Capitolul I

Elemente de teoria probabilităţilor
Capitolul 1
1. Fenomene aleatoare
1
2 1.1 Exemple de fenomene aleatoare
În cursul activităţii sale practice omul se loveşte la fiecare pas de

fenomene aleatoare. Exemplul cel mai simplu de fenomene aleatoare este
dat de erorile de măsură. Noi ştim că nu există măsurări absolut precise şi
cu cât instrumentul de măsură este mai precis cu atât acesta este mai
sensibil. Măsurând acelaşi obiect de mai multe ori obţinem mereu rezultate
apropiate, dar diferite. Aşa se explică faptul că rezultatul fiecărei măsurări
conţine o eroare aleatoare şi că rezultatele diferitelor măsurări conţin
diferite erori. În principiu, este imposibil de prevăzut care va fi eroarea în
cursul unei măsurări concrete şi chiar de determinat după măsurare.
Efectuând studiul experimental al unui fenomen oarecare şi sistematizând
rezultatele sub formă de dependenţe grafice, verificăm faptul că punctele
experimentale, dacă sunt suficient de numeroase, nu sunt niciodată pe o
aceiaşi curbă dar se situează într-o bandă sigură. Această dispersie se
explică tot aşa de bine prin erorile de măsurare cât şi prin acţiunea altor
factori perturbatori.
1.2 Obiectul teoriei probabilităţilor
Studiul legilor ce modelează fenomenele aleatoare de masă este

realizat de teoria probabilităţilor. Metodele teoriei probabilităţilor dau
posibilitatea de a efectua calcule şi permit formularea concluziilor practice
determinate de studiul fenomenelor aleatoare. Teoria probabilităţilor, ca
11
toate ştiinţele aplicate, are nevoie pentru modelare, de date experimentale

sigure. Capitolul, din teoria probabilităţilor, care studiază metodele de
tratare a rezultatelor experimentelor şi de extragere a datelor este numit
statistică matematică.
Teoria probabilităţilor este un puternic instrument de cercetare,
deoarece ea se utilizează în multe aplicaţii din domenii foarte variate ale
ştiinţei şi practicii inginereşti. Domeniul său de aplicare se lărgeşte
continuu. Teoria probabilităţilor a pătruns în aerodinamică şi în
hidrotehnică, în radiotehnică, în teoria gestiunii, în teoria
telecomunicaţiilor, în mecanica construcţiilor, în teoria mecanismelor şi
maşinilor, în teoria valurilor şi ruliului naval, în meteorologie, în fiabilitate
şi în numeroase alte domenii de cunoaştere. Este dificil astăzi să numeşti o
ramură a ştiinţei, unde nu se utilizează metode probabilistice. În teoria
modernă a proceselor de control, în radiotehnică teoria probabilităţilor a
devenit principalul instrument de cercetare. Teoria sistemelor complexe
moderne şi a proceselor de control este bazată pe aplicarea metodelor
statistice. Teoria probabilităţilor este fundamentală în domeniul fiabilităţii
sistemelor tehnice precum şi în numeroase alte domenii ştiinţifice.
1.3 Noţiuni fundamentale
Definiţie: numim experiment observarea unui fenomen oarecare

în cursul realizării unui anumit complex de condiţii şi acţiuni care trebuie
să fie riguros verificate de fiecare dată când are loc repetarea experienţei.
Observarea aceluiaşi fenomen in prezenţa altui complex de condiţii
şi acţiuni va fi un alt experiment. Rezultatele experimentului pot fi
caracterizate calitativ şi cantitativ. Componenta calitativă a rezultatelor
unui experiment se reduce la a observa dacă rezultatele experimentului
posedă sau nu o anumită proprietate.
Definiţie: numim eveniment rezultatul calitativ al unui
experiment.
Se spune că "evenimentul a avut loc" sau "evenimentul nu a avut
loc" în urma experimentului. Se pot enumera următoarele exemple de
evenimente:
 A-formarea unui arc electric la întreruperea unui circuit;
 B-apariţia unui defect după un anumit timp de funcţionare;
 C-arderea unui bec la alimentare cu tensiune nominală;
12
Evenimentele vor fi notate cu majuscule latine, de obicei cu

primele litere din alfabet, de exemplu: A, B, C. Dacă se analizează
evenimentele menţionate, se constată că fiecare se poate realiza într-o
măsură diferită. Evenimentul C este mai puţin probabil să se producă decât
evenimentul A sau B.
Definiţie: - evenimentul care nu poate avea loc în cursul
experimentului este numit imposibil şi este notat cu Ø;
- evenimentul care se produce în mod obligatoriu în
cursul experimentului este numit sigur şi este notat cu Ω.
Definiţie: evenimentele A1 , A 2 ,…, A n sunt incompatibile, în
cursul unui experiment dat, dacă două câte două nu poate fi realizate
simultan.
De exemplu, evenimentele: "ţintă atinsă" şi "ţintă ratată" la un tir,
sau "a obţine 1", "a obţine 2" şi "a obţine 3" la aruncarea unui zar, nu pot fi
realizate simultan.
Două evenimente care sunt incompatibile în cursul unui experiment
se pot dovedi compatibile în cursul altui experiment. De exemplu,
evenimentele "ţintă atinsă" şi "ţintă ratată" sunt incompatibile la un singur
tir. Ele însă sunt compatibile dacă experimentul se compune din două
tiruri.
Rezultatul cantitativ al experimentului constă în determinarea
valorilor anumitor mărimi obţinute în urma acestui experiment. Aceste
mărimi pot lua în cursul experimentului diverse valori care înaintea
experimentului nu pot fi prevăzute.
Definiţie: numim variabilă aleatoare rezultatul cantitativ al unui
experiment.
Exemple de variabile aleatoare pot fi: erorile şi rezultatele
măsurărilor, durata de funcţionare fără defecţiune a unui instrument sau
dispozitiv, înălţimea şi greutatea unei persoane aleasă la întâmplare,
coordonatele punctului de impact la un tir, de câte ori se atinge ţinta în
cursul a "n" tiruri.
Variabilele aleatoare se notează cu litere mari, în general cu
ultimele litere din alfabetul latin, iar valorile lor concrete cu literele mici
corespunzătoare. De exemplu, notăm variabilele aleatoare cu X, Y, Z şi
valorile lor concrete, obţinute în urma experimentului respectiv, cu x, y, z.
Aceste valori sunt numite valorile posibile sau realizările variabilelor X, Y,
Z.
13
1.4 Spaţiul evenimentelor elementare
Un eveniment elementar "ω" reprezintă o mulţime formată dintr-un

singur element (singleton)
Definiţie: mulţimea tuturor evenimentelor elementare, asociată
unui experiment dat, este numită spaţiul evenimentelor elementare sau
spaţiul fundamental şi este notată de obicei Ω.
Un element "ω" din mulţimea Ω, reprezentând un punct al spaţiului
Ω, este numit un rezultat al experimentului sau o încercare.
Fiecare eveniment reprezintă un anumit ansamblu de evenimente
elementare. Evenimentul sigur reprezintă mulţimea tuturor evenimentelor
elementare. Evenimentul imposibil Ø reprezintă mulţimea vidă.
Exemplu
1) Spaţiul fundamental al jocului "cap sau pajură" este Ω = {C, P};
2) Spaţiul fundamental al jocului "cap sau pajură" repetat de trei ori
este: Ω = { 1 ,  2 , 3 ,  4 , 5 ,  6 ,  7 , 8 }, cu
1 = (C, C, C),  2 = (C, C, P), 3 = (C, P, C),  4 = (P, C, C)
5 = (C, P, P),  6 = (P, C, P),  7 = (P, P, C), 8 = (P, P, P).
3) Spaţiul fundamental al jocului "cap sau pajură" repetat la infinit
este Ω = {C, P} N .
4) Spaţiul fundamental al unei experienţe aleatoare, de exemplu:
"durata de viaţă a unui aparat", este fie: Ω = N (în timp discret: zile, luni,
etc.), fie Ω = R+ (în timp continuu).
2. Operaţii cu evenimente
2.1 Reuniunea a două evenimente
Definiţie: se numeşte reuniune sau sumă a două evenimente A şi

B, evenimentul complex corespunzător apariţiei cel puţin a unuia din
evenimentele A şi B.
Reuniunea a două evenimente A şi B este notată AUB sau AVB.
Pentru două evenimente incompatibile A şi B se utilizează notaţia A + B.
Reuniunea evenimentelor A şi B este exprimată "A sau B".
14
Pentru toate perechile de evenimente A şi B, realizarea unuia sau a

altuia dar nu a ambelor se numeşte operaţia de reuniune exclusivă. Ea este
notată AΔB.
Exemplu
În exemplul 2 din paragraful precedent se consideră următoarele
evenimente:
A: Să obţinem "cap" de cel puţin două ori; A este descris de mulţimea
{ 1 ,  2 , 3 ,  4 };
B: Să obţinem de trei ori "pajura"; B este descris de un singur element {
8 }. Atunci AB = { 1 ,  2 , 3 ,  4 , 8 }
2.2 Intersecţia a două evenimente
Definiţie: se numeşte intersecţie sau produs a două evenimente A

