INTRODUCERE ÎN TEORIA PROBABILITĂŢILOR

Teoria probabilităţilor pune la dispoziţia cercetătorului din orice domeniu un punct

de vedere probabilistic asupra fenomenelor naturale, este vorba de a aprecia
desfăşurarea posibilă a unor evenimente, pe baza unor experienţe anterioare sau pe baza
unor date empirice.
Un experiment (sau experienţă) este o activitate cu rezultate observabile.
Rezultatele observabile se numesc evenimente legate de experimentul respectiv. Orice
rezultat al unui experiment se numeşte eveniment elementar (simplu).
Notăm cu  mulţimea tuturor evenimentelor elementare realizabile într-o anumită
experienţă.  se numeşte evenimentul sigur, iar evenimentul care nu se poate produce
la efectuarea unei experienţe se numeşte evenimentul imposibil şi se notează .
Operaţii cu evenimente. Pe mulţimea tuturor evenimentelor corespunzătoare
unei experienţe se definesc trei operaţii logice : “sau”, “şi”, “non”.
a) Fie A,B două evenimente. Vom numi reuniunea lor şi vom nota AB evenimentul
“A sau B” care se produce atunci când :
- apare numai A;
- apare numai B;
- apar simultan A şi B.
b) “A şi B” este evenimentul care se realizează atunci când se realizează atât A cât
şi B. Se notează prin AB.
c) Pentru orice eveniment A, există evenimentul “non A” care apare dacă şi numai
dacă nu apare A. El se notează A sau non A sau A c .
Proprietăţi ale operaţiilor cu evenimente
1. c=, c= Ω ; A A  Ω , A A  ;
2. AB = BA ; AB = BA;
3. A(BC)=(AB)C; A(BC)=(AB)C;
4. A=A; A=;
5. A=; A=A;
6. AA=A; AA=A;
7. A  B  A  B ; A  B  A  B ( legile lui de Morgan)
8. B(AC)=(BA)(BC); B(AC)=(BA)(BC).

Page 1 of 24
 Două evenimente A şi B care nu pot avea loc simultan se numesc incompatibile,
deci “A şi B” este evenimentul imposibil: AB=.
Dacă AB  , A şi B se numesc compatibile.
Evenimentele elementare sunt incompatibile.
Evenimentele {A1,A2,…, An} spunem că formează un sistem complet de
evenimente dacă :
- sunt incompatibile două câte două, adică Ai  Aj= pentru i,j= 1, n ,ij;
- A1A2…An=.

Cel mai simplu sistem complet de evenimente este {A, A }.

O altă operaţie cu evenimente este “ diferenţa” lor , A\ B. Prin definiţie, A\ B= A B .
Vom spune că A implică B, dacă realizarea lui A atrage după sine realizarea lui B.
Vom nota AB.
Câmp de evenimente. Fie  mulţimea evenimentelor elementare realizate într-o
anumită experienţă, P() mulţimea părţilor lui  şi KP() o mulţime de evenimente
aleatoare rezultate din experienţa respectivă.
O mulţime K de părţi a lui , nevidă, se numeşte corp de evenimente dacă
îndeplineşte axiomele:
k1) oricare ar fi evenimentul AK  A K;
k2) oricare ar fi A şi B K  A  B  K.
Dacă K este un corp de evenimente ale lui , atunci sunt adevărate următoarele
proprietăţi:
a) K, K;
n n
b) Dacă A1,A2,…,AnK atunci  Ai K şi  Ai K;
i 1 i 1
c) Dacă A,BK, atunci A \ BK.
Se numeşte corp borelian de evenimente (după matematicianul francez Emile
Borel) o mulţime KP() infinită, cu proprietăţile :

i) AK  A K;

ii) oricare ar fi evenimentele A1,A2,..,An,…K  evenimentul  Ai K.
i 1

Corpul borelian este un corp de evenimente.Reciproca nu este adevărată. În plus,


dacă A1,A2,..An,…K, atunci  Ai K.
i 1

Page 2 of 24
 Se numeşte câmp finit de evenimente o mulţime finită de evenimente , pe care
s-a definit un corp de evenimente K. Se notează {,K}.
Dacă  nu este finit, iar K este un corp borelian, atunci {,K} se numeşte câmp
borelian de evenimente.
Vom considera că  este format dintr-un număr finit de evenimente egal posibile,
pe care îl vom nota n(). Fie A un eveniment din  şi n(A) numărul de evenimente
elementare care sunt favorabile apariţiei lui A.
Vom numi probabilitatea evenimentului A şi vom nota cu P(A), raportul dintre n(A)
şi n(), adică :
nr . even. elementare favorabile realizarii lui A
P(A) = . (1)
nr . even. posibile
Se numeşte frecvenţă absolută a evenimentului A, numărul de apariţii al
evenimentului A într-un număr oarecare de probe efectuate. Frecvenţa relativă a
evenimentului A este raportul dintre numărul m de apariţii ale evenimentului A şi numărul
m
total de probe efectuate. Frecvenţa relativă se va nota: f n= . (2)
n
Fie {,K} câmp de evenimente. Se numeşte probabilitate pe câmpul de
evenimente {,K} o funcţie P :K  R, care verifică axiomele :
P1) P(A)  0, AK;
P2) P()=1;
P3) P(AB)=P(A)+P(B), dacă AB= ( adică A şi B sunt evenimente incompatibile ).
Dacă A şi B sunt evenimente din K, atunci:
1) P( A )=1 - P(A);
2) P()=0;
3) Dacă AB ( A implică B) , atunci P(A)  P(B);
4) Pentru orice eveniment AK, 0 P(A) 1;
5) P(B \ A)=P(B) – P(AB);
6) Dacă AB, atunci P(B \ A) = P(B) – P(A);
7) P(AB)=P(A)+P(B) – P(AB);
 n  n
8) P   Ak    P ( Ak ) , pentru evenimentele A1,A2,..,An incompatibile două câte două.
 k 1  k 1

Un câmp de evenimente {,K} înzestrat cu o probabilitate P se numeşte câmp de

probabilitate. Se notează {,K,P}.

