Sunteți pe pagina 1din 128

ELEMENTE DE

˘

TEORIA PROBABILIT AT¸ ILOR

Andrei-George Oprina

Emil Simion

Bucure¸sti, Februarie 2017

Cuprins

1 Introducere

5

2 Spat¸ii de probabilitate

 

7

2.1 Experimente ¸si evenimente aleatoare, spat¸iul st˘arilor unui experiment, frecvent¸a

unui eveniment

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

7

2.2 Probabilitatea unui eveniment, scheme clasice de probabilit˘at¸i

.

.

.

.

.

.

.

.

.

.

9

2.3 Definit¸ia axiomatic˘a a probabilit˘at¸ii

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

12

2.4 Evenimente independente

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

17

2.5 Probabilit˘at¸i condit¸ionate ¸si formula lui Bayes

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

19

2.6 Probleme propuse

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

22

2.7 Simul˘ari cu Mathematica

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

25

3 Variabile aleatoare discrete

 

33

3.1 Definit¸ia variabilei aleatoare ¸si funct¸ia de repartit¸ie asociat˘a

.

.

.

.

.

.

.

.

.

.

.

33

3.2 Variabile aleatoare discrete

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

34

3.3 Independent¸a variabilelor aleatoare discrete

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

37

3.4 Operat¸ii cu variabile aleatoare discrete

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

38

3.5 Caracteristici numerice ale variabilelor aleatoare discrete

.

.

.

.

.

.

.

.

.

.

.

.

.

42

3.6 Funct¸ia generatoare de momente

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

47

3.7 Principalele distribut¸ii discrete

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

48

3.8 Probleme propuse

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

57

3.9 Simul˘ari cu Mathematica

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

58

4 Variabile aleatoare continue

 

64

4.1 Definit¸ie, funct¸ia de distribut¸ie ¸si densitatea asociat˘a

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

64

4.2 Funct¸ia de repartit¸ie condit¸ionat˘a ¸si formula lui Bayes .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

66

4.3 Repartit¸ii multidimensionale

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

67

4.4 Independent¸a variabilelor aleatoare continue

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

70

4.5 Operat¸ii cu variabile aleatoare continue .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

71

4.6 Caracteristici numerice ale variabilelor aleatoare continue ¸si

 

vectorilor aleatori

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

73

4.7 Funct¸ii caracteristice

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

76

4.8 Principalele distribut¸ii continue

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

79

4.9 Principalele distribut¸ii multidimensionale

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

92

4.10 Probleme propuse .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

95

4.11 Simul˘ari cu Mathematica

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

96

5 Legea numerelor mari ¸si teoreme limit˘a central˘a

 

103

5.1 Legea numerelor mari

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

103

5.1.1 Legea slab˘a a numerelor mari

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

103

5.1.2 Legea tare a numerelor mari

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

108

5.2 Teorema limit˘a central˘a

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

110

5.3 Probleme propuse .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

119

5.4 Simul˘ari cu Mathematica

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

120

1

Introducere

Utilizarea modelelor probabiliste este o tehnic˘a larg folosit˘a ˆın toate domeniile care necesit˘a prelucrarea automat˘a a datelor.

 

ˆ

Not¸iunea clasic˘a de probabilitate se refer˘a la studiul aleatorismului ¸si al incertitudinii.

In

situat¸iile ˆın care num˘arul de aparit¸ii ale posibilelor rezultate ale unui eveniment poate fi cuan- tificat numeric, teoria clasic˘a define¸ste probabilitatea ca raportul dintre num˘arul cazurilor fa- vorabile ¸si num˘arul cazurilor totale. Exist˘a ˆıns˘a situat¸ii ˆın care acest lucru nu este posibil, motiv pentru care este necesar un aparat matematic analitic sau axiomatic. Din aceste considerente, ˆın cadrul capitolului 2 este realizat˘a o introducere a not¸iunii de probabilitate atˆat ˆın sens clasic cˆat ¸si prin axiomatica introdus˘a de A. N. Kolmogorov (1903 – 1987), abordarea din urm˘a furnizˆand definit¸ia modern˘a a probabilit˘at¸ii, ˆın sensul teoriei

m˘asurii, care a condus la crearea de leg˘aturi profunde ˆıntre teoria probabilit˘at¸ilor ¸si alte ramuri fundamentale ale matematicii (precum analiz˘a infinit dimensional˘a, sisteme dinamice, ecuat¸ii cu derivate part¸iale) sau informaticii (spre exemplu teoria jocurilor, criptografie, inteligent¸˘a

artificial˘a).

