Probabilidade Condicional e

Independncia de Eventos

Alberto Barros

Cursos: CST em Redes de Computadores

CST em Gesto Ambiental

1
 Roteiro

Definio de probabilidade condicional

A utilizao do Diagrama de rvore na resoluo de

problemas envolvendo probabilidade condicional

Independncia de eventos

Teoremas envolvendo probabilidade condicional

Teorema da Probabilidade Total
Teorema de Bayes

2
 Introduo
Em muitas situaes prticas, o experimento com o
qual trabalhamos pode ser separado por etapas.

A informao do que ocorreu em uma determinada

etapa pode influenciar nas probabilidades de
ocorrncias das etapas sucessivas.

Nestes casos, dizemos que ganhamos informao e

podemos recalcular as probabilidades de
interesse. Essas probabilidades recalculadas
recebem o nome de probabilidade condicional.
3
 Definio da
Probabilidade Condicional
Sejam dois eventos A e B associados a um espao
amostral , a probabilidade condicional de B
ocorrer dado que A ocorreu dado por

P(A B) com P(A) 0

P(B | A)
P(A)

Como consequncia da frmula acima temos a

regra do produto das probabilidades:

P(A B) = P(B | A)P(A)

4
 Definio da
Probabilidade Condicional
Tambm podemos definir a probabilidade
condicional de A ocorrer dado que B ocorreu como
sendo

P(A B) com P(B) 0

P(A | B)
P(B)

Consequentemente, a regra do produto de

probabilidades neste caso ser

P(A B) = P(A | B)P(B)

5
 Exemplo
Exemplo 1: Em uma urna h 5 bolas, sendo 2
amarelas e 3 pretas. Duas bolas so retiradas
sucessivamente da urna, uma aps a outra, sem
reposio. Sejam os eventos:

A1: A primeira bola sorteada amarela

A2: A segunda bola sorteada amarela.

Calcule P(A1) e P(A2)

? ?

6
 Soluo do Exemplo 1
O experimento em questo consiste em retirar 2
bolas de uma urna, sem reposio, e observar
as suas cores.

Com isso, o espao amostral para este

experimento consiste em = {(A, A), (A, P), (P,
A), (P, P)}, onde

(A, A) = (A1 A2) o evento a 1a bola sorteada

amarela e a 2a bola amarela

7
 Soluo do Exemplo 1
(A, P) = (A1 P2) o evento a 1a bola
sorteada amarela e a 2a bola preta

(P, A) = (P1 A2) o evento a 1a bola

sorteada preta e a 2a bola amarela

(P, P) = (P1 P2) o evento a 1a bola

sorteada preta e a 2a bola preta
8
 Soluo do Exemplo 1

Note que o evento de interesse um

subconjunto de , a saber, A2 = {(A, A), (P, A)}
que um espao amostral finito. Portanto,
P(A2) = P[(A, A)] + P[(P, A)]
= P[(A1 A2)] + P[(P1 A2)]
Pela regra do produto,
P[(A1 A2)] = P(A2 | A1)P(A1) e
P[(P1 A2)] = P(A2 | P1)P(P1)
9
 Soluo do Exemplo 1

Se 1 bola foi
preta ento

P(P1) = 3/5 P(A2 | P1) = 2/4

Se 1 bola foi
amarela ento

P(A1) = 2/5 P(A2 | A1) = 1/4

10
 Soluo do Exemplo 1

P(A2) = P(A2 | A1)P(A1) + P(A2 | P1)P(P1)

1 2 2 3 8 2
0,4 ou 40%
4 5 4 5 20 5

11
 Exemplo
Exemplo 2: Com relao a distribuio abaixo,
determine a probabilidade de um aluno sorteado
aleatoriamente:
Sexo
Habilitao Total
Masculino Feminino
Sistemas 11 1 12
Redes 13 5 18
Total 24 6 30

a) ser do sexo masculino, dado que ele do curso de

Redes de Computadores;

b) ser do curso de Sistemas para Internet, dado que

do sexo masculino; 12
 Soluo do Exemplo 2
Soluo a)

P(M R) 13 / 30 13
P(M | R) 0,722
P(R) 18 30 18

Note, pela tabela, que dos 18 alunos de Redes de Computadores,

13 so do sexo masculino. O que torna a resposta bem coerente.

