2021 Curs MS seria A+C, ETTI Lect.dr.

Purnichescu-Purtan Raluca

CURS 1 - 2
1. EVENIMENTE, SPAȚIU DE SELECȚIE
▪ Experienţă aleatoare: o experienţă al cărei rezultat nu poate fi anticipat cu certitudine, el depinzând de
o serie de factori întâmplători (aleatori).
Exemple: aruncarea unui zar, tragerile la ţintă, durata de funcţionare a unei maşini, etc.

▪ Probă : rezultatul unei experienţe aleatoare.

▪ Eveniment aleator: orice rezultat potențial al unei experiențe aleatoare, a cărui realizare poate fi
confirmată sau infirmată de o probă. Legat de o anumită experiență, un eveniment poate fi precizat printr-
o propoziție logică: după ce avem proba, putem afirma că evenimentul a avut loc sau nu printr-o propoziție
adevărată sau falsă.

▪ Cazuri favorabile: mulţimea de cazuri (rezultate) care realizează un anumit eveniment.

▪ Eveniment sigur: evenimentul care se realizează la orice probă (toate cazurile posibile ale experienţei
sunt cazuri favorabile ale acestui eveniment).

▪ Eveniment imposibil: evenimentul care nu se poate realiza în nicio efectuare a experienţei

(evenimentul care nu are nici un caz favorabil). Se mai poate defini ca eveniment cu mulţimea cazurilor
favorabile vidă. Notație: 

▪ Evenimente elementare / compuse: evenimentele care se pot realiza la o probă și numai una se
numesc evenimente elementare. Evenimentul elementar are un singur caz favorabil. Evenimentele care nu
sunt elementare se numesc compuse.

▪ Spaţiu de selecţie: mulţimea tuturor rezultatelor (cazurilor) posibile ale unei experienţe aleatoare. Fie
 o mulțime nevidă oarecare. Dacă mulțimii  i se poate atașa o experiență aleatoare, convenabil aleasă,
astfel încât fiecărei submulțimi a lui  să îi corespundă o situație reală în experiența considerată, atunci
mulțimea  se numește spațiu de selecție (sau mulțime de stări).
▪ Submulțimile lui  se numesc evenimente;
▪ Elementele lui  se numesc evenimente elementare;
▪ Mulțimea  reprezintă evenimentul sigur;
▪ Mulțimea vidă reprezintă evenimentul imposibil.

Mulţimea tuturor evenimentelor legate de o experienţă cu un număr finit de cazuri posibile se identifică cu
familia (  ) a tuturor submulţimilor mulţimii  (mulţimea părţilor lui  ).

2. OPERAȚII CU EVENIMENTE
Operațiile cu evenimente se identifică cu operațiile cu mulțimi.
Considerăm două evenimente A şi B ale spaţiului de selecţie  .

▪ Eveniment implicat de un alt eveniment: Fie A şi B două evenimente ale spaţiului de selecţie  .
Spunem că evenimentul A implică evenimentul B și scriem A  B dacă orice caz care realizează A ,
realizează B (mulţimea cazurilor favorabile lui A este inclusă în mulţimea cazurilor favorabile lui B ).
Evenimentul imposibil implică orice eveniment (   A , pentru orice eveniment A ).

▪ Reuniunea A  B („ A sau B ”) este evenimentul a cărui realizare înseamnă realizarea a cel puţin
unuia dintre evenimentele considerate.
Definiţia se poate extinde şi la un număr mai mare de evenimente.
1
2021 Curs MS seria A+C, ETTI Lect.dr. Purnichescu-Purtan Raluca

▪ Intersecția A  B („ A şi B ”) este evenimentul a cărui realizare înseamnă realizarea ambelor

evenimente considerate.
Definiţia se poate extinde şi la un număr mai mare de evenimente.

▪ Evenimentul contrar A sau CA („non A ”) este evenimentul a cărui realizare constă în nerealizarea
evenimentului A (mulţimea cazurilor favorabile lui „non A ” este formată din toate cazurile nefavorabile
lui A ). Oricărui eveniment din spațiul de selecție îi corespunde un eveniment contrar.

▪ Diferența A \ B este evenimentul care se realizează prin probe ale lui A şi ale lui B (cazurile
favorabile lui A care nu sunt cazuri favorabile şi lui B ).

