Fundamentos de probabilidade

Probabilidade é a medida formal da incerteza. Este guia cobre os conceitos essenciais com exemplos numéricos passo a passo.

Espaço amostral e eventos

O espaço amostral é o conjunto de todos os resultados possíveis de um experimento. Um evento é qualquer subconjunto desse espaço. Quando todos os resultados são igualmente prováveis, a probabilidade de um evento é a razão entre o número de resultados favoráveis e o número total de resultados.

Eventos independentes

Dois eventos são independentes quando a ocorrência de um não altera a probabilidade do outro. Para eventos independentes, a probabilidade conjunta é o produto das probabilidades individuais:

P(A e B) = P(A) × P(B)

Exemplo: a probabilidade de obter cara duas vezes seguidas em uma moeda justa é 0,5 × 0,5 = 0,25. A moeda "não tem memória": o segundo lançamento ignora completamente o primeiro. Essa ausência de memória é a propriedade central dos processos aleatórios independentes — e a raiz de muitas interpretações erradas de sequências de resultados.

Probabilidade condicional

Quando os eventos não são independentes, usamos probabilidade condicional: P(A|B) é a probabilidade de A sabendo que B ocorreu.

P(A|B) = P(A e B) ÷ P(B), desde que P(B) > 0.

Exemplo resolvido: num lote de 200 componentes, 12 são defeituosos e 8 dos defeituosos apresentam marca visível. A probabilidade de um componente ser defeituoso é 12/200 = 6%. A probabilidade de ser defeituoso dado que apresenta marca visível é 8/8 dos marcados defeituosos sobre o total de componentes marcados — a informação nova altera a estimativa, e é exatamente isso que a probabilidade condicional formaliza.

Teorema de Bayes

O teorema de Bayes inverte probabilidades condicionais — a operação mais útil e mais contraintuitiva da estatística básica:

P(A|B) = P(B|A) × P(A) ÷ P(B)

Exemplo clássico: um exame detecta uma condição rara com 99% de acurácia (99% de positivos corretos e 99% de negativos corretos), mas a condição afeta apenas 0,5% da população. Se o seu exame deu positivo, qual a probabilidade de você ter a condição?

• P(condição) = 0,005 — a prevalência na população.
• P(positivo | condição) = 0,99 — acurácia do exame.
• P(positivo) = 0,99 × 0,005 + 0,01 × 0,995 = 0,0149 — todos os casos de positivo.
• P(condição | positivo) = (0,99 × 0,005) ÷ 0,0149 ≈ 33%.

Um exame "99% exato" produz, nesse cenário, dois positivos falsos para cada positivo verdadeiro. A prevalência baixa domina o resultado — lição direta sobre por que números isolados de acurácia não contam a história completa.

Combinatória: contando resultados

Quando o espaço amostral é grande, contamos resultados com fórmulas. A combinação C(n, k) responde: "de quantas formas posso escolher k itens entre n disponíveis, sem importar a ordem?"

C(n, k) = n! ÷ [ k! × (n − k)! ]

Exemplo: uma comissão de 3 pessoas escolhida entre 10 candidatas tem C(10, 3) = 120 composições possíveis. Se apenas uma composição é a desejada, a probabilidade de escolhê-la ao acaso é 1/120 ≈ 0,83%. A mesma matemática se aplica a qualquer seleção aleatória — e quanto maior o espaço de possibilidades, menor a chance de qualquer resultado específico.