O que é probabilidade?
A probabilidade quantifica a chance de um evento ocorrer. É a linguagem matemática da incerteza, e entendê-la é essencial em estatística, ciência de dados, medicina, finanças e praticamente qualquer área em que decisões sejam tomadas com informação incompleta.
Definição
A probabilidade de um evento \(A\) é um número entre 0 e 1:
- \(P(A) = 0\): o evento é impossível.
- \(P(A) = 1\): o evento é certo.
- \(0 < P(A) < 1\): o evento pode ocorrer ou não.
Para um espaço amostral com resultados igualmente prováveis, a definição clássica é:
\[P(A) = \frac{\text{número de resultados favoráveis a } A}{\text{número total de resultados possíveis}}\]
Essa fórmula só se aplica quando todos os resultados são igualmente prováveis. Para outras situações, veja as definições empírica e subjetiva a seguir.
Tipos de probabilidade
Probabilidade clássica
Baseia-se em resultados igualmente prováveis, derivada da estrutura do experimento, e não da observação.
Um baralho padrão tem 52 cartas. A probabilidade de tirar uma carta de copas:
\[P(\text{copas}) = \frac{13}{52} = 0{,}25\]
A probabilidade de tirar um ás:
\[P(\text{ás}) = \frac{4}{52} \approx 0{,}077\]
Nenhum experimento é necessário: as probabilidades derivam da estrutura conhecida do baralho.
Probabilidade empírica
Baseia-se em dados observados, em vez de suposições teóricas. A probabilidade de um evento é estimada como a frequência relativa com que ele ocorreu.
\[P(A) \approx \frac{\text{número de vezes que } A \text{ ocorreu}}{\text{número total de tentativas}}\]
À medida que o número de tentativas aumenta, a probabilidade empírica converge para a probabilidade real (Lei dos Grandes Números).
Uma fábrica registra 2.400 lotes de produção. Em 72 deles, é produzido um lote defeituoso.
\[P(\text{lote defeituoso}) \approx \frac{72}{2400} = 0{,}03\]
Essa estimativa de 3% se baseia puramente em dados históricos, sem nenhum modelo teórico assumido.
Probabilidade subjetiva
Um grau de crença pessoal, não derivado de simetria ou de dados. Pessoas diferentes podem atribuir probabilidades diferentes ao mesmo evento, com base em seu conhecimento e experiência. Essa é a base do raciocínio bayesiano.
Um cirurgião experiente estima 90% de chance de um resultado bem-sucedido para um paciente específico, com base na condição do paciente, em casos semelhantes anteriores e em seu julgamento clínico. Outro cirurgião pode estimar 85%. Nenhum dos dois está objetivamente errado: ambas são crenças informadas.
Probabilidade frequentista vs. bayesiana
Essas duas escolas definem o que a probabilidade significa e levam a abordagens fundamentalmente diferentes de inferência estatística.
Frequentista: a probabilidade é a frequência relativa de longo prazo de um evento em infinitas repetições de um experimento. As probabilidades são propriedades objetivas do mundo. Os parâmetros são constantes fixas (desconhecidas), não variáveis aleatórias. Você não pode atribuir uma probabilidade a uma hipótese.
Bayesiana: a probabilidade é um grau de crença, atualizado conforme as evidências se acumulam. Os parâmetros podem ter distribuições de probabilidade. Crenças a priori são combinadas com os dados para produzir crenças a posteriori por meio do teorema de Bayes.
Pergunta: qual é a probabilidade de que esta moeda específica seja honesta?
Resposta frequentista: a moeda é honesta ou não é. Não há probabilidade a atribuir a uma propriedade fixa de um objeto. Só podemos testar se os dados observados são consistentes com a honestidade da moeda.
Resposta bayesiana: antes de lançar, temos uma crença a priori (digamos, 90% de que a moeda é honesta). Depois de observar 10 caras em 10 lançamentos, atualizamos essa crença usando o teorema de Bayes para obter uma probabilidade a posteriori muito menor.
Nenhuma das duas abordagens é universalmente correta: elas respondem a perguntas diferentes.
Teorema de Bayes
O teorema de Bayes é a regra formal para atualizar probabilidades quando chega uma nova evidência:
\[P(A \mid B) = \frac{P(B \mid A) \cdot P(A)}{P(B)}\]
em que:
- \(P(A \mid B)\) é a posterior: probabilidade de \(A\) dado que \(B\) ocorreu.
- \(P(A)\) é a priori: probabilidade de \(A\) antes de observar \(B\).
- \(P(B \mid A)\) é a verossimilhança: probabilidade de observar \(B\) se \(A\) for verdadeiro.
- \(P(B)\) é a probabilidade marginal de observar \(B\) (sob todas as hipóteses).
