Sunteți pe pagina 1din 11

Curs 1

6 octombrie 2020

1 Noţiunea clasică de probabilitate


Conceptul clasic de probabilitate a fost definit de matematicianul francez Blaise Pascal.
Acesta a pornit de la noţiunile primare de eveniment şi experiment, noţiuni care se regăsesc ı̂n
limbajul curent. Experimentele se desfăşoară la ı̂ntâmplare (sunt aleatoare); ı̂n urma efectuării
unui experiment se produce un eveniment.
Evenimentele pot fi considerate ca elemente ı̂n mulţimea părţilor lui Ω: P (Ω).

Exemplul 1.1 Aruncăm un zar. Evenimentul A = {5} reprezintă evenimentul apariţiei nu-
mărului 5. Evenimentul B = {2, 4, 6} reprezintă evenimentul apariţiei unui număr par. În
acest caz Ω = {1, 2, 3, 4, 5, 6}.

Exemplul 1.2 Aruncăm o monedă. A = {ban} reprezintă evenimentul apariţiei banului. B =


{stemă} reprezintă evenimentul apariţiei stemei. De asemenea Ω = {ban, stemă}.

Mulţimea Ω poate fi şi ea privită ca un eveniment. Dar acest eveniment are proprietatea că
se ı̂ntâmpla mereu.

Definiţia 1.1 Evenimentul cu proprietatea că se ı̂ntâmplă la fiecare repetare a unui experiment
se numeşte evenimentul sigur.

Acum observăm că la aruncarea cu un zar nu putem obţine niciodată 7. Evenimentul {7}
nu se ı̂ntâmplă niciodată. De aceeea, pentru a fi inclus ı̂n Ω se poate ı̂nlocui cu ∅.

Definiţia 1.2 Evenimentul care nu se ı̂ntâmplă la nicio repetare a unui experiment se numeşte
evenimentul imposibil.

Definiţia 1.3 Fie două evenimente A şi B, care pot fi privite şi ca mulţimi, conform celor de
mai sus. Reuniunea mulţimilor A şi B (A ∪ B) se citeşte ı̂n limbaj de evenimente ”A sau B”,
şi se numeşte disjuncţia evenimentelor A şi B.
Intersecţia mulţimilor A şi B (A ∩ B) se citeşte ı̂n limbaj de evenimente ”A şi B”, şi se
numeşte conjuncţia evenimentelor A şi B.

Definiţia 1.4 Evenimentul contrar lui A este A = Ω − A.

Se observă că ori de câte ori nu se ı̂ntâmplă A se ı̂ntâmplă A.

1
Definiţia 1.5 Două evenimente A şi B sunt incompatibile dacă nu se pot produce ı̂n acelaşi
timp (A ∩ B = ∅).

Definiţia 1.6 Fie Ω evenimentul sigur şi A1 , A2 , ..., An ∈ P (Ω) evenimente. Spunem că
A1 , ..., An formează un sistem complet de evenimente dacă Ai ∩ Aj = ∅ pentru orice i 6= j şi
Sn
Aj = Ω.
j=1

În cazul aruncării unui zar Ai = {i} cu i ∈ {1, 2, 3, 4, 5, 6} formează un sistem complet de
evenimente. De asemenea, la aruncarea unei monede A = {ban} şi B = {stemă} formează un
sistem complet de evenimente.
Pentru a defini conceptul de probabilitate, Blaise Pascal a observat că dacă aruncăm o
monedă de 10000 de ori şi numărăm de câte ori a apărut banul şi de câte ori a apărut stema,
cele două numere sunt aproximativ egale (deci aproximativ 5000). Acest lucru se datorează
faptului că şansele de apariţie a banului sunt egale cu cele de apariţie a stemei.
Frecvenţa de apariţie a banului este numărul de apariţii ale banului ı̂mpărţit la numărul de
aruncări. În exemplul de mai sus, această frecvenţă se apropie de 21 .
Această ipoteză că nu există valoare a lui X privilegiată (cu şanse mai mari de apariţie
faţă de alte valori), dar nici o valoare defavorizată (cu şanse mai mici de apariţie faţă de alte
valori) este de asemenea presupusă la definirea conceptului clasic de probabilitate. În exemplul
cu zarul, dacă X este numărul de puncte, toate cele 6 feţe ale sale au şanse egale de apariţie,
adică 61 (zar corect, nemăsluit).
Deoarece Ω este finită, orice mulţime inclusă ı̂n ea este de asemenea finită. Numărul de
elemente din Ω este de fapt numărul de cazuri posibile (nu putem obţine valoare ı̂n afara lui
Ω). Se spune că elementele mulţimii A favorizează producerea evenimentului A, şi numărul
acestor elemente este numărul cazuilor posibile.
Probabilitatea unui eveniment A se defineşte ca o generalizare naturală a frecvenţei ca
fiind ”numărul de cazuri favorabile ı̂mpărţit la numărul de cazuri posibile”. Formal, avem
următoarea definiţie.

