UNIVERSIDADE FEDERAL FLUMINENSE INSTITUTO DE MATEMTICA CONTEDOS DIGITAIS DE MATEMTICA E ESTATSTICA

Probabilidade: Diagramas de rvore

Ana Maria Lima de Farias Departamento de Estatstica (GET/UFF)

Introduo
Nesse texto apresentaremos, de forma resumida, conceitos e propriedades bsicas sobre probabilidade condicional utilizados na atividade Probabilidade: Diagramas de rvore.

Experimento aleatrio
Um experimento aleatrio um processo que acusa variabilidade em seus resultados, isto , repetindo-se o experimento sob as mesmas condies, os resultados sero diferentes. Contrapondo aos experimentos aleatrios, temos os experimentos determinsticos, que so experimentos que, repetidos sob as mesmas condies, conduzem a resultados idnticos.

Espao amostral
O espao amostral de um experimento aleatrio o conjunto de todos os resultados possveis desse experimento. Vamos denotar tal conjunto pela letra grega mega maisculo, .

Eventos aleatrios
Os subconjuntos de so chamados eventos aleatrios; j os elementos de so chamados eventos elementares.

Definio clssica de probabilidade

Seja um espao amostral tal que todos os eventos elementares so igualmente provveis. Se A um evento qualquer desse espao amostral, define-se a probabilidade de tal evento como
P( A) = #A #

onde # representa nmero de elementos de. Esta foi a primeira definio formal de probabilidade, tendo sido explicitada por Girolamo Cardano (1501-1576).

Definio axiomtica de probabilidade

A definio clssica associa a cada evento de um nmero P(A), que satisfaz diversas propriedades; mas ela se baseia em duas hipteses que restringem seu campo de aplicao: (1) H um nmero finito de eventos elementares, isto , um conjunto finito. (2) Os

UNIVERSIDADE FEDERAL FLUMINENSE INSTITUTO DE MATEMTICA CONTEDOS DIGITAIS DE MATEMTICA E ESTATSTICA eventos elementares so igualmente provveis. Em 1933, Kolmogorov (1903-1987) construiu a teoria da probabilidade partindo de um conjunto de axiomas, apresentados a seguir, em uma verso mais simples.1 1) 2) 3)
P( A) 0 P() = 1

Se A B = , ento P( A B) = P( A) + P(B)

Note que a definio clssica satisfaz esses trs axiomas.

Propriedades da probabilidade
As seguintes propriedades so obtidas a partir dos axiomas acima: 1)
P() = 0

Podemos escrever = e aplicar os axiomas 2 e 3. 2)

P( A) = 1 P( A)

Podemos escrever = A A e aplicar os axiomas 2 e 3. 3)

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

Podemos escrever (veja a figura a seguir) A = ( A B) ( A B) e aplicar o axioma 3.

4) P( A B) = P( A) + P(B) P( A B) Na figura abaixo podemos ver que A B = B ( A B) e o resultado segue do axioma 3 e da propriedade anterior.

Segundo o dicionrio Aurlio: Axioma Proposio que se admite como verdadeira porque dela se podem deduzir as proposies de uma teoria ou de um sistema lgico ou matemtico.

UNIVERSIDADE FEDERAL FLUMINENSE INSTITUTO DE MATEMTICA CONTEDOS DIGITAIS DE MATEMTICA E ESTATSTICA

5)

Se A B P( A) < P(B) Note que A B A B = A P(B A) = P(B) P( A) 0

Probabilidade condicional
Muitas vezes, saber que um evento B ocorreu pode nos ajudar a reavaliar a probabilidade de ocorrncia de um evento A. Considere o lanamento de um dado equilibrado e suponha que estejamos interessados no evento A = face 2. Se no temos qualquer informao, sabemos que P(A) = 1/6. Mas suponha que a seguinte informao seja fornecida: saiu face par. Com essa informao, reavaliamos a probabilidade de ocorrncia do evento A para P(A) = 1/3. Considere a situao ilustrada na figura a seguir: se sabemos que ocorreu o evento B, esse evento passa a ser o novo espao amostral. Nesse novo espao amostral, a ocorrncia de A equivale ocorrncia de A B .

Dessa forma, define-se a probabilidade condicional de A dada a ocorrncia de B como

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

A diviso por P(B) garante que a probabilidade do novo espao amostral B seja igual a 1. Obs.: l-se P( A | B) resumidamente como probabilidade de A dado B

Regra da multiplicao
A regra da multiplicao trata da probabilidade da interseo de eventos. Note que, da definio de probabilidade condicional, segue o seguinte resultado:
P( A B) = P(B)iP( A | B)

Para 3 eventos temos

UNIVERSIDADE FEDERAL FLUMINENSE INSTITUTO DE MATEMTICA CONTEDOS DIGITAIS DE MATEMTICA E ESTATSTICA

P( A1 A2 A3 ) = P( A1 )P( A2 | A1 )P( A3 | A2 A1 ) E para o caso geral, temos o seguinte resultado:

P( A1 A2 An ) = P( A1 )P( A2 | A1 )P( A3 | A2 A1 ) P( An | A1 An 1 )

Teorema da probabilidade total

Seja A1 , A2 , , An uma coleo de eventos de um espao amostral tal que 1. 2. Ai Aj = i j

A
i =1

Uma tal coleo chamada de partio de . Veja a figura a seguir.

