Probabilidade: axiomas, condicionamento e independência

A primeira pergunta de probabilidade não é “qual fórmula uso?”. É qual é o experimento, quais resultados são possíveis e qual evento estou medindo?

O mapa desta unidade é:

experimento → espaço amostral → evento → axiomas → regras → condicionamento → independência

Há uma distinção que evita muitos erros: contar casos favoráveis e dividir pelo total só funciona diretamente quando os resultados elementares considerados têm a mesma probabilidade de ocorrer. A teoria da probabilidade é mais geral: ela parte de regras coerentes para atribuir probabilidades aos eventos.

Variáveis aleatórias, funções de probabilidade ou densidade, distribuições, esperança, momentos, leis dos grandes números e distribuições amostrais pertencem às próximas unidades. Aqui o objetivo é dominar o alicerce sobre o qual esses temas serão construídos.

1. Experimento, resultado, espaço amostral e evento

Um experimento aleatório é um procedimento cujo resultado específico não é conhecido antes de sua realização, embora o conjunto de resultados possíveis possa ser descrito.

O espaço amostral, denotado por (\Omega), reúne os resultados elementares possíveis do experimento.

Exemplo hipotético: ao lançar uma moeda duas vezes, registrando a ordem e usando C para cara e K para coroa,

[ \Omega={CC,CK,KC,KK}. ]

Um evento é um conjunto de resultados do espaço amostral. Por exemplo,

[ A={CC,CK,KC} ]

pode representar “ocorre pelo menos uma cara”.

Dois eventos especiais aparecem o tempo todo:

• (\Omega): evento certo;
• (\varnothing): evento impossível.

Em formulação matemática completa, a probabilidade é atribuída aos eventos de uma coleção apropriada de subconjuntos de (\Omega), fechada para as operações necessárias. Em problemas elementares finitos, a banca normalmente trabalha diretamente com os subconjuntos relevantes do espaço amostral.

2. Traduzindo “não”, “e” e “ou”

Antes dos axiomas, domine a linguagem de conjuntos.

Complemento: “não A”

O complemento de (A), escrito (A^c), contém os resultados de (\Omega) que não pertencem a (A).

Interseção: “A e B”

[ A\cap B ]

reúne os resultados que pertencem simultaneamente a (A) e (B).

União: “A ou B”

[ A\cup B ]

reúne os resultados que pertencem a pelo menos um dos eventos. Em probabilidade, o “ou” é normalmente inclusivo: admite (A), (B) ou ambos.

Eventos mutuamente exclusivos

Dois eventos são mutuamente exclusivos quando não podem ocorrer simultaneamente:

[ A\cap B=\varnothing. ]

Esse conceito será contrastado com independência mais adiante. Eles não são sinônimos.

3. Os três axiomas de probabilidade

Uma função de probabilidade (P) obedece a três regras fundamentais.

3.1. Não negatividade

Para todo evento (A),

[ P(A)\ge 0. ]

Probabilidade negativa não é admitida.

3.2. Normalização

[ P(\Omega)=1. ]

O evento certo tem probabilidade 1.

3.3. Aditividade para eventos disjuntos

Se (A_1,A_2,\ldots) são dois a dois mutuamente exclusivos, então

[ P\left(\bigcup_{i=1}^{\infty}A_i\right) =\sum_{i=1}^{\infty}P(A_i). ]

Em problemas finitos, a consequência mais usada é:

[ A\cap B=\varnothing \quad\Longrightarrow\quad P(A\cup B)=P(A)+P(B). ]

Os axiomas são o ponto de partida. Várias fórmulas familiares são consequências deles, e não axiomas adicionais.

4. Regras que derivam dos axiomas

4.1. Evento impossível

[ P(\varnothing)=0. ]

Isso não significa que todo evento de probabilidade zero seja logicamente impossível em modelos contínuos; essa sutileza será relevante quando distribuições contínuas forem estudadas. Aqui, retenha a direção segura: evento impossível tem probabilidade zero.

4.2. Limites

Para qualquer evento (A),

[ 0\le P(A)\le 1. ]

4.3. Complemento

Como (A) e (A^c) são disjuntos e formam todo o espaço amostral,

[ P(A^c)=1-P(A). ]

Essa é a ferramenta natural para expressões como “nenhum”, “não ocorrer” e, em muitos problemas repetidos, “pelo menos um”.

