Teoria das

Probabilidades
Prof. Claudio Loesch
[email protected]
Departamento de Matemática
UFSC – Campus Blumenau
 Experimento Aleatório

Num experimento aleatório o resultado não é previsível, mas depende do acaso,

podendo diferir de uma situação experimental para outra. Exemplos:

E1: jogue uma moeda e observe o resultado (face de cima);

E2: jogue uma moeda quatro vezes e observe o número de caras obtido;
E3: jogue um dado e observe o número mostrado na face de cima;
E4: um jogador de basquete arremessa bolas até que consiga completar 4
cestas. O número total de arremessos é contado;
E5: uma lâmpada nova é acesa e assim permanece até queimar seu filamento.
Registre o tempo de vida da lâmpada;
E6: registre a temperatura ambiente, num local e época do ano especificados.
 Espaço Amostral

Embora cada resultado particular de um experimento aleatório seja

imprevisível, podemos, no entanto, descrever o conjunto de todos os possíveis
resultados do experimento. Assim definimos

Dado um experimento aleatório considerado, o espaço amostral  é o

conjunto de todos os resultados possíveis desse experimento.
Experimento aleatório Espaço amostral

E1: jogue uma moeda e observe o resultado (face de cima); 1 = {cara, coroa}
E2: jogue uma moeda quatro vezes e observe o número de
2 = {0, 1, 2, 3, 4}
caras obtido;
E3: resultado do lançamento de um dado 3 = {1, 2, 3, 4, 5, 6}

E4: um jogador de basquete arremessa bolas até que consiga

4 = {4, 5, 6,...}
completar 4 cestas. O número total de arremessos é contado;

E5: o tempo de vida da lâmpada 5 = {t ∊ ℝ | t  0} = [0, ∞)

E6: registre a temperatura ambiente, num local 6 = [m, M] onde m = mínima temp.
e época do ano especificados possível; M = máxima temp. possível.
 Eventos

Um evento 𝐴 num espaço amostral  é um conjunto de resultados possíveis,

portanto um subconjunto de . Diz-se que um evento 𝐴 ocorreu se o resultado de
um experimento aleatório é um elemento de 𝐴. O evento ∅ é chamado de evento
impossível e o evento  é chamado evento certo. Denomina-se evento elementar a
um qualquer subconjunto unitário de {ω} de .

Exemplo 1. No experimento aleatório lançamento de um dado o espaço amostral é

 = {1, 2, 3, 4, 5, 6}. Um evento 𝛢 poderia ser caracterizado por “sair um
resultado par”. Assim, 𝛢 = {2, 4, 6}.

Dois eventos 𝛢 e 𝛣 são mutuamente excludentes se eles não podem ocorrer

juntos, isto é, se 𝛢  𝛣 = .

Exemplo 2. Relativo ao espaço amostral do Exemplo 1, o evento “sair um resultado

ímpar” é 𝛣 = {1, 3, 5}. Os eventos 𝛢 e 𝛣 são mutuamente excludentes.
 Probabilidade
Seja  um espaço amostral associado a um experimento aleatório. A cada evento 𝐴 de
 associaremos um número real denotado por 𝑃𝑟(𝐴), denominado probabilidade de
𝐴, que satisfaça os seguintes axiomas:
(1) 0  𝑃𝑟(𝛢)  1 (a probabilidade é um número entre 0 e 1)
(2) 𝑃𝑟() = 1 ( também é chamado evento certo e sua probabilidade é 1)
(3) se 𝛢 e 𝛣 forem eventos mutuamente excludentes,
𝑃𝑟(𝛢 ∪ 𝛣) = 𝑃𝑟(𝛢) + 𝑃𝑟(𝛣).
(4) se 𝛢 1, 𝛢2, …, 𝛢𝑛, … forem eventos mutuamente excludentes, dois a dois, então
.