Soluo b)
P(S M) 11 / 30 11
P(S | M) 0,458
P(M) 24 30 24

Note tambm que, dos 24 alunos do sexo masculino, 11 so do

curso de Sistemas para Internet

13
 O Diagrama de rvore
O diagrama de rvore um recurso bastante
utilizado especialmente quando trabalhamos
com experimentos que envolvem probabilidades
condicionais.

Para ilustrar a utilizao do diagrama de rvore,

iremos resolver novamente o exemplo 1, onde
estamos interessados em calcular P(A2).

14
 Soluo do Exemplo 1 pelo
Diagrama de rvore
Podemos montar uma rvore com todas as
possibilidades possveis em cada sorteio da bola e, no
ramo de cada possibilidade para o sorteio da bola,
estar a sua probabilidade de ocorrncia.

P(A2 | A1)
P(A1) P(P2 | A1)

P(A2 | P1)

P(P1)
15
P(P2 | P1)
 Soluo do Exemplo 1 pelo
Diagrama de rvore
Para calcular P(A2) temos que olhar na rvore os
ramos no qual aparecem bola branca no segundo
sorteio.

Como temos 2 possibilidades disto ocorrer, pois basta

acontecer os eventos (A1 A2) ou (P1 A2), a
probabilidade desejada vai ser a soma dessas duas
conforme a figura do prximo slide.

Para calcular a probabilidade de (A1 A2) e (P1 A2)

utilizaremos a regra do produto.
16
Soluo do Exemplo 1 pelo
Diagrama de rvore
P(A1 A2) = P(A2|A1)*P(A1)

1 2 2
*
4 5 20
2 6
P(P1 A2) = P(A2|P1)*P(P1) P(A 2 )
20 20
2 3 6 8 2
*
4 5 20 20 5

P(A2) = P((P1 A2) ou (A1 A2))

= P((P1 A2) (A1 A2))
17
= P(P1 A2) + P(A1 A2)
 Observaes Importantes Sobre o
Diagrama de rvore do Exemplo 1
Resultados Possveis Probabilidade
As probabilidades 2 1 2
referentes aos ramos da (A,A) = (A1 A2)
rvore que saem do 5 4 20
mesmo n somam 1.
2 3 6
(A,P) = (A1 P2)
A soma das probabilidades 5 4 20
de todos os resultados
possveis do experimento 3 2 6
igual a 1, conforme (P,A) = (P1 A2)
tabela ao lado 5 4 20
3 2 6
(P,P) = (P1 P2)
5 4 20
Soma 20/20 = 1
18
 Independncia de Eventos
Dois eventos A e B, contidos em um mesmo
espao amostral , sero considerados
independentes se a informao da ocorrncia
(ou no) de A no alterar a probabilidade de
ocorrncia de B, ou seja, se
P(B | A) = P(B),
que equivale a
P(A B) = P(A)P(B),
com P(A)0.
19
 Exemplo
Exemplo 3: Uma moeda equilibrada
jogada duas vezes. Sejam os eventos:

A: sair cara na primeira jogada;

B: sair cara na segunda jogada;

Prove que A e B so independentes

20
 Soluo do Exemplo 3

O espao amostral para o experimento de lanar uma moeda 2

vezes dado por:

= {(c,c), (c,k), (k,c), (k,k)}

onde c = cara e k = coroa.

