CAPITOLUL 1

PROBABILITATE, VARIABILE ALEATOARE

~I PROCESE STOCHASTICE

1.1. SCURT ISTORIC AL TEORIEI PROBABILITAT, lI

Marclo matcmatician american Claude Elwood Shannon (30.04.1916­

24.02.2(01), fondatorul teoriei moderne a informatiei, si-a formulat ideile cu
ajutorul teoriei probabilitatii, Faptul cil el si-a scris lucrarile ill limba engleza
IlU ne obliga sa invatam ma i l utiii aceasta limba pentru a Ie Il1lelege, caci 0
expunere a continutului lor In rcmaneste este perfect posibila si a fost deja
facuta foarte bine; nimic, InS<1, nu ne dispenseaza de as imilar ea prcalabila a
bazei teo riei probabilitatii pentru a avea acce s la teoria matematica a
informatie i, De altfel, numeroase alte discipline de studiu se ba zeaza pe teoria
probabilitatii , de la fizica statistica palla la sociologie ~i lingvistica, asa incat
efortul nostru nu e unul foarte special, numerosi alii studenti facandu-l III
cadrul educatiei lor.

Originile teoriei probabilitatii trebuie cautate in interesul purtat de unii

nob ili din Europa medi evala jocurilor de noroc, 0 pet.recere a timpului care le
mobi liza de minune surplusul de inteligenta, neconsumat In scopuri ut ilitariste,
ea de exemplu nascocirea unor masinarii ~i mecanisme, indeletnicire lasata pe
seama mintilor mai prozaice ale burghezilor. Germeni i teori ei probabilitatii au
aparut pe la mijlocul secolului XVII in lucrarile lui Pierre de Fermat
(1601-1 665), Blaise Pascal (1623-1662) ~i Christian Huygens (1629-1695).
Desi cercetarile lor crau inspiratc de jocuriIc de noroc, importanta noilor
concepte introduse - , eel de probabilitatc a unui eveniment stochastic §i eel de
valoare medie sau asteptata a unei vari abile alcatoare - pare-se ea le era clara,
dupa cum da de inteles Huygens iuprimul text despre p robabilitate tip arit
(1657) ell privire la calculele din jocurile de noroc: "Cititorul va binevoi sa
2 PROBABILITATE, VARIABILE ALEATO ARE ~l PROCESE STO CHASTI CE

remarce di nu ne ocupam numai cu jocurile de noroc, dar ca se ~i pun aic i

fundamentele unei foarte interesante ~i profunde teorii ." Mentionam di
excentricul savant si mare amator de jocuri de noroc Girolamo Cardano
(1501-1576) scrisese Cartea jocurilor si a norocului pe la 1520 , da r ea n-a
fost publicata dedit in 1663 . Ulterior, Jacob Bernoulli (1654---1705), Abraham
de Moivre (1667-1754), reverendul Thomas Bayes ( 1702- 1761), marchizul
Pierre Simon Laplace ( 1729-1827), Johann Friedrich Carl Gauss (1777- 1855)
~i Sim eon D enis Poisson (1781 -1840) aucontribuit semnificativ la dezvol­
tarea teoriei probabilitatii . Scoala rusa a dat mari matematicieni ca
P. L. Cebisev (1821-1894) si studentii sai A. Markov (185 6-1922) ~i
A. M. Liapunov (1857-1918) cu contributii importante legate de legea uume­
relor mari oGermanul Richard von Miscs, pe la incepurul secolului XX, a intro­
dus 0 teorie a probabilitatii bazata pe definitia probabilitatii ca frecventa
relariva, Dar teoria deductiva bazata pe definitia axiomatica a probabilitatii,
asa cum 0 studiem in zilele noastre, ii este atribuita in principal lui Andrei
Nicolaevici Kolmogorov, care, in anii 1930 , impreuna cu Paul Levy, a funda­
mentat 0 conexiune stransa intre teoria probabilitatii si teoria matematica a
multimilor ~i a functiilor de 0 variabila reala. Se cuvine mentionat, totusi, ca
matematicianul francez Emile Borel (1871-1956) aiunsese la aceste idei
anterior.