As propriedades da definição não nos dizem como calcular probabilidades; apenas

estabelecem condições que devem ser satisfeitas pelas probabilidades em geral.
 Teoremas das probabilidades
Teorema 1. Se 𝛢 1, 𝛢2,…, 𝛢𝑛 forem 𝑛 eventos mutuamente excludentes, dois a dois, então

Teorema 2. A probabilidade do evento vazio é zero, ou seja, Pr() = 0;

Teorema 3. A probabilidade do evento =  - 𝐴 ( é o complementar do evento 𝐴) é
𝑃𝑟() = 1 – 𝑃𝑟(𝐴) ( também é representado como )
Teorema 4. Se 𝛢 e 𝛣 se forem eventos tais que 𝐵 ⊂ 𝐴 então 𝑃𝑟(𝐵) ≤ 𝑃𝑟(𝐴).
Teorema 5. se 𝛢 e 𝛣 forem eventos quaisquer então
𝑃𝑟(𝐴 ∪ 𝐵) = 𝑃𝑟(𝐴) + 𝑃𝑟(𝐵) – 𝑃𝑟(𝐴 ∩ 𝐵)

Demonstrações.
Teorema 1. Uso repetido do axioma (3). Começa-se com 𝑃𝑟(𝛢1 ∪ 𝛢2) = 𝑃𝑟(𝛢1) + 𝑃𝑟(𝛢2).
Em seguida, 𝑃𝑟(𝛢1 ∪ 𝛢2 ∪ 𝛢3) = 𝑃𝑟(𝛢1 ∪ 𝛢2) + 𝑃𝑟(𝛢3) = 𝑃𝑟(𝛢1) + 𝑃𝑟(𝛢2) + 𝑃𝑟(𝛢3), e
assim por diante, até chegar ao último evento 𝛢𝑛.
Teorema 2.  e  são mutuamente excludentes. Então 𝑃𝑟( ∪ ) = 𝑃𝑟() + 𝑃𝑟().
Como  ∪  =  tem-se 𝑃𝑟() = 𝑃𝑟() + 𝑃𝑟(). Daí, 𝑃𝑟() = 0.

Teorema 3. 𝐴 e são mutuamente excludentes, portanto 𝑃𝑟(𝐴 ⋃ ) = 𝑃𝑟(𝐴) + 𝑃𝑟(). Como 𝐴 ⋃

=  e 𝑃𝑟() = 1, tem-se 1 = 𝑃𝑟(𝐴) + 𝑃𝑟(); daí, 𝑃𝑟() = 1 – 𝑃𝑟(𝐴).

Teorema 4. Suponha 𝐵 ⊂ 𝐴. Daí, 𝐴 = 𝐵 ⋃ (𝐴 ‒ 𝐵) e 𝐵 ⋂ (𝐴 ‒ 𝐵) = ∅ 𝐴

(𝐴 ‒ 𝐵 e 𝐵 são mut. excl.), 𝑃𝑟(𝐴) = 𝑃𝑟(𝐵) + 𝑃𝑟(𝐴 ‒ 𝐵). 𝐵
Daí, 𝑃𝑟(𝐴) – 𝑃𝑟(𝐵) = 𝑃𝑟(𝐴 ‒ 𝐵) ≥ 0, portanto 𝑃𝑟(𝐴) ≥ 𝑃𝑟(𝐵) ou
seja, 𝑃𝑟(𝐵) ≤ 𝑃𝑟(𝐴). 𝐴‒ 𝐵