In acest context, sunt prezentate ¸si metode non-standard de calcul a probablilit˘at¸ii

prin metode grafice. Totodat˘a, este introdus˘a not¸iunea de probabilitate condit¸ionat˘a ¸si formula lui Bayes care stabile¸ste leg˘atura dintre probabilitatea cauzei bazat pe observat¸iile rezultate (efect).

ˆ

ˆ

In

capitolele 3 ¸si 4 ne concentr˘am atent¸ia asupra not¸iunilor de variabile aleatoare discrete ¸si

continue, fiind prezentate totodat˘a instrumentele (funct¸ia caracteristic˘a ¸si funct¸ia generatoare de momente) de analiz˘a a caracteristicilor variabilelor aleatoare (medie ¸si dispersie). Aici este tratat ¸si cazul multidimensional (vectori aleatori). Exist˘a situat¸ii ˆın care num˘arul experimentelor este mare. Dac˘a experimentele sunt indepen- dente ¸si sunt efectuate ˆın condit¸ii similare atunci media rezultatelor obt¸inute are un comporta- ment care este apropiat de clopotul lui Gauss. Aceste situat¸ii sunt studiate ˆın ultimul capitol, acesta fiind dedicat prezent˘arii rezultatelor privind legile numerelor mari ¸si teoremelor de tip limit˘a central˘a. Subiectele abordate ˆın acest˘a carte sunt conforme cu programele analitice aferente disci- plinelor care presupun studierea teoriei probabilit˘at¸ilor ˆın cadrul facult˘at¸ilor Universit˘at¸ii Poli- tehnica din Bucure¸sti. Din acest motiv materialul este structurat ca un suport de curs/seminar

pentru facult˘at¸ile de profil electric, calculatoare ¸si tehnologia informat¸iei ¸si ˆı¸si propune s˘a rea- lizeze o introducere ˆın modelele ¸si metodele probabiliste necesare form˘arii competent¸elor pro- fesionale ale viitorilor absolvent¸i. Pentru o abordare complet˘a asupra teoriei facem trimitere la cˆateva c˘art¸i clasice de teoria probabilit˘at¸ilor precum [1], [2], [3], [6], [9], [11], [12]. S-aˆıncercat un mod de expunere apropiat student¸ilor, cu accent pus pe crearea competent¸elor necesare identific˘arii modelului corect ¸si aˆınt¸elegerii acestuia. Fiecare capitol cuprinde, pe lˆang˘a exemple ¸si probleme propuse, simul˘ari/rezolv˘ari cu ajutorul softurilor matematice dedicate (s-a optat pentru aplicat¸ia Mathematica).

O parte din cele prezentate au facut obiectul activitat¸ilor didactice def˘a¸surate de autori la

Universitatea Politehnica din Bucure¸sti. Mult¸umim domnnului dr. Iulian Cˆımpean pentru sugestiile formulate asupra materialului.

5

Autorii.

2

Spat¸ii de probabilitate

2.1 Experimente ¸si evenimente aleatoare, spat¸iul st˘arilor unui ex- periment, frecvent¸a unui eveniment

Elemente de terminologie utilizate ˆın mod curent ˆın teoria probabilit˘at¸ilor:

- experiment aleator: un proces repetabil ˆın urma c˘aruia obt¸inem un rezultat/ observat¸ie.

Exemple de experimente. Aruncarea unui zar sau a unei monezi, precum ¸si extragerea unei bile

dintr-o urn˘a cu bile.

- rezultate/observat¸ii/evenimente elementare: rezultatul obt¸inut ˆın urma unui exper- iment aleator (de regul˘a se noteaz˘a cu literele mici ale alfabetului). Exemple de evenimente elementare.

- {1, 2, 3, 4, 5, 6} la aruncarea unui zar;

- {ban, stem˘a} la aruncarea unei monezi;

- {c 1 , c 2 ,

, c n }, c i aparit¸ia bilei avˆand culoarea i, ˆın condit¸iile ˆın care ˆın urn˘a au fost

introduse n bine de culori diferite.

- eveniment aleator: un eveniment care se poate ˆıntˆampla sau nu ca urmare a rezultatului

obt¸inut ˆın experimentul aleator (de regul˘a se noteaz˘a cu literele mari ale alfabetului).

Exemple de evenimente aleatoare.

