Elemente de teoria probabilitatilor

Teoria probabilitatilor are doua concepte fundamentale:evenimentul si probabilitatea.

Ele pot fi introduse in moduri diferite, in raport cu cele doua tratari ale teoriei
probabilitatilor: tratatarea clasica (intuitiva) si tratarea axiomatica.
Tratarea intuitiva se realizeaza in cadrul oferit de o experienta aleatoare (experienta in
care intervine intamplarea).
In tratarea axiomatica, evenimentele vor fi multimi, iar probabilitatea va fi o functie ce
indeplineste doua axiome.
Din punct de vedere istoric, tratarea intuitiva a precedat tratarea axiomatica: ideile celei
dintai au condus la organizarea celei de-a doua ca teorie deductiva (cu axiome si teoreme
deduse prin rationamente deductive).
A. TRATAREA CLASICA (intuitiva)
Se considera o experienta aleatoare cu un numar finit de rezultate posibile (numite si
probe). In urma unei efectuari a experientei se obtine una din probe.
Exemplu:Aruncarea unui zar este o experienta aleatoare in care multimea probelor este
= {1, 2, 3, 4, 5, 6 }.In legatura cu aruncarea unui zar pot aparea situatii ca:
(a) obtinerea unui numar par
(b) obtinerea unui numar mai mare sau egal cu 2
(c) obtinerea unui numar cuprins intre 10 si 10
(d) obtinerea numarului 100
Observam ca
(a) obtinerea unui numar par este precizata prin multimea:
{2, 4, 6}= multimea probelor in care s-a obtinut un numar par
(b) obtinerea unui numar mai mare sau egal cu 2 este precizata prin multimea
{2, 3, 4, 5, 6}
(c) obtinerea unui numar cuprins intre -10 si 10 este precizata de multimea
{1, 2, 3, 4, 5, 6} a tuturor probelor
(d) obtinerea numarului 100 nu apare in nici o proba: ea va fi precizata de
multimea vida .
Situatiile de tipul (a)- (d) , asociate aruncarii cu zarul, se vor numi evenimente.
Un eveniment este precizat de multimea probelor in care el este realizat.
Rezulta urmatorul principiu de identificare:
Un eveniment se identifica cu multimea probelor in care el este realizat.
Evenimentele realizate intr-o sigura proba se numesc evenimente elementare; celelalte
se numesc evenimente compuse.
In cazul aruncarii cu zarul:
- Evenimentele elementare sunt {1}, {2}, {3}, {4}, {5}, {6}.
- Evenimentele de la (a) si (b) sunt compuse
- In cazul (c) avem evenimentul sigur: el se va identifica cu multimea a
tuturor probelor.
1

In cazul (d) este vorba de evenimentul imposibil: el nu este realizat in

nici o proba.

Din analiza realizata pe exemplul de mai sus extragem urmatoarea schema de contructie a
multimii evenimentelor asociata unei experiente aleatoare:
Consideram o experienta aleatoare in care multimea rezultatelor posibile ( a probelor)
este = { 1 ,..., n }. Evenimentele elementare vor fi {1 },..., { n } .
Un eveniment oarecare A va fi o submultime a lui :
A { i1 ,..., ik }
Aceasta inseamna ca evenimentul A este realizat in probele { i1 },..., { ik }
; in restul
probelor, A nu este realizat.
In concluzie, multimea evenimentelor asociate experientei aleatoare este multimea
() a partilor lui .
In acelasi cadru intuitiv, sa introducem operatiile cu evenimente.
Fie A, B doua evenimente asociate unei experiente aleatoare.Atunci definim:
- reuniunea AB : evenimentul ce consta in realizarea a cel putin unuia din
evenimentele A si B.
Evenimentul AB se mai citeste A sau B.
- intersectia AB : evenimentul ce consta in realizarea atat a lui A cat si a lui B.
Evenimentul AB se mai citeste A si B
-diferenta A- B: evenimentul ce consta in realizarea lui A si nerealizarea lui B.
- evenimentul opus (contrar) A : evenimentul ce se realizeaza atunci cand A nu se
realizeaza.
Evenimentele A si B se numesc incompatibile daca realizarea lor simultana este
imposibila: AB=
Definitiile operatiilor cu evenimente (prezentate mai sus) au fost formulate in cadrul
tratarii intuitive a probabilitatilor.
Vom enunta un al doilea principiu de identificare:
Operatiile cu evenimente sunt identificate cu operatiile cu multimi.
Prin cele doua principii de identificare, se trece la modelul ansamblist al teoriei
probabilitatilor, in care:
- un eveniment este identificat cu multimea probelor in care el se
realizeaza
- operatiile cu evenimente sunt operatii cu multimi.

