O que é probabilidade conjunta?
Probabilidade conjunta é a probabilidade de dois eventos acontecerem juntos. Se os dois eventos forem chamados de \(A\) e \(B\), sua probabilidade conjunta é escrita como:
$$
P(A \cap B)
$$
O símbolo \(\cap\) significa “interseção”, que é a sobreposição entre os dois eventos. Em palavras, \(P(A \cap B)\) é a probabilidade de \(A\) acontecer e \(B\) acontecer na mesma observação, tentativa, pessoa, item ou situação.
A probabilidade conjunta é útil porque muitas perguntas reais envolvem mais de uma condição. Por exemplo, um professor pode perguntar qual é a probabilidade de um aluno ter entregado uma tarefa e também ter passado em um teste. Um pesquisador pode analisar a probabilidade de um participante da pesquisa estar em determinada faixa etária e preferir certo produto. Uma equipe de controle de qualidade pode acompanhar a probabilidade de um item passar na inspeção e também vir de determinada linha de produção.
Uma probabilidade conjunta está sempre entre \(0\) e \(1\):
$$
0 \le P(A \cap B) \le 1
$$
Em porcentagem, isso fica entre \(0\%\) e \(100\%\). Uma probabilidade de \(0\) significa que os dois eventos nunca acontecem juntos no modelo ou nos dados utilizados. Uma probabilidade de \(1\) significa que eles sempre acontecem juntos.
Por que a probabilidade conjunta é importante
A probabilidade conjunta ajuda a entender a sobreposição. Essa sobreposição costuma ser essencial para responder a perguntas práticas como:
-
Com que frequência duas características aparecem juntas?
-
Quanto de um evento também faz parte de outro evento?
-
Dois eventos estão relacionados ou se comportam como se fossem independentes?
-
O que uma tabela de dupla entrada diz sobre a relação entre duas categorias?
Ela também conecta várias ideias importantes de probabilidade. Quando você conhece \(P(A)\), \(P(B)\) e \(P(A \cap B)\), pode calcular a probabilidade de \(A\) ou \(B\), probabilidades condicionais como \(P(A \mid B)\), complementos e uma verificação de independência.
Termos importantes
-
Evento: Um conjunto de resultados, como “o aluno passou” ou “a carta é de copas”.
-
Probabilidade conjunta: A probabilidade de dois eventos acontecerem juntos, escrita como \(P(A \cap B)\).
-
Probabilidade marginal: A probabilidade de um evento isoladamente, como \(P(A)\) ou \(P(B)\).
-
União: A probabilidade de pelo menos um de dois eventos acontecer, escrita como \(P(A \cup B)\).
-
Interseção: A sobreposição de dois eventos, escrita como \(A \cap B\).
-
Complemento: O evento em que algo não acontece. O complemento de \(A\) costuma ser escrito como \(\bar{A}\) ou \(A^c\).
-
Probabilidade condicional: A probabilidade de um evento depois que se sabe que outro aconteceu, como \(P(A \mid B)\).
-
Eventos independentes: Eventos em que saber que um aconteceu não altera a probabilidade do outro.
-
Eventos mutuamente exclusivos: Eventos que não podem acontecer juntos, portanto sua probabilidade conjunta é \(0\).
-
Tabela de contingência 2×2: Uma tabela que divide as observações em quatro grupos: \(A\) e \(B\), \(A\) e não \(B\), não \(A\) e \(B\), e nenhum dos dois.
Como funciona a probabilidade conjunta
Para dois eventos, a relação mais importante é a conexão entre as probabilidades individuais e sua sobreposição.
A probabilidade de \(A\) ou \(B\) ocorrer é:
$$
P(A \cup B) = P(A) + P(B) - P(A \cap B)
$$
A subtração é necessária porque a sobreposição é contada duas vezes quando \(P(A)\) e \(P(B)\) são somados. Subtrair \(P(A \cap B)\) faz com que essa sobreposição seja contada apenas uma vez.
As quatro regiões de um modelo de probabilidade com dois eventos são:
-
\(P(A \cap B)\): tanto \(A\) quanto \(B\) acontecem.
-
\(P(A \cap \bar{B})\): \(A\) acontece e \(B\) não.
