Sunteți pe pagina 1din 5

PROBABILITĂŢI 𝕝𝕀

1. Probabilităţi condiţionate.
Frecvenţă relativă . Să considerăm un experiment aleator, (Ω, 𝒫 Ω , 𝑃) câmpul discret
de evenimente asociat şi 𝐴 ∈ 𝒫 Ω . Vom nota 𝜇(𝐴) numărul de realizări ale
μ N (A)
evenimentului 𝐴 în 𝑁 repetări independente ale experimentului. Raportul se
𝑁
numeşte frevenţă relativă de apariţie a evenimentului 𝐴 . Teoria "frecventistă" a
probabilităţilor consideră doar experimente cu proprietatea stabilităţii frecvenţelor: odată
cu creşterea numărului de repetări ale experimentului frecvenţele relative de apariţie ale
unui eveniment tind să se "stabilizeze" în jurul unei anumite valori care este (prin
definiţie probabilitatea evenimentului respectiv. Vom reveni asupra acestui subiect când
vom studia Legea numerelor mari. Pentru moment vom folosi "intuiţia" probabilităţii ca
frecvenţă relativă deşi, oarecum imprecis formulată .
Exemplu. Naturalistul Buffon a aruncat un zar de 4040 de ori "cap" apărând de 2048 de
2048
ori frecvenţa relativă 4040 = 0,5080 deci apropiată de 0,5, valoarea teoretică "clasică").

Frecvenţă relativă. Să considerăm două evenimente 𝐴, 𝐵 cu 𝑃(𝐵) ≠ 0. Considerăm frecvenţa


μ N (A∩B)
de apariţie a evenimentului 𝐴 în raport cu evenimentele în care s-a realizat 𝐵, şi
μ N (B)

o numim frecvenţa condiţionată de apariţie a evenimentului 𝑨 în prezenţa evenimentului 𝑩


sau ("după" ce 𝑩 a apărut . Evident putem raporta frecvenţa condiţionată la frecvenţele de
μ N (A∩B) μ N (A∩B)∕N
relative de apariţie = . Devine intuitivă definiţia:
μ N (B) μ N (A)∕N

𝑷(𝑨∩𝑩)
Probabilitate condiţionată. În condiţiile de mai sus, definim 𝑷 𝑨 𝑩 = şi o
𝑷(𝑩)
numim probabilitatea evenimentului 𝑨 condiţionată de evenimentul 𝑩 (mai scurt
probabilitatea lui 𝐴 condiţionată de 𝐵).
Remarcă. Prin ipoteză 𝑷 𝑩 ≠ 𝟎.
Exerciţii. 1 . Arătaţi că funcţia 𝐴 ⟼ 𝑃 𝐴 𝐵 este o probabilitate pe Ω . Care este repartiţia
corespunzătoare?
2 . Dacă 𝐴, 𝐵, 𝐶 ∈ 𝑃 Ω , 𝑃(𝐶) ≠ 0 atunci
𝑃( 𝐴 ∪ 𝐵 𝐶 = 𝑃( 𝐴 𝐶 + 𝑃( 𝐵 𝐶 − 𝑃( 𝐴 ∩ 𝐵 𝐶 .
3 . Arătaţi printr-un exemplu că egalitatea 𝑃 𝐴 𝐵 ∪ 𝐶 = 𝑃 𝐴 𝐵 + 𝑃 𝐴 𝐶 ,
𝐵 ∩ 𝐶 = Ø nu este în general adevărată.
4). Să se arate că
𝑃 𝐴1 ∩ 𝐴2 ∩ … ∩ 𝐴𝑛 = 𝑃 𝐴1 𝑃( 𝐴2 𝐴1 𝑃( 𝐴3 𝐴1 ∩ 𝐴2 ∙∙∙ 𝑃( 𝐴𝑛 𝐴1 ∩ 𝐴2 ∩ … ∩ 𝐴𝑛−1

Din definiţie rezultă:


