Cursul 1

Definitia probabilitatii

1 Definitia clasica

Probabilitatea unui eveniment care consta din mai multe asemenea posibilitati este raportul
dintre numarul cazurilor favorabile si numarul cazurilor posibile. Utilizarea acestei definitii
presupune ca ntr-un fel sau altul putem numara starile posibile si pe cele favorabile.

Exemplul 1. Se arunca un zar de doua ori. Sa se determine probabilitatile evenimentelor:

a) Suma celor doua zaruri este 6.
b) Ambele zaruri au acelasi numar.

Demonstratie. Cazurilor posibile n cele doua situatii sunt (1, 1), (1, 2), ...(6, 6), n numar de
36. Pentru punctul a) numai cazurile (1, 5), (2, 4), (3, 3), (4, 2), (5, 1) sunt favorabile. Probabili-
tatea este deci
nr. cazuri favorabile 5
p= = .
nr. cazuri posibile 36
6
Analog, probabilitatea celui de-al dolea eveniment este p = 36
= 16 .

In exemplul urmator vedem cat de dificil este uneori sa numaram cazurile posibile sau cazurile
favorabile.

Exemplul 2. O persoana scrie n scrisori catre n persoane distincte, le pune n n plicuri si

apoi scrie adresele la ntamplare. Care este probabilitatea ca cel putin o scrisoare sa ajunga la
destinatarul potrivit?

Numarul cazurilor posibile de a scrie adresele este n!. Enumerarea cazurilor favorabile este
mai dificila. Dupa o mica dezvoltare a calculului probabilitailor se poate rezolva elegant aceata
problema.

1
2 Definitia axiomatica a probabilitatii

In general evenimentele se exprima prin propozitii. Propozitiile obtinute prin operatiile logicii
matematice (sau, si, non), ntre propozitii care exprima evenimente, exprima la randul lor alte
evenimente. In cele ce urmeaza probabilitatea este definita pe o multime de evenimente care
odata cu evnimentele A si B contine si evenimentele urmatoare exprimate prin operatiile logice
sau, si, non:
AB A si B
AB A sau B
A non A
1 evenimentul sigur
0 evenimentul imposibil
De asemenea, presupunem cau loc urmatoarele relatii:
a) Comutativitatea
AB =BA AB =BA
b) Asociativitatea
A (B C) = (A B) C
A (B C) = (A B) C
c) Distributivitatea
A (B C) = (A B) (A C)
A (B C) = (A B) (A C)
d) Absorbtia
(A B) A = A (A B) A = A
e) Legile lui Morgan
AB =AB
AB =AB
f) Evenimentele 1 si 0 se caracterizeaza prin

0A=0 0A=A

1A=A 1A=1
g) Evenimentul non A are proprietatile:

AA=0 AA=1

Remarcam ca aceste relatii sunt adevarate daca A, B sunt propozitii, iar 0 este propozitia
totdeauna falsa si 1 este propozitia totdeauna adevarata.

2
 O multime de evenimente cu proprietatile de mai sus se numeste camp de evenimente sau
algebra de evenimente sau algebra Boole. Relatiile de mai sus nu sunt independente, deci nu
formeaza un set minimal de axiome pentru algebrele Boole. Pe de alta parte ele implica alte
relatii importante, ca de exemplu A = A. Urmatoarea Teorema a lui Stone descrie asemenea
campuri de evenimente prin submultimi.

Teorema 2.1. (Stone) Fie M o multime de evenimente cu proprietatile de mai sus. Atunci
exista o multime X si o submultime P (X) cu proprietatile :
1) , X
2) A, B A B
3) A, B A \ B
si o bijectie : M astfel ncat
a) (A B) = (A) (B)
b) (A B) = (A) (B)
c) (A) = (A)
d) (0) = (1) = X.

Teorema arata ca n esenta orice camp de evenimente poate fi reprezentat prin submultimi ale
aceleiasi multimi X. Operatiei si ntre evenimente i corespunde intersectia submultimilor,
operatiei sau i corespunde reuniunea, negatiei i corespunde complementara, evenimentul
sigur corespunde multimii totale X, iar evenimentul imposibil corespunde cu multimea vida.