Teorema 5. Sejam 𝛢, 𝛣 dois eventos. Então 𝐴 𝐵

𝐴 ∪ 𝐵 = 𝐴 ∪ (𝐵 ‒ 𝐴) ⇒ 𝑃𝑟(𝐴 ∪ 𝐵) = 𝑃𝑟(𝐴) + 𝑃𝑟(𝐵 ‒ 𝐴) (1).
Por outro lado, 𝐵 = (𝐴 ∩ 𝐵) ∪ (𝐵 ‒ 𝐴) ⇒ 𝑃𝑟(𝐵) = 𝑃𝑟(𝐴 ∩ 𝐵) + 𝑃𝑟(𝐵 ‒ 𝐴) 𝐴∩𝐵 𝐵 ‒ 𝐴
⇒ 𝑃𝑟(𝐵 ‒ 𝐴) = 𝑃𝑟(𝐵) ‒ 𝑃𝑟(𝐴 ∩ 𝐵) (2).
De (1) e (2) conclui-se 𝑃𝑟(𝐴 ∪ 𝐵) = 𝑃𝑟(𝐴) + 𝑃𝑟(𝐵) – 𝑃𝑟(𝐴 ∩ 𝐵).
 Resultados igualmente verossímeis
Uma hipótese comum feita para espaços amostrais finitos é de que todos os resultados
tenham a mesma probabilidade de ocorrência. Esta hipótese não pode ser, contudo,
tomada como segura; ela deve ser cuidadosamente justificada.
Os resultados de um experimento aleatório são ditos igualmente verossímeis (ou
equiprováveis) se todos tem a mesma probabilidade de ocorrência. Tal espaço amostral
é chamado espaço equiprovável.

Suponha um espaço equiprovável  ={ω1, ω2, …, ω𝑛} com 𝑛 resultados. Então

𝑃𝑟{} = 𝑃𝑟{{ω1} ∪ {ω2} ∪ … ∪ {ω𝑛}}
e como os eventos elementares {ω𝑖} são excludentes dois a dois tem-se, pelo Teorema 1,
𝑃𝑟{} = 𝑃𝑟({𝑠1}) + 𝑃𝑟({𝑠2}) + … 𝑃𝑟({𝑠𝑛})
Pela equiprobabilidade 𝑃𝑟({ω1}) = 𝑃𝑟({ω2}) = … = 𝑃𝑟({ω𝑛}} = 𝑝 e, como 𝑃𝑟{} = 1, tem-
se
1 = 𝑝 + 𝑝 + … + 𝑝 = 𝑛𝑝 ⇒ 𝑝=1/𝑛
Exemplo 3. No lançamento de um dado honesto o espaço amostral é  = {1, 2, 3, 4, 5, 6}
tem-se 𝑛 = 6 resultados equiprováveis. Cada resultado elementar tem probabilidade 1/6
de ocorrência, isto é,
𝑃𝑟({1}) = 𝑃𝑟({2}) = … = 𝑃𝑟({6}) = 1/6.
Seja o evento 𝐴 = {1, 2, 3, 4}. Dado que 𝐴 = {1} ∪ {2} ∪ {3} ∪ {4} Tem-se
𝑃𝑟(𝐴) = 𝑃𝑟({1}) + 𝑃𝑟({2}) + 𝑃𝑟 ({3}) + 𝑃𝑟 ({4}) = 1/6 + 1/6 + 1/6 + 1/6 = 4/6

Este exemplo deixa perceber que, quando os resultados são igualmente verossímeis,
para um dado evento 𝐴 qualquer, calcula-se a probabilidade de 𝐴 como a razão entre o
número de elementos de 𝐴 e o número de elementos de Ω
 Exercícios resolvidos

(1) Seja o espaço amostral Ω = {𝑎1, 𝑎2, 𝑎3, 𝑎4} e as probabiIidades , para 𝑖 = 1, 2, 3 e 4.
Suponha que e . Então:
a) Calcule . b) Seja o evento 𝐴 = {𝑎1, 𝑎3}. Calcule 𝑃𝑟(𝐴).
c) Calcule . d) Seja o evento 𝐵 = {𝑎1, 𝑎4} . Calcule 𝑃𝑟().
e) Calcule 𝑃𝑟(𝐴 ∪ 𝐵) f) Calcule 𝑃𝑟().
a) . Daí, tem-se
⇒ ⇒ ⇒ = 0,3.
b) Pr(𝐴) = = 0,3 + 0,3 = 0,6 c) Pr() = 1 – Pr(A) = 1 – 0,6 = 0,4
d) Pr(𝐵) = = 0,3 + 0,1 = 0,4 ⇒ Pr() = 1 – Pr(𝐵) = 1 – 0,4 = 0,6
e) ⇒ = 0,7;

f) Pr() = 1 – Pr() = 1 – 0,7 = 0,3.

