Biostatistică

Elemente de teoria
probabilităţilor
 Introducere
Bazele teoriei probabilităţilor au fost puse ı̂n secolul XVII de
Pascal şi Fermat.

Apărut ca o modelare matematică a şansei la jocurile de noroc,

calculul probabilităţilor s-a transformat ı̂ntr-o teorie matema -
tică riguroasă, ı̂n strânsă legătură cu analiza matematică dar
şi cu alte ramuri ale matematicii. Teoria probabilităţilor are
astăzi importante aplicaţii ı̂n fizică, chimie, biologie, medicină,
economie, sociologie şi multe alte discipline.

Din punct de vedere intuitiv, probabilitatea este un număr

(cuprins ı̂ntre zero şi unu) asociat unui eveniment. Chiar şi
această descriere imprecisă ne conduce la ideea definirii prob-
abilităţii ca o funcţie definită pe o mulţime de evenimente.
1
Prin experienţă sau experiment vom ı̂nţelege realizarea unui
complex de condiţii ce conduc la obţinerea unui rezultat. Ne
interesează numai acele experienţe al căror rezultat nu poate
fi prevăzut cu exactitate, aşa–numitele experienţe aleatoare.

O experienţă se poate repeta de mai multe ori fără ca rezul-

tatul să fie neapărat acelaşi; fiecare repetare a unei experienţe
se numeşte probă. Orice situaţie ce se poate realiza prin una
sau mai multe probe se numeşte eveniment.

2
Exemplu. Experienţa aruncării unui zar.
In raport cu această experienţă se pot considera următoarele
evenimente:
A: apariţia feţei cu 4 puncte,
B: apariţia unei feţe cu număr par de puncte,
C: apariţia unei feţe cu cel mult 3 puncte.
Fie Ω = {1, 2, 3, 4, 5, 6} mulţimea punctelor de pe feţele zaru-
lui. Se observă că Ω este mulţimea rezultatelor posibile ı̂ntr–
o probă a experienţei şi că fiecărui eveniment ı̂i corespunde
o submulţime a lui Ω, numită mulţimea cazurilor favorabile
evenimentului respectiv.
Vom identifica evenimentele cu submulţimile cazurilor favor-
abile lor. Se poate constata o analogie ı̂ntre evenimente şi
mulţimi.
3
Relativ la o experienţă, distingem două evenimente remarca-
bile:

• evenimentul sigur (se realizează la orice efectuare a experienţei;

ı̂i corespunde mulţimea tuturor cazurilor posibile) Ω

• evenimentul imposibil (nu se produce la nici o efectuare a

experienţei; corespunzător mulţimii vide) ∅

Evenimentele elementare sunt acelea corespunzătoare submulţimilor

formate dintr-un singur element ale lui Ω.

Sistem de evenimente asociat unei experienţe aleatoare: mulţimea

evenimentelor ce pot apărea ı̂n acea experienţă.

În cazul experienţei aruncării zarului, sistemul de evenimente

este mulţimea P(Ω) a submulţimilor lui Ω.
4
Operaţii cu evenimente Fie A şi B două evenimente asociate
unei experienţe.
• Evenimentul A implică evenimentul B dacă realizarea lui A atrage după
sine realizarea lui B; mulţimea cazurilor favorabile lui A este inclusă ı̂n
mulţimea cazurilor favorabile lui B. A⊂B
• Reuniunea evenimentelor A şi B este evenimentul care se realizează dacă
cel puţin unul dintre evenimentele A sau B se realizează. A∪B
• Intersecţia evenimentelor A şi B este evenimentul care se realizează dacă
evenimentele A şi B se realizează simultan. A∩B
• Diferenţa evenimentelor A şi B este evenimentul care se realizează când
se realizează A şi nu se realizează B. A\B
• Evenimentul contrar lui A este evenimentul care se realizează dacă nu
se realizează A, deci cazurile favorabile lui A corespund complementarei
mulţimii cazurilor favorabile lui A. A
A=Ω\A
A∪A=Ω
A ∩ A = ∅.
5
Evenimentele A şi B se numesc:

• compatibile dacă se pot realiza simultan (A ∩ B 6= ∅)

• incompatibile ı̂n caz contrar (A ∩ B = ∅).

Fie Ω 6= ∅ şi ∅ 6= K ⊂ P(Ω). Atunci perechea (Ω, K) se numeşte

câmp de evenimente dacă:

• A ∈ K ⇒ A ∈ K.
[
• (∀n ∈ N An ∈ K) ⇒ An ∈ K.
n∈N

6
Fie (Ω, K) un câmp de evenimente. Atunci au loc următoarele proprietăţi:

(i) Ω ∈ K.

(ii) ∅ ∈ K.
\
(iii) (∀n ∈ N An ∈ K) ⇒ An ∈ K.
n∈N

(iv) A, B ∈ K ⇒ A ∪ B ∈ K.

(v) A, B ∈ K ⇒ A ∩ B ∈ K.

(vi) A, B ∈ K ⇒ A \ B ∈ K.