Definitia 2.1. O multime P (X) cu proprietatile 1),2),3) din Teorema lui Stone se
numeste clan, algebra de evenimente sau camp de evenimente. Uneori o vom numi algebra de
multimi.

Propozitia 2.1. Fie P (X) un camp de evenimente.

n
[ n
\
a) Daca A1 , A2 , .., An atunci Ai si .
i=1 i=1
b) Daca A atunci A .

Proof. b) A = X \ A si din proprietatile 1 si 3 ale algebrei de multimi rezulta A .

a)Fie A1 , A2 . Atunci din proprietatea 2 a algebrei de evenimente si din punctul b), avem
ca
A1 A2 = A1 A2 .
Prin inductie matematica dupa n 2 se arata si punctul a).

Vom defini acum probabilitatea.

Definitia 2.2. Fie P (X) un camp de evenimente. Se numeste probabilitate pe , o

functie p : R cu proprietatile
1) p(A) [0, 1], A ,

3
2) p(A B) = p(A) + p(B) daca A B = ,
3) p() = 0 p(X) = 1.

Tripletu (X, , p) se numete camp de probabilitate.

Teorema 2.2. Fie (X, , p) se numete camp de probabilitate. Atunci

1) p(A) = 1 p(A);
2) Daca A1 , A2 , .., An si Ai Aj = pentru orice i si j atunci
n
! n
[ X
(2.1) p Ai = p(Ai );
i=1 n=1

3) p(A B) = p(A) + p(B) p(A B) A, B ;

4) Daca A B atunci p(A) p(B).

Demonstratie 1) Cum X = A A si A A = , obtinem 1 = p(X) = p(A) + p(A).

2) Prin inductie matematica dupa n 2.
3) Fie A, B . Deoarece A B = (A B) (B A) (A B), ca reuniune disjuncta, obtinem
ca

(2.2) p(A B) = p(A B) + p(B A) + p(A B).

De asemenea, A = (A B) (A B) si astfel

(2.3) p(A) = p(A B) + p(A B) p(A B) = p(A) p(A B).

Analog obtinem ca:

(2.4) p(B A) = p(B) p(A B).

Inlocuind relatiile (2.3) si (2.4) n (2.2) se obtine punctul 3).

d) Cum A B rezulta ca B = (B A) A ca reuniune de multimi disjuncte. Astfel

p(B) = p(B A) + p(A) p(A).

Observatia 2.1. Datorita formulei (2.1) probabilitatea p se mai numeste finit aditiva.

Exemplul 3. Se arunca doua zaruri. Pot apare toate perechile de fete (i, j) cu 1 i 6 si
1 j 6 n numar de 36. FieX multimea acestor perechi. Fie = P (X) si p : R
definita prin
numar de elemente din A
p(A) =
numar de elemente dinX
Functia p definita n acest fel este o probabilitate n sensul definitiei anterioare. Numarul de
elemente din X reprezinta numarul cazurilor posibile, iar numarul de elemente din A reprezinta
numarul cazurilor favorabile. In acest fel definitia clasica a probabilitatilor este cuprinsa n
definitia axiomatica de mai sus.

4
3 Probabilitati conditionate

Fie (X, , p) se un camp de probabilitate, B , p(B) > 0.

Definitia 3.1. Definim pb : R (sau p(|B)) prin

p(A B)
(3.1) p(A|B) = pB (A) = .
p(B)
si o numim probabilitatea lui A conditionata de B.

Teorema 3.1. Functia pB este o probabilitate si p(A B) = p(B)pB (A).

Demonstratie. Deoarece A B B atunci 0 pB (A) 1. De asemenea pB () = 0 si

pB (X) = 1 sunt evidente.
Fie A1 , A2 astfel ncat A1 A2 = . Deoarece (A1 B) (A2 B) = obtinem ca
p((A1 A2 ) B) p((A1 B) (A2 B))
pB (A1 A2 ) = =
p(B) p(B)
p(A1 B) + p(A2 B)
= pB (A1 ) + pB (A2 ).
p(B)
Definitia 3.2. Spunem ca doua evenimente A si B sunt independente daca

p(A B) = p(A) p(B),

altfel spus daca p(A) = pB (A).

Propozitia 3.1. Daca A si B sunt independente atunci si perechile de evenimente (A, B), (A, B), (A, B)
sunt independente.