şi B realizarea lor simultană. Intersecţia evenimentelor A şi B este notată A
 B sau AΛB sau succint AB. Intersecţia evenimentelor A şi B este
exprimată "A şi B".
Exemplu
În exemplul precedent intersecţia evenimentelor A şi B este vidă. Ecuaţia:
A  B = Ø semnifica faptul ca evenimentele A şi B sunt incompatibile (sau
că mulţimile A şi B sunt disjuncte).
2.3 Reuniunea şi intersecţia unui număr

oarecare de evenimente
Definiţie: se numeşte reuniune sau sumă a mulţimii

evenimentelor A s , sS, notată
A s sau  A s (pentru evenimentele incompatibile),
sS sS
realizarea cel puţin a unuia dintre evenimentele A s , sS .
Definiţie: se numeşte intersecţie (sau produs) a mulţimii
evenimentelor A s , sS, notată
A s ,
sS
realizarea simultană a tuturor acestor evenimente.
15
În aceste definiţii, mulţimea S –mulţimea valorilor indicilor s – este

finită, numărabilă sau nenumărabilă.
Operaţiile de reuniune şi de intersecţie a evenimentelor, posedă
proprietăţi analoage celor de adunare şi de înmulţire a numerelor. De
exemplu:
- reuniunea şi intersecţia evenimentelor sunt comutative:
A U B = B U A, AB = BA . (1.1)
- reuniunea şi intersecţia evenimentelor sunt asociative:
(A U B ) U C = A U (B U C) = (A U C) U B = A U B U C,
(AB) C = A (BC) = (AC) B = ABC . (1.2)
- reuniunea şi intersecţia evenimentelor sunt distributive:
( A U B ) C = AC U BC . (1.3)
Toate aceste proprietăţi rezultă direct din definiţiile operaţiilor de
reuniune şi de intersecţie a evenimentelor. Astfel, (A U B)C reprezintă
realizarea intersecţiei evenimentului C cu evenimentul A, sau cu
evenimentul B. Evenimentul (AC) U (BC) corespunde realizării sau a lui C
cu A, sau a lui C cu B.
Proprietăţile operaţiilor de adunare şi înmulţire a numerelor nu sunt
întotdeauna valabile pentru reuniunea şi intersecţia evenimentelor. De
exemplu, evenimentele A U A şi AA coincid în mod evident cu A. În
consecinţă, A U A = AA = A pentru orice eveniment A.
2.4 Diferenţa a două evenimente
Definiţie: se numeşte diferenţa a două evenimente A şi B

realizarea evenimentului A şi nerealizarea evenimentului B. Diferenţa
evenimentelor A şi B este notată A - B şi este egală cu intersecţia A  B .
2.5 Evenimente contrare
Definiţie: numim eveniment contrar evenimentului A, şi îl notăm

A , nerealizarea evenimentului A. Acesta este realizat când A nu este
realizat. Se vede uşor că evenimentul A este contrar evenimentului A .
16
AA . (1.4)
Este evident că evenimentele contrare sunt incompatibile şi că
reuniunea lor reprezintă un eveniment sigur:
A A  , A A   . (1.5)
Este clar că:
A U  = A, A = , A U  = , A = A . (1.6)
Exemplu
1) Evenimentele "ţintă atinsă" şi "ţintă ratată" în timpul unui tir sunt
evenimente contrare;
2) Pana unui dispozitiv într-un interval de timp dat şi buna sa
funcţionare în cursul aceluiaşi interval de timp sunt evenimente contrare.
2.6 Implicaţia
Când evenimentul A nu poate fi realizat fără ca evenimentul B să

fie realizat de asemenea, atunci spunem că evenimentul A implică
evenimentul B şi se notează AB.
2.7 Proprietăţile operaţiilor cu evenimente
1) Se vede uşor că pentru două evenimente oarecare A şi B,

evenimentul A U B este contrar evenimentului AB.
A  B  AB . (1.7)
Intr-adevăr evenimentul A U B este realizarea cel puţin a unuia
dintre evenimentele A , B ceea ce este echivalent cu nerealizarea lui AB.
În general, pentru mulţimea de evenimente A s , sS, avem:
A s  A s . (1.8)
sS sS
2) Evenimentul A ∙ B reprezintă realizarea lui A şi B , adică

contrariul realizării a cel puţin unuia din evenimentele A sau B:
A  B  A B . (1.9)
În general pentru orice mulţime de evenimente A s , sS, avem:

17
A s  A s . (1.10)
sS sS
Ultimele patru formule exprimă principiul dualităţii: operaţiile de

reuniune şi de intersecţie sunt interschimbabile când se trece la evenimente
contrare (relaţiile lui De Morgan).
3) Formula care exprimă descompunerea oricărui eveniment A în
două evenimente incompatibile este:
A  A  A ( B  B)  AB  A B . (1.11)
4) Dacă evenimentul A implică evenimentul B şi de asemenea
evenimentul B implică evenimentul A atunci ele sunt numite echivalente:
B  A şi A  B  A=B. (1.12)
5) Dacă BA, atunci:
AB = B , (1.13)
AUB=A (1.14)
şi formula (1.11) se scrie
A  B  AB . (1.15)
3. Probabilitate
3.1 Frecvenţa unui eveniment. Frecvenţa condiţionată
Dacă în timpul repetării unui experiment, un eveniment se produce

mai frecvent decât altul, putem spune că primul este mai probabil decât al
doilea. Pentru compararea evenimentelor este necesar să presupunem că
experimentul dat poate fi repetat la nesfârşit.
Definiţie: numim frecvenţa unui eveniment raportul dintre
numărul realizărilor sale şi numărul tuturor experimentelor efectuate.
Astfel, dacă in cursul a "n" experimente, evenimentul A a fost
realizat de "m" ori, atunci frecvenţa sa în această serie de experimente este
de "m/n".
m nr.de.realizari
f (A)  
n nr.de. exp erimente
18
În anumite cazuri frecvenţa unui eveniment trebuie să fie

determinată în prezenţa unei condiţii complementare, conform căreia a
avut loc un alt eveniment. Pentru determinarea frecvenţei evenimentului A,
în condiţia în care a fost realizat evenimentul B, nu trebuie să se ţină cont
de toate experimentele realizate, ci numai de cele în cursul cărora
evenimentul B a avut loc.
Astfel, dacă în cursul a "n" experimente realizate, evenimentul B a
apărut de "m" ori şi dacă pentru "k" din "m" experimente a fost realizat
evenimentul A, atunci frecvenţa evenimentului A, cu condiţia ca
evenimentul B să fie realizat, este egală cu raportul "k/m".
k/n k
f (A / B)  
m/n m
Definiţie: frecvenţa evenimentului A, calculată ţinând cont de

experimentele în cursul cărora s-a realizat evenimentul B, se numeşte
frecvenţă condiţionată a evenimentului A în raport cu evenimentul B.
După ce s-au dat definiţiile corespunzătoare, se poate trece la
studiul principalelor proprietăţi ale frecvenţei evenimentelor.
1. Frecvenţa oricărui eveniment A este un număr pozitiv care nu
depăşeşte 1, frecvenţa unui eveniment imposibil este egală cu
0, iar frecvenţa unui eveniment sigur este egală cu 1.
0  f (A)  1 , f() = 0, f() =1;
2. Frecvenţa de apariţie a evenimentelor incompatibile A, B este
egală cu suma frecvenţelor lor.
f ( A  B)  f ( A )  f ( B), dacă AB 
3. Frecvenţa de realizare simultană a două evenimente A şi B este

egală cu frecvenţa unuia dintre ele multiplicată cu frecvenţa
condiţionată a celuilalt.
f(AB) = f(A)f(BA)
19
Noţiunea de frecvenţă este utilizată foarte des pentru reprezentarea

distribuţiei unor rezultate experimentale, realizându-se histograma
experimentului (fig.1.1). În acest scop se împarte domeniul valorilor
obţinute în cadrul experimentului în intervale de lungime egală
 x1 , x 2 ,.......x k ....... şi se calculează frecvenţa de apariţie a
valorilor experimentale din fiecare interval {f̂1 , f̂ 2 ,........f̂ k .....} .

f 
fk
0 x1 xk x
Fig.1.1 Histograma unui experiment.
3.2 Câmp de evenimente
Definiţie: totalitatea evenimentelor asociate unui experiment,

pentru care sunt definite probabilităţile corespunzătoare, este denumit
câmp de evenimente şi este notat cu F.
Câmpul de evenimente F trebuie să aibă proprietăţi bine definite.
Proprietăţi:
1) Dacă probabilitatea este definită pentru un eveniment A, atunci
este definită şi pentru evenimentul contrar A . Putem spune că:
dacă AF atunci A F
2) Dacă probabilitatea este definită pentru evenimentele A şi B,
aceasta este definită şi pentru produsul evenimentelor AB. Aceasta
înseamnă că mulţimea F trebuie să conţină pe lângă fiecare cuplu de
evenimente A şi B şi intersecţia lor AB. Putem spune că:
dacă A, BF, atunci ABF
20
Câmpul de evenimente F care are cele două proprietăţi enumerate

mai sus este o algebră de evenimente.
Există şi alte proprietăţi ale câmpului de evenimente ce decurg din
definiţia sa ca algebră de evenimente.
Proprietăţi:
a) Presupunem că A şi B sunt două evenimente oarecare care
aparţin unui câmp. Prin definiţie, cele două evenimente contrare A şi B
şi intersecţia lor, aparţin câmpului F. Atunci şi evenimentul A  B contrar
evenimentului A ∙ B aparţine de asemenea câmpului F. Conform
principiului dualităţii, evenimentul contrar intersecţiei A ∙ B coincide cu
reuniunea evenimentelor contrare evenimentelor A şi B , adică cu
evenimentul A U B. În consecinţă,
dacă A,BF, atunci A U BF.
b) Pentru toate evenimentele AF avem A F. Din această

proprietate rezultă că un câmp de evenimente F conţine evenimentul sigur
Ω:
Ω = A U A F
c) În virtutea proprietăţii de asociativitate a operaţiilor de

intersecţie şi de reuniune a evenimentelor, câmpul de evenimente F
conţine toate reuniunile şi intersecţiile finite ale evenimentelor care îl
compun.
d) Câmpul F conţine evenimentul imposibil Ø ca eveniment
contrar evenimentului sigur Ω.
e) Un câmp de evenimente F trebuie să conţină nu numai
reuniunile finite ale evenimentelor care îl compun dar, de asemenea, şi
reuniunile infinite. Astfel putem spune că:

A k  F dacă Ak  F ( k = 1, 2, . . . ).
k 1
O algebră de evenimente care posedă şi proprietăţile a)  e) este
numită o σ - algebră sau un câmp borelian de evenimente.
Este evident că o σ - algebră conţine de asemenea toate intersecţiile
în număr infinite ale evenimentelor care o compun. Aceasta decurge direct
din principiul de dualitate pentru cazul unei mulţimi infinite de
evenimente.
21
3.3 Axiomele teoriei probabilităţilor