Definiţia 1.7 Fie A un eveniment şi Ω evenimentul sigur. Notăm cu |A| cardinalul mulţimii
A şi cu |Ω| cardinalul mulţimii Ω. Probabilitatea evenimentului A este P (A) = |A|
|Ω|
.

Observaţia 1.1 Din definiţia 1.7 se observă că P (∅) = 0 şi P (Ω) = 1. De asemenea pentru
orice eveniment A avem 0 ≤ P (A) ≤ 1.

Exemplul 1.3 Aruncăm un zar. Considerăm următoarele evenimente:


A: apare faţa 3
B: apare un număr par
C: apare fie faţa 1, fie faţa 4.
Să se calculeze P (A) , P (B) şi P (C).
Avem ı̂n mod evident A = {3} , B = {2, 4, 6} şi C = {1, 4}.
Deoarece Ω = {1, 2, 3, 4, 5, 6} este evenimentul sigur, avem P (Ω) = 1 şi 6 cazuri posibile.
Rezultă P (A) = 61 , P (B) = 12 şi P (C) = 13 .

2
Exemplul 1.4 Aruncăm o monedă şi considerăm evenimentul A: apare banul.
Avem două cazuri posibile: ban şi stemă.
Deci A = {ban} , Ω = {ban, stemă} şi P (A) = 12 .

Exemplul 1.5 Aruncăm 2 zaruri. Să se calculeze probabilitatea ca suma să fie egală cu 9.
Evident, numărul de cazuri posibile este 62 = 36.
Numărul cazurilor favorabile este 4, deoarece posibilităţile sunt (3, 6) , (4, 5) , (5, 4) şi (6, 3).
4
Deci dacă notăm cu A evenimentul că suma este 9 avem P (A) = 36 = 19 .

Datorită sumării numărului de cazuri favorabile, ı̂n cazul evenimentelor incompatibile două
câte două avem
n
! n
[ X
P Aj = P (Aj ). (1.1)
j=1 j=1

În continuare vom prezenta două scheme clasice de probabilitate ı̂n care se vor folosi noţi-
unile de mai sus. Prima schemă este schema bilei ı̂ntoarse.
Fie o urnă cu m bile albe şi n bile negre. Efectuăm k extrageri din urnă şi fiecare bilă
extrasă din urnă se pune ı̂napoi după fiecare extragere. Trebuie calculată probabilitatea ca ı̂n i
dintre cele k extrageri să fie extrasă o bilă albă. Notăm cu Aj evenimentul extragerii unei bile
albe la extragerea numărul j. Aj este evenimentul contrar, deci acela al extragerii unei bile
negre la extragerea numărul j.
Notăm acum cu j1 , j2 , ..., ji poziţiile bilelor albe extrase. Poziţiile bilelor negre sunt
ji+1 , ji+2 , ..., jk . Avem
i ·nk−i
P Aj1 ∩ Aj2 ∩ ... ∩ Aji ∩ Aji+1 ∩ ... ∩ Ak = m