Note que A = {(c,c), (c,k)}, B = {(c,c), (k,c)} e A B = {(c,c)}

Isto implica que

n(A) 2 1 n(B) 2 1 n(A B) 1

P(A) P(B) P(A B)
n() 4 2 n() 4 2 n() 4

ou seja, P(A B) = P(A)P(B) A e B so independentes

21
 Generalizao da Regra
da Independncia
Sejam A1, A2, ..., An n eventos de um mesmo espao
amostral . Dizemos que A1, A2, ..., An so eventos
independentes se

P(Ai Aj) = P(Ai)P(Aj) i j = 1, 2, ..., n

P(Ai Aj Ak) = P(Ai)P(Aj)P(Ak) i j k = 1, 2, , n

P(A1 A2 ... An) = P(A1)P(A2) P(An)

Obs: Para n eventos temos 2n n 1 relaes a serem

verificadas

22
 Exemplo

Exemplo 4: Dois dados so lanados

simultaneamente. Sejam os eventos:

A: O 1o dado mostra um nmero par;

B: O 2o dado mostra um nmero mpar;

C: Ambos os dados mostram nmeros mpares

ou ambos mostram nmeros pares;

Os eventos A, B e C, so independentes? 23
 Soluo do Exemplo 4
O espao amostral correspondente ao
experimento citado :

(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)

(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)
24
 Soluo do Exemplo 4

Os eventos citados so:

(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)

A (4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6)

(1,1) (1,3) (1,5)

(2,1) (2,3) (2,5)
(1,1) (1,3) (1,5) (2,2) (2,4) (2,6)
(3,1) (3,3) (3,5)
B C ( 3,1) (3,3) (3,5) ( 4, 2) ( 4, 4) ( 4,6)
(4,1) (4,3) (4,5) (5,1) (5,3) (5,5) (6,2) (6,4) (6,6)
(5,1)
(5,3) (5,5)

(6,1) (6,3) (6,5)
25
 Soluo do Exemplo 4
Consequentemente,

A B = {(2,1), (2,3), (2,5), (4,1), (4,3), (4,5), (6,1), (6,3), (6,5)}

A C = {(2,2), (2,4), (2,6), (4,2), (4,4), (4,6), (6,2), (6,4), (6,6)}

B C = {(1,1), (1,3), (1,5), (3,1), (3,3), (3,5), (5,1), (5,3), (5,5)}

ABC=

26
 Soluo do Exemplo 4

Como um espao amostral

equiprovvel, ento
n(A) 18 1 n(B) 18 1
P(A) P(B)
n( ) 36 2 n( ) 36 2

n(C) 18 1 n(A B) 9 1
P(C) P(A B)
n( ) 36 2 n( ) 36 4

n(A C) 9 1 n(A C) 9 1
P(A C) P(B C)
n( ) 36 4 n( ) 36 4

P(A B C ) = P() = 0 27
 Soluo do Exemplo 4

Note que

P(A B) = P(A)P(B)

P(A C) = P(A)P(C)

P(B C) = P(B)P(C)

Porm, P(A B C) P(A)P(B)P(C),

portanto A, B e C no so independentes.
28
 Exemplo

Exemplo 5: A probabilidade de que um homem esteja

vivo daqui a 30 anos 2/5; a probabilidade de que a
mulher esteja viva daqui a 30 anos 2/3. Determinar a
probabilidade de que daqui a 30 anos,

a) ambos estejam vivos;

b) somente o homem esteja vivo;

c) somente a mulher esteja viva;

Obs: Neste exerccio,
d) nenhum esteja vivo; estamos supondo que
existe independncia
e) pelo menos um deles esteja vivo. entre os eventos

29
 Soluo do Exemplo 5a
Sejam os seguintes eventos:

H: Homem vivo M: Mulher viva

H : Homem Morto M : Mulher Morta

Ento a probabilidade de ambos estarem vivos
daqui a 30 anos :

2 2 4
P(H M) P(H) P(M)
5 3 15
30
Soluo do Exemplo 5b e 5c

A Probabilidade de somente o homem estar vivo

daqui a 30 anos :
2 1 2
P(H M) P(H) P(M)
5 3 15

A Probabilidade de somente a mulher estar viva

:

3 2 6
P(H M) P(H) P(M)
5 3 15

31
 Soluo do Exemplo 5d e 5e
A probabilidade de que nenhum deles esteja
vivo :
3 1 3
P(H M) P(H) P(M)
5 3 15

A probabilidade de que pelo menos um deles

esteja vivo :
2 2 2 2 6 10 4 12
P(H M) P(H) P(M) P(H M)
5 3 5 3 15 15

Outra maneira: P(H M) = 1 - P(H M)

= 32
 Partio de um Espao Amostral

Dizemos que os eventos A1, A2, ..., An formam

uma partio do espao amostral se:

Ai , i = 1, ..., n
A2

Ai Aj = , para i j
A4
n A1 A3
Ai = A5

i 1 Partio de um espao
amostral (n = 5) 33
Teorema da Probabilidade Total
Sejam A1, A2, ..., An eventos que formam uma partio
do espao amostral. Seja B um outro evento deste
mesmo espao, conforme a figura abaixo.

