Documente Academic
Documente Profesional
Documente Cultură
L.Stoica
2
Cuprins
1 Introducere 9
1.1 Modelul probabilist . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2 Câteva exemple . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2.1 Zarul turtit . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2.2 Repartiţii uniforme . . . . . . . . . . . . . . . . . . . . 17
1.3 Exerciţii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3
4 CUPRINS
Primele şapte capitole ale cărţii de faţă conţin cursul introductiv de teoria
probabilităţilor pe care l-am ţinut studenţilor din anul al III-lea. Ultimele
patru capitole conţin cursul de lanţuri Markov pe care l-am ţinut studenţilor
de la master.
În privinţa materiei din prima parte, am de făcut mai ı̂ntâi menţiunea
că diferă de ceea ce se face de obicei la facultatea de matematică, diferă
chiar şi de ceea ce am predat cu un an ı̂nainte, prin faptul că prezentarea
este mult mai elementară. Am renunţat la a pune la baza cursului de teoria
probabilităţilor cunştinţele de teoria măsurii pe care ar trebui să le aibă
studenţii dintr-un curs separat. În urma contactului direct cu studenţii,
am ajuns la concluzia că este necesară o discuţie ı̂n amănunt a noţiunilor
de bază din teoria măsurii ı̂n paralel cu introducerea conceptelor de teoria
probabilităţilor.
Trebuie spus, pe de altă parte, că teoria probabilităţilor reprezintă astăzi
un domeniu cu largi aplicaţii ı̂n societatea contemporană şi este absolut nece-
sară o mai mare popularizare a cunoştinţelor de bază ı̂n acest domeniu.
Având ı̂n vedere acest lucru, am schimbat conţinutul, concentrându-mă
asupra a două obiective: 1) explicarea modelării problemelor prin prezentarea
cu detalii a mai multor modele pentru exemple concrete, cât şi a unor
construcţii de modele mai generale; 2) prezentarea noţiunii de independenţă
bazată pe teoria măsurii discretă.
Noţiunea de independenţă este făr ă ı̂ndoială cel mai important concept
care stă la baza modelării proabiliste şi ea poate fi explicată, fără a se pierde
esenţialul, la nivelul unui spaţiu probabilizat finit. De exemplu, noţiunile
de estimare statistică din capitolul 7 nu utilizează nimic mai mult din teo-
ria măsurii. Pentru cea mai mare parte a cursului, chiar am fi putut să
rămânem la nivelul spaţiului probabilizat finit, totuşi pentru a putea cuprinde
şi fenomenele legate de repartiţia Poisson, am ales spaţiul discret cel mult
7
8 CUPRINS
Introducere
9
10 CAPITOLUL 1. INTRODUCERE
0.6
0.5
0.4
0.3
0.2
0.1
0
1 16 31 46 61 76 91 106 121 136 151 166 181 196
egală pentru obţinerea unei feţe sau a alteia este reflectată ı̂n practică prin
frecvenţa egală de realizare a celor două rezultate atunci când experimentul
este repetat de un număr relativ mare de ori.
Cea de a doua ipostază a conceptului de probabilitate este cea ı̂n care ex-
primă o cuantificare a unui fenomen subiectiv, ı̂n care intervine necunoaşterea
unor aspecte ale unui experiment. De exemplu, un medic se poate exprima
cu privire la şansele de reuşită ale unui tratament sau ale unei operaţii şi
atunci când pacientul are o stare diferită de cazurile ce le cunoscuse anterior.
Medicul face deci aprecieri subiective ale unor aspecte necunoscute şi spune
spre exemplu ”şansele de ı̂nsănătoşire sunt de 80%”.
Acelaşi lucru se ı̂ntâmplă cu un economist care trebuie să facă prog-
noze. Economia fiecărui an este ı̂n mare măsură unică, nu se poate vorbi de
repetarea unor fenomene decât parţial, şi deci un important aspect al prog-
nozei este caracterul său subiectiv. Apare astfel o evaluare probabilistă a
şanselor de desfăşurare a unor scenarii, necunoscându-se care vor fi condiţiile
reale.
Deşi din punct de vedere filozofic bazele teoriei probabilităţilor au implicaţii
foarte interesante, pentru studiul matematic, cât şi pentru aplicaţiile prac-
tice obişnuite, aspectele filozofice sunt aproape irelevante. De aceea nu ne
vom ocupa deloc ı̂n cele ce urmează de fundamentele teoriei probabilităţilor,
ci vom trece direct la definirea obiectelor matematice şi la explicarea pro-
cesului de modelare prin exemple. Eficienţa practică a modelării o socotim
suficientă pentru a ı̂nlocui orice discurs filozofic.
1.1. MODELUL PROBABILIST 11
Dacă, ı̂n plus, familia F este finită spunem că ea este o algebră finită. În
acest caz, perechea (Ω, F ) este numită spaţiu măsurabil finit.
Exemplul cel mai simplu de algebră este algebra trivială {Ω, ∅} , care
conţine numai spaţiul total şi mulţimea vidă. Alt exemplu simplu este con-
stituit de P (Ω) , mulţimea tuturor părţilor spaţiului Ω. În cazul ı̂n care Ω
este o mulţime finită, cel mai adesea ea este considerată ca spaţiu măsurabil
fiind ı̂nzestrată cu algebra P (Ω) .
12 CAPITOLUL 1. INTRODUCERE
Definiţia 1.2 Fie (Ω, F ) un spaţiu măsurabil finit. Spunem că o aplicaţie
P : F → [0, 1] , este o măsură de probabilitate dacă satisface relaţiile
(i) P (Ω) = 1,
(ii) P (A ∪ B) = P (A) + P (B) , pentru orice două mulţimi disjuncte,
A, B ∈ F .