(m+n)k
.
Evenimentul de a extrage i bile albe este Aj1 ∩ Aj2 ∩ ... ∩ Aji ∩ Aji+1 ∩ ... ∩ Ak .
Deci trebuie adunate probabilităţile evenimentelor Ajt şi Ajr de mai sus.
i ·nk−i
Dar aceste probabilităţi sunt egale, deci trebuie să ı̂nmulţim m
(m+n)k
cu numărul de ”poziţi-
onări” ale celor i bile albe.
Acest număr este Cki , deci
i ·nk−i mi ·nk−i
P ({i bile albe}) = Cki · m(m+n)k
= Cki · (m+n) i
·(m+n)k−i
.
m
Notăm cu p = m+n şi obţinem

P ({i}) = Cki · pi · (1 − p)k−i . (1.2)


Se poate demonstra că suma valorilor P ({i}) pentru i ı̂ntre 0 şi k din (1.2) este egală cu
1 folosindu–se binomul lui Newton. De aceea schema bilei ı̂ntoarse se mai numeşte şi schema
binomială.
O altă schemă este schema bilei neı̂ntoarse. Aceasta este analoagă celei anterioare, dar nici
o bilă extrasă nu se pune ı̂napoi ı̂n urnă. Trebuie deci ı̂ndeplinite anumite condiţii, şi anume:
1 ≤ k ≤ m + n (nu se pot extrage mai multe bile decât sunt ı̂n urnă, deoarece nu se pun
ı̂napoi)
i ≤ k (condiţie valabilă şi ı̂n cazul bilei ı̂ntoarse, deoarece numărul de bile albe nu poate fi
mai mare decât numărul bilelor extrase)
i ≤ m (numărul bilelor albe extrase este cel mult egal cu numărul de bile albe care sunt ı̂n
urnă).

3
k
Numărul de cazuri posibile este Cm+n .
Pentru numărul de cazuri favorabile avem:
i
Cm posibilităţi de a extrage i bile albe
k−i
Cn posibilităţi de a extrage k − i bile negre.
i
Deci numărul cazurilor favorabile este Cm · Cnk−i , deci
i
Cm · Cnk−i
P ({i}) = k
. (1.3)
Cm+n

Exemplul 1.6 Considerăm jocul 6 din 49. În acest caz bilele extrase sunt de fapt numerele
alese de jucător. Deci k ≥ 6, conform regulilor jocului. Bilele ”albe” sunt de fapt cele 6 bile
norocoase, care dacă vor coincide cu 6 dintre cele jucate vor furniza jucătorului un anumit
câştig. Deci m = 6. Restul dintre cele 49 de bile nu sunt norocoase, deci n = 43. Presupunem
de exemplu că avem k = 8 (se mai joacă ı̂ncă două numere). Trebuie să calculăm probabilităţile
celor trei tipuri de câştiguri.
Notăm:
A: câştig de categoria I, deci i = 6
B: câştig de categoria a II −a , deci i = 5
C: câştig de categoria a III −a , deci i = 4.
Obţinem
C 6 ·C 2
P (A) = 6C 8 43 = 0, 00000200231 deci aproape 2 şanse la un milion.
49
C65 ·C43
3
P (B) = C498 = 0, 00016419 deci ı̂ntre 1 şi 2 şanse la 10000.
C64 ·C43
4
P (C) = C498 = 0, 00410475 deci aproape 4 şanse la mie.

2 Limitele definiţiei clasice a probabilităţilor. Definiţia


axiomatică a probabilităţilor
Vom considera pentru ı̂nceput următorul exemplu. X poate lua orice valoare din intervalul
[3, 7] şi nu poate lua nici o valoare ı̂n afara acestui interval. Ne propunem să calculăm P ([5, 6]).
Presupunem de asemenea că nu există valori privilegiate, nici valori defavorizate (repartiţie
uniformă).
X = 5 nu este evenimentul imposibil, deci P ({5}) > 0. De exemplu P ({5}) = 0, 01.
Din uniformitate rezultă
P ({5, 01}) = P ({5, 02}) = ... = P ({5, 99}) = P ({6}) = 0, 01.
Deci P ({5; 5, 01; 5, 02; ...; 5, 99; 6}) = 1, 01 > 1.
Dar cea mai mare probabilitate a unui eveniment este cea a evenimentului sigur, adică 1.
Am ajuns deci la o contradicţie, care ilustrează limitele definiţiei clasice a probabilităţilor dată
de Blaise Pascal.
Trebuie dată o altă definiţie a probabilităţilor care să acopere definiţia clasică, dar şi astfel
de cazuri. O astfel de definiţie a fost dată de Kolmogorov, şi va fi prezentată ı̂n continuare.
Pentru ı̂nceput vom defini reuniunea unui şir de mulţimi. După cum se va vedea, există o
anumită analogie ı̂ntre această definiţie şi seriile numerice studiate la cursul de analiză mate-
matică.