(2) Um prédio de três andares, com dois apartamentos por andar, tem apenas três de
seus apartamentos ocupados. Qual é a probabilidade de que cada um dos três andares
tenha exatamente um apartamento ocupado?
O espaço amostral Ω é formado por todas as possíveis combinações de 3 apartamentos (os
ocupados) entre os 6 apartamentos no prédio, em número
No evento 𝐴 = {1 apartamento ocupado por andar} existem 2𝗑2𝗑2 = 8 possibilidades pois, de
cada andar, existem duas possíveis ocupações de um apto. Assim, 𝑃𝑟(𝐴) =

Podemos ver os elementos do evento 𝐴 na

árvore ao lado. Suponha que, em cada andar
(1, 2, 3), um apartamento seja A e o outro B.
(3) Em um grupo de 500 estudantes, 80 estudam Engenharia, 150 estudam Economia e 10
estudam Engenharia e Economia. Se um aluno é escolhido ao acaso, qual a prob. de que:
a) ele estude Economia e Engenharia? b) ele estude somente Engenharia?
c) ele estude somente Economia? d) ele estude Engenharia ou Economia?
e) ele não estude nem engenharia nem economia?

Solução Ω
Sejam os eventos:
A: o aluno estuda Engenharia. A 10 B
B: o aluno estuda Economia. 70 140
O diagrama ao lado permite responder 280
facilmente às perguntas.
O núm. de alunos que não estudam Engenharia nem Economia é 500 – 70 – 10 – 140 =
280.
a) ; b) ; c) ; d) ; e)
 Probabilidade condicional e Independência
Exemplo 4. Considere o espaço amostral equiprovável Ω 𝐵
 = {1, 2, 3, …,15}. Nele tomemos os eventos 1 4 7
𝐴 = {𝑥 | 𝑥 é múltiplo de 3} = {3, 6, 9, 12, 15} ⇒ 10 13
𝑃𝑟(𝐴) = 5/15 2 5 8
𝐵 = {𝑥 | 𝑥 ≤ 6} = {1, 2, 3, 4, 5, 6} 11 𝐴 14
𝐴∩𝐵 3 6 9
⇒ 𝑃𝑟(𝐵) = 6/15
12 15
Denotaremos
Então 𝐴∩𝐵= {3,𝑃𝑟(𝐴
por 6} ⇒| 𝐵) ∩ 𝐵) = 2/15. condicional de 𝐴 dado 𝐵, que é a probabilidade
a probabilidade
𝑃𝑟(𝐴
de que o evento 𝐴 ocorra dado que 𝐵 ocorreu. Assim o espaço amostral passa a ser o
conjunto 𝐵 e o evento 𝐴 dado 𝐵 passa a ser restrito à parte de 𝐴 dentro de 𝐵, isto é, o
conjunto 𝐴 ∩ 𝐵.
Assim, no exemplo 4,

Como 𝑃𝑟(𝐴 | 𝐵) = e 𝑃𝑟(𝐵) = , tem-se

𝑃𝑟(𝐴 | 𝐵).𝑃𝑟(𝐵) = = 𝑃𝑟(𝐴 ∩ 𝐵)
ou seja, 𝑃𝑟(𝐴 | 𝐵).𝑃𝑟(𝐵) = 𝑃𝑟(𝐴 ∩ 𝐵)
Daí, 𝑃𝑟(𝐴 | 𝐵) = .

