2018 Curs MS seria A, ETTI  Lect.dr.

 Purnichescu‐Purtan Raluca

CURS 1 ‐ 2 
1. EVENIMENTE, SPAȚIU DE SELECȚIE 
 Experienţă aleatoare: o experienţă al cărei rezultat nu poate fi anticipat cu certitudine, el depinzând de 
o serie de factori întâmplători (aleatori).  
 

Exemple: aruncarea unui zar, tragerile la ţintă, durata de funcţionare a unei maşini, etc. 
 
 Probă : rezultatul unei experienţe aleatoare. 
 
 Eveniment  aleator:  orice  rezultat  potențial  al  unei  experiențe  aleatoare,  a  cărui  realizare  poate  fi 
confirmată sau infirmată de o probă. Legat de o anumită experiență, un eveniment poate fi precizat printr‐
o propoziție logică: după ce avem proba, putem afirma că evenimentul a avut loc sau nu printr‐o propoziție 
adevărată sau falsă. 
 
 Cazuri favorabile: mulţimea de cazuri (rezultate) care realizează un anumit eveniment.  
 
 Eveniment sigur: evenimentul care se realizează la orice probă (toate cazurile posibile ale experienţei 
sunt cazuri favorabile ale acestui eveniment). 
 
 Eveniment  imposibil:  evenimentul  care  nu  se  poate  realiza  în  nicio  efectuare  a  experienţei 
(evenimentul  care  nu  are  nici  un  caz  favorabil).  Se  mai  poate  defini  ca  eveniment  cu  mulţimea  cazurilor 
favorabile vidă. Notație:    
 
 Evenimente  elementare  /  compuse:  evenimentele  care  se  pot  realiza  la  o  probă  și  numai  una  se 
numesc evenimente elementare. Evenimentul elementar are un singur caz favorabil. Evenimentele care nu 
sunt elementare se numesc compuse.  
 
 Spaţiu de selecţie: mulţimea tuturor rezultatelor (cazurilor) posibile ale unei experienţe aleatoare. Fie 
  o mulțime nevidă oarecare. Dacă mulțimii    i se poate atașa o experiență aleatoare, convenabil aleasă, 
astfel încât fiecărei submulțimi a lui    să îi corespundă o situație reală în experiența considerată, atunci 
mulțimea    se numește spațiu de selecție (sau mulțime de stări). 
 Submulțimile lui    se numesc evenimente; 
 Elementele lui    se numesc evenimente elementare; 
 Mulțimea    reprezintă evenimentul sigur; 
 Mulțimea vidă reprezintă evenimentul imposibil. 
 
Mulţimea tuturor evenimentelor legate de o experienţă cu un număr finit de cazuri posibile se identifică cu 
familia       a tuturor submulţimilor mulţimii    (mulţimea părţilor lui   ). 

2. OPERAȚII CU EVENIMENTE 
Operațiile cu evenimente se identifică cu operațiile cu mulțimi. 
Considerăm două evenimente   A  şi  B  ale spaţiului de selecţie   . 
 
 Eveniment  implicat  de  un  alt  eveniment:  Fie  A   şi  B două  evenimente  ale  spaţiului  de  selecţie   . 
Spunem  că  evenimentul  A   implică  evenimentul  B   și  scriem  A  B   dacă  orice  caz  care  realizează  A , 
realizează  B  (mulţimea cazurilor favorabile lui  A  este inclusă în mulţimea cazurilor favorabile lui B ). 
Evenimentul imposibil implică orice eveniment (   A , pentru orice eveniment  A ). 
 
 Reuniunea  A  B   („ A   sau  B ”)  este  evenimentul  a  cărui  realizare  înseamnă  realizarea  a  cel  puţin 
unuia dintre evenimentele considerate.  
Definiţia se poate extinde şi la un număr mai mare de evenimente. 
1 
2018 Curs MS seria A, ETTI  Lect.dr. Purnichescu‐Purtan Raluca

 
 Intersecția  A  B   („ A   şi  B ”)  este  evenimentul  a  cărui  realizare  înseamnă  realizarea  ambelor 
evenimente considerate.  
Definiţia se poate extinde şi la un număr mai mare de evenimente. 
 
