Part I

Probabilit ati
1 Cmp de probabilitate.
Operatii cu evenimente si formule de calcul
pentru probabilit atile acestora.
Evenimente independente.
Probabilitatea conditionat a.
Formula lui Bayes
1.1 Cmp de probabilitate
n teoria probabilit atilor consider am un experiment cu un rezultat dependent
de sans a, care e numit experiment aleator. Se presupune c a toate rezultatele
posibile ale unui experiment aleator sunt cunoscute si ele sunt elemente ale unei
multimi fundamentale cunoscute ca spa tiul probelor. Fiecare rezultat posibil
este numit proba si un eveniment este o submultime a spatiului probelor.
Notatii. Fie multime.
T () := A[A _ :
Fie A _ :
A = (A := a [a = A :
Denitia 1.1. Fie multime. / _ T () se numeste corp borelian sau
-algebra pe dac a si numai dac a
1) / ,= O
2) A / == A /
3) A
1
; A
2
; :::; A
n
; ::: / ==
[
n
A
n
/.
(; /) se numeste spa tiu masurabil cnd / este corp borelian pe :
Propriet ati. Dac a (; /) este spa tiu masurabil atunci:
a) /
b) O /
c) A
1
; A
2
; :::; A
n
/ ==
n
[
i=1
A
i
/.
d) I cel mult num arabil a (i.e. nit a sau num arabil a), A
i
/; \i I ==
\
i2I
A
i
/
e) A; B / == AB /.
Demonstratie. a) / ,= O == A / == A / == = A' A' A'
A' ::: /.
b) O = /.
1
c)
n
[
i=1
A
i
=
n
[
i=1
A
i
' O ' O ' ::: /.
d)
\
i2I
A
i
=
[
i2I
A
i
/.
e) AB = A B /.
Consider am un corp borelian pe / pe un spatiu de elemente a; b; c; ::: cu
a ; b ; c ; ::: / si cu submultimile A; B; C; ::: /. Unele dintre corespon-
dentele dintre teoria multimilor si teoria probabilit atilor sunt date n urm atorul
tabel:
Teoria multimilor Teoria probabilit atilor
Spatiu, Spatiul probelor, eveniment sigur
Multimea vid a, O Eveniment imposibil
Elemente a; b; ::: Probe a; b; ::: (sau evenimente simple)
Multimi A; B; ::: Evenimente A; B; :::
A Evenimentul A apare
A Evenimentul A nu apare
A' B Cel putin unul dintre A si B apare
A B Ambele A si B apar
A _ B A este un subeveniment al lui B (i.e. aparitia lui A implic a aparitia lui B)
A B = O A si B sunt mutual exclusive (i.e. ele nu pot ap area simultan)
O este considerat a un eveniment imposibil deoarece niciun rezultat posibil
nu este element al ei. Prin "aparitia unui eveniment" ntelegem c a rezultatul
observat este un element al acelei multimi. Spunem c a mai multe evenimente
sunt mutual exclusive dac a multimile corespunz atoare sunt disjuncte dou a cte
dou a.
Exemplul 1.1. Consider am un experiment de calculare a num arului de
masini care vireaz a la stnga la o intersectie dintr-un grup de 100 de masini.
Rezultatele posibile (numerele posibile de masini care vireaz a la stnga) sunt
0; 1; 2; :::; 100: Atunci, spatiul probelor este = 0; 1; 2; :::; 100 si / = T () :
A = 0; 1; 2; :::; 50 este evenimentul "cel mult 50 de masini vireaz a la stnga".
B = 40; 41; :::; 60 este evenimentul "ntre 40 si 60 (inclusiv) de masini vireaz a
la stnga". A ' B este evenimentul "cel mult 60 de masini vireaz a la stnga".
A B este evenimentul "ntre 40 si 50 (inclusiv) de masini vireaz a la stnga".
Fie C = 81; 82; :::; 100. Evenimentele A si C sunt mutual exclusive.
Denitia 1.2. Fie (; /) spatiu m asurabil. Functia P : / R se numeste
probabilitate pe (; /) dac a si numai dac a are urm atoarele propriet ati (numite
axiomele probabilit atii):
Axioma 1: P (A) _ 0; \A / (nenegativ a).
Axioma 2: P () = 1 (normat a).
Axioma 3: pentru orice colectie num arabil a de evenimente mutual exclusive
(multimi disjuncte dou a cte dou a) A
1
; A
2
; ::: /,
P
0
@
[
j
A
j
1
A
=
X
j
P (A
j
) (num arabil aditiv a).
2
(; /; P) se numeste cmp de probabilitate dac a si numai dac a P este prob-
abilitate pe spatiul m asurabil (; /) :
1.2 Operatii cu evenimente si formule de calcul pentru
probabilit atile acestora
Propriet ati. Dac a (; /; P) este cmp de probabilitate, atunci:
1) P (O) = 0:
2) pentru orice colectie nit a de evenimente mutual exclusive (multimi dis-
juncte dou a cte dou a) A
1
; A
2
; :::; A
n
/,
P
0
@
n
[
j=1
A
j
1
A
=
n
X
j=1
P (A
j
) (P este aditiv a).
3) A _ C; A; C / == P (A) _ P (C) :
4) A; B / ==
P (A' B) = P (A) + P (B) P (A B) :
5) (Formula lui Poincare) A
1
; A
2
; :::; A
n
/ ==
P
0
@
n
[
j=1
A
j
1
A
=
n
X
j=1
P (A
j
)
X
1i<jn
P (A
i
A
j
)+
X
1i<j<kn
P (A
i
A
j
A
k
):::+(1)
n1
P
0
@
n
\
j=1
A
j
1
A
:
n particular, A; B; C / ==
P(A'B'C) = P(A) +P(B) +P(C) P(AB) P(AC) P(BC) +
P(A B C):
6) A / == P