Demonstratie. Fie A si B doua evenimente independente. Deoarece A = (A B) (A B),

ca reuniune disjuncta si tinand cont ca A si B sunt independente, avem ca

p(A) = p(A B) + p(A B) = p(A)p(B) + p(A B),

de unde obtinem ca

p(A B) = p(A) p(A)p(B) = p(A)(1 p(B)) = p(A)p(B).

Similar se demonstreaza independenta si n celelalte cazuri.

In mod analog se defineste independenta mai multor evenimente:

Definitia 3.3. Evenimentele A1 , A2 , ...An sunt independente daca pentru orice k n si orice
evenimente Ai1 , Ai2 , .., Aik date avem

(3.2) p(Ai1 Ai2 .. Aik ) = p(Ai1 )p(Ai2 )...p(Aik )

5
Propozitia 3.2. Daca evenimentele A1 , A2 , ...An sunt independente atunci si evenimentele
A1 , A2 , ...An sunt independente (orice combinatie de Ai sau complementare).

Demonstratie. Similara cu Propozitia 3.1.

Definitia 3.4. Spunem ca evenimentele A1 , A2 , .., An formeaza o partitie a lui X daca
n
[
1) Ai = X,
i=1
2)Ai Aj = pentru orice i 6= j.

Avem urmatoarea propozitie

Propozitia 3.3. Fie (X, , p) un camp de probabilitate si A1 , A2 , ...An o partitie a lui X.
Atunci pentru orice B n avem
n
X
(3.3) p(B) = p(Ai )p(B|Ai ).
i=1

Formula (3.3) se numeste formula probabilitatii totale.

Demonstratie.
n
!! n
!
[ [
p(B) = p(B X) = p B Ai =p (B Ai ) =
i=1 i=1

n
X n
X
= p (B Ai ) = p(Ai )p(B|Ai ).
i=1 i=1

Formula urmatoare, numita formula lui Bayes, ne da probabilitatea ca dupa ce stim ca un

eveniment ce poate apare din mai multe cauze s-a realizat, acesta sa se fi realizat dintr-o cauza
anume.
Propozitia 3.4. (Bayes) Fie (X, , p) un camp de probabilitate si A1 , A2 , ...An o partitie a lui
X. Fie B n un eveniment cu probabilitate nenula. Atunci pentru orice 1 i n avem ca
p(Ai )p(B|Ai )
(3.4) p(Ai |B) = Pn .
j=1 p(Aj )p(B|Aj )

Demonstratie. Din definitia probabilitatii conditionate si conform formulei probabilitatii

totale obtinem ca
p(B Ai ) p(Ai )p(B|Ai )
p(Ai |B) = = Pn .
p(B) j=1 p(Aj )p(B|Aj )

Exemplul 4. In trei urne cu bile albe si negre avem compozitiile: 4 + 6, 2 + 8, 4 + 1. Se pun

toate bilele la un loc si se extrage o bila la ntamplare. Se constata ca este alba. Care este
probabilitatea ca ea sa fi provenit din urna a treia?

6
 Demonstratie. Fie Ai evenimentul care consta n extragerea unei bile provenind din urna i
si B evenimentul care consta n extragerea unei bile albe.
Avem ca
10 10 5
p(A1 ) = , p(A2 ) = , p(A3 ) = ,
25 25 25
deoarece probabilitatea evenimentului Ai este proportionala cu numarul bilelor provenite din
urna i. Mai mult avem ca:
4 2 4
p(B|A1 ) = , p(B|A2 ) = , p(B|A3 ) = .
10 10 5
Probabilitatea care ni se cere este p(A3 |B) si conform formulei lui Bayes
5 4
25
5 2
p(A3 |B) = 10 4 10 2 5 4 = .
25
10
+ 25
10
+ 25
5
5

Observatia 3.1. Daca alegerea unei bile s-ar fi facut dupa regulile:
1)se alege la ntamplare o urna;
2)din urna aleasa se extrage la ntamplare o bila;
Atunci am avea p(A1 ) = p(A2 ) = p(A3 ) = 13 si tot formula lui Bayes conduce la p(A3 |B) = 74 .

