Teoria das Probabilidades: a dinâmica dos eventos independentes e dependentes Fundamentos da interação entre eventos Em probabilidade, raramente o interesse está em um evento isolado. Em muitos problemas, analisamos sequências de experimentos (duas retiradas, vários lançamentos, várias partidas) ou eventos simultâneos (dois critérios ao mesmo tempo). Nesses cenários, a pergunta central passa a ser: a ocorrência de um evento altera a chance do outro? Quando a resposta é “não”, falamos em independência. Quando a resposta é “sim”, falamos em dependência (e a ferramenta natural para medir essa alteração é a probabilidade condicional). Do ponto de vista de modelagem, isso equivale a perguntar se o sistema tem “memória”: Sem memória (independente): o que aconteceu antes não muda o que pode acontecer depois. Com memória (dependente): o que aconteceu antes muda o conjunto de possibilidades posteriores. Essa distinção é decisiva porque muda a fórmula correta para calcular probabilidades conjuntas (do tipo “A e B”). Probabilidade condicional: o instrumento que mede influência Antes de classificar eventos como independentes ou dependentes, é essencial dominar o significado de $P(A\mid B)$. 2.1. Definição formal A probabilidade de $A$ ocorrer dado que $B$ ocorreu é: $P(A\mid B)=\frac{P(A\cap B)}{P(B)}$, com $P(B)>0$. Em espaços finitos equiprováveis, é equivalente pensar em “restringir o universo” ao evento $B$: $P(A\mid B)=\frac{n(A\cap B)}{n(B)}$. 2.2. Interpretação correta O denominador $P(B)$ (ou $n(B)$) representa o novo universo: depois que se sabe que $B$ ocorreu, apenas resultados compatíveis com $B$ permanecem possíveis. O numerador $P(A\cap B)$ (ou $n(A\cap B)$) representa os resultados em que A e B acontecem juntos dentro desse novo universo. Essa leitura é o que evita o erro mais comum: manter o denominador original quando o enunciado já forneceu uma condição. Eventos independentes: autonomia probabilística Dois eventos $A$ e $B$ são independentes quando a ocorrência de um não altera a probabilidade do outro. 3.1. Critério mais importante (via condicional) A independência é caracterizada por: $P(A\mid B)=P(A)$ (com $P(B)>0$). Ou, de modo simétrico: $P(B\mid A)=P(B)$ (com $P(A)>0$). 3.2. Regra do produto (interseção de independentes) Quando $A$ e $B$ são independentes, vale: $P(A\cap B)=P(A)\cdot P(B)$. Essa fórmula é extremamente poderosa porque transforma uma probabilidade conjunta em um produto simples. 3.3. Exemplo: dois lançamentos de uma moeda Considere uma moeda não viciada lançada duas vezes. O espaço amostral pode ser descrito por pares ordenados: $\Omega=\{(C,C),(C,K),(K,C),(K,K)\}$, em que $C$ = cara e $K$ = coroa. Defina: $A$: “sair cara no segundo lançamento”. $B$: “sair cara no primeiro lançamento”. Então: $P(A)=\frac{2}{4}=\frac{1}{2}$, pois $(C,C)$ e $(K,C)$ satisfazem $A$. Se sabemos que $B$ ocorreu, restam apenas os casos com primeira cara: $B=\{(C,C),(C,K)\}$. Dentro de $B$, o evento $A$ ocorre apenas em $(C,C)$. Assim: $P(A\mid B)=\frac{1}{2}$. Como $P(A\mid B)=P(A)$, concluímos que $A$ e $B$ são independentes. 3.4. Independência x “não ter relação aparente” Independência é uma propriedade matemática do modelo, não uma impressão subjetiva. É perfeitamente possível que dois eventos pareçam relacionados no senso comum, mas sejam independentes no modelo. Também é possível o contrário: eventos parecerem separados, mas serem dependentes quando há alguma restrição escondida (por exemplo, amostragem sem reposição). Eventos dependentes: quando o sistema muda após um resultado Eventos dependentes ocorrem quando a realização de um evento altera a probabilidade do outro. A marca mais comum é a mudança do espaço amostral. 