∗ 𝑷 𝑨 ∩ 𝑩 = 𝑷 𝑩 ∙ 𝑷 𝑨 𝑩 (regula produsului).
𝑷(𝑨)∙𝑷 𝑩 𝑨
∗∗ 𝑷 𝑩 ∙ 𝑷 𝑨 𝑩 = 𝑷(𝑨) ∙ 𝑷 𝑩 𝑨 sau 𝑷 𝑨 𝑩 = (formula Bayes)
𝑷 𝑩
( P(𝐴), 𝑃(𝐵) ≠ 0).
Vom întâlni şi alte forme ale formulei Bayes.
Exerciţiu. Fie 𝑃 𝐴 , 𝑃(𝐵) ≠ 0. Dacă 𝑃(𝐴) ≤ 𝑃 𝐴 𝐵 atunci 𝑃(𝐵) ≤ 𝑃 𝐵 𝐴 .
Exemplu. bila neîntoarsă
O urnă conţine 𝑚 bile albe şi 𝑛 bile roşii. Se consideră experimentul aleator,
se extrage la întâmplare o bilă, se notează culoarea ei şi se mai extrage o bilă fără a bune
prima bilă înapoi, se notează şi culoarea celei de a doua bile extrase. Rezultatele posibile
sunt perechile 𝑎, 𝑎 , 𝑎, 𝑟 , 𝑟, 𝑎 , 𝑟, 𝑟 unde 𝑎, 𝑟 reprezintă culorile respective. Repartiţia
𝑚 𝑚 −1 𝑚 𝑛 𝑛 𝑚
de probabilitate va fi 𝑝 𝑎, 𝑎 = , 𝑝 𝑎, 𝑟 = , 𝑝 𝑟, 𝑎 = ,
𝑚 +𝑛 𝑚 +𝑛−1 𝑚 +𝑛 𝑚 +𝑛−1 𝑚 +𝑛 𝑚 +𝑛−1
𝑛 𝑛−1
𝑝 𝑟, 𝑟 = 𝑚 +𝑛 𝑚 +𝑛−1 (s-a folosit "intuitiv" regula produsului sub forma "pentru ca cele două

bile să fie albe trebuie ca prima să fie albă ţi a doua să fie albă ştiind că prima este albă" etc).
Să calculăm probabilitatea ca cea de a doua bilă să fie albă . Evenimentul respectiv este
𝑚 𝑚 −1 𝑛 𝑚 𝑚
𝐴2 = { 𝑎, 𝑎 , 𝑟, 𝑎 } şi deci 𝑃 𝐴2 = 𝑚 +𝑛 𝑚 +𝑛−1 + 𝑚 +𝑛 𝑚 +𝑛−1=𝑚 +𝑛 .

Este remarcabil că 𝑃 𝐴2 este egală cu probabilitatea ca prima bilă să fie albă acest fapt
se numeşte prima simetrie a "bilei neîntoarse"). Am întâlnit deja acest fenomen într-un
exemplu din Cursul precedent .
Să calculăm probabilitatea 𝑃1 ca a doua bilă să fie albă dacă prima a fost albă . Conform
𝑃 𝑎,𝑎 𝑚 −1
definiţiei probabilităţii condiţionate 𝑃1 = =
𝑃(𝐴1 ) 𝑚 +𝑛−1
. Fie 𝑃2 probabilitatea ca prima bilă
𝑚 𝑚 −1
𝑃 𝑎,𝑎 𝑚 −1
să fie albă dacă a doua a fost albă . Vom obţine 𝑃2 = = 𝑚 +𝑛 𝑚𝑚+𝑛 −1 = . Din nou,
𝑃(𝐴2) 𝑚 +𝑛−1
𝑚 +𝑛

remarcabil este faptul că 𝑃1 = 𝑃2 (a doua simetrie a "bilei neîntoarse").


Exerciţiu. O bilă pleacă din a şi coboară pe arbore cu probabilităţile respective.

Cu ce probabilităţi ajunge în d,e,f,g ? justificaţi răspunsul .

2.Formula probabilităţii totale.