1.2. CE INTELEGEM
, PRIN PROBABILITATE

o tcorie s e numeste determinista daca stabileste relati i matematice

precise int re di ver sele marimi cu care opereaza, De exemplu, de la bazele
electro tehnicii stim ca, daca legam la bomele unei baterii de 9 V un rezistor
avand rezistenta norninala de 1 kG:. prin el va curge un curent de 9 mA,
conform legii lui Ohm . Daca vorn masura ace st curent ell un miliarn­
permetru analogic , acul va indica valoarea calc ulata, cea la care ne asteptam,
dar in ce priveste precizia, aceasta depinde printre altele ~i de acuitatea
no astra vizuala. Pentru 0 masu rato are mai obiectiva , utilizam un
miliampermetru digital , care ne arata, sa spunem, 9,08113 rnA . Inlocuind
rezistorul cu un altul de aceeasi v aloare nominala a rezistentei ~i rcp etan d
masuratoarea, citim acum 8,97 893 rnA . Pastrand rezistorul , dar inlocuind
bateria cu alta de aceeasi tensiune norninala, masuram acum 9,1 1023 rnA .
Care est e ex plicatia? Sa TIU fie decat aproximativa legea lui Ohm? Desigur
ca nu. Dar rezi sto arel e produse industrial eu va loarea proiectata de 1 kO, ca
~i bateriile cu tensiunea nominala de 9 V , rezulta din pro cesul tchnologie cu
o oarecarc abatere de la valoarea nominala, su ficicnt de mica insa pe ntru a fi
CE iNTELEGEM PRIN PROBABILlTATE 3

acceptabila in practica. Adevarul este ca trebuie sa proiectam cir cuitele

noastre electronice astfel inca; sa functioneze bine , desi cornponentele pe
care le fol osimau parametri doaraproximativ egali cu cei nominali.
Observam insa un fapt interesant: daca masuram un numar mare de
rezistoare de 1 kQ ~i fac em media aritrn etica a m asuratorilor, aceasta este
apropiata de 1 ill, iar eu cat numarul masuratorilor cste mai marc, Cll atat
este mai apropiata media aritmetica de cea norninala.
Vedem deci ca, In anumite domenii, media tinde spre 0 valoare
constanta pe masura cenumarul ob servatiilor cresresi ca aceasta valoare
ramane aceeasi daca media se efectueaza pe orice subsir specificat ma i
inainte de realizarea experimentului . Teoria probabilitatii eu aceasta se
ocupa, cu mediile unor fenomcne de masa ce apar pe rand sau simultan:
emisia electronilor, apelurile telefonice, defectarile unor sisteme tehnice,
rata natalitatii ~i eea a mortalitatii, zgomotul si multe altele.
Teoria are me nirea de a pre zice a semenea medii cu ajutorul
probabilitatii evenimentelor. In vreme ce jocul de sah este absolut deter­
minist - , facand abstractie de caracterul conj unctural al conditiei fizi ce si
men talc a cclor doi ad versari, jocurilc de noroc (de la ri~c a ~i barbu t pana la
loteria de stat , trecand prin jocurile de cazino, ca ruleta ~i bacara) au un
caracter probabilist prin excelenta, Incat, .rara a le recomanda, le putem
utiliza In scop ilustrativ,
Sa catapultam 0 moneda eu un bobarnac; dupa un zbor elegant prin
aer, moneda va ateriza pe 0 suprafata plana ell una din cdc doua fete In sus .
In aceasta carte, vom numi conventional cele doua fete ,,caput" ~i "banul".
Faptul ca anumite monede au 0 sterna sau 0 pajura In loc de capul unei
figuri istorice nu s chirnba, desigur, datele experimentului nostru. Sa
pres up unern di a cazut "c apul" . Putem deduce din aceasta ca , la 0 noua
aruncare a monedei , va cadea din nou capul? (Sa renuntam la ghilimele).
Nicidecum, dupa cum bine stim din expericnta, Sa repetarn, totusi,
experimentul de un numar n de ori , sa spunem n = 10. De nc ori va cade a
capul, de I1b ori banul, astfel Inc at J1b + J1c = 11. Pentru un numar n mic de
incercari, se poate ea n b 7:- n., Observam, insa, ca, pe masura ce n creste, I1b
~i n c sunt tot .mai .aprop iate. Pentru 0 m oneda nemasluita ~i un numar mare 11
de incercari, I1b ~i I1c trebuie sa fie egale.
Sa incepem aeum sa ne familiarizam cu termi nolo gia specifica
teoriei probabilitatii. Aruncarea mo nedei 0 sin g ura data este un exemplu de
experiment. Efectuarea experimentului este 0 incercare. Faptul ea moneda a
cazut Cll 0 fata In su s est e rezultatul cxperimentului. Spatiul de probabilitate,
sau spatiul esantioanelor S al unui experiment con sta din multi mea tuturor
rezultatelor posibile. In cazul aruncarii moned ei, S ={ capul, banul}, iar in
cazul aruncarii zarului, S ={fi ,h,h,!JJ),h }, un de;; este fateta marcata cu i
puncte. Cele doua, respectiv sase rezultate posibile sunt punctele esantion
4 PROBABlLITATE, VARIABILE ALE AT OARE ~l PRO C ESE STOC HAST ICE

