03
3 | 1 0,188
89 18,89%
%
1 1 0,0397
0 0,03977

4 ∩ 1 1 ∩ 4 P 1| 4
P 4 0,2375x00,04
4 | 1 0,239
93 23,93%
%
1 1 0,0397
0 0,03977
A especialiddade mai
is prová
ável de vir um aluno reprovad do é a do
Agronegócios.
.
 ,
X 0,44 x 0,03 = 0,0132 ou 1,32% 0,6256 62,56%
,

3%
V
97%

44%
,
X 0,33 x 0,01 = 0,0033 ou 0,33% 0,1564 15,64%
,

1%
33%
J
99%

23%
,
X 0,23 x 0,02 = 0,0046 ou 0,46% 0,2180 21,80%
,

2% ______________
C 0,0211 ou 2,11%
98%

Jovens
Velhos
3.300 =
4.400 =
132 3.267 + 33
4.268 + 33
132 46

Crianças 2.300 = 2.254 + 46