4.1. Critério (via condicional) Se, para algum caso com $P(B)>0$: $P(A\mid B)\ne P(A)$, então $A$ e $B$ são dependentes. 4.2. Regra do produto geral (sempre válida) Independentemente de serem independentes ou não, sempre vale: $P(A\cap B)=P(A)\cdot P(B\mid A)$. Essa é a forma segura de pensar “A e B”: primeiro calcula-se $P(A)$; depois calcula-se a probabilidade de $B$ condicionada à ocorrência de $A$. 4.3. Exemplo: retirada de cartas sem reposição (dois ases) Baralho comum: 52 cartas, 4 ases. Defina: $A$: “a primeira carta retirada é um ás”. $B$: “a segunda carta retirada é um ás”. Sem reposição: $P(A)=\frac{4}{52}$. Se $A$ ocorreu, o baralho passa a ter 51 cartas e 3 ases: $P(B\mid A)=\frac{3}{51}$. Logo: $P(A\cap B)=\frac{4}{52}\cdot\frac{3}{51}=\frac{12}{2652}=\frac{1}{221}\approx 0{,}004524$. Em porcentagem: $0{,}004524\times 100\%\approx 0{,}4524\%$. A dependência aparece porque, após a primeira retirada, o denominador muda (de 52 para 51) e o número de casos favoráveis também muda (de 4 para 3). Quadro comparativo: independência vs dependência A seguir, uma síntese operacional das diferenças. | Critério | Eventos independentes | Eventos dependentes | |---|---|---| | Ideia central | Um evento não altera o outro | Um evento altera o outro | | Condicional | $P(A\mid B)=P(A)$ | $P(A\mid B)\ne P(A)$ | | Interseção | $P(A\cap B)=P(A)\cdot P(B)$ | $P(A\cap B)=P(A)\cdot P(B\mid A)$ | | Espaço amostral ao longo do processo | Permanece estável | Se altera (contração/atualização) | | Situação típica | Lançamentos separados, reposição | Amostragem sem reposição | Observação crucial: “Com reposição” frequentemente implica independência, porque o sistema volta ao estado original. “Sem reposição” frequentemente implica dependência, porque o sistema muda. Estratégia do complementar: eventos do tipo “pelo menos um” Em problemas com várias tentativas, calcular diretamente “pelo menos um sucesso” pode exigir somar muitas possibilidades diferentes. Uma abordagem conceitualmente mais limpa é usar o evento complementar. 6.1. Identidade fundamental Seja $A$ o evento “ocorre pelo menos um sucesso”. Seu complemento $A^c$ é “não ocorre nenhum sucesso”. Então: $P(\text{pelo menos um})=1-P(\text{nenhum})$. Essa identidade não é um truque: é consequência direta de que os dois eventos (pelo menos um) e (nenhum) são complementares e particionam o espaço amostral. 6.2. Exemplo: seleção de enfermeiras experientes sem reposição Há 15 enfermeiras no total: 2 experientes 13 não experientes Sorteiam-se 5 sem reposição. Defina: $A$: “sair pelo menos uma experiente”. $A^c$: “não sair nenhuma experiente” (ou seja, sair 5 não experientes). Calcule $P(A^c)$ pela regra do produto com dependência: $P(A^c)=\frac{13}{15}\cdot\frac{12}{14}\cdot\frac{11}{13}\cdot\frac{10}{12}\cdot\frac{9}{11}$. Há um cancelamento natural (porque fatores se repetem no numerador e no denominador): $P(A^c)=\frac{10\cdot 9}{15\cdot 14}=\frac{90}{210}=\frac{3}{7}$. Logo: $P(A)=1-\frac{3}{7}=\frac{4}{7}\approx 0{,}571428$. Em porcentagem: $\approx 57{,}1428\%$. O ponto conceitual é que “pelo menos um” costuma ser mais simples pelo complemento porque “nenhum” frequentemente tem uma estrutura de contagem direta (todas as escolhas vêm do grupo sem sucesso). Probabilidade composta em chaveamentos e torneios (sequências de vitórias) Em torneios eliminatórios, um time para atingir certa fase precisa vencer uma sequência de jogos. Um modelo comum (quando o enunciado fornece probabilidades fixas por jogo) trata cada partida como um evento e calcula a probabilidade conjunta via produto. 