Vom defini acum notiunea de probabilitate clasica (in cadrul tratarii intuitive), data de
Laplace.
Consideram o experienta aleatoare in care evenimentele elementare sunt egal posibile (au
aceeasi sansa de realizare).
Definitie. Probabilitatea unui eveniment este raportul dintre numarul cazurilor
favorabile si numarul cazurilor posibile.

Daca = { 1 ,..., n }este multimea cazurilor posibile ale experientei si evenimentul

A are forma A { i1 ,..., ik } , atunci
P( A)

k
n

unde:
k= numarul cazurilor favorabile
n= numarul cazurilor posibile
Observatie: Aruncarea cu zarul este o experienta aleatoare in care rezultatele sunt
egal posibile.
.
B. TRATAREA AXIOMATICA
1. Camp de probabilitate
In sectiunea precedenta atat evenimentul cat si probabilitatea au fost definite intr-un
cadru intuitiv, legat de o experienta aleatoare.
Evenimentele au fost identificate cu multimi, iar probabilitatea a fost definita ca raportul
dintre numarul cazurilor favorabile si numarul cazurilor posibile.
Acesta a fost punctul de plecare in tratarea axiomatica a probabilitatilor.
Tratarea axiomatica a probabilitatilor are mai multe motivatii.
Prima motivatie este de ordin metodologic si tine de organizarea stiintelor in teorii
deductive. O teorie deductiva porneste de la niste axiome (stabilite pe baza cunostintelor
capatate prin experienta) ; din axiome sunt demonstrate teoremele ( propozitiile care sunt
adevarate in teoria respectiva). Tratarea stiintelor ca teorii deductive permite folosirea
metodelor matematice in dezvoltarea teoriei.
O alta motivatie tine de generalitatea tipului de tratare. Tratarea clasica a probabilitatilor
nu cuprinde cazul in care multimea rezultatelor unei experiente este infinita (de ex. ,
atunci cand multimea rezultatelor este un interval real).
Def. Fie , K () . K se numeste corp de multimi daca:
A K A K
A, B K A B K
Consecinta: Fie K un corp de multimi. Atunci
A, B K A B, A B K .
Def. Camp de evenimente: o pereche (, K), cu K corp de multimi.
Interpretare:
=multimea rezultatelor unei experiente aleatoare,
K= multimea evenimentelor asociate unei experiente aleatoare
Observatie. In cazul experientelor cu un numar finit de rezultate multimea evenimentelor
era chiar multimea partilor () , fiind multimea probelor. Daca multimea
rezultatelor experientei este infinita atunci constructia multimii evenimentelor este mai
complicata si nu se mai obtine () , ci numai o parte a sa (un corp de multimi).

Def. Fie (, K) un camp de evenimente. O probabilitate pe (, K) este o functie

P : K R ce satisface:
(A1) P( A B) P( A) P( B) , daca A B (A, B=incompatibile)
(A2) P()=1
Def. (, K, P) = camp de probabilitate daca (, K) este camp de evenimente si P este
probabilitate.
Observatie. Campul de probabilitate este notiunea ce determina contextul in care este
dezvoltata orice tema de teoria probabilitatilor.
Proprietatile probabilitatii:
1) P()=0
2) P ( A ) 1 P ( A)
3) P( A B) P( A) P( A B)
4) Daca B A rezulta P( A B) P( A) P( B) .
5) Daca B A rezulta P(B)P(A).
6) 0P(A)1
7) P( A B) P( A) P( B) P( A B)
P( A B)
: probabilitatea evenimentului A conditionata de evenimentul
P( B)
B ( se impune conditia P(B)0 )
Obs. Probabilitatea conditionata este o probabilitate.
Def. A, B sunt evenimente independente daca P( A B) P( A) P( B)
Propozitie Sunt echivalente:
1) A, B sunt independente
2) P(A|B)=P(A)
3) P(B|A)=P(B)

Def. P ( A | B )

Evenimentele A1 ,..., An formeaza o partitie daca:

a) Ai A j pentru ij (evenimente incompatibile doua cate doua)
n

b) Ai
i 1

Propozitie (formula probabilitatii totale) Fie A1 ,..., An o partitie si B un eveniment

n

oarecare. Atunci P( B) P( Ai ) P( B | Ai ) .
i 1

Propozitie (formula lui Bayes) Fie A1 ,..., An o partitie si B un eveniment oarecare.