= 1 P (A) :
Demonstratie. 1) P() = P ( ' O ' O ' :::)
A3
= P () + P (O) + P (O) +
:::
A2
== 1 = 1 + P (O) + P (O) + ::: == P (O) + P (O) + ::: = 0 == P (O) = 0:
2) P
0
@
n
[
j=1
A
j
1
A
= P
0
@
n
[
j=1
A
j
' O ' O ' :::
1
A
A3
=
n
X
j=1
P (A
j
) + P (O) + P (O) +
:::
1)
=
n
X
j=1
P (A
j
) + 0 + 0 + ::: =
n
X
j=1
P (A
j
) :
3) P (C) = P(A' (CA))
2)
= P (A) + P (CA)
| {z }
0
== P (C) _ P (A) :
4) P (A' B) = P (A' (BA))
2)
= P (A) + P (BA)
2)
= P (A) + P (B)
P (A B) :
5) Inductie.
Pentru n = 1 e evident.
Presupunem adev arat pentru n:
Fie A
1
; A
2
; :::; A
n
; A
n+1
/.
3
P
0
@
n+1
[
j=1
A
j
1
A
= P
0
@
n
[
j=1
A
j
' A
n+1
1
A
4)
= P
0
@
n
[
j=1
A
j
1
A
+P (A
n+1
)P
0
@
0
@
n
[
j=1
A
j
1
A
A
n+1
1
A
ip. ind.
=
n
X
j=1
P (A
j
)
X
1i<jn
P (A
i
A
j
)+
X
1i<j<kn
P (A
i
A
j
A
k
):::+(1)
n1
P
0
@
n
\
j=1
A
j
1
A
+
P (A
n+1
) P
0
@
n
[
j=1
(A
j
A
n+1
)
1
A
ip. ind.
=
n+1
X
j=1
P (A
j
)
X
1i<jn
P (A
i
A
j
)+
X
1i<j<kn
P (A
i
A
j
A
k
):::+(1)
n1
P
0
@
n
\
j=1
A
j
1
A