7.1. Chegar à final como interseção de eventos Suponha que o Time 1 tenha: $0{,}6$ de chance de vencer as quartas $0{,}5$ de chance de vencer a semifinal Se o modelo assume probabilidades constantes e independência entre as partidas (no sentido matemático do enunciado), então: $P(\text{chegar à final})=0{,}6\cdot 0{,}5=0{,}3$. Ou seja, 30%. 7.2. Final contra um de dois possíveis adversários Agora suponha que o adversário do Time 1 na final seja Time 5 ou Time 7. Para isso, o Time 1 precisa chegar à final e o outro time também. Seja: $F1$: “Time 1 chega à final” (probabilidade $0{,}3$) $F5$: “Time 5 chega à final” $F7$: “Time 7 chega à final” Suponha: Time 5: $0{,}5$ nas quartas e $0{,}5$ na semi $\Rightarrow P(F5)=0{,}5\cdot 0{,}5=0{,}25$ Time 7: $0{,}45$ nas quartas e $0{,}5$ na semi $\Rightarrow P(F7)=0{,}45\cdot 0{,}5=0{,}225$ Queremos: $P(\text{final }=\text{Time 1 vs (Time 5 ou Time 7)})$ Isto é: $P\big(F1\cap(F5\cup F7)\big)$. Assume-se aqui que Time 5 e Time 7 estão no mesmo lado do chaveamento (competindo pela mesma vaga na final). Dessa forma, $F5$ e $F7$ são eventos mutuamente exclusivos, pois ambos não podem chegar à final simultaneamente: $P(F5\cup F7)=P(F5)+P(F7)$. E, sob a hipótese de independência entre “trajetórias” dos lados do chaveamento: $P\big(F1\cap(F5\cup F7)\big)=P(F1\cap F5)+P(F1\cap F7)$ $=P(F1)P(F5)+P(F1)P(F_7)$ $=0{,}3\cdot 0{,}25+0{,}3\cdot 0{,}225$ $=0{,}075+0{,}0675=0{,}1425$. Em porcentagem: 4{,}25\%$. O resultado ilustra um princípio geral: probabilidades de cenários muito específicos tendem a “encolher” conforme se multiplicam várias etapas. Síntese dos modelos e critérios de escolha A seleção do modelo correto depende do que o enunciado descreve e do que ele implica sobre o espaço amostral. 8.1. Regras conceituais essenciais Reposição vs. sem reposição (como indicador comum, mas não definitivo) Com reposição: frequentemente leva a eventos independentes, pois as condições iniciais se mantêm. Sem reposição: geralmente introduz dependência, pois a composição do espaço amostral se altera. No entanto, a verificação formal deve ser feita testando se P(A|B) = P(A). Use condicional como teste Se ao condicionar em $B$ a chance de $A$ não muda, há independência: $P(A\mid B)=P(A)$. Se muda, há dependência. Para interseções, a forma geral é sempre segura $P(A\cap B)=P(A)\cdot P(B\mid A)$. Somente quando houver independência é que se pode substituir $P(B\mid A)$ por $P(B)$. Para “pelo menos um”, o complemento costuma ser o caminho natural $P(\text{pelo menos um})=1-P(\text{nenhum})$. Dominar essas ideias permite construir soluções robustas para problemas com várias etapas, múltiplos critérios e condições explícitas, sempre com controle rigoroso do espaço amostral e das relações entre eventos. Exercícios: Considere o lançamento de duas moedas. Qual é a probabilidade de obter **cara** na primeira moeda e **cara** na segunda moeda, sabendo que cada moeda tem probabilidade de 50% de dar cara? Considere o lançamento de uma moeda e o lançamento de um dado. Qual das afirmativas abaixo é verdadeira sobre esses eventos? Uma moeda é lançada duas vezes. Qual é a probabilidade de obter cara no primeiro lançamento e coroa no segundo? Um dado é lançado e uma carta é retirada de um baralho de 52 cartas. Qual é a probabilidade de obter o número 6 no dado e uma carta de copas? Uma urna contém 5 bolas vermelhas e 