În acest caz, tripletul (Ω, F , P ) va fi numit spaţiu probabilizat finit.
pentru k1 < ... < km . Cititorul poate uşor verifica faptul că ı̂n acest fel este
definită o măsură de probabilitate pe F .
O metodă convenabilă de construcţie a unui spaţiu probabilizat finit
(Ω, F , P ) constă ı̂n alegera mulţimii Ω ca o parte dintr-un spaţiu euclid-
ian, de exemplu din plan. Mulţimile din F sunt alese sugestiv după aspectul
grafic. De exemplu cercuri, pătrate, dreptunghiuri, ovale, etc. În plan se
poate uşor construi un spaţiu probabilizat desenând o diagramă Venn şi
punând ca probabilitate a unei mulţimi figurate A, valoarea P (A) = ariaA ariaΩ
.
Cel mai adesea ı̂n astfel de cazuri, pentru a nu complica exprimarea analitică
a diverselor mulţimi, liniile desenate, care separă regiunile, sunt excluse din
Ω. De exemplu, a se vedea modelul zarului turtit din paragraful următor sau
modelul celor trei urne din paragraful despre formula lui Bayes.
În primele capitole ale acestei cărţi nu vom utiliza decât spaţii probabi-
lizate finite. Totuşi, anumite noţiuni generale le vom da ı̂n contextul unui
spaţiu probabilizat general, pentru a evita repetarea definiţiilor mai târziu.
De aceea introducem acum şi definiţia unui spaţiu probabilizat general.
Definiţia 1.3 O algebră F , de părţi ale lui Ω, este numită σ− algebră dacă
are proprietatea de a fi ı̂nchisă la reuniuni numărabile: dacă (An )n∈N este
un şir de elemente din F , atunci ∪n∈N An ∈ F . Perechea (Ω, F ) se numeşte
spaţiu măsurabil.
14 CAPITOLUL 1. INTRODUCERE
∩n An = (∪n Acn )c ,
relaţie ce are ı̂n membrul drept numai operaţii permise ı̂n interiorul unei
σ−algebre.
obiect este definit şi studiat ı̂n cadrul teoriei măsurii. În teoria proba-
bilităţilor el este preluat şi există obiceiul să se utilizeze, pe lângă terminolo-
gia de teoria măsurii, o terminologie proprie, colorată de sensuri apropriate
modelelor probabiliste. Astfel o mulţime A ∈ F se numeşte eveniment iar
un punct ω ∈ Ω se numeşte eveniment elementar. Dacă P (Ac ) = 0, se spune
că evenimentul A are loc aproape sigur. Prescurtat scriem a. s. pentru
,,aproape sigur”.
h0
Să presupunem că baza zarului este marcată cu şase puncte, iar faţa
superioară cu unul. Când ı̂nălţimea h este foarte mică, feţele laterale devin
ı̂nguste şi zarul nu poate sta decât cu greu pe ele; şi de aceea este natural
să ne aşteptăm ca zarul, prin aruncare, să cadă mai ales cu feţele de sus şi
16 CAPITOLUL 1. INTRODUCERE
1 2 3 4 5 6
Figura 1.3: Un model pentru zarul turtit.
jos: 1 şi 6. Atunci şansele de a cădea una din aceste feţe, se apropie pentru
fiecare de 12 . Când h = 1 aceste feţe au şanse egale cu celelalte, deci egale
cu 61 pentru fiecare. Există o anumită valoare h0 pentru care feţele cu un
punct şi şase puncte au şansele 14 fiecare. În acest caz, şansele feţelor cu 2,3,4
şi 5 puncte sunt egale cu 18 fiecare. Experimentul de aruncare a zarului cu
ı̂nălţimea h0 poate fi descris de mulţimea Ω, desenată ı̂n figura 1.3.
Ea constă din şase dreptunghiuri (mulţimi deschise, fără laturile ce le
mărginesc). Primul dreptunghi şi ultimul sunt duble faţă de celelalte şi core-
spund la feţele cu 1 şi 6 puncte. Aria fiecărui dreptunghi este proporţională
cu şansele de a cădea numărul de puncte pe care-l reprezintă. Dreptunghiu-
rile ce formează mulţimea Ω sunt numerotate conform punctelor pe care le
reprezintă, ca ı̂n figură: D1 , D2 , D3 , D4 , D5 , D6 . În acest caz F este algebra
de părţi generată de aceste mulţimi. Mulţimea Di corespunde evenimentu-
lui ,,ı̂n urma aruncării zarului a ieşit faţa cu i puncte”. Probabilitatea este
definită prin
ariaA
P (A) = ,
ariaΩ
pentru orice A ∈ F . De exemplu, evenimentul ,,la aruncarea zarului iese
un număr de puncte mai mare sau egal cu 4” este reprezentat de mulţimea
D4 ∪ D5 ∪ D6 şi are probabilitatea
ariaD4 + ariaD5 + ariaD6 1 1 2 1
P (D4 ∪ D5 ∪ D6 ) = = + + = .
ariaΩ 8 8 8 2
Pentru aceeaşi problemă se poate utiliza un model bazat pe mulţimea
finită Ω = {1, 2, 3, 4, 5, 6} , cu F = P (Ω ) şi punând
P ({1}) = P ({6}) = 14 ,
P ({2}) = P ({3}) = P ({4}) = P ({5}) = 18 .
1.2. CÂTEVA EXEMPLE 17
L (A)
P (A) = ,
2πR
unde L (A) este lungimea mulţimii A (sau măsura Lebesgue), iar R este
raza cercului. Din nou P este o măsură de probabilitate pe B (Ω), uniform
repartizată pe cercul Ω.