Am făcut cunoştinţă cu noţiunea de frecvenţă a unui eveniment.
Tocmai de aceea este normal să ne imaginăm că probabilităţile trebuie să
aibă toate proprietăţile frecvenţelor conform definiţiei lor. Pentru
probabilităţi, aceste proprietăţi nu pot fi demonstrate pe un caz general.
Tocmai de aceea principalele proprietăţi ale probabilităţilor trebuie
adoptate în calitate de axiome.
Definiţie: O probabilitate P este o aplicaţie P: F  [0,1] care
verifică axiomele următoare:
Axioma 1: Pentru toate evenimentele AF:
P(A)  0. (1.16)
Axioma 2: Probabilitatea evenimentului sigur este egală cu 1:
P () = 1 . (1.17)
Axioma 3: ( axioma de aditivitatee a probabilităţilor ). Pentru
toate familiile infinite de evenimente A 1 , A 2 , ……., incompatibile două
câte două, ( A k ∙ A h = Ø, când k  h), avem:
 
P n 1 A n  n 1 P(A n ) . (1.18)
Elaborarea teoriei probabilităţilor, pe baza celor trei axiome

prezentate mai sus, aparţine lui (Kolmogorov A. N, 1933) ale cărui lucrări
au pus bazele teoriei moderne a probabilităţilor în calitate de ştiinţă
matematică modernă.
3.3.1 Rezultatele echiprobabile ale experimentului
Exemplul unui experiment legat de aruncarea unei monezi arată că

probabilităţile anumitor evenimente pot fi, cu uşurinţă, determinate direct.
Considerăm schema generală a experimentului de acest gen. Presupunem
că experimentul are "n" rezultate posibile şi că nu avem nici un motiv să
considerăm că, în repetarea la infinit a experimentului, un rezultat oarecare
poate fi mai frecvent decât altul. În acest caz, probabilitatea fiecărui
rezultat este evident egală cu 1/n, întrucât frecvenţele lor trebuie să se
stabilească în jurul aceluiaşi număr în cursul repetiţiei şi suma lor trebuie
22
să fie egală cu 1. În alţi termeni, acest experiment are "n" rezultate

echiprobabile.
În exemplul nostru cu aruncarea unei monezi, există două rezultate
echiprobabile de acelaşi gen, apariţia "capului" şi apariţia "pajurei", iar
probabilitatea fiecăruia este egală cu 1/2.
3.3.2 Schemă de probabilitate
Presupunem acum că în prezenţa a "n" rezultate echiprobabile ale
experimentului, suntem interesaţi de un eveniment oarecare A asociat la
"m" din aceste "n" rezultate în aşa fel încât pentru fiecare din aceste "m"
rezultate, A este cu siguranţă realizat şi că el nu poate fi realizat pentru nici
un altul din cele "n-m" rezultate rămase. În acest caz ne dăm cu uşurinţă
seama că probabilitatea evenimentului A este egală cu raportul m/n.
Spunem că experimentul dat are "n" rezultate din care "m" favorizează
evenimentul A. Probabilitatea evenimentului A este atunci egală cu
raportul dintre numărul de cazuri ce favorizează evenimentul A şi numărul
tuturor cazurilor incompatibile echiprobabile: P(A) = m/n.
Exemplu
1) Experimentul constă în aruncarea unui zar. Acest experiment
prezintă 6 cazuri posibile, care corespund apariţiei numerelor 1, 2, 3, 4, 5,
6. Cum noi nu avem nici un motiv să presupunem că, de exemplu: numărul
2 poate să apară mai des decât numărul 5, probabilitatea apariţiei unui
număr dat pe o faţă a zarului, de exemplu 2, este egală cu 1/6. Considerăm
acum:
- evenimentul A care este: apariţia unui număr par;
- evenimentul B care este: apariţia unui număr multiplu de 3;
- evenimentul C care este: apariţia unui număr ≥ 3.
Trei cazuri favorizează evenimentul A: apariţia lui 2, 4 şi 6, de
aceea P(A) = 3/6 = = 1/2. Două cazuri favorizează evenimentul B: apariţia
lui 3 şi 6, de aceea P(B) = 2/6 = 1/3. Patru cazuri favorizează evenimentul
C: apariţia lui 3, 4, 5 şi 6, de aceea P(C) = 4/6 = = 2/3.
2) O urnă conţine 10 bile identice, dintre care 3 sunt albe şi 7 sunt
negre. Amestecăm cu grijă bilele şi apoi extragem o bilă din urnă. Care
este probabilitatea apariţiei unei bile albe?
În cazul de faţă nu avem nici un motiv să presupunem că în
momentul repetării experimentului o anumită bilă va apare mai des decât
alta. De exemplu, dacă bilele erau numerotate de la 1 la 10 astfel încât, ar
23
fi imposibil să distingem bilele prin atingere, atunci nu avem nici un motiv

să presupunem că bila numărul 1 poate apare în timpul repetării
experimentului mai des decât bila numărul 2, sau bila numărul 3 etc.
Tocmai de aceea se consideră că în acest experiment există 10 cazuri
echiprobabile. Trei dintre acestea favorizează evenimentul "bilă albă” şi
şapte dintre ele evenimentul "bilă neagră". Probabilitatea apariţiei unei bile
albe este egală cu 0,3 şi probabilitatea apariţiei unei bile negre este egală
cu 0,7.
3.4 Spaţiul de probabilitate
Definiţie: spaţiul evenimentelor elementare Ω, la care se adaugă

algebra F şi se asociază probabilitatea P definită pe F, este numit spaţiu de
probabilitate şi este notat: (Ω, F, P).
Corespondenţa intre evenimentele unei mulţimi de evenimente şi
probabilităţile sale este numită de obicei distribuţie de probabilitate.
Astfel, probabilitatea P(A) este funcţie de evenimentul AF şi defineşte
distribuţia probabilităţilor pe F.
3.5 Proprietăţile probabilităţilor
Vom studia acum proprietăţile probabilităţilor care decurg din

axiomele pe care noi le-am adoptat.
Proprietăţi:
1) Fie Ø evenimentul imposibil dat. El este incompatibil cu toate
celelalte evenimente. Fie A un eveniment oarecare, atunci:
AØ = Ø şi P(AØ) = P(A) +P(Ø) (a)
Pe de altă parte, cum A U Ø = A (reuniunea cu evenimenul
imposibil nu modifică evenimentul A), atunci:
P(AØ) = P(A) (b)
Din (a) şi (b) rezultă că probabilitatea evenimentului imposibil este
egală cu 0:
P(Ø) = 0 (1.19)
24
2) Dacă BA, atunci punând A sub forma descompunerii în două

evenimente incompatibile, A = B  A B obţinem, ţinând cont de relaţia
(1.15), că P(A) = P(B) + P(A B ). Rezultă că:
dacă B  A atunci P(B)  P(A). (1.20)
Deci, dacă evenimentul B implică evenimentul A, atunci
probabilitatea evenimentului B nu poate fi superioară probabilităţii
evenimentului A.
3) Cum toate evenimentele A nu pot fi realizate decât cu
evenimentul sigur Ω, A = AΩ  Ω, atunci, nici un eveniment nu poate
avea o probabilitate superioară probabilităţii evenimentului sigur, adică
mai mare ca 1. Astfel, probabilitatea tuturor evenimentelor aparţine
intervalului [0,1]:
0  P(A)  1. (1.21)
4) Reprezentând reuniunea evenimentelor compatibile A 1 ,…, A n
sub forma unei reuniuni de evenimente incompatibile:
n
A i  A1  A 2  A1  A 3  A1  A 2 ...  A n  A1  ...  A n 1 , (1.22)
i 1
în baza relaţiei (1.15) rezultă că:

 n 
P A i   P( A1 )  P( A 2 A1 )  P( A 3 A 1 A 2 )  ...  P ( A n A1 ...A n 1 ).
 i 1 
(1.23)
5) Cum A 2 A 1  A 2 , A 3 A 1 A 2  A 3 ,… …, A n A 1 ...A n 1
 A n , atunci:
P(A 2 A1 )  P( A 2 ),.........., P( A n A1 ...A n 1 )  P( A n ), (1.24)
şi obţinem:
 n  n
P A i    P( A i ). (1.25)
 i 1  i 1
6) Aplicând formula (1.23) pentru două evenimente A 1 = A şi A 2
=B, obţinem formula de calcul a probabilităţii reuniunii evenimentelor
compatibile:
P(A  B)  P( A )  P(BA ). (1.26)
25
Pe de altă parte, pe baza formulei B = (BA)(B A ) rezultă că P(B)