ale experimentului. Un eveniment este 0 submultime a lui S ~ i po ate cons ta

din orice numar de puncte esantion.
Fie S spatiulcsantioanclor pentru experimentul constand din aruncarea
zarului. Un po sibil eveniment este A={ h, 14} care consta din rezultate1e h ~i
14. Complemcntul evenimentului A, notat A , consta din toatc punctcle
esantion din Scare nu sunt in A: A = {fi , h, Is, ./6} . Doua evenimente se
spune ca sunt mutual exclus ive daca n-au puncte esantion in comun , adica,
daca apari [iaunui evcn imentexclude aparitiaceluilalt, Cu consecvcnta, de
acum inainte, in locul cuvantului intamplator, 'lorn utiliza termenul stiintific de
aleator . (In limba latina, aleator inseamna jucator de zaruri). Pentru ca un
experiment sa fie aleator, trcbui e sa fie satis facutc trei cc rintc:
1. Experimentul sa fie repetabil in conditii identice.
2. La orice incercare a experimentului, rezultatul sa fie imprevizibiI.
3. Pcntru .un numarmare de incerca ri ale cxperimentului, rezultatele sa
prezinte regularitat e statistica. Aceasta inseamna ca, daca se repeta
experimentul de un numar mare de ori, se observe ca rezultatele au medii
definite.
Sa luam aeum un zar. Presupunem ca oricine a vazut un zar, dar sa il
descriem totusi ca pc un mic cub din os sau din plastic avand marcate cele sase
fateic cu un numar de puncic, de la Lla 6. Daca aruncam un zar permitandu-i
sa se rostogoleasca de mai multe ori, el se va opri in cele din urma, pe 0 supra­
falii plata orizontala, en 0 falcta in sus. Care va Ii ea? Nu . ~tim ell anticipatie
dedit ea va fi una din cele sase . Aparitia unei fatete este un cveniment. U n
eveniment apare eu 0 anumita probabilitate. Stirn eu toti i, wa prea multa
teorie, ca .probabilitate a unei fatete este egala eu l/6. Dar cum definim
probabilitatea unui eveniment? Vom vedea aeeasta in sectiunea urmatoare.

