5.

PROBABILIDADE CONDICIONADA

EXEMPLO 5.1: Um lote formado pelos seguintes artigos: 80 no defeituosos e 20

defeituosos. Dois artigos so retirados do lote. Sejam A={o 1 artigo
defeituoso} e B={o 2 artigo defeituoso}.
Calcule P(A) e P(B), a) com reposio; b) sem reposio.

SOLUO:
Se extrairmos com reposio, P( A) = P( B) = 20 100 = 15 , pois cada vez que
estivermos extraindo do lote, existiro 20 peas defeituosas no total de 100.

a)

b) Se estivermos extraindo sem reposio, ainda verdade que P ( A) = 15 . Mas e

sobre P(B) ? evidente que, a fim de calcularmos P(B) necessrio conhecer a
composio do lote no momento de se extrair a segunda pea. Isto , devemos saber
se A ocorreu ou nao.

Este exemplo mostra a necessidade de se introduzir o seguinte conceito.

Sejam A e B dois eventos associados ao experimento E. Denotaremos por P(B/A)

a probabilidade condicionada do evento B, quando A tiver ocorrido.
Sempre que calcularmos P(B/A), estaremos essencialmente calculando P(B) em
relao ao espao amostral reduzido A, em lugar de faz-lo em relao ao espao
original .

EXEMPLO 5.2: Dois dados honestos so lanados, registrando-se o resultado como

(x1,x2), onde xi o resultado do i-simo dado, i=1,2. Considere os
e
B={(x1,x2)/ x1 >
seguintes eventos: A={(x1,x2)/ x1 + x2 = 10}
x2}.

Determine: P(A), P(B), P(A B), P(B/A) e P(A/B).

SOLUO: O espao amostral pode ser representado pela seguinte lista de 36

resultados igualmente provveis.

(1,1),(1,2),L , (1,6),
(2,1),(2,2),L ,(2,6),

=
, n()=36,
MLLLLLLM

(6,1),(6,2),L,(6,6)

A={(5,5),(4,6),(6,4)},

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

n(A) = 3

Portanto, P ( A) =
P ( B / A) =

A B={(6,4)}

n(A B) = 1

n(B) = 15

3
15
1
, P (B ) =
, P( A B) =
,
36
36
36

1
, uma vez que o espao amostral , agora, formado por A.
3

De modo equivalente, temos P ( A / B ) =

1
.
15

Se fizermos um exame cuidadoso dos vrios nmeros calculados, concluiremos

que

P ( B / A) =

P( A B)
P ( A)

P( A / B) =

P( A B)
P (B )

Essas relaes no surgiram apenas neste caso particular. Ao contrrio, so

bastante gerais, e nos do caminho para definir a probabilidade condicionada.

Definio 5.1: Sejam A e B dois eventos quaisquer de um mesmo espao amostral .

Chamamos probabilidade do evento A, dado que o evento B ocorreu, ao
seguinte quociente:
P( A / B) =

P( A B)
, se P(B) > 0
P (B )

Observaes:

1. Se P(B) = 0, nada podemos afirmar a respeito da probabilidade condicional.

P ( )
= 0.
2. Se A e B forem mutuamente excludentes, ento P ( A / B ) =
P (B )
n( A B )
3. No espao amostral finito equiprovvel, P( A / B) =

n( B )

n( )

n( )

n( A B)
n( B )

EXEMPLO 5.3: Um laboratrio de pesquisa possui 10 terminais de computadores.

Algumas dessas mquinas so micro-computadores (M) e outras so
estaes de trabalho (E); algumas so novas (N) enquanto outras so
muito usadas (U), de acordo com a tabela abaixo. Uma pessoa entra
no laboratrio, pega uma mquina ao acaso, e descobre que nova.
Qual a probabilidade de que seja um micro-computador ?

Mquinas
Tempo de uso

Total

Total

10

SOLUO: Considerando-se somente o espao amostral reduzido N (isto , as 7

mquinas novas), temos P(M / N) = 4 / 7.
Empregando a definio de probabilidade condicional, temos

P( M / N ) =

P ( M N ) 4 / 10 4
=
=
P(N )
7 / 10 7

A mais importante consequncia da definio de probabilidade condicional

acima, o seguinte teorema.

Teorema 5.1 (Teorema da Multiplicao de Probabilidades):

Sejam A e B dois eventos quaisquer de um mesmo espao amostral , ento:

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

ou

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

Observao: O teorema da multiplicao de probabilidades pode ser generalizado para

mais de dois eventos.

Sejam A1, A2,..., An eventos quaisquer de um mesmo espao amostral , a

probabilidade da ocorrncia simultnea de A1, A2,..., An dada por:

P(A1 A2 ... An) = P(A1)*P(A2/A1)*...*P(An/A1 A2 ... An-1)

EXEMPLO 5.4: Uma caixa contm 4 lmpadas boas e 2 queimadas. Retira-se ao acaso 3
lmpadas, sem reposio. Calcule a probabilidade dessas 3 lmpadas
serem boas.

