Documente Academic
Documente Profesional
Documente Cultură
LEAHU
Chiin u,2016
Motto. Matematica este arta de a da lucrurilor
diferite unul si acelasi nume.
Henri Poincare (1854-1912)
1. ntroducere
Apari ia Teoriei Probabilit ilor ca ramur a Matematicii dateaz din sec. XVII i este legat de
numele marilor matematicieni Blaise Pascal (1623-1662), Pierre Fermat (1601-1665), Christian
Huygens (1629-1695)iJacobBernoulli(1654-1705), plecnd de la rezolvarea unor probleme legate
de jocurile de noroc. Necesitatea de a largi aria de aplicabilitate a acestei teorii a condus la varianta ei
moderna i anume, Teoria axiomatic a Probabilit ilor, propusa in anul 1933 de catre
matematicianul rus Andrei Nikolaevici Kolmogorov (1903-1987).
Daca e s ne referim la obiectul ei de studiu, putem spune ca Teoria Probabilitilor studiaz
modele matematice ale fenomenelor (experimentelor) aleatoare (nmpltoare, stochastice sau
indeterministe, cum li se mai spune).Aiciseimpununelel muririsuplimentare.
Mulimea de fenomene care se ntlnescnlumeanconjur toaresempartendou clase:
fenomene deterministe si fenomene indeterministe sau, cu alte cuvinte, fenomene aleatoare.
Spunem, astfel, ca fenomenul este determinist daca observatorul poate anticipa cu certitudine
evoluia acestuia. ncalitatedeexempluputemluafenomenulatrac ieiuniversale.Observaiilef cute
asupra acestui fenomen i-au permis marelui matematician si fizician englez Isaac Newton (1642-1727)
s descopereLegea Atraciei Universale:
F=k*m1*m 2 / r2
Aceast formul reprezint un exemplu tipic de model mathematic al unui fenomen (in cazul dat,
determinist).Eanearat c ,fora F deatrac iedintredou corpuri,unuldemas m1 , altul de masa m2 ,
este direct proportional cu produsul k m1 m2 i invers proporional cu p tratul distanei r dintre
aceste corpuri, unde k esteoconstantauniversal .
Putem spune, aadar, c a modela mathematic , spre a fi cercetat, un fenomen (experiment,
eveniment sau obiect oarecare) nseamna a-l descrie, fie si aproximativ, cu ajutorul noiunilor i
formulelor matematice, cu alte cuvinte, a-l descrie n limbajul mathematic. Dealtfel ,unuliacelai
model mathematic poate descri doua sau mai multe fenomene,inesen ,diferite.Deexemplu,formula
demaisusserveteincalitatedemodelmatematicipentrufenomenulatractieidintredouaparticule
elementare (Legea lui Coulomb).
Dimpotriv , spunem despre un fenomen c este indeterminist (aleator, intmpltor sau
stochastic)) dac observatorulfenomenuluinupoateanticipacucertitudineevolu ialui. Din punct de
vedere al observatorului, observa iile facute asupra unui fenomen sau masuratorile corespunzatoare
echivaleaza cu efectuarea unui experiment legat de fenomenul dat. Or, prin experiment vom nelege
observarea unui fenomen dat. Experimentele indeterministe se mpart ,la rndul lor, n doua subclase:
(a) experimente indeterministe (aleatoare) care poseda proprietatea regularitii statisticesi (b)
experimente aleatoare care nu poseda proprietatea regularitatii statistice.
Definiia 1. Vom spune ca un experiment aleator E poseda proprietatea regularitatii (stabilitatii)
statistice daca acesta verifica urmatoarele proprietati:
1) poate fi reprodus, ori de cte ori dorim, practic n aceleasi conditii;
2) pentru orice eveniment A asociat lui E frecventa lui relativa n n
fn(A)=numrul n(A) de probe n care s-a produs A / numrul total de probe n=n(A) / n,
oscileaza n jurul unui numar notat cu P(A), P(A) fn(A) devenind, odata cu
cresterea lui n, tot mai aproape si mai aproape de P(A);
3) pentru doua serii diferite, respectiv de i probe, atunci cnd i sunt foarte mari, fn(A)
coincide aproximativ cu fm(A).