= P(AB) + P(B A ). Utilizând această relaţie şi înlocuind-o în relaţia
precedentă, obţinem că:
P(A U B) = P(A) + P(B) – P(AB). (1.27)
Astfel, am determinat teorema de adiţie a probabilităţilor:
probabilitatea reuniunii a două evenimente oarecare este egală cu suma
probabilităţilor lor minus probabilitatea intersecţiei lor.
3.6 Grup complet de evenimente
Definiţie: mulţimea de evenimente { A k } este numită grup

complet de evenimente dacă:
- evenimentele sunt incompatibile doua cate doua;
- reuniunea evenimentelor A 1 ,…., A n , n   este un eveniment
sigur
n
A k = . (1.28)
k 1
Rezultă, din axioma de adiţie a probabilităţilor, că dacă

evenimentele A1 ,…., A n , sunt incompatibile două câte două şi formează
un grup complet, atunci suma probabilităţilor lor este egală cu 1.
n
 P ( A i )  1. (1.29)
i 1
Două evenimente contrare sunt incompatibile şi formează un grup

complet. Tocmai de aceea din relaţia (1.29) rezultă că suma
probabilităţilor evenimentelor contrare este egală cu 1:
P(A)  P(A)  1 . (1.30)
Această formulă este foarte importantă în practică. În numeroase
probleme, probabilitatea evenimentului care ne interesează este dificil de
calculat, atunci, se calculează cu uşurinţă probabilitatea evenimentului
contrar. Folosind formula (1.30) găsim probabilitatea evenimentului care
ne interesează.
3.7 Probabilităţi condiţionate
26
3.7.1 Probabilitate condiţionată
Definiţie: numim probabilitate condiţionată a evenimentului A în

raport cu evenimentul B, unde P(B) > 0, raportul dintre probabilitatea
intersecţiei evenimentelor A şi B şi probabilitatea evenimentului B şi o
notăm P(A|B):
P(A|B) = P(AB) / P(B). (1.31)
Această definiţie a probabilităţii condiţionate, permite extinderea
de o manieră evidentă a teoremei produsului frecvenţelor, la cazul
probabilităţilor:
P(AB) = P(A) P(B|A) = P(B) P(A|B) . (1.32)
Astfel, probabilitatea realizării simultane a două evenimente este
egală cu probabilitatea unuia dintre ele, multiplicată cu probabilitatea
condiţionată a celuilalt.
Din definiţia (1.31) se poate arăta că probabilităţile condiţionate ale
diferitelor evenimente, în raport cu un acelaşi eveniment B, P(B)  0,
verifică axiomele 1, 2 şi 3. În consecinţă, toată teoria prezentată va fi
valabilă şi pentru probabilităţile condiţionate.
Din definiţia (1.31) mai rezultă că:
- dacă A şi B sunt incompatibile (AB = Ø) atunci P(AB) = 0 şi
în consecinţă P(A|B) = 0;
- dacă BA atunci P(AB) = P(B) şi P(A|B) = 1;
- dacă AB atunci P(A|B) = P(A)/P(B).
Din relaţia (1.32) rezultă că probabilitatea realizării simultane a
unui număr oarecare de evenimente este egală cu probabilitatea unuia
dintre ele multiplicată cu probabilitatea condiţionată a altui eveniment în
raport cu primul, multiplicată cu probabilitatea condiţionată a celui de-al
treilea eveniment în raport cu intersecţia primelor două, etc. multiplicată
cu probabilitatea condiţionată a ultimului eveniment în raport cu
intersecţia tuturor evenimentelor precedente:
P(A1A2 . . .An ) = P(A1) P(A2 | A1)P(A3 | A1A2)……
…..P(An | A1A2 . . . An-1) (1.33)
Exemplu
27
1) O urnă conţine 12 bile, dintre care 5 sunt albe şi 7 sunt negre.

Extragem din urnă 2 bile. Găsiţi probabilitatea ca două bile să fie albe.
Introducem evenimentele: A "prima bilă este albă", B "a doua bilă
este albă". Avem P(A) = 5/12, P(B|A) = 4/11, şi conform formulei (1.32):
P(AB) = (5/12)∙(4/11) = 5/33
2) O urnă conţine 16 bile, dintre care 5 sunt albe, 7 sunt negre şi 4
sunt roşii. Găsiţi probabilitatea ca între cele 4 bile extrase din urnă, prima
să fie albă, a doua să fie neagră şi celelalte două să fie roşii.
Introducem evenimentele: A 1 "prima bilă este albă", A 2 "a doua
bilă este neagră", A 3 "a treia bilă este roşie", A 4 "a patra bilă este roşie".
Obţinem atunci:
P( A 1 ) = 5/16, P( A 2 | A 1 ) = 7/15, P( A 3 | A 1 A 2 ) =
= 4/14, P( A 4 | A1 A 2 A 3 ) = 3/13
şi vom avea:
5 7 4 3
P( A 1 A 2 A 3 A 4 ) =    = 1/104
16 15 14 13
Pentru a verifica că această probabilitate nu depinde de ordinea în care
luăm evenimentele, considerăm aceste evenimente în altă ordine, de
exemplu A 3 , A 1 , A 4 şi A 2 . Obţinem atunci P( A 3 ) = 4/16, P( A 1 |
A 3 ) = 5/15, P( A 4 | A 3 A 1 ) = 3/14, P( A 2 | A 3 A 1 A 4 ) = 7/13 şi P( A 3
A 1 A 4 A 2 ) = (4/16)(5/15)(3/14)(7/13) = 1/104.
3) În teoria fiabilităţii numim de obicei fiabilitate -p(t)- probabilitatea
funcţionării fără defect a unui dispozitiv din momentul t = 0 până la
momentul "t". O caracteristică iniţială a dispozitivului este intensitatea
defectelor:
p( t  t | t )
  lim , (1.34)
 t 0 t
Aceasta reprezintă limita raportului dintre probabilitatea evenimentului
-defectarea dispozitivului în cursul intervalului de timp (t, t+Δt)-
condiţionată de evenimentul -dispozitivul a funcţionat fără defecţiune până
la momentul "t"- şi valoarea acestui interval, când Δt  0. In general
intensitatea defectelor "λ" se determină experimental şi este cunoscută.
Problema devine: cunoscând intensitatea defectelor λ = λ(t), să
găsim funcţia de fiabilitate p(t). Pentru a rezolva această problemă
considerăm:
28
- evenimentul A "defectarea dispozitivului în cursul intervalului de

timp (t, t + Δt)";
- evenimentul B "funcţionarea fără defecţiune până la momentul t";
- evenimentul C "funcţionarea fără defecţiune a dispozitivului până
la momentul t + Δt".
Evenimentul C poate fi exprimat cu ajutorul evenimentelor A şi B. Pentru
ca dispozitivul să funcţioneze fără defecţiune până la momentul t + Δt,
trebuie ca el să funcţioneze fără defecţiune până la momentul "t" şi să
funcţioneze în continuare fără defecţiune în cursul intervalului cuprins
între "t" şi t + Δt. Deci, evenimentul C reprezintă intersecţia a două
evenimente: evenimentul B şi evenimentul contrar lui A, C = B A .
Rezultă, conform formulei (1.31) că:
P (C)  P ( B) P ( A | B) . (I)
unde P(B), probabilitatea funcţionării fără defecţiune a sistemului până la
momentul t, este funcţia de fiabilitate necunoscută p(t):
P(B) = p(t) . (II)
Probabilitatea P(C), adică probabilitatea funcţionării fără defecţiune a
dispozitivului până la momentul (t + Δt), este:
P(C) = p(t+t) . (III)
În sfârşit P(A|B) reprezintă probabilitatea condiţionată a defectului
dispozitivului în cursul intervalului de timp (t, t+Δt), care poate fi
exprimată în funcţie de intensitatea de defectare a dispozitivului "λ" prin
formula:
P(A | B) = p(t+t | t) = t + o(t),
unde o(Δt) semnifică, ca de obicei, un infinit mic de ordin superior al lui
Δt. Probabilitatea condiţionată a evenimentului contrar este:
P ( A | B )  1  t  o( t ). (IV)
Înlocuind expresiile (II), (III), (IV) în (I), obţinem:

p(t+t) = p(t) ( 1  t ) + o(t).
29
Izolăm p(t) în primul membru, apoi împărţim toţi termenii la Δt, şi trecem
la limită când Δt  0. Vom avea atunci în primul membru derivata lui p(t).
Obţinem pentru funcţia de fiabilitate ecuaţia diferenţială:
 (t ) .=   p(t) .
p (V)
Condiţia iniţială pentru funcţia de fiabilitate p(t) este - dispozitivul
este în stare de funcţionare la momentul iniţial, altfel spus p(0) = 1. Se
poate verifica cu uşurinţă, prin substituţie directă, că soluţia ecuaţiei (V),
cu condiţia p(0) = 1 la momentul iniţial, este :


t 

p( t )  exp   d . (VI)

 0 

4) Care este probabilitatea ca doi copii ai unei familii să fie băieţi,
ştiind că cel puţin unul este băiat?
Spaţiul fundamental este Ω = {FF, FB, BF, BB} cu P(FF) = P(FB) = P(BF)
= P(BB) = 1/4. Evenimentele cunoscute sunt:
- A: "doi copii sunt băieţi" = {BB};
- B: "cel puţin unul dintre copii este băiat" ={FB, BF, BB}.
Observăm că AB şi în consecinţă P(A|B) = P(A) / P(B) = 1/3.
3.7.2 Evenimente independente, evenimente

dependente
Definiţie: două evenimente sunt independente dacă realizarea

unuia dintre evenimente nu modifică probabilitatea celuilalt:
Evenimentele A şi B sunt numite dependente dacă realizarea unuia dintre
ele modifică probabilitatea celuilalt.
Pentru două evenimentele independente A şi B se verifică relaţiile:
P(AB) = P(A)P(B) . (1.35)
P(A | B) = P(A), P(B | A) = P(B). (1.36)
Este evident că pentru independenţa evenimentelor A şi B este suficientă
una din egalităţile (1.36), cealaltă fiind automat verificată.
Pentru două evenimentele dependente A şi B egalităţile (1.36) nu se
mai verifică:
P(A | B)  P(A) , P( B | A)  P(B). (1.37)
30
Este evident că două evenimente incompatibile A şi B sunt