Fie (Ω, 𝒫 Ω , 𝑃) un câmp discret de probabilitate. Evenimentele 𝐴1 , 𝐴2 , … 𝐴𝑚 formează un
sistem complet de evenimente dacă sunt două câte două incompatibile 𝐴𝑖 ∩ 𝐴𝑗 = Ø, 𝑖 ≠ 𝑗)
şi 𝐴1 ∪ 𝐴2 ∪ … ∪ 𝐴𝑚 = Ω . Fie 𝐵 ∈ 𝒫 Ω . Avem 𝐵 = 𝐵 ∩ 𝐴1 ∪ 𝐵 ∩ 𝐴2 ∪ … ∪ (𝐵 ∩ 𝐴𝑚 )
şi evenimentele 𝐵 ∩ 𝐴𝑖 , 𝐵 ∩ 𝐴𝑗 , 𝑖 ≠ 𝑗 sunt incompatibile. Din finit aditivitate rezultă , presu-
𝑚 𝑚
punând 𝑃(𝐴𝑖 ) ≠ 0 pntru orice 𝑖, 𝑃 𝐵 = 1 𝑃(𝐵 ∩ 𝐴𝑖 ) = 1 𝑃(𝐴𝑖 )𝑃 𝐵 𝐴𝑖 (regula
produsului).
Deci in ipotezele de mai sus are loc egalitatea:
𝒎
(∗∗∗) 𝑷 𝑩 = 𝟏 𝑷(𝑨𝒊 )𝑷 𝑩 𝑨𝒊 (formula probabilităţii totale)
Exemplu. Se consideră două zaruri 𝑍1 , 𝑍2 cu repartiţiile: 𝑍1 egal probabilitate,
1 1
şi 𝑍2 , 𝑝 6 = 2 , 𝑝 5 = 𝑝(4) = 𝑝 3 = 𝑝(2) = 𝑝 1 = 10 . Se alege un zar la întâmplare.

Care este probabilitatea de a obţine 6? Dar 3?. Evenimentele 𝐴1 - se alege primul zar , 𝐴2 -
se alege al doilea zar formează un sistem complet de evenimente. Dacă notăm 𝐵1 apariţia
11 11 1
lui 6, 𝐵2 apariţia lui 3 rezultă 𝑃 𝐵1 = 𝑃 𝐴1 𝑃 𝐵1 𝐴1 + 𝑃 𝐴2 𝑃 𝐵1 𝐴2 = 2 6 + 2 2 = 3
11 1 1 2
şi 𝑃 𝐵2 = 𝑃 𝐴1 𝑃 𝐵2 𝐴1 + 𝑃 𝐴2 𝑃 𝐵2 𝐴2 = + = .
26 2 10 15

Exerciţiu. Se dau 5 urne cu următoarele compoziţii:


2 urne conţin, fiecare, 2 bile albe şi o bilă neagră compoziţia 𝐴1 )
O urnă conţin, fiecare, 3 bile albe şi 10 bile negre (compoziţia 𝐴2 )
2 urne conţin, fiecare, 3 bile albe şi una neagră compoziţia 𝐴3 )
Se alege o urnă la întâmplare şi din ea se extrage, la întâmplare, o bilă.
Care este probabilitatea ca bila extrasă să fie albă?
3. Formula Bayes.
Revenim la formula Bayes. Fie 𝐴1 , 𝐴2 , … 𝐴𝑚 un sistem complet de evenimente şi 𝐵 un
𝑃(𝐴 𝑖 )∙𝑃 𝐵 𝐴 𝑖
eveniment. Aplicând formula (∗∗) avem 𝑃 𝐴𝑖 𝐵 = şi din (∗∗∗)
𝑃 𝐵
𝑷(𝑨𝒊 )∙𝑷 𝑩 𝑨𝒊
∗∗∗∗ 𝑷 𝑨𝒊 𝑩 = 𝒎 𝑷(𝑨 )𝑷 , 𝒊 = 𝟏, 𝟐, … , 𝒎
𝟏 𝒋 𝑩 𝑨𝒋

o altă formă a formulei Bayes .