A1 A2 An
B

Ento,
P(B) = P(A1) P(B|A1) + P(A2) P(B|A2) + ... + P(An) P(B|An)
n
P(B | Ai )P(Ai )
34
i 1
 Exemplo
Exemplo 6: Em uma comunidade em que 1/3
da populao obesa, a probabilidade de uma
pessoa obesa ser hipertensa 2/5 enquanto
que a probabilidade de uma pessoa no obesa
ser hipertensa 1/20. Se uma pessoa for
selecionada aleatoriamente dessa comunidade,
qual a probabilidade desta pessoa ser
hipertensa?

35
 Soluo do Exemplo 6
Sejam os eventos:

O: A pessoa selecionada obesa;

H: A pessoa selecionada hipertensa;

Do enunciado, temos que

1
P(O) = 1/3; P(H/O) = 2/5 e P(H | O)
20

36
 Soluo do Exemplo 6
Temos uma comunidade que pode ser dividida
entre obesos e no obesos e dentro desta
comunidade existem as pessoas hipertensas,
conforme figura abaixo:

O H O

= {todas as pessoas da comunidade}

37
 Soluo do Exemplo 6
P(H) = P(H O) + P(H O )

= P(O)P(H|O) + P( O )P(H| O )

1 2 2 1

3 5 3 20

2 2 8 2 10 1

15 60 60 60 6
38
 Exemplo
Exemplo 7: Suponha que um fabricante de sorvetes
recebe 20% de todo o leite que utiliza de uma fazenda
F1, 30% de outra fazenda F2 e 50% de F3. Um rgo de
fiscalizao inspecionou as fazendas de surpresa, e
observou que 20% do leite produzido por F1 estava
adulterado por adio de gua, enquanto para F2 e F3,
essa proporo era de 5% e 2%, respectivamente. Na
indstria de sorvetes os gales de leite so
armazenados em um refrigerador sem identificao das
fazendas. Para um galo escolhido ao acaso, qual a
probabilidade do leite deste galo ser adulterado?

39
 Soluo do Exemplo 7

Sejam os eventos:

A: O leite do galo escolhido ao acaso est adulterado;

F1: O leite do galo escolhido ao acaso veio da fazenda F1;

F2: O leite do galo escolhido ao acaso veio da fazenda F2;

F3: O leite do galo escolhido ao acaso veio da fazenda F3;

40
 Soluo do Exemplo 7
Note que F1, F2 e F3 formam uma partio do
espao amostral, pois o leite do galo s pode
ter vindo de uma das trs fazendas. A figura
abaixo ilustra a situao:

F
1 A F
F 3
2

= { todos os gales do refrigerador da indstria de sorvetes}

41
 Soluo do Exemplo 7
P(A) = P(A F1) + P(A F2) + P(A F3)

= P(F1)P(A|F1) + P(F2)P(A|F2) + P(F3)P(A|F3)

Do enunciado, temos que

P(F1) = 0,2; P(F2) = 0,3 e P(F3) = 0,5;

P(A|F1) = 0,2; P(A|F2) = 0,05 e P(A|F3) = 0,02;

42
 Soluo do Exemplo 7

Ento,

P(A) = (0,20,2) + (0,30,05) + (0,50,02)

= 0,04 + 0,015 + 0,01 = 0,065 ou 6,5%

E se descobrssemos que o galo de leite escolhido estivesse

adulterado? Qual a probabilidade de ele ter vindo da fazenda F1?

Para descobrir isso, ou seja, para calcular P(F1|A) teramos que

inverter a probabilidade condicional conhecida P(A|F1)

Situaes como essa so tpicas para a utilizao do resultado que

iremos apresentar a seguir: o Teorema de Bayes.