Se ştie că un cerc de rază R este pus ı̂n corespondenţă bijectivă cu inter-
valul [0, 2πR) prin desfăşurarea cercului. Lungimile măsurate pe cerc, după
18 CAPITOLUL 1. INTRODUCERE
L (A)
P (A) = .
40
Dacă A = (a, b), numărul P ((a, b)) reprezintă proporţia acelor resturi de
şiret care au lungimea mai mare decât a cm şi mai mică decât b cm, printre
toate resturile de şiret. Suntem conduşi astfel la probabilitatea distribuită
uniform pe intervalul [0, 40] .
1.3 Exerciţii
Exerciţiul 1.1 Biletele de la o tombolă sunt numerotate de la 1 la 10.000.
Ce proporţie dintre ele se termină cu cifra 1, dar cu 2, ..., dar cu 9? Ce
proporţie dintre ele ı̂ncep cu cifra 1, dar cu 2, ..., dar cu 9?
Exerciţiul 1.5 Într-o pălărie se află trei cartoane: unul are ambele feţe albe,
altul are ambele feţe negre şi al treilea are o faţă albă şi una neagră. Se ia
unul şi se pune pe masă. Constatând că faţa de deasupra cartonului este
neagră se pune problema de a determina probabilitatea ce dosul să fie alb.
20 CAPITOLUL 1. INTRODUCERE
Capitolul 2
cardA
P (A) = .
cardΩ
Această formulă spune că ,,probabilitatea evenimentului A este egală cu
numărul cazurilor favorabile supra numărul cazurilor posibile”, care este
definiţia clasică a probabilităţii. Pentru a decide că un fenomen probabilist
este de tipul şanselor egale pentru fiecare posibilă evoluţie este ı̂nsă necesară
ı̂ntotdeauna o analiză.
21
22 CAPITOLUL 2. MODELE CU ŞANSE EGALE
cea de a treia posibilitate, o monedă cade cu cifra ı̂n sus iar cealaltă cade cu
stema ı̂n sus.
A făcut apoi greşeala să presupună că fiecare din aceste trei posibilităţi
este la fel de probabilă. Dacă ar fi făcut experienţa, şi-ar fi dat seama foarte
repede că nu este adevărată egalitatea şanselor pentru modelul ales. Dar
nu numai experienţa, ci şi o analiză logică mai atentă relevă modelul corect.
Pentru aceasta se consideră că cele două monezi sunt ı̂nsemnate A şi B iar
posibilitatea a treia din enumerarea dată mai sus este ı̂nlocuită cu două
alte posibilităţi: A cade cu cifra şi B cade cu stema, respectiv A cade cu
stema şi B cade cu cifra. Se poate uşor raţiona că dacă A cade cu cifra
sunt şanse egale ca B să cadă cu cifra sau cu stema şi la fel, prin comparare,
se ajunge imediat la concluzia că fiecare din cele patru posibilităţi descrise
acum are şanse egale. Se vede atunci că, pentru a reflecta experimentul
aruncării cu două monezi, modelul cu trei posibilităţi propus de d’Alembert
nu poate da şanse egale fiecăreia. Pentru a corespunde realităţii, trebuiesc
acordate şanse egale numai primelor posibilităţi şi anume 14 , ı̂n timp ce a treia
posibilitate enumerată de d’Alembert ar trebui să aibă şanse duble faţă de
fiecare din primele, deci 12 . Desigur că marele enciclopedist şi matematician
francez (Jean le Rond d’Alembert: 1717-1783), a ramas ı̂n istorie pentru
alte descoperiri importante, cazul descris mai sus nefiind decât un episod
anecdotic.
În lumina discuţiei anterioare, este clar că, ı̂n cazul ı̂n care considerăm
o serie de n aruncări cu banul, modelul ce se impune este următorul: dacă
1 corespunde cifrei şi 0 corespunde stemei, mulţimea tuturor posibilităţilor
este
Ω = {0, 1}n = {(x1 , ..., xn ) | xi ∈ {0, 1} , i = 1, ..., n} ,
constituită din toate sistemele (x1 , ..., xn ) de n cifre de 0 şi 1. Fiecare
posibilitate are aceleaşi şanse de a ieşi. Numărul tuturor posibilităţilor
este 2n , adică cardΩ = 2n . Probabilitatea corespunzătoare se defineşte prin
P ({(x1 , ..., xn )}) = 21n , pentru fiecare sistem (x1 , ..., xn ) ∈ Ω.
1 1
P ({(1, 1)}) = , P ({(0, 0, 0)}) = P ({(0, 1, 1)}) = P ({(1, 0, 1)}) = ,
4 8
P ({(0, 0, 1, 0)}) = P ({(0, 1, 0, 0)}) = P ({(1, 0, 0, 0)}) = P ({(0, 0, 1, 1)})
24 CAPITOLUL 2. MODELE CU ŞANSE EGALE
1
= P ({(0, 1, 0, 1)}) = P ({(1, 0, 0, 1)}) =.
16
Justificarea acestei ponderări se face pornind de la evaluarea şanselor pentru
rezultatele a două aruncări:
1
P ({(1, 1)}) = P ({(1, 0)}) = P ({(0, 1)}) = P ({(0, 0)}) = .
4
Rezultatul (1, 1) ar pune capăt jocului dar celelalte posibilităţi duc la conti-
nuarea jocului. Şansele pe care le are rezultatul (1, 0) se ı̂mpart ı̂n mod egal
pentru posibilităţile următoare: (1, 0, 1) , (1, 0, 0). Deci
1
P ({(1, 0, 1)}) = P ({(1, 0, 0)}) = .