-
\(P(\bar{A} \cap B)\): \(B\) acontece e \(A\) não.
-
\(P(\bar{A} \cap \bar{B})\): nenhum dos eventos acontece.
Juntas, essas quatro regiões devem totalizar \(1\):
$$
P(A \cap B) + P(A \cap \bar{B}) + P(\bar{A} \cap B) + P(\bar{A} \cap \bar{B}) = 1
$$
Se você conhece \(P(A)\), \(P(B)\) e \(P(A \cap B)\), as outras regiões podem ser encontradas assim:
$$
P(A \cap \bar{B}) = P(A) - P(A \cap B)
$$
$$
P(\bar{A} \cap B) = P(B) - P(A \cap B)
$$
$$
P(\bar{A} \cap \bar{B}) = 1 - P(A) - P(B) + P(A \cap B)
$$
O complemento de “os dois eventos acontecem” é “pelo menos um dos dois eventos não acontece”. Ou seja:
$$
P(\bar{A} \cup \bar{B}) = 1 - P(A \cap B)
$$
Probabilidade condicional
A probabilidade condicional analisa um evento dentro da parte do espaço amostral em que outro evento já aconteceu.
A probabilidade de \(A\) dado \(B\) é:
$$
P(A \mid B) = \frac{P(A \cap B)}{P(B)}
$$
Essa fórmula só funciona quando \(P(B) > 0\). Se \(P(B) = 0\), então \(P(A \mid B)\) é indefinido porque o denominador é zero.
De modo semelhante:
$$
P(B \mid A) = \frac{P(A \cap B)}{P(A)}
$$
Essa fórmula só funciona quando \(P(A) > 0\).
É importante manter a direção correta. Em geral, \(P(A \mid B)\) e \(P(B \mid A)\) não são o mesmo número.
Independência
Dois eventos são independentes quando a probabilidade conjunta é igual ao produto das duas probabilidades marginais:
$$
P(A \cap B) = P(A)P(B)
$$
Se a sobreposição real for maior que \(P(A)P(B)\), os eventos acontecem juntos com mais frequência do que o esperado sob independência. Se a sobreposição real for menor que \(P(A)P(B)\), eles acontecem juntos com menos frequência do que o esperado sob independência.
Independência não é o mesmo que exclusão mútua. Se dois eventos são mutuamente exclusivos, então \(P(A \cap B)=0\). Se os dois eventos têm probabilidade positiva, isso geralmente os torna dependentes, não independentes, porque \(P(A)P(B)\) seria maior que \(0\).
Exemplos práticos de probabilidade conjunta
Exemplo 1: probabilidades diretas
Suponha:
-
\(P(A)=0.60\)
-
\(P(B)=0.50\)
-
\(P(A \cap B)=0.30\)
A probabilidade conjunta já é conhecida:
$$
P(A \cap B)=0.30
$$
Em porcentagem, a probabilidade de os dois eventos ocorrerem é:
$$
0.30 \times 100 = 30\%
$$
A probabilidade de \(A\) ou \(B\) ocorrer é:
$$
P(A \cup B)=0.60+0.50-0.30=0.80
$$
Portanto, há uma chance de \(80\%\) de que pelo menos um dos dois eventos ocorra.
Para verificar a independência, compare a probabilidade conjunta com \(P(A)P(B)\):
$$
P(A)P(B)=0.60 \times 0.50=0.30
$$
Como isso é igual a \(P(A \cap B)\), esses dois eventos são independentes neste modelo.
Exemplo 2: uma tabela 2×2
Suponha que uma pesquisa da turma registre se os alunos participaram de uma sessão de revisão e se passaram em um teste.
|
Passou no teste \(B\) |
Não passou \(\bar{B}\) |
Total |
| Participou da revisão \(A\) |
40 |
10 |
50 |
| Não participou \(\bar{A}\) |
30 |
20 |
50 |
| Total |
70 |
30 |
100 |
O total é \(100\), portanto cada célula pode ser convertida em uma probabilidade dividindo-a por \(100\).