▪ Evenimente incompatibile: evenimente care nu se pot realiza împreună în nici o efectuare a

experienţei (realizarea unuia dintre evenimente atrage după sine nerealizarea celuilalt sau altfel spus cele
două evenimente nu au nici un caz favorabil comun).
Scriere formală: „ A implică non B şi B implică non A ” ( A  B şi B  A ) sau A  B =  .

▪ Evenimente compatibile: evenimentele care au cel puţin un caz favorabil comun ( A  B   )

Corespondența dintre terminologia din teoria mulțimilor și teoria probabilităților:
Teoria mulțimilor Teoria probabilităților Notații
Mulțime totală Eveniment sigur 
Mulțimea vidă Eveniment imposibil 
Complementara lui A Eveniment contrar lui A A sau CA
A inclus în B A implică B A B
A reunit cu B Producerea evenimentului A sau a A B
evenimentului B
A intersectat cu B Producerea evenimentului A și a A B
evenimentului B
A și B disjuncte A și B incompatibile A B = 
A și B nedisjuncte A și B compatibile A B  

3. CÂMP DE EVENIMENTE, SISTEM COMPLET DE EVENIMENTE

▪  - algebră: Fiind dată o mulțime nevidă  , clasa K , K   , K  () se numește  -algebră

(sau  -câmp,  -corp) dacă:
1. pentru  A  K  A  K
2. pentru orice familie  An n 1  K , An  K .
n 1
O mulțime A  K reprezintă un eveniment.
▪ Câmp de evenimente: Cuplul ( , K ) în care  este o mulțime nevidă și K este o  -algebră se
numeşte câmp de evenimente .
Câmpul ( , K ) se numește finit sau infinit după cum mulțimea  este finită sau infinită.

▪ Sistem complet de evenimente: O familie cel mult numărabilă de evenimente A  i iI se numește

sistem complet de evenimente pe câmpul ( , K ) dacă:

1. Ai  Aj =  , pentru i, j  I , i  j
2. Ai = 
iI

2
2021 Curs MS seria A+C, ETTI Lect.dr. Purnichescu-Purtan Raluca

Observaţie: Într-un câmp finit de evenimente, mulţimea tuturor evenimentelor elementare ataşate unei
experienţe formează un sistem complet de evenimente.

Exemplu: Experienței aruncării unui zar i se asociază un câmp finit de evenimente: Evenimentele Ai =”se
obține fața i ”, i = 1, 6 sunt evenimentele elementare ale experienței și pot fi puse în corespondență
bijectivă cu elementele mulțimii  = 1, 2,3, 4,5, 6 . Orice submulțime a mulțimii  poate fi privită ca un
eveniment (evident,  se identifică cu evenimentul sigur iar  cu evenimentul imposibil). Astfel,
experienței aruncării unui zar i se poate atașa mulțimea  și mulțimea părților sale (  ) .

4. CÂMP DE PROBABILITATE
Pentru a putea cuantifica șansele de realizare a unui eveniment aleator se folosește noțiunea de
probabilitate.
Presupunem că pentru o anumită experiență aleatoare am definit spațiul de selecție  . Atunci
fiecărui eveniment A îi putem asocia un număr, P ( A ) , numit probabilitatea realizării lui A (sau simplu,
probabilitatea lui A ), fiind o măsură precisă a șanselor ca A să se realizeze.
Riguros, probabilitatea poate fi definită în mai multe moduri: clasic (apare pentru prima oară în
lucrările lui P.S. Laplace), statistic (cu ajutorul frecvențelor relative), geometric, bayesian (datorată lui T.
Bayes) sau axiomatic (Kolmogorov).
În continuare vom prezenta pe scurt trei dintre aceste moduri de definire – cele pe care le vom
folosi pe parcursul lucrării: definiția clasică, statistică și axiomatică.

4.1. Definiţia clasică a probabilităţii

Probabilitatea clasică este definită doar pentru cazul în care experiența aleatoare are un număr finit de
cazuri posibile (totale) și echiprobabile (toate au aceeași șansă de a se realiza). În acest caz, probabilitatea
de realizare a unui eveniment A este:
număr cazuri favorabile
P ( A) =
număr cazuri totale

Observație: În cazul experiențelor aleatoare cu un număr finit de cazuri totale și echiprobabile,

determinarea probabilității unui eveniment se reduce la o problemă de numărare – și anume la
determinarea numărului de cazuri (totale și favorabile) asociate evenimentului respectiv.