Page 3 of 24
 Fie {,K} un câmp borelian. Se numeşte probabilitate complet aditivă pe câmpul
{,K} o funcţie P:KR cu proprietăţile:
1) P(A)  0 ,  AK;
2) P()=1;
  
3) P   Ak    P ( Ak ), pentru orice familie numărabilă de evenimente,
 k 1  k 1
incompatibile două câte două.
{,K,P} se numeşte câmp borelian de probabilitate, dacă P este complet aditivă.
Probabilitate condiţionată. Fie {,K,P} un câmp de probabilitate şi A,B K, cu
P(A)0. Se numeşte probabilitatea evenimentului B condiţionat de evenimentul A şi
se notează PA(B) sau P(B/A) raportul :
P( A  B)
P(B/A)=PA(B)= . (4)
P ( A)
Această condiţionare implică faptul că se pot evalua consecinţele apariţiei
evenimentului B, ştiind că A a avut deja loc. Adesea, se foloseşte formula :
P(AB)=P(A)PA(B). (5)
Evenimente independente
Două evenimente A şi B pentru care
P(AB)=P(A)P(B) (6)
se numesc evenimente independente.
Dacă două evenimente sunt independente şi incompatibile atunci
P(AB)=P(A)P(B) şi P(AB)=P()=0 P(A)=0 sau P(B)=0.
Evenimentele A1,A2,…,An se numesc independente în totalitatea lor, dacă pentru
orice număr s cuprins între 0 şi n şi orice indici k 1,k2,…,ks cu 1 k1 k2…ksn este
îndeplinită condiţia:
P( Ak  Ak   Ak )=P( Ak )  P( Ak )  P( Ak ).
1 2 s 1 2 s

Formula de calcul a probabilităţii evenimentului A1  A2   An , cu A1, A2 , …, An

evenimente independente în totalitatea lor este
P( A1  A2   An )=P( A1 )  P( A2 )  P( An ). (7)

Fie A1,A2,…,An evenimente. Presupunem că P( A1  A2   An )  0. Atunci are

loc următoarea egalitate:
P( A1  A2   An )=P(A1) PA (A2) PA1A2 (A3) PA1A2 ...An 1 ( An ). (8)
1

Page 4 of 24
 Tot pentru probabilitatea realizării simultane a n evenimente a fost demonstrată
inegalitatea lui Boole:
n
P( A1  A2   An )   P( Ak )  (n  1) . (10)
k 1

Formula probabilităţii totale şi formula lui Bayes. Fie un sistem complet de evenimente
A1,A2,…,An, adică: A1A2…An= şi Aj  Ak =,  j,k= 1, n , j  k.

Presupunem că P(Ak)  0,  k = 1, n . Fie un eveniment X. Atunci X se mai poate scrie :

n  n
X= X=X   Ak  =  ( X  Ak ) .
 k 1  k 1
Evenimentele XAk sunt incompatibile două câte două, deoarece ij,
(XAi)(XAj)= , Ai, Aj fiind incompatibile. Se obţine astfel :
n
P(X) =  P ( X  Ak ) .
k 1
Dar din relaţia (5) fiecare termen al sumei se poate scrie
P(XAk)= P(Ak)  P(X/Ak)  k= 1, n , cu condiţia P(Ak)0.
n
Se obţine astfel: P(X) =  P ( Ak )  P ( X / Ak ) . (11)
k 1

Aceasta se numeşte formula probabilităţii totale.

Ştim că dacă X şi B sunt două evenimente cu probabilităţi diferite de zero, atunci

P(BX)= P(X)P(B /X) = P(B)P(X /B) ; rezultă:
P (B )  P ( X / B )
P(B / X)= . (12)
P( X )
Dacă {A1,A2,…,An} este un sistem complet de evenimente, în locul evenimentului B
în (12) putem lua unul din evenimentele sistemului, fie Ak şi vom obţine formula:
P ( Ak )  P ( X / Ak ) P ( Ak )  P ( X / Ak )
P(Ak /X)= = n . (13)
P( X )
 P ( A i )P ( X / Ai )
i 1

Această formulă se numeşte formula lui Bayes, după numele omului de ştiinţă
englez care a trăit în secolul al XVIII-lea.
Fie A1,A2,…,An, n evenimente compatibile. Probabilitatea producerii a cel puţin unui
eveniment este dată de formula :
n n n
P( A1  A2   An ) =  P( Ai ) -  P( Ai  A j ) +  P( Ai  A j  Ak ) -….+
i 1 i , j 1 i , j ,k 1
i j i  j k

+ (1)n 1P( A1  A2  .....  An ) . (14)

Aceasta se numeşte formula lui Poincare.

Page 5 of 24
Pentru n=2, formula lui Poincare devine
P(A1A2)=P(A1)+P(A2) – P(A1A2).

1.Schema lui Bernoulli ( sau binomială sau schema urnei cu bilă revenită)
Într-o urnă se află bile albe şi bile negre. Probabilitatea de a extrage la întâmplare o
bilă albă este p, iar probabilitatea evenimentului apariţiei unei bile negre este q=1–p. Se
extrag la întâmplare n bile pe rând, observându–se culoarea şi punând bila extrasă de
fiecare dată înapoi în urnă. Care este probabilitatea ca, în cele n extrageri să apară k bile
albe?
Notăm X evenimentul ca din n bile extrase, k, (kn) să fie bile albe, iar
probabilitatea lui X o vom nota Pn;k. Fie Aj evenimentul ca la extragerea j să apară o bilă
albă, j  1, n . P(Aj)=p; P( A j )=1–p=q.

Pn;k= Cnk p k q n k
este formula care caracterizează schema bilei revenite, unde n,kN, kn, p,q 0 p+q=1.
Această formulă din schema lui Bernoulli se poate generaliza.
Presupunem că într-o urnă sunt bile de s culori, s2. Probabilitatea de a extrage, la
întâmplare, o bilă de culoarea 1 este p1; de a extrage, la întâmplare, o bilă de culoarea 2
este p2 , ş.a.m.d., iar p1+p2+..+ps=1. Se extrag la întâmplare n bile, punându-se de fiecare
dată bila extrasă înapoi. Care este probabilitatea ca din cele n bile extrase, k 1 să fie de
culoarea 1, k2 să fie de culoarea 2,….,ks să fie de culoarea s? Evident k1+k2+…+ks=n.
Vom nota probabilitatea căutată cu Pn(k1,k2,..,ks).
Prin generalizarea formulei din schema bilei revenite, obţinem:
n!
Pn(k1,k2,..,ks)= p1k1 p2k2 .... psks .
k1!k 2 !.... k s !

2.Schema urnei cu bila nerevenită. Este asemănătoare cu schema lui Bernoulli,

însă se face ipoteza că bila nu mai revine în urnă după fiecare extragere.
Într-o urnă se află a bile albe şi b bile negre, în total N bile. Se extrag la întâmplare
n bile, fără a reintroduce bila extrasă înapoi în urnă. Care este probabilitatea ca din cele n
bile extrase, k să fie albe?
Notăm cu X = evenimentul ca din cele n bile extrase k sunt albe. Numărul cazurilor
posibile pentru acest eveniment este egal cu CNn . Putem forma C ak grupe ce conţin k bile

albe; fiecare astfel de grupă se asociază cu o grupă ce conţine n–k bile negre (în total
C bn k ) obţinându-se numărul cazurilor favorabile C ak C bn k .

Page 6 of 24
 Aplicând formula clasică a probabilităţii se obţine :
Cak C bn k
P(X)= .
CNn
3.Schema urnelor lui Poisson. În n urne identice se află în diferite proporţii bile
albe şi bile negre. Probabilitatea de a extrage o bilă albă din urna j este p j, iar de a extrage
o bilă neagră este q j=1–pj, j= 1, n . Se extrage din fiecare urnă câte o bilă, în total n bile.
Care este probabilitatea Pn(k) ca din cele n bile extrase, k să fie albe?
Notăm cu X evenimentul ca din cele n bile extrase (câte una din fiecare urnă) k să
fie albe şi cu Aj extragerea unei bile albe din urna j, iar A j este evenimentul extragerii unei

bile negre din urna j, j  1, n .