43
 Teorema de Bayes
Suponha que A1, A2, ..., An sejam eventos que
formam uma partio do espao amostral e
suas probabilidades sejam conhecidas.
Ento, para um evento B desse mesmo espao
onde se conheam as probabilidades P(B|Ai),
teremos para todo i = 1, 2, ..., n o seguinte
resultado:
P(Ai ) P(B | Ai )
P(Ai | B) n
P(Ai ) P(B | Ai )
i 1
44
Este resultado conhecido como Teorema de Bayes
 Exemplo
Exemplo 8: No exemplo anterior da indstria de
sorvetes, se o galo selecionado ao acaso
conter leite adulterado, qual a probabilidade
dele ter vindo da fazenda F1? E da fazenda F2?

Soluo: Temos a mesma situao do exemplo

anterior, s que agora desejamos calcular
P(F1/A) e P(F2/A). Utilizando o Teorema de
Bayes temos que
P(F1) P(A | F1)
P(F1 | A)
P(F1) P(A | F1) P(F2 ) P(A | F2 ) P(F3 ) P(A | F3 )
45
 Soluo do Exemplo 8
e, ento
0,2 0,2
P(F1 | A) 0,615
(0,2 0,2) (0,3 0,05) (0,5 0,02)

Analogamente

P(F2 ) P(A | F2 )
P(F2 | A)
P(F1) P(A | F1) P(F2 ) P(A | F2 ) P(F3 ) P(A | F3 )

0,3 0,05
0,231
(0,2 0,2) (0,3 0,05) (0,5 0,02) 46
 Exemplo

Exemplo 9: Numa cidade do interior de So

Paulo, estima-se que cerca de 20% dos
habitantes tm algum tipo de alergia. Sabe-se
que 50% dos alrgicos praticam esporte,
enquanto que esta porcentagem entre os no
alrgicos de 40%. Para um indivduo
escolhido aleatoriamente nessa cidade, obtenha
a probabilidade dele:

a) no praticar esporte
b) ser alrgico dado que no pratica esporte
47
 Soluo do Exemplo 9a

Soluo a)
Sejam os eventos:

A: O indivduo alrgico
E: O indivduo pratica esporte

Os habitantes da cidade, que compem o espao

amostral, podem ser divididos em duas categorias:
alrgicos (A) e no alrgicos (A ). Alm disso, dentre os
habitantes existem os que praticam esporte (E)
conforme a figura abaixo:
A
E A
48
 Soluo do Exemplo 9a
Do enunciado temos que P(A) = 0,20; P(E|A) =
0,50 e P(E| A ) = 0,40;

Ento,

P(E) P(E | A) P(A) P(E | A) P(A)

(1 0,50) 0,20 (1 0,40) (1 0,20)
0,50 0,20 0,60 0,80 0,10 0,48 0,58
49
 Soluo do Exemplo 9b
Pelo Teorema de Bayes, temos que

P(E | A) P(A)
P(A | E)
P(E | A) P(A) P(E | A) P(A)

Note que, o denominador da expresso acima

P( E ) = 0,58 (calculado no item a)). Assim,

0,20 x 0,50
P(A | E) 0,172
0,58
50
 Referncias Bibliogrficas
Lima, Cludia Regina O. P.; Sena Jr., Manoel R. de; Santos, Jozemar P.
dos; Clculo das Probabilidades e Estatstica I Notas de aula, Apostila do
Departamento de Estatstica UFPB;

Meyer, Paul L.; Probabilidade: Aplicaes Estatstica, LTC Editora, 2a

edio;

Morettin, Pedro A. e Bussab, Wilton de O.; Estatstica Bsica, Editora

Saraiva, 5a edio;

Lipschutz, Seymour; Probabilidade, MacGraw-Hill;

Morgado, Augusto Csar de O.; Carvalho, Joo Bosco P.; Carvalho, Paulo
Cezar P. e Fernandez, Pedro; Anlise Combinatria e Probabilidade, IMPA,
1991;

51
Prximas Aulas...

Exerccios

52