1.3. DEFINITIA
, PROBABILITATII .
Sunt trei definitii ale probabilitatii, dupa cum urmeaza.

Definitia clasica

Timp de secole, s-a utilizat definitia clasica, potn vit careia

probabil itate a P(A ) 11 unuievenirne nt A se determine a p r iori fara a efec tu a
vreun experiment. Ea este data de raportul
DH l l\rr l1A PROBABILITATil 5

peA ) == N A (1.1)
N
unde Neste numarul rezultatelor posib ile iar N.t este num arul rezultarelor
care suntfavorabile evenimentul ui A .
In experimcntul eu zarul, sunt sase rezultate posibile, astfel inc dt
probabilitatea oricaruia dintre ele este egala eu ]/6. Rezultatele favorabile
evenirnentuluicornp us p ar (adica, oricare din fatet ele /2, /4, ./6) sunt III
numar de trei astfel incat P(par) == 3/6 .
In experimentul eu 0 mo neda nemasluita, N == 2 si N; == Nb == 1, astfel
incat probabilitatea de a cadca cap ut este egala eu eea de a cadea banul ~i
deei P(cap ) == P(b an) == 1/2.
Nu rareori, msa, s emnificatia numerelor N si N. l nu este clara. Spre
exemplu , care este probabilitatea pea, aruncand doua zaruri, suma
numerelor marcate pc fatetcle vizibile dup a oprirc sa lie 7? Pcn tru a rezolvn
aceasta problema utilizand de finitia clas ica (1 .1), trebuie sa determ inam
numerele N ~i N.4.
a) Am putea considera drept rezultate posibile cele 1] sume 2, 3, ... ,
12. Dintre acestea, nu mai una dintre ele, ~ i anume 7, este favorabila, astfel
incat p == 1/11. Acest rezultat este gresit,
b) Am putea numara drept rezultatc posibile toate perechi1e de
numere lara a face deoseb ire imre p rimul ~ i al doilea zar. Avern acum 2 1 de
rezultate dintre care favorabile sunt perechile (3, 4), (5, 2) ~i (6, 1). Deei
Net == 3 si N == 2] , de unde p == 3/2] . ~i acest rezultat este gresit.
c) Soluti ile precedente sunt g resitefiindca rezultatele nu sunt cgal
probabile. Trebuie sa socotim toate perechile de numere facand deoscbire
intre primul si al doilea zar. Nurnarul de rezultate posibile este acum 36, iar
rezultatele favorabile sunt cele sase perechi (3, 4), (4, 3), (5, 2), (2, 5), (6, 1)
si 0 ,6). Prin urmare, p == 6/36 .

Definitia probabilitatii ca frecventa rel a tiva

Probabilitatea peA) a unui eveniment A este limita

pe A) == lim nA (1.2)
I1~OO n
unde este numarul de aparitii ale lui A iar n este numarul de incercari.
11.4
In
practica, vom apro xima inlinitul printr-un numar marc de
incercari. Spre exemplu, am putea ca1cula probabilitatea urilizand ( 1.2)
6 PROBABlLITATE, VARIABILE ALE ATO ARE ~I PR OCESE STOCHASTI C E

pentru cateva valori ale lui n din ce in ce mai mari, pana cand obtinern
aproximativ aceeasi valoare pentru peA).

Definitia axiomatica a prob abiJiti4ii

Ne vorn baza pe teo ria multimilor, cu care suntern cu totii

fam iliarizati, Sa notamcu jj fatetelc unui zar. Ele sunt eIcmenteIe multimii
S = {jj, .h., j3,.k Is,]; }. Nu mim aceasta multime sp atiu de probabilitate si in
acelasi timp evenimentul sigur, caci la fiecare incercare, este sigur ca va
aparea unul din elementele sale. Elementele sale se num esc rezultatele
experime ntale. Submultim ile sale se numcsc evenimente. In cazul aruncari i
zarului, sunt 26 = 64 de submultimi: {0}, {lj},..., {fj,}2},..., {fj,j2,h}' ..., s.
Mu ltimea vida {0} este evenimentul imposibil, iar evenirnentul {Ii}
constandd intr-nn singur element}, este un e veniment elementar.
Atribuim fiecarui eveniment A un numar peA), pe care-I numim
probabilitatea evenimentului A. Acest numar se alcgc ast fel in cat
sa fie
satisfacute urmatoarele trei conditii, care sunt axiomele teoriei probabilitatii:
AI. peA) ~ 0 (1.3)
A2. peS) =1 (1.4)

A3. Daca A nB = {0},

Pt A u B) = peA) + PCB) (1.5)
Pe baza ax iome lor, deducem urmatoarele proprietati.