A probabilidade conjunta de um aluno ter participado da revisão e ter passado é:
$$
P(A \cap B)=\frac{40}{100}=0.40
$$
As probabilidades marginais são:
$$
P(A)=\frac{50}{100}=0.50
$$
$$
P(B)=\frac{70}{100}=0.70
$$
A probabilidade de um aluno ter participado da revisão ou ter passado no teste é:
$$
P(A \cup B)=0.50+0.70-0.40=0.80
$$
A probabilidade de um aluno ter participado da revisão dado que passou é:
$$
P(A \mid B)=\frac{P(A \cap B)}{P(B)}=\frac{0.40}{0.70}\approx 0.5714
$$
Portanto, entre os alunos que passaram, cerca de \(57.14\%\) participaram da revisão.
Exemplo 3: eventos mutuamente exclusivos
Suppose:
-
\(P(A)=0.35\)
-
\(P(B)=0.45\)
-
\(P(A \cap B)=0\)
Como a probabilidade conjunta é zero, os eventos não se sobrepõem. A probabilidade de \(A\) ou \(B\) ocorrer é:
$$
P(A \cup B)=0.35+0.45-0=0.80
$$
A comparação de independência é:
$$
P(A)P(B)=0.35 \times 0.45=0.1575
$$
Como \(0 \ne 0.1575\), os eventos não são independentes. Eles são mutuamente exclusivos, o que significa que a ocorrência de um impede a ocorrência do outro.
Como interpretar o resultado
O resultado principal, \(P(A \cap B)\), é a probabilidade de os dois eventos ocorrerem juntos.
Uma probabilidade conjunta baixa significa que a sobreposição é pequena. Isso pode acontecer porque um ou os dois eventos são raros, porque os eventos raramente ocorrem juntos, ou por ambos os motivos.
Uma probabilidade conjunta alta significa que a sobreposição é grande. No entanto, uma probabilidade conjunta alta não prova automaticamente a existência de uma relação. Se tanto \(A\) quanto \(B\) forem muito comuns, sua sobreposição pode ser alta mesmo quando os eventos são independentes.
Sempre compare a probabilidade conjunta com as probabilidades marginais:
$$
P(A \cap B) \le P(A)
$$
$$
P(A \cap B) \le P(B)
$$
A sobreposição não pode ser maior que qualquer um dos eventos isoladamente. Se uma probabilidade conjunta proposta for maior que \(P(A)\) ou \(P(B)\), o modelo de probabilidade é impossível.
O resultado da união, \(P(A \cup B)\), representa a probabilidade de pelo menos um evento ocorrer. Ele inclui três regiões: somente \(A\), somente \(B\) e os dois.
Os resultados condicionais respondem a perguntas diferentes:
-
\(P(A \mid B)\) significa “entre os casos em que \(B\) aconteceu, com que frequência \(A\) também aconteceu?”.
-
\(P(B \mid A)\) significa “entre os casos em que \(A\) aconteceu, com que frequência \(B\) também aconteceu?”.
A verificação de independência compara a sobreposição real com a sobreposição esperada se os eventos fossem independentes:
$$
\text{Expected overlap under independence} = P(A)P(B)
$$
Se os dois valores forem iguais, os eventos são independentes no modelo de probabilidade com dois eventos. Se não forem iguais, os eventos são dependentes nesse modelo.
Erros e equívocos comuns
Inserir porcentagens em vez de decimais. Uma probabilidade de \(60\%\) deve ser inserida como \(0.60\) no modo de probabilidade direta, e não como \(60\).
Confundir “e” com “ou”. \(P(A \cap B)\) significa que os dois eventos acontecem. \(P(A \cup B)\) significa que pelo menos um evento acontece. A união geralmente é maior que a interseção.
Esquecer de subtrair a sobreposição. Ao calcular \(P(A \cup B)\), a sobreposição é contada duas vezes se você simplesmente somar \(P(A)\) e \(P(B)\). A fórmula correta subtrai \(P(A \cap B)\) uma vez.
Usar uma probabilidade conjunta impossível. A probabilidade conjunta não pode ser maior que nenhuma das probabilidades individuais. Por exemplo, se \(P(A)=0.40\), então \(P(A \cap B)\) não pode ser \(0.50\).