3 bolas azuis. Duas bolas são retiradas sem reposição. Qual é a probabilidade de a primeira bola ser vermelha e a segunda azul? A análise de confiabilidade de sistemas frequentemente modela componentes de engenharia como eventos estatisticamente independentes. Uma máquina industrial depende de três sensores de segurança ($X$, $Y$ e $Z$) que operam de forma totalmente independente entre si. As probabilidades de falha individual de cada sensor durante um turno de operação são, respectivamente, $P(X) = 0{,}1$, $P(Y) = 0{,}2$ e $P(Z) = 0{,}3$. O protocolo de segurança determina que a máquina será automaticamente paralisada se, e somente se, **pelo menos dois** sensores falharem simultaneamente. Qual é a probabilidade estatística de a máquina ser paralisada em um determinado turno? Eventos dependentes ocorrem classicamente em modelos de amostragem sem reposição, onde o espaço amostral é atualizado a cada etapa. Uma urna opaca contém 12 bolas idênticas em textura e massa, sendo 5 brancas, 4 vermelhas e 3 pretas. Serão retiradas 3 bolas da urna, uma após a outra, rigorosamente sem reposição. Qual é a probabilidade exata de que as três bolas retiradas possuam a mesma cor ou sejam todas de cores distintas? A dependência encadeada ocorre quando o resultado empírico de um evento altera as probabilidades intrínsecas dos eventos subsequentes (Processo de Markov). A probabilidade de um arqueiro acertar o alvo no seu primeiro disparo é de $0{,}8$. Se ele acertar, sua confiança aumenta, e a probabilidade de acerto no próximo disparo passa a ser $0{,}9$. No entanto, se ele errar um disparo, sua confiança cai, e a probabilidade de acerto no próximo disparo despenca para $0{,}6$. Se ele disparar exatamente 3 flechas, qual a probabilidade de acertar o alvo exatamente duas vezes? O uso inteligente da Distribuição Binomial para modelar eventos independentes minimiza arranjos complexos. Um candidato fará uma prova de múltipla escolha contendo 5 questões, onde cada questão possui 4 alternativas e apenas uma está correta. Ele não estudou e irá assinalar todas as questões de forma aleatória e estatisticamente independente. Sabendo que, para ser aprovado, o candidato precisa acertar no mínimo 4 questões, qual é a probabilidade exata de que ele obtenha a aprovação? A modelagem de um experimento sem reposição por meio de probabilidades conjuntas resulta em uma equação de dependência paramétrica. Uma urna contém exatamente 4 bolas vermelhas e $n$ bolas pretas. Retiram-se duas bolas da urna sucessivamente e sem reposição. Sabendo que a probabilidade estatística de que a primeira bola seja vermelha e a segunda seja preta é exatamente $8/33$, determine o valor do número inicial de bolas pretas ($n$). A independência de sistemas dispostos em paralelo exige o uso das propriedades de probabilidade da união de conjuntos. Um sinal de transmissão pode trafegar do ponto A ao ponto B através de duas vias independentes e simultâneas. A Via 1 possui apenas um roteador R1 com confiabilidade de $0{,}9$. A Via 2 possui dois roteadores em série, R2 e R3, cujas confiabilidades são $0{,}8$ e $0{,}7$, respectivamente (a Via 2 só funciona se ambos os roteadores funcionarem). Sabendo que todos os roteadores falham ou operam independentemente, qual é a probabilidade de o sinal chegar com sucesso ao ponto B? O modelo a seguir é uma variação do processo de urna. Uma urna contém inicialmente 3 bolas brancas e 2 bolas pretas. Sorteia-se aleatoriamente uma bola e observa-se a sua cor. Em seguida, devolve-se a bola à urna e adicionam-se outras 