⚠️ P(A|B) ≠ P(B|A): uma assimetria crítica
Confundir \(P(A|B)\) com \(P(B|A)\) é um dos erros mais comuns em probabilidade, com consequências reais graves. Um exemplo clássico:
- \(P(\text{teste positivo} \mid \text{tem a doença}) = 0{,}99\) (sensibilidade do teste).
- \(P(\text{tem a doença} \mid \text{teste positivo}) = ?\) (o que o paciente quer saber).
Esses não são o mesmo número. O segundo depende criticamente de quão comum a doença é na população. Para uma doença rara, até um teste muito preciso pode produzir majoritariamente falsos positivos. Isso é calculado por meio do teorema de Bayes, como mostrado no exemplo abaixo.
Uma doença afeta 1 em cada 1.000 pessoas (\(P(\text{doença}) = 0{,}001\)). Um teste tem:
- Sensibilidade: \(P(\text{positivo} \mid \text{doença}) = 0{,}99\)
- Especificidade: \(P(\text{negativo} \mid \text{sem doença}) = 0{,}95\), então \(P(\text{positivo} \mid \text{sem doença}) = 0{,}05\)
Um paciente testa positivo. Qual é a probabilidade de ele realmente ter a doença?
Passo 1: calcule \(P(\text{positivo})\) usando a lei da probabilidade total:
\[P(\text{pos}) = P(\text{pos} \mid \text{doença}) \cdot P(\text{doença}) + P(\text{pos} \mid \text{sem doença}) \cdot P(\text{sem doença})\] \[= 0{,}99 \times 0{,}001 + 0{,}05 \times 0{,}999 = 0{,}00099 + 0{,}04995 = 0{,}05094\]
Passo 2: aplique o teorema de Bayes:
\[P(\text{doença} \mid \text{pos}) = \frac{0{,}99 \times 0{,}001}{0{,}05094} \approx 0{,}0194\]
Apenas cerca de 2% das pessoas que testam positivo realmente têm a doença. Esse resultado contraintuitivo, chamado de falácia da taxa base, ocorre porque a doença é tão rara que mesmo uma pequena taxa de falsos positivos gera muito mais falsos positivos do que verdadeiros positivos na população.
Regras-chave de probabilidade
Regra da adição
Para quaisquer dois eventos \(A\) e \(B\):
\[P(A \cup B) = P(A) + P(B) - P(A \cap B)\]
A subtração corrige a contagem duplicada da sobreposição. Se \(A\) e \(B\) são mutuamente exclusivos (\(P(A \cap B) = 0\)):
\[P(A \cup B) = P(A) + P(B)\]
Em um grupo de 100 funcionários, 40 falam francês, 30 falam alemão e 10 falam ambos. Qual é a probabilidade de que um funcionário escolhido aleatoriamente fale francês ou alemão?
\[P(F \cup A) = 0{,}40 + 0{,}30 - 0{,}10 = 0{,}60\]
Regra da multiplicação
Para eventos independentes (a ocorrência de um não afeta o outro):
\[P(A \cap B) = P(A) \times P(B)\]
Para eventos dependentes:
\[P(A \cap B) = P(A) \times P(B \mid A)\]
Um servidor tem uma taxa de disponibilidade de 99% por dia. Qual é a probabilidade de que ele esteja no ar tanto na segunda quanto na terça-feira (assumindo independência)?
\[P(\text{seg} \cap \text{ter}) = 0{,}99 \times 0{,}99 = 0{,}9801\]
Para um mês de 30 dias independentes: \(0{,}99^{30} \approx 0{,}740\). Apenas 74% de chance de zero indisponibilidade em um mês.
Regra do complementar
\[P(\bar{A}) = 1 - P(A)\]
Muitas vezes, a forma mais fácil de calcular \(P(A)\) é calcular \(1 - P(\bar{A})\).
Um sistema tem 5 componentes independentes, cada um com 1% de probabilidade de falha. Qual é a probabilidade de que pelo menos um falhe?
O cálculo direto exige somar muitos casos. Usando o complementar:
\[P(\text{pelo menos uma falha}) = 1 - P(\text{nenhuma falha}) = 1 - 0{,}99^5 \approx 1 - 0{,}951 = 0{,}049\]
Cerca de 5% de chance de pelo menos uma falha.
💡 Quando usar cada regra
- Regra da adição: “pelo menos um destes eventos ocorre”: use \(P(A \cup B)\).
- Regra da multiplicação: “todos estes eventos ocorrem”: use \(P(A \cap B)\).
- Regra do complementar: problemas de “pelo menos um” quase sempre são mais fáceis pelo complementar: \(1 - P(\text{nenhum})\).
- Teorema de Bayes: “dado que observamos isto, qual é a probabilidade atualizada?”: qualquer problema de inferência condicional.