SOLUO: Seja Ai: a i-sima lmpada boa, ento

P(A1 A2 A3) = P(A1)*P(A2/A1)*P(A3/A1 A2) =

4 3 2 1
* * = .
6 5 4 5

At aqui, empregamos o conceito de probabilidade condicional a fim de avaliar

a probabilidade de ocorrncia conjunta de dois ou mais eventos. Veremos, no prximo
teorema, como aplicar esse conceito para calcular, de outra maneira, a probabilidade
de um evento qualquer A.

Teorema 5.2 (Teorema da Probabilidade Total):Sejam A um evento qualquer do

espao amostral e B1, B2,..., Bk uma partio do mesmo espao amostral , ento:

P(A) = P(A/ B1)P(B1) + P(A/ B2)P(B2) + ... + P(A/ Bk)P(Bk) =

P ( A / B ) P (B )
i

i =1

Demonstrao: Como A = (A B1) (A B2) ... (A Bk ) e (A B1), (A B2), ..., (A

Bk ) so eventos mutuamente excludentes, temos

P(A) = P(A B1) + P(A B2) + ... + P(A Bk ).

Pelo teorema da multiplicao de probabilidades, temos

P(A) = P(A/ B1)P(B1) + P(A/ B2)P(B2) + ... + P(A/ Bk)P(Bk)

EXEMPLO 5.5: Voltando ao exemplo 5.1, calcule a P(B) se as retiradas dos artigos so
feitas sem reposio.

1
SOLUO: Como j vimos P ( A) = . Logo, pela propriedade 3.2 , temos que
5
4
P ( A) = .
5

19
, porque se A tiver ocorrido, ento na segunda
99
extrao restaro somente 99 peas, das quais 19 delas sero defeituosas.
20
De modo similar, temos que P (B / A) =
. Pelo teorema da
99
probabilidade total, temos

Agora, P (B / A) =

P ( B ) = P (B / A) P ( A) + P ( B / A) P ( A) =

19 1 20 4 1
+
= .
99 5 99 5 5

EXEMPLO 5.6: Uma determinada pea manufatura por trs fbricas, digamos A, B e C.
Sabe-se que A produz o dobro de peas que B, e que B e C produzem
o mesmo nmero de peas. Sabe-se tambm que 2% de peas
produzidas por A assim como por B so defeituosas, enquanto que 4%
daquelas produzidas por C so defeituosas. Todas as peas so
colocadas em um depsito, e depois uma pea extrada ao acaso.
Qual a probabilidade de que essa pea seja defeituosa ?

SOLUO: Seja os eventos A={a pea provm da fbrica A}, B={a pea provm da
fbrica B}, C={a pea provm da fbrica C} e D={a pea defeituosa}.

Temos que P(A)=2P(B), e P(B)=P(C). Substituindo essas relaes em

P(A)+P(B)+P(C)=1, temos que 2P(B)+P(B)+P(B) = 1, logo,
P(B)=P(C)= 1/4, enquanto que P(A) = 1/2.

Como queremos determinar P(D) e os eventos A, B e C formam uma

partio do espao amostral, podemos aplicar o teorema da probabilidade
total, o qual escreveremos como

P(D) = P(D/A)P(A) + P(D/B)P(B) + P(D/C)P(C).

Pelo enunciado do problema, temos que P(D/A) = P(D/B) = 0,02, enquanto

P(D/C) = 0,04. Levando-se esses valores expresso acima,
encontraremos

P (D) = 0,02

1
1
1
+ 0,02 + 0,04 = 0,025
2
4
4

6. TEOREMA DE BAYES

Poderemos empregar o Exemplo 5.6 para sugerir outro importante resultado.

Suponha-se que uma pea seja retirada do depsito e se verifique ser ela defeituosa.
Qual a probabilidade de que tenha sido produzida na fbrica A ?

Poderemos calcular esta probabilidade pelo seguinte teorema.

Teorema 6.1 (Teorema de Bayes): Sejam B1, B2,..., Bk uma partio do espao amostral
e A um evento qualquer associado a , ento:

P ( Bi / A) =

P( A / Bi ) P ( Bi )

P( A / B j ) P( B j )
j =1

, i = 1,2 ,..., k

Demonstrao: P (Bi / A) =

P (Bi A) P ( A / Bi ) P (Bi )
=
, i = 1,2 ,..., k
P ( A)
P ( A)

Pelo teorema da probabilidade total , P ( A)= P ( A / B j ) P( B j ) . Logo,

j =1

P ( Bi / A ) =

P ( A / Bi ) P ( Bi )

j =1 P ( A / B j ) P (B j )
k

, i = 1,2 ,..., k

EXEMPLO 6.1:Voltando ao problema proposto acima, e agora aplicando o teorema 6.1,

obtemos

P ( A / D) =

(0,02 ) (1 / 2)
= 0,40
(0,02 ) (1 / 2 ) + (0,02 ) (1 / 4) + (0,04) (1 / 4 )

EXEMPLO 6.2: Numa certa turma, 1% dos homens e 4% das mulheres tm menos que
1,60m. de altura. Alm disso, 60% dos estudantes so homens. Ora,
se um estudante selecionado aleatoriamente e tem menos que
1,60m. de altura, qual a probabilidade do estudante ser um homem
?