- la aruncarea zarului, ”aparit¸ia num˘arului 3”, ”aparit¸ia unuia din numerele {2, 3}” sau ”aparit¸ia unui num˘ar par”;

- la aruncarea monezii ”apare ban”;

- la extragerea unei bile din urn˘a, ”apare bila de culoarea c 1 ” .

Mult¸imea tuturor evenimentelor aleatoare care se pot obt¸ine ˆıntr-un experiment aleator se nume¸ste spat¸iul evenimentelor asociat experimentului.

Alte tipuri de evenimente:

- evenimentul sigur: evenimentul care apare la fiecare repetit¸ie a experimentului aleator.

La aruncarea zarului, aparit¸ia unui num˘ar natural, ˆıntrucˆat toate rezultatele elementare ale experimentului sunt numere naturale.

- evenimentul imposibil: evenimentul care nu apare niciodat˘a ca urmare a rezultatului experimentului aleator (se noteaz˘a uzual cu ).

La aruncarea zarului, aparit¸ia num˘arului 0, ˆıntrucˆat rezultatele elementare ale experimen- tului sunt {1, 2, 3, 4, 5, 6}.

- evenimente contrare: dou˘a evenimente A ¸si B pentru care la orice repetit¸ie a experimen-

tului avem c˘a dac˘a evenimentul A are loc atunci evenimentul B nu are loc sau dac˘a evenimentul

¯

B are loc atunci evenimentul A nu are loc (notat¸ia uzual˘a este B = A). La aruncarea zarului, evenimentele A =”apare un num˘ar par” ¸si B =”apare un num˘ar

impar” sunt evenimente contrare ˆıntrucˆat nu poate ap˘area simultan ¸si un num˘ar par ¸si un num˘ar impar.

- evenimente compatibile: dou˘a evenimente A ¸si B care pot ap˘area simultan ca urmare

a rezultatului unui experiment. La aruncarea zarului, evenimentele A =”apare uni num˘ar par” ¸si B =”apare un num˘ar mai mare ca 3” sunt evenimente compatibile ˆıntrucˆat dac˘a ˆın urma experimentului apare cifra 4

7

atunci evenimentele A ¸si B au loc amˆandou˘a.

- evenimente echiprobabile: dou˘a evenimente A ¸si B pentru care nu exist˘a niciun motiv

ca aparit¸ia unuia dintre cele dou˘a evenimente s˘a fie mai favorabil˘a. La aruncarea monezii, evenimentele A =”apare ban” ¸si B =”apare stem˘a” sunt echiposibile. La aruncarea unui zar, evenimentele A =”apare un num˘ar mai mic strict ca 3” ¸si B =”apare un num˘ar mai mare sau egal ca 3” nu sunt echiposibile, pentru c˘a evenimentul A are loc ˆın 2 situat¸ii (cˆand rezultatul experimentului este 1 sau 2), iar evenimentul B are loc ˆın 4 situat¸ii (cˆand rezultatul experimentului este 3, 4, 5 sau 6).

Remarc˘a. Studierea aparit¸iei unui eveniment se realizeaz˘a prin analiza aparit¸iei unei p˘art¸i a mult¸imii evenimentelor elementare. La aruncarea unui zar, evenimentul A =”apare un num˘ar par” se studiaz˘a prin inter- mediul evenimentelor elementare A 1 =”apare 2”, A 1 =”apare 4”, respectiv A 1 =”apare 6” care ˆıl determin˘a complet, ˆıntrucˆat A are loc dac˘a unul din evenimentele A 1 , A 2 sau A 3 au loc (A = A 1 A 2 A 3 = {2, 4, 6}).

Astfel, apare drept necesar˘a utilizarea operat¸iilor ˆıntre mult¸imi ¸si semnificat¸ia acestora la nivel de evenimente.

- reuniunea evenimentelor A ¸si B (evenimentul A B) apare cˆand cel put¸in unul din evenimentele A sau B apar;

- intersect¸ia evenimentelor A ¸si B (evenimentul A B) apare cˆand ambele evenimente A ¸si B au loc simultan;

- diferent¸a evenimentelor A ¸si B (evenimentul A \ B) apare cˆand evenimentul A are loc ¸si B nu are loc;

- complementarul evenimentului A (evenimentul A c ) apare cˆand evenimentul contrar

lui A are loc; Remarc˘a. Mult¸imea care reprezint˘a evenimentul imposibil este mult¸imea vid˘a. Evenimentul sigur este reprezentat de mult¸imea format˘a din toate evenimentele elementare. Cele dou˘a evenimente sunt complementare. Spunem c˘a evenimentul A implic˘a B dac˘a aparit¸ia evenimentului A implic˘a ¸si aparit¸ia evenimentului B.