8
Rezultatul (1, 0, 0) conduce la continuarea jocului cu ı̂ncă o aruncare şi obţinerea
posibilităţilor (1, 0, 0, 1) şi (1, 0, 0, 0), ce vor fi evaluate fiecare cu probabili-
1
tatea 16 . etc. 2
× × 0 · × 0 0
× 0 0 · × × 0
Avem reprezentate două succesiuni de câte 7 bile din care 3 sunt roşii, 3 sunt
albe şi una este neagră. Deşi ordinea de ı̂nşiruire a culorilor este aceeaşi (roşu,
2.2. METODE DE NUMĂRARE A POSIBILITĂŢILOR 25
alb, negru, roşu, alb), cele două succesiuni de culori sunt diferite pentru că
secvenţele bilelor de aceeaşi culoare au lungimi diferite.
În continuare vom demonstra că numărul succesiunilor de culori distincte
ı̂n ı̂nţelesul de mai sus este
n!
.
n1 ! · ... · nk !
Pentru a descrie precis mulţimea tuturor acestor succesiuni de culori vom
proceda ı̂n felul următor. Considerăm o a doua mulţime cu n elemente ce
o notăm L, pe care o identificăm cu mulţimea primelor n numere naturale
{1, ..., n} , şi care reprezintă poziţiile ocupate ı̂n şir de cele n bile. Pentru a
determina o succesiune de culori dată de cele n bile puse ı̂n şir este suficient
să cunoaştem mulţimile de poziţii din L care corepund fiecărei culori. Fie Ai
mulţimea poziţiilor ocupate de bilele de culoare ci , i = 1, ..., k. Este clar că
aceste mulţimi verifică următoarele două proprietăţi: 1) Ai are ni elemente
şi 2) (A1 , ..., Ak ) formează o partiţie a mulţimii L. Problema revine atunci la
numărarea familiilor de mulţimi A1 , ..., Ak , care verifică cele două condiţii.
Vom considera de asemenea că fiecare bilă este individualizată (de exem-
plu purtând un semn sau un număr distinct). Notăm cu H mulţimea tuturor
sistemelor de aşezare a celor n bile ı̂n cele n poziţii din L. Ştim că numărul
acestor sisteme este n!. Să introducem pe H relaţia de echivalenţă care face
echivalente două sisteme de aşezare a celor n bile atunci când ele corespund
aceleiaşi succesiuni de culori. Vom arăta acum că fiecare clasă de echivalenţă
are acelaşi număr de elemente şi anume n1 ! · ... · nk !.
Să zicem că avem fixat un astfel de sistem de aşezare a celor n bile ı̂n
poziţiile din L. Pentru fiecare i = 1, ..., k, notăm cu Ai mulţimea de poziţii pe
care le ocupă bilele de culoare ci . Este evident că vor fi satisfăcute condiţiile
1) şi 2) de mai sus. Dacă permutăm ı̂ntre ele bilele de culoare ci obţinem
un alt sistem din H, dar mulţimea Ai rămâne neschimbată, deci succesiunea
de culori rămâne neschimbată. Mai mult, dacă considerăm un alt sistem de
aranjare a bilelor care este echivalent cu cel fixat, rezultă că, pentru fiecare
i = 1, ..., k, bilele sale de culoare ci vor ocupa tot poziţiile din mulţimea
Ai . Deci, aceste bile vor forma o permutare a bilelor de culoare ci din primul
sistem. Bilele de culoare ci pot fi permutate ı̂n ni ! moduri. Făcând permutări
ı̂ntre bilele de aceeaşi culoare, pentru fiecare culoare, obţinem ı̂n total n1 ! ·
... · nk ! sisteme care corespund aceleiaşi succesiuni de culori, sau altfel spus,
care sunt ı̂n aceeaşi clasă de echivalenţă cu sistemul fixat.
Acum putem calcula numărul claselor de echivalenţă ı̂n care este ı̂mpărţită
mulţimea H. Dacă notăm cu x numărul claselor de echivalenţă vom exprima
26 CAPITOLUL 2. MODELE CU ŞANSE EGALE
numărul elementelor din H sub forma xn1 !...nk !. Cum pe de altă parte,
ştim că H are n! elemente, rezultă x = n1 !...n n!
k!
. Deoarece evident, avem o
corespondenţă bijectivă ı̂ntre mulţimea succesiunilor de culori şi mulţimea
claselor de echivalenţă, putem trage concluzia că mulţimea succesiunilor de
n!
culori are n1 !·...·n k!
elemente.
Pentru termenul de succesiune de culori am putea utiliza şi denumirea de
,,permutare de culori cu repetiţie”, pentru că o poziţie ocupată de o culoare
este constituită eventual din mai multe bile ce repetă aceeaşi culoare. De
aici denumirea de numărul permutărilor cu repetiţie pe care ı̂l are expresia
n!
n1 !·...·nk !
. Această expresie este denumită şi coeficient multinomial. Pentru k =
n!
2 expresia devine cunoscutul coeficient binomial Cnn1 = Cnn2 = n1 !(n−n 1 )!
=
n!
n2 !(n−n2 )!
.
Aceste mulţimi sunt disjuncte şi deci formează o partiţie a lui Ωk+1 . Este
de asemenea natural să măsurăm producerea evenimentului A (x1 , ..., xk ) ı̂n
2.3. EXTRAGERI REPETATE DIN URNĂ 29
k! 1
P ({(x1 , ..., xk ) ∈ Ω/ {x1 , ..., xk } = A}) = k
= k. 2
An Cn
Să examinăm acum experimentul extragerii din urna cu n bile a k bile deo-
dată. Pentru acest experiment mulţimea tuturor posibilităţilor este mulţimea
30 CAPITOLUL 2. MODELE CU ŞANSE EGALE
2.4 Exemple
2.4.1 Controlul calităţii
Exemplu. Într-o ladă se află 550 de mere, din care un anumit procent sunt
putrede. Fără a şti acest procent, se ia un eşantion de 25 de mere şi se taie
pentru a se constata starea lor şi a evalua care ar fi procentul de mere putrede
ı̂n toată lada. Este o problemă tipică de controlul calităţii. Aici nu ne vom
propune să tratăm propriu-zis această problemă ci să rezolvăm o problemă
mai simplă. Anume, ne propunem să determinăm care ar fi probabilitatea ca
eşantionul să conţină 2 mere putrede dacă am şti că 2% din numărul total
de mere sunt putrede.
