CURS.

CÂMP DE PROBABILITATE

1. Evenimente. Operaţii cu evenimente

Teoria probabilităţilor studiază legile după care evoluează fenomenele aleatoare. Cel mai
simplu exemplu de fenomen aleator este dat de experinţa care constă ı̂n aruncarea unui zar
omogen pe o suprafaţă plană. Este evident vorba de o experienţă aleatoare (ı̂ntâmplătoare),
adică de o experienţă al cărei rezultat nu poate fi anticipat cu certitudine, el depinzând de
o serie de factori ı̂ntâmplători. Această experienţă se poate repeta de un număr oarecare de
ori. Fiecare repetare a experienţei se numeşte probă. În experienţa considerată se obţin
următoarele cazuri posibile
E = {e1 , e2 , · · · , e6 }

unde prin evenimentul elementar ei , i = 1, · · · , 6 ı̂nţelegem că la o aruncare se obţine faţa

cu numărul i.
Prin eveniment se ı̂nţelege orice rezultat al unei experienţe, rezultat despre care putem
spune că s-a realizat sau nu s-a realizat ı̂n cadrul experienţei respective.
Un eveniment oarecare şi submulţimea lui E asociată lui, se determină reciproc şi de aceea
nu vom face distinţie ı̂ntre ele. Astfel, fiecare eveniment legat de o experinţă va fi considerat
ca o submulţime a lui E.
Evenimentul sigur este evenimentul care se produce cu certitudine la efectuarea oricărei
probe şi se notează E.
Evenimentul imposibil este evenimentul care ı̂n mod obligatoriu nu se produce la efectu-
area unei probe şi se notează ∅.
Evenimentul elementar este acel eveniment care are un singur caz favorabil. Prin abuz
de limbaj vom numi la fel şi elementele mulţimii E.
Mulţimea tuturor evenimentelor legate de o experienţă cu un număr finit sau infinit de
cazuri posibile se identifică cu familia tuturor submulţimilor (părţilor) mulţimii E, notată
K = P(E). În contextul analogiei dintre evenimente şi mulţimi vom ı̂nţelege evenimentul
sigur ca fiind mulţimea tuturor evenimentelor elementare, E, iar orice alt eveniment (compus)
apare ca fiind submulţime a lui E. Deci orice eveniment este o submulţime a lui E şi reciproc,
orice submulţime a lui E este un eveniment.

Exemplul 1.1. Legat de experinţa aruncării unui zar, putem considera diverse evenimente:
A= ”apariţia unui număr par”;
B= ”apariţia unui număr impar”;
C= ”apariţia unui număr ≤ 3”.
1
2 Daniela Roşu

Fiecărui eveniment ı̂i corespunde o mulţime de cazuri favorabile, care este o submulţime
ı̂n E. Astfel
evenimentului A ı̂i corespunde submulţimea {e2 , e4 , e6 } ⊂ E;
evenimentului B ı̂i corespunde submulţimea {e1 , e3 , e5 } ⊂ E;
evenimentului C ı̂i corespunde submulţimea {e1 , e2 , e3 } ⊂ E.
Evenimentul ”apariţia unei feţe cu un număr ≤ 6” este evenimentul sigur, iar ”apariţia unei
feţe cu numărul 7” este eveniment imposibil. 

Exemplul 1.2. La aruncarea simultană a două zaruri sunt 36 de cazuri posibile, iar mulţimea
lor este
E = {(ei , ej ), i, j = 1, · · · , 6}.
”Obţinerea unei duble” are 6 cazuri favorabile
A1 = { (e1 , e1 ), (e2 , e2 ), (e3 , e3 ), (e4 , e4 ), (e5 , e5 ), (e6 , e6 ) },
iar evenimentul ”suma punctelor egală cu 6” are 5 cazuri favorabile
A2 = { (e1 , e5 ), (e2 , e4 ), (e3 , e3 ), (e4 , e2 ), (e5 , e1 ) }.


Exemplul 1.3. Dacă trebuie să transmitem 3 semnale diferite pe un canal, iar transmisia se
poate face ı̂ntr-o ordine aleatoare, atunci avem 6! moduri, iar mulţimea E este mulţimea tuturor
tripletelor ordonate (permutări), care se pot forma cu elementele mulţimii {1, 2, 3}.
Dacă trebuie să transmitem 3 semnale diferite pe 3 canale de transmisie ı̂n mod aleator,
atunci avem 33 cazuri posibile. 

Definiţia 1.1. Dacă A este un eveniment, A se numeşte eveniment contrar şi este acel
eveniment care se realizează atunci când evenimentul A nu se produce.

În limbajul teoriei mulţimilor, A reprezintă complementara mulţimii A, deci

A = E \ A = CE A.
În Exemplul 1.1 are loc B = A.

Definiţia 1.2. Fiind date două evenimente A, B legate de o experienţă, spunem că A implică
B şi notăm aceasta prin A ⊆ B, dacă realizarea lui A atrage după sine realizarea lui B.

Aceasta ı̂nseamnă că mulţimea cazurilor favorabile lui A este inclusă ı̂n mulţimea cazurilor
favorabile lui B.
Evident are loc proprietatea de tranzitivitate a relaţiei de implicare A ⊆ B şi B ⊆ C implică
A ⊆ C.

Definiţia 1.3. Două evenimente A, B legate de o experienţă se numesc echivalente (coincid)

şi notăm aceasta prin A = B, dacă ele se realizează simultan.

Aceasta ı̂nseamnă că mulţimile cazurilor favorabile lui A şi lui B sunt egale.
 Câmp de probabilitate 3

Definiţia 1.4. Date A şi B două evenimente, numim intersecţia lor, evenimentul notat A∩B
care se realizează atunci când A şi B se produc simultan.
A ∩ B = { e ∈ E; e ∈ A şi e ∈ B }.
Dacă A ∩ B = ∅ atunci spunem că evenimentele sunt incompatibile. În acest caz realizarea
simultană a evenimentelor A şi B este imposibilă.

Mai general, dacă avem o familie cel mult numărabilă de evenimente (Ai )i∈I , I ⊆ N, evenimentul
\
Ai = { e ∈ E; e ∈ Ai , i ∈ I }
i∈I
se realizează atunci când toate evenimentele Ai se produc.