La aruncarea unui zar, evenimentul A =”apare 2” implic˘a evenimentul B =”apare un num˘ar par”. Orice eveniment implic˘a implic˘a evenimentul sigur.

Spat¸iul st˘arilor unui experiment

Definit¸ie. Spat¸iul st˘arilor unui experiment este mult¸imea tuturor rezultatelor elementare ale experimentului.

Remarc˘a. Unui experiment i se pot asocia mai multe spat¸ii de st˘ari, funct¸ie de interpretarea pe care o furniz˘am rezultatelor acestuia. Unele spat¸ii sunt ”mai potrivite” decˆat altele, pe de o parte din perspectiva faptului c˘a evenimentele elementare pot fi sau nu echiposibile ¸si pe de alt˘a parte datorit˘a cantit˘at¸ii de informat¸ie privind experimentul, pe care o cont¸in.

Exemplu. Consider˘am experimentul arunc˘arii cu 2 zaruri.

8

Exist˘a mai multe modalit˘at¸i de a defini spat¸iul st˘arilor: Ω 1 = {(1, 1), (1, 2),

, (6, 6)}, Ω 2 =

{2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12} ¸si Ω 3 ={aceea¸si paritate, parit˘at¸i diferite}. Pentru Ω 1 se consider˘a rezultatele fiec˘arui zar ˆın parte, prima component˘a reprezentˆand rezultatele primului zar, iar a doua component˘a rezultatele celui de-al doilea zar. Interpretat astfel rezultatul experimentului, toate evenimentele elementare aferente acestuia pot fi privite ca elemente din Ω 1 . Pentru Ω 2 se consider˘a suma rezultatelor obt¸inute la aruncarea celor dou˘a zaruri. Din aceast˘a perspectiv˘a, toate evenimentele elementare aferente experimentului pot fi privite ca elemente din Ω 2 . Pentru Ω 3 se analizeaz˘a dac˘a rezultatele obt¸inute din aruncarea celor dou˘a zaruri au sau nu aceea¸si paritate. Astfel, toate evenimentele elementare aferente experimentului sunt elemente

din Ω 3 . Toate cele trei mult¸imi reprezint˘a spat¸ii de st˘arii ale aceluia¸si experiment aleator. O analiz˘a simpl˘a a spat¸iilor ne arat˘a c˘a:

- evenimentele elementare din Ω 1 ¸si Ω 3 sunt echiposibile, spre deosebire de cele din Ω 2 ;

- spat¸iul Ω 1 este mai bogat ˆın informat¸ie dec˘at Ω 2 ¸si Ω 3 ˆıntrucˆat dac˘a se cunoat¸e ce eveni- ment elementar privit ˆın spat¸iul Ω 1 a ap˘arut, atunci se cunoa¸ste ¸si evenimentul elementar corespunz˘ator spat¸iilor de st˘ari Ω 2 ¸si Ω 3 .

Frecvent¸a unui eveniment Consider˘am un experiment avˆand spat¸iul st˘arilor Ω si un eveniment A asociat acestuia. Repet˘am experimentul de n ori, n N.

Definit¸ie. Num˘arul aparit¸iilor evenimentului A ˆın cele n repet˘ari ale experimentului (notat

uzual cu α n ) se nume¸ste frecvent¸a absolut˘a a lui A. Num˘arul σ n (A) = α n frecvent¸a relativ˘a a evenimentului A.

Propozit¸ia 2.1.1. Urm˘atoarele afirmat¸ii sunt adev˘arate:

(i) α n [0, n] ¸si σ n (A) [0, 1] pentru orice n N. (ii) σ n () = 0 ¸si σ n (Ω) = 1. (iii) σ n (A B) = σ n (A) + σ n (B), dac˘a A B = ¸si n N. In ˆ particular avem c˘a σ n ({e}) = 1.

se nume¸ste

n

e

Demonstrat¸ia propozit¸iei este direct˘a folosind definit¸iile mai sus introduse.

2.2 Probabilitatea unui eveniment, scheme clasice de probabilit˘at¸i

P. de Fermat (1601-1665) ¸si B. Pascal (1623-1662) au definit pentru prima dat˘a probabili- tatea realiz˘arii evenimentului A prin

Num˘arul cazurilor favorabile aparit¸iei evenimentului A

Num˘arul cazurilor posibile

.

Justific˘am ˆın continuare modul ˆın care s-a ajuns la aceast˘a definit¸ie.