P(X)=  pi pi ... pi qi
1 2 k k 1
...q i n care reprezintă coeficientul lui tk din
{ i1,i 2 ,.. i n }

polinomul lui Poisson (p1t+q1)(p2t+q2)….(pnt+qn).

Observaţie. Schema urnelor lui Poisson este o generalizare a schemei lui
Bernoulli.
4. Schema lui Pascal. Considerând urna din schema lui Bernoulli, se pune
problema determinării probabilităţii ca la o anumită extragere să se realizeze evenimentul
dorit. Probabilitatea ca în extracţia k să apară bila albă este pqk-1.
Fie Aj evenimentul ca la extragerea j să apară o bilă albă, j  1, n . P(Aj)=p; P( A j )=1–p=q.

Evenimentul A ca să apară bila albă la extragerea k este :

A= A1  A2  ...  Ak 1  Ak .
Probabilitatea lui A este P(A)=pqk-1. Această probabilitate reprezintă termenul
general al unei progresii geometrice cu primul termen p şi raţia q şi din acest motiv,
schema se mai numeşte şi schema geometrică.

VARIABILE ALEATOARE
În multe situaţii este potrivit să asociem evenimentelor unui experiment valori
numerice. De exemplu, dacă experimentul constă în aruncarea unui zar şi observarea
feţei care apare, este natural să asociem numerele 1,2,3,4,5,6 respectiv evenimentelor
elementare ale experimentului. Dacă, X desemnează rezultatul experimentului, atunci X ia
valorile 1,2,3,4,5 sau 6. Deoarece valorile lui X depind de rezultatele unui experiment, ne
vom referi la X ca fiind o variabilă aleatoare (întâmplătoare).

Page 7 of 24
 O variabilă aleatoare este o funcţie care asociază un număr fiecărui eveniment al
unui experiment.
Variabilele aleatoare se pot clasifica în funcţie de valorile pe care le iau în trei
categorii.
1. O variabilă aleatoare care are un număr finit de valori se numeşte discretă finită;
2. O variabilă aleatoare care are valori intr-o mulţime numărabilă de valori se numeşte
discretă infinită;
3. O variabilă aleatoare se numeşte continuă, dacă valorile pe care le poate lua conţin
un interval de numere reale.
Vom da definiţia axiomatică a unei variabile aleatoare.
Fie {,K,P} un câmp de probabilitate şi X:R o funcţie.
Funcţia X:R se numeşte variabilă aleatoare dacă :
xR, evenimentul Ax={ X() x} aparţine lui K.
Condiţia AxK implică faptul că putem asocia o probabilitate evenimentului A x,
P(Ax)=P({ X() x}).
X() se numeşte valoarea variabilei aleatoare, iar evenimentul { X() x} se
mai notează {Xx} şi este egal cu reuniunea tuturor evenimentelor , pentru care X() x.
Fie {,K,P} un câmp de probabilitate şi X:R o variabilă aleatoare. Atunci
evenimentele (X  x), (X  x) , (X  x), (X = x), (a  X  b), (a X  b), (a X b), (a  X  b)
aparţin câmpului K.
Dacă variabila aleatoare X este discretă finită, are un număr finit de valori, fie
acestea x1,x2,..,xn, atunci X verifică următoarele două condiţii:
- poate lua numai valorile x1,x2,..,xn;
- probabilităţile evenimentelor (X=xj) , j= 1, n , pe care le notăm cu p1,p2,…,pn verifică
p1+p2+…+pn=1.
O variabilă aleatoare discretă finită se scrie, în general, astfel:
x x2 ........ xn  xj 
X:  1  sau X:  
 p1 p2 ........ pn   p j  jI

unde x1x2..xn şi p1+p2+…+pn=1. Am notat pj=P({  X()=xj }), j= 1, n .

Evident {  X()=xj}{  X()=xk}=, pentru jk.
Această scriere a lui X se mai numeşte repartiţia lui X.
Fie {,K,P} un câmp de probabilitate şi X:R o variabilă aleatoare. Se numeşte
funcţie de repartiţie a variabilei aleatoare X funcţia F:RR, definită prin

Page 8 of 24
 F(x)= P({ X() x})=P(Xx), xR.
Fie X o variabilă aleatoare şi F funcţia ei de repartiţie, x1,x2R, x1 x2. Atunci au loc
următoarele afirmaţii :
a) P(x1 X x2)= F(x2) – F(x1);
b) P(x1 X x2)= F(x2) – F(x1) – P(X=x1);
c) P(x1 X  x2)= F(x2) – F(x1)+P(X=x2) – P(X=x1);
d) P(x1 X  x2)= F(x2) – F(x1)+ P(X=x2).
1.Funcţia de repartiţie a unei variabile aleatoare este crescătoare.
2. lim F ( x )  0 şi lim F ( x )  1.
x  x 

3.Funcţia de repartiţie este continuă la stânga în orice punct xR.

Functia de repartiţie a unei variabile aleatoare discretă finită:
x x2 ........ xn  n
X:  1  ,  p j  1.
 p1 p2 ........ pn  j 1

este F:RR definită prin :

 0 ptr . x  x1
 p ptr . x1  x  x 2
 1
 p1  p2 ptr . x 2  x  x 3

F(x)=  .......... .......... .......... .........
 p  p  ...  p ptr . x j  x  x j 1
 1 2 j

 .......... .......... .......... .......... ...


 1 ptr . x  x n

Operaţii cu variabile aleatoare de tip discret

Se poate arăta că, dacă X şi Y sunt variabile aleatoare şi k un număr real oarecare, atunci
1 X
X+k , kX , ( dacă X0) , X+Y, X – Y, XY , (dacă Y0) sunt variabile aleatoare.
X Y
Acestea se definesc astfel :
x x2 ........ xn  n
y y ........ ym  m
Fie X:  1
 p1 p2 ........
,
pn 
 p j  1 şi Y:  q11 q 22 ........

q m 
,  q j  1 sau
j 1 j 1

xj  y j 
pe scurt X:   şi Y:   .
p
  j 1,n
j q
  j 1,m
j

Notăm cu p ij probabilitatea ca X să ia valoarea xi şi Y să ia valoarea yj, adică:

m n
p ij=P(X=xi , Y=yj),  pij  1.
j 1 i 1

Page 9 of 24
 xj  k x   kx j 
Atunci: X+k :  
 ; X : j  ; kX:  

p  pj  p
 j  j 1,n   j 1,n  j  j 1,n

 1 
 x 2j   x 3j   x nj  1  
X2:  p 
 ; X3: 
p 
 ;……; X :  
n ; :  xj  .
 j  j 1,n  j  j 1,n  p j  j 1,n X  
 pj  j 1,n
Operaţiile cu două variabile aleatoare discrete se definesc astfel:
 xi 
 xi  y j   xi  y j   xi y j  X  
X+Y :  
 ; X - Y :  
 ; XY :  
 p  i 1,n ; : y j  .
 pij  ij11,,nm  pij  ij11,,nm  ij  j 1,m Y p  i 1,n
 ij  j 1,m

Două variabile aleatoare X şi Y discrete, definite pe acelaşi câmp de probabilitate,

se numesc independente dacă pij=P(X=xi,Y=yj)=P(X=xI)P(Y=yj), i= 1, n , j= 1, m sau pij= pi qj
Această definiţie rezultă din definiţia evenimentelor independente (X=x i) şi (Y=yj).