Soluţie. Presupunerea făcută implică faptul că 11 mere sunt putrede. În
ce priveşte extragerea celor 25 de mere, ea nu contează decât ca mulţime.
Suntem ı̂n cazul extragerilor fără ordine. Pentru soluţionarea problemei par-
ticulare ce o avem, vom ı̂nlocui cifrele cu litere deoarece calculele numerice nu
2.4. EXEMPLE 31
Λl = {A ∈ Ω / card (A ∩ D) = l} .
Este clar că mulţimea Ω are cardinalul Cnk . Pentru a determina cardinalul
mulţimii Λl vom raţiona astfel: mulţimea A = A1 ∪ A2 se ı̂mparte ı̂n mod
natural ı̂n două părţi, A1 = A ∩ D de cardinal cardA1 = l şi A2 = A ∩ D c cu
cardA2 = k − l. Pentru A1 există Cm l
posibilităţi de formare, iar pentru A2
k−l
există Cn−m posibilităţi de alcătuire. Deci, mulţimea ce ne interesează, Λl ,
are Cm l
· Cn−m
k−l
elemente. Obţinem formula
l
Cm · Cn−m
k−l
P (Λl ) = .
Cnm
Dar putem să facem şi o listă cu celelalte probabilităţi de interes pentru cazul
numeric de la care am plecat. Notând cu pl probabilitatea evenimentului ca să
existe exact l mere putrede ı̂n condiţiile ı̂n care celelalte date rămân aceleaşi
C l C 25−l
avem pl = 11C 25539 , l = 0, 1, ..., 11. Valorile numerice ce se obţin sunt listate
550
ı̂n tabelul următor:
p0 p1 p2 p3 p4
0, 5965 0, 3185 0, 0740 0, 0098 0, 0008
Adunând probabilităţile din tabel avem p0 +p1 +p2 +p3 +p4 = 0, 9996, ceea ce
arată că restul probabilităţilor sunt neglijabile (bineı̂nţeles că are loc relaţia
32 CAPITOLUL 2. MODELE CU ŞANSE EGALE
11
pl = 1). Cu tabelul ı̂n faţă putem să facem următorul comentariu. Sub
l=0
ipoteza că numai 2% dintre mere sunt putrede, probabilitatea covârşitoare
o are evenimentul ,,numărul de mere putrede care ies la o extragere de 25
este cel mult unu, adică l ≤ 1”, şi anume p0 + p1 = 0, 9150. Evenimentul
,,numărul de mere putrede ce ies la o extragere de 25 este 2” este relativ rar,
pentru că probabilitatea p2 = 0, 074 este relativ mică. Faptul de a găsi 2
mere putrede printre 25 testate nu este normal. O persoană interesată de
acest test ar trebui să tragă concluzia că este foarte probabil ca ipoteza cum
că ,,procentul merelor putrede din ladă este de numai 2%” să nu fie reală.
m∧k
pl = 1.
l=0
Verificarea relaţiei combinatorice se poate face direct fără a trece prin mo-
delul probabilist discutat mai sus. Ideea demonstraţiei este ı̂nsă aceeaşi şi
porneşte de la clasificarea submulţimilor de k elemente din M după numărul
de elemente din D pe care le conţin.
(x1 , x2 , x3 , x4 , x5 , x6 ) ,
Ω = {(x1 , x2 , x3 , x4 , x5 , x6 ) / xi ∈ M} .
Λ (G) = {(x1 , x2 , x3 , x4 , x5 , x6 ) /
c2 , c3 , c4 c2 , c4 , c3 c3 , c2 , c4 c3 , c4 , c2 c4 , c2 , c3 c4 , c3 , c2
Se vede că numai două, şi anume a patra şi a cincea schimbă toate elementele
primei ordonări a culorilor (ce corespunde extragerii din pălărie). Deci există
exact două permutări ce schimbă locul fiecăreia din ultimele trei culori şi
lasă pe loc prima culoare. La fel se poate repeta raţionamentul ţinând pe
loc fiecare din culorile c2 , c3 sau c4 . În felul acesta se obţine numărul total al
permutărilor ce păstrează pe loc exact o culoare, care este egal cu 4 × 2 = 8.
Probabilitatea ca prin hazard să se dea raspuns corect la o singură ı̂ntrebare
8
este deci 24 .
Să vedem acum câte permutări se pot face cu cele patru culori astfel ca
două să rămână pe loc iar celelalte două să schimbe locul. De exemplu, să
zicem că c1 şi c2 rămân pe loc. Atunci neapărat c3 şi c4 schimbă locul una
cu alta, adică singura permutare posibilă ı̂n acest fel este (c1 , c2 , c4 , c3 ) . Dacă
numărăm posibilităţile ı̂n care putem fixa două din culori, găsim că acestea
sunt ı̂n număr de C42 = 6. Deci există 6 permutări ce lasă exact două culori pe
2.4. EXEMPLE 35
Numărul elementelor din Ω este n!. Mai ı̂ntâi vom analiza mulţimile de per-
mutări care lasă pe loc un element. Fie Aj mulţimea permutărilor ce lasă pe
loc elementul xj :
Aj = (xi1 , xi2 , ..., xin ) ∈ Ω/ xij = xj .