n concluzie, stabilitatea statistica a frecven elor relative confera verosimilitate ipotezei, conform
careia pentru orice eveniment A posibil ca rezultat observabil al unui experiment aleator E, putem
defini numarul P(A) cuajutorulcaruiamasur mgradul(ansele)derealizarealeluiA -un numar
foarte mare de probe. Astfel, n Teoria probabilitatilor devine postulat afirmatia, conform careia pentru
orice eveniment Aasociat unui experiment aleator E exista (obiectiv) un numar P(A) numit
probabilitate a lui A. Proprietatea fireasca a acestui numar rezida n faptul ca, odata cu cresterea
numarului n fn(A) se apropie, tot mai mult, de P(A).
Numrul P(A) se numete, prin definitie, probabilitate statistica (sau frecvenial) a evenimentului
A.
Exemplu. Consideram, n calitate de experiment aleator E, aruncarea unei monede perfecte o
singura data. Fie A f1000(A) coincide
aproximativ cu 1/2 adica P(A)=1/2 iar f2000(A) coincide, la fel, aproximativ cu 1/2, adica
probabilitatea P(A)=1/2.
Prin urmare, putem afirma c probabilitatea (statistic ) a apari iei stemei la aruncarea monedei o
singuradat esteegalacu1/2
de ori, stema va apare n aproximativ 50% de cazuri .
Putem aducesialte exemple de fenomene aleatoare: rezultatelearunc rii unui zar, greutatea unui
bob ge gru ales la ntmplare, numarul de bacterii ntr-opicatur deap ,duratavie iiunuicalculator
produsdentreprindereadat ,num ruldeapeluritelefonice nregistrate la o statie telefonica pe durata
unei zile, cursul valutar leu/dolar, etc., etc. Enumerarea lor poate continua la nesfrsit, nsa ele toate
vor avea acelai caracter, fiiind nsotite de astfel de notiuni imprecise (deocamdata) ca aruncare
onesta, moneda perfecta, probe independente, etc.
Remarc. Probabilitatea statistica nu poate fi aplicata ntotdeauna, deoarece nu orice
experiment poate fi repetat n conditii identice ori de cte ori dorim. experimentele aleatoare care
poseda proprietatea regularitatii statistice tin de fenomenele de masa. Pentru studiul experimentelor
care nu poseda aceasta proprietate, putem folosi notiunea de probabilitate subiectiva.
Definitia 2. Prin probabilitate subiectiva vom ntelege acea regula P conform careia o persoana
P
probabilitatea evenimentului A.
Astfel,putemvorbidespreprobabilitateasubiectiv ,evaluat ,s zicem,deunexpert,c pnananul
2020 se va produce prima expediie a omului pe Marte. Pentru studiul fenomenelor aleatoare
indeterministe, n afara de probabilitate subiectiva si probabilitate frecventiala, exista si notiunile de
probabilitate clasica, probabilitate geometrica, probabilitate discreta si probabilitate definita
axiomatic.Toateacesteno iuniaucascopdefinireauneimodalitatidemasurareaanselor(gradelor)
de realizare a evenimentelor aleatoare date, definitia axiomatica a probabilitatii fiind, ntr-un anumit
sens, acoperitoare pentru toate celelate.
Lucrareadat esteaxat numaiinumaipeprobabilit iobiective,nuisubiective.
2. Calculul probabilitilor
P( A
n
i A j Ak ) ... ( 1) n 1 P (
Ai )
1 i j k n
i 1 (2)
e) Dac A i B sunt evenimentele din F i A implic B,adic A B , atunci P(A) P(B).
Probabilitate discret
Aria de aplicabilitate a probabilitatii clasice este, cum o arata si urmatoarele exemple, limitata.
Exemplul 1. Consider m aruncarea o singura data a unui zar, a c rui centru de greutate este
deplasat astfel incat probabilitatile apariiei feelor 1,2,3,4,5,6 se raporteaza ca 1:2:3:4:5:6. Sa se afle
probabilitateaapari ieiunuipardepuncte.