În acest caz operaţiile cu variabilele X şi Y independente se efectuează astfel:

 xi 
 xi  y j   xi  y j   xi y j  X  
X+Y :  
 i 1,n ; X-Y :  
 p q  i 1,n ; XY :  
 p q  i 1,n ; :  yj  .
 p i q j  j 1,m  i j  j 1,m  i j  j 1,m Y  
 pi q j  ij11,,nm

Variabile aleatoare bidimensionale discrete

Fie două variabile aleatoare X1 şi X2 definite pe acelaşi câmp de probabilitate:
X1, X2 :  R.

Perechea de variabile aleatoare (X1,X2) se numeşte vector aleator bidimensional.

Dacă X1 şi X2 sunt variabile aleatoare discrete, cu n valori, respectiv m valori, atunci
vectorul bidimensional (X1,X2) va avea în general mn valori.
Fie x1,x2,…,xn valorile lui X1 şi y1,y2,…,ym valorile lui X2. Pentru a scrie repartiţia
vectorului bidimensional trebuie cunoscute toate probabilităţile realizării simultane a
valorilor lui X1 şi X2, adică:
pij=P(X1=xI,X2=yj) i= 1, n , j= 1, m .
Repartiţia vectorului aleator (X1,X2) este dată în tabelul următor:
X2 m n
X1 y1 y2 ……… ym cu condiţia   pij =1.
j 1 i 1

x1 p11 p12 p1m

x2 p21 p22 p2m
. …………………………
. ……………………….
xn pn1 pn2 pnm
Page 10 of 24
 Variabilele aleatoare X1 şi X2 care alcătuiesc vectorul aleator (X1,X2) se numesc
variabile marginale. Ele au repartiţiile:
x x 2 ........ xn  n y y2 ........ ym  m
X:  1 ,
pn 
 pj  1 şi Y:  1  ,
q m 
q j 1
 p1 p2 ........ j 1  q1 q2 ........ j 1

unde p1=p11+p12+…+p1m, p2=p21+p22+…+p2m,…, pn=pn1+pn2+…+pnm şi

q1=p11+p21+…+pn1, q2=p12+p22+…+pn2,…, qm=p1m+p2m+…+pnm.
Variabilele aleatoare X1 şi X2 au funcţiile de repartiţie F1 şi F2 care în acest caz se
numesc funcţii marginale de repartiţie.
Variabile aleatoare discrete cu un număr infinit de valori
O variabilă discretă infinită X are repartiţia :
x x 2 ........ x n .......  
X:  1  , pj0 , jN,  p j  1 .
 p1 p2 ........ pn .......  j 1

Variabile aleatoare continue

Fie X:R o variabilă aleatoare a cărei funcţie de repartiţie F se poate scrie sub
x
forma F(x)=  f (t )dt , unde f:RR este o funcţie reală, definită pe R, integrabilă pe R.


Variabila X se numeşte de tip continuu sau continuă.

Funcţia f se numeşte densitate de probabilitate sau densitate de repartiţie.
Dacă funcţia F admite densitatea de repartiţie f, atunci se poate arăta că în toate
punctele de continuitate x ale lui F are loc:
F ( x  h)  F ( x ) P ( x  X  x  h)
f(x) = F’(x)= lim  lim .
h0 h h 0 h
Densitatea de repartiţie f , a unei variabile aleatoare X are următoarele proprietăţi:
 x2
1°. f(x)0, xR; 2°.  f ( x )dx  1; 3°. P(x1 X  x2) = x 1
f ( x )dx .

În cazul variabilelor aleatoare X de tip continuu, care au densitatea de repartiţie f o

funcţie continuă, probabilitatea ca X să ia o anumită valoare x este egală cu 0 şi atunci:
P(x1 X  x2) =P(x1 X  x2) =P(x1 X  x2)= P(x1 X x2) = F(x2)-F(x1).
Media unei variabile aleatoare. O caracteristică numerică asociată unei variabile
aleatoare X este media (sau valoarea medie) M(X) şi care se defineşte astfel:
a) Pentru o variabilă aleatoare discretă finită X, care are repartiţia
x x 2 ........ xn  n
X:  1
 p1 p2 ........
 ,
pn 
pj  1
j 1

n
M(X)= x1p1 +x2p2 +…+xnpn =  x k pk .
k 1

Page 11 of 24
 b) Pentru o variabilă aleatoare discretă infinită X, care are repartiţia

x x 2 ........ x n ....... 
X:  1
 p1 p2 ........
 şi
pn .......   pj  1
j 1


Media ei, M(X) este prin definiţie suma seriei  x n pn = M(X).
n 1

c) Dacă variabila aleatoare este de tip continuu, cu functia de repartiţie f, atunci


M(X)=  xf ( x )dx , în cazul convergenţei integralei.


Proprietatile mediei
a
a) Dacă X este o variabilă aleatoare constantă X:   , atunci M(X)=a.
 1
b) Dacă X este o variabilă aleatoare şi kR , atunci M(kX)=kM(X).
c) Dacă X şi Y sunt două variabile aleatoare, atunci M(X+Y)=M(X)+M(Y).
d) Dacă X şi Y sunt variabile aleatoare, independente, atunci M(XY)=M(X)M(Y).

Momente iniţiale şi momente centrate ale unei variabile aleatoare

Fie X o variabilă aleatoare discretă finită:
x x 2 ........ xn  n
X:  1
 p1 p2 ........
 ,
pn   p j  1.
j 1

Se numeşte moment iniţial de ordin r, rN* al lui X şi se notează Mr(X), media

variabilei Xr,
n
Mr(X)=M(Xr)=  x ir p i .
i 1

Notăm cu m media variabilei aleatoare X.

 x  m x 2  m ........ xn  m  n
Variabila X -m :  1
 p1 p2 ........ pn 
 ,  p j  1, se numeşte variabila
j 1

centrată asociată lui X.

Se numeşte moment centrat de ordin r, rN* asociat lui X, momentul de ordin r
al variabilei aleatoare centrate, asociate lui X. Se notează r(X).
n
r(X)= Mr(X – m)=M[(X – m)r]=  ( x i  m)r pi .
i 1

Dacă variabila aleatoare X este discretă infinită, adică:

x x 2 ........ x n .......  
X:  1  ,  p j  1,
 p1 p2 ........ pn .......  j 1

Page 12 of 24
 
atunci Mr(X)=M(Xr)=  x ir p i este momentul iniţial de ordin r ,
i 1


iar r(X)= Mr(X – m)=M[(X – m)r]=  ( x i  m)r pi este momentul centrat de ordin r.
i 1

Desigur, cele două serii trebuie să fie convergente pentru ca momentele să existe.