4.2. Definiţia statistică a probabilităţii

Probabilitatea definită statistic (numită și probabilitate frecvențială) exprimă probabilitatea cu ajutorul
frecvențelor de realizare a unui eveniment într-un număr mare de experimente aleatoare realizate în
aceleași condiții.
Considerăm o experiență aleatoare (de exemplu, aruncarea unui zar) a cărei rezultat posibil este
evenimentul aleator A (de exemplu, apariția feței cu 6 puncte). Această experiență o putem efectua de n
ori în condiții identice (spunem că efectuăm n probe ale experimentului), astfel încât rezultatul unei probe
să nu influențeze rezultatul alteia (probe independente).
Numărul de realizări ale evenimentului A în cele n probe ale experimentului se numește
vn ( A )
frecvență absolută și se notează cu vn ( A ) . Raportul f n ( A ) = se numește frecvență relativă și
n
este subunitar, pozitiv.

3
2021 Curs MS seria A+C, ETTI Lect.dr. Purnichescu-Purtan Raluca

Șirul frecvențelor relative  f ( A)n 

n are limită și aceasta este definită ca fiind probabilitatea de

realizare a evenimentului A , notată P ( A ) .

Definiția statistică a probabilității este limita șirului frecvențelor relative de producere a

respectivului eveniment, când numărul de probe tinde la infinit: P ( A ) = lim f n ( A )
n →

4.3. Definiţia axiomatică a probabilităţii

▪ (Kolmogorov, 1933): Se numeşte probabilitate (măsură de probabilitate) pe câmpul de evenimente
( , K ) o funcție P : K → + care satisface următoarele axiome:
1. P (  ) = 1 ;
 
2. pentru orice familie  An n 1  K cu An  Am =  pentru n  m , avem: P  An  =  P ( An ) .
 n1  n1
▪ Câmp de probabilitate ( , K , P ) : este un câmp de evenimente pe care s-a definit o probabilitate.
Câmpul de probabilitate este finit sau infinit după cum câmpul de evenimente pe care s-a definit
probabilitatea este finit sau infinit.

Proprietăţi ale probabilităţii:

Considerăm un câmp de probabilitate ( , K , P ) și A, B evenimente din K . Atunci:
1.  A  K  0  P ( A )  1
2. P (  ) = 1
3. P (  ) = 0

4. pentru  A, B  K cu A  B =  avem: P ( A  B ) = P ( A ) + P ( B )

dacă A  B   avem: P ( A  B ) = P ( A ) + P ( B ) − P ( A  B )

5. pentru  A, B  K cu B  A avem: P ( A \ B ) = P ( A ) − P ( B )

Mai general, pentru  A, B  K avem: P ( A \ B ) = P ( A ) − P ( A  B )

6.  A  K  P ( A ) + P A = 1 ( )
7. pentru  A, B  K cu B  A avem: P ( B )  P ( A )

Observație: Din proprietatea 4. rezultă că pentru orice A, B  K avem: P ( A  B )  P ( A ) + P ( B ) , adică

probabilitatea este o funcție subaditivă. Acest rezultat se poate generaliza la familii cel mult numărabile.

4.4. Principiul includerii şi excluderii (Formula lui H. Poincare)

Extinde şi generalizează proprietatea 4. pentru familii finite de evenimente compatibile (cu intersecţia
nevidă). Fie A1 , A2 ,...., An evenimente compatibile ( Ai  Aj   , pentru i, j = 1, n ). Atunci:

 n  n  n 
P  Ai  =  P ( Ai ) −  P ( Ai  Aj ) +  P ( Ai  Aj  Ak ) − .... + ( −1) P  Ai 
n n
n −1

 i =1  i =1 i , j =1,i  j i , j , k =1,i  j  k  i =1 

4
2021 Curs MS seria A+C, ETTI Lect.dr. Purnichescu-Purtan Raluca

5. INDEPENDENȚĂ ȘI CONDIȚIONARE
Odată introdusă noţiunea de probabilitate, putem defini două noţiuni importante în teoria
probabilităţilor şi anume noţiunea de probabilitate condiţionată şi de independenţă în probabilitate a
evenimentelor.

În multe situații practice este necesară calcularea probabilității unui eveniment A legat de un
eveniment B , în ipoteza că evenimentul B s-a realizat. Pentru aceasta restrângem mulţimea
evenimentelor care realizează evenimentul A la cele care realizează şi evenimentul B . Pentru ca această
restricţie să aibă sens este necesar ca evenimentul B să fie de probabilitate nenulă.