4

S
Definiţia 2.1 Fie (An )n≥1 un şir de mulţimi. Reuniunea şirului de mulţimi (An )n≥1 este An
n=1

S
astfel ı̂ncât x ∈ An dacă şi numai dacă există n ≥ 1 pentru care x ∈ An .
n=1

Se observă că aşa cum seria numerică generalizează suma unui număr finit de valori reale
(celelalte valori din şir sunt egale cu 0), reuniunea unui şir de mulţimi generalizează reuniunea
unui număr finit de mulţimi (celelalte mulţimi din şir sunt vide).

T
Observaţia 2.1 Intersecţia şirului de mulţimi din definiţia 2.1 se poate da analog: x ∈ An
n=1
dacă şi numai dacă x ∈ An pentru orice n.

Definiţia 2.2 Fie Ω o mulţime nevidă. Se numeşte corp borelian peste Ω o mulţime K ⊆ P (Ω)
astfel ı̂ncât:
a) Dacă A ∈ K atunci A ∈ K.

S
b) Pentru orice şir de mulţimi (An )n≥1 cu An ∈ K pentru orice n rezultă An ∈ K
n=1

Definiţia 2.3 Fie Ω o mulţime nevidă şi F ⊆ P (Ω). Se numeşte corpul borelian generat de
F peste Ω cel mai mic corp borelian peste Ω (ı̂n sensul incluziunii) ce conţine pe F.

Fie Ω o mulţime şi K un corp borelian peste Ω. Acum putem defini axiomatic probabilitatea,
conform lui Kolmogorov.

Definiţia 2.4 Funcţia P : K → [0, ∞) se numeşte probabilitate dacă pentru orice şir de
mulţimi (An )n≥1 cu An ∈ K pentru orice n şi Am ∩ An = ∅ pentru orice m 6= n avem
∞  ∞
S P
P An = P (An ), şi P (Ω) = 1.
n=1 n=1

Elementele A ∈ K se numesc evenimente, iar P (A) este probabilitatea evenimentului A.

Definiţia 2.5 Se numeşte câmp de probabilitate tripletul (Ω, K, P ) unde Ω este o mulţime, K
este corp borelian peste Ω şi P este probabilitate.

Se pune acum o ı̂ntrebare: cum regăsim definiţia clasică a probabilităţii şi cum tratăm
exemplul de la ı̂nceputul secţiunii.
Pentru definiţia clasică se ia Ω mulţimea finită nevidă a tuturor valorilor pe care le poate
lua X, K = P (Ω) şi
X
P (A) = P ({x}). (2.1)
x∈A
P
Avem P ({x}) = 1.
x∈Ω
În cazul exemplului de la ı̂nceputul psecţiunii se consideră Ω = [3, 7], corpul borelian K
generat de mulţimea intervalelor deschise incluse ı̂n Ω şi pentru orice interval I se defineşte

5
l (I)
P (I) = , (2.2)
l (Ω)

unde l (I) este lungimea intervalului I. Deci P ([5, 6]) = 14 .


Aceasta este o probabilitate geometrică, deoarece provine din măsura unei mulţimi: ı̂n cazul
de mai sus măsura este lungimea unui segment. În cazul mulţimilor din plan avem arii ı̂n loc
de lungimi, după cum se va vedea ı̂n exemplele următoare.