 Evenimentul  contrar  A   sau  CA   („non A ”)  este  evenimentul  a  cărui  realizare  constă  în  nerealizarea 
evenimentului  A  (mulţimea cazurilor favorabile lui „non A ”  este formată din toate cazurile nefavorabile 
lui  A ). Oricărui eveniment din spațiul de selecție îi corespunde un eveniment contrar. 
 
 Diferența  A \ B   este  evenimentul  care  se  realizează  prin  probe  ale  lui  A   şi  ale  lui  B   (cazurile 
favorabile lui  A  care nu sunt cazuri favorabile şi lui  B ). 
 
 Evenimente  incompatibile:  evenimente  care  nu  se  pot  realiza  împreună  în  nici  o  efectuare  a 
experienţei (realizarea unuia dintre evenimente atrage după sine nerealizarea celuilalt sau altfel spus cele 
două evenimente nu au nici un caz favorabil comun). 
Scriere formală: „ A  implică non B  şi  B implică non A ” ( A  B  şi  B  A ) sau  A  B   . 
 
 Evenimente compatibile: evenimentele care au cel puţin un caz favorabil comun ( A  B   ) 
Corespondența dintre terminologia din teoria mulțimilor și teoria probabilităților: 
 

Teoria mulțimilor  Teoria probabilităților  Notații 

Mulțime totală  Eveniment sigur  
Mulțimea vidă  Eveniment imposibil   
Complementara lui  A   Eveniment contrar lui  A   A  sau  CA  
A  inclus în  B   A  implică  B   A B
A  reunit cu  B   Producerea evenimentului  A  sau a  A B  
evenimentului  B  
A  intersectat cu  B   Producerea evenimentului  A  și a  A B  
evenimentului  B  
A  și  B  disjuncte  A  și  B  incompatibile  A B   
A  și  B nedisjuncte  A  și  B  compatibile  A B    
 

3. CÂMP DE EVENIMENTE, SISTEM COMPLET DE EVENIMENTE 

  ‐ algebră: Fiind dată o mulțime nevidă    , clasa  K ,  K   ,  K       se numește   ‐algebră 

(sau   ‐câmp,   ‐corp) dacă: 
1. pentru   A  K  A  K  
2. pentru orice familie   An n1  K ,   A  K . 
n
n 1
O mulțime  A  K  reprezintă un eveniment. 
 Câmp  de  evenimente:  Cuplul   , K    în  care     este  o  mulțime  nevidă  și  K   este  o   ‐algebră  se 
numeşte câmp de evenimente . 
Câmpul   , K   se numește finit sau infinit după cum mulțimea    este finită sau infinită. 
 
 Sistem  complet  de  evenimente:  O  familie  cel  mult  numărabilă  de  evenimente  A i  iI
  se  numește 

sistem complet de evenimente pe câmpul   , K   dacă: 
1.  Ai  A j   , pentru   i, j  I ,  i  j  
2.   A   
iI
i

2 
2018 Curs MS seria A, ETTI  Lect.dr. Purnichescu‐Purtan Raluca

Observaţie:  Într‐un  câmp  finit  de  evenimente,  mulţimea  tuturor  evenimentelor  elementare  ataşate  unei 
experienţe formează un sistem complet de evenimente. 
 
Exemplu:  Experienței  aruncării  unui  zar  i  se  asociază  un  câmp  finit  de  evenimente:  Evenimentele  Ai =”se 
obține  fața  i ”,  i  1, 6   sunt  evenimentele  elementare  ale  experienței  și  pot  fi  puse  în  corespondență 
bijectivă cu elementele mulțimii    1, 2,3, 4,5, 6 . Orice submulțime a mulțimii    poate fi privită ca un 
eveniment  (evident,     se  identifică  cu  evenimentul  sigur  iar     cu  evenimentul  imposibil).  Astfel, 
experienței aruncării unui zar i se poate atașa mulțimea    și mulțimea părților sale      . 