Vamos encontrar 𝑃𝑟(𝐴 | 𝐵) no Exemplo 4 usando essa relação. Como visto, 𝑃𝑟(𝐴 ∩ 𝐵) =
2/15 e 𝑃𝑟(𝐵) = 6/15. Assim,
𝑃𝑟(𝐴 | 𝐵) =

Definição. Se Pr(𝐵) ≠ 0, a probabilidades condicional 𝑃𝑟(𝐴 | 𝐵) é

𝑃𝑟(𝐴 | 𝐵) = (1)
que equivale a 𝑃𝑟(𝐴 ∩ 𝐵) = 𝑃𝑟(𝐴 | 𝐵)𝑃𝑟(𝐵). (2)
De forma análoga, se 𝑃𝑟(𝐴) ≠ 0, a probabilidade condicional 𝑃𝑟(𝐵 | 𝐴) é
𝑃𝑟(𝐵 | 𝐴) = que equivale a 𝑃𝑟(𝐴 ∩ 𝐵) = 𝑃𝑟(𝐵 | 𝐴)𝑃𝑟(𝐴).
Dois eventos A, B são ditos independentes se
𝑃𝑟(𝐴∩𝐵) = 𝑃𝑟(𝐴).𝑃𝑟(𝐵). (3)
Comparando (3) e (2), concluímos que A, B são independentes se
𝑃𝑟(𝐴 | 𝐵) = 𝑃𝑟(𝐴) (4)
isto é, a probabilidade de ocorrência do evento 𝐴 não é afetada pela ocorrência ou não de 𝐵.

No Exemplo 4, 𝑃𝑟(𝐴 | 𝐵) = 𝑃𝑟(𝐴) = 1/3 ⇒ 𝐴 e 𝐵 são independentes.

 Operações com probabilidades

Fórmulas que envolvem cálculos de probabilidades:

• se 𝐴 ∩ 𝐵 = ∅ (eventos mutuamente excl.): 𝑃𝑟(𝐴∪𝐵) = 𝑃𝑟(𝐴) + 𝑃𝑟(𝐵);
• se 𝐴, 𝐵 são eventos quaisquer: 𝑃𝑟(𝐴∪𝐵) = 𝑃𝑟(𝐴) + 𝑃𝑟(𝐵) ⎼
𝑃𝑟(𝐴∩𝐵);
• se é o evento complementar de 𝐴: 𝑃𝑟() = 1 – 𝑃𝑟(𝐴);
• se 𝐴, 𝐵 são eventos quaisquer: 𝑃𝑟(𝐴∩𝐵) = 𝑃𝑟(𝐴).𝑃𝑟(𝐵 | 𝐴);
• se 𝐴, 𝐵 são eventos independentes: 𝑃𝑟(𝐴∩𝐵) = 𝑃𝑟(𝐴).𝑃𝑟(𝐵).

Operações lógicas. Como

(1) 𝐴∩𝐵 = {𝑥 : 𝑥 ∊ 𝐴 e 𝑥 ∊ 𝐵}; (2) 𝐴∪𝐵 = {𝑥 : 𝑥 ∊ 𝐴 ou 𝑥 ∊ 𝐵} ; (3) = {𝑥 : 𝑥 não
∊ 𝐴}
podemos interpretar as operações lógicas e, ou, não para probabilidades como:
(1) 𝑃𝑟(𝐴 e 𝐵) = 𝑃𝑟(𝐴∩𝐵); (2) 𝑃𝑟(𝐴 ou 𝐵) = 𝑃𝑟(𝐴∪𝐵); (3) 𝑃𝑟(não 𝐴) = 𝑃𝑟()
para resolver problemas.
 Exercícios resolvidos

(1) A probabilidade de um certo homem sobreviver mais 10 anos, a partir de uma certa data,
é 0,4, e de que sua esposa sobreviva mais 10 anos a partir da mesma data é 0,5. Admita que a
sobrevida de qualquer um dos dois não é afetada pela sobrevida do outro. Qual a
probabilidade de:
(a) ambos sobreviverem mais 10 anos a partir daquela data?
(b) ao menos um deles sobreviver mais 10 anos a partir daquela data?