4.4. Monotonicidade

Se (A\subseteq B), então

[ P(A)\le P(B). ]

O evento menor não pode ter probabilidade maior que um evento que contém todos os seus resultados e talvez outros.

Se, além disso, (B\setminus A) possui probabilidade positiva, então

[ P(A)<P(B). ]

4.5. Regra geral da união

Quando (A) e (B) podem ocorrer juntos, somar (P(A)+P(B)) conta a interseção duas vezes. Corrija:

[ P(A\cup B)=P(A)+P(B)-P(A\cap B). ]

Somente no caso mutuamente exclusivo a interseção vale zero e a fórmula se reduz à soma simples.

5. Casos favoráveis sobre casos possíveis: quando pode usar?

Em um espaço amostral finito cujos resultados elementares sejam equiprováveis, vale:

[ P(A)=\frac{|A|}{|\Omega|}. ]

Exemplo hipotético: em um dado honesto de seis faces,

[ P(\text{resultado par})=\frac{3}{6}=\frac12. ]

A palavra “honesto” sustenta a equiprobabilidade das faces. Sem essa hipótese, simplesmente contar faces não basta.

Outra pegadinha: categorias derivadas podem não ser equiprováveis mesmo quando os resultados elementares são. Em dois dados honestos distinguíveis existem 36 pares ordenados equiprováveis, mas as somas de 2 a 12 não aparecem com a mesma frequência.

6. Probabilidade condicional: a informação muda o universo

A expressão “qual é a probabilidade de (A), sabendo que (B) ocorreu?” muda o universo de referência. Resultados fora de (B) deixam de ser considerados.

Se (P(B)>0),

[ P(A\mid B)=\frac{P(A\cap B)}{P(B)}. ]

Leia (P(A\mid B)) como “probabilidade de (A) dado (B)”.

Exemplo hipotético

Lance um dado honesto. Defina:

• (A): resultado é par = ({2,4,6});
• (B): resultado é maior que 3 = ({4,5,6}).

Sabendo que (B) ocorreu, o universo relevante é ({4,5,6}). Entre esses três resultados, dois pertencem a (A):

[ P(A\mid B)=\frac23. ]

Pela fórmula,

[ P(A\cap B)=\frac{2}{6}, \qquad P(B)=\frac{3}{6}, ]

logo

[ P(A\mid B) =\frac{2/6}{3/6} =\frac23. ]

Condicionar não significa “multiplicar por alguma coisa”; significa restringir a referência ao evento condicionante.

7. A regra do produto

Reorganizando a definição de probabilidade condicional,

[ P(A\cap B)=P(A\mid B)P(B), ]

quando (P(B)>0).

Também,

[ P(A\cap B)=P(B\mid A)P(A), ]

quando (P(A)>0).

Essas expressões são especialmente úteis em sequências: “primeiro acontece isto; dado isso, depois acontece aquilo”.

Exemplo hipotético: uma urna tem 3 bolas vermelhas e 2 azuis. Em duas retiradas sem reposição,

[ P(\text{duas vermelhas}) =\frac35\cdot\frac24 =\frac3{10}. ]

A segunda probabilidade mudou porque a primeira retirada alterou a composição da urna.

8. A ordem do condicionamento importa

Em geral,

[ P(A\mid B)\ne P(B\mid A). ]

Os dois cálculos usam a mesma interseção, mas denominadores diferentes:

[ P(A\mid B)=\frac{P(A\cap B)}{P(B)}, \qquad P(B\mid A)=\frac{P(A\cap B)}{P(A)}. ]

Trocar “probabilidade da evidência dado o evento” por “probabilidade do evento dada a evidência” é uma das confusões mais frequentes em problemas condicionais.

Como consequência algébrica, quando as probabilidades necessárias são positivas,

[ P(A\mid B) =\frac{P(B\mid A)P(A)}{P(B)}. ]

Essa é a forma elementar da regra de Bayes. Nesta unidade, ela importa como inversão de condicionamento; modelos de distribuição e inferência ficam para os capítulos próprios.

9. Independência: informação que não altera a probabilidade

Dois eventos (A) e (B) são independentes quando a ocorrência de um não altera a probabilidade do outro.