4. CÂMP DE PROBABILITATE 
Pentru  a  putea  cuantifica  șansele  de  realizare  a  unui  eveniment  aleator  se  folosește  noțiunea  de 
probabilitate.  
Presupunem  că  pentru  o  anumită  experiență  aleatoare  am  definit  spațiul  de  selecție   .  Atunci 
fiecărui eveniment  A  îi putem asocia un număr,  P  A , numit probabilitatea realizării lui  A  (sau simplu, 
probabilitatea lui  A ), fiind o măsură precisă a șanselor ca  A  să se realizeze. 
Riguros,  probabilitatea  poate  fi  definită  în  mai  multe  moduri:  clasic  (apare  pentru  prima  oară  în 
lucrările  lui  P.S.  Laplace),  statistic  (cu  ajutorul  frecvențelor  relative),  geometric,  bayesian  (datorată  lui  T. 
Bayes) sau axiomatic (Kolmogorov).  
În  continuare  vom  prezenta  pe  scurt  trei  dintre  aceste  moduri  de  definire  –    cele  pe  care  le  vom 
folosi pe parcursul lucrării: definiția clasică, statistică și axiomatică. 

4.1. Definiţia clasică a probabilităţii 
Probabilitatea  clasică  este  definită  doar  pentru  cazul  în  care  experiența  aleatoare  are  un  număr  finit  de 
cazuri posibile (totale) și echiprobabile (toate au aceeași șansă de a se realiza).  În acest caz, probabilitatea 
de realizare a unui eveniment  A  este:  
număr cazuri favorabile
P  A   
număr cazuri totale
 

Observație:  În  cazul  experiențelor  aleatoare  cu  un  număr  finit  de  cazuri  totale  și  echiprobabile, 
determinarea  probabilității  unui  eveniment  se  reduce  la  o  problemă  de  numărare  –  și  anume  la 
determinarea numărului de cazuri (totale și favorabile) asociate evenimentului respectiv. 

4.2. Definiţia statistică a probabilităţii 
Probabilitatea  definită  statistic  (numită  și  probabilitate  frecvențială)  exprimă  probabilitatea  cu  ajutorul 
frecvențelor  de  realizare  a  unui  eveniment  într‐un  număr  mare  de  experimente  aleatoare  realizate  în 
aceleași condiții.  
Considerăm  o  experiență  aleatoare  (de  exemplu,  aruncarea  unui  zar)  a  cărei  rezultat  posibil  este 
evenimentul aleator  A  (de exemplu, apariția feței cu 6 puncte). Această experiență o putem efectua de  n  
ori în condiții identice (spunem că efectuăm  n  probe ale experimentului), astfel încât rezultatul unei probe 
să nu influențeze rezultatul alteia (probe independente).  
Numărul  de  realizări  ale  evenimentului  A   în  cele  n   probe  ale  experimentului  se  numește 
vn  A
frecvență  absolută  și  se  notează  cu  vn  A  .  Raportul  f n  A     se  numește  frecvență  relativă  și 
n
este subunitar, pozitiv.  

3 
2018 Curs MS seria A, ETTI  Lect.dr. Purnichescu‐Purtan Raluca


Șirul frecvențelor relative  f n  A  n   are limită și aceasta este definită ca fiind probabilitatea de 
realizare a evenimentului  A , notată  P  A .  