PI. Probabilitatea evenimentului imposibil este zero:

P {0 } = 0 ( 1.6)

Imr-adevar, A n {0} = {0} ~i A u {0} = A . D e a ceea, conform

axiomei A3, avem:
PCA) = peA v 0 } = P(A) + P{0 }
P 2. Pentru orice A,
peA) = 1- peA) ~ I (1.7)

din cauza ca A u A= S si A n A = {0}, de unde

1 = peS) = peA u A) = peA) + peA)
CLASA FA EVENIMENTELOR 7

P3. Pentru orice A ~i B,

P(A u B) = peA) + PCB) - Pi A n B)::;; peA) + PCB) ( 1.8)
Pentru a dcmonstra aceasta proprietate, scriem evenimentcle Au B
~i B ca reuniuni de doua ev enimente care se exclu d reciproc:
A u B = A u(A n B)
B = (An B)u(A nB)

De aceea , aplicand axiorna A3, putem scrie:

Pt A u B) = peA) + Pt A n B)

PCB) = P(AnB)+ peA n B)

Eliminand peA n B), obtinern (1.8).

P4. Dad B c A , avem
peA) = PCB) + Pt A n B ) ~ PCB) ( 1.9)

din cauza ca A =Bu(AnB) ~i B n (AnB) ={0}.

1.4. CLASA F A EVENIMENTELOR

Evenimentele sunt submultimi ale lu i S caror a le-arn atrib uit

probabilitati. Pentru a elimina unele d ificultati matematice legate de m ultimi
cu un numar infinit de rczultatc, nu vorn considera drept cvenimente toate
submultimile lui 5, ci doar 0 clasa F de submultimi.
Un camp F este 0 clasa nevida de multimi astfel incat:

PI. Daca A E F , atunci "Ii E F (1.1 0)

P2. DacaA E F~iB E F ,atunci (AuB)EF (Ll1 )
Acestc doua proprietat i su nt suficicntc pcn tru ca F sa fie un camp .
Din ele, rezulta proprietatile urmatoare:
P3. Daca A E F~iB E F ,atunci (A nB) E F (1.12)

Intr-adevar, din (1.10) urmeaza ca AE F ~i B E F . Ap licand Pl ~i

P2 la multimile "Ii si ]j , rezulta cit Au]j E F ~i Au]j E F.
8 PROBABILITATE, VARlABrL E ALEATOA RE ~I PR OCE SE STO C H. STI C E .

P4. Un camp contine evenimentul sigur si evenimentul imposibil:

S E F ~i {0} E F (1.13 )
Intr-adevar, fiindca F nu este 0 multime vida, contine eel putin un
element A , iar conform PI, va contine ~i A. Prin urmare, A u A= S E F ~i
A nA= {0} E F.

D in cele de mai sus , rezulta ca toate multimile ce se pot scrie ca

reuniuni sau inters ectii ale unu i numar Iinit de multimi din F sunt ~i ele in
F. Aceasta, insa, nu estc in mod necesar cazul ~i pentru un numar infinit de
multimi , Suntem astfel nevoiti sa introducetn noti unea de camp Borel.
Daca pentru once sir infinit Ai"", All"" de multimi din F,
reuniunea si intersectia ace stor multirni apartin ~i ele lui F , arunci F se
numeste un camp Borel.
Clasa tuturor submultimilor unci multimi S este un camp Borel. Sa
presupunem ca 0 clasa C de submultimi ale lui S uu este un cfimp .
Adaugandu-i alte submultimi ale lui S, toate submultimilc daca cste nccesa r,
putem forma un camp avand C drept submultime.
Pentrucazul unui numar infinit de multimi, trebuie sa adaugam la
cele trei axiome a le probabilitatii 0 a patra, nurnita axioma probabilitiitii
infinite:

A4. Daca evenimentele Ai , A 2 ,. .. sunt mutual exclusive, atune;

(1.14)

1.5. DEFINITIA
, AXIOMATIC~A UNUIEXPERIMENT

In teoria probabilitatii, specificam un exp erime nt eu aj utorul urma­

toarelor concepte:
1. Multimea S a tururor rezulra te lor expcrimentalc,
2. Campul Borel al tuturor evenimentelor din S .
3. Probabilitatile acestor evenimente.

Daca spatiul S con stli din N rezuItate, u nde Neste un numar finit, iar
cvenimentul elementar ~i are pro babilitatea pi, con form axiomclor
probabilitatii, numerele Pi trebuie sa fie pozitive iar suma lo r trebu ie sa fie
cgala cu 1:
DREAPTA REALA. 9

Pi ~ 0 ~i PI + ... + P ,V = 1 ( Ll S)
Probabilitatea oricarui eveniment A constand din r even imente
elementare se poate scrie ca sum a probabilitatilor acestora.

1.6. DREAPTA REALA

Sapresupunem cil Seste multimea numerelor reale . Submultimile sale

pol fi considerate drept multimi de puncie de pe dreap ta numerelor reale. Se
poat e arata ca este imposibil sa atribuim probabilitati tuturor submultirnilor lui
S astfel incat sa satisfaca axiomele Al - A4. Pentru a construi un spatia de
probabilitate pe dreapta numerelor reale, vom considera drept eveniment e
intervalele XI :::; X :::; Xl precum ~i reuniunile ~i intersectiile nurnarabile ale
acestora. Accstc cvenimente formea za un camp F defini t drept eel mai mie
camp Borel ce include toate semidreptel e x :::; X i, unde Xi este oriee nurnar real.
Acest cimp contine toate intervaleIe deschise ~i inchise, toate punctele si,
practic, toate multimile de pnn cte de pe dreapta nnmere lor reale ce prez inta
intercs in aplicatii , Mentionam eli exista multimi de punc tc de pe dreapta
numcrelor reale care nu sunt reuniuni ~i intersectii numarabile de intervale, dar
ele nu prezintainteresin majoritatea aplicatiilor,
Presupunem ca p(x) ~ 0 este 0 functie astfel incat

[,p(x)dx =l (1.16)

Definim probabilitatea evenimentului {x :::; Xi } prin integrala

Xi

P{x:::; xd = fp(x)dr ( 1.17)

- 00

Prob ab ilitatea c venim cntului { X l < X :::; X2 } constand din toate

punctele din intervalul (Xl. X2] este data de
X'l

P{Xl <X SX1} = Ip(x)dx ( 1.18)

XI

Intr-adevar, evenimentele {x :::; xr} si {Xl < X :::; X 2 } sunt mutual

exclusiv e iar r euniunea lor este egala eu (x :::; Xl} . Conform axiomci A3,
avem
10 PROBABILITATE. VARIABILE ALEATOARE ~l PROCESE STOCHASTl CE

P{X~Xl} + P{XI < X ~ X2 } == P{ X~X2}

~l (1.8) rezulta din (Ll7).

Observam di, daca functia p(x)este marginita, integrala din (Ll8)
tinde spre 0 pentru Xl ---* X2 . Aceasta conduce la co nc luzia ca probabilitatea
evenirnentului {xi} constand din rezultatul Xl este 0 pentru orice XI' Deci,
probabilitatea tuturor evenimente lor elementare din S este cgala eu 0, desi
probabilitatea reuniunii lor esie egala eu 1. Ac easta nu vine in conflict ell
axioma A4 , caci multimea elementelor lui S nu este numarabila.

Mase de probabilitate

Putem interpreta probabilitatea peA) a unui eveniment A drept masa

figur ii corespun zatoare din .reprezentarea pr in diagrama Venn. Fie, de
exemplu, identitatea
Pt A u B) == p eA) + PCB) - Pi A n B) .
Membrul stang este egal eu masa evenimentului A u B. In suma
peA) + PCB ), masaIu i A n Beste socotita de doua ori. Pentru a obtine din
aceasta suma Pt A u B), trebuie deci sa scadem din ea Pi A n B).

Fig. 1.1. Diagrama Venn a spatiului de probabilitate S ariitand doua multimi de evenimente

A si B irnpreuna eu reuniunea A u B ~i intersecti a A n B lor.

EVEl'i'IMENTE COMm'to'E $1 PROBABI LITATI C OM UNE 11

1.7. EVENIMENTE COMUNE ~I

PROBABILITATI COMUNE

Fie doua experimente, primul constand din aruncarea unut zar

nemasluit

~i al doilea constand din aruncarea unei monede nemasluite

S2 = {c, b} CU P2{C} = P2{b} = 1'2.
Sa consideram experimentul combinat constand din efectuarea
ambelo r experimente 51 1ji 5 2. Produsul cartezian 51 x 8 2 este 0 multime Sale
carei elemente sunt toate perechile ordonate ~ 1 1;;2 , unde 1;;1 E 51 si ~2 E 52.
S = SI X S2
Daca A este 0 submultime a lui SI iar B este 0 submultime a lui 52,
multimea C = A x E , constand din toate perechile ~ 1C;;2, un de ~ l E A ~i
:;2 E E, este 0 submultime a lui 5.
Produsul cartezian al experimentelor 51 si 52 este un nou experiment
S = SI X 52 ale carui evenimente sunt toate p rodusele cartc zicne de forma A
x B, unde A este un eveniment d in SI iar B estc un cvcnimcntc di n S2,
preeum ~i reuniunile ~i intersectiile aeestora.
In acest experiment, daca PI (4) este probabilitatca evenimentului A
in experimentul SI iar P 2(B) este probabilitatea evenimentului B in
experimentul 52, probabilitatile evenirnentelor A x 5: ~i S \ x B sunt
peA x S2) = PI(A) (1.19)
P(5 1 x B) = P2(B) (1.20 )

Experimente independen te

Doua evenimente A ~i B se spune ca sunt independente daca

P(A n B) = P(A)P(B) (1.2 1)
In multe aplicatii, evenimentele A x 52 ~i 51 x ~ din experimentul
combinat 5 sunt indep endcnte pernru orice A ~i B. In trucat intersec tia
acestor ev enimente este egala e ll A x B, din (1.19), (1.20) ~i ( 1.21 )
conehidem ca
12 PROBABILITATE. VARI ABILE ALEATOARE ~I PROCESE STOCHASTICE

peA x B) = peA X Sz)P(Sr x B) = P](A)Pz(B) (1.22)

Vom re forrnula conceptul de experiment combinat astfel: dad un
experiment are rezultatele posibile A; , i = 1,2;··, n , iar cel de al doilea expe­
riment are rezultatele posibile H i ' j = 1,2; .. , In , experimentul co mbinat are
rezultatele comune posibile (A ; , B j ), i = 1,2; · ·, n, j = 1,2; · ·,111. Probabi­
litat ea comuna Pt A, ,B j ) asociata cuevenimentul comun (A;, B i ) satisface
conditia
os P( Ai' B j ) S 1
Presupunand ca rezultatele Bi >j = 1,2,.··, m sunt mutual exclusive,
urmeaza cii
m
LP(Ai,B j ) = peA;) ( 1.23)
j =l

Similar, daca rezultatele Ai,i = 1,2;' ·' n sunt mutual exclusive, avem

n
LP(A;,Bj )=P(Bj ) ( 1.24)
j=1

p eA;) din ( 1.23) ~i P(B j ) din ( 1.24) se spune ca sunt probabilitati

marginale. Daca toate rezultatele celor doua experimente sunt mutual
exclusive, avem
n m
L I p (A;, Bj ) = I (1 .25)
i=1 j =1