Mulţimea permutărilor care lasă cel puţin un element pe loc este reuniunea
n
j=1 Aj . Mulţimea permutărilor care nu lasă pe loc nici un element al lui
36 CAPITOLUL 2. MODELE CU ŞANSE EGALE
n
− P (Ai ∩ Aj ∩ Ak ) + ... + (−1) P n
Ai .
=i,j,k i=1
1
cu un număr ξ ∈ (−1, 0) . Deci P (B) ≈ e−1 , cu o eroare de ordinul lui (n+1)! .
1 1
Pentru n = 6 avem 7! = 5040 ≤ 0, 0005. Din punct de vedere practic, pentru
n ≥ 6 probabilitatea ca să nu avem coincidenţe nu depinde de n. 2
Lema 2.1 (Formula lui Poincaré) Fie (Ω, F , P ) un spaţiu probabilizat şi
A1 , ..., An evenimente arbitrare. Atunci are loc următoarea formulă
n
n
P Ai = P (Ai ) − P (Ai ∩ Aj ) +
i=1 i=1 i=j
n
+ P (Ai ∩ Aj ∩ Ak ) + ... + (−1)n−1 P Ai .
=i,j,k i=1
P Ai = P (An+1 ) + P (B) − P (An+1 ∩ B) =
i=1
n+1 ≤n
≤n
= P (Ai ) − P (Ai ∩ Aj ) + P (Ai ∩ Aj ∩ Ak ) + ...
i=1 i=j =i,j,k
n
+ (−1) n−1
P Ai − P (An+1 ∩ B) . (∗)
i=1
38 CAPITOLUL 2. MODELE CU ŞANSE EGALE
Ultimul termen din această expresie se exprimă din nou prin utilizarea for-
mulei Poincaré cu n mulţimi:
n
P (An+1 ∩ B) = P (An+1 ∩ Ai ) =
i=1
≤n
n+1
n
= P (An+1 ∩ Ai ) − P (An+1 ∩ Ai ∩ Aj ) + ... + (−1) n−1
P Ai .
i=1 i=j i=1
≤n
≤n
≤n+1
P (Ai ∩ Aj ∩ Ak ) + P (An+1 ∩ Ai ∩ Aj ) = P (Ai ∩ Aj ∩ Ak ) ,
=i,j,k i=j =i,j,k
şi aşa mai departe ..., rezultă că partea dreaptă a egalităţii (*) devine
≤n+1 ≤n+1
n+1
n+1
= P (Ai )− P (Ai ∩ Aj )+ P (Ai ∩ Aj ∩ Ak )+...+(−1)n P Ai ,
i=1 i=j =i,j,k i=1
care este exact membrul drept al formulei ce dorim să probăm cu n + 1.2
Avem card (Ω) = 365n şi definim o probabilitate pe Ω care să facă echipro-
babile toate evenimentele elementare, deci punem
1
P ({ω}) = .
365n
Mulţimea care ne interesează o notăm cu Λ şi constă din evenimentele ele-
mentare pentru care toate componentele sunt distincte:
Λ = {ω = (x1 , ..., xn ) ∈ Ω | xi = xj , ∀ i = j} .
α2 n
exp αk exp − k
≤ (1 + αk ) ≤ exp αk , (∗)
k=1 k=1
1 + αk k=1 k=1
n
n
n
αk2
n
exp αk − (1 + αk ) ≤ exp αk . (∗∗)
k=1 k=1 k=1
1 + αk k=1
40 CAPITOLUL 2. MODELE CU ŞANSE EGALE
Calculăm g (22) = 0, 531 şi g (22) r22 = 0, 01404, ceea ce conduce la f (22) ≥
0, 51. În continuare calculăm g (23) = 0, 49999, ceea ce implică f (23) ≤
0, 49999. 2
2.5 Exerciţii
Exerciţiul 2.1 Un pion este pus pe poziţia A ı̂n şirul de litere de mai jos.
A B C D E
Exerciţiul 2.3 Aruncăm cu un zar până când iese de două ori la rând
aceeaşi faţă. Notăm cu pn probabilitatea ca acest lucru să se petreacă exact
după n aruncări. Să se determine o formulă pentru pn . Să se determine suma
p2 + ... + p10 .
Exerciţiul 2.6 Într-o parcare sunt 12 locuri aşezate unul lângă altul ı̂n linie.
8 dintre aceste locuri sunt ocupate, iar 4 sunt libere. Cineva observă că cele
4 locuri libere sunt unul lângă celălalt şi ı̂şi pune ı̂ntrebarea dacă aceasta este
o ı̂ntâmplare. Care este probabilitatea ca 4 din 12 poziţii aflate ı̂n linie să fie
consecutive?
Exerciţiul 2.8 Din 12 bilete de amendă pentru parcare pe trotuar nici unul
nu este dat vinerea. Se poate trage concluzia, din această informaţie, că
vinerea nu sunt probleme cu parcarea?
Exerciţiul 2.9 15 elevi nou sosiţi ı̂ntr-o şcoală sunt repartizaţi ı̂n mod egal
ı̂n 3 clase paralele. Printre noii veniţi se află şi trei băieţi mai ı̂nalţi. Ei
prezintă interes pentru echipele de baschet ale celor trei clase. De aceea se
pune următoarea problemă. Presupunând că repartizarea lor se face aleator,
care este probabilitatea ca cei trei elevi ı̂nalţi să nimerească ı̂n aceeaşi clasă?
Care este probabilitatea ca ei să nimerească ı̂n clase diferite? Dar să nimerească
2 ı̂n aceeaşi clasă şi al treilea ı̂n altă clasă?