4 Rezumat

Probabilitatea are o componenta psihologica n sensul de grad de ncredere si una practica n

sensul de frecventa de aparitie a unui fenomen ntr-un numar mare de experiente independente,
dar pentru a putea introduce numere si a face calcule s-a dovedit utila o definitie axiomatica,
asemanator cum n geometrie dreapta se introduce axiomatic, independent de multimea exem-
plelor practice. Punctele importante n acest demers sunt:

i) Reprezentarea evenimentelor prin algebre de multimi (Stone).

ii) Definitia probabilitatii ca functie pe algebre de evenimente, cu proprietati asemanatoare cu

aria figurilor plane.

In dezvoltarea elementara a calculului cu probabilitati urmatoarele trei puncte sunt esentiale:

iii) Notiunea de probabilitate conditionata si probabilitatea de aparitie simultana a eveni-

mentelor independente.

iv) Formula probabilitatii totale (3.3).

v) Formula pentru probabilitatea cauzelor (3.4).

7
 FORMULE UTILIZATE FRECVENT:
nr. cazuri favorabile
a) p = nr. cazuri posibile

p(A B)
b) Definitia probabilitatii conditionate p(A|B) = pB (A) =
p(B)
Probabilitatea evenimentelor independente p(A B) = p(A)p(B)
n
X
c) Formula probabilitatii totale p(B) = p(Ai )p(B|Ai )
i=1

p(Ai )p(B|Ai )
d) Formula lui Bayes p(Ai |B) = Pn
j=1 p(Aj )p(B|Aj )

5 Exercitii

Exercitiul 1. Dintr-un pachet de 36 carti se extrag trei la ntamplare. Care este probabilitatea
ca cel putin o carte sa fie as?

Solutie. Numarul cazurilor posibile este C336 = 7140.

Numarul cazurilor favorabile este

C41 C32
2
+ C42 C32
1
+ C43 C32
0
= 2180.
| {z } | {z } | {z }
un as doi asi trei asi

Probabilitatea este deci p = 2180/7140 0, 30532..

Exercitiul 2. O urna contine jetoane numerotate de la 1 la 8. Se extrag la ntamplare 3
jetoane. Care este probabilitatea ca suma numerelor extrase sa fiee superioara sau egala cu
suma numerelor ramase?

Solutie. Numarul cazurilor posibile este C83 = 56 cazuri.

Suma tuturor numerelor este 36, deci suma celor extrase trebuie sa fie mai mare sau egala cu
18 pentru a fi caz favorabil. Cazurile favorabile sunt: (8,7,6), (8,7,5), (8,7,4), (8,7,3), (8,6,5),
(8,6,4).
6
Deci p = 56 .
Exercitiul 3. Se aleg la ntamplare a, b, c n intervalul (0, 1). Care este probabilitatea ca ecuatia
de gradul doi ax2 + 2bx + c = 0 sa aiba radacini reale? (se considera (a, b, c) (0, 1) (0, 1)
(0, 1) iar probabilitatea este propotionala cu volumul).

Solutie. Fie (a, b, c) (0, 1)3 . Conditia ca radacinile sa fie reale este

4b2 4ac 0 b ac.

8
 Vf
Fie V =volumul lui (0, 1)3 si Vf =volumul cazurilor favorabile. Probabilitatea este p = V
,
unde Z 1Z 1Z 1
V = dadbdc = 1,
0 0 0
Z Z Z Z 1 Z 1 Z 1
Vf = dadbdc =
dbdadc.
Vf 0 0 ac

Exercitiul 4. Fie (X, , p) un camp de probabilitate si A1 , A2 , ...An evenimente din . Sa se

arate ca
n
! n n n
[ X X X
(5.1) p Ai = p(Ai ) p(Ai Aj ) + p(Ai Aj Ak )+
i=1 i=1 i6=j i6=j6=k

+... + (1)n1 p(A1 A2 ... An ).

(Formula lui Poincare)

Solutie. Prin inductie matematica dupa n 2. Cazul n = 2 a fost demonstrat n cadrul

cursului.

Exercitiul 5. O persoana scrie n scrisori catre n persoane distincte, le pune n n plicuri si

apoi scrie adresele la ntamplare. Care este probabilitatea ca cel putin o scrisoare sa ajunga la
destinatarul potrivit?