Propoziţia 1.1. Dacă A, B, C ∈ K atunci au loc următoarele proprietăţi:

(i) A ∩ B = B ∩ A (comutativitate);
(ii) (A ∩ B) ∩ C = A ∩ (B ∩ C) (asociativitate);
dacă A ⊆ B atunci A ∩ B = A (evident A ∩ A = A, A ∩ E = A, A ∅ = ∅);
T
(iii)
(iv) A ∩ A = ∅.

Definiţia 1.5. Date A şi B două evenimente, numim reuniunea lor, evenimentul notat A∪B
care se realizează atunci când cel puţin unul dintre evenimentele A sau B se produce.
A ∪ B = { e ∈ E; e ∈ A sau e ∈ B }.

Mai general, dacă avem o familie cel mult numărabilă de evenimente (Ai )i∈I , I ⊆ N, evenimentul
[
Ai = { e ∈ E; ∃ i ∈ I, e ∈ Ai }
i∈I
se realizează atunci când cel puţin unul dintre evenimentele Ai se realizează.

Propoziţia 1.2. Dacă A, B, C ∈ K atunci au loc următoarele proprietăţi:

(i) A ∪ B = B ∪ A (comutativitate);
(ii) (A ∪ B) ∪ C = A ∪ (B ∪ C) (asociativitate);
(iii) dacă A ⊆ B atunci A ∪ B = B (evident A ∪ A = A, A ∪ E = E, A ∪ ∅ = A);
(iv) A ∪ A = E.

Propoziţia 1.3. Dacă A, B, C ∈ K atunci au loc:

(i) (A ∪ B) ∩ C = (A ∩ C) ∪ (B ∩ C) (distributivitatea intersecţiei faţă de reuniune);
(ii) (A ∩ B) ∪ C = (A ∪ C) ∩ (B ∪ C) (distributivitatea reuniunii faţă de intersecţie);
(iii) A ∩ B = A ∪ B şi A ∪ B = A ∩ B (relaţiile lui de Morgan).
Aceste din urmă se generalizează după cum urmează:
[ \ \ [
Ai = Ai şi Ai = Ai .
i∈I i∈I i∈I i∈I

Definiţia 1.6. Se numeşte diferenţa evenimentelor A şi B, evenimentul notat A \ B care se

realizează atunci când se produce A şi nu se realizează evenimentul B.
A \ B = { e ∈ E; e ∈ A şi e < B }.
4 Daniela Roşu

Propoziţia 1.4. Dacă A, B, C, D ∈ K atunci au loc următoarele proprietăţi:

(i) A \ B = A ∩ B;
(ii) A \ B = A \ (A ∩ B);
(iii) A \ B = (A ∪ B) \ B;
(iv) (A \ B) ∩ (B \ A) = ∅;
(v) A = (A \ B) ∪ (A ∩ B) şi (A \ B) ∩ (A ∩ B) = ∅;
(vi) A ∪ B = A ∪ [B \ (A ∩ B)] şi A ∩ [B \ (A ∩ B)] = ∅;
(vii) A ∩ (B \ C) = (A ∩ B) \ (A ∩ C);
(viii) (A \ B) ∩ (C \ D) = (A ∩ C) \ (B ∪ D).

Exemplul 1.4. Dacă A, B, C sunt 3 evenimente atunci:

1. faptul că toate trei se realizează se exprimă prin A ∩ B ∩ C.
2. cel puţin unul se realizează ı̂nseamnă A ∪ B ∪ C.
3. A sau B se realizează şi C nu are loc se exprimă prin (A ∪ B) ∩ C.
4. exact un eveniment se realizează ı̂nseamnă (A ∩ B ∩ C) ∪ (A ∩ B ∩ C) ∪ (A ∩ B ∩ C). 

Definiţia 1.7. Numim probabilitate ı̂n sens clasic funcţia P : K → [ 0, 1 ] definită prin
nr. cazurilor f avorabile k
P (A) = = (1)
nr. cazuri posibile n
Definiţia 1.8. Numim probabilitate pe un câmp finit de evenimente (E, K), o funcţie P :
K → [ 0, 1 ] care satisface axiomele:

P (A) ∈ [ 0, 1 ], ∀ A ∈ K; (2)

P (E) = 1; (3)

P (A ∪ B) = P (A) + P (B) ∀ A, B ∈ K, A ∩ B = ∅. (4)

Să observăm că proprietatea (4) se extinde imediat la o familie finită de evenimente disjuncte
dou a câte două. Dacă Ai ∈ K, i ∈ {1, . . . , n}, Ai ∩ Aj = ∅, i , j atunci
n n
!
[ X
P Ai = P (Ai ). (5)
i=1 i=1

Tripletul (E, K, P ) se numeşte câmp finit de probabilitate.

Observaţia 1.1. Definiţia clasică a probabilităţii se aplică atunci când evenimentele elementare
sunt egal posibile. Acestă definiţie nu permite determinarea probabilităţii unui eveniment dintr-
un câmp infinit de probabilitate.

2. Reguli de numărare

Deoarece calculul probabilităţilor ı̂ntr-un câmp finit, revine la numărarea unor cazuri, dăm
ı̂n continuare câteva reguli de numărare.
 Câmp de probabilitate 5

Principiul multiplicării. Presupunem că două evenimente A şi B se pot realiza ı̂n m şi,
respectiv ı̂n k moduri, independent unul de celălalt. Numărul de moduri ı̂n care se poate
realiza A şi B este m × k.

Permutări. Numărul tuturor aplicaţiilor bijective (permutări) de la o mulţime de n elemente

la ea ı̂nsăşi este n! = 1 · 2 · · · n.

Aranjamente. Numărul submulţimilor ordonate cu k elemente ale unei mulţimi cu n elemente,

0 ≤ k ≤ n, se numeşte aranjamente de n luate câte k şi este Akn = n(n − 1) . . . (n − k + 1).

Combinări. Numărul submulţimilor cu k elemente ale unei mulţimi cu n elemente, 0 ≤ k ≤ n,

Ak n!
se numeşte combinări de n luate câte k şi este Cnk = n = .
k! k! · (n − k)!
Exemplul 2.1. 1. Câte parole de câte 5 litere se pot forma pentru un computer, dacă literele
nu se pot repeta? Dar dacă se pot repeta? (Folosim 26 de litere).
2. Câte coduri de trei cifre se pot forma cu cifrele 0, 1, . . . 9?
3. În câte moduri 10 studenţi pot ocupa 10 bănci? Dar 12 bănci?