Exerciţiul 2.10 La o uşă există două broaşte. De obicei aveţi 6 chei asemănătoare
asupra dumneavoastră şi printre ele sunt şi cele de la uşa cu pricina. Aţi pier-
dut una din cele şase chei, nu se ştie care. Ce probabilitate există ca să puteţi
totuşi deschide uşa respectivă? Care este probabilitatea ca primele două chei
ı̂ncercate să deschidă cele două broaşte?
Capitolul 3
În acest capitol vom prezenta câteva din noţiunile de bază din teoria proba-
bilităţilor care iau ı̂n considerare numai un număr finit de evenimente. Ele
pot fi discutate cu toată semnificaţia ı̂n cadrul unui spaţiu probabilizat finit.
Cele mai multe din exemplele pe care le discutăm vor fi tocmai de acest
tip. Totuşi vom utiliza drept cadru de bază un spaţiu probabilizat gene-
ral (Ω, F , P ) , pentru a nu fi obligaţi mai târziu să revenim asupra acestor
noţiuni.
43
44 CAPITOLUL 3. CÂTEVA NOŢIUNI DE BAZĂ
0.02
0.01
0
0 10 20 30 40 50 60 70 80 90
Graficul funcţiei α arată cum se vede ı̂n figura 3.1. Este un grafic ı̂n formă
de farfurie, care desigur nu are decât o asemănare aproximativă cu situaţiile
reale.
Vom nota cu A evenimentul deceselor ı̂ntre 60 şi 70 de ani. Probabilitatea
acestui eveniment se poate calcula exact, dacă utilizăm formula anterioară
pentru α,
70
P (A) = P ((60, 70)) = α (s) ds = 0, 154.
60
Această valoare reprezintă raportul dintre numărul deceselor ce au loc ı̂ntre
60 şi 70 de ani şi numărul total al deceselor. Dacă notăm cu B evenimentul
deceselor peste 60 de ani putem calcula probabilitatea
100
P (B) = α (s) ds = 0, 316,
60
Extragerea din trei urne. Presupunem că trei urne conţinând bile se
află pe o masă: prima urnă conţine o bilă albă şi o bilă neagră; a doua urnă
conţine două bile albe şi una neagră; a treia urnă conţine trei bile albe şi una
neagră. Aspectul exterior al urnelor este identic şi nu se vede conţinutul lor.
(În figura alăturată am desenat totuşi şi bilele, ı̂n mod schematic, pentru a
vizualiza experimentul.)
Se alege la ı̂ntâmplare o urnă şi se extrage o bilă din ea. Ştiind că bila
extrasă este albă, ne punem problema de a determina probabilitatea ca bila
să fi fost extrasă din urna a treia.
Soluţie.Pentru a modela această problemă vom considera mulţimea Ω ca
fiind dreptunghiul mare desenat ı̂n figura 3.3.
Pentru diverse submulţimi D ⊂ Ω considerăm măsura de probabilitate
dată de P (D) = ariaD ariaΩ
. Acest dreptunghi este ı̂mpărţit ı̂n trei dreptunghiuri
de arii egale B1 , B2 , B3 , care corespund evenimentelor ”urna aleasă a fost
urna i”, i = 1, 2, 3. Avem P (Bi ) = 13 , i = 1, 2, 3. Fiecare din aceste mulţimi
va fi ı̂mpărţită ı̂n două submulţimi: Bi = Ni ∪ Ai , unde Ni corespunde eveni-
mentului ”din urna i s-a extras o bilă neagră” şi Ai corespunde evenimentului
3.1. PROBABILITĂŢI CONDIŢIONATE 47
B1 B2 B3
N2 N3
N1
A1 A2 A3
pentru a reflecta raportul dintre bilele albe şi cele negre din fiecare urnă.
Acest raport se traduce ı̂n şansele corespunzătoare extragerii unei bile albe
sau negre. Atunci putem calcula precis
11 1 12 2 13 1
P (A1 ) = = , P (A2 ) = = , P (A3 ) = = .
32 6 33 9 34 4
Rezultă că, notând A evenimentul ”s-a extras o bilă albă”, vom avea
A = A1 ∪A2 ∪A3 şi P (A) = P (A1 )+P (A2 )+P (A3 ) = 16 + 92 + 41 = 6+8+9
36
= 23
36
.
Atunci răspunsul la problema pusă este
1
P (A3 ) 4 9
P (A3 | A) = = 23 = . 2
P (A) 36
23
48 CAPITOLUL 3. CÂTEVA NOŢIUNI DE BAZĂ
Observaţia 3.1 În modelul construit, nu am pus ı̂n evidenţă explicit σ−algebra
F . Ar putea fi B (Ω), familia părţilor boreliene din pătratul Ω. Dar pen-
tru nevoile stricte ale problemei noastre putem, la fel de bine, defini F =
a (A1 , N1 , A2 , N2 , A3 , N3 ), algebra de părţi generată de partiţia lui Ω formată
din mulţimile A1 , N1 , A2 ,N2 ,A3 ,N3 . Strict vorbind, noi am neglijat a pre-
ciza cui aparţine fiecare frontieră de mulţime. O dată ce avem imaginea,
am putea să schimbăm puţin definiţia mulţimilor ı̂n felul următor: definim
A1 , N1 , A2 , N2 , A3 , N3 drept mulţimile deschise ı̂n plan, reprezentate ı̂n figură,
fără frontiere. Apoi definim Ω drept reuniunea acestor mulţimi.
Lema 3.1 Fie (Ω, F , P ) un spaţiu probabilizat şi {B1 , ..., Bn } ⊂ F o partiţie
a lui Ω, astfel că P (Bi ) > 0, pentru orice i = 1, ..., n. Dacă A ∈ F este o
mulţime astfel ı̂ncât P (A) > 0, atunci are loc formula
P (A | Bi ) P (Bi )
P (Bi | A) =
n .