Exemplul 2.1 O persoană intră ı̂ntr–o ı̂ncăpere şi ı̂ncearcă să arunce cheile pe masă. Încăperea
este un dreptunghi cu lungime 5m şi lăţime 3. Masa este un dreptunghi cu lungimea 1m şi
lăţimea 30cm. Dorim să calculăm probabilitatea să reuşească.
Probabilitatea este aria mesei ı̂mpărţită la aria camerei. Notăm cu A evenimentul prin care
cheile rămân pe masă. Rezultă
P (A) = 0,3
15
3
= 150 1
= 50 = 0, 02.

Exemplul 2.2 O ţintă constă din 3 cercuri concentrice de raze 3, 5 şi 10 situate pe o placă
metalică de laturi 30 şi 25. Se cer probabilităţile ca un ţintaş să nimerească ı̂n interiorul fiecărui
cerc. Se presupune că ţintaşul are suficientă precizie pentru a nimeri măcar placa metalică.
Probabilităţile sunt deci ariile cercurilor ı̂mpărţite la aria plăcii.
Notăm cu Ai evenimentul constând ı̂n nimerirea cercului i. Avem
9·π 3·π 25·π π
P (A1 ) = 30·25 = 250 , P (A2 ) = 30·25 = 30 şi P (A2 ) = 100·π
30·25
= 2·π
15
.

Propoziţia 2.1 a) P (∅) = 0.


b) Pentru orice eveniment A avem P (A) ≤ 1.
c) Fie A şi B două evenimente. Atunci avem P (A ∪ B) = P (A) +  P (B) −P (A ∩ B).
n
T Pn
d) (Inegalitatea lui Boole) Pentru evenimentele A1 , A2 ,...,An avem P Ai ≥ P (Ai )−
i=1 i=1
(n − 1).

Demonstraţie: a) Luăm An = ∅ pentru orice n şi considerăm p = P (∅).


Din definiţia probabilităţii avem
∞  ∞
S P
p = P (∅) = P An = P (∅) = p + p + p + ..., deci p = 0.
n=1 n=1

b) Luăm A1 = A, A2 = A şi An = ∅ pentru n > 2. Rezultă



1 = P (Ω) = P (A) + P A , ţinând cont de (a).

Dar atât P (A) cât şi P A sunt pozitive, deci P (A) ≤ 1.
c) Avem A − B = A ∩ B, B − A = A ∩ B.

6
Fig. 1.1: Evenimentele A, B, A ∪ B şi A ∩ B.
Avem de asemenea, după cum se poate observa şi ı̂n diagrama de mai sus
P (A) = P (A ∩ B) + P (A − B),
P (B) = P (A ∩ B) + P (B − A) şi
P (A ∪ B) = P (A − B) + P (B − A) + P (A ∩ B).
Rezultă P (A) + P (B) = P (A − B) + P (B − A) + 2 · P (A ∩ B) = P (A ∪ B) +
P (A ∩ B).
d) Vom demonstra afirmaţia prin inducţie după n.
Conform punctului (c) avem P (A1 ∩ A2 ) = P (A1 ) + P (A2 ) − P (A1 ∪ A2 ).
Dar conform punctului (b) avem P (A1 ∪ A2 ) ≤ 1, şi de aici rezultă că afirmaţia este
adevărată pentru n = 2.
Pentru pasul al doilea al inducţiei avem
n+1  n  n+1
T T P
P Ai ≥ P Ai + P (An+1 ) − 1 ≥ P (Ai ) − n, utilizând ipoteza de
i=1 i=1 i=1
inducţie şi rezultatul demonstrat pentru k = 2.
De aici se deduce relaţia din enunţ, şi propoziţia este demonstrată 

Definiţia 2.6 Evenimentele A şi B se numesc independente dacă P (A ∩ B) = P (A) · P (B).