Exemplu. Aceleaşi date ca în exemplul precedent. Se ştie că s-a obţinut rezultatul 6. Care
este probabilitatea să fi fost folosit zarul 𝑍1 ? Avem:
1
𝑃(𝐴1 )∙𝑃 𝐵1 𝐴1 1
𝑃 𝐴1 𝐵1 = = 12
1 = .
𝑃 𝐵1 4
3

4. Independenţă. Evenimentele 𝐴, 𝐵 ∈ 𝒫 Ω se zic independente dacă:


𝑷 𝑨 ∩ 𝑩 = 𝑷(𝑨) ∙ 𝑷(𝑩)
Dacă 𝑃(𝐵) ≠ 0 atumci din egalitatea 𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐵 ∙ 𝑃 𝐴 𝐵 independenţa
evenimentelor 𝐴, 𝐵 implică 𝑃 𝐴 = 𝑃 𝐴 𝐵 deci apariţia evenimentului 𝐵 nu imfluenţează
probabilitatea evenimentului 𝐴.
Independenţa evenimentelor depinde esenţial de probabilitate. În adevăr să luăm mulţimea
1
Ω = {𝑎, 𝑏, 𝑐, 𝑑} şi pe Ω două repartiţii de probabilitate 𝑝1 − egal probabilitatea şi 𝑝2 𝑎 = 3,
1 1 1
𝑝2 𝑏 = 4, 𝑝2 𝑐 = 3 , 𝑝2 𝑑 = 12 . Fie evenimentele 𝐴 = 𝑎, 𝑏 , 𝐵 = 𝑏, 𝑐 . Avem
1 1 7 7
𝑃1 𝐴 ∩ 𝐵) = 𝑃1 𝑏 = =𝑃1 𝐴 𝑃1 (𝐵). Dar 𝑃2 𝐴 ∩ 𝐵 = ≠
4 4 12 12

Exerciţii. 1),Dacă 𝐴, 𝐵 sunt independente atunci şi 𝐴, 𝐵 sunt independente deci şi 𝐴, 𝐵).


2). Fie Ω1 , Ω2 mulţimi finite şi 𝑝1 (𝑝2 ) repartiţii de probabilitate pe Ω1 (Ω2 ). Consider
produsul cartezian Ω = Ω1 × Ω2 şi funcţia 𝑝: Ω ⟶ 0,1 , 𝑝(𝑤, 𝑣) = 𝑝1 (𝑤)𝑝2 (𝑣). Arătaţi că 𝑝
este o repartiţie de probabilitate şi că dacă 𝑃1 , 𝑃2 , 𝑃 sunt probabilităţile definite de aceste
repartiţii, 𝐴 ∈ 𝒫 Ω1 , 𝐵 ∈ 𝒫 Ω2 atunci 𝑃 𝐴 × 𝐵 = 𝑃1 𝐴 × 𝑃2 𝐵 . Putem interpreta
acest rezultat spunând că evenimentele 𝐴 × Ω2 , Ω1 × 𝐵 sunt independente.
Spre exemplificare Ω1 = Ω2 = 𝒂, 𝒃 , 𝑝1 = 𝑝2 corespunzătoare cazului "egal probabilitate".
Î În acest caz avem un model al repetării independente a auncării unei monede echilibrate
(vezi Cursul precedent). Câmpul (Ω1 × Ω2 Ω1 × Ω2 , 𝑃) este numit câmpul produs al
câmpurilor (Ω1 , 𝒫 Ω1 𝑃1 ) şi Ω1 , 𝒫 Ω2 𝑃2 .
De reţinut.

𝑷(𝑨∩𝑩)
𝑷 𝑨 𝑩 = definiţia probabilităţii condiţionate
𝑷(𝑩)

𝑷 𝑨 ∩ 𝑩 = 𝑷 𝑩 ∙ 𝑷 𝑨 𝑩 (regula produsului)

𝑷(𝑨)∙𝑷 𝑩 𝑨
𝑷 𝑩 ∙ 𝑷 𝑨 𝑩 = 𝑷(𝑨) ∙ 𝑷 𝑩 𝑨 sau 𝑷 𝑨 𝑩 = (formula Bayes)
𝑷 𝑩

𝒎
𝑷 𝑩 = 𝟏 𝑷(𝑨𝒊 )𝑷 𝑩 𝑨𝒊 (formula probabilităţii totale)

𝑷(𝑨𝒊 )∙𝑷 𝑩 𝑨𝒊
𝑷 𝑨𝒊 𝑩 = 𝒎 𝑷(𝑨 )𝑷 𝑩 𝑨 , 𝒊 = 𝟏, 𝟐, … , 𝒎 (Bayes)
𝟏 𝒋 𝒋

𝑷 𝑨 ∩ 𝑩 = 𝑷(𝑨) ∙ 𝑷 𝑩 definiţia independenţei evenimentelor