P ( Ai ) P ( B | Ai )
P ( Ai | B ) n
P( Ai ) P( B | Ai )
i 1

2.Variabile aleatoare
Fie (, K, P) un camp de probabilitate. Se numeste variabila aleatoare o functie
X : R cu proprietatea { | X ( ) a} K , a R
Conventii de scriere: { X a} { | X ( ) a}
{a X b} { | a X ( ) b}
{ X a} { | X ( ) a}
X ( ) =valoare a v.a. X
X=v.a. discreta daca multimea valorilor sale este cel mult numarabila (finita sau
numarabila)
X=v.a. continua daca multimea valorilor sale este un interval sau o reuniune finita de
intervale
Fie X o v.a. discreta cu valorile x1 ,..., x n . Tabloul sau de repartitie (pe scurt, repartitia sa)
este:
x ... x n
cu P ( X xi ) pi , i=1,,n
X: 1
p1 ... p n
Proprietati:
1) pi 0, i 1,..., n
n

2) p i 1
i 1

Operatii cu v.a discrete:

y1 ... y j
x ... xi ... xn
, Y:
Fie X: 1
p1 ... pi ... p n
q1 ... q j
x1 y1 ... xi y j ... xn y m

X+Y:
...
ij
...
nm
11

... y m

... q m

x1 y1 ... xi y j ... xn y m

XY:

...

...

11
ij
nm

unde ij P({ X xi } {Y y j }) P( X xi , Y y j ) , i=1,,n, j=1,,m

x ... xn
,
X: 1
p1 ... p n
x k ... x n k

X k : 1

p
...
p
n
1
V.a. discrete X si Y sunt independente daca
P ( X xi , Y y j ) P ( X xi ) P (Y y j ), i 1,..., n, j 1,..., m
Observatie :X, Y=independente ij pi q j , i. j

Functia de repartitie a v.a. X (oarecare) este o functie F : R R data de

F ( x) P( X x), x R .

x ... x n
este discreta atunci functia sa de repartitie este:
Observatie.Daca X: 1
p1 ... p n
0, x x1
p , x x x
2
1 1
p1 p 2 , x 2 x x3
F ( x)
...
p1 ... p n 1 , x n 1 x x n

p1 ... p n 1, x x n
Densitatea de repartitie: v.a. X admite densitatea de repartitie f : R R daca
x

F ( x)

f (t )dt, x R

Proprietati:

f ( x)dx 1

P(a X b) F (b) F (a), pentru a b

F ( x) f ( x) , daca F este derivabila
Indicatorii variabilelor aleatoare : sunt numere ce sintetizeaza informatia probabilista a
fenomenului descris de o v.a.
Valoarea medie reprezinta tendinta centrala de grupare a valorilor variabilei aleatoare X.

M (X )

xdF ( x)

n
x ... x n
este o v.a. discreta, atunci M ( X ) p i xi .
Daca X: 1
i 1
p1 ... p n

Daca X are densitatea f(x), M ( X )

xf ( x)dx

Proprietati
1) M (aX b) aM ( X ) b
2) M (a) a, a R
3) M (aX bY ) aM ( X ) bM (Y )
4)X, Y=independente M ( XY ) M ( X ) M (Y )
Dispersia (varianta) = reprezinta gradul de imprastiere a valorilor lui X in raport cu
valoarea medie
Var ( X ) M [( X M ( X )) 2 ]
Se poate deduce usor:
Var ( X ) M ( X 2 ) ( M ( X )) 2 =forma scurta

Observatie:
n
x ... x n
, Var ( X ) pi ( xi M ( X )) 2
daca X: 1
i 1
p1 ... p n

daca X are densitatea f(x), Var( x)

f ( x)[x M ( X )] dx
2

Proprietati
1) Var(c) 0 pentru c R
2) Var (aX ) a 2Var ( X )
3) Var (aX b) a 2Var ( X )
4)Daca X, Y sunt independente, atunci Var(aX bY ) aVar( X ) bVar(Y )

Var(X ) =abaterea standard

Vectori aleatori
Notiunea de vector aleator este legata de experiente aleatoare mai complexe in care exista
mai multi parametri aleatori. Fiecare dintre acesti parametri este o variabila aleatoare.
Un vector aleator n-dimensional este de forma ( X 1 ,..., X n ) , (fiecare X i este o variabila
aleatoare)
Se considera vectorul bidimensional (X, Y)
functia de repartitie: F ( x, y) P( X x, Y y) pentru x, y R

densitatea de repartitie f(x,y): F ( x, y)

f (u, v)dudv

Covarianta:
Cov( X , Y ) M [( X M ( X ))(Y M (Y ))]
Cov( X , Y ) M ( XY ) M ( X ) M (Y ) =forma scurta
n

Cazul discret: Cov( X , Y ) ij ( xi M ( X ))( y j M (Y )) , unde

i 1 j 1

x ... x n
y ... y m
, Y: 1
, ij P ( X xi , Y y j ), i 1,..., n, j 1,..., m
X: 1
p1 ... p n
q1 ... q m
Daca exista o densitate f(x,y) a vectorului aleator (X,Y), atunci

Cov( X , Y )

f ( x, y)(x M ( X ))(y M (Y ))dxdy

Coeficientul de corelatie: ( X , Y )

Cov( X , Y )
Var( X ) Var(Y )