Exemplul 2.3 Pe un şantier lucrează două echipe E1 şi E2 care construiesc un bloc. Proba-
bilitatea ca E1 să finalizeze lucrarea este 0, 2 şi probabilitatea ca E2 să finalizeze lucrarea este
0, 25. Probabilitatea ca cel puţin una dintre cele două echipe să termine lucrarea este 0, 4. Să
se verifice dacă cele două echipe lucrează independent.
Notăm cu A evenimentul că E1 finalizează lucrarea şi cu B evenimentul că E2 finalizează
lucrarea.
Avem deci P (A) = 0, 2 P (B) = 0, 25 şi P (A ∪ B) = 0, 4. Rezultă
P (A ∩ B) = P (A) + P (B) − P (A ∪ B) = 0, 2 + 0, 25 − 0, 4 = 0, 05.
Dar P (A) · P (B) = 0, 2 · 0, 25 = 0, 05 = P (A ∩ B), deci echipele lucrează independent.

7
Exemplul 2.4 O firmă de construcţii participă la 4 licitaţii, pe care le poate câstiga cu proba-
bilităţile de 0, 8; 0, 85; 0, 77 respectiv 0, 9. Să se determine o probabilitate minimă ca firma să
câstige toate cele 4 licitaţii.
Notăm cu Li evenimentul că firma câştigă licitaţia i. Rezultă P (L1 ) = 0, 8; P (L2 ) = 0, 85;
P (L3 ) = 0.77 şi P (L4 ) = 0, 9.
Conform inegalităţii lui Boole avem
P (L1 ∩ L2 ∩ L3 ∩ L4 ) ≥ P (L1 ) + P (L2 ) + P (L3 ) + P (L4 ) − 3 = 0, 32.

3 Probabilităţi condiţionate. Formula lui Bayes


Considerăm două evenimente A şi B. Ne propunem să studiem cum se influenţează cele
două evenimente. Mai exact, dacă B s–ar produce, care este probabilitatea de a se produce şi
A.

Definiţia 3.1 Se numeşte probabilitatea evenimentului A condiţionat de B, notată P (A| B)


probabilitatea de a se produce A ı̂n condiţiile producerii evenimentului B.

Fig. 1.2: Evenimentul A |B


Pentru a calcula această probabilitate, după cum se vede ı̂n diagrama de mai sus, dacă se
produce B ne restricţionăm la B, şi probabilitatea să se producă şi A este

P (A ∩ B)
P (A| B) = . (3.1)
P (B)
Exemplul 3.1 Aruncăm două zaruri. Dorim să calculăm probabilitatea ca suma să fie 8 dacă
primul zar este par.
Sunt 3 · 6 = 18 cazuri posibile (3 pentru primul şi 6 pentru al doilea).
Cazurile favorabile sunt (2, 6) , (4, 4) şi (6, 2), deci ı̂n număr de 3.
Notăm A : suma = 8 şi B : primul zar este par. Rezultă
P (A| B) = 16 .
Dar P (B) = 12 şi P (A ∩ B) = 12 1
.
P (A∩B) 1
Rezultă P (B) = 6 , şi formula este verificată.

8
Observaţia 3.1 În cazul evenimentelor independente A şi B avem P (A| B) = P (A)·P (B)
P (B)
=
P (A), şi analog P (B| A) = P (B). Deci A nu depinde de B (din punctul de vedere al pro-
babilităţii de realizare), şi nici B de A. Aceasta justifică modul de definire a evenimentelor
independente.
Avem următoarea teoremă.
Teorema 3.1 (Formula probabilităţii totale) Fie B1 , B2 , ..., Bn sistem complet de eveni-
n
P
mente şi un eveniment oarecare A. Atunci P (A) = P (A| Bj ) · P (Bj ).
j=1

Demonstraţie: Aplicăm formula (3.1) şi obţinem


P (A ∩ Bj ) = P (A |Bj ) · P (Bj ) pentru orice j.
Dar (A ∩ Bi ) ∩ (A ∩ Bj ) = A ∩ Bi ∩ Bj = ∅ pentru orice i 6= j şi
!
Sn Sn
(A ∩ Bj ) = A ∩ Bj = A ∩ Ω = A.
j=1 j=1