Dacă variabila aleatoare X este continuă şi are densitatea de repartiţie f, atunci

definiţiile momentelor sunt următoarele:

Mr(X)=M(Xr)=  x r f ( x )dx - momentul de ordinul r,


r(X)= Mr(X – m)=M[(X – m)r]=  ( x  m) r f ( x )dx - momentul centrat de ordin r,


unde m este media variabilei aleatoare X (dacă aceste integrale nu sunt convergente,
atunci momentele nu există).

Momentele vectorilor aleatori discreţi

Fie vectorul aleator X=(X1,X2) , care are repartiţia

X2
X1 y1 y2 ……… ym
x1 p11 p12 p1m
x2 p21 p22 p2m
. …………………………
. ……………………….
xn pn1 pn2 pnm

Momentul de ordin (r,s) asociat vectorului X este dat de :

n m
Mrs(X1,X2)=M ( X 1r , X 2s )   x ir y sj pij .
i 1 j 1

Notăm cu m1=M(X1) , m2=M(X2).

Momentul centrat de ordin (r,s) asociat vectorului X şi notat rs(X1,X2) este:
n m
rs(X1,X2)=  ( x i  m) r ( x i  m) s pij .
i 1 j 1

Momentul centrat de ordin r=s=1 se numeşte covarianţa lui X şi se notează cov(X1,X2).

Folosind proprietăţile mediei, covarianţa se poate exprima şi astfel:
cov(X1,X2)= 11(X1,X2)=M[(X1-m1)(X2-m2)]=M(X1X2-m1X2-m2X1+m1m2)=
= M(X1X2)-m1 M(X2) - m2 M(X1) + m1m2 =M(X1X2) - m1m2

Page 13 of 24
 11(X1,X2)= cov(X1,X2)= M(X1X2) – M(X1)M(X2).
Dacă X1 şi X2 sunt variabile aleatoare independente, atunci cov(X1,X2)=0, deoarece
M(X1X2) = M(X1)M(X2).
Dacă cov(X1,X2)=0, spunem că variabilele aleatoare X1 şi X2 sunt necorelate.
Se definesc momente iniţiale şi momente centrate de ordin (r,s) şi pentru variabile
continue, dar cu ajutorul integralei duble, care nu a fost studiată în acest curs.

Dispersia unei variabile aleatoare. Abaterea medie pătratică.

Dacă X este o variabilă aleatoare discretă sau continuă, care are media m=M(X),
atunci momentul centrat de ordinul 1 este 0.
Momentul centrat de ordin doi al variabilei aleatoare X se numeşte dispersie. Se
notează D2(X) ; D2(X)=2(X)=M[(X-m)2]
Dispersia unei variabile aleatoare este mereu pozitivă sau cel puţin egală cu zero. Ea
arată cât de depărtate sunt valorile variabilei aleatoare X faţă de media sa.
Vom obţine o formulă de calcul pentru dispersie:
D2(X)=2(X)=M[(X-m)2]=M(X2-2mX+m2)=M(X2)-2mM(X)+m2=M(X2)-2m2+m2=M2(X)-(M(X))2
 D2(X)= M2(X)-(M(X))2.
Proprietăţile dispersiei
1. Dacă X =const., atunci D2(X)=0. Reciproca este adevărată.
2. Dacă X este o variabilă aleatoare şi aR, atunci D2(aX)=a2D2(X).
3. Dacă X şi Y sunt două variabile aleatoare independente, atunci
D2(X+Y)=D2(X)+D2(Y).

4. Dacă X şi Y sunt variabile aleatoare independente, atunci

D2(X - Y)=D2(X)+D2(Y).
5. Daca X şi Y sunt variabile aleatoare oarecare se obţine formula
D2(X -Y) = D2(X)+D2(Y) - 2cov(X,Y).
Se numeşte abaterea medie pătratică a variabilei aleatoare X şi se notează X,

sau  numărul real = D 2 ( X ) .

Fie vectorul aleator (X,Y).Se numeste coeficient de corelaţie asociat vectorului

aleator (X,Y) şi se notează X,Y, numărul real :

M ( XY )  M ( X )M (Y ) cov( X ,Y )
X,Y= = .
 XY D 2 ( X )  D 2 (Y )

Proprietăţile coeficientului de corelaţie

1. X,Y = 0  X şi Y sunt variabile aleatoare necorelate.
Page 14 of 24
2. Dacă X şi Y sunt independente atunci X,Y = 0.
3. X,Y   1, oricare ar fi variabilele aleatoare X şi Y definite pe acelaşi câmp de
evenimente.
4. X,Y  = 1 implică o dependenţă liniară între X şi Y.
În cazul când X,Y =1, spunem că X şi Y sunt direct corelate, iar când X,Y = -1,
variabilele X şi Y sunt indirect corelate, adică una creşte şi cealaltă scade.
Inegalitatea lui Cebîşev
Fie X o variabilă aleatoare cu media M(X) şi dispersia D2(X) şi  un număr pozitiv.
Atunci, are loc următoarea inegalitate:

P  X  M( X )     1 
D2 ( X )
2

P  X  M( X )    
D2 ( X )
sau, echivalent: .
2
Această inegalitate se numeşte inegalitatea lui Cebîşev.
Inegalitatea lui Cebîşev va fi aplicată la stabilirea unor rezultate privind şirurile de
variabile aleatoare şi legi ale numerelor mari.