7
 Câmp de probabilitate

Fie (Ω, K) un câmp de evenimente. Se numeşte probabilitate

pe K o funcţie P : K → R, care satisface proprietăţile:

(1) Pentru orice A ∈ K P (A) ≥ 0,

(2) Evenimentul sigur are probabilitatea P (Ω) = 1.

(3) Pentru orice şir An de evenimente din K, incompatibile

două câte două
[ X
P( An) = P (An).
n∈N n∈N
Tripletul (Ω, K, P ) se numeşte câmp de probabilitate.
8
Fie (Ω, K, P ) un câmp de probabilitate. Atunci au loc următoarele
proprietăţi:

(i)P (∅) = 0.

(ii) A, B ∈ K, A ∩ B = ∅ ⇒ P (A ∪ B) = P (A) + P (B).

(iii)A, B ∈ K, A ⊂ B ⇒ P (B \ A) = P (B) − P (A).

(iv) A, B ∈ K, A ⊂ B ⇒ P (A) ≤ P (B).

(v) A ∈ K ⇒ P (A) = 1 − P (A).

(vi) A ∈ K ⇒ 0 ≤ P (A) ≤ 1.
9
(vii) A, B ∈ K ⇒ P (A \ B) = P (A) − P (A ∩ B).

(viii) A, B ∈ K ⇒ P (A ∪ B) = P (A) + P (B) − P (A ∩ B).

(ix) Formula lui Poincaré. Dacă A1, A2, . . . An ∈ K atunci

n
[ n
X X
P( Ai) = P (Ai) − P (Ai ∩ Aj ) +
i=1 i=1 i<j
X
+ P (Ai ∩ Aj ∩ Ak ) − · · · +
i<j<k
+ (−1)n+1P (A1 ∩ A2 ∩ · · · ∩ An).
 Probabilitate condiţionată

Să considerăm următoarele experienţe.

E1. Dintr-o urnă cu 10 bile, 3 albe si 7 negre, se extrag

succesiv 2 bile fără a pune bila extrasă ı̂napoi ı̂n urnă. Care
este probabilitatea ca cea de-a doua bilă extrasă sa fie albă?

Legat de această experienţă, considerăm evenimentele:

A: prima bilă extrasă este albă

A: prima bilă extrasă este neagră
B: a doua bilă extrasă este albă
B: a doua bilă extrasă este neagră

10
 3
P (A) = P (B) = ?
10

Daca ı̂naintea evenimentului B s-a realizat A, atunci

2
P (B) = .
9

Daca ı̂naintea lui B s-a realizat evenimentul A, atunci

3
P (B) = .
9

Realizarea lui B depinde de realizarea evenimentului A.

C32 1
P (A ∩ B) = 2 = . Dacă notăm cu PA (B) probabilitatea de să se
C10 15
P (A ∩ B)
realizeze B ştiind că s-a realizat A, observăm că PA (B) = .
P (A)
E2. Se aruncă o pereche de zaruri ideale şi se urmăreşte
apariţia sumei 6.
Care este probabilitatea ca la cel puţin unul din zaruri să apară
faţa 2?

In legătură cu această experienţă considerăm evenimentele:

A: suma punctelor egală cu 6

B: cel puţin unul din zaruri afişează faţa 2

Cazuri favorabile lui A: {(1, 5), (5, 1), (2, 4), (4, 2), (3, 3)}
A ∩ B: {(2, 4), (4, 2)}.

Probabilitatea ca unul din zaruri să afişeze faţa 2 ştiind că

suma punctelor este egală cu 6, este 2/5. Să mai observăm
că P (A) = 5/36, P (B) = 11/36, iar P (A ∩ B) = 2/36.
11
Fie (Ω, K, P ) un câmp de probabilitate, A ∈ K, cu P (A) > 0.
Atunci funcţia PA : K → R definită prin
P (A ∩ B)
PA(B) = ,
P (A)
se numeşte probabilitate condiţionată de evenimentul A.

Se poate arăta că funcţia PA este o probabilitate pe K.

12
Evenimente independente
Dacă realizarea evenimentului B nu depinde de realizarea sau
nerealizarea evenimentului A, ne aşteptăm ca probabilitatea
lui B să fie egală cu probabilitatea lui B condiţionată de A.
Această observaţie ne conduce la următoarea definiţie formală
pentru independenţă.

Două evenimente A, B ∈ K se numesc independente dacă

P (A ∩ B) = P (A) · P (B).

A1, A2, . . . , An din K se numesc evenimente independente dacă

pentru orice submulţime de indici I ⊆ {1, 2, . . . , n} avem:
\ Y
P( Ai) = P (Ai).
i∈I i∈I

13
Din definiţia probabilităţii condiţionate, rezultă că dacă A este
un eveniment cu P (A) > 0 atunci pentru orice eveniment B
are loc:
P (A ∩ B) = P (A)PA(B).
Această formulă poate fi generalizată pentru o mulţime finită
de evenimente.