Definiția  statistică  a  probabilității  este  limita  șirului  frecvențelor  relative  de  producere  a 
respectivului eveniment, când numărul de probe tinde la infinit:   P  A   lim f n  A   
n 

4.3. Definiţia axiomatică a probabilităţii 
 (Kolmogorov, 1933):  Se numeşte probabilitate (măsură de probabilitate) pe  câmpul de evenimente 
 , K   o funcție  P : K     care satisface următoarele axiome: 
1.  P     1 ; 
 
2.  pentru orice familie   An n1  K  cu  An  Am    pentru  n  m , avem:  P   A    P  A  . 
n n
 n1  n 1

 Câmp  de  probabilitate   , K , P  :  este  un  câmp  de  evenimente  pe  care  s‐a  definit  o  probabilitate. 
Câmpul  de  probabilitate  este  finit  sau  infinit  după  cum  câmpul  de  evenimente  pe  care  s‐a  definit 
probabilitatea este finit sau infinit. 
 

Proprietăţi ale probabilităţii: 
Considerăm un câmp de probabilitate   , K , P   și  A, B  evenimente din  K . Atunci: 
1.   A  K  0  P  A  1  
2.  P     1  
3.  P     0  

4.  pentru  A, B  K cu  A  B    avem:  P  A  B   P  A   P  B   

           dacă  A  B    avem:  P  A  B   P  A  P  B   P  A  B   

5. pentru  A, B  K cu  B  A  avem:  P  A \ B   P  A  P  B   

    Mai general, pentru  A, B  K avem:  P  A \ B   P  A   P  A  B   

 
6.   A  K  P  A   P A  1  

7. pentru  A, B  K cu  B  A  avem:  P  B   P  A  

 
Observație: Din proprietatea 4. rezultă că pentru orice  A, B  K  avem:  P  A  B   P  A   P  B  , adică 
probabilitatea este o funcție subaditivă.  Acest rezultat se poate generaliza la familii cel mult numărabile.  

4.4. Principiul includerii şi excluderii (Formula lui H. Poincare) 
Extinde şi generalizează proprietatea 4. pentru familii finite de  evenimente compatibile (cu intersecţia 
nevidă). Fie  A1 , A2 ,...., An  evenimente compatibile ( Ai  A j   , pentru  i, j  1, n ). Atunci: 

 n  n n n
 n 
P   Ai    P  Ai    P  Ai  Aj    P  Ai  Aj  Ak   ....   1 P   Ai   
n 1

 i 1  i 1 i , j 1,i  j i , j , k 1,i  j  k  i 1 
 

4 
2018 Curs MS seria A, ETTI  Lect.dr. Purnichescu‐Purtan Raluca

5. INDEPENDENȚĂ ȘI CONDIȚIONARE 
Odată  introdusă  noţiunea  de  probabilitate,  putem  defini  două  noţiuni  importante  în  teoria 
probabilităţilor  şi  anume  noţiunea  de  probabilitate  condiţionată  şi  de  independenţă  în  probabilitate  a 
evenimentelor. 
 
În  multe  situații  practice  este  necesară  calcularea  probabilității  unui  eveniment  A   legat  de  un 
eveniment  B ,  în  ipoteza  că  evenimentul  B   s‐a  realizat.  Pentru  aceasta  restrângem  mulţimea 
evenimentelor care realizează evenimentul  A  la cele care realizează şi evenimentul  B . Pentru ca această 
restricţie să aibă sens este necesar ca evenimentul  B  să fie de probabilitate nenulă. 

Fie   , K , P   un câmp finit de probabilitate şi  A, B  K  cu  P  B   0  (respectiv  P  A  0 ) 

 Numim  probabilitatea  evenimentului  A   condiţionată  de  evenimentul  B (notată  PB  A   sau 

P  A B  ) probabilitatea de realizare a evenimentului  A  în ipoteza că evenimentul  B  s‐a realizat, definită 
prin: 
P  A  B
P  A B   PB  A    
P  B

Observaţie:  Din  definiţia  de  mai  sus  putem  deduce  formula  simetrică  a  probabilității  evenimentului  B  
 
condiţionată de evenimentul  A  (notată  PA  B   sau  P B A ) probabilitatea de realizare a evenimentului  
P  A  B
B în ipoteza că evenimentul  A  s‐a realizat:    P  B A   PA  B    
P  A
Astfel, putem defini intersecţia a două evenimente condiţionate ca fiind: 
 