1. Pentru primul caz se folosesc submulţimi ordonate A526 , deoarece putem interpreta că prima
literă poate fi aleasă ı̂n 26 de moduri, a doua ı̂n 25 de moduri etc, deci o parola este o submulţime
ordonată cu 5 elemente. În al doilea caz din principiul multiplicării obţinem 265 parole, deoarece
fiecare poziţie din parolă poate fi ocupată de oricare dintre cele 26 de litere, independent de
celelalte poziţii.

2. Din principiul multiplicării rezultă 103 coduri.

10
3. Evident că 10 studenţi pot ocupa 10 bănci ı̂n 10! moduri. Apoi 10 bănci pot fi alese ı̂n C12
moduri, iar pentru 10 bănci fixate avem 10! moduri; folosim principiul multiplicării şi obţinem
10
C12 × 10! = A10
12 . 

Exemplul 2.2. Dintr-o urnă cu 3 bile albe şi 2 bile negre extragem 2 bile astfel:
1. simultan,
2. câte una fără repunere,
3. câte una cu repunere.
Indicaţi toate cazurile posibile.

Numerotăm bilele a1 , a2 , a3 , n1 , n2 .
În primul caz se formează submulţimi de 2 elemente dintr-o mulţime cu 5 elemente, deci sunt
C52 moduri:
E1 = {(a1 , a2 ), (a1 , a3 ), (a1 , n1 ), (a1 , n2 ), (a2 , a3 ), (a2 , n1 )
(a2 , n3 ), (a3 , n1 ), (a3 , n2 ), (n1 , n2 )}.
În al doilea caz intervine şi ordinea deci sunt A25 şi găsim următoarele situaţii:
E2 = E1 ∪ {(a2 , a1 ), (a3 , a1 ), (n1 , a1 ), (n2 , a1 ), (a3 , a2 )
6 Daniela Roşu

(n1 , a2 ), (n3 , a2 ), (n1 , a3 ), (n2 , a3 ), (n2 , n1 )}.

După principiul multiplicării, n̂ cel de-al treilea caz rezultă 5 × 5 moduri şi anume:
E3 = E1 ∪ E2 ∪ {(a1 , a1 ), (a2 , a2 ), (a3 , a3 ), (n1 , n1 ), (n2 , n2 )}.


Exemplul 2.3. Dintr-o urnă cu 15 bile numerotate de la 1 la 15 se extrage o bilă la ı̂ntâmplare.

Să se determine probabilităţile următoarelor evenimente:
A=”se obţine un număr impar”;
B=”se obţine un număr divizibil cu 4”;
C=”se obţine un număr prim”.

Sunt 15 cazuri posibile E = {e1 , e2 , . . . , e15 }, evenimentul elementar ei fiind ”extragerea bilei
cu numărul i”, i ∈ 1, 15. Pentru evenimentul A sunt 8 cazuri favorabile: {e1 , e3 , e5 , . . . , e15 },
deci probabilitatea sa este
7
P (A) = .
15
Evenimentul B are 3 cazuri favorabile: {e4 , e8 , e5 , e12 }, deci probabilitatea sa este
3 1
P (B) = = .
15 5
Cazurile {e2 , e3 , e5 , e7 , e11 , e13 } sunt favorabile lui C şi
6 2
P (C) = = .
15 5


3. Formule de calcul ı̂ntr-un câmp de probabilitate

Propoziţia 3.1. Fie (E, K, P ) un câmp de probabilitate. Au loc relaţiile:

P (∅) = 0; (6)
P (A) = 1 − P (A) (7)
pentru orice A ∈ K;
n n
!
[ X
P Ai = P (Ai ) (8)
i=1 i=1
pentru orice Ai ∈ K, i ∈ {1, 2, . . . , n}, Ai ∩ Aj = ∅ pentru orice i, j ∈ {1, 2, . . . , n}, i , j.
Demonstraţie. Deoarece putem scrie E = E ∪ ∅ cu E ∩ ∅ = ∅, din (4) găsim
P (E) = P (E) + P (∅)
de unde deducem P (∅) = 0.
Pentru afirmaţia (7) să observăm că E = A ∪ A cu A ∩ A = ∅. Aplicând din nou (4) deducem
P (E) = P (A) + P (A),
de unde, folosind (3) găsim (7).
Relaţia (8) o putem dovedi uşor prin inducţie matematică.
 Câmp de probabilitate 7

Pentru n = 2 relaţia P (A1 ∪ A2 ) = P (A1 ) + P (A2 ) este chiar proprietatea (4) din definiţia
clasică a probabilităţii. Presupunem relaţia adevărată pentru n − 1 evenimente, adică
n−1 n−1
!
[ X
P Ai = P (Ai )
i=1 i=1

i ∈ K, Ai ∩ Aj = ∅ pentru orice i, j ∈ {1, 2, . . . , n − 1}, i , j. Dacă avem ı̂n

pentru orice A!
n−1
[ n−1
[
vedere Ai ∩ An = (Ai ∩ An ) = ∅, din (4) găsim
i=1 i=1

n
! " n−1 ! # n−1
! n−1 n
[ [ [ X X
P Ai = P Ai ∪ An = P Ai + P (An ) = P (Ai ) + P (An ) = P (Ai ).
i=1 i=1 i=1 i=1 i=1


Următorul exemplu este una dintre primele probleme de calcul al probabilităţilor cunoscută
din istoria matematicii şi a fost rezolvată de Blaise Pascal ı̂n secolul 17.

Exemplul 3.1. Să arătăm că probabilitatea de a obţine cel puţin un 6 când se aruncă un zar
de patru ori este mai mare decât probabilitatea de a obţine cel puţin o dublă (6,6), dacă se
aruncă 2 zaruri de 24 de ori.