P (Bj ) P (A | Bj )
j=1
P (A ∩ Bi ) = P (A | Bi ) P (Bi ) ,
n
n
P (A) = P (A ∩ Bj ) = P (Bj ) P (A | Bj ) . 2
j=1 j=1
B2
A
B1
B2
A B1
0, 95 · 0, 30 285
P (B2 | A) = = = 0, 953.
0, 70 · 0, 02 + 0, 30 · 0, 95 14 + 285
În aceste condiţii testul este semnificativ şi poate ajuta la diagnosticarea
bolnavilor. 2
Pentru a ı̂nţelege de ce ı̂n cazul 10 nu este relevant testul, am reprezen-
tat mulţimea Ω prin dreptunghiul mare din figura 3.4. Mulţimea B2 este
reprezentată de triunghiul din colţul de sus stânga. Ea este despărţită de
mulţimea B1 , ce constitue restul dreptunghiului printr-o linie. Mulţimea A
este reprezentată de dreptunghiul mic, cenuşiu. Ariile acestor mlţimi sunt
1
proporţionale cu probabilităţile lor. Mulţimea B2 reprezintă 100 din dreptun-
2 99 2
ghiul mare iar mulţimea A ∩ B1 reprezintă 100 · 100 ≈ 100 din dreptunghiul
mare. Deci aria lui A ∩ B1 este de două ori mai mare ca aria lui B2 . Cum
se vede din figură, cea mai mare parte a mulţimii A se află inclusă ı̂n B1 .
Aceasta reflectă faptul că printre persoanele ce obţin un rezultat pozitiv la
test, cei mai mulţi sunt sănătoşi.
În cazul 20 mulţimea B2 fiind mult mai mare, rezultă că şi mulţimea
A ∩ B2 , care reprezintă 95% din B2 , va fi mare. Deci, de această dată cea
mai mare parte din mulţimea A se află inclusă ı̂n B2 . Am reprezentat ı̂n figura
3.5 mulţimea A tot printr-un dreptunghi cenuşiu, iar B1 , B2 prin trapeze.
3.2. INDEPENDENŢĂ 51
3.2 Independenţă
In acest paragraf (Ω, F , P ) va fi un spaţiu probabilizat fix.
Se observă că dacă A şi B sunt independente atunci putem face calculul
care arată că A şi B c sunt şi ele independente. La fel se deduce că fiecare
din perechille (Ac , B) şi (Ac , B c ) sunt independente.
De asemenea, se verifică uşor că dacă una din mulţimile A, B este neglija-
bilă atunci ele sunt independente. Tot imediat, se deduce că dacă evenimentul
A este independent de el ı̂nsuşi, atunci sau P (A) = 1 sau P (A) = 0.
Dacă P (A) > 0, atunci relaţia de independenţă se poate scrie sub forma
P (B/A) = P (B). Aceasta este forma utilă ı̂n aplicaţii. Ea exprimă faptul
că evenimentul B se petrece cu aceeaşi probabilitate ı̂n prezenţa lui A ca şi
ı̂n general. Dacă sunt satisfăcute fiecare din relaţiile P (A) > 0, P (Ac ) > 0,
P (B) > 0, P (B c ) > 0, atunci relaţia de independenţă se poate scrie ı̂n mod
simetric sub fiecare din formele:
adică P (B/A) = P (B) . Cu alte cuvinte, faptul că nu există legătură ı̂ntre
culoarea ochilor şi ı̂nălţime se exprimă prin independenţa evenimentelor A şi
B. Dacă ipoteza făcută este corectă, relaţia aceasta ar trebui să fie verificată
pentru orice colectivitate mare.
Se verifică acum că mulţimile Ai şi Bi au ı̂n urma acestei definiţii exact
probabilitatea dorită:
ni nj
P (Ai ) = P ({(i, j)}) = n2
= nn2i nj = nni .
j∈E
j∈E j∈E
P (Bi ) = P ({(j, i)}) = ... = nni .
j∈E
Este clar că acest mod de a defini probabilitatea P asigură şi verificarea
independenţei fiecărui eveniment Ai faţă de un eveniment Bj .2
Să vedem acum la ce rezultate ajungem cu modelul bazat pe extragerile
din urnă. Este vorba despre o urnă ce conţine n bilete din care se fac două ex-
trageri cu ı̂ntoarcera biletului după fiecare extragere. Modelul ce se impune
conform paragrafului despre schema bilei ı̂ntoarse este Ω = M × M pen-
tru spaţiul tuturor posibilităţilor, cu M = {1, ..., n} reprezentând mulţimea
biletelor. Mulţimea Ω are n2 puncte şi probabilitatea ce se impune pentru
54 CAPITOLUL 3. CÂTEVA NOŢIUNI DE BAZĂ
acest model acordă şanse egale fiecărui punct, adică P ({(k, l)}) = n12 pen-
tru orice punct (k, l) ∈ Ω . Dacă notăm cu D1 , D2 , ..., D10 mulţimile biletelor
cu numărul 1, respectiv 2, ..., 10, obţinem o partiţie a mulţimii M. Ştim
că mulţimea Di conţine ni elemente. Evenimentul ,,la prima extragere a
ieşit numărul i ” este modelat de mulţimea Ai = {(k, l) /k ∈ Di , l ∈ M} .
Deoarece această mulţime conţine ni × n elemente vom avea P (Ai ) = nni2n =
ni
n
. Evenimentul ,,la a doua extragere a ieşit numărul i ” este modelat de
Bi = {(k, l) /k ∈ M, l ∈ Di } şi avem P (Bi ) = nni . În acest model eveni-
mentul ,,la prima extragere a ieşit numărul i, iar la a doua a ieşit numărul
j ