1 Spatii proba cu rezultate echiprobabile

In multe experimente este natural sa presupunem ca toate rezultatele din spa-

tiul probelor au aceeasi probabilitate sa se intample adica sunt echiprobabile.
In acest caz, spunem ca spatiul proba este uniform. Fie un experiment cu
spatiul probelor o multime finita = {1, 2, ..., N }. Presupunem ca eveni-
mentele elementare Ei = {i} , i = 1, N au aceeasi probabilitate sa se in-
tample, adica P ({1}) = P ({2}) = ... = P ({N }). Din axioma 3, rezulta ca
P () = P ({1}) + P ({2}) + ... + P ({N }), insa P () = 1, deci P ({i}) = N1 = ||
1
,
i = 1, N .
Pentru orice eveniment A = {i1 , i2 , ..., ik } , probabilitatea evenimentului
k k
A, P (A) = P ({i1 }) + P ({i2 }) + ... + P ({ik }) = N = || , adica

k numarul rezultatelor favorabile ev. A

P (A) = = .
N numarul rezultatelor posibile din
Exemplul
  1.1 Fie
experimentul cu doua zaruri, av
and spatiul probelor =
(i, j) i, j = 1, 6 . Evenimentele elementare corespunz
atoare
Eij = {(i, j) } , i, j = 1, 6
le consider am echiprobabile. Avem prin urmare 6 6 = 36 rezultate posibile, care
1
au aceeasi probabilitate P (Eij ) = 36 sa se intample. Daca A este evenimentul
ca suma punctelor obtinute pe cele dou a fie 7, atunci A = {(1, 6),
a zaruri s
6
(2, 5), (3, 4), (4, 3), (5, 2), (6, 1)}, deci P (A) = 36 = 16 .
Propozitia 1.2 Urmatoarele relatii sunt adevarate:
1. 0 P (A) 1, P ()= 1, P ()= 0, P (Ac ) = 1 P (A);
2. Daca AB, atunci P (A) P (B);
3. Daca AB= , atunci P (A B) = P (A) + P (B).

2 Probabilitatea ca o functie de multime conti-

nua
Un sir de evenimente {An }n1 se numeste crescator daca
An An+1 , pentru orice n 1
Un sir de evenimente {An }n1 se numeste descrescator daca
An An+1 , pentru orice n 1
Daca {An }n1 este un sir crescator de evenimente, atunci definim un nou
eveniment, notat cu lim An , prin
n

lim An = An .
n i=1

1
 Analog, daca {An }n1 este un sir descrescator de evenimente, atunci definim
lim An , prin
n

lim An = An .
n i=1

Propozitia 2.1 Daca {An }n1 este un sir crescator sau descrescator de eve-
nimente, atunci
lim P (An ) = P ( lim An ).
n n

Demonstratie. Mai intai, presupunem ca {An }n1 este un sir crescator si

definim sirul de evenimente {Bn }n1 astfel:

B 1 = A1
 c
n1
Bn = An Ai = An Acn1 , n > 1
i=1

n1
unde am folosit egalitatea Ai = An1 , deoarece sirul {An }n1 este crescator.
i=1
Deci, Bn este format din acele rezultate din An care nu apartin evenimentelor
anterioare Ai , i < n. Se verifica usor ca evenimentele Bn se exclud reciproc,
n n
Bi = Ai si Bi = Ai ,
i=1 i=1 i=1 i=1

oricare ar fi n 1. Astfel,
   
P Ai = P B i
i=1 i=1

X
= P (Bi ) (din Axioma3)
i=1
n
X
= lim P (Bi )
n
i=1
n
 
= lim P Bi
n i=1
n
 
= lim P Ai
n i=1

= lim P (An )
n

ceea ce trebuia demonstrat. Daca {An }n1 este un sir descrescator, atunci sirul
{Acn }n1 este crescator; deci, din ecuatiile precedente,
 
P Aci = lim P (Acn ) .
i=1 n

2

 c  c
Insa, Aci = Ai , de unde rezulta ca P Ai = lim P (Acn ) ceea ce
i=1 i=1 i=1 n
este echivalent cu
 
1P Ai = lim [1 P (An )] = 1 lim P (An )
i=1 n n

sau  
P Ai = lim P (An )
i=1 n

ceea ce trebuia demonstrat.

Mai general, se poate demonstra ca daca lim An = A, atunci lim P (An ) =
n n
P (A), adica functia P (.) este o functie de multime continua.

3 Probabilitatea conditionat
a
In aceasta sectiune, vom introduce unul din cele mai importante concepte din
teoria probabilitatilor, cea de probabilitate conditionata. Importanta acestui
concept este dubla. In primul rand, suntem adesea interesati sa calculam
probabilitati atunci c and sunt disponibile unele informatii partiale privind re-
zultatul unui experiment; ntr-o astfel de situatie, probabilitatile cerute sunt
probabilitati conditionate. A doua, chiar si atunci cand nu sunt disponibile
informatii partiale, probabilitatile conditionate poate fi adesea utilizate pentru
a calcula mai usor probabilitatile cerute.

Exemplul 3.1 La experimentul cu doua zaruri, presupunem ca spatiul este uni-

form, adica toate rezultatele din spatiul probelor au aceeasi probabilitate sa se
intample.Presupunem, in continuare, ca observam ca primul zar este 3. Atunci,
data fiind aceasta informatie, ne intereseaza care este probabilitatea ca suma
celor doua zaruri sa fie egala cu 8? Pentru a calcula aceasta probabilitate, gan-
dim astfel: Fie A evenimentul ca suma zarurilor sa fie 8 si B evenimentul ca
primul zar sa fie 3 (vezi figura 2.1.). Faptul ca zarul initial este 3, inseamna
ca evenimentul A trebuie sa se intample conditionat de faptul ca evenimentul B
s-a intamplat deja. Deci, toate rezultatele din care nu sunt in B nu mai sunt
rezultate posibile, cu alte cuvinte nu vor mai fi considerate. Asadar, rezultatele
posibile devin rezultatele din

B = {(3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6)}

adica restrangem spatiul proba la B si astfel ne intereseaza probabilitatea ca

evenimentul A sa se intample in interiorul acestui nou spatiu proba B. Astfel,
ne intereseaza probabilitatea ca unul din rezultatele din A B sa se intample,
dandu-se spatiul proba B, a carui probabilitate trebuie deci sa fie 1. Deoarece, am
presupus ca spatiul proba este uniform, probabilitatea fiecaruia dintre rezultatele
spatiului proba B este P {(3, j)} = 16 , j = 1, ..., 6 . Prin urmare, a determina
probabilitatea ca evenimentul A trebuie sa se intample conditionat de faptul ca
evenimentul B s-a intamplat deja inseamna sa determinam ce parte reprezinta
P (A B) din P (B), adica P P(AB)
(B) = 6 .
1

3
 Atunci, probabilitatea obtinuta este probabilitatea ca evenimentul A sa se
intample conditionata de faptul ca evenimentul B s-a intamplat sau probabilita-
tea evenimentului A conditionata de evenimentul B si se noteaza cu P (A|B).
Intuitia probabilistica conduce la o formula generala pentru P (A|B), care
este adevarata pentru orice evenimente A si B astfel: daca evenimentul B s-a
intamplat, atunci pentru ca si A sa se intample este necesar sa se intample atat
A cat si B, adica A B. Acum, deoarece stim ca B s-a intamplat, rezulta ca
B devine spatiul probelor (redus); deci, probabilitatea ca evenimentul A sa se
intample conditionata de faptul ca evenimentul B s-a intamplat deja, va fi egala
cu probabilitatea lui A B relativa la probabilitatea lui B.
Probabilitatea evenimentului A conditionata de evenimentul B se noteaza
P (A|B) si daca P (B) > 0, atunci
P (A B)
P (A|B) = . (2.1)
P (B)
Observatia 3.2 Cand P (B) = 0, definitia anterioara nu are sens, insa obser-
vam ca egalitatea P (A B) = P (B) PB (A) ramane adevarata.
Observatia 3.3 Daca P (B) > 0, atunci P (B|B) = 1.
Observatia 3.4 In cazul n care spatiul proba este uniform, conditionarea de
evenimentul B din , inseamna ca si spatiul probelor restrans B este uniform
adica toate rezultatele din B au aceeasi probabilitate sa se intample. In astfel de
cazuri, este adesea convenabil sa se calculeze probabilitati conditionate de forma
P (A|B), folosind pe B ca spatiul probelor ( vezi si exemplul de mai sus).
Exemplul 3.5 Fie experimentul cu moneda, pe care il efectuam de doua ori.
Presupunand ca toate cele patru rezultate din
= {(H, H), (H, T ), (T, H), (T, T )}
au aceeasi probabilitate sa se intample. Care este probabilitatea ca sa apara H
la fiecare aruncare, daca (a) la prima aruncare apare H? (b) la cel putin o
aruncare se obtine H?
Demonstratie. Fie A = {(H, H)} evenimentul ca sa apara H la ambele
aruncari, B = {(H, H), (H, T )} evenimentul ca sa apara H la prima aruncare si
C = {(H, H), (H, T ), (T, H)} evenimentul ca sa apara H la cel putin o aruncare.
Toate cele patru rezultate din au probabilitatea 14 sa se intample. In cazul
(a) ( vezi figura 2.2), obtinem
P (A B) P ({(H, H)}) 1
P (A|B) = = = .
P (B) P ({(H, H), (H, T )}) 2
Pentru (b), vezi figura 2.3, obtinem
P (A C) P ({(H, H)}) 1
P (A|C) = = = .
P (C) P ({(H, H), (H, T ), (T, H)}) 3

4
Exemplul 3.6 Un student are la dispozitie o ora pentru a rezolva problemele
de la un examen. Presupunem ca probabilitatea ca studentul sa rezolve subiectele
in mai putin de x dintr-o ora este x2 , pentru 0 x 1. Stiind ca dupa 0, 75 din
ora studentul inca lucreaza, care este probabilitatea conditionata ca sa rezolve
subiectele intr-o ora.

Demonstratie. Fie Lx evenimentul ca studentul sa rezolve subiectele in mai

putin de x dintr-o ora, 0 x 1 si A evenimentul ca studentul sa foloseasca
toata ora pentru rezolvarea subiectelor. Deoarece A este evenimentul ca stu-
dentul sa nu rezolve subiectele in mai putin de o ora,

P (A) = P (Lc1 ) = 1 P (L1 ) = 0, 5.

Insa, evenimentul ca studentul sa lucreze dupa 0, 75 din ora este complementul

evenimentului L0,75 , deci probabilitatea ceruta este

P (A Lc0,75 ) P (A)
P (A|Lc0,75 ) = = = 0, 8.
P (Lc0,75 ) 1 P (L0,75 )

Inmultind ambii membri ai ecuatiei (2.1) cu P (B) obtinem

Regula produsului.

P (A B) = P (A) P (B|A) = P (B) P (A|B) . (2.2)

Cu alte cuvinte, probabilitatea ca ambele evenimente A si B sa se intample este

egala cu probabilitatea ca B sa se intample inmultita cu probabilitatea lui A
conditionata de faptul ca B s-a intamplat deja.
Prin inductie, se obtine o generalizare a ecuatiei (2.2) care da o formula
pentru a calcula probabilitatea intersectiei unui numar arbitrar de evenimente.
Regula produsului.

P (A1 A2 A3 ... An )

= P (A1 ) P (A2 |A1 ) P (A3 |A1 A2 ) P (An |A1 ... An1 )

Observatia 3.7 Aplicand definitia probabilitatii conditionate in membrul drept

al formulei de mai sus obtinem

P (A1 ) P (A2 |A1 ) P (A3 |A1 A2 ) P (An |A1 ... An1 )

P (A1 A2 ) P (A1 A2 A3 ) P (A1 A2 An )

= P (A1 )
P (A1 ) P (A1 A2 ) P (A1 A2 An1 )
=P (A1 A2 A3 ... An ) .

5
Exemplul 3.8 Fie A evenimentul care consta in castigarea a doua meciuri
dintr-o serie de trei meciuri. Probabilitatea de a castiga primul meci este 12 .
Probabilitatea de a castiga un meci dupa o victorie este 23 . Probabilitatea de
a castiga un meci dupa o infrangere este 13 . Aplicam metoda arborelui pentru
a construi spatiul probelor ( vezi figura 2.4). Din regula produsului, rezulta ca
probabilitatea unui rezultat din spatiul probelor este egala cu produsul proba-
bilitatilor de-a lungul drumului, din arbore, care conduce la rezultatul respectiv.
De exemplu,
1 2 1
P (V V ) = P (V1 )P (V2 |V1 ) = =
2 3 2
unde Vi este evenimentul care consta in castigarea celui de-al i-lea meci, i=1,2,3
iar Ii este evenimentul care consta in pierderea celui de-al i-lea meci i = 1, 2, 3.
De asemenea,
P (V IV ) = P (V1 )P (I2 |V1 )P (V3 |V1 I2 )
1 1 1 1
= = ,
2 3 3 18
deoarece P (V3 |V1 I2 ) = P (V3 |I2 ) = 13 . Fie B evenimentul de a castiga primul
meci. Atunci
P (A B)
P (A|B) =
P (B)
1/3 + 1/18 7
= = .
1/3 + 1/18 + 1/9 9
O alta situatie este calculul P (B|A) cand B precede pe A in timp. Atunci
P (A B) 7
P (B|A) = = .
P (A) 9
Observatia 3.9 Daca A B, atunci P (A|B) < 1 si P (B|A) = 1.
Observatia 3.10 P (A|B) = P (B|A) daca P (A) = P (B) sau P (A B) = 0.
Exemplul 3.11 Fie experimentul cu doua monede. Presupunem ca o mo-
neda este corecta, adica P (H) = P (T ) = 12 iar cealalta nu este corecta, adica
P (H) = 1 si P (T ) = 0. Presupunem ca alegem una dintre ele, la intamplare
si o intoarcem. Daca apare H, care este probabilitatea ca moneda aleasa sa fie
moneda corecta? Aplicam metoda arborelui pentru a construi spatiul probelor (
vezi figura 2.5). Fie A evenimentul ca moneda aleasa sa fie cea corecta si B
evenimentul sa apara H. Atunci
P (A B) 1/4 1
P (A|B) = = = .
P (A) 1/4 + 1/2 3
In cazul general, vezi figura 2.6,
p/2 p
P (A|B) = = .
p/2 + 1 p 2p
In cazul particular, p = 0 rezulta ca P (A|B) = 0 iar daca p = 1 rezulta ca
P (A|B) = 1.

6
 Fie A si B evenimente. Deoarece A = (A B)(A B c ) iar evenimenteleA
B si A B c se exclud reciproc, din Axioma 3, obtinem
Regula partitiei (sau formula probabilitatii totale)

P (A) = P (A B) + P (A B c )

= P (A|B)P (B) + P (A|B c )P (B c )

adica probabilitatea evenimentului A este o medie ponderata a probabilitatii lui
A conditionata de faptul ca evenimentul B s-a intamplat si a probabilitatii lui A
conditionata de faptul ca evenimentul B nu s-a intamplat, fiecare probabilitate
conditionata avand ponderea data de probabilitatea evenimentului de care este
conditionata.
Aceasta este o formula extrem de utila , deoarece exista situatii in care este
dificil sa calculam direct probabilitatea unui eveniment, dar este mai simplu
sa o calculam daca se stie ca un al doilea eveniment s-a intamplat sau nu s-a
intamplat.

Exemplul 3.12 O companie de asigurari crede ca oamenii pot fi impartiti in

doua categorii: oameni predispusi la accidente sau oameni care nu sunt predis-
pusi la accidente. Statisticile companiei arata ca probabilitatea, ca o persoana
predispusa la accidente sa aiba un accident intr-o perioada de 1 an, este 0, 4, in
timp ce aceasta probabilitate scade la 0,2 pentru o persoana care nu este predis-
pusa la accidente.(a) Daca presupunem ca 30% din populatie este predispusa la
accidente, care este probabilitatea ca un nou asigurat sa aiba un accident intr-o
perioada de un an de la cumpararea politei? (b) Presupunem ca un nou asigurat
are un accident intr-o perioada de un an de la cumpararea politei. Care este
probabilitatea ca asiguratul sa fie predispus la accidente?

Demonstratie. (a)Fie A1 evenimentul ca asiguratul va avea un accident intr-

o perioada de un an de la cumpararea politei si fie A evenimentul ca asiguratul
este predispus la accidente. Atunci, probabilitatea ceruta este

P (A1 ) = P (A1 |A)P (A) + P (A1 |Ac )P (Ac )

= (0, 4) (0, 3) + (0, 2) (0, 7) = 0, 26.

(b) Probabilitatea ceruta este

P (A A1 ) P (A)P (A1 |A) 6

P (A|A1 ) = = = .
P (A1 ) P (A1 ) 13

In cazul general, daca {Ai |i I N } este o familie de evenimente ce for-

meaza o partitie a lui . Atunci pentru orice eveniment A,
X
P (A) = P (Ai ) P (A|Ai ).
iI

7
 Intra-adevar, deoarece {Ai |i I N } formeaza o partitie a lui , eveni-
mentele Ai , i I sunt exhaustive, adica Ai = . Prin urmare,
iI
 
A=A=A Ai = (A Ai )
iI iI

si folosind faptul ca Ai Aj = , pentru i 6= j (evenimentele Ai , i I sunt

mutual exclusive), rezulta ca si (A Ai ) (A Aj ) = , pentru i 6= j, deci
X X
P (A) = P (A Ai ) = P (Ai ) P (A |Ai ) .
iI iI

Deci, P (A) este media ponderata a probabilitatilor P (A|Ai ) fiecare termen

avand ponderea data de probabilitatea evenimentului de care este conditionata.

Exemplul 3.13 (Mersul aleator simetric sau Falimentarea jucatorului) Un om

economiseste bani sa-si cumpere un nou Jaguar, la un pret de N unitati de bani.
El ncepe cu k unitati, unde 0 k N, si ncearca sa c astige restul banilor la
urmatorul joc de noroc cu managerul sau bancar. El arunca o moneda in mod
repetat; daca apare H atunci managerul ii plateste o unitate, dar daca apare T,
atunci el plateste managerului o unitate. El joaca acest joc n mod repetat, p ana
c
and se intampla unul din urmatoarele evenimente: fie el ram ane fara bani si
este falimentat, fie el castiga suficient pentru a cumpara un Jaguar. Care este
probabilitatea ca, in final, el sa fie n cele din urma falimentat?

Demonstratie. Aceasta este una dintre numeroasele probleme a caror solutie

porneste de la constructia unei ecuatii diferentiale liniare cu anumite conditii la
limita. Fie A evenimentul ca el este, in final, falimentat si fie B evenimentul ca
la prima aruncare apare H. Atunci,

Pk (A) = Pk (A |B )P (B) + Pk (A |B c )P (B c )

unde Pk reprezinta probabilitatea relativa la punctul de plecare k. Calculam

Pk (A). Consideram Pk (A |B ). Daca la prima aruncare se obtine H, atunci
capitalul sau devine k+1 unitati si jocul incepe din nou de la un alt punct de
plecare. Astfel Pk (A |B ) = Pk+1 (A) si analog Pk (A |B c ) = Pk1 (A). Daca
luam pk = Pk (A), atunci ecuatia ..., devine
1
pk = (pk+1 + pk1 ) , daca 0 < k < N ,
2
o ecuatie diferentiala liniara cu conditiile la limita p0 = 1, pN = 0. Nu vom
prezenta aici metoda generala de determinare a solutiei acestei ecuatii. In acest
caz vom rezolva ecuatia direct. Luam bk = pk pk1 . Ecuatia ...devine bk = bk1
si deci bk = b1 , pentru orice k. Astfel, pk = b1 + pk1 = 2b1 + pk2 = ...
= kb1 + p0 este solutia generala a ecuatiei ...Din conditiile la limita, obtinem
p0 = 1, b1 = N1 , de unde rezulta ca Pk (A) = 1 N k
. Daca pretul Jaguarului
creste, atunci N , iar falimentul devine un eveniment sigur.

8
Exemplul 3.14 Un sortiment de marfa dintr-o unitate comerciala provine de
la trei fabrici diferite n proportii, respectiv 13 de la prima fabrica, 16 de la fabrica
a doua si restul de la fabrica a treia. Produsele de la cele trei fabrici satisfac
standardele de fabricatie n proportie de 90%, 95% si respectiv 92%. Un client
ia la nt
amplare o bucata din sortimentul de marfa respectiv. Vrem sa calculam
probabilitatea ca aceasta sa satisfaca standardele de fabricatie.

Demonstratie. Sa notam cu A1 , A2 si A3 evenimentele ca produsul cumparat

sa fie de la prima, a doua, respectiv a treia fabrica. Aceste trei evenimente
formeaza o partitie si au probabilitatile P (A1 ) = 31 , P (A2 ) = 16 si P (A3 ) = 12 .
Daca A este evenimentul ca produsul cumparat de client satisface standardele de
fabricatie, atunci P (A|A1 ) = 0.90, P (A|A2 ) = 0.95 si P (A|A3 ) = 0.92. Folosind
formula probabilitatii totale se obtine

P (A) = P (A1 ) P (A|A1 ) + P (A2 ) P (A|A2 ) + P (A3 ) P (A|A3 )

1 1 1 5.51
= 0.90 + 0.95 + 0.92 = = 0.918.
3 6 2 6