[
n
X
j=1
P (A
j
A
n+1
)
X
1i<jn
P ((A
i
A
n+1
) (A
j
A
n+1
)) +
X
1i<j<kn
P ((A
i
A
n+1
) (A
j
A
n+1
) (A
k
A
n+1
)):::+(1)
n1
P
0
@
n
\
j=1
(A
j
A
n+1
)
1
A
] =
n+1
X
j=1
P (A
j
)
X
1i<jn
P (A
i
A
j
)
n
X
j=1
P (A
j
A
n+1
)+
X
1i<j<kn
P (A
i
A
j
A
k
)+
X
1i<jn
P (A
i
A
j
A
n+1
) ::: + (1)
n
P
0
@
n+1
\
j=1
A
j
1
A
=
n+1
X
j=1
P (A
j
)
X
1i<jn+1
P (A
i
A
j
)+
X
1i<j<kn+1
P (A
i
A
j
A
k
):::+(1)
n
P
0
@
n+1
\
j=1
A
j
1
A
:
6) 1 = P () = P

A' A

2)
= P (A) + P

:
Exemplul 1.2. n exemplul 1.1, presupunem c a probabilit atile P (A) ; P (B)
si P (C) sunt cunoscute. Vrem s a calcul am P(A'B) (probabilitatea ca cel mult
60 de masini s a vireze la stnga) si P(A' C) (probabilitatea ca cel mult 50 de
masini sau ntre 80 si 100 de masini s a vireze la stnga). Deoarece A si C sunt
mutual exclusive avem
P(A' C) = P (A) + P (C) :
Dar
P (A' B) = P (A) + P (B) P (A B) :
Informatia dat a este insucient a pentru a determina P (A' B) si avem
nevoie de informatia aditional a P (A B), care este probabilitatea ca ntre 40
si 50 de masini s a vireze la stnga.
1.3 Evenimente independente
Denitia 1.3. Fie (; /; P) cmp de probabilitate. Dou a evenimente A; B /
se numesc independente dac a si numai dac a
4
P (A B) = P (A) P (B) :
Observatie. Dac a A si B sunt evenimente independente, atunci:
P

A B

= P(A)P

;
P

A B

= P

P (B) ;
P

A B

= P

:
Demonstratie. P(A) = P

(A B) '

A B

= P (A B)+P

A B

==
P

A B

= P(A) P (A B) = P(A) P (A) P (B) = P(A) (1 P (B)) =

P(A)P

:
Analog pentru celelalte relatii.
Exemplul 1.3. n lansarea unui satelit, probabilitatea unui insucces este q.
Care este probabilitatea ca dou a lans ari succesive s a esueze?
Presupunnd c a lans arile satelitului sunt evenimente independente, r aspun-
sul este q
2
:
Denitia 1.4. Fie (; /; P) cmp de probabilitate. Evenimentele A
1
; A
2
; :::; A
n

/ sunt independente dac a si numai dac a \m = 2; 3; :::; n; k
1
; k
2
; :::; k
m
N a. .
1 _ k
1
< k
2
< ::: < k
m
_ n;
P (A
k1
A
k2
::: A
km
) = P (A
k1
) P (A
k2
) :::P (A
km
) :
n particular, A
1
; A
2
; A
3
sunt independente dac a si numai dac a
P (A
j
A
k
) = P (A
j
) P (A
k
) ; \j < k; j; k = 1; 2; 3;
si
P(A
1
A
2
A
3
) = P (A
1
) P (A
2
) P (A
3
) :
Observatii. 1) Num arul de egalit ati din denitia independentei a n eveni-
mente este 2
n
n 1:
2) Independenta dou a cte dou a nu conduce n general la independent a.
Contraexemplu. Fie 3 evenimente A
1
; A
2
; A
3
denite de
A
1
= B
1
' B
2
; A
2
= B
1
' B
3
; A
3
= B
2
' B
3
;
unde B
1
; B
2
si B
3
sunt mutual exclusive, ecare avnd probabilitatea
1
4
:
P (A
1
) = P (B
1
' B
2
) = P (B
1
) + P (B
2
) =
1
2
:
Analog P (A
2
) = P (A
3
) =
1
2
:
P (A
1
A
2
) = P ((B
1
' B
2
) (B
1
' B
3
)) = P (B
1
' (B
2
B
3
)) = P (B
1
' O) =
P (B
1
) =
1
4
=
1
2