Dinacestexemplusevedecaformulaprobabilit iiclasiceesteinaplicabil deoarecerezultatele
posibile nu sunt echiprobabile, chiar daca multime lor (spatiul de evenimente elementare) este finita.
Unaltmotivpentrucareformulaprobabilit iiclasicepoatefiimposibildeaplicatestefaptulca
multimeaderezultateposibileinexperimentesteinfinita,fiesinumerabil (cazul discret).
Exemplul 2. Consider mexperimentulaleatoriuceconstainaruncareauneimonede perfecte
pana la inregistrarea prima data a Stemei. Ne intereseaza, de exemplu, probabilitatea ca
experimentul se va termina in urma a cel mult zece aruncari. Exemplul 4 din p.2.1. arata ca acestui
experiment ii corespunde un spatiu de evenimente elementare infinita, numarabila ca multime, ceea ce
face imposibila aplicatia formulei probabilitatii clasice.
In scopul posibilitatii abordarii cazurilor mentionate in exemplele 1-2, se foloseste notiunea de
probabilitae discreta sau de camp de probabilitate discreta.
Definiia probabilitii discrete. Vom spune ca avem de a face cu o probabilitate discreta P
dac
a) Spa iuldeevenimenteelementare reprezinta o multime finita sau infinita, cel mult, numerabila,
adica ={1, 2, 3,..., n , };
b) Familia de evenimente aleatoare F este reprezentata de toate submultimile posibile ale lui
c) P este o aplicatie definita pe F cu valori in multimea numerelor reale calculate conform
formulei:
2.6. Schema binomial (sau schema bilei ntoarse in cazul a doua culori posibile). Distribuia
(formula) binomial.Fiec nfiecaredinn experimente independente E1, E2,..., En evenimentul A poate
s serealizezecuprobabilitateap: p = P(A). Atunci probabilitatea ca evenimentul A nu se produce este
egal cuq = P( A ) = 1P(A) = 1p.Atunciarelocurm toarea
Teorem. Probabilitatea Pn(k), ca evenimentul A se va realiza exact de k ori n n experimente
independente (probe Bernoulli) cu probabiliatatea succesului p n fiecare prob, poate fi calculat
dupa formula
Pn (k) = Cnk p k q nk , k 0,1,..., n. (11)
Formula (11) se numete distribuie Binomiala, iar in cazul n=1 se numeste distribuie Bernoulli.
Exemplu (Schema bilei ntoarse in cazul a dou culori). Presupunem ca avem o urna cu M bile
albe si N bile negre. Atunci , folosind definiiaclasicaaprobabilit ii,putemar tac probabilitatea
PM+N (k) c din M+N bile,extr gndlantmplaren bile cu intoarcere (repetare), vor fi extrase exact
k bile albe,secalculeaz dup formula
Pn(k) = Cnk [M /( M N )]k [1 M /( M N )]nk , k 0,1,..., n.
Observam ca aceasta coincide cu distributia Binomial (11).Dealtfel,
schemabileintoarsenseamn c bileleseextragdinurnn unacteunaifiecarebil extras ,este,
dup observareaculoriiei,ntoars dinnounurn .
Exemplul 6. Consider m aruncarea unei monede perfecte de 100 de ori. S se calculeze, cu
aproximaie, probabilitatea ca Stema va apare exact de 47 ori.
Rezolvare. Fie evenimentul A = va apare Stema. Avem: p = P(A) 1/2 i q = 1p = 1/2.
Conform formulei Binomiale (11), pentru n = 100, k = 47, p 1/2iq = 1/2, avem ca
P100( 47 ) = C100
47
( 1/ 2 )47( 1/ 2 )100 47 .
Calcululacesteivaloriprinmetodeobinuiteesteposibil,darprezint dificult i.ApelndlaSistemul
Mathematica avem :
100!
P100(47) ( 0.5 )47( 0.5 )53 0.0665905 .