Probabilitatea intersecţiei de evenimente

n−1
\
Dacă A1, . . . , An ∈ K şi P ( Ai) > 0 atunci:
i=1
n
\
P( Ai) = P (A1)·PA1 (A2)·PA1∩A2 (A3) . . . PA1∩A2∩···∩An−1 (An).
i=1

14
Fie (Ω, K, P ) un câmp de probabilitate şi (Ai)i∈I o familie de
evenimente din K. Atunci (Ai)i∈I se numeşte partiţie sau sis-
tem complet de evenimente dacă:

(1)∀i ∈ I Ai 6= ∅;
(2) i 6= j ⇒ Ai ∩ Aj = ∅;
[
(3) Ai = Ω.
i∈I

15
Formula probabilităţii totale
Fie A1, . . . , An un sistem complet de evenimente. Atunci pen-
tru orice eveniment A din K, are loc formula:
n
X
P (A) = P (Ai)PAi (A).
i=1

Formula lui Bayes

Fie A1, . . . , An un sistem complet de evenimente şi A ∈ K cu
P (A) > 0. Atunci:
P (Ai)PAi (A)
PA(Ai) = n .
X
P (Ai)PAi (A)
i=1

16
Exemplu. Se consideră trei urne identice conţinând:
U1 : o bilă albă şi una neagră;
U2 : 5 bile albe şi 3 bile negre;
U3 : o bilă albă şi 3 bile negre.

Se alege o urnă la ı̂ntâmplare şi se extrage din ea, la ı̂ntâmplare,

o bilă.
a) Să se afle probabilitatea ca bila aleasă să fie albă.
b) Dacă bila aleasă este albă care este probabilitatea ca bila
să fi fost aleasă din urna U2?

17
Rezolvare. a) Fie evenimentele
Ai: extragerea se face din urna i
B: bila extrasă este albă
Atunci: P (A1) = P (A2) = P (A3) = 1/3.

Pe de altă parte, A1, A2, A3 formează un sistem complet de

evenimente şi folosind formula probabilităţii totale, obţinem

P (B) = P (A1)PA1 (B) + P (A2)PA2 (B) + P (A3)PA3 (B) =

1 1 1 5 1 1 11
= · + · + · = .
3 2 3 8 3 4 24
Pentru b) folosim formula lui Bayes:
P (A2)PA2 (B) 1 5 24 5
PB (A2) = = · · = .
3
X 3 8 11 11
P (Ai)P (B/Ai)
i=1
18
 B
1/2
A1
1/2 B
1/3
5/8 B
1/3 A2
3/8 B
1/3
1/4 B
A3
B
3/4
Se ştie că 2% dintr-o populaţie suferă de o boală de sânge
ı̂n forma gravă, 10% au o formă uşoară a bolii, iar 88% nu
au boala. S-a descoperit un nou test care dă următoarele
rezultate: probabilitatea ca un pacient care are forma gravă
a bolii să fie testat pozitiv este 9/10, probabilitatea ca un
pacient care are forma uşoară a bolii sa fie testat pozitiv este
6/10, iar pentru un pacient care nu are boala 1/10.

Un pacient a fost testat pozitiv. Care este probabilitatea ca

pacientul să aibă forma gravă a bolii ?

8
Problema diagnosticului

Un pacient se prezintă la medic cu dureri. Nu ştim altceva despre pacient

(nu am făcut un examen clinic, nu avem alte date).

Să presupunem că sunt posibile trei diagnostice: D1, D2 şi D3.

De asemenea, presupunem cunoscute probabilităţile ca un anumit simptom

s (de exemplu, febră) să se datoreze cauzei Di , adică PDi (s) (i = 1, 2, 3)
(Probabilitatea ca pacientul să prezinte s dacă diagnosticul este Di poate
fi estimată pe o populaţie de pacienţi cu diagnosticul Di care prezintă s).

Presupunem cunoscute P (Di).

Care este diagnosticul cel mai probabil dacă pacientul are simptomul s?

P (Di )PDi (s)

Ps (Di) =
X
3
P (Di )PDi (s)
i=1

9
A fost elaborat un nou test pentru a determina riscul ca o anumită persoană
să se ı̂mbolnăvească de o anumită boală genetică. Nici un test nu e perfect:
vor exista purtători ai genei respective care vor fi testaţi negativ şi non–
purtători care să fie testaţi pozitiv.

Considerăm evenimentele:
A: pacientul are gena respectivă
B: pacientul este testat pozitiv

a) Ce semnificaţie au probabilităţile: PA (B), PB (A), PB (A), PB (A)?

b) Să presupunem că 1 la 1000 de persoane este purtătoare a bolii. De

asemenea să presupunem că probabilitatea ca un purtător al genei să fie
testat negativ este 1%, iar probabilitatea ca un non–purtător să fie testat
pozitiv este 5%. Dacă un pacient a fost testat pozitiv, care este proba-
bilitatea ca pacientul să fie purtător al genei respective? Dar dacă a fost
testat negativ?

10