întotdeauna dependente, pentru că realizarea unuia dintre ele implică
nerealizarea celuilalt şi P(A|B) = P(B|A) = 0.
În general, o familie finită sau infinită de evenimente ( A i , iI)
este numită independentă dacă, pentru toate submulţimile finite J din I, are
loc relaţia:
P ( A j )   P( A j ) . (1.38)
jJ jJ
Observaţii:
- pentru independenţa evenimentelor A 1 ,…, A n , independenţa lor
două câte două este necesară, dar nu suficientă;
- dacă A şi B sunt două evenimente independente, atunci, de
asemenea evenimentele A şi B, A şi B , A şi B sunt independente.
Exemplu
Fie o experienţă aleatoare descrisă prin (Ω, F, P) cu Ω = {abc, acb, bac,
bca, cab, cba, aaa, bbb, ccc}şi P probabilitate uniformă pe Ω, (pentru orice
ωΩ, P({ω}) = 1/9). Considerăm următoarele trei evenimente A k =
{litera k este un "a"}, k=1, 2, 3. Sunt ele independente?
Avem: P( A 1 ) = P({abc, acb, aaa}) = 3/9;
P( A 2 ) = P({bac, cab, aaa}) = 3/9;
P( A 3 ) = P({bca, cba, aaa}) = 3/9.
P( A 1 A 2 ) = P({aaa}) = 1/9, sau P( A 1 )P( A 2 ) = 1/9. La fel, avem P( A 2
A 3 ) = P( A 2 )P( A 3 ) = 1/9, P( A 3 A 1 ) = P( A 3 )P( A 1 ) = 1/9. Pe de altă
parte P( A1 A 2 A 3 )  P( A 1 )P( A 2 )P( A 3 ). În concluzie evenimentele
A 1 , A 2 şi A 3 nu sunt independente.
3.7.3 Teorema produsului probabilităţilor
Considerăm cazul evenimentelor independente A1 ,…, A n . Dacă

evenimentele A1 ,…, A n sunt independente, atunci:
- evenimentul A n şi evenimentele A1 ,…, A n 1 sunt
independente;
- evenimentul A n 1 şi evenimentele A1 ,…, A n  2 sunt
independente, şi aşa mai departe;
31
- evenimentul A 3 şi evenimentele A1 şi A 2 sunt independente,

şi în final,
- evenimentele A1 şi A 2 sunt independente.
De aceea avem: P( A n | A 1 A 2 … A n 1 ) = P( A n );
P( A n 1 | A1 A 2 … A n 2 ) = P( A n 1 );
……………………………………….
P( A 3 | A 1 A 2 ) = P( A 3 );
P( A 2 | A1 ) = P( A 2 ).
Formula (1.33) devine:
P(A1A2 . . . An) = P(A1) P(A2) . . . P(An). (1.39)
Astfel, probabilitatea intersecţiei evenimentelor independente este
egală cu produsul probabilităţilor lor.
Exemplu
1) Probabilitatea de a ochi ţinta în cazul lansării unei bombe este
egală cu p = 0,1. Găsiţi probabilitatea ca cel puţin o bombă să atingă ţinta,
dacă bombardamentul este efectuat de 10 avioane şi fiecare avion lansează
câte o bombă.
Evenimentul B reprezintă faptul că cel puţin o bombă va atinge
ţinta. Evenimentul contrar B corespunde faptului că nici o bombă nu va
atinge ţinta. În acest exemplu impactul bombelor pe ţintă reprezintă
evenimente independente, pentru că fiecare avion efectuează
bombardamentul independent. În consecinţă, conform formulei (1.21),
probabilitatea că nici o bombă nu va atinge ţinta este egală cu P( B )=
(1  p)10 .
Pentru a determina probabilitatea necunoscută P(B): că cel puţin o
bombă, va atinge ţinta este suficientă utilizarea formulei evenimentelor
contrare.
2) O urnă conţine 12 bile, dintre care 5 sunt albe şi 7 sunt negre. Vom
extrage din urnă o bilă, notăm culoarea sa şi o punem iar în urnă. După
aceasta amestecăm cu grijă bilele şi vom extrage din urnă a doua bilă.
Găsiţi probabilitatea ca cele două bile extrase să fie albe.
În cazul considerat, fiind dat că după prima extracţie a unei bile o
punem din nou în urnă, informaţia relativă la apariţia unei bile albe în
cursul primei extrageri nu modifică probabilitatea apariţiei unei bile albe la
extragerea următoare. Tocmai de aceea evenimentul A (apariţia unei bile
32
albe prima dată) şi B (apariţia unei bile albe a doua oară) sunt
independente şi probabilitatea realizării lor este egală cu produsul
probabilităţilor:
P(AB) = P(A)∙P(B) = 5/12∙5/12 = 25/144
3) O urnă conţine 16 bile, dintre care 5 sunt albe, 7 sunt negre şi 4

sunt roşii. Vom extrage succesiv din urnă 4 bile punând de fiecare dată bila
înapoi în urnă. Găsiţi probabilitatea ca prima bilă să fie albă, a doua să fie
neagră, a treia şi a patra să fie roşii.
În cazul considerat, evenimentele: A 1 :"prima bilă este albă"; A 2
"a doua bilă este neagră"; A 3 "a treia bilă este roşie"; A 4 "a patra bilă
este roşie" sunt independente, în aşa fel încât avem relaţia:
P( A1 A2 A3 A4 ) = (5/12)∙(7/12)∙(4/12)∙(4/12) = 35/1296
3.8 Probabilităţile evenimentelor complexe
3.8.1 Formula probabilităţii totale
Teoremă Fie un grup complet de evenimente H i , i[1,n],

ale căror probabilităţi P( H i ), i[1,n], sunt cunoscute şi un eveniment A
oarecare, dependent de fiecare eveniment H i . Dacă ştim probabilităţile
condiţionate P(A| H i ), i[1,n] în raport cu toate evenimentele H i ,
i[1,n], atunci probabilitatea evenimentului A este:
n
P(A)   P( H i ) P( A | H i ) . (1.40)
i 1
Demonstraţie
Cum evenimentele H1 , H 2 ,…, H n formează un grup complet,
reuniunea lor este un eveniment sigur. Atunci:
n n
P(A) = P(A)= P(A( H i )) =P(  AH i ).
i 1 i 1
Evenimentele H1 , H 2 ,…, H n sunt prin definiţie incompatibile două câte

două, atunci evenimentele A H1 , A H 2 , …,A H n sunt de asemenea
incompatibile două câte două şi putem aplica axioma de adiţie:
33
 n  n
P( A )  P AH i    P(AH i ) .
 i 1  i 1
Utilizând formula (1.32) obţinem:

n
P(A )   P( H i ) P(A | H i ). (1.41)
i 1
Astfel, probabilitatea evenimentului A este egală cu suma

probabilităţilor evenimentelor H 1 , H 2 ,……, H n multiplicate cu
probabilităţile evenimentului A condiţionat de evenimentele Hi.
Formula (1.41) este numită formula probabilităţii totale. Ea este
foarte mult utilizată în teoria probabilităţilor şi în aplicaţiile sale.
Exemplu
O firmă utilizează dispozitive de acelaşi tip furnizate de trei uzine în
proporţiile: n 1 / n 2 / n 3 ( fiecărei grupă de n 1 dispozitive furnizate de
prima uzină, îi corespunde grupa de n 2 dispozitive furnizate de a doua
uzină şi grupa de n 3 dispozitive furnizate de a treia uzină). Presupunem ca
intensitatea de defectare este egală cu:  1 - pentru dispozitivele fabricate
în prima uzină-,  2 - pentru dispozitivele fabricate de în a doua uzină-,
 3 - pentru dispozitivele fabricate în a treia uzină. Găsiţi funcţia de
fiabilitate a dispozitivului.
În această problemă următoarele evenimente sunt incompatibile şi
constituie un grup complet:
H 1 , dispozitivul a fost fabricat în prima uzină;
H 2 , dispozitivul a fost fabricat în a doua uzină;
H 3 , dispozitivul a fost fabricat în a treia uzină.
Probabilităţile acestor evenimente pot fi calculate cu uşurinţă:
nk
P(H k )  (k=1, 2, 3).
n1  n 2  n 3
Probabilităţile evenimentului A, de funcţionarea fără defecţiune a

dispozitivului până la momentul "t", condiţionat de evenimentele H 1 , H 2
, H 3 , pot fi determinate cu uşurinţă plecând de la formula (IV) din
exemplul paragrafului (3.7.1):
34
Utilizând formula probabilităţii totale, găsim probabilitatea de

funcţionare fără defect a dispozitivului până la momentul "t" (adică funcţia
de fiabilitate a dispozitivului pe care o căutam):
n1e 1t  n 2 e  2t  n 3e 3t

P( A )  p( t )  .
n1  n 2  n 3
3.8.2 Formula lui Bayes
În problemele practice, avem adesea un grup complet de

evenimente incompatibile H1 , H 2 ,…, H n , ale căror probabilităţi P( H i
), i[1,n] sunt cunoscute. Aceste evenimente nu sunt observate direct, dar
putem observa un eveniment A legat de primele, pentru care cunoaştem
probabilităţile condiţionate P(A| H i ), i[1,n] . Presupunem că am realizat
un experiment al cărui rezultat este realizarea evenimentului A. Utilizând
rezultatele acestui experiment, se cere a se formula concluziile relative la
evenimentele H1 , H 2 ,…, H n , adică a se determina cum au fost
modificate probabilităţile acestora după realizarea evenimentului A. Cu
alte cuvinte, trebuie găsită probabilitatea condiţionată a evenimentelor
H 1 , H 2 ,…, H n în raport cu evenimentul A.
Propoziţie Fie un grup complet de evenimente H i , i[1,n] ale
cărui probabilităţi P( H i ), i[1,n] sunt cunoscute şi un eveniment A,
dependent de fiecare eveniment H i , astfel încât P(A) > 0. Dacă
cunoaştem probabilităţile condiţionate P(A| H i ) ale evenimentului A în
raport cu toate evenimentele H i , i[1,n], atunci:
P( H i ) P ( A | H i )
P(H i | A)  n i  1, n . (1.42)
 P( H k ) P( A | H k )
k 1
Demonstraţie
Considerând formula produsului probabilităţilor avem relaţia:
P(A H i ) = P(A) P( H i |A) = P( H i ) P(A| H i )
rezultă că:
P( H i |A) = [P( H i ) P(A| H i ] / P(A)
35
Înlocuind aici expresia probabilităţii evenimentului A prin formula

probabilităţii totale (1.41), obţinem:
P( H i ) P( A | H i )
P( H i | A )  .
P(A)
Această formulă este numită formula lui BAYES. Ea rezolvă

problema pusă anterior.
Probabilităţile P( H i ), ale evenimentelor H i , i[1,n], înainte de
realizarea experimentului, sunt numite de obicei probabilităţi apriori.
Probabilităţile P( H i |A), după realizarea experimentului, sunt numite
probabilităţi aposteriori.
Exemplu
Presupunem că, în condiţiile exemplului din paragraful (3.8.1),
dispozitivul ar fi funcţionat fără defecţiune un timp T (evenimentul A).
Găsiţi probabilitatea aposteriori ca dispozitivul să fie fabricat în uzina "k"
(k = 1, 2, 3).
Înlocuind în formula lui BAYES (1.42) probabilităţile P( H 1 ), P(
H 2 ), P( H 3 ), P(A| H 1 ), P(A| H 2 ), P(A| H 3 ), definite apriori, găsim
probabilitatea aposteriori ca dispozitivul să fi fost fabricat în uzina "k":
n k e kT
P(H k | A)  .
n 1e 1T  n 2 e  2T  n 3 e 3T
3.8.3 Scheme de probabilitate