9

Exemplu 1. Consider˘am experimentul arunc˘arii unei monede, avˆand spat¸iul st˘arilor Ω ={ban,

stem˘a}. Toate evenimentele elementare sunt echiposibile, sens ˆın care intuitiv este firesc s˘a

”m˘asur˘am” ¸sansa aparit¸iei fiec˘aruia dintre ele cu

2 1 = inversul num˘arului evenimentelor el-

ementare care compun spat¸iul st˘arilor (frecvent¸a relativ˘a a evenimentelor), spat¸iul st˘arilor avˆand doar cele dou˘a elemente.

Exemplu 2. Consider˘am experimentul arunc˘arii unui zar, avˆand spat¸iul st˘arilor Ω = {1, 2, 3, 4, 5, 6}. Toate evenimentele elementare sunt echiprobabile, sens ˆın care ”m˘asur˘am” ¸sansa aparit¸iei

6 1 = inversul num˘arului evenimentelor elementare care compun spat¸iul

fiec˘aruia dintre ele cu st˘arilor.

Exemplu 3. Consider˘am experimentul extragerii unei bile dintr-o urn˘a avˆand n bile de culori

, c n }, unde c i reprezent˘a culoarea bilei. Toate

evenimentele elementare sunt echiprobabile, astfel c˘a ”m˘asur˘am” ¸sansa aparit¸iei fiec˘aruia dintre

ele cu

Definit¸ie. Dac˘a evenimentele elementare ale unui unui experiment sunt echiprobabile atunci spunem c˘a evenimentele sunt echiprobabile ¸si probabilitatea fiec˘arui eveniment este egal˘a cu inversul num˘arului de evenimente elementare care compun spat¸iul st˘arilor.

diferite. Spat¸iul st˘arilor este Ω = {c 1 , c 2 ,

n 1 = inversul num˘arului evenimentelor elementare care compun spat¸iul st˘arilor.

ˆ

In continuare extindem definit¸ia probabilit˘at¸ii la evenimente care nu sunt doar evenimente

elementare.

al experimentului. Exemplu. Consider˘am experimentul arunc˘arii a dou˘a monezi, spat¸iul st˘arilor fiind Ω =

{(b, b), (b, s), (s, b), (s, s)} unde b reprezint˘a fat¸a ”ban”, iar s fat¸a ”stem˘a”. Definim evenimentul A ={fet¸ele zarurilor sunt identice}. Prin urmare aparit¸ia evenimentele elementare (b, b) ¸si (s, s) sunt favorabile aparit¸iei evenimentului A ¸si ˆın consecint¸˘a m˘asur˘am ¸sansa aparit¸iei lui A cu

valoarea 2

2 1 = raportul dintre num˘arul evenimentelor din A care sunt favorabile aparit¸iei

lui A ¸si num˘arul total de evenimente.

Definit¸ie. Dac˘a evenimentele elementare aferente spat¸iului st˘arilor unui experiment sunt echi- probabile ¸si A este un eveniment atunci probabilitatea evenimentului A este raportul dintre num˘arul evenimentelor echiprobabile care definesc evenimentul A ¸si num˘arul evenimentelor elementare care compun spat¸iul st˘arilor.

ˆ

In general, un eveniment este un element din mult¸imea p˘art¸ilor spat¸iului de st˘ari

=

4

Probabilitatea evenimentului A este notat˘a cu P (A).

Propozit¸ia 2.2.1. Urm˘atoarele afirmat¸ii sunt adev˘arate:

(i) P () = 0 ¸si P (Ω) = 1; (ii) P (A) [0, 1] pentru orice eveniment A;

¯

(iii) P (A) + P ( A) = 1 pentru orice eveniment A.

Demonstrat¸ia propozit¸iei este direct˘a folosind definit¸ia mai sus introdus˘a.

Scheme clasice de probabilit˘at¸i

a) Schema lui Bernoulli, f˘ar˘a ˆıntoarcere. Se consider˘a o urn˘a ce cont¸ine N bile de m

,N m de culoarea m. Se realizeaz˘a n extrageri

culori diferite, dintre care N 1 de culoarea

10

succesive din urn˘a, f˘ar˘a revenire. Probabilitatea ca din cele n bile extrase n 1 s˘a fie de culoarea

1,

, n m s˘a fie de culoarea m, este:

P

=

C n 1

N

1 · C

2

2

n

N

C

n m

N

m

C

n

N

.

b) Schema lui Bernoulli, cu ˆıntoarcere. Se consider˘a o urn˘a ce cont¸ine bile de m culori

diferite. Se cunosc probabilit˘at¸ile ca, extr˘agˆand la ˆıntˆamplare o bil˘a din urn˘a, aceasta s˘a fie

de culoarea i, i = 1,

urn˘a, cu revenire. Probabilitatea ca din cele n bile extrase n 1 s˘a fie de culoarea 1, fie de culoarea m, este:

, m, probabilit˘at¸i notate cu p i . Se realizeaz˘a n extrageri succesive din

, n m s˘a

P =

n!

n m ! p n 1

1

n 1 !