Suponha os eventos
𝐻 = homem sobreviver mais 10 anos a partir de certa data;
𝐸 = esposa sobreviver mais 10 anos a partir da mesma data.
Temos: 𝑃𝑟(𝐻) = 0,4; 𝑃𝑟(𝐸) = 0,5. Pelo enunciado do problema os eventos são independentes.
(a) 𝑃𝑟(𝐻 e 𝐸) = 𝑃𝑟(𝐻)·𝑃𝑟(𝐸) = 0,4𝗑0,5 = 0,2;
(b) 𝑃𝑟(𝐻 ou 𝐸) = 𝑃𝑟(𝐻) + 𝑃𝑟(𝐸) – 𝑃𝑟(𝐻 e 𝐸) = 0,4 + 0,5 – 0,2 = 0,7.
Quando se fazem extrações por sorteio, dentro de um espaço amostral finito, dois
eventos consecutivos são:
• independentes, se há reposição (pois o espaço amostral permanece inalterado);
• dependentes, se não há reposição (pois o espaço amostral é reduzido).

(2) Considere a retirada de duas cartas de um baralho. Qual é a probabilidade de tirar dois ases
de qualquer naipe, (a) com reposição da 1ª. carta; (b) sem reposição de 1ª. carta.
Iremos considerar 𝐴 = {a primeira carta é um ás (A)}; 𝐵 = {a segunda carta é um ás}. Nos
dois casos, 𝑃𝑟(𝐴) = 4/52 = 1/13. Queremos 𝑃𝑟(𝐴 e 𝐵).
(a) Com reposição da 1ª. carta. Então os eventos serão independentes e 𝑃𝑟(𝐵) = 𝑃𝑟(𝐴) =
1/13. Portanto, 𝑃𝑟(𝐴 e 𝐵) = 𝑃𝑟(𝐴).𝑃𝑟(𝐵) = (1/13).(1/13) = 1/169.
(b) Sem reposição da 1ª. carta. Após retirar o 1º. ás, o espaço amostral é formado pelas 51
cartas restantes, onde se encontram apenas 3 ases. Então 𝑃𝑟(𝐵|𝐴) = 3/51 = 1/17 e, assim,
𝑃𝑟(𝐴 e 𝐵) = 𝑃𝑟(𝐴).𝑃𝑟(𝐵|𝐴) = (1/13).(1/17) = 1/221.
TEOREMA. Se os eventos 𝐴 e 𝐵 de um espaço amostral  forem independentes, então
também 𝐴 e são independentes.

DEMONSTRAÇÃO. Como

e os eventos são eventos mutuamente excludentes, tem-se

(1)
e como 𝐴 e 𝐵 são independentes, tem-se 𝑃𝑟(𝐴∩𝐵) = 𝑃𝑟(𝐴).𝑃𝑟(𝐵). Assim, (1) torna-se
.
Daí, (2)
Substituindo-se em (2), resulta

ou seja, 𝐴 e são independentes. ◼

Do teorema conclui-se que e 𝐵e também e são pares de eventos independentes.

 Teoremas da probabilidade total e de Bayes

Uma partição 𝑃 de um conjunto  é qualquer coleção de subconjuntos não vazios de 

com a seguinte propriedade: todo elemento de  pertence a um e apenas um dos elementos
de 𝑃.
Formalizando: sejam 𝐵1, 𝐵2, …, 𝐵𝑛 ⊂ . Então 𝑃 = {𝐵1, 𝐵2, …, 𝐵𝑛} é uma partição de  se
forem satisfeitas as condições a seguir:
(a) 𝐵1, 𝐵2, …, 𝐵𝑛 ≠ ∅; (b) ∀𝑖 ≠ 𝑗 𝐵𝑖 ∩ 𝐵𝑗 = ∅;
Por exemplo, se  for o conjunto de pessoas de nacionalidade brasileira, podemos formar
(c) .
uma partição 𝑃 de  de acordo com os grupos sanguíneos; neste caso, a partição é formada
por quatro conjuntos. Outra partição possível é quanto ao gênero.