Fie ( , K , P ) un câmp finit de probabilitate şi A, B  K cu P ( B )  0 (respectiv P ( A )  0 )

▪ Numim probabilitatea evenimentului A condiţionată de evenimentul B (notată PB ( A ) sau

P ( A B ) ) probabilitatea de realizare a evenimentului A în ipoteza că evenimentul B s-a realizat, definită
prin:
P ( A  B)
P ( A B ) = PB ( A) =
P ( B)
Observaţie: Din definiţia de mai sus putem deduce formula simetrică a probabilității evenimentului B
condiţionată de evenimentul A (notată PA ( B ) sau P ( B A ) ) probabilitatea de realizare a evenimentului
P ( A  B)
B în ipoteza că evenimentul A s-a realizat: P ( B A) = PA ( B ) =
P ( A)
Astfel, putem defini intersecţia a două evenimente condiţionate ca fiind:

P ( A  B ) = P ( A )  PA ( B ) (sau echivalent P ( A  B ) = P ( B )  PB ( A ) )

Generalizare: intersecţia a n evenimente condiţionate succesiv:

P ( A1  A2  ....  An ) = P ( A1 )  PA1 ( A2 )  PA1 A 2 ( A3 )  ....  PA1  A 2 .... A n−1 ( An )

Fie ( , K , P ) un câmp finit de probabilitate şi A, B  K .

▪ Evenimentele A şi B sunt independente (în probabilitate) dacă probabilitatea ca unul să se

realizeze nu depinde de faptul că celălalt s-a realizat sau nu, adică:

P ( A  B ) = P ( A)  P ( B )

Definiţie echivalentă: Evenimentele A şi B cu P ( A )  P ( B )  0 sunt independente dacă şi numai dacă

are loc una din relaţiile:

• P ( B A) = P ( B ) • ( )
P B A = P ( B)

P ( A B ) = P ( A)
P ( A B ) = P ( A)
•
•

5
2021 Curs MS seria A+C, ETTI Lect.dr. Purnichescu-Purtan Raluca

Generalizare:
Spunem că evenimentele A1 , A2 ,...., An sunt independente dacă probabilitatea oricărei intersecţii finite de
evenimente este egală cu produsul probabilităţilor evenimentelor intersectate, adică:

( ) ( ) ( )
P Ai 1  Ai 2  ......  Ai k = P Ai 1  P Ai 2  ....  P Ai k ( )
oricare ar fi 1  i1  i2  ....  ik  n .

Observație: Dacă mai multe evenimente sunt independente două câte două, NU rezultă că sunt
independente în totalitatea lor, așa cum se poate vedea din exemplul următor:
Tetraedrul lui S.N.Bernstein
Considerăm un tetraedru omogen cu feţele colorate astfel: una în alb, una în negru, una în roşu şi a patra în
toate cele trei culori. Aruncând tetraedrul pe o masă el se asează pe una din feţe; ne interesează
probabilitatea apariţei fiecărei culori şi independenţa evenimentelor corespunzătoare.

6. FORMULA PROBABILITĂȚII TOTALE

Fie ( , K , P ) un câmp finit de probabilitate, Ai  K , i = 1, n , un sistem complet de evenimente şi B  K

un eveniment oarecare. Atunci:

P ( B ) =  P ( Ai )  PAi ( B )
n

i =1

( ) ( ) ( )
adică: P ( B ) = P A1  PA1 ( B ) + P A2  PA2 ( B ) + .... + P An  PAn ( B )

7. FORMULA LUI BAYES

Formula lui Bayes, numită și ”teorema ipotezelor” permite calculul probabilității condiționate
PB ( Ai ) , numită ”probabilitate a posteriori” , adică probabilitatea de realizare a ipotezei Ai , știind că
evenimentul B s-a realizat.

Fie ( , K , P ) un câmp finit de probabilitate, Ai  K , i = 1, n , un sistem complet de evenimente şi B un

eveniment oarecare. Atunci:
P ( B  Ai ) PA ( B )  P ( Ai )
PB ( Ai ) = = i

P ( B)
 P ( Aj )  PA ( B )
n

j
j =1

8. INEGALITATEA LUI BOOLE

Dă o margine inferioară pentru probabilitatea intersecţiei a două evenimente A şi B care NU sunt
independente:
P ( A  B )  P ( A) + P ( B ) − 1
Inegalitatea se poate generaliza pentru n evenimente A1 , A2 ,..., An care NU sunt independente:
P ( A1  A2  ...  An )  P ( A1 ) + P ( A2 ) + .... + P ( An ) − ( n − 1) .