· p n 2

2

p

n m

m .

, n, cont¸inˆand bile albe ¸si negre.

Probabilitatea ca efectuˆand la ˆıntˆamplare o extragere din urna U i , i = 1,

bil˘a alb˘a respectiv neagr˘a sunt p i , respectiv q i = 1 p i . Se extrage o bil˘a din fiecare urn˘a. Probabilitatea ca din cele n bile extrase, k s˘a fie albe ¸si n k s˘a fie negre este coeficientul lui t k din polinomul:

, n s˘a apar˘a o

c) Schema lui Poisson. Se consider˘a n urne U i , i = 1,

P = (p 1 t + q 1 ) · (p 2 t + q 2 )

(p n t + q n ).

d) Schema lui Pascal. Consider˘am o urn˘a care cont¸ine bile de 2 culori, s˘a spunem albe

¸si negre. Se extrag bile din urn˘a, una cˆate una, cu ˆıntoarcerea bilei ˆın urn˘a, fiind ret¸inut˘a culoarea bilei. Consider˘am ca la o extragere avem succes dac˘a am extras o bil˘a de culoarea alb˘a, probabilitatea de extragere fiind p (0, 1). Probabilitatea ca la aparit¸ia celui de-al n-lea succes s˘a fi obt¸inut k insuccese este

Probabit˘at¸i geometrice.

P

= C n+k1 p n (1 p) k .

k

ˆ

In situat¸ia ˆın care cazurile favorabile ¸si cazurile totale se pot exprima sub forma unei arii

sau a unui volum atunci

P(A) = Aria favorabil˘a = Volumul favorabil

Aria total˘a

Volumul total

.

Exemplul 1. Se aleg la ˆıntˆamplare dou˘a numere α, β din intervalul [1, 1]. Care este probabi-

litatea ca α 2 + β 2

1?

Care este probabi- litatea ca α 2 + β 2 ≤ 1? Figura 1: Aria favorabil˘a

Figura 1: Aria favorabil˘a (cercul) ¸si aria total˘a (p˘atratul)

11

R˘aspuns. P (A) =

aria cercului unitate aria p˘atratului avˆand latur˘a de lungime 2 = π

4 .

Exemplul 2. Alegem la ˆıntˆamplare o firm˘a din mult¸imea firmelor cu 4 act¸ionari. Care este probabilitatea ca firma aleas˘a s˘a aib˘a un act¸ionar majoritar.

ca firma aleas˘a s˘a aib˘a un act¸ionar majoritar. Figura 2: Volumul favorabil (zona ha¸surat˘a) ¸si volumul

Figura 2: Volumul favorabil (zona ha¸surat˘a) ¸si volumul total (tetraedrul)

R˘aspuns. Consider˘am x, y, z, t (0, 1) variabile care cuantific˘a num˘arul de act¸iuni ale celor 4 act¸ionari. Prin urmare x + y + z + t = 1. Condit¸ia ca firma s˘a aib˘a un act¸ionar majoritar

 

1

1

1

1

impune urm˘atoarea restrict¸ie: x

2 sau y

2 sau z

2 sau x + y + z

2 . Astfel, volumul

favorabil este volumul tetraedrului avˆand latur˘a de lungime 1, respectiv volumul total este

volumul ha¸surat, adic˘a de 3 ori volumul tetraedrului avˆand latur˘a de lungime

2 1 . Prin urmare,

P(A) =

4 · V 1

2

V 1

= 1

2 ,

unde am notat cu V a volumul tetreaedrului avˆand latura de lugime a.

2.3 Definit¸ia axiomatic˘a a probabilit˘at¸ii

Introducem ˆın continuare definit¸ia modern˘a a probabilit˘at¸ii, ˆın sensul teoriei m˘asurii, care provine de la A.N. Kolmogorov (1930).