Page 15 of 24
 Probleme rezolvate
1. Să se scrie multimea evenimentelor in urmatoarele experiente :
a) aruncarea monedei ;
b) aruncarea zarului ;
c) aruncarea repetata a unei monede pana la obtinerea fetei cu valoare.
Solutie. a) Se aruncă o monedă şi se observă dacă apare faţa cu valoare (V) sau
faţa fără valoare (S). Experimentul este aruncarea monedei. Evenimentele sunt (V) şi (S).
b) Se aruncă un zar şi se observă care dintre feţele 1,2,3,4,5 sau 6 apar.
Experimentul este “aruncarea zarului”, iar evenimentele sunt 1 =apariţia feţei cu un punct
not not not
 {1}; 2 =apariţia feţei cu două puncte  {2};…,6= apariţia feţei cu şase puncte  {6}.
c) O monedă este aruncată repetat până când apare faţa cu valoare, atunci
evenimentele sunt următoarele: V,SV,SSV,SSSV,.. Ele sunt în număr infinit.
2.Să se calculeze probabilitatea ca la aruncarea unui zar numarul de puncte obtinut
sa fie impar.
Solutie.Considerăm experimentul “aruncarea zarului”.  este format din 6
evenimente elementare , deci n()=6. Fie E evenimentul “numărul apărut pe faţa zarului
este impar”. Atunci E={1,3,5}, iar n(E)=3.
n(E ) 3 1
Rezultă P(E) =   .
n(Ω) 6 2
3. Într-un lot se găsesc 20 piese defecte şi 30 piese corespunzătoare din punct de
vedere al calităţii.Se extrag două piese, fără a pune prima piesă extrasă inapoi în lot. Se
cere probabilitatea ca în această dublă extragere, să se obţină:
a) în prima o piesă defectă şi în a doua o piesă bună;
b) două piese bune.
Soluţie. Notăm cu A1 - evenimentul ca prima piesă extrasă să fie bună
A2 - evenimentul ca a doua piesă extrasă să fie bună.
a) P(A1cA2)=?. P(A1c) se poate obţine din datele problemei: ştiind că A 1c este
evenimentul contrar lui A1, adică prima piesă este defectă şi ştiind că sunt 20 piese
20 2
defecte din totalul de 50 piese, rezultă P(A1c)=  . Dacă s-a extras prima dată o piesă
50 5
defectă, înseamnă că în lot au rămas 19 piese defecte şi 30 bune. Prin
30
urmare PAc (A2)= . Folosind formula probabilităţii condiţionate, putem afla :
1 49
2 30
P(A1cA2).= P(A1c) PAc (A2)=  =0,245.
1 5 49
Page 16 of 24
 30 3
b) Vom calcula P(A1A2)=P(A1) PA1 ( A2 ) . P(A1)=  . PA1 ( A2 ) este probabilitatea
50 5
evenimentului de a extrage a doua piesă bună, ştiind că prima piesă extrasă a fost bună şi
deci, dupa a patra extragere în lot au rămas doar 29 piese bune din totalul de 49 piese.
29 3 29
PA1 ( A2 )  şi P(A1A2)=P(A1) PA1 ( A2 ) =  =0,355.
49 5 49
4.Probabilitatea ca un anumit tip de maşină să se defecteze în prima lună de
funcţionare este de 0,3.Dacă o firmă are două maşini de acest tip, care au fost instalate în
acelaşi timp, care este probabilitatea ca la sfârşitul primei luni, numai una singură să se
defecteze?
Soluţie. Notăm cu A1 - evenimentul ca maşina 1 să se defecteze în prima lună de la
instalare şi cu A2 - evenimentul ca maşina 2 să se defecteze în prima lună de la instalare.
Performanţele celor două maşini sunt independente. Dacă numai o singură maşină se
defectează există următoarele posibilităţi:
- sau maşina 1 funcţionează şi maşina 2 se defectează ( A şi B)
- sau maşina 1 se defectează şi maşina 2 funcţionează (A şi B ).
Vom calcula probabilitatea evenimentului ( A B)(A B ). Dar A B şi A B sunt

evenimente incompatibile, deci : p=P[( A B)(A B )]=P( A B) + P(A B ). Pe de altă

parte perechile de evenimente A şi B , A şi B sunt perechi de evenimente independente.

Se obţine astfel:
p=P( A )P(B) + P(A)P( B )=0,70,3+0,30,7=0,42.
Probabilitatea evenimentului contrar s-a calculat cu formula P( A ) = 1 – P(A).

5. Un lot de 100 de piese este supus controlului de calitate. Condiţia ca acest lot să
fie admis este ca în 4 verificări consecutive să nu fie nici o piesă necorespunzătoare.Care
este probabilitatea ca lotul să fie acceptat, ştiind că în lot sunt 10% piese defecte?
Soluţie. Notăm cu Aj - evenimentul ca piesa nr. j să fie bună, j=1,2,3,4.Lotul de
piese va fi acceptat dacă la toate cele 4 controale nu apare nici o piesă defectă, adică
dacă apare evenimentului A1A2A3A4. Vom calcula probabilităţile P(A1), P A1 (A2),

90 9
P A1 A2 (A3), P A1A2 A3 (A4). P(A1)=  .
100 10
Dacă prima piesă extrasa nu este defectă, atunci în lot rămân 99 de piese dintre
89
care 89 bune  P A1 (A2)= . Dacă nici prima, nici a doua piesă nu au fost defecte,
99

Page 17 of 24
 88
atunci în lot au rămas 98 piese din care 88 sunt bune  P A1 A2 (A3)  . Probabilitatea
98
ca a patra piesă să fie bună, după ce au fost extrase trei piese bune este
87
P A1A2 A3 (A4)  .
97
Folosind formula (8), pentru n=4, se obţine:
90 89 88 87
P(A1A2A3A4)= P(A1)  P A1 (A2)  P A1 A2 (A3)  P A1A2 A3 (A4)=    =0,6.
100 99 98 97
5. Două maşini automate care fabrică acelaşi tip de piese şi au aceeaşi productivitate,
realizează piese rebut cu probabilitatea p1=0,05 şi respectiv p2=0,02.
Din producţia celor două maşini se extrage la întâmplare o piesă.
a) Care este probabilitatea ca piesa extrasă să fie rebut ?
b) Ştiind că piesa extrasă a fost un rebut, să se afle probabilitatea ca ea să provină de la
prima maşină.
c) Ştiind că piesa extrasă este corespunzătoare, care este probabilitatea ca ea să provină
de la a doua maşină?
Soluţie. a)Notăm cu Aj - evenimentul ca piesa extrasă să provină de la maşina i
i=1,2 şi X evenimentul ca piesa extrasă să fie rebut. Evenimentele A 1,A2 formează un
sistem complet de evenimente. Probabilitatea lui X se va calcula folosind formula
probabilităţii totale, astfel: P(X)=P(A1)P(X/A1) + P(A2)P(X/A2)
unde P(X/ Ai) reprezintă probabilitatea ca o piesă care provine de la maşina i să fie rebut
1
i  1,2 .Prin urmare P(X/A1)=0,05; P(X/A2)=0,02. Din enunţ rezultă că P(A1)=P(A2)= .
2
Rezultă P(X)=0,035.
b)Probabilitatea care se cere este P(A1/ X), aceasta se poate calcula cu formula lui
1
 0,05
P ( A1 )  P ( X / A1 ) 2
Bayes şi se obţine: P(A1 / X)= = =0,714.
P( X ) 0,035

c)Fie Y evenimentul ca piesa extrasă să fie corespunzătoare, Y  X , probabilitatea

lui Y este P(Y)=0,965. Se cere probabilitatea P(A2/Y) şi se calculează cu formula lui
1
 0,98
P ( A2 )  P (Y / A2 ) 2
Bayes: P(A2 / Y)= = =0,507.
P (Y ) 0,965

7. Într-un circuit sunt introduse trei rezistenţe în serie, adică dacă o rezistenţă se
defectează, se întrerupe circuitul. Într-un regim de suprasolicitare, aceste trei rezistenţe se
pot arde respectiv cu probabilităţile: 0,02; 0,05; 0,04. Să se calculeze probabilitatea ca
Page 18 of 24
într-un astfel de regim de funcţionare să se întrerupă curentul. Rezistenţele se comportă
independent în totalitate.
Soluţie. Notăm cu Aj - evenimentul ca rezistenţa j să se ardă când funcţionează în
regim de suprasolicitare, j  1,3 . P(A1)=0,02 ; P(A2)=0,05 ; P(A3)=0,04.
Evenimentul ca cel puţin o rezistenţă să se ardă este A 1A2A3. Vom calcula
probabilitatea p=P(A1A2A3). Aplicăm formula lui Poincare pentru n=3 şi ţinem cont că
evenimentele sunt independente în totalitatea lor.
p=P(A1A2A3)= P(A1)+P(A2)+P(A3) – P(A1A2) - P(A2A3) - P(A3A1)+P(A1A2A3)=
=0,02+0,05+0,04 – 0,020,05+0,05 0,04 – 0,04 0,02 + 0,02 0,05 0,04=0,10624.