Notăm cu
A evenimentul ”se obţine cel puţin un 6 când se aruncă un zar de patru ori”,
B evenimentul ”se obţine cel puţin un (6, 6) când se aruncă două zaruri de 24 ori”.
Constatăm că A şi B reprezintă reuniuni de evenimente. Este mult mai comod să trecem la
evenimentele contrare.
A evenimentul ”nu se obţine nici un 6 când se aruncă un zar de patru ori”
B evenimentul ”nu se obţine nici un (6, 6) când se aruncă două zaruri de 24 ori”.
La aruncarea unui zar avem 6 cazuri posibile, iar la 4 aruncări avem desigur 64 cazuri posibile.
Pentru A avem la cele patru aruncări avem 54 cazuri favorabile deci
 4
5
P (A) = ,
6
 4
5
iar din (7) deducem P (A) = 1 − = 0, 5177.
6
Deoarece la o aruncare a două zaruri există, conform principiului multiplicării, 6 × 6 cazuri, la
24 de aruncări vor fi (6 × 6)24 cazuri posibile. Numărul cazurilor favorabile evenimentului B
este 3524 , prin urmare
24
35

P (B) = ,
36
4
35

iar P (B) = 1 − = 0, 4914. 
36
8 Daniela Roşu

3.0.1. Probabilitatea unei diferenţe. Dacă A, B ∈ K atunci:

P (A \ B) = P (A) − P (A ∩ B). (9)
Demonstraţie. Putem scrie A = (A \ B) ∪ (A ∩ B) cu (A \ B) ∩ (A ∩ B) = ∅, aplicăm axioma
(4) şi deducem
P (A) = P (A \ B) + P (A ∩ B),
de unde rezultatul. 
Consecinţă. Dacă A ⊆ B rezultă P (A) ≤ P (B). Aceasta deoarece dacă A ⊆ B, avem
A = A ∩ B şi atunci P (B \ A) = P (B) − P (A) iar P (B \ A) ≥ 0.

3.0.2. Probabilitatea reuniunii a două evenimente. Dacă A, B ∈ K atunci:

P (A ∪ B) = P (A) + P (B) − P (A ∩ B). (10)
Demonstraţie. Putem scrie A ∪ B = A ∪ [B \ (A ∩ B)] cu A ∩ [B \ (A ∩ B)] = ∅, aplicăm
axioma (4) şi relaţia (9) şi deducem
P (A∪B) = P (A)+P (B \ (A ∩ B)) = P (A)+P (B)−P (B∩(A∩B)) = P (A)+P (B)−P (A∩B).


Generalizare. Dacă Ai ∈ K, i ∈ {1, 2, . . . , n} atunci:

n
[ n
X X X
P( Ai ) = P (Ai ) − P (Ai ∩ Aj ) + P (Ai ∩ Aj ∩ Ak )+
i=1 i=1 1≤i<j=n 1≤i<j<k≤n
n
+ . . . + (−1)n−1 P (
\
Ai ) (11)
i=1

Exemplul 3.2. Rezistorii circuitului din figura (1) Ri , i = 1, 4 funcţionează independent şi au
aceleaşi şanse de a se defecta. Să se calculeze probabiliatea ca prin circuit să circule curentul.
Fie Ri , i = 1, 4, evenimentul că rezistorul Ri funcţionează şi fie A evenimentul ”circulă curentul”.
Avem

A = (R1 ∪ R2 ∪ R3 ) ∩ R4 = (R1 ∩ R4 ) ∪ (R2 ∩ R4 ) ∪ (R3 ∩ R4 ).

Aplicăm formula (11) şi găsim

P (A) = P (R1 ∩ R4 ) + P (R2 ∩ R4 ) + P (R3 ∩ R4 )

−P (R1 ∩ R2 ∩ R4 ) − P (R1 ∩ R3 ∩ R4 ) − P (R2 ∩ R3 ∩ R4 )
+P (R1 ∩ R2 ∩ R3 ∩ R4 ).
Numărul cazurilor posibile este 24 , deorece orice rezistor poate fi ı̂n două situaţii, independent
de celelalte. Doi rezistori funcţionează ı̂n 22 cazuri favorabile, trei rezistori ı̂n 2 cazuri favorabile,
iar toate patru ı̂ntr-un singur caz. Deci
22 2 1
P (A) = 3 · 4 − 3 · 4 + 4 .
2 2 2
 Câmp de probabilitate 9

Figure 1

3.0.3. Inegalitatea lui Boole. Dacă Ai ∈ K, i ∈ {1, 2, . . . , n} atunci are loc următoarea inegali-
tate:
n n
!
\ X
P Ai ≥ P (Ai ) − (n − 1). (12)
i=1 k=1

Demonstraţie. Vom aplica metoda inducţiei matematice.

Pentru n = 2 avem
P (A1 ∩ A2 ) = P (A1 ) + P (A2 ) − P (A1 ∪ A2 ) ≥ P (A1 ) + P (A2 ) − 1
deoarece P (A1 ∪ A2 ) ≤ 1.
Presupunem inegalitatea adevărată pentru n − 1 adică
n−1 n−1
!
\ X
P Ai ≥ P (Ai ) − (n − 2)
i=1 k=1
şi demonstrăm pentru n. Folosim inegalitatea pentru n = 2 şi apoi ipoteza de inducţie şi găsim
succesiv
n n−1 n−1
! ! !
\ \ \
P Ai = P ( Ai ) ∩ An ≥ P Ai + P (An ) − 1
i=1 i=1 i=1
n−1
X Xn
≥ P (Ai ) − (n − 2) + P (An ) − 1 = P (Ai ) − (n − 1).
k=1 k=1


Exemplul 3.3. Un dispozitiv corespunde cerinţelor dacă satisface proprietăţile a, b, c. Într-un

lot de dispozitive 95% satisfac proprietatea a, 90% dispozitive satisfac b iar 92% de dispozi-
tive verifică proprietatea c. Să se determine o limită inferioară a probabilităţii ca, alegând la
ı̂ntâmplare un dispozitiv, acesta să corespundă cerinţelor.
10 Daniela Roşu

Notăm cu A, B, C evenimentele ”dispozitivul satisface proprietatea a, b şi respectiv c”. Atunci

faptul că dispozitivul corespunde celor trei cerinţe reprezintă evenimentul A ∩ B ∩ C. Deoarece
nu avem informaţii despre dispozitivele ce satisfac simultan două sau toate proprietăţile, folosim
inegalitatea lui Boole şi avem
P (A ∩ B ∩ C) ≥ P (A) + P (B) + P (C) − (3 − 1) = 0, 95 + 0, 90 + 0, 92 − 2 = 0, 77.

Inegalitatea lui Boole este utilă deoarece dă o margine inferioară a probabilităţii unei intersecţii.

3.0.4. Condiţionare şi independenţă.

Definiţia 3.1. Dacă A ∈ K, satisface P (A) , 0, atunci probabilitatea de realizare a eveni-

mentului B ı̂n ipoteza că evenimentul A s-a realizat, se numeşte probabilitatea lui B,
condiţionată de A şi este definită prin:
P (B ∩ A)
P (B|A) = PA (B) = . (13)
P (A)

Probabilitatea intersecţiei a două evenimente. Dacă A, B ∈ K atunci, din (13) deducem

P (A ∩ B) = P (A) · P (B|A) (14)

Propoziţia 3.2. Dacă A, B ∈ K şi P (A) , 0 atunci PA (B) satisface axiomele probabilităţii.
Demonstraţie.
(i) PA (B) ≥ 0 deoarece ı̂n formula (13) avem P (A ∩ B) ≥ 0 şi P (A) > 0;
P (A ∩ E) P (A)
(ii) PA (E) = = = 1;
P (A) P (A)
(ii) Fie B, C ∈ K cu B ∩ C = ∅. Avem
P (A ∩ (B ∪ C)) P ((A ∩ B) ∪ (A ∩ C))
PA (B ∪ C) = =
P (A) P (A)
P (A ∩ B) + P (A ∩ C)
= = PA (B) + PA (C),
P (A)
deoarece (A ∩ B) ∪ (A ∩ C) = ∅. 

Exemplul 3.4. O urnă conţine 6 bile albe şi 4 bile negre. Extragem o bilă şi constatăm că este
albă. Mai extragem o bilă. Cu ce probabilitate a doua este tot albă? Vom considera situaţiile:
a. prima bilă este repusă;
b. prima bilă nu este repusă.

Considerăm evenimentele A = ”prima bilă este albă” şi B ”a doua bilă este albă”.
Dacă suntem ı̂n cazul a., faptul ca s-a produs A nu influenţează realizarea evenimentului B.
6
Atunci P (B) = .
10
5
Dacă suntem ı̂n situaţia b., atunci A condiţionează pe B şi prin urmare P (B|A) = . 
9
 Câmp de probabilitate 11

Definiţia 3.2. Evenimentele A şi B se numesc independente dacă are loc

P (A ∩ B) = P (A) · P (B). (15)

Propoziţia 3.3. Dacă A, B ∈ K şi P (A) · P (B) , 0, atunci următoarele afirmaţii sunt echiva-
lente:
(i) A, B sunt independente;
(ii) P (A|B) = P (A);
(iii) P (B|A) = P (B).
Demonstraţie. Afirmaţiile rezultă imediat; noi vom exemplifica doar echivalenţa (i) ⇔ (ii).
Arătăm mai ı̂ntâi (i) ⇒ (ii). Calculăm probabilitatea condiţionată, folosind independenţa şi
avem
P (A ∩ B) P (A) · P (B)
P (A|B) = = = P (A).
P (B) P (B)
Pentru (ii) ⇒ (i), din
P (A ∩ B)
P (A|B) = = P (A)
P (B)
rezultă P (A ∩ B) = P (A) · P (B), deci independenţa evenimentelor A şi B. 

Propoziţia 3.4. Fie A, B două evenimente arbitrare. Următoarele afirmaţii sunt echivalente.
(i) A, B sunt independente;
(ii) A, B sunt independente;
(iii) A, B sunt independente;
(iv) A, B sunt independente.
Demonstraţie. Demonstrăm doar (ii) ⇔ (iv). Dacă (ii) este adevărată, atunci
P (A ∩ B) = P (A) · P (B).
Primul membru este probabilitatea unei diferenţe (A ∩ B = A \ B)
P (A ∩ B) = P (A \ B) = P (A) − P (A ∩ B)
şi folosind de Morgan şi probabilitatea unei reuniuni (10), putem scrie mai departe
P (A ∩ B) = P (A) − (1 − P (A ∩ B))
= P (A) − 1 + P (A ∪ B) = P (A) − 1 + P (A) + P (B) − P (A ∪ B)
= P (B) − P (A ∪ B).
Deci
P (A) · P (B) = P (B) − P (A ∪ B)
de unde rezultă
P (A ∪ B) = P (B) − P (A) · P (B) = P (B)(1 − P (A)) = P (A) · P (B),
fapt ce demonstrează independenţa evenimentelor A şi B.
Implicaţia (iv) ⇒ (ii) rezultă asemănător şi, alături de celelalte echivalenţe, o propunem ca
exerciţiu. 
12 Daniela Roşu

Definiţia 3.3. Evenimentele (Ai ), i ∈ {1, 2, . . . , n} ∈ K se numesc global independente

dacă pentru orice I ⊆ {1, 2, . . . , n} are loc
!
\ Y
P Ai = P (Ai ). (16)
i∈I i∈I

Observaţia 3.1. Dacă trei evenimente sunt independente două câte două nu rezultă că ele
sunt independente ı̂n totalitatea lor. Exemplul lui S. N. Bernstein de mai jos ne va ilustra
acest lucru.
Considerăm un tetraedru omogen cu feţele colorate astfel: o faţă este albă, o faţă este neagră,
o faţă este roşie iar a patra faţă este colorată ı̂n toate cele trei culori.
Aruncând tetraedrul pe o masă el se aşează pe una din feţe. Ne interesează probabilitatea
apariţiei fiecărei culori şi independenţa evenimentelor corespunzătoare. Notăm cu
A1 evenimentul care constă ı̂n apariţia culorii albe,
A2 evenimentul care constă ı̂n apariţia culorii negre,
A3 evenimentul care constă ı̂n apariţia culorii roşii.
Avem:
1
P (A1 ) = P (A2 ) = P (A3 ) =
2
deoarece pentru fiecare culoare sunt patru cazuri posibile şi două favorabile (faţa cu culoarea
respectivă şi faţa cu cele trei culori). Se constată că
1
P (A1 ∩ A2 ) = P (A1 ∩ A3 ) = P (A2 ∩ A3 ) = ,
4
dar
1 1
P (A1 ∩ A2 ∩ A3 ) = , P (A1 ) · P (A2 ) · P (A3 ) = .
4 8


3.0.5. Probabilitatea unei intersecţii. Formula (14) se generalizează ı̂n următoarea formulă ce
ne oferă posibilitatea determinării probabilităţii unei intersecţii.
n
!
\
P Ai =
i=1

= P (A1 ) · P (A2 |A1 ) · P (A3 |A1 ∩ A2 ) . . . · P (An |A1 ∩ A2 ∩ . . . ∩ An−1 ). (17)

Exemplul 3.5. Un lot de 100 de diode conţine 5% rebuturi. Se face umătorul control de
calitate: se aleg (fără repunere) 5 diode şi dacă cel puţin una este defectă, lotul se respinge. Să
calculăm probabilitatea de a respinge lotul.

Notăm cu Ai evenimentul ”la extragerea i se obţine o diodă corespunzătoare”. Lotul este respins
dacă se realizează evenimentul
5
[
Ai .
i=1
 Câmp de probabilitate 13

Calculăm probabilitatea trecând la evenimentul contrar şi folosind formulele de Morgan

 
5 5 5
! !
[ [ \
P Ai = 1 − P  Ai  =1−P Ai
i=1 i=1 i=1

= 1 − P (A1 ) · P (A2 |A1 ) · P (A3 |A1 ∩ A2 ) · P (A4 |A1 ∩ A2 ∩ A3 ) · P (A5 |A1 ∩ A2 ∩ A3 ∩ A4 )

95 94 93 92 91
=1− · · · · .
100 99 98 97 96


3.0.6. Sistem complet de evenimente.

Definiţia 3.4. O familie de evenimente {Ai , i = 1, 2, . . . , n } formează un sistem complet

de evenimente dacă au loc proprietăţile:
(i) P (Ai ) > 0, ∀i ∈ {1, 2, . . . , n};
(ii) Ai ∩ Aj = ∅, i , j;
n
[
(iii) E = Ai .
i=1

Observaţia 3.2. Dacă E = {e1 , · · · , en } este finită, atunci mulţimea evenimentelor elementare
{ei }, i = 1, 2, . . . , n formează un sistem complet de evenimente.
Dacă A este un eveniment, atunci A şi A formează un sistem complet de evenimente.

Teorema 3.1. (Formula probabilităţii totale.) Dacă {Ai , i = 1, 2, . . . , n } este un sistem

complet de evenimente şi X ∈ K este un eveniment arbitrar, atunci
n
X
P (X) = P (Ai ) · P (X|Ai ). (18)
i=1
n
[
Demonstraţie. Deoarece E = Ai putem scrie
i=1
n
[ n
[
X =X ∩E =X ∩( Ai ) = (X ∩ Ai ).
i=1 i=1

Deoarece Ai ∩ Aj = ∅ pentru i , j, rezultă şi (X ∩ Ai ) ∩ (X ∩ Aj ) = ∅ pentru i , j şi atunci

avem
n
X n
X
P (X) = P (X ∩ Ai ) = P (Ai ) · P (X|Ai ).
i=1 i=1


Teorema 3.2. (Formula lui Bayes.) Dacă {Ai , i = 1, 2, . . . , n} este un sistem complet de
evenimente şi X ∈ K este un eveniment arbitrar, atunci pentru orice i = 1, 2, . . . , n are loc
P (Ai ) · P (X|Ai )
P (Ai |X) = X
n . (19)
P (Aj ) · P (X|Aj )
j=1
14 Daniela Roşu

Demonstraţie. Ipoteză ne asigură că are loc formula probabilităţii totale şi ţinând seama
de definiţia probabilităţii condiţionate (13) obţinem
P (X ∩ Ai ) P (Ai ) · P (X|Ai )
P (Ai |X) = =X
n .
P (X)
P (Aj ) · P (X|Aj )
j=1


1
Exemplul 3.6. Într-un canal de comunicaţii se transmite 0 sau 1 cu probabilităţile p = şi
3
2
respectiv q = . Recepţionerul face erori de decizie cu probabilitatea ε = 0, 1. Să determinăm
3
probabilitatea de a recepţiona 1. Dacă semnalul recepţionat este 1, cu ce probabilitate a fost
transmis 0?

Considerăm evenimentele Ai , i = 0, 1 cu semnificaţia

A0 ”s-a transmis 0”
A1 ”s-a transmis 1”
Evident că {A0 , A1 } formează un sistem complet de evenimente. Fie A evenimentul ”s-a
recepţionat 1”. Folosim (18) şi găsim
1 2
P (A) = P (A0 ) · P (A|A0 ) + P (A1 ) · P (A|A1 ) = · 0, 1 + · 0, 9 = 0, 633.
3 3
Dacă s-a recepţionat 1, atunci folosim formula (19)
1
P (A0 )P (A|A0 ) · 0, 1
P (A0 |A) = = 3 = 0, 0526.
P (A) 0, 633


4. Scheme clasice de probabilitate

4.0.7. Schema lui Poisson. Se dau n urne U1 , U2 , . . . , Un care conţin bile albe şi bile negre ı̂n
proporţii date. Fie pi , i = 1, n, probabilitatea cu care este extrasă o bilă albă din urna Ui .
Atunci qi = 1 − pi , i = 1, n reprezintă probabilitatea de a se extrage o bilă neagră din urna Ui .
Se extrage câte o bilă din fiecare urnă.
Probabilitatea de a obţine k bile albe (şi evident n − k bile negre) este coeficientul lui xk din
polinomul
n
Y
(pi x + qi ) = (p1 x + q1 ) · (p2 x + q2 ) . . . · (pn x + qn ) (20)
i=1
Demonstraţie. Notăm cu Ai evenimentul extragerii unei bile albe din urna Ui iar cu Bk
notăm evenimentul care constă ı̂n extragerea a k bile albe şi n − k bile negre. Dorim să
determinăm P (Bk ).
Avem
Bk = (A1 ∩ . . . ∩ Ak ∩ Ak+1 ∩ An ) ∪ (A1 ∩ . . . ∩ Ak−1 ∩ Ak ∩ Ak+1 ∩ Ak+2 ∩ . . . ∩ An )

∪ . . . ∪ (A1 ∩ . . . ∩ An−k ∩ An−k+1 ∩ . . . ∩ An ),

 Câmp de probabilitate 15

numărul parantezelor fiind Cnk . Un eveniment

Ai1 ∩ . . . ∩ Aik ∩ Aik+1 ∩ . . . ∩ Ain
se realizează, ţinând seama că evenimentele sunt independente, cu probabilitatea
pi1 · pi2 . . . pik · qik+1 · qik+2 . . . qin
indicii i1 , i2 . . . , in reprezentând o permutare a indicilor 1, 2, . . . , n , iar litera p apare de k ori
cu indici diferiţi, iar q de n − k ori cu indici care nu apar ı̂n p . Se observă că după aceeaşi
regulă se calculează coeficientul lui xk din polinomul
f (x) = (p1 x + q1 ) · (p2 x + q2 ) . . . · (pn x + qn ).