Supor que \(P(A \mid B)\) é igual a \(P(B \mid A)\). Essas duas probabilidades condicionais geralmente respondem a perguntas diferentes e podem ser muito distintas.
Confundir eventos mutuamente exclusivos com eventos independentes. Eventos mutuamente exclusivos não podem acontecer juntos. Eventos independentes podem acontecer juntos, mas um evento não altera a probabilidade do outro.
Tratar as contagens da tabela como probabilidades finais. Em uma tabela 2×2, os valores das células geralmente são contagens ou frequências. Eles só se tornam probabilidades depois de serem divididos pelo total da tabela.
Esperar que um diagrama de Venn represente áreas exatas. Um diagrama de Venn esquemático é um recurso visual. A menos que tenha sido construído especificamente em escala, o tamanho dos círculos e da sobreposição não deve ser interpretado como áreas exatas.
Quando usar a probabilidade conjunta
Use a probabilidade conjunta quando precisar estudar a sobreposição de dois eventos, categorias ou condições.
Os usos comuns incluem:
-
Verificar se dois eventos podem acontecer juntos.
-
Calcular a probabilidade de uma observação selecionada aleatoriamente ter duas características.
-
Transformar uma tabela 2×2 de contagens em probabilidades.
-
Encontrar \(P(A \cup B)\) sem contar a sobreposição duas vezes.
-
Calcular \(P(A \mid B)\) ou \(P(B \mid A)\).
-
Comparar a sobreposição observada com a expectativa para eventos independentes \(P(A)P(B)\).
-
Explicar diagramas de Venn, tabelas de contingência e modelos de probabilidade com dois eventos.
Limitações e pontos importantes
Os cálculos de probabilidade conjunta dependem da qualidade das entradas. Um resultado matematicamente correto ainda pode ser enganoso se as probabilidades ou os valores da tabela vierem de dados tendenciosos, incompletos ou mal definidos.
Para probabilidades diretas, os valores devem formar um modelo consistente com dois eventos. Em particular:
$$
P(A \cap B) \le \min(P(A),P(B))
$$
e
$$
P(A \cup B) \le 1
$$
Porque:
$$
P(A \cup B)=P(A)+P(B)-P(A \cap B)
$$
Para entradas em tabela, cada célula deve ser não negativa, e o total da tabela deve ser maior que zero. As probabilidades da tabela representam frações do total da tabela, não necessariamente probabilidades universais ou de toda a população.
O arredondamento também pode afetar a aparência dos resultados. Um valor mostrado como porcentagem pode estar arredondado, e uma probabilidade não nula muito pequena pode ser exibida em notação exponencial. Evite arredondar cedo demais ao realizar cálculos de probabilidade em várias etapas.
Esse tipo de cálculo está limitado a dois eventos. Situações mais complexas envolvendo três ou mais eventos podem exigir fórmulas ou suposições adicionais, ou um modelo diferente.
Para decisões envolvendo dinheiro, saúde, segurança, engenharia, obrigações legais, afirmações científicas ou registros oficiais, use os cálculos de probabilidade como ferramenta de apoio, e não como única base para uma decisão. Quando os riscos forem altos, verifique a fonte dos dados e consulte um profissional qualificado.
Como usar esta calculadora
-
Escolha o modo direto se você já conhece \(P(A)\), \(P(B)\) e \(P(A \cap B)\).
-
No modo direto, insira as probabilidades como decimais de \(0\) a \(1\). As entradas decimais diretas aceitam no máximo 512 dígitos e um expoente com magnitude máxima de 512. Por exemplo, insira \(60\%\) como \(0.60\).
-
Escolha o modo de tabela se você tiver uma tabela 2×2 de contagens, frequências, pesos ou valores proporcionais das células.
-
No modo de tabela, insira valores não negativos para \(A\) e \(B\), \(A\) e não \(B\), não \(A\) e \(B\), e nenhum dos dois. Células vazias são tratadas como \(0\).
-
Confira o resultado principal, \(P(A \cap B)\), mostrado tanto como porcentagem quanto como decimal.
-
Confira os valores derivados de \(P(A)\), \(P(B)\), \(P(A \cup B)\), \(P(A \mid B)\), \(P(B \mid A)\) e \(P(\bar{A} \cup \bar{B})\).