A condição algébrica central é:

[ P(A\cap B)=P(A)P(B). ]

Se (P(B)>0), isso equivale a

[ P(A\mid B)=P(A). ]

E, se (P(A)>0), também equivale a

[ P(B\mid A)=P(B). ]

Portanto, independência não significa “eventos sem relação verbal”. É uma propriedade probabilística testável pelas igualdades acima.

10. Independência não é exclusão mútua

Este contraste é obrigatório.

Mutuamente exclusivos

[ A\cap B=\varnothing. ]

Se (A) ocorre, (B) não pode ocorrer.

Independentes

[ P(A\cap B)=P(A)P(B). ]

Saber que um ocorreu não muda a chance do outro.

Se (A) e (B) são mutuamente exclusivos e ambos têm probabilidade positiva,

[ P(A\cap B)=0, ]

mas

[ P(A)P(B)>0. ]

Logo, não são independentes.

A intuição ajuda: se eu souber que (A) ocorreu e isso torna (B) impossível, a informação alterou radicalmente a probabilidade de (B).

11. Complementos preservam independência

Se (A) e (B) são independentes, então também são independentes:

• (A) e (B^c);
• (A^c) e (B);
• (A^c) e (B^c).

Por exemplo,

[ P(A\cap B^c) =P(A)-P(A\cap B) =P(A)-P(A)P(B) =P(A)[1-P(B)] =P(A)P(B^c). ]

Não é uma nova hipótese: decorre da independência original e da regra do complemento.

12. Reposição pode mudar a dependência

No exemplo da urna com 3 vermelhas e 2 azuis, duas retiradas com reposição restauram a composição entre etapas. Assim,

[ P(\text{vermelha na 2ª}\mid\text{vermelha na 1ª})=\frac35, ]

igual à probabilidade marginal de vermelha na segunda retirada. Nesse modelo, os resultados das duas retiradas são independentes.

Sem reposição, a composição muda, e a segunda probabilidade passa a (2/4) depois de uma vermelha. Nesse caso, há dependência.

Não transforme “com reposição = independência” em regra universal fora do modelo. O teste seguro continua sendo verificar se a informação altera a probabilidade ou se a igualdade do produto é satisfeita.

13. Um roteiro de prova que evita fórmulas trocadas

Diante de uma questão:

1. identifique (\Omega) e os eventos;
2. traduza “não”, “e” e “ou” em complemento, interseção e união;
3. verifique se há equiprobabilidade antes de usar casos favoráveis/possíveis;
4. se aparecer “sabendo que”, mude o universo para o condicionante;
5. para interseção em sequência, pense na regra do produto;
6. para independência, teste (P(A\cap B)=P(A)P(B));
7. não confunda independência com exclusão mútua;
8. confira qual evento está antes e qual está depois da barra em (P(A\mid B)).

14. Pegadinhas de alto rendimento

“Toda probabilidade é casos favoráveis dividido por casos possíveis.” Errado. Essa razão exige, no modelo finito usual, resultados elementares equiprováveis.

“Se (A\subseteq B), então (P(A)>P(B)).” Errado. Vale (P(A)\le P(B)).

“Se dois eventos não podem ocorrer juntos, eles são independentes.” Errado quando ambos têm probabilidade positiva: são mutuamente exclusivos e dependentes.

“(P(A\mid B)=P(B\mid A)).” Em geral, não. Os denominadores são diferentes.

“Independência significa (P(A\cap B)=0).” Errado. A condição é (P(A\cap B)=P(A)P(B)).

“Condicionar em (B) é permitido mesmo quando (P(B)=0) pela fórmula elementar.” Errado. A razão (P(A\cap B)/P(B)) exige (P(B)>0).

“Se (A) e (B) são independentes, seus complementos deixam de ser.” Errado. A independência é preservada ao complementar um ou ambos.

15. Fronteira com as próximas unidades

Esta unidade ensinou o sistema de regras dos eventos: espaço amostral, axiomas, complemento/união/interseção, condicionamento e independência.

A partir da U052, a pergunta muda: em vez de trabalhar apenas com eventos, passaremos a associar números aos resultados e estudar variáveis aleatórias, funções/distribuições de probabilidade, esperança e modelos especiais.

Retenha o núcleo:

axiomas tornam a probabilidade coerente; condicionamento muda o universo; independência significa que a informação não muda a chance.