1.8. PROBABILITATI CONDIT, IONATE.

Sa consideram un experiment combinat in care un even iment eomun
apare ell prob abilitate peA, B). Prcs upuncm ca evcnimentul B a aparut si
vrem sa determ inam probabilitatea de aparitie a evenimentulu i A. Aceasta se
num este probabilitatea evenimcntului A conditionata de aparitia evcni­
mentului B ~i sc defineste prin relatia
PROBABILITA.TI CONDrpONATE 13

P(AIB) = P( A,B ) (1.26 )

PCB)
pentru PCB) > O. Similar, probabilitatea even imentului B conditionata de
aparitia evenimentului A estc

P(B'A) = peA, B) ( 1.27)

I peA )

pentru peA ) > O. Combinand (1.26) si (1.27), obtinem:

P(A,B) = P(A iB)P(B) = P(B IA)P(A) (1.28)
Accste relatii se aplica si in eazul unui singur experiment in care A ~i
B sunt doua cvenirncniedefi nite pc spatial esantioanelor S jar Pt A, B) este
interpretata drcpt probabilitatea lui A n B . Cu alte cuvinte, peA, B) este
probabilitatea aparitiei simultanc a evenimentelor A. ~i B. Dad doua
evenim ente A ~i B sunt. rnutual exclusive, A n B = {0 } ~i deci peA B) = O. I
Daca A este 0 submultime a lui B, A n B = A ~i deci

P(AIB) = p eA ) .
PCB)
Daca iusa Beste 0 submultime a lui A, avem A n B = B ~i deci

P(AIB) = PCB) = I.
PCB)

Teorema probabilitatit totale

o partitie U = [AI ,"', A/1 ] a lui S este prin definitie 0 colectie de n

subm ultimi A] ," ', A;;ale lu i S disj unctca carorreuniune cste ega Hi eu S. Fie
B un evenirnent arbitrar. Avern atunei
(1.29)

Demenstratie
Este c1ar ea
B = B nS = Bn (04 1 u · · ·u A/1 ) = (Bn A1) u · ··(B nAII ) .

Dar evenimentele B n Ai ~i B n A) sunt mutual exclusive din cauza

ca evenimen tele Ai ~i Aj sunt mutual exclusive. Prin unnarc
14 PROBABIUTATE, v Am ABILE ALEAT OARE ~l PROCESE STOCHASllCE

Conform (1.28 ), avem insa

Utilizand aeeasta in expresia lui P(B) , rezulta (1.29).

Tcorema lui Bayes

Aplicand (1.28), putem serie ca

P(A i I B) = PCB I Ai) ~~.~; (1.3 0)

Introducand (1.29) in (1.30) , obtinem teorema lui Bayes :

peA I B) = PCB I AJP(A i) (1.31 )

1 PCB I Al )P(AI ) + ... + PCB I An)P(An )

Iadependcnta statistica

Sa presupunem ca aparitia lui A nu depinde de aparitia lui B, ceea ce

inseamna ea
peA I B) = p eA) (1.32)
Inlocuind (1.32) in (1.26), obtinem ea
P(A ,B) = P(A)P(B) (1.33)
Daca probabilitatea comuna a evenimentelor A ~i B se descompune
in produsul pro babili tatilor marginale P(A)~i PCB), se spune eli cvcni­
mentele sunt independente statistic.
Dcfinitia independentei sta tistice se poate generaliza la un numar 11
de eveni mente. Spre cxcmplu, tre i cvcnimente independe nte statistic A I, .12
si A 3 trebuie sa satisfaca urmatoarele conditii :
P (AbA z ) = P(Aj)P(A z )
P( Aj,A 3 ) = P(A I)P(A 3 )
(1. 34)
P(A z ,A3 ) = P(A z)P(A 3 )
P(Aj,A z,A3 ) = P(A 1)P(A z)P(A3 )