2 bolas da **cor oposta** à que foi sorteada (alterando a configuração demográfica). Após essa modificação, sorteia-se uma segunda bola. Qual é a probabilidade exata de que a segunda bola sorteada seja branca? [ENEM 2022] Contexto: Em um jogo de bingo, as cartelas contêm 16 quadrículas dispostas em linhas e colunas. Cada quadrícula tem impresso um número, dentre os inteiros de 1 a 50, sem repetição de número. Na primeira rodada, um número é sorteado, aleatoriamente, dentre os 50 possíveis. Em todas as rodadas, o número sorteado é descartado e não participa dos sorteios das rodadas seguintes. Caso o jogador tenha em sua cartela o número sorteado, ele o assinala na cartela. Ganha o jogador que primeiro conseguir preencher quatro quadrículas que formam uma linha, uma coluna ou uma diagonal, conforme os tipos de situações ilustradas na Figura 1. O jogo inicia e, nas quatro primeiras rodadas, foram sorteados os seguintes números: 03, 27, 07 e 48. Ao final da quarta rodada, somente Pedro possuía uma cartela que continha esses quatro números sorteados, sendo que todos os demais jogadores conseguiram assinalar, no máximo, um desses números em suas cartelas. Observe na Figura 2 o cartão de Pedro após as quatro primeiras rodadas. A probabilidade de Pedro ganhar o jogo em uma das duas próximas rodadas é Em um baralho de 52 cartas, duas cartas são retiradas sucessivamente sem reposição. Qual é a probabilidade de que a primeira carta seja de espadas e a segunda também seja de espadas? O que ocorre com o número de resultados possíveis em cada etapa de experimentos envolvendo retiradas sucessivas sem reposição? Em um baralho de 52 cartas, retiram-se duas cartas sucessivamente e sem reposição. Qual é a probabilidade de ambas serem Áses? O lançamento simultâneo de duas mãos em uma urna para retirar duas bolas é probabilisticamente equivalente a qual situação? Considere um dado de 6 faces lançado duas vezes. Qual a probabilidade de obter o número 2 em ambos os lançamentos? Se a probabilidade de um jogador acertar um alvo é 80% e a de outro jogador é 90%, qual a probabilidade de ambos errarem, assumindo independência? Em uma urna com 5 bolas azuis e 5 vermelhas, retiram-se duas bolas sem reposição. Qual a probabilidade de a segunda ser azul, dado que a primeira foi vermelha? No modelo padrão de lançamentos independentes de uma moeda justa, o evento 'obter cara no segundo lançamento' é independente do evento 'obter cara no primeiro lançamento' porque: Qual é a probabilidade de, ao retirar três bombons sucessivamente e com reposição de uma cesta com 10 de maracujá e 12 de outros sabores, todos os três bombons retirados serem de maracujá? Se $P(A)=0{,}5$ e $P(B)=0{,}4$, e os eventos são independentes, qual a probabilidade de ocorrer $A$ e não ocorrer $B$? Um sistema tem dois componentes que funcionam de forma independente. A chance de falha do componente 1 é 0,1 e do componente 2 é 0,2. Qual a chance de o sistema falhar completamente (ambos falharem)? Em eventos sequenciais independentes, a ordem de ocorrência impacta diretamente a modelagem do sucesso global. Um tenista tem probabilidade de $0{,}6$ de vencer uma partida contra o adversário A e $0{,}4$ de vencer contra o adversário B. Ele participará de um torneio de 3 partidas onde deve enfrentar alternadamente os adversários, podendo escolher a sequência A-B-A ou B-A-B. Para se consagrar campeão, ele precisa vencer **pelo menos duas partidas consecutivas**. Qual sequência ele deve escolher para maximizar sua chance de ser campeão e qual é essa probabilidade?