Solutie. Fie Ak evenimentul ce consta n faptul ca persoana k primeste scrisoarea potrivita.

Astefel avem ca
(n 1)! 1
p(Ak ) = = .
n! n
2
Exista Cn evenimente de tipul Ai Aj si fiecare are probabilitatea
(n 2)!
p(Ai Aj) = ,
n!
deoarece doua persoane primesc scrisorile potrivite iar celelalta n2 persoane primesc scrisorile
ntamplator n (n 2)! feluri. Analog, exista Cn3 evenimente de tipul Ai Aj Ak si fiecare are
probabilitatea (n3)!
n!
, etc. Aplicand formula lui Poincare rezulta:

1 (n 2)! (n 3)!
p=n Cn2 + Cn3 + ...
n n! n!
1 1 1
= + + ....
1! 2! 3!
Exercitiul 6. Trei tintasi nimeresc o tinta cu probabilitatile 0,7; 0,8; 0,9. Fiecare trage cate o
lovitura. Care este probabilitatea ca:
a) Toti trei sa nimereasca tinta?
b) Unul singur sa nimereasca tinta?
c) Cel putin unul sa nimereasca tinta?

9
 Solutie. Fie Ak evenimentul ce consta n faptul ca tintasul k nimereste tinta, k = 1, 3. Avem
ca
p(A1 ) = 0, 7, p(A1 ) = 0, 8, p(A1 ) = 0, 9,
iar evenimentele A1 , A2 , A3 sunt independente.
a) E = A1 A2 A3 reprezinta evenimentul ce consta n faptul ca toti trei tintasii nimereasc
tinta. Astfel
p(A1 A2 A3 ) = p(A1 )p(A2 )p(A3 ).
b) Ca un singur tintas sa nimereasca tinta, aceasta poate fi nimerita de primul tintas, caz n
care ceilalti nu nimeresc, sau de al doilea tintas, caz n care primul si al treilea nu nimeresc,
sau al treilea nimereste, caz n care primii doi nu nimeresc. Avem astfel evenimentul

F = (A1 A2 A3 ) (A1 A2 A3 ) (A1 A2 A3 ).

c) Evenimentul poate fi scris ca reuniunea a trei evenimente: un singur tintas nimereste, doi
nimeresc, trei nimeresc. Astfel E F G, unde

G = (A1 A2 A3 ) (A1 A2 A3 ) (A1 A2 A3 ).

Exercitiul 7. Un student solicito bursa de studii la 3 universitati. Dupa trimiterea actelor

necesare, acesta poate obtine bursa de la universitatea i (Ui ) sau nu (U i ), 1 i 3. Scrieti
evenimentele ce corespund urmatoarelor situatii:
a) primete o bursa;
b) primeste cel mult o bursa;
c) primete cel putin o bursa;
d) primeste cel putin doua burse.
Exercitiul 8. Un magazin se aprovizioneaza de la trei fabrici A,B,C, cu un anumit produs,
n proportie de 30%, 60%, 10%. Proportia de articole defecte dintre cele achizitionate este de
2%, 1%, 5%, pentru A, respectiv B si C. Daca un cumparator gaseste ca produsul achizitionat
la magazin este cu defectiuni, care este probabilitatea ca el sa fi provenit de la fabrica B?

Indicatie. Se aplica formula lui Bayes.

Exercitiul 9. Intr-un circuit sunt legate n serie rezistentele R1 , R2 si grupul de rezistente n
paralel: R3 , R4 , R5 . Probabilitatile de defectiune ale celor cinci elemente independente sunt: 0,1;
0,01; 0,05; 0,04; 0,1. Care este probabilitatea de ntrerupere a circuitului?

Indicatie. Fie Ak evenimentul care consta n ntreruperea rezistentei Rk . Intreruperea cir-

cuitului este: A1 A2 (A3 A4 A5 ). Se aplica formula lui Poincare si se tine seama ca
evenimentele Ak sunt independente.
Exercitiul 10. Fie X = {1, 2, 3, 4} si = P (X). Se defineste o probabilitate pe X astfel
1 5
p({1, 2, 3}) = , p({1, 4}) = .
2 6
Sa se determine p({1}), p({2, 3}) si p({2, 3, 4}).

10