P  A  B   P  A  PA  B       (sau echivalent  P  A  B   P  B   PB  A ) 
Generalizare: intersecţia a  n  evenimente condiţionate succesiv: 
 

P  A1  A2  ....  An   P  A1   PA1  A2   PA1 A 2  A3   ....  PA1  A 2 .... A n1  An   

 
 

Fie   , K , P   un câmp finit de probabilitate şi  A, B  K . 

 Evenimentele  A  şi  B  sunt independente (în probabilitate) dacă probabilitatea ca unul să se 

realizeze nu depinde de faptul că celălalt s‐a realizat sau nu, adică: 

P  A  B   P  A  P  B   

Definiţie echivalentă: Evenimentele  A  şi  B  cu  P  A  P  B   0  sunt independente dacă şi numai dacă 

are loc una din relaţiile: 

 P  B A  P  B      
P B A  P  B  

P  A B   P  A  
P  A B   P  A  



 
 
 
5 
2018 Curs MS seria A, ETTI  Lect.dr. Purnichescu‐Purtan Raluca

Generalizare:  
Spunem că evenimentele  A1 , A2 ,...., An  sunt independente dacă probabilitatea oricărei intersecţii finite de 
evenimente este egală cu produsul probabilităţilor evenimentelor intersectate, adică: 

     
P Ai 1  Ai 2  ......  Ai k  P Ai 1  P Ai 2  ....  P Ai k    
oricare ar fi  1  i1  i2  ....  ik  n . 

Observație:  Dacă  mai  multe  evenimente  sunt  independente  două  câte  două,    NU  rezultă  că  sunt 
independente în totalitatea lor, așa cum se poate vedea din exemplul următor: 
Tetraedrul lui S.N.Bernstein 
Considerăm un tetraedru omogen cu feţele colorate astfel: una în alb, una în negru, una în roşu şi a patra în 
toate  cele  trei  culori.  Aruncând  tetraedrul  pe  o  masă  el  se  asează  pe  una  din  feţe;  ne  interesează 
probabilitatea apariţei fiecărei culori şi independenţa evenimentelor corespunzătoare.  
 

6. FORMULA PROBABILITĂȚII TOTALE 

Fie   , K , P  un câmp finit de probabilitate,  Ai  K ,  i  1, n , un sistem complet de evenimente şi  B  K  

un eveniment oarecare. Atunci: 
n
P  B    P  Ai   PAi  B   
i 1

     
adică:  P  B   P A1  PA1  B   P A2  PA2  B   ....  P An  PAn  B   
 

7. FORMULA LUI BAYES 
Formula  lui  Bayes,  numită  și  ”teorema  ipotezelor”  permite  calculul  probabilității  condiționate 
PB  Ai  ,  numită  ”probabilitate  a  posteriori”  ,  adică  probabilitatea  de  realizare  a  ipotezei  Ai ,  știind  că 
evenimentul  B  s‐a realizat. 
 

Fie   , K , P  un câmp finit de probabilitate,  Ai  K ,  i  1, n , un sistem complet de evenimente şi  B un 

eveniment oarecare. Atunci: 
P  B  Ai  PA  B   P  Ai 
PB  Ai    i
 
n
P  B
 P  Aj   PA  B 
j 1
j
 

8. INEGALITATEA LUI BOOLE 
Dă  o  margine  inferioară  pentru  probabilitatea  intersecţiei  a  două  evenimente  A   şi  B care  NU  sunt 
independente:  
P  A  B   P  A  P  B   1  
 

Inegalitatea se poate generaliza pentru  n  evenimente  A1 , A2 ,..., An care NU sunt independente: 

P  A1  A2  ...  An   P  A1   P  A2   ....  P  An    n  1 . 
 

6