► Distribuţia binomială ◄
Considerăm un experiment complex compus din mai multe
evenimente simple, în cursul cărora condiţiile sunt constante, şi un
anumit eveniment A care poate fi realizat sau nu.
Experimentele sunt numite independente, dacă
probabilitatea evenimentului A care ne interesează, în cursul
fiecărui experiment, nu depinde de rezultatele altor experimente.
Presupunem că:
- am efectuat "n" experimente independente;
- pentru fiecare experiment probabilitate evenimentului A este
egală cu "p".
36
Care este probabilitatea Pm,n ca evenimentul să fie realizat de

"m" ori, în timpul a "n" experimente?
Pentru ca evenimentul A să fie realizat de "m" ori, în cursul a "n"
experimente, este necesar şi suficient ca să fie realizată una din seriile de
evenimente B1 ,…. B m …., B n în care "m" evenimente coincid cu A, iar
"n-m" coincid cu evenimentul contrar A . Este evident că numărul acestor
serii de evenimente este egal cu numărul de combinări corespunzător C m n :
m n!
Cn 
m!( n  m)!
Datorită independenţei experimentelor, probabilitatea fiecărei din

aceste serii este, conform teoremei produsului probabilităţilor
evenimentelor independente (1.39), egală cu p m q n  m unde q = 1 – p este
probabilitatea evenimentului contrar lui A. În final, datorită
incompatibilităţii seriilor posibile de evenimente, probabilitatea căutată
Pm, n este egală cu suma probabilităţilor seriilor de evenimente compuse
din "m" evenimente A şi "n-m" evenimente A . Fiecare serie de
evenimente având aceeaşi probabilitate de apariţie, iar numărul de serii
fiind C m
n probabilitate căutată devine:
m n m n!
Pm,n  Cmn p q  p m q n  m , (m = 0, 1, . . . n). (1.43)
m!(n  m)!
Considerăm acum o variabilă auxiliară "u" şi observăm că

valoarea:
Pm,n u m  Cmn p m q n m u m
reprezintă termenul general din dezvoltarea binomului lui Newton
(q  pu ) n .
Probabilitatea Pm,n este coeficientul puterii u m din dezvoltarea
binomului lui Newton:
n(u) =  q  pu  n . (1.44)
Corespondenţa între valorile m = 0, 1,…,n şi probabilităţile Pm,n
definite prin formula (1.43), este numită distribuţie binomială.
► Distribuţia multinomială ◄
37
Formulele (1.43) şi (1.44) sunt cu uşurinţă generalizate în

cazul în care probabilitatea evenimentului A ia diferite valori în
cursul diferitelor experimente (repetiţia experimentelor în condiţii
variabile). Dacă:
- experimentele sunt independente;
- probabilitatea realizării evenimentului A în cursul
experimentului "k" este egală cu p k , k[1,n].
Care este probabilitatea Pm,n pentru care evenimentul va fi
realizat de "m"-ori, în cursul a "n" experimente?
Cu ajutorul formulei (1.43), se obţine în acelaşi mod relaţia:
Pm,n   p i1 ...p i m q i m 1 ...q i n (m = 0,1 ,….., n), (1.45)
în care suma se efectuează pentru toate mulţimile distincte de indici

{i1 , i 2....i m }  {0,1,....n} , {i m 1 , i m  2 ,....i n }  {1,2,.....n} pentru care se
realizează evenimentele A i1 , A i 2 ,.....A im , respectiv nu se realizează
evenimentele A im 1 , A im  2 ........A in .
Înţelegem cu uşurinţă că în acest caz probabilitatea Pm,n este
coeficientul lui u m din descompunerea în funcţie de puterile lui "u" a
polinomului:
n
 n ( u )   (q k  p k u ) , (1.46)
k 1
unde q k = 1- p k , k[1,n] este probabilitatea realizării evenimentului A

în cursul experimentului "k".
Corespondenţa între valorile m = 0,1,…,n şi probabilităţile Pm,n
definite prin formula (1.45) reprezintă distribuţia multinomială.
Exemplu
1) Probabilitatea realizării unui eveniment cel puţin de "k" ori
Care este probabilitatea ca evenimentul A să fie realizat de cel

puţin "k"- ori în cursul a "n" experimente?
Este evident că evenimentul, corespunzând realizării evenimentului
A de cel puţin "k" ori, reprezintă reuniunea a "n - k + 1" evenimente
incompatibile: "realizarea evenimentului A de exact k-ori", "realizarea
evenimentului A de exact k+1-ori",…….,"realizarea evenimentului A de
38
exact n-ori". În consecinţă, probabilitatea căutată R k ,n pentru care în

cursul a "n" experimente evenimentul A va fi realizat de cel puţin "k"- ori,
va fi egală cu:
n
R k ,n  Pk ,n  Pk 1,n  ...  Pn ,n   Pm,n . (1.47)
m k
Această probabilitate poate fi calculată şi altfel determinând

mai întâi toate probabilităţile evenimentelor contrare, adică probabilitatea
că evenimentul A va fi realizat de un număr de ori inferior lui "k", şi
scăzând apoi rezultatul din 1:
k 1
R k ,n  1  P0,n  P1,n  ...  Pk 1,n  1   Pm,n . (1.48)
m 0
2) Probabilitatea realizării unui eveniment cel puţin o dată
De cele mai multe ori trebuie calculată probabilitatea ca un

eveniment să fie realizat cel puţin o dată. Este evident ca în acest caz să
utilizăm formula (1.48) pentru orice valoare n  2. Obţinem probabilitatea:
R 1,n  1  P0,n  1  q1q 2 ......q n . (1.49)
În cazul particular al experimentului cu condiţii constante q 1 = q 2

= …= q n = q, formula (1.49) devine:
R 1,n  1  q n . (1.50)
► Distribuţia polinomială ◄
Dacă în urma unui experiment poate fi realizat unul din
evenimentele incompatibile A1 ,…, A r ale unui grup complet de
evenimente ale cărui probabilităţi sunt respectiv p1 ,…, p r ( p1 +
…+ p r =1), atunci probabilitatea ca în cursul a "n" experimente :
- evenimentul A 1 să fie realizat de " m1 "-ori;
- evenimentul A 2 să fie realizat de " m 2 "-ori;
…………………………………………………
- evenimentul A r să fie realizat de " m r "-ori,
39
cu m1 + m 2 +…+ m r = n, este determinată prin următoarea

formulă
n! m m
Pm1,......., m r  p1 1 p 2 2 ...p m
r .
r
(1.51)
m1!m 2 !....m r !
Această formulă poate fi obţinută prin aplicări succesive ale

formulei (1.43). Probabilitatea ca evenimentul A 1 să fie realizat de " m1
"-ori în "n" experimente este egală, conform (1.43), cu:
n!
Pm1,n  p m1 (p 2  ...  p r ) m2 ...m r .
m1!(m 2  ...  m r )! 1
Probabilitatea condiţionată de realizare a evenimentului A 2 în

fiecare din experimentele rămase, cu condiţia că în cursul acestor
experimente A1 să nu fie realizat, este evident egală cu p 2 /( p 2 +...+ p r
). Tocmai de aceea probabilitatea condiţionată, ca în cursul a m 2 +…+ m r
experimente, pentru care A1 nu este realizat, evenimentul A 2 să fie
realizat de " m 2 " ori, este determinată conform (1.43) prin formula:
m2 m3 ... m r
(m 2  ...  m r )!  p2   p 3  ...  p r 
Pm 2 ,m2 ... mr       .
m 2 !(m 3  ...  m r )!  p 2  ...  p r   p 2  ...  p r 
Continuând în aceeaşi manieră, găsim probabilitatea condiţionată

ca evenimentul A k să fie realizat de " m k "- ori în cursul a m k +…+ m r
experimente în condiţia că evenimentele A1 ,…, A k 1 nu vor fi realizate
în cursul acestor experimente:
mk m k 1 ... m r
(m k  ...  m r )!  pk   p k 1  ...  p r 
Pm k ,m k ... m r       .
m k ! ( m k 1  ...  m r )!  p k  ...  p r   p k  ...  p r 
Făcând produsul probabilităţilor găsite, obţinem formula (1.51).

Funcţia generatoare a probabilităţilor Pm1,...,m r ( m1 +…+ m r = n)
este definită prin formula:
 n ( u 1 ,......, u r )  ( p1u 1  .........  p r u r ) n (1.52)
în aşa fel încât Pm1 ,...,m r reprezintă coeficientul puterilor u 1m1 u m mr

2 …ur
2
din dezvoltarea acestei funcţii.