Condiţii ale unui experiment Poisson:

1. Există n efectuări ı̂n condiţii diferite ale unui experiment.
2. Fiecare experiment are exact două rezultate posibile.
3. Probabilităţile celor două rezultate sunt diferite pe parcursul repetărilor.
4. Repetările sunt independente una de cealaltă.

Exemplul 4.1. Trei semnale sunt receptionate corect cu probabilităţile 0, 8; 0, 7 şi respectiv
0, 9. Să se determine cu ce probabilitate două semnale sunt recepţionate corect.

Ne aflăm ı̂n cazul schemei Poisson, iar probabilităţile de a ”extrage o bilă albă din urna Ui , i =
1, 3”, sunt cele din enunţ, de a se recepţiona corect semnalul i, i = 1, 3. Atunci probabilitatea
căutată este coeficientul lui x2 din polinomul
(0, 8 x + 0, 2) · (0, 7 x + 0, 3) · (0, 9 x + 0, 1).
Rezultă p = 0, 398. 

4.0.8. Schema lui Bernoulli (a bilei revenite). Dintr-o urnă cu a bile albe şi b bile negre, ex-
tragem cu repunere n bile, n ≤ a + b.
Probabilitatea de a obţine k bile albe, 0 ≤ k ≤ a, (şi evident, n − k bile negre), este
a b
pn;k = Cnk pk q n−k , unde p = , q= . (21)
a+b a+b
Demonstraţie. Suntem ı̂ntr-un caz particular al schemei lui Poisson când urnele U1 , U2 , . . . ,
Un sunt identice (au aceeaşi compoziţie). Atunci avem
p1 = p2 = . . . = pn = p, q1 = q2 = . . . = qn = q.
Probabilitatea extragerii a k bile albe se obţine calculând coeficientul lui xk din polinomul
f (x) = (px + q)n .
Folosind formula binomului lui Newton găsim pn;k = Cnk pk q n−k .
Pentru acest motiv schema se mai numeşte binomială. 

Condiţii ale unui experiment binomial (cu ı̂ntoarcere):

16 Daniela Roşu

1. Există n repetări identice ale unui experiment.

2. Fiecare repetare are exact două rezultate posibile.
3. Probabilităţile celor două rezultate rămân constante pe parcursul repetărilor.
4. Repetările sunt independente una de cealaltă.

Exemplul 4.2. Se aruncă două zaruri de 10 ori. Care este probabilitatea ca de 4 ori să apară
suma 7?

La o efectuare a experienţei evenimentul ”apariţia sumei 7” are probabilitatea 1/6 (6 cazuri

favorabile din 36 posibile). Deci
6 1 5
p= = , q = , n = 10, k = 4
36 6 6
 4  6
4 1 5
iar probabilitatea cerută este C10 · · .
6 6
Generalizare. Schema lui Bernoulli cu mai multe stări
Dintr-o urnă cu bile de s ∈ N culori, extragem cu repunere n bile.
Probabilitatea de a extrage ki bile de culoare i, i = 1, 2, . . . , s, k1 + · · · + ks = n este
n!
pn;k1 ,...,ks = pk11 · pk22 . . . · pks s , (22)
k1 ! · k2 ! . . . · ks !
unde pi este probabilitatea de a extrage o bilă de culoare i, p1 + p2 + · · · + ps = 1.

Exemplul 4.3. Se aruncă un zar de 10 ori. Care este probabilitatea ca exact de 2 ori să apară
faţa cu un punct şi exact de 3 ori să apară faţa cu două puncte?

Avem:
1 1 4 2
n = 10, k1 = 2, k2 = 3, k3 = 5, p1 = , p2 = , p3 = = ,
6 6 6 3
iar probabilitatea cerută este:
 2  3  5
10! 1 1 2
· · · .
2! · 3! · 5! 6 6 3


4.0.9. Schema geometrică (a bilei neı̂ntoarsă). Dintr-o urnă cu a bile albe şi b bile negre,
extragem fără repunere n bile, n ≤ a + b.
Probabilitatea ca să obţinem k bile albe, 0 ≤ k ≤ a, (şi evident, n − k bile negre), este
Cak · Cbn−k
pk,n−k
a,b= n
. (23)
Ca+b
n
Demonstraţie. Numărul cazurilor posibile este: Ca+b .
Numărul cazurilor favorabile: un grup de k bile albe dintr-un total de a bile albe poate fi
luat ı̂n Cak moduri; un grup de n − k bile negre din totalul de b bile negre poate fi obţinut ı̂n
Cbn−k moduri. Un grup de k bile albe şi n − k bile negre poate fi obţinut, conform principiului
multiplicării, ı̂n Cak Cbn−k moduri. Probabilitatea căutată este atunci dată de (23). 

Generalizare. Schema hipergeometrică cu mai multe stări

 Câmp de probabilitate 17

Într-o urnă sunt bile de s ∈ N culori, ai bile au culoarea i, i = 1, 2, . . . , s. Extragem fără

repunere n bile.
Probabilitatea de e extrage ki bile de culoarea i, k1 + k2 + . . . + ks = n este
Cak11 · Cak22 . . . · Cakss
pka11 ,k 2 ...ks
,a2 ...,as = (24)
Cak11+a
+k2 +...+ks
2 +...+as

Exemplul 4.4. Într-un lot de 100 de articole se află 80 corespunzătoare, 15 cu defecţiuni

remediabile şi 5 rebuturi. Alegem 6 articole. Cu ce probabilitate 3 articole sunt bune, 2 cu
defecţiuni remediabile şi 1 articol este rebut?

Vom presupune pentru ı̂nceput că extragerile se fac cu repunere. Atunci ne aflăm ı̂n cazul
schemei Bernoulli generalizată şi aplicăm (22).
80 3 15 2
1
6! 5
    
p6;3,2,1 = · · · .
3! · 2! · 1! 100 100 100
Dacă extragerile se fac fără repunere atunci folosim (24) şi obţinem
3 2
3,2,1 C80 · C15 · C51
p80,15,5 = 6
.
C100


Câmp infinit de probabilitate

3. Definiţia unui câmp infinit de probabilitate

Definiţia 3.1. Fie E o mulţime oarecare nevidă şi fie K ⊆ P(E), K , ∅. Mulţimea de părţi K
se numeşte σ-algebră dacă satisface următoarele condiţii:
(i) ∀ A ∈ K ⇒ A ∈ K;
(ii) ∀ An ∈ K, n ∈ N avem
[
An ∈ K.
n∈N

Au loc următoarele proprietăţi imediate:

1. E, ∅ ∈ K.
Într-adevăr, deoarece K , ∅ există A ∈ K, iar din prima axiomă A ∈ K Din a doua axiomă
avem A ∪ A = E ∈ K. Folosind prima axiomă, ∅ = E ∈ K.
2. ∀ An ∈ K, n ∈ N avem
\
An ∈ K.
n∈N

Într-adevăr, din An ∈ K rezultă An ∈ K, iar din a doua axiomă

\ [
An = An ∈ K
n∈N n∈N
18 Daniela Roşu

deci şi complementara este din K.