TEOREMA (PROBABILIDADE TOTAL). Se os eventos 𝐵1, 𝐵2, …, 𝐵𝑛 formam uma partição 𝑃 de

um espaço amostral  e se 𝐴 é um evento qualquer de , então:
(1)
DEMONSTRAÇÃO. Seja 𝑃 = {𝐵1, 𝐵2, …, 𝐵𝑛} uma partição do espaço
amostral . Como 𝐴 é um evento qualquer de , tem-se 𝐴 ⊂ 
e, portanto, 𝐴 = 𝐴 ∩ . Como , temos
(2)
Como, por distributividade, ,
Temos, substituindo em (2),
e, portanto,
(3)
Para cada tem-se, pela probabilidade condicional, e, portanto,
(4)
Substituindo-se (4) em (3) obtemos (1), isto é,
◼
Exemplo 6. 30% de determinado tipo de peça são produzidas pelo fabricante A, 25%
pelo fabricante B e 45% pelo fabricante C. 2%, 4% e 3% das peças produzidas por A, B
e C, respectivamente, são defeituosas (D). Um comprador adquire uma dessas peças de
forma aleatória. Qual a probabilidade de ela ser defeituosa?

O espaço amostral de peças é particionado de acordo com sua procedência: os fabricantes

𝐴, 𝐵 e 𝐶. O percentual de peças de cada um determina a probabilidade da procedência
de uma peça tomada ao acaso:
𝑃𝑟(𝐴) = 0,30; 𝑃𝑟(𝐵) = 0,25 e 𝑃𝑟(𝐶) = 0,45.
Considerando 𝐷 peça defeituosa, suas probabilidades condicionais são:
𝑃𝑟(𝐷|𝐴) = 0,02, 𝑃𝑟(𝐷|𝐵) = 0,04 e 𝑃𝑟(𝐷|𝐶) = 0,03.
Deseja-se conhecer 𝑃𝑟(𝐷). Pelo teorema da probabilidade total
𝑃𝑟(𝐷) = 𝑃𝑟(𝐷|𝐴)𝑃𝑟(𝐴) + 𝑃𝑟(𝐷|𝐵)𝑃𝑟(𝐵) + 𝑃𝑟(𝐷|𝐶)𝑃𝑟(𝐶)
= 0,02𝗑0,30 + 0,04𝗑0,25 + 0,03𝗑0,45 = 0,0295.
TEOREMA (BAYES). Se os eventos 𝐵1, 𝐵2, …, 𝐵𝑛 formam uma partição de um espaço amostral
 e 𝐴 é um evento qualquer de , então, para qualquer ,

(5)

DEMONSTRAÇÃO. Pela fórmula da probabilidade condicional temos

(6)
Ainda pela fórmula da probabilidade condicional, temos

onde, por substituir o numerador por (6) e o denominador por (1) resulta (5). ◼

Nota: se já calculamos a probabilidade total 𝑃𝑟(𝐴) podemos simplificar (5) para

Exemplo 7. Retomando ao problema do Exemplo 6, se foi constatado que uma peça adquirida
é defeituosa, quais são as probabilidades de que provenha de cada uma das fábricas?
Já foi calculado 𝑃𝑟(𝐷) = 0,0295. As probabilidades pedidas são:

Note que 𝑃𝑟(𝐴|𝐷) + 𝑃𝑟(𝐵|𝐷) + 𝑃𝑟(𝐶|𝐷) = 1.

Exemplo 8. Em uma localidade 8% dos adultos sofrem de uma determinada doença. Um
teste diagnostica corretamente 95% das pessoas que tem a doença e diagnostica
erradamente 2% das pessoas que não a tem (falsos positivos). O teste deu positivo para um
adulto (isto é, foi diagnosticado como portador da doença). Qual é a probabilidade desse
adulto ter, de fato, essa doença?

Ω = {habitantes adultos da localidade}. A partição é feita em dois eventos:

𝑆 = {aqueles que sofrem da doença}; 𝑁 = {aqueles que não sofrem da doença} =
𝑃𝑟(𝑆) = 0,08; 𝑃𝑟(𝑁) = 1 – 0,08 = 0,92;
evento 𝑃 = {teste deu positivo para a doença}
Diagnóstico correto: 𝑃𝑟(𝑃|𝑆) = 0,95; Diagnóstico errado: 𝑃𝑟(𝑃|𝑁) = 0,02.