SOLUO: Sejam A={estudantes de menos de 1,60m. de altura}

M={estudantes do sexo feminino} e H={estudantes do sexo masculino}.

Pelo teorema de Bayes,

P ( H / A) =

3
P( A / H )P(H )
(0,01) (0,60)
= .
=
P ( A / H ) P ( H ) + P ( A / M ) P ( M ) (0,01) (0,60) + (0,04 ) (0,40) 11

7. EVENTOS INDEPENDENTES

Consideremos dois eventos A e B quaisquer de um mesmo espao amostral .

Dizemos que A e B so dois eventos independentes se a probabilidade de ocorrncia do
evento A no altera a probabilidade de ocorrncia do evento B, isto , P(B) = P(B/A).

Pelo Teorema de Multiplicao de Probabilidades, temos:

P(A B) = P(A) * P(B/A) = P(A) * P(B)

Podemos, ento, formalizar a seguinte definio.

Definio 7.1: Dois eventos A e B so independentes se e somente se

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

Consequentemente, P(A/B) = P(A) e P(B/A) = P(B), se P(A) e P(B) so no-nulos.

EXEMPLO 7.1: Suponha que um dado equilibrado seja jogado duas vezes. Definamos os
eventos A e B, da seguinte forma:

A={o primeiro dado mostra um nmero par},

B={o segundo dado mostra um 5 ou um 6}.

Determine P(A), P(B), P(A B), P(A/B) e P(B/A).

SOLUO: Temos o seguinte espao amostral,

(1,1), (1,2 ),L , (1,6),

(2 ,1), (2 ,2 ),L , (2 ,6),

=
,
MLLLLLLM

(6,1), (6,2),L , (6,6)

(2 ,1), (2 ,2 ), L , (2 ,6)

A= (4 ,1), (4 ,2 ), L , (4 ,6) ,
(6,1), (6,2 ), L , (6,6)

(1,5), (2 ,5),L (6,5)

B=

(1,6), (2 ,6), L , (6,6)

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

Ento, P ( A) =

18 1
12 1
6 1
= , P (B ) =
= , enquanto P ( A B ) =
= .
36 2
36 3
36 6

Consequentemente,

P( A / B) =

P( A B) 1 / 6 1
=
= = P ( A) ,
P (B )
1/ 3 2

P ( B / A) =

P( A B) 1 / 6 1
=
= = P (B )
P ( A)
1/ 2 3

Podemos estender este conceito para n eventos.

Definio 7.2: Sejam A1, A2,..., An, n eventos de um mesmo espao amostral . Dizemos
que A1, A2,..., An so eventos independentes, se:

P ( Ai A j ) = P ( Ai ) P ( A j ),

i j = 1,2 ,L , n

P( Ai A j Ak ) = P( Ai ) P( A j ) P( Ak ) , i j k = 1,2 ,K , n
M
n

P ( Ai A j L An ) = P ( Ai )
i =1

Observao: No caso de n eventos teramos 2n - n -1 relaes a serem verificadas.

EXEMPLO 7.2: Suponha que um par de moedas no viciadas seja jogada. Definamos os
eventos:
A={cara na primeira moeda},
B={cara na segunda moeda} e
C={cara em exatamente uma moeda}.

Determine P(A), P(B), P(C), P(A B), P(A C), P(B C) e P(A B C).

SOLUO: Temos o seguinte espao amostral, = {(Ca,Ca),(Ca,Co),(Co,Ca),(Co,Co)},

onde Ca cara e Co coroa, ento

A={(Ca,Ca),(Ca,Co)},

B={(Ca,Ca),(Co,Ca)}

Logo, P ( A) = P (B ) = P (C ) =

P ( A C ) = P ({Ca , Co}) =

2 1
=
4 2

1
,
4

C={(Ca,Co),(Co,Ca)}

P ( A B ) = P ({Ca , Ca}) =

P (B C ) = P ({Co , Ca}) =

1
4

1
,
4

P ( A B C ) = P ( ) = 0 P ( A) P (B ) P (C )

Este exemplo mostra que os eventos so dois a dois independentes, mas os trs
eventos no so independentes.