3. ∀ A, B ∈ K ⇒ A \ B ∈ K.
Aceasta rezultă din relaţia A \ B = A ∩ B şi axiomele structurii de σ-algebră.

În acest cadru Kolmogorov a introdus axiomatic, noţiunea de probabilitate.

Definiţia 3.2. Fie E o mulţime şi fie K o σ-algebră de părţi ale lui E. O funcţie
P : K → [ 0, 1 ]
care satisface următoarele proprietăţi:
(i) P (E) = 1;
(ii) pentru orice şir de mulţimi (An )n ∈ K, cu An ∩ Am = ∅, pentru orice n , m avem
!
[ X
P An = P (An ),
n∈N n∈N

se numeşte probabilitate.
Tripletul (E, K, P ) se numeşte câmp infinit de probabilitate.

Exemplul 3.1. σ -algebra Boreliană. Fie E = (0, 1) şi fie mulţimea

[
D={ (ai , bi ); I ⊆ N, (ai , bi ) ∩ (aj , bj ) = ∅, i , j } ⊆ E
i∈I

Elementele lui D se numesc mulţimi deschise.

Se poate demonstra că există o cea mai mică σ -algebră, care conţine pe D (aceasta se con-
struieşte luând intersecţia tuturor σ-algebrelor care conţin pe D). σ-algebra astfel obţinută se
numeşte σ- algebra Boreliană.
Definim ”măsura” (lungimea) unui element din D prin P0 : D → [0, 1] definită astfel
P0 (a, b) = b − a;
[ X
P0 ( (ai , bi )) = (bi − ai ).
i∈I i∈I
Seria din membrul al doilea este convergentă. Funcţia P0 se poate extinde pe σ- algebra Bore-
liană construită mai sus, cu ı̂ndeplinirea celor două proprietăţi din Definiţia 3.2 obţinând astfel
o funcţie de probabilitate. Această prelungire o numim măsură Lebesgue pe R. Construcţii
asemănătoare se pot face şiı̂n R2 sau R3 .

4. Probabilităţi geometrice

Având cunoscută măsura unui domeniu din R, R2 sau R3 vom avea ı̂n vedere ı̂n cele ce
urmează probleme ce implică probabilităţi geometrice ı̂n care factorul aleator depinde de măsura
domeniului considerat.
Presupunem că un ”punct aleator” se află ı̂ntr-un domeniu posibil E ⊂ Rn , n = 1, 2, 3 iar
probabilitatea ca acesta să se afle ı̂ntr-un anumit domeniu, depinde de mărimea µ (măsura)
 Câmp de probabilitate 19

acestui domeniu; mărimea este o lungime (n = 1), o arie (n = 2) sau respectiv un volum
(n = 3). Probabilitatea ca ”punctul aleator” să se afle ı̂ntr-un domeniu favorabil D ⊂ E este
µ(D)
P (D) = . (25)
µ(E)
Exemplul 4.1. Pe cadranul unui osciloscop, care este un pătrat cu latura a > 0 apare aleator
a
un semnal luminos. Cu ce probabilitate acesta apare la o distanţă d ≤ faţă de centrul
2
ecranului?

Domeniul posibil este interiorul pătratului cu aria a2 . Domeniul favorabil este interiorul cercului
cu centrul 0 şi raza a2 , al cărui centru coincide cu centrul pătratului. Deci
 2
a
π π
P = 2 = .
a2 4


Exemplul 4.2. O bandă magnetică are lungimea de 200 m şi conţine două mesaje ı̂nregistrate
pe două piste; pe prima pistă se află un mesaj de 30 m, iar pe a doua de 50 m, ale căror poziţii
pe bandă nu se cunosc precis. Din cauza unei defecţiuni, după primii 80 m trebuie ı̂ndepărtaţi
10 m de bandă. Găsiţi probabilităţile evenimentelor:
A ”nici o ı̂nregistrare nu este afectată”;
B ”prima ı̂nregistrare este afectată şi a doua nu”;
C ”a doua ı̂nregistrare este afectată şi prima nu”;
D ”ambele ı̂nregistrări sunt afectate”.

Fie x, y coordonata la care poate ı̂ncepe prima respectiv a doua ı̂nregistrare; x ∈ [0, 170],
y ∈ [0, 150]. Pentru ca prima ı̂nregistrare să nu fie afectată, trebuie ca x ∈ [0, 50] ∪ [90, 170],
iar pentru cea de-a doua trebuie ca y ∈ [0, 30] ∪ [90, 150]. Pentru fiecare eveniment considerat
probabilitatea se calculează ca raportul ariei domeniului marcat corespunzător din figură şi aria
domeniului total posibil (vezi figura (2)). 

Exemplul 4.3. Două semnale de lungime τ < 21 sunt transmise ı̂n intervalul de timp (0, 1);
fiecare poate să ı̂nceapă ı̂n orice moment al intervalului (0, 1 − τ ). Dacă semnalele se suprapun,
chiar şi parţial, se distorsionează şi nu pot fi receptate. Găsiţi probabilitatea ca semnalele să
fie recepţionate fără distorsionări. (vezi figura (3)).

Fie x momentul la care poate să ı̂nceapă primul semnal şi y momentul ı̂nceperii celui de-al
doilea. Domeniul posibil este un pătrat de latură 1 − t.
Pentru a nu se distorsiona transmiterea este necesar ca distanţa dintre momentele de ı̂ncepere
ale semnalelor să fie mai mare decât lungimea unui semnal, deci iar domeniul favorabil este
A = { (x, y); |x − y| > t }.
(1 − 2t)2
Probabilitatea cerută este .
(1 − t)2
20 Daniela Roşu

Figure 2

Figure 3