PROBABILIDADE CONDICIONAL E

INDEPENDÊNCIA DE EVENTOS

Seja um evento A, relativo a um espaço

amostral S.
P(A) pode ser calculada usando alguma das
definições vistas de probabilidade: clássica,
frequentista ou axiomática.

Considere o seguinte experimento:

: lançar dois dados, um após o outro, anotar o
resultado na face superior.

S={(i,j | i,j=1,2, ...,6 }

Consideremos os seguintes eventos:
A: “ O 1o número é 3”
B: “ O 2o número é 4 ”

A e B são eventos independentes pois a

ocorrência de A não afeta a ocorrência de B; ou,
em outras palavras, o fato de A ter ocorrido não
modifica P(B).

Façamos agora outro experimento.

: “ Temos uma caixa com 10 fichas, sendo 8
verdes e 2 azuis. São retiradas, sem reposição,
duas fichas, sendo a cor registrada.”
S= { VV, VA, AV, AA }
Sejam os seguintes eventos:
A = { A 1a ficha é azul }
B = { A 2a ficha é azul }

Neste caso, A e B não são independentes.

P(B)=?
(i) Se a 1a ficha foi azul, P(B)=1/9, temos
então P( B / A) ;
(ii) Se a 1a ficha foi verde, P(B)=2/9. e
teríamos então P( B / A) .

Lembre que, com um diagrama de Venn

representando S e um evento B, quando
calculamos P(B), estamos calculando qual a
probabilidade de estarmos em B, dado
(sabendo) que devemos estar em S.
Considere agora S e dois eventos, A e B.
Quando quisermos calcular P(B/A), queremos
calcular qual a probabilidade de estarmos em B,
sabendo que devemos estar (tb) em A, i.e., o
espaço amostral ficou reduzido de S para A.

Façamos então a seguinte definição:

2
P ( B / A)  P( A  B ) P ( A)
, P(A)>0 ;

P( A / B)  P ( A  B) P( B )
, P(B)>0 .

Se A e B forem independentes, então

P(A/B)=P(A), logo (nesse caso): P( A  B)  P( A)  P( B) .

Ex. 3.2 pág. 45

PARTIÇÃO DE UM ESPAÇO AMOSTRAL

Dizemos que os eventos B1, B2, ..., Bk

representam uma partição de S quando:
(i) B  B =  , para todo i  j
i j
;
(ii)  ;
k
Bi  S
i 1

(iii) P(Bi) >0 , para todo i .

Ex.: Ao lançar um dado, B1={1,2}, B2={3,4,5} e

B3={6} constituiriam uma partição de S.
Observe que, quando  é realizado, um e
somente um, dos eventos Bi ocorre.

Teorema da Probabilidade Total

(apresentar com partição de S em 4 partes, k=4)

3
Ex. 3.5: Certa peça é feita por três fábricas: F1,
F2, e F3 .F1 produz o dobro de peças do que F2 .
F2 e F3 produzem o mesmo no de peças durante
um período especificado.
2% das peças produzidas em F1 e F2 são defeit.;
4% de peças produzidas em F3 são defeituosas.
Todas as peças produzidas são colocadas em
um depósito e depois uma peça é extraída ao
acaso. Qual a probabilidade dela ser defeit.?

Solução: (i)Nomear eventos e (ii) aplicar o

Teorema da Probabilidade Total.

TEOREMA DE BAYES
Usemos o Ex. 3.5 para sugerir outro importante
resultado. Uma peça é retirada do depósito e se
verifica que ela é defeituosa.
Qual a probabilidade de que tenha sido
produzida em F1? Deseja-se P(F1/Def.)

Voltemos ao raciocínio exposto no Teor. da

Probabilidade Total, resultado obtido com a
partição de S, onde  . A Bi  A

P ( Bi / A)  P ( Bi  A) / P ( A)
(pela definição de Prob.
Condicionada);
Mas P(B  A)  P( A  B )
i i

4
 P ( A  Bi )
= P(A/Bi) P(Bi) = P(Bi/A) P(A) .
Desta forma podemos escrever
P( A / B ) P( B )
P ( B / A) 
i
P ( A)
i
; i

aplicando o Teorema da Prob. Total no

denominador, P(A), obtemos a expressão final
do Teorema de Bayes:
P ( A / Bi ) P( Bi )
P ( Bi / A)  k

 P( A / B ) P( B )
j 1
j j

* Observe no numerador a inversão de P(.)

O Teorema de Bayes tb pode ser enunciado:

(informalmente)

Probabilidade (ao se tomar conhecimento de

algum evento)= Probabilidade “revisada” =

= P(Modo Específico) /  das probabilidades (de

todas as maneiras)

Solução do problema exemplo (3 fábricas).

Ex. 3.8: Um saco contém três moedas, uma das

quais foi cunhada com duas caras, enquanto as
duas outras são normais e não viciadas. Uma
moeda é tirada ao acaso do saco e jogada
5
quatro vezes, em sequência, obtendo-se quatro
caras. Qual a probabilidade de que essa seja a
moeda de duas caras?

Solução: (i) Nomear eventos (4CS, 2C, 1C);

(ii) Aplique o teor. de Bayes (use a inversão de
P(.) no numerador).

 Definição de condições para 3 eventos

mutuamente independentes.
 Exs. 3.11, 3.12, 3.20. (circuitos)
 Outros exs. cap. 3
 Ex.: 2 pessoas jogam uma moeda, uma joga
primeiro. Vence quem obtém a 1a cara. Qual
a P(ganhar o jogador 1); e o jogador 2?