Definit¸ie. Fie o mult¸ime nevid˘a. O colect¸ie F de submult¸imi ale lui se nume¸ste σ-algebr˘a (sau corp borelian) pe dac˘a are urm˘atoarele propriet˘at¸i:

(cb1) Ω ∈ F (F cont¸ine ˆıntreg spat¸iul ); (cb2) dac˘a A ∈ F atunci A c ∈ F (F este ˆınchis la complementare);

(cb3) dac˘a A 1 , A 2 ,

∈ F atunci A n ∈ F (F este ˆınchis la reuniuni num˘arabile).

n1

12

Exemple triviale. Se arat˘a imediat c˘a F 1 = {∅, } (σ-algebra minimal˘a) ¸si F 2 = P(Ω) (σ- algebra minimal˘a) sunt σ-algebre pe Ω. Orice alt˘a alt˘a σ-algebr˘a F pe Ω are proprietatea c˘a F 1 ⊂ F ⊂ F 2 .

Definit¸ie. Se nume¸ste spat¸iu m˘asurabil perechea (Ω, F ) unde:

(sp1) Ω

(sp2) F este o σ-algebr˘a pe .

Elementele lui F se numesc mult¸imi m˘asurabile.

= ;

Propozit¸ia 2.3.1. (Propriet˘at¸i ale σ-algebrelor) Dac˘a (Ω, F ) este un spat¸iu m˘asurabil atunci:

(i)

dac˘a A 1 , A 2 ,

∈ F atunci A n ∈ F (F este ˆınchis la intersect¸ii num˘arabile);

(ii)

n1

dac˘a A, B ∈ F atunci A \ B ∈ F (F este ˆınchis la diferent¸e).

Dac˘a F 1 este o alt˘a σ-algebr˘a pe atunci ¸si F ∩ F 1 este σ-algebr˘a pe (intersect¸ia a

dou˘a σ-algebre este o σ-algebr˘a).

Demonstrat¸ie. Afirmat¸ia (i) este o consecint¸˘a a propriet˘at¸ilor (cb2) ¸si (cb3) ¸si a legii lui De Morgan care afirm˘a c˘a:

(iii)

dac˘a A 1 , A 2 ,

∈ F atunci ( A n ) c = ( A n ) c .

n1

n1

Proprietatea (ii) rezult˘a din (i), (cb2) ¸si faptul c˘a A \ B = A B c .

(iii) rezult˘a folosind propriet˘at¸ile corpului borelian ¸si ale operat¸iilor de intersect¸ie, reuniune

q.e.d.

¸si complementare.

Corolar 2.3.2. Dac˘a A 1 , A 2 ,

∈ F atunci

lim inf A n :=

n1

n=1 k=n

A k ∈ F ¸si

lim sup A n :=

n1

n=1 k=n

ˆ

In particular, dac˘a lim inf A n = lim sup A n atunci lim

n1

n1

n A n exist˘a ¸si

n A n := lim inf A n = lim sup A n ∈ F

lim

n1

n1

A k ∈ F.

σ-algebra generat˘a.

Dac˘a S ⊂ P(Ω) (mult¸imea p˘art¸ilor lui Ω) atunci g˘asimˆıntotdeauna o σ-alegebr˘a care cont¸ine pe S ¸si anume P (Ω). Se poate demonstra c˘a exist˘a o cea mai mic˘a (ˆın sensul incluziunii) σ - algebr˘a care cont¸ine S, aceasta se noteaz˘a cu σ(S) ¸si se nume¸ste σ-algebra generat˘a de S. Mai precis, σ(S) este unica σ-alegebr˘a care satisface urm˘atoarele dou˘a propriet˘at¸i:

(i)

S σ(S);

(ii)

oricare alt˘a σ-algebr˘a F astfel ˆıncˆat S ⊂ F rezult˘a c˘a σ(S) ⊂ F .

Remarc˘a. Dac˘a S ⊂ P(Ω) atunci σ(S) = S dac˘a ¸si numai dac˘a S este o σ-algebr˘a (inegalitatea ”” fiind evident˘a din definit¸ia σ-algebrei minimale).

Un exemplu fundamental de σ-algebr˘a generat˘a este σ-algebra Borelian˘a pe R definit˘a astfel:

13

B(R) = σ({A R | A mult¸ime deschis˘a ˆın R}).

Definit¸ie. Se nume¸ste probabilitate pe spat¸iul m˘asurabil (Ω, F ) o funct¸ie P : F −→ [0, 1] care are urm˘atoarele propriet˘at¸i:

(p1) P (Ω) = 1;

(p2) pentru orice A 1 , A 2 ,

∈ F cu A n A m = dac˘a n

= m avem

P( A n ) = P(A n ).

n1

n1

Definit¸ie. Se nume¸ste spat¸iu de probabilitate tripletul (Ω, F , P ) unde

(sp1) Ω

= (spat¸iul evenimentelor elementare);

(sp2) F este o σ-algebr˘a pe (spat¸iul tuturor evenimentelor);

(sp3) P este o probabilitate pe spat¸iul m˘asurbil (Ω, F ).

Propozit¸ia 2.3.3. (Propriet˘at¸ile probabilit˘at¸ii) Fie (Ω, F , P ) un spat¸iu de probabilitate. Urm˘atoarele afirmat¸ii sunt adev˘arate:

a)

P() = 0;

b)

P (A) P (B) pentru orice A, B ∈ F cu A B;

c)

P (A) [0, 1] pentru orice A ∈ F ;

d)

P (A c ) = 1 P (A) pentru orice A ∈ F ;

e)

P (A B) = P (A) + P (B) P (A B) pentru orice A, B ∈ F .

Demonstrat¸ie. a) Pentru A ∈ F avem P (A ∪ ∅) (p2)

=

ˆ

P (A) + P () deci P () = 0.

b) Intrucˆat A B avem c˘a B = A (B \ A) cu A (B \ A) = . Folosind pozitivitatea lui

P

obt¸inem P (B) (p2)

=

P (A) + P (B \ A) P (A).

Afirmat¸ia c) rezult˘a din b) aplicat pentru A Ω, A ∈ F ¸si (p1).

d) are loc ˆıntrucˆat pentru A ∈ F avem A A c = Ω deci P (A) + P (A c ) = P (Ω) = 1.

Pentru A, B ∈ F avem P (A B) (p2)

= P(A) + P(B \ A) (p2)

= P (A) + (P (B) P (A B)), deci

q.e.d.

afirmat¸ia e) este demonstrat˘a.

Exemplul 1. Pentru experimentul aruncarea unei monezi consider˘am urm˘atorul spat¸iu de pro- babilitate (Ω, F , P ):

Ω = {ban, stem˘a}, F = {∅, ban, stem˘a, }, P : F −→ [0, 1],

P (ban) = P (stem˘a) = 1

2 .

Exemplul 2. Pentru experimentul aruncarea unui zar consider˘am urm˘atorul spat¸iu de probabi- litate (Ω, F , P ):

Ω = {1, 2, 3, 4, 5, 6}, F = P(Ω), P : F −→ [0, 1],

P (1) = P (2) =

= P (6) = 6 1 .

Exemplul 3. diferite (c 1 , c 2 ,

Pentru experimentul extragerea unei bine dintr-o urn˘a cu n bile avˆand culori

, c n ) consider˘am urm˘atorul spat¸iu de probabilitate (Ω, F , P ):

P(c 1 ) = P(c 2 ) =

= {c 1 , c 2 ,

,

c n },

F = P(Ω), P : F −→ [0, 1], = P(c n ) = 1

n .

14

Remarc˘a. Dac˘a Ω este finit (situat¸ia celor 3 exemple) atunci este suficient s˘a definim probabi- litatea P pe mult¸imea evenimentelor elementare.

Teorem˘a 2.3.4. (G. Boole, H. Poincare) Fie (Ω, F , P ) un spat¸iu de probabilitate ¸si A 1 , A 2 , F . Atunci pentru orice n N avem:

(i) P(

n

i=1

n

A i ) =

L⊂{1,2,

(1) card(L)+1 P(

,n}

iL

A i ).

(ii)

(iii)

(iv)

P (

A i ) =

i=1 L⊂{1,2,

(1) card(L)+1 P(

,n}

iL

P (

iN

P (

iN

A i ) P(A i ).

iN

A i ) 1 P(A ).

c

i

iN

A i )

n

i=1

P(A i ) (n 1);

Demonstrat¸ie. Relat¸ia de la punctul (i) se demonstreaz˘a prin induct¸ie dup˘a n N . Cazul

a dou˘a evenimente rezult˘a din Propozit¸ia 2.3.3 e). Presupunem ˆın continuare c˘a relat¸ia are loc pentru n evenimente ¸si o demonstr˘am pentru

A 1 , A 2 ,

, A n , A n+1 ∈ F . Folosind pasul n = 2 ¸si ipoteza de induct¸ie rezult˘a c˘a:

P(

n+1

i=1

A i ) n=2

=

P