Rezultă
n
P
P (A) = P (A| Bj ) · P (Bj ), şi teorema este demonstrată 
j=1

Exemplul 3.2 Fie două urne. În prima sunt 5 bile albe şi 15 bile negre. În a doua sunt 6 bile
albe şi 4 bile negre. Aruncăm un zar. Dacă obţinem 1 sau 6 extragem o bilă din prima urnă.
În caz contrar extragem o bilă din a doua urnă. Să se calculeze probabilitatea ca ı̂n final să
extragem o bilă albă.
Notăm:
A: extragem o bilă albă
B1 : dăm cu zarul 1 sau 6
B2 : dăm cu zarul un număr ı̂ntre 2 şi 5 inclusiv.
Avem
P (B1 ) = 13 , P (B2 ) = 23 şi
P (A |B1 ) = 14 , P (A |B2 ) = 35 .
Rezultă
P (A) = 41 · 13 + 35 · 23 = 29
60
= 0, 483 33.
Exemplul 3.3 Pentru un şantier de construcţii există 3 furnizori de cărămizi: A, B şi C.
A furnizează 35% din totalul cărămizilor şi 3% din ce furnizează sunt rebuturi.
B furnizează 25% din totalul cărămizilor şi 2, 5% din ce furnizează sunt rebuturi.
C furnizează 40% din totalul cărămizilor şi 4% din ce furnizează sunt rebuturi.
Se cere probabilitatea ca o cărămidă să fie rebut.
Notăm cu A, B şi C evenimentul că furnizorul este A, B respectiv C.
De asemenea notăm cu R evenimentul că o cărămidă este rebut. Avem
P (A) = 0, 35; P (B) = 0, 25 şi P (C) = 0, 4
P (R |A ) = 0, 03; P (R |B ) = 0, 025 şi P (R |C ) = 0, 04.
Rezultă
P (R) = P (R |A ) · P (A) + P (R |B ) · P (B) + P (R |C ) · P (C) = 0, 03 · 0, 35 + 0, 025 · 0, 25 +
0, 04 · 0, 4 = 0, 032 75.

9
În continuare vom deduce formula lui Bayes, ı̂n care sensul condiţionării dintre evenimente
se inversează faţă de probabilitatea totală.

Teorema 3.2 (Formula lui Bayes) Dacă evenimentele A, B1 , B2 , ..., Bn verifică ipotezele din
formula probabilităţii totale avem P (Bi | A) = P
n
P (A|Bi )·P (Bi )
.
P (A|Bj )·P (Bj )
j=1

Demonstraţie: Conform formulei (3.1) avem


P (A∩Bi ) P (A|Bi )·P (Bi )
P (Bi | A) = P (A)
= P (A)
.
Înlocuim acum P (A) din formula probabilităţii totale, şi teorema este demonstrată


Exemplul 3.4 Considerăm exemplul 3.2. Dorim să calculăm probabilitatea de a da cu zarul 1
sau 6 dacă am extras o bilă albă. Analog ı̂n cazul ı̂n care am extras o bilă neagră.
Folosim aceleaşi notaţii folosite anterior, şi mai notăm cu C: extragem o bilă neagră. Avem
1 1
P (A|B1 )·P (B1 ) · 5
P (B1 | A) = P (A|B1 )·P (B1 )+P (A|B2 )·P (B2 )
= 1
4 3
· +3·2
1 = 29 = 0, 172 41
4 3 5 3
3 1
P (C|B1 )·P (B1 ) · 15
P (B1 | C) = P (C|B1 )·P (B1 )+P (C|B2 )·P (B2 )
= 3 1
4 3
· + 25 · 23
= 31
= 0, 483 87.
4 3

Exemplul 3.5 În exemplul 3.3 ne propunem să identificăm furnizorul unui rebut. Nu putem
spune cu certitudine care este acesta. Dar putem afirma cu o anumită probabilitate că rebutul
provine de la A, B sau C.
Aplicăm formula lui Bayes şi obţinem
P (A |R ) = P (R|A )·P (A)+PP (R|B
(R|A )·P (A)
)·P (B)+P (R|C )·P (C)
0,03·0,35
= 0,03·0,35+0,025·0,25+0,04·0,4 = 0, 320 61
P (B |R ) = P (R|A )·P (A)+PP (R|B
(R|B )·P (B)
)·P (B)+P (R|C )·P (C)
0,025·0,25
= 0,03·0,35+0,025·0,25+0,04·0,4 = 0, 190 84
P (C |R ) = 1 − P (A |R ) − P (B |R ) = 1 − 0, 32061 − 0, 19084 = 0, 488 55.