40
În acest caz evenimentele elementare sunt mulţimi finite { B1 ,…,

B n }, unde fiecare element B k reprezintă unul din evenimentele A 1 ,...,
A n . Câmpul de evenimente este aici algebra tuturor reuniunilor posibile
ale acestor evenimente completate cu evenimentul imposibil.
Probabilitatea fiecărui eveniment elementar este egală cu p1m … p m 1
r
r
unde m i , i[1, r] ceea ce ne conduce la numărul de evenimente B k din

mulţimea { B1 ,…, B n }care coincid cu A i , (i =1,...,r). Probabilitatea
evenimentului care ne interesează este egală cu suma probabilităţilor
evenimentelor elementare care îl compun.
Schema de probabilitate, definită prin formula (1.51) este numită
polinomială.
2.8.4 Distribuţia Poisson
► Restricţiile distribuţiei Poisson ◄

Întâlnim în practică evenimente care se produc la momente
diferite de timp. Evenimentele de acest tip formează o mulţime
numită de obicei, flux de evenimente. Exemple de flux de
evenimente pot fi furnizate de apelurile telefonice, traversarea unei
intersecţii de automobile, apelurile unei ambulanţe, defecţiunile
unui sistem tehnic.
Putem deseori considera că fluxul de evenimente verifică
condiţiile următoare:
1) pentru toate perechile de intervale de timp disjuncte
probabilitatea realizării unui număr de evenimente într-un interval
de timp nu depinde de numărul de evenimente care se produc în
cursul altui interval de timp;
2) probabilitatea realizării unui eveniment în cursul unui
interval de timp foarte mic (t, t+Δt) este proporţională cu lungimea
intervalului;
3) probabilitatea realizării unui eveniment de mai multe ori în
cursul intervalului de timp foarte mic (t, t+Δt) se poate neglija.
Desemnăm prin p m ( t 1 , t 2 ) probabilitatea realizării a "m"
evenimente în cursul intervalului de timp ( t 1 , t 2 ). Atunci
condiţiile 2) şi 3) se vor scrie sub forma:
p1 ( t , t  t )  ( t ) t , (1.53)
41

 p k ( t , t  t )  0 , (1.54)
k2
unde λ(t) este o funcţie pozitivă.
Pentru un flux de evenimente care verifică condiţiile 1), 2)
şi 3) căutăm probabilitatea "ca în cursul intervalului de timp (
t 0 , t), să fie realizate "m" evenimente (m = 0, 1, 2,…)".
Considerând momentul t 0 fixat, convenim să notăm probabilităţile
căutate prin p m (t), (m = 0, 1, 2,…). Pentru a calcula p m (t) avem nevoie
de două etape:
1) Calcularea probabilităţii p0(t) (de nerealizare a
evenimentelor):
Remarcăm că p 0 (t+Δt) reprezintă probabilitatea intersecţiei a
două evenimente: nici un eveniment nu este realizat în cursul intervalului
de timp ( t 0 , t) şi nici un eveniment nu este realizat în cursul intervalului
de timp (t, t+Δt). Conform condiţiei (1), aceste evenimente sunt
independente. De aceea avem:
p 0 ( t  t )  p 0 ( t )  p 0 ( t , t  t ) . (1.55)
Conform (1.53) şi (1.54) avem:

p 0 ( t , t  t )  1   p k ( t , t  t )  1   ( t )t  o(t ) . (1.56)
k 1
Înlocuind această expresie în (1.55), obţinem:

p 0 ( t  t )  p 0 ( t )  p 0 ( t )  ( t ) t  o( t ) ,
de unde rezultă
p 0 ( t  t )  p 0 ( t ) o(t )
  ( t ) p 0 ( t )  .
t t
Când Δt  0, al doilea membru al acestei egalităţi tinde spre o
limită determinată (-λ(t) p 0 (t)). În consecinţă, există şi limita primului
termen. Astfel probabilitatea p 0 (t) este derivabilă în raport cu "t" şi la
limită, când Δt  0, obţinem ecuaţia diferenţială:
 o ( t )   ( t ) p 0 ( t ) .
p (1.57)
42
Pentru a găsi valoarea iniţială a probabilităţii p 0 (t), este suficient

să înlocuim în (1.56) t = t 0 şi să trecem la limită când Δt  0. Obţinem
atunci p 0 (t0) = 1.
2) Calcularea probabilităţilor de realizare a unui număr

oarecare de evenimente
Pentru a obţine ecuaţiile ce conduc la probabilităţile p1 (t), p 2 (t),
….., observăm că pot fi realizate "m" evenimente în cursul intervalului de
timp ( t 0 , t+Δt) conform unuia din următoarele "m+1" procedee
incompatibile:
- " toate cele "m" evenimente sunt realizate în cursul intervalului (
t 0 , t) şi nici unul în cursul intervalului (t, t+Δt)";
- "(m-1) evenimente sunt realizate în cursul intervalului ( t 0 , t) şi
un eveniment în cursul intervalului (t, t+Δt)";
- ………………………………………….;
- "toate cele "m" evenimente sunt realizate în cursul intervalului
(t, t+Δt)".
Conform axiomei de adiţie a probabilităţilor şi a teoremei
produsului probabilităţilor evenimentelor independente, avem:
p m ( t  t )  p m ( t )p 0 ( t , t  t )  p m 1 ( t )p1 ( t , t  t )  .........  p 0 ( t )p m ( t , t  t )
Obţinem conform (1.53), (1.54) şi (1.56):
p m ( t  t )  p m ( t )  [p m1 ( t )  p m ( t )] ( t )t  o(t ) .
În consecinţă, rezultă:
p m ( t  t )  p m ( t ) o(t )
 [p m1 ( t )  p m ( t )]( t )  .
t t
Raţionând exact în acelaşi fel, ca la stabilirea ecuaţiei (1.57), obţinem
următoarea ecuaţie diferenţială:
p m ( t )  [ p m 1 ( t )  p m ( t )]( t ) (m = 1, 2, …….) . (1.58)
Valorile iniţiale ale probabilităţilor p1 (t), p 2 (t),… sunt toate egale cu 0

de aceea avem: p 0 ( t 0 ) = 1, p m ( t 0 ) = 0, (m = 1, 2,……..).
Adoptând în calitate de variabilă independentă mărimea "μ":
43
t
( t )   ()d, (1.59)
to
putem scrie ecuaţiile (1.57) şi (1.58) sub următoarea formă:

dp 0 dp m
 p 0 ,   p m  p m 1 (m=1, 2,……..) . (1.60)
d d
Condiţiile iniţiale vor fi atunci de forma p 0 = 1, p m = 0

(m = 1, 2,…) când μ = 0. Se verifică cu uşurinţă prin substituţie directă că
integralele ecuaţiei (1.60), în condiţiile iniţiale, sunt definite prin
următoarele formule:
 m 
pm  e (m = 0, 1, 2,……..) . (1.61)
m!
Astfel, pentru un interval dat ( t 0 , t) avem o infinitate de

evenimente: nici un eveniment nu se produce în cursul acestui interval, se
produce un eveniment, două evenimente, etc. , şi probabilităţile acestor
evenimente sunt definite prin formula (1.61).
Formula (1.61) defineşte o distribuţie. Această distribuţie este
numită Poisson. Fluxul de evenimente care verifică condiţiile 1), 2), şi 3)
este numit flux Poisson.
Parametrul "μ" al distribuţiei Poisson reprezintă numărul mediu de
evenimente care sunt realizate în cursul intervalului de timp ( t 0 , t).
Funcţia λ este numită intensitate de flux poissonian.
Exemplu
1) Găsiţi probabilitatea ca numărul electronilor difuzaţi de catodul
unei lămpi electrice, în cursul unui interval de timp de durată "t" , să fie
egal cu "m", dacă numărul mediu de electroni emişi în unitatea de timp
este egal cu λ=constant.
Fluxul de electroni poate fi considerat flux poissonian. Conform
(1.59) avem în acest caz: μ = λt. Înlocuind această expresie în (1.61),
obţinem:
( t ) m t
pm  e , (m = 1, 2, ………).
m!
2) Intensitatea fluxului de apeluri telefonice este egală cu λ(t) (adică
densitatea medie de apeluri reprezentând limita raportului numărului de
44
apeluri în cursul unui interval de timp infinit mic (t, t+Δt), la Δt când Δt 
0). Găsiţi probabilitatea ca în intervalul de timp ( t1 , t 2 ) centrala să
primească "m" apeluri telefonice.
În cazul considerat se poate verifica cu o precizie suficientă că
fluxul de apeluri verifică condiţiile pentru care fluxul este poissonian. Prin
urmare, în condiţia absenţei legăturii între acţiunile diferiţilor abonaţi,
probabilitatea unui număr dat de apeluri în cursul unui interval de timp (
t1 , t 2 ) nu depinde practic de numărul de apeluri care vor avea loc în
cursul altor intervale de timp disjuncte cu intervalul ( t1 , t 2 ).
Probabilitatea mai multor apeluri poate fi practic aproximată ca
fiind egală cu 0. Tocmai de aceea putem considera că, sunt verificate
condiţiile 2) şi 3). În acest caz probabilitatea căutată poate fi calculată
utilizând distribuţia Poisson, definită prin formula (1.61 ) astfel:
t2
  ()d.
t1
Teste pentru verificarea cunoştinţelor
Testul 1
Experienţa consta in a nota timpul (in secunde) necesar pentru a efectua

asamblarea unui montaj. Se repeta experienţa de 600 de ori.
Număr Număr Frecvenţa Probabilitatea

de secunde de asamblări relativă
37 95 95/600 = 0.1583 0.16
38 110 ............................ ........
39 92 ............................ .......
40 94 ............................ .......
41 106 ............................ .........
42 103 ............................ ........
total 600 1.00
a) Calculaţi probabilităţile ca montajul sa fie asamblat in 37 de secunde,

38 de secunde, s.a.m.d., utilizând frecvenţele relative. Completaţi
tabelul de mai sus
45
b) Calculaţi probabilitatea ca montajul sa fie asamblat in 37 sau 38 de

secunde.
P({37,38}) =..........
c) Calculaţi P({39,40,41}) =……
d) Calculaţi probabilitatea ca montajul sa nu fie asamblat in 37 sau 38 de

secunde.
e) Calculaţi probabilitatea ca montajul sa fie asamblat in mai mult de 40

de secunde.
f) Calculaţi probabilitatea ca montajul sa nu fie asamblat in mai mult de

40 de secunde.
Testul 2
Un aparat electronic face o triere automata de piese având lungimea X.
Acest aparat înregistrează piesele clasificându-le după lungime. Se triază
10000 de piese cu repartiţia următoare:
Lungimea în mm Număr de piese

8  X  10 ( L1 ) 4260
10  X  12 ( L2 ) 3640
12  X  14 ( L3 ) 2100
a) Calculaţi probabilitatea pentru ca o piesă sa fie clasată în categoria L2.