8. Se aruncă două zaruri de 10 ori.Care este probabilitatea să apară de 6 ori suma

7 puncte?
Soluţie. Notăm cu X evenimentul apariţiei sumei 7 de 6 ori din 10 aruncări;
6 1
A=evenimentul ca la o aruncare a celor două zaruri să apară suma 7. p=P(A)=  , iar
36 6
5
q=1 – p= ; n=10, k=6. Aplicăm formula schemei lui Bernoulli şi se obţine
6
6 4
 1  5  54
P10;6= C p q = C     = C10 10 =0,205.
6
10
6 4 6
10
6

6 6 10

9. Se aruncă un zar de 10 ori .Care este probabilitatea ca faţa 1 să apară o singură

dată, feţele 2 şi 3 de două ori, faţa 4 de trei ori şi faţa 6 de două ori?
Soluţie. Aplicăm generalizarea schemei lui Bernoulli, pentru n=6 culori, adică
atâtea culori câte feţe are zarul. Notăm cu pj probabilitatea ca la o aruncare (care
corespunde cu o extragere) să apară faţa zarului cu j puncte, j  1,6 , avem:
1
p1=p2=p3=p4=p5=p6= , n=10, k1=1, k2=k3=2, k4=3, k5=0, k6=2.
6
Probabilitatea cerută este :
1 2 2 3 0 2
10!  1  1  1  1  1  1
p=P10(1,2,2,3,0,2)=             =0,00125.
1! 2! 2! 3! 0! 2!  6  6 6 6 6 6

10. Din 100.000 de bilete, puse în vânzare la jocul “Bingo”, într-o săptămână 10
bilete sunt câştigătoare. La o agenţie se repartizează la întâmplare 100 bilete. Să se
determine probabilitatea ca:
a) 3 bilete din cele repartizate să fie câştigătoare;
b) cel mult 2 bilete repartizate să fie câştigătoare.

Page 19 of 24
 Soluţie. Aplicăm schema bilei nerevenite în care parametrii sunt: N=100.000, a=10,
n=100.
a)Fie X evenimentul ca trei bilete din cele repartizate să fie câştigătoare, atunci k=3
Cak Cbn k C10
3 97
C99990
 P(X)= = .
CNn 100
C100 000

b)Acum, notăm cu X evenimentul ca cel mult 2 bilete repartizate să fie câştigătoare.

X=X0X1X2, unde cu Xj am notat evenimentul ca j bilete repartizate să fie câştigătoare,
j=0,1,2. Aceste trei evenimente sunt incompatibile şi pentru a calcula probabilitatea
fiecăruia se aplică schema bilei nerevenite.
2 100 j
C10j C99990
P(X)=  P ( X j ) = 
2

100
.
j o j 0 C100 000

11. În 3 loturi de produse 4%, 3% şi respectiv 8% sunt defecte. Se extrage la

întâmplare câte un produs din fiecare lot. Să se afle probabilitatea ca:
a) un produs să fie defect ;
b) toate produsele extrase să fie corespunzătoare.
Soluţie. Aplicăm schema lui Poisson şi notăm cu pj probabilitatea ca un produs
extras din lotul j să fie defect, j  1,3 . Atunci p1= 0,04, p2=0,03, p3=0,08.
Probabilităţile evenimentelor contrare sunt q1=0,96, q2=0,97, q3=0,92.
a) probabilitatea căutată este dată de coeficientul lui t din polinomul lui Poisson
(0,04t+0,96)(0,03t+0,97)(0,08t+0,92)
adică este p= 0,04 0,97 0,92 +0,96 0,03 0,92+0,96 0,97 0,08=0,137.
b)Fie X evenimentul ca cele 3 produse extrase să fie corespunzătoare (nici un
produs nu este defect). Probabilitatea acestui eveniment va fi coeficientul lui t 0 din
polinomul lui Poisson de mai sus, adică P(X)=0,96 0,97 0,92=0,913.
12. Să se scrie variabila aleatoare care arată numărul feţelor cu valoare care apar
in două aruncări ale unei monede.
Soluţie. Mulţimea evenimentelor elementare care apar în realizarea experienţei
este = {VV,VS,SV,SS}, unde prin S este evenimentul ca la o aruncare să apară faţa cu
stema.
0 1 2
X:  1 1 1
 
4 2 4

Page 20 of 24
 13. Să se scrie funcţia de repartitie a variabilei aleatoare discretă X
  2 1,5 3 4 
X :   .
 0,2 0,1 0,4 0,3 
Soluţie. Funcţia de repartiţie a variabilei aleatoare X este F:R  R,
 0 ptr . x  2
 0,2 ptr .  2 x  1,5

F(x)=  0,3 ptr .1,5 x  3 .
 0,7 ptr . 3 x  4

 1 ptr . x  4
Graficul funcţiei de repartiţie este o funcţie în scară.
14. Variabila aleatoare X are media M(X)=3,2 şi dispersia D2(X)=0,64. Să se afle o
margine superioară pentru probabilitatea P(1,2 X 5,2).
Soluţie. Pentru a determina această margine superioară a probabilităţii vom aplica
inegalitatea lui Cebîşev.
Observăm mai întâi că evenimentul
1,2 X 5,2  1,2-3,2 X- 3,2  5,2-3,2-2 X- 3,2  2  X -3,2 2.
Deci, din inegalitatea lui Cebîşev, rezultă =2 şi atunci marginea inferioară a