O altă problemă care se poate rezolva utilizând formula lui Bayes este problema determinării
probabilităţilor rebuturilor pentru fiecare furnizor.

Exemplul 3.6 3 fabrici de ciment A, B şi C furnizează saci de ciment către o staţie de
betoane.
A furnizează 30% dintre rebuturi şi 40% dintre sacii buni.
B furnizează 45% dintre rebuturi şi 50% dintre sacii buni.
C furnizează 25% dintre rebuturi şi 10% dintre sacii buni.
Ştiind că probabilitatea rebuturilor este de 15%, să se determine ptrobabilitatea rebuturilor
pentru fiecare furnizor.
Notăm cu R: sacul este  rebut şi cu R: sacul este bun.
P (R) = 0, 15 şi P R = 0, 85.
Avem de asemenea 
P (A |R ) = 0, 3; P A R = 0, 4;

P (B |R ) = 0, 45; P B R = 0, 5;

P (C |R ) = 0, 25; P A R = 0, 1.
Rezultă

10
P (A|R )·P (R) 0,3·0,15
P (R |A ) = P (A|R )·P (R)+P (A|R )·P (R)
= 0,3·0,15+0,4·0,85
= 0, 116 88
P (B|R )·P (R) 0,45·0,15
P (R |B ) = P (B|R )·P (R)+P (B |R )·P (R)
= 0,45·0,15+0,5·0,85
= 0, 137 06
P (C|R )·P (R) 0,25·0,15
P (R |C ) = P (C|R )·P (R)+P (C |R )·P (R)
= 0,25·0,15+0,1·0,85
= 0, 306 12.

Exemplul 3.7 Pe un şantier de construcţii există 3 nivele de salarizare I, II şi III.


Probabilităţile acestor nivele sunt 0, 4; 0, 25 şi 0, 35.
Probabilităţile ca un muncitor să–şi facă norma ı̂n funcţie de nivelul de salarizare sunt de
0, 2; 0, 45 respectiv 0, 7.
Să se calculeze repartiţia nivelului de salarizare dacă muncitorul ı̂şi face norma. Analog,
dacă muncitorul nu–şi face norma.
Notăm A: primul nivel de salarizare,
B: al doilea nivel de salarizare şi
C: al treilea nivel de salarizare.
De asemenea N : muncitorul ı̂şi face norma.
Aplicăm formula lui Bayes şi obţinem
(N |A )·P (A)
P (A |N ) = P (N |A )·P (A)+PP (N |B )·P (B)+P (N |C )·P (C)
0,2·0,4
= 0,2·0,4+0,45·0,25+0,7·0,35 = 0, 182 86
(N |B )·P (B)
P (B |N ) = P (N |A )·P (A)+PP (N |B )·P (B)+P (N |C )·P (C)
0,45·0,25
= 0,2·0,4+0,45·0,25+0,7·0,35 = 0, 257 14
P (C |N ) = 1 − P (A |N ) − P (B |N ) = 1 − 0, 18286 − 0, 25714 = 0, 56
 P (N |A )·P (A) 0,8·0,4
P A N = P N |A ·P (A)+P N |B ·P (B)+P N |C ·P (C) = 0,8·0,4+0,55·0,25+0,3·0,35 = 0, 568 89
( ) ( ) ( )
 P (N |B )·P (B) 0,55·0,25
P B N = P N |A ·P (A)+P N |B ·P (B)+P N |C ·P (C) = 0,8·0,4+0,55·0,25+0,3·0,35 = 0, 244 44
 ( )  ( )  ( )
P C N = 1 − P A N − P B N = 1 − 0, 56889 − 0, 24444 = 0, 186 67.

11