1
2
= P (A
1
) P (A
2
) :
Analog P (A
1
A
3
) = P (A
1
) P (A
3
) ; P (A
2
A
3
) = P (A
2
) P (A
3
) :
P (A
1
A
2
A
3
) = P ((B
1
' B
2
) (B
1
' B
3
) (B
2
' B
3
)) = P ((B
1
' (B
2
B
3
)) (B
2
' B
3
)) =
P (B
1
(B
2
' B
3
)) = P ((B
1
B
2
) ' (B
1
B
3
)) = P (O ' O) = P (O) = 0:
P (A
1
) P (A
2
) P (A
3
) =
1
8
:
Deci P (A
1
A
2
A
3
) ,= P (A
1
) P (A
2
) P (A
3
) :
Evenimentele A
1
; A
2
; A
3
sunt independente dou a cte dou a, dar nu sunt
independente.
3) Dac a evenimentele A
1
; A
2
; :::; A
n
sunt independente, atunci nlocuind ori-
care din A
kj
cu complementara A
kj
n ambii membri din relatiile din denitia
independentei, relatiile obtinute r amn valabile.
5
Exemplul 1.4. Un sistem compus din 5 componente merge exact atunci
cnd ecare component a e bun a. Fie S
i
; i = 1; :::; 5; evenimentul "componenta
i e bun a" si presupunem P (S
i
) = p
i
. Care e probabilitatea q ca sistemul s a nu
mearg a?
Presupunnd c a cele 5 componente merg ntr-o manier a independent a, e p
probabilitatea de succes.
q = 1 p = 1 P

5
\
i=1
S
i
!
= 1
5
Y
i=1
P (S
i
) = 1
5
Y
i=1
p
i
:
1.4 Probabilitatea conditionat a
Denitia 1.5. Fie (; /; P) cmp de probabilitate si A; B / a. . P (B) ,= 0:
Probabilitatea condi tionata de B a lui A este dat a de
P (A[B) =
P (A B)
P (B)
:
Observatie. n ipotezele denitiei 1.5, A si B sunt independente ==
P (A[B) = P (A) :
Demonstratie. Asi B sunt independente == P (A B) = P (A) P (B) ==
P(A\B)
P(B)
= P (A) == P (A[B) = P (A) :
Propozitie. Fie (; /; P) cmp de probabilitate si B / a. . P (B) ,= 0:
Atunci functia P
B
: / R; P
B
(A) = P (A[B) este probabilitate pe(; /) :
Demonstratie. Veric am cele 3 axiome ale probabilit atii:
1) P
B
(A) =
P(A\B)
P(B)
_ 0; \A /, deoarece P (A B) _ 0 si P (B) > 0:
2) P
B
() =
P(\B)
P(B)
=
P(B)
P(B)
= 1:
3) A
1
; A
2
; ::: / colectie num arabil a de evenimente mutual exclusive ==
A
1
B; A
2
B; ::: / mutual exclusive == P
B
(A
1
' A
2
' :::) =
P((A1[A2[:::)\B)
P(B)
=
P((A1\B)[(A2\B)[:::)
P(B)
=
P(A1\B)+P((A2\B))+:::
P(B)
=
P(A1\B)
P(B)
+
P(A2\B)
P(B)
+ ::: =
P
B
(A
1
) + P
B
(A
2
) + ::::
Exemplul 1.5. Reconsider am exemplul 1.4 presupunnd p
1
> 0. Care este
probabilitatea conditionat a ca primele dou a componente s a e bune dat ind
c a:
a) prima component a este bun a;
b) cel putin una dintre cele dou a este bun a?
Evenimentul S
1
S
2
nseamn a c a ambele componente sunt bune, iar S
1
'S
2
c a cel putin una e bun a. Datorit a independentei lui S
1
si S
2
; avem:
a) P (S
1
S
2
[S
1
) =
P(S1\S2\S1)
P(S1)
=
P(S1\S2)
P(S1)
=
P(S1)P(S2)
P(S1)
= P (S
2
) = p
2
.
b) P (S
1
S
2
[S
1
' S
2
) =
P(S1\S2\(S1[S2))
P(S1[S2)
=
P(S1\S2)
P(S1[S2)
=
P(S1)P(S2)
P(S1)+P(S2)P(S1\S2)
=
p1p2
p1+p2p1p2
:
Exemplul 1.6. Determinati probabilitatea de a trage, f ar a nlocuire, 2 asi
succesiv dintr-un pachet de c arti de joc f ar a jokeri.
Fie A
1
evenimentul "prima carte tras a este un as" si similar A
2
. Se cere
P (A
1
A
2
).
6
P (A
1
) =
4
52
(sunt 4 asi n cele 52 de c arti din pachet).
P(A
2
[A
1
) =
3
51
(dac a prima carte tras a este un as, au r amas 51 de c arti
dintre care 3 sunt asi).
P(A
2
[A
1
) =
P(A1\A2)
P(A1)
== P (A
1
A
2
) = P (A
1
) P(A
2
[A
1
) =
4
52