D2(X ) 0,64
probabilităţii căutate este 1  2
=1  =0,84.
ε 4
Probleme propuse
1.O societate comercială are 6 debitori. La sfârşitul lunii fiecare debitor poate fi sau
nu solvabil.Să se exprime următoarele evenimente:
a) toţi debitorii sunt solvabili;
b) cel puţin un debitor este solvabil;
c) cel mult un debitor este solvabil;
d) nici un debitor nu este solvabil;
e) cel puţin un debitor nu este solvabil;
f) 4 debitori sunt solvabili;
g) societatea comercială nu mai are debitori la sfârşitul lunii;
h) societatea comercială mai are debitori la sfârşitul lunii.
2.Un lot de produse ambalate în cutii, oferite de o firmă, este acceptat de
beneficiar, dacă în urma examinării a 5 cutii, extrase la întâmplare, conţinutul lor se
constată a fi corespunzător. Să se exprime următoarele evenimente:
a) lotul a fost acceptat;
b) lotul nu a fost acceptat;
Page 21 of 24
 c) după examinarea a trei cutii, extrase la întâmplare, lotul a fost respins.
3.Din 100 mere 10 sunt stricate. Care este probabilitatea ca luând la intâmplare 5
mere, să luăm şi mere stricate ?
4.Intr-un fişier sunt 10000 de fişe. Care este probabilitatea ca numărul primei fişe
extrase să conţină cifra 5 ?
5.Un aparat electronic este alcătuit din 3 module care funcţionează independent
unul de altul.Pe baza datelor statistice pe care le deţine, firma producătoare apreciază că
probabilitatea pi, i  1,3 de funcţionare fără defect este p1=0,8, p2=0,85 şi respectiv p3=0,9.
Să se determine probabilitatea ca:
a) aparatul să funcţioneze;
b) aparatul să nu funcţioneze;
c)să fie necesară înlocuirea unui singur modul pentru ca aparatul să poată
funcţiona.
6.În 3 loturi de produse 4%, 3% şi respectiv 8% sunt defecte. Se extrage la
întâmplare câte un produs din fiecare lot. Să se afle probabilitatea ca:
a)un produs să fie defect;
b)un produs să fie corespunzător;
c)toate produsele extrase să fie corespunzătoare;
d)toate produsele extrase să fie defecte.
7.O maşină automată de tricotat produce în medie 3% tricotaje necorespunzătoare.
Un lot de 100 tricotaje este supus controlului de calitate.Condiţia ca lotul să fie respins
constă în depistarea a cel puţin un tricotaj cu defecte in 4 verificări consecutive la
întamplare.Să se afle probabilitatea ca:
a) lotul să fie acceptat;
b) lotul să nu fie acceptat;
c) lotul să fie respins după a doua verificare.
8.La un serviciu financiar sunt verificate lucrările a 3 funcţionari care lucrează fără
greşeală în proporţie de 97%, 96% şi respectiv 95%. Se alege la întâmplare câte o lucrare
de la fiecare funcţionar. Cu ce probabilitate se vor găsi
a) 2 lucrări fără nici o greşeală,
b) cel puţin 2 lucrări fără nici o greşeală.
9.Un trăgător atinge ţinta cu probabilitatea 0,8.Care este probabilitatea ca din 10
focuri trase asupra ţintei 8 focuri să atingă ţinta?
10.Într-o urnă se găsesc 3 bile albe şi 4 bile negre, iar într-o altă urnă 4 bile albe şi
5 negre. Se extrage o bilă la întâmplare dintr-una dintre urne.
Page 22 of 24
a)Care este probabilitatea ca bila să fie albă?
b)Dacă bila extrasă este albă care este probabilitatea ca ea să fie extrasă din prima urnă?
11.Trei trăgători trag asupra unei ţinte câte un foc. Probabilitatea ca primul trăgător
să atingă ţinta este p1=0,6, pentru cel de-al doilea trăgător este p2=0,7 şi pentru cel de-al
treilea este p3=0,8.Ţinta a fost atinsă de un singur foc. Care este probabilitatea ca ţinta să
fie atinsă de focul tras de primul trăgător?
12.Un profesor pregăteşte pentru examenul oral al elevilor săi 20 de bilete dintre
care 10 sunt de algebră, 5 de geometrie şi 5 de analiză matematică. Un elev trage
succesiv trei bilete fără a pune biletul extras inapoi. Să se determine probabilitatea ca :
a) cele trei bilete să fie de algebră ;
b) un singur bilet să fie de geometrie ;
c) cel putin un bilet să fie de geometrie.
13.Dintr-o urnă in care sunt bile notate de la 1 la 90, se extrag 6 numere. Care este
probabilitatea ca sa apară trei dintre numerele
5, 72, 27, 31, 29, 86.
14.Se aruncă un zar de 10 ori. Care este probabilitatea obţinerii de 4 ori a unei feţe
cu un număr mai mare de 4 puncte.
15.Se dau 4 urne : U1 conţine 3 bile albe şi 4 negre, U2 conţine 2 bile albe şi 5
negre, U3 conţine 6 bile albe şi 2 negre, U4 conţine 4 bile albe şi 3 negre. Din prima urna
se extrag 3 bile punându-se de fiecare dată bila inapoi in urna, iar din celelalte 3 urne se
extrage câte o singură bilă din fiecare urna. Care este probabilitatea obţinerii sau a două
bile albe şi una neagră din prima urnă sau a două bile albe şi una neagră din urnele U 2,
U3, U4.
16.O urnă conţine 3 bile albe şi 4 negre. Din aceasta urnă se extrage o bilă. In locul
ei se introduce o bilă de cealaltă culoare şi se face o nouă extragere.
a) Care este probabibilitatea ca a doua bila extrasă sa fie neagră, ştiind ca prima bilă
extrasă este albă ? Dar ştiind că prima a fost neagră ?
b) Care este probabilitatea ca a doua bilă extrasă să fie neagră ?
c) Care este probabilitatea să obţinem bile de culori diferite in cele două extrageri ?
17.Probabilitatea extragerii unei bile albe dintr-o urnă este p. Din urnă se fac două
extrageri, punandu-se bila inapoi dupa prima extragere. Se consideră variabilele aleatoare
X1 şi X2, prima reprezintă numărul de bile albe care apar la prima extragere şi a doua
numarul de bile albe care apar la a doua extragere. Să se scrie repartiţia sumei şi
produsului celor două variabile aleatoare.

Page 23 of 24
 18.Se aruncă 4 zaruri. Să se calculeze valoarea medie a numărului de puncte
obţinute.
19.Să se calculeze valoarea medie a produsului numerelor de puncte care apar la
aruncarea a două zaruri.
20.Se aruncă două zaruri şi se noteaza cu X variabila aleatoare care arată numărul
total de puncte. Să se scrie repartiţia lui X şi funcţia sa de repartitie.
21.Se aruncă două zaruri. Se acordă 12 puncte dacă suma punctelor care apar pe
zaruri este 12, 4 puncte dacă această sumă este 7 şi un punct pentru celelalte cazuri. Să
se scrie repartiţia variabilei aleatoare care arată numărul de puncte obţinut de cel care
aruncă zarurile; să se calculeze media şi dispersia acesteia.
22.Variabila aleatoare X are repartiţia
1 0 1
X : 1 1 1.
 
3 3 3
Să se scrie repartiţia variabilelor aleatoare X+X2, X+X3. Să se calculeze media acestora.

23.Să se calculeze media şi dispersia următoarelor variabile aleatoare

 1 1 1 
 1 2 3 4 ... n   ... 
X : 1 1 1 1 1  ; Y :  1 2 23 n(n  1)  .
 n 1 ...   1 1 1 
2 2 4 8 2 n 1   ... 
 n n n 
24.Ce repartiţie are suma variabilelor aleatoare independente :
 1 0 1 1 0 1 2 
X:  2 5 1 ; Y : 2 8 1 1 .
p p  q q 
 3 3  5 6 30 
Dar produsul lor ?
25.Se aruncă o monedă de 10 ori. Să se calculeze valoarea medie şi dispersia
numărului de apariţii al stemei.
 1 2 3 4
26.Fie variabila aleatoare X:  2 7 1 1  . Să se determine valoarea
  
 4 3 6
parametrului R şi să se calculeze P(X  3).

27. Fie variabilele independente

 1 0 1 1 0 1 
X:  1 1 1  şi Y:  1  ,,R.
     2   12 2 
 6 3 3 3 
Să se determine valorile parametrilor , , şi media variabilei XY.

Page 24 of 24