Notaţi acest eveniment L2.
P(L2) =P(10 X <12) =................
b) Care este probabilitatea ca o piesă să nu fie in categoria L2? Acest

eveniment se notează L2’.
P(L2’) =..................
c) Care este probabilitatea ca o piesă să fie clasată în categoriile L2 sau

L3? Acest eveniment se notează L3’. Evenimentele L2’ şi L3’ sunt
compatibile sau incompatibile?
46
Testul 3
Tabloul următor reprezintă repartizarea personalului tehnic într-o
întreprindere de sisteme grafice utilizând microprocesoare in funcţie de
categoria salarială si tipul funcţiei.
Funcţie
Categorie salarială Tehnolog de Inginer Inginer
sistem aplicaţii concepţie
$20.000X$20.000(S1) 2 50 25
$26.000X$32.000(S2) 24 70 75
$32.000X$38.000(S3) 4 40 10
a) Dacă se alege la întâmplare din aceasta populaţie un muncitor făcând

parte din aceasta clasificare, identificaţi evenimentul “Muncitor aparţinând
categoriei salariale $20.000X$20.000(S1)”.
Calculaţi această probabilitate P($20.000X$20.000(S1)) =………..
b) Identificaţi evenimentul “Muncitorul este inginer de concepţie”.
Calculaţi probabilitatea acestui eveniment P( ) =………..
c) Identificaţi evenimentul ”Muncitor aparţinând categoriei salariale

$26.000X$32.000(S2) sau $32.000X$38.000(S3)”. Calculaţi
probabilitatea sa.
P( ) = P( ) + P( ) = P ( )
d) Identificaţi evenimentul “Muncitor aparţinând categoriei salariale

$26.0000X$32.000(S2) si este tehnolog de sistem. Calculaţi
probabilitatea sa.
e) Identificaţi evenimentul ”Muncitorul este inginer de aplicaţie si nu

aparţine categoriei salariale $32.000X$38.000(S3)”. Calculaţi
probabilitatea sa.
47
f) Identificaţi evenimentul ”Muncitor aparţinând categoriei salariale

$20.000X$26.000(S1) sau este tehnolog de sistem. Calculaţi
probabilitatea sa.
Testul 4
Utilizaţi din nou datele testului 3.
a) Identificaţi evenimentul ”Muncitor aparţinând categoriei salariale

$20.000X$26.000 (S1) ştiind că este inginer de concepţie”:
Calculaţi probabilitatea sa.
P( ) =……….
b) Identificaţi evenimentul “Muncitorul este inginer de aplicaţii ştiind că el

are un salariu inferior celui de $32.000”. Calculaţi probabilitatea acestuia:
P( ) =……….
d) Identificaţi evenimentul ”Muncitorul aparţine categoriei salariale

$20.000X$26.000(S1) ştiind că el nu este tehnolog in sistem.
Calculaţi probabilitatea sa.
e)
P( ) =...........
Testul 5
Doua cărţi sunt extrase dintr-un joc de 52 de cărţi. Fie evenimentul A
“Prima carte extrasă este de cupă“. Fie evenimentul B “A doua carte
extrasă este de cupă“.
a) Identificaţi evenimentul: “Cele doua cărţi extrase sunt de

cupă“. .....................
b) Calculaţi probabilitatea acestui eveniment ştiind că prima carte extrasă
este repusă în joc înaintea extragerii celei de-a doua cărţi.
P(.....) = P(......) x P(......) =
48
c) Evenimentele A si B sunt independente? Justificaţi de ce.

Evenimentele A si B sunt incompatibile? Justificaţi de ce.
d) Care este probabilitatea ca cele doua cărţi să fie de cupă dacă prima
carte extrasă nu este repusă în joc înainte de a extrage a doua carte?
e) Evenimentele A si B sunt independente? Justificaţi.

Evenimentele A si B sunt incompatibile? Justificaţi.
Testul 6
Trei linii de producţie complet automatizate fabrica circuite integrate
pentru micro-calculatoare. Aceste circuite sunt împărţite în satisfăcătoare
si defecte. Prima linie de producţie M1 fabrică 7000 de circuite pe zi din
care, în medie 1% sunt defecte. M2 fabrică 8500 de circuite pe zi din care
1.2% sunt defecte. M3 fabrică 4500 circuite pe zi din care 0.6% sunt
defecte. Din producţia fiecărei zile, vom lua la întâmplare un circuit
integrat.
1. Identificaţi evenimentele următoare:

E1 este evenimentul “Circuitul este fabricat de linia M1”;
E2 este evenimentul “ Circuitul este fabricat de linia M2“;
E3 este evenimentul “ Circuitul este fabricat de linia M3“;
D este evenimentul “Circuitul este defect”.
2. Pe diagramă, în arborele asociat acestei situaţii calculaţi probabilităţile

compuse.
P(D/E1)= P(DE1)=
E1 D
P(E1)=
P(E2)= P(D/E2)= P(DE2)=
E2 D
P(E3)=
E3 P(D/E3)= D P(DE3)=
3. Evaluaţi probabilitatea ca circuitul selecţionat să fie defect.
49
4. Circuitul selecţionat este defect; evaluaţi probabilitatea ca acesta să fie

fabricat de linia M1; de linia M2; de linia M3.
P(E1/D) = ….………..
P(E2/D) = …………...
P(E3/D) = …..………
50

Capitolul I

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Capitolul I

Încărcat de

Drepturi de autor:

Formate disponibile

Elemente de teoria probabilităţilor

Elemente de teoria probabilităţilor

În cursul activităţii sale practice omul se loveşte la fiecare pas de

1.2 Obiectul teoriei probabilităţilor

Studiul legilor ce modelează fenomenele aleatoare de masă este

toate ştiinţele aplicate, are nevoie pentru modelare, de date experimentale

1.3 Noţiuni fundamentale

Definiţie: numim experiment observarea unui fenomen oarecare

Evenimentele vor fi notate cu majuscule latine, de obicei cu

1.4 Spaţiul evenimentelor elementare

Un eveniment elementar "ω" reprezintă o mulţime formată dintr-un

Definiţie: se numeşte reuniune sau sumă a două evenimente A şi

Pentru toate perechile de evenimente A şi B, realizarea unuia sau a

2.2 Intersecţia a două evenimente

Definiţie: se numeşte intersecţie sau produs a două evenimente A

2.3 Reuniunea şi intersecţia unui număr

Definiţie: se numeşte reuniune sau sumă a mulţimii

În aceste definiţii, mulţimea S –mulţimea valorilor indicilor s – este

2.4 Diferenţa a două evenimente

Definiţie: se numeşte diferenţa a două evenimente A şi B

2.5 Evenimente contrare

Definiţie: numim eveniment contrar evenimentului A, şi îl notăm

Când evenimentul A nu poate fi realizat fără ca evenimentul B să

2.7 Proprietăţile operaţiilor cu evenimente

1) Se vede uşor că pentru două evenimente oarecare A şi B,

2) Evenimentul A ∙ B reprezintă realizarea lui A şi B , adică

În general pentru orice mulţime de evenimente A s , sS, avem:

Ultimele patru formule exprimă principiul dualităţii: operaţiile de

3.1 Frecvenţa unui eveniment. Frecvenţa condiţionată

Dacă în timpul repetării unui experiment, un eveniment se produce

În anumite cazuri frecvenţa unui eveniment trebuie să fie

Definiţie: frecvenţa evenimentului A, calculată ţinând cont de

3. Frecvenţa de realizare simultană a două evenimente A şi B este

Noţiunea de frecvenţă este utilizată foarte des pentru reprezentarea

Fig.1.1 Histograma unui experiment.

3.2 Câmp de evenimente

Definiţie: totalitatea evenimentelor asociate unui experiment,

Câmpul de evenimente F care are cele două proprietăţi enumerate

dacă A,BF, atunci A U BF.

b) Pentru toate evenimentele AF avem A F. Din această

c) În virtutea proprietăţii de asociativitate a operaţiilor de

3.3 Axiomele teoriei probabilităţilor

Elaborarea teoriei probabilităţilor, pe baza celor trei axiome

Exemplul unui experiment legat de aruncarea unei monezi arată că

să fie egală cu 1. În alţi termeni, acest experiment are "n" rezultate

fi imposibil să distingem bilele prin atingere, atunci nu avem nici un motiv

3.4 Spaţiul de probabilitate

Definiţie: spaţiul evenimentelor elementare Ω, la care se adaugă

3.5 Proprietăţile probabilităţilor

Vom studia acum proprietăţile probabilităţilor care decurg din

2) Dacă BA, atunci punând A sub forma descompunerii în două

în baza relaţiei (1.15) rezultă că:

P(A 2 A1 )  P( A 2 ),.........., P( A n A1 ...A n 1 )  P( A n ), (1.24)

Pe de altă parte, pe baza formulei B = (BA)(B A ) rezultă că P(B)

3.6 Grup complet de evenimente

Definiţie: mulţimea de evenimente { A k } este numită grup

Rezultă, din axioma de adiţie a probabilităţilor, că dacă

Două evenimente contrare sunt incompatibile şi formează un grup

3.7 Probabilităţi condiţionate

3.7.1 Probabilitate condiţionată

Definiţie: numim probabilitate condiţionată a evenimentului A în

1) O urnă conţine 12 bile, dintre care 5 sunt albe şi 7 sunt negre.

- evenimentul A "defectarea dispozitivului în cursul intervalului de