3
51
=
1
13

1
17
=
1
221
:
Propozitie. Fie (; /; P) cmp de probabilitate si A
1
; A
2
; :::; A
n
/ a. .
P (A
1
A
2
::: A
n1
) > 0. Atunci
P (A
1
A
2
::: A
n
) = P (A
1
) P(A
2
[A
1
)P (A
3
[A
1
A
2
) :::P (A
n
[A
1
A
2
::: A
n1
) :
Demonstratie. A
1
_ A
1
A
2
_ ::: _ A
1
A
2
::: A
n1
== P (A
1
) _
P (A
1
A
2
) _ ::: _ P (A
1
A
2
::: A
n1
) > 0 == probabilit atile condition-
ate din membrul drept au sens.
P (A
1
) P(A
2
[A
1
)P (A
3
[A
1
A
2
) :::P (A
n
[A
1
A
2
::: A
n1
) = P (A
1
)
P(A1\A2)
P(A1)

P(A1\A2\A3)
P(A1\A2)
:::
P(A1\A2\:::\An)
P(A1\A2\:::\An1)
= P (A
1
A
2
::: A
n
) :
Denitia 1.6. Fie B
i
_ ; \i I: (B
i
)
i2I
se numeste parti tie a lui dac a
si numai dac a (B
i
)
i2I
sunt disjuncte dou a cte dou a si
[
i2I
B
i
= :
Teorema probabilit atii totale. Fie (; /; P) cmp de probabilitate si
(B
i
)
i2I
/ partitie cel mult num arabil a a lui a. . P (B
i
) > 0; \i I:
Atunci, \A /,
P (A) =
X
i2I
P (A[B
i
) P (B
i
) :
Demonstratie. (B
i
)
i2I
mutual exclusive, A B
i
_ B
i
; \i I ==
(A B
i
)
i2I
mutual exclusive ==
X
i2I
P (A[B
i
) P (B
i
) =
X
i2I
P(A\Bi)
P(Bi)
P (B
i
) =
X
i2I
P (A B
i
) = P