Seja B um evento de .

Podemos, ento, expressar B com a seguinte unio de eventos:

B = ( A1 B) ( A2 B) ( An B)

Como os Ai s so mutuamente exclusivos, segue que os ( Ai B) s tambm o so. Logo,

UNIVERSIDADE FEDERAL FLUMINENSE INSTITUTO DE MATEMTICA CONTEDOS DIGITAIS DE MATEMTICA E ESTATSTICA

P (B) = P[( A1 B) ( A2 B) = P ( A1 B) + P ( A2 B) + ( An B)] + P ( An B)]

Exemplo
Em uma determinada cidade, o nmero de homens igual ao nmero de mulheres. 5% dos homens so daltnicos e 0,4% das mulheres so daltnicas. Sorteia-se aleatoriamente uma pessoa dessa cidade e verifica-se que daltnica. Qual a probabilidade de ter sido sorteada uma mulher?
Soluo

Vamos resolver esse exemplo passo a passo. A primeira coisa a observar que o espao amostral formado por todos os moradores da cidade. Os eventos de interesse so homem (H), mulher (M), daltnico, (D) e no daltnico (N). Para definir a partio apropriada, temos que ver quais so as probabilidades a priori fornecidas no problema, ou seja, probabilidades dadas sem conhecimento de qualquer outro evento. As probabilidades a priori se referem aos eventos Homem e Mulher. Veja a seguir a representao dessas informaes num diagrama de Venn e num diagrama de rvore. O diagrama de rvore mais apropriado, pois nos permite indicar as probabilidades. As probabilidades dadas so:

P(H) = P(M) = 0,5 P(D|H) = 0,05 P(N|H) = 0,95 (a lei do complementar vale tambm para a probabilidade condicional) P(D|M) = 0,004 P(N|M) = 0,996

Aplicando o teorema da multiplicao obtemos as probabilidades dos seguintes eventos:

Homem e daltnico: P (H D) = P (H )iP (D | H ) = 0, 5i0, 05 = 0, 025 Homem e no daltnico: P (H N ) = P (H )iP (N | H ) = 0, 5i0, 95 = 0, 475 Mulher e daltnica: P (M D) = P (M )iP (D | M ) = 0, 5i0, 004 = 0, 002 Mulher e no daltnica: P (M N ) = P (M )iP (N | M ) = 0, 5i0, 996 = 0, 498

UNIVERSIDADE FEDERAL FLUMINENSE INSTITUTO DE MATEMTICA CONTEDOS DIGITAIS DE MATEMTICA E ESTATSTICA

Aplicando o teorema da probabilidade total temos:

P (D ) = P (M D ) + P ( H D ) = P (H )iP (D | H ) + P ( M )iP (D | M ) = 0, 025 + 0, 002 = 0, 027 P (N ) = P ( M N ) + P ( H N ) = P (H )iP ( N | H ) + P (M )i P (N | M ) = 0, 475 + 0, 498 = 0, 973 = 1 P (D)

Agora, vamos calcular a probabilidade pedida, P(M|D), que uma probabilidade a posteriori, isto , vamos atualizar a probabilidade do evento ser mulher sabendo que ocorreu o evento D (no enunciado foram dadas a probabilidade a priori P(M) e a probabildiade de daltnico dado que mulher):
P (M | D ) = P (M D) 0, 002 = = 0, 074 P (D) 0, 027

Bibliografia
Farias, A. M. L.; Laurencel, L. C. Probabilidade. Apostila. Departamento de Estatstica. Niteri: UFF 2008 (verso para download em http://www.professores.uff.br/anafarias/probab_2008.pdf Morgado, A.C.O.; Carvalho, J.B.P.; Carvalho, P.C.P.; Fernandez, P. Anlise Combinatria e Probabilidade, Coleo do Professor de Matemtica. Rio de Janeiro: Sociedade Brasileira de Matemtica, 2006 Hazzan, S. Fundamentos de Matemtica Elementar: Combinatria, Probabilidade - vol. 5, 7a. edio. So Paulo: Atual Editora, 2004. Julianelli, J.R.; Dassie, B.A.; Lima, M.L.A.; S, I.P. Curso de Anlise Combinatria e Probabilidade - Aprendendo com a resoluo de problemas. Rio de Janeiro: Editora Cincia Moderna, 2009.