( 47! ) ( 53! )
2.7. Schema (repartiia) multinomial (polinomial) (sau schema bilei ntoarse n cazul bilelor
de mai multe culori).Fiec nrezultatulfiec ruidinn experimente independente E1, E2,..., En pots se
realizeze evenimentele aleatoare A1, A2, ..., Ar,careformeaz unsistemcompletdeevenimente,i.e.,
acestea sunt incompatibile doua cte doua i suma (reuniunea) lor coincide cu evenimentul sigur.
Not m:pi = P(Ai), i = 1, 2, ..., r. Evident, p1 + p2 + ... + pr 1.Atunciarelocurm toarea
Teorem (Repartiia Multinomial). Probabilitatea Pn(k1,k2,...,kr) ca, n urma a n experimente
independente, evenimentele Ai se vor realiza de ki ori fiecare, unde i = 1, 2, ..., r, n = k1 + k2 + ... + kr,
poate fi calculat conform formulei
n! k k k
Pn (k1 , k2 ,..., kr ) p1 1 p2 2 ... pr r . (12)
k1!k2 !... kr !
Observaie. Formula (12) definete, asa numita Distribuie Multinomial, distribuie care coincide,
evident, n cazul r=2, cu Distribuia Binomial definit deformula (11).
Exemplul 7.Presupunemc ntr-ourn avemurm toareacomponen debiledetreiculori:5bile
albe, 7 bile negre i 8 bile albastre. Se extrag succesiv, cu repetare (revenire) 6 bile. Care este
probabilitateacaprintreaceste6bileunavafialb ,dou vorfinegreitreivorfialbastre?
Rezolvare. Fie evenimentele: A1 = bila extras va fi alb, A2 = bila extras va fi neagr iA3 =
bila extras va fi albastr. Atunci: p1 = P(A1) = 5/(5+7+8) = 1/4, p2 = P(A2)7/20,ip3 = P(A3) =
8/20 = 2/5. Aplicnd formula (8.1.12) cu n = 6, k1 = 1, k2 2,ik3 3,ob inem
6! 1 1 7 2 2 3 147
P6 (1,2,3) ( )( ) ( ) 0.1176 .
1!2!3! 4 20 5 1250
2.9. Schema bilei nentoarse n cazul a dou culori (Repartiia Hipergeometric).Fiec ntr-o
urn suntn bile dintre care n1 suntalbein2 suntnegre.Seextraglantmplare,f r ntoarcere,m
bile, m n. Atunci are locurm toarea
Teorem (Schema bilei nentoarse n cazul a dou culori). n schema descris mai sus,
probabilitatea Pn(m1,m2), ca printre m bile extrase m1 vor fi albe i m2 negre, m= m1+ m2 , se
calculeaz conform formulei
m m
Cn 1 Cn 2
1 2
Pn (m1 , m2 ) = m
. (15)
C n
Formula (15) definete, aa numita, repartiie Hipergeometric.
Exemplul 9.Presupunemc ntr-unlotde100debiletedeloterie20debiletesuntctig toare.S
secalculezeprobabilitateacadin7biletecump rate2biletevorficuctig.
Rezolvare.Aplic mformula(15)ncare,conformdatelorproblemei,n=100, n1 = 20, n2 =80, m1 =
2, m2 = 5, m = 7. Avem:
2 5
C20C80 20! 80! 100!
P7 (2,5) ) /( ) 0.28534.
C100 ( 2! ) ( 18! ) ( 5! ) ( 75! ) ( 7! ) ( 93! )
7
2.12. Teoreme Limit privind calculul valorilor aproximative ale probabilitii din schema
Binomial. Pentru n im relativ maricalcululprobabilit iiconformdistribuieiBinomialeprezint
maridificult i,dac nuseaplic SistemulMathematica.nacestcazsefolosescformuledecalculale
unorvaloriaproximativealeacesteiprobabilit i.Unadinacesteiformulerezult din
Teorema Limit Local Moivre-Laplace. Pentru valori intregi ale lui n, suficient de mari, are loc
urmtoarea formul de aproximare
1 k np
( )2
nk 1 2
Pn (k ) C p q
k k
e npq
, (18)
2npq
n