-
Use a tabela normalizada para ver como as quatro regiões e as margens se relacionam.
-
Use a comparação de independência para ver se a sobreposição observada é igual, maior ou menor que \(P(A)P(B)\).
-
Considere o diagrama de Venn um recurso visual esquemático, não um diagrama com áreas exatas.
Perguntas frequentes
Qual é a diferença entre probabilidade conjunta e probabilidade condicional?
A probabilidade conjunta pergunta quão provável é que dois eventos aconteçam juntos. A probabilidade condicional pergunta quão provável é um evento depois que já se sabe que outro aconteceu. A probabilidade conjunta \(P(A \cap B)\) é usada dentro da fórmula da probabilidade condicional.
Uma probabilidade conjunta pode ser maior que \(P(A)\) ou \(P(B)\)?
Não. A sobreposição de dois eventos não pode ser maior que qualquer um deles isoladamente. Se \(P(A \cap B)\) for maior que \(P(A)\) ou maior que \(P(B)\), as entradas não descrevem um modelo de probabilidade válido com dois eventos.
O que significa \(P(A \cup B)\)?
\(P(A \cup B)\) significa a probabilidade de \(A\) acontecer, \(B\) acontecer ou de ambos acontecerem. Em probabilidade, “ou” geralmente é inclusivo, a menos que se indique o contrário. É por isso que a fórmula subtrai a sobreposição uma vez.
O que significa quando \(P(A \mid B)\) é indefinido?
\(P(A \mid B)\) é indefinido quando \(P(B)=0\). A probabilidade condicional exige restringir o espaço amostral aos casos em que \(B\) ocorreu. Se \(B\) tiver probabilidade zero, não haverá um grupo condicionante com probabilidade positiva pelo qual dividir.
Como saber se dois eventos são independentes?
Compare \(P(A \cap B)\) com \(P(A)P(B)\). Se os dois valores forem iguais, os eventos serão independentes neste modelo. Se não forem iguais, os eventos serão dependentes.
Eventos mutuamente exclusivos são independentes?
Geralmente não, se os dois eventos tiverem probabilidade positiva. Eventos mutuamente exclusivos têm \(P(A \cap B)=0\), enquanto eventos independentes exigem \(P(A \cap B)=P(A)P(B)\). Se \(P(A)\) e \(P(B)\) forem ambos maiores que \(0\), então \(P(A)P(B)\) será maior que \(0\), portanto as duas condições não podem ser satisfeitas ao mesmo tempo.
Por que o modo de tabela divide cada célula pelo total?
Dividir pelo total converte contagens, frequências ou pesos em probabilidades. Por exemplo, se o total da tabela for \(200\) e a célula \(A\) e \(B\) for \(50\), então a probabilidade conjunta normalizada será:
$$
P(A \cap B)=\frac{50}{200}=0.25
$$
Isso significa que \(25\%\) da tabela está na sobreposição.
Fontes e referências
Livros e livros didáticos
-
OpenStax. Introductory Statistics 2e. Rice University/OpenStax, 2023. Seções 1.1, “Definitions of Statistics, Probability, and Key Terms”, e 3.3, “Two Basic Rules of Probability”. https://openstax.org/books/introductory-statistics-2e/pages/1-1-definitions-of-statistics-probability-and-key-terms; https://openstax.org/books/introductory-statistics-2e/pages/3-3-two-basic-rules-of-probability
-
Diez, David M.; Barr, Christopher D.; e Çetinkaya-Rundel, Mine. OpenIntro Statistics, 4ª ed., OpenIntro, 2019. Capítulo 2, seções 2.1, “Defining Probability”, e 2.2, “Conditional Probability I”, disponível por meio de Statistics LibreTexts e OpenIntro. https://stats.libretexts.org/Bookshelves/IntroductoryStatistics/OpenIntroStatistics%28Diezetal%29./02%3AProbability/2.01%3ADefiningProbability; https://stats.libretexts.org/Bookshelves/IntroductoryStatistics/OpenIntroStatistics%28Diezetal%29./02%3AProbability/2.02%3AConditionalProbability_I