[
i2I
(A B
i
)
!
= P

[
i2I
B
i
!!
= P (A ) = P (A) :
Exemplul 1.7. S a se determine probabilitatea ca un nivel critic al curgerii
s a e atins n timpul furtunilor ntr-un sistem de canalizare pe baza m asur ato-
rilor meteorologice si hidrologice.
Fie B
i
; i = 1; 2; 3 diferitele nivele (mic, mediu si mare) de precipitatii cauzate
de o furtun a si A
j
; j = 1; 2 nivelele critic, respectiv necritic al curgerii. Prob-
abilit atile P (B
i
) pot estimate din nregistr arile meteorologice, iar P (A
j
[B
i
)
din analiza curgerii. Presupunem c a:
P (B
1
) = 0; 5; P (B
2
) = 0; 3; P (B
3
) = 0; 2;
P (A
1
[B
1
) = 0; P (A
1
[B
2
) = 0; 2; P (A
1
[B
3
) = 0; 6;
P (A
2
[B
1
) = 1; P (A
2
[B
2
) = 0; 8; P (A
2
[B
3
) = 0; 4:
Deoarece B
1
; B
2
; B
3
constituie o partitie, din teorema probabilit atii totale
avem:
P(A
1
) = P (A
1
[B
1
) P (B
1
)+P (A
1
[B
2
) P (B
2
)+P (A
1
[B
3
) P (B
3
) = 00; 5+
0; 2 0; 3 + 0; 6 0; 2 = 0; 18:
7
1.5 Formula lui Bayes
Thomas Bayes a fost un lozof englez.
Teorema lui Bayes. Fie (; /; P) cmp de probabilitate si A; B / a. .
P (A) ,= 0 si P (B) ,= 0. Atunci:
P (B[A) =
P (A[B) P (B)
P (A)
:
Demonstratie.
P(AjB)P(B)
P(A)
=
P(A\B)
P(B)
P(B)
P(A)
=
P(B\A)
P(A)
= P (B[A) :
Formula lui Bayes. Fie (; /; P) cmp de probabilitate si (B
i
)
i2I
/
partitie cel mult num arabil a a lui a. . P (B
i
) > 0; \i I: Atunci, \A / a.
. P (A) ,= 0; \i I;
P (B
i
[A) =
P(AjBi)P(Bi)
X
j2I
[P(AjBj)P(Bj)]
:
Demonstratie.
P(AjBi)P(Bi)
X
j2I
[P(AjBj)P(Bj)]
TPT
=
P(AjBi)P(Bi)
P(A)
TB
= P (B
i
[A) :
Exemplul 1.8. n exemplul 1.7, s a se determine P (B
2
[A
2
), probabilitatea
ca, dat ind c a s-a atins un nivel necritic al curgerii, el s a fost datorat unei
furtuni de nivel mediu. Din formula lui Bayes rezult a
P (B
2
[A
2
) =
P(A2jB2)P(B2)
3
X
j=1
[P(A2jBj)P(Bj)]
=
0;80;3
10;5+0;80;3+0;40;2
=
0;24
0;5+0;24+0;08
=
0;24
0;82
=
12
41
~
= 0; 293:
Exemplul 1.9. Un canal de comunicare binar simplu transmite mesaje
folosind doar 2 semnale, s a spunem 0 si 1. Presupunem c a, pentru un canal
binar dat, 40%din timp e transmis un 1; probabilitatea ca un 0 transmis s a
e corect receptionat este 0,9 si probabilitatea ca un 1 transmis s a e corect
receptionat este 0,95. Determinati:
a) probabilitatea ca un 1 s a e primit;
b) dat ind c a un 1 este primit, probabilitatea ca un 1 s a fost transmis.
Fie
A = "1 este transmis"
A = "0 este transmis"
B = "1 este primit"
B = "0 este primit".
Din ipoteze
P (A) = 0; 4; P

= 0; 6;
P (B[A) = 0; 95; P

B[A

= 0; 05;
P

B[A

= 0; 9; P

B[A

= 0; 1:
a) Deoarece A si A formeaz a o partitie, din teorema probabilit atii totale
rezult a c a
P (B) = P (B[A) P (A) + P

B[A

= 0; 95 0; 4 + 0; 1 0; 6 = 0; 38 +
0; 06 = 0; 44:
8
b) Din teorema lui Bayes,
P (A[B) =
P(BjA)P(A)
P(B)
=
0;950;4
0;44
=
0;38
0;44
=
19
22
~
= 0; 864:
9