Muita conta de probabilidade do dia a dia é uma multiplicação: a chance de tirar cara cinco vezes seguidas, de acertar a loteria, de chutar todas as questões de uma prova e acertar. Esta página explica quando essa multiplicação é permitida, como transformar o resultado em “1 em N” e um cuidado que muda a resposta mais do que parece: arredondar no meio do caminho.

Independência

Dois eventos são independentes quando saber que um aconteceu não muda a chance do outro. Lançar uma moeda e um dado: a moeda dar cara não diz nada sobre o número do dado. Formalmente, $A$ e $B$ são independentes quando

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

ou seja, a probabilidade condicional de $A$ dado $B$ é igual à probabilidade de $A$ sem informação nenhuma.

Essa forma só faz sentido quando $P(B) > 0$, porque a probabilidade condicional divide por $P(B)$. Por isso a definição usada nos livros é a da próxima seção, $P(A \cap B) = P(A) \cdot P(B)$, que vale sempre e deixa claro que a relação é simétrica: se $A$ não muda a chance de $B$, $B$ também não muda a chance de $A$.

Independente não é o mesmo que mutuamente exclusivo. Eventos mutuamente exclusivos não podem acontecer juntos, como um dado dar 1 e dar 2 no mesmo lançamento. Se os dois têm alguma chance de acontecer, eles nunca são independentes: saber que deu 1 faz a chance de ter dado 2 cair para zero. A regra do produto da próxima seção falha para eles: $P(A \cap B) = 0$, mas $P(A) \cdot P(B) = \tfrac{1}{36}$.

A regra do produto

Se $A$ e $B$ são independentes, a chance de os dois acontecerem é o produto das chances:

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

Moeda dar cara e dado dar 6: $\tfrac12 \cdot \tfrac16 = \tfrac{1}{12}$.

A regra vale para quantos eventos você quiser, desde que sejam mutuamente independentes:

\[P(A_1 \cap A_2 \cap \cdots \cap A_n) = P(A_1) \cdot P(A_2) \cdots P(A_n).\]

“Mutuamente” pede mais do que parece: não basta que cada par seja independente. Lance duas moedas e considere $A$ = “a primeira dá cara”, $B$ = “a segunda dá cara” e $C$ = “as duas dão o mesmo resultado”. Cada um tem chance $\tfrac12$, e qualquer par deles é independente: cada interseção de dois tem chance $\tfrac14 = \tfrac12 \cdot \tfrac12$. Mas, se $A$ e $B$ acontecem, $C$ acontece com certeza, e $P(A \cap B \cap C) = \tfrac14$, não $\tfrac18$. Para três ou mais eventos, a independência tem de valer para todos os subgrupos ao mesmo tempo.

Exemplo: chutar uma prova inteira

Uma prova tem 8 questões de múltipla escolha, com quantidades diferentes de alternativas. Você não estudou nada e chuta todas. Qual a chance de acertar as 8?

Questão 1 2 3 4 5 6 7 8
Alternativas 3 3 4 4 5 5 6 7
Chance de acertar 1/3 1/3 1/4 1/4 1/5 1/5 1/6 1/7

Se cada chute é uma escolha ao acaso entre as alternativas, chutes em questões diferentes são independentes (acertar a primeira não ajuda nem atrapalha a segunda), então a regra do produto vale:

\[P(\text{acertar as 8}) = \frac13 \cdot \frac13 \cdot \frac14 \cdot \frac14 \cdot \frac15 \cdot \frac15 \cdot \frac16 \cdot \frac17 = \frac{1}{151.200}.\]

Em decimal, isso é $0{,}0000066$, ou $6{,}61 \times 10^{-6}$ em notação científica.

O que quer dizer “1 em N”

Uma probabilidade pequena fica mais fácil de imaginar invertida. “1 em N” quer dizer que a probabilidade é $p = 1/N$; então, para achar o N, basta inverter:

\[N = \frac{1}{p} = \frac{1}{1/151.200} = 151.200.\]

A chance de acertar a prova inteira no chute é de 1 em 151.200. O que isso quer dizer, na prática, é uma média: em muitas tentativas, sai um acerto a cada 151.200, em média.

Isso não quer dizer que, chutando 151.200 provas, você acerta uma com certeza. A chance de acertar pelo menos uma vez em $N$ tentativas é $1$ menos a chance de errar todas, e errar todas é, de novo, um produto de eventos independentes (as tentativas não influenciam umas às outras):

\[P(\text{pelo menos uma}) = 1 - (1 - p)^N = 1 - \left(1 - \frac{1}{151.200}\right)^{151.200} \approx 63{,}2\%.\]

Esse 63,2% não é coincidência: para qualquer probabilidade pequena, tentar $N = 1/p$ vezes dá chance de cerca de $1 - 1/e \approx 63{,}2\%$. Com o dobro de tentativas, 86,5%. O post sobre a Mega-Sena faz a mesma conta com apostas.

O mesmo truque do complemento responde a uma pergunta mais animadora: a chance de acertar pelo menos uma das 8 questões é $1$ menos a chance de errar todas, $1 - \tfrac23 \cdot \tfrac23 \cdot \tfrac34 \cdot \tfrac34 \cdot \tfrac45 \cdot \tfrac45 \cdot \tfrac56 \cdot \tfrac67 = 88{,}6\%$.

Cuidado: arredondar antes de multiplicar

As probabilidades raramente chegam como frações. Em geral chegam em decimal, já arredondadas. Veja o que acontece com o mesmo exemplo:

Como os fatores foram escritos Produto N = 1/p Erro no N
Frações exatas $6{,}6138 \times 10^{-6}$ 151.200 —
Cada fator com 3 casas (0,333; 0,250; … 0,143) $6{,}6204 \times 10^{-6}$ 151.049 −0,1%
Cada fator com 2 casas (0,33; 0,25; … 0,14) $6{,}4796 \times 10^{-6}$ 154.332 +2,1%
Produto exato arredondado para $7 \times 10^{-6}$ $7 \times 10^{-6}$ 142.857 −5,5%

Nenhum desses arredondamentos parece grave sozinho. O problema é que, numa multiplicação, os erros relativos se somam (aproximadamente, quando são pequenos). Com duas casas, 0,33 está 1% abaixo de 1/3 (e aparece duas vezes), 0,17 está 2% acima de 1/6, e 0,14 está 2% abaixo de 1/7: $-1\% - 1\% + 2\% - 2\% = -2\%$. O produto sai 2,0% abaixo do certo, e o N, 2,1% acima. Com oito fatores, oito pequenos erros têm muitas chances de se acumular.

Com três casas, o erro quase sumiu por dois motivos. Os erros dos fatores ficaram de dez a vinte vezes menores (0,333 está 0,1% abaixo de 1/3, e 0,167 e 0,143 ficam 0,2% e 0,1% acima de 1/6 e 1/7), e, além disso, tinham sinais diferentes e se cancelaram em parte. A primeira coisa dá para controlar guardando mais casas; a segunda é sorte.

Por isso, quando duas contas que deveriam dar o mesmo resultado chegam a números um pouco diferentes, como 1 em 8.895 e 1 em 8.929, o primeiro suspeito é esse: uma usou os valores completos, a outra arredondou no meio. A regra é a mesma de arredondamento e algarismos significativos: faça a conta com todos os algarismos que tiver e arredonde só o resultado final.

Quando não dá para multiplicar

A regra do produto só vale para eventos independentes. Quando um evento muda a chance do outro, é preciso usar a probabilidade condicional:

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

Tirar dois ases seguidos de um baralho de 52 cartas, sem devolver a primeira: a chance do primeiro ás é $\tfrac{4}{52}$, mas, se ele saiu, sobram 3 ases em 51 cartas, então

\[P(\text{dois ases}) = \frac{4}{52} \cdot \frac{3}{51} = \frac{1}{221}.\]

Multiplicar como se fossem independentes, $\tfrac{4}{52} \cdot \tfrac{4}{52}$, daria $\tfrac{1}{169}$: uma chance 31% maior que a verdadeira.

No mundo real, a independência é uma suposição, e muitas vezes falsa. Chover hoje aumenta a chance de chover amanhã; um voo atrasado atrasa a conexão seguinte. Multiplicar probabilidades de eventos que andam juntos costuma subestimar a chance de todos acontecerem ao mesmo tempo.

Em Julia

Para não arredondar nada no caminho, dá para usar frações exatas, com o operador //:

alternativas = [3, 3, 4, 4, 5, 5, 6, 7]

# frações exatas: nada é arredondado no caminho
p = prod(1 .// alternativas)          # 1//151200
N = 1 / p                             # 151200//1

# o mesmo produto com cada fator arredondado para 2 casas
p2 = prod(round.(1 ./ alternativas, digits = 2))
N2 = 1 / p2                           # ≈ 154332

# chance de acertar ao menos uma vez em N tentativas
pelo_menos_uma = 1 - (1 - Float64(p))^Float64(N)   # ≈ 0,632

Quando os valores vêm em decimal e não há frações por trás, a recomendação é a mesma: guarde os números com todas as casas que tiver e só arredonde o que for mostrar.

Resumo

  • Eventos são independentes quando um não muda a chance do outro. Isso é diferente de serem mutuamente exclusivos.
  • Para eventos mutuamente independentes, a chance de todos acontecerem é o produto das chances. Independência de cada par não basta.
  • “1 em N” é o inverso da probabilidade: $N = 1/p$, um acerto a cada N tentativas, em média. Não garante sucesso em N tentativas: para $p$ pequeno, a chance é de cerca de 63%.
  • Arredondar os fatores antes de multiplicar acumula erros relativos. Arredonde só no fim.
  • Se os eventos não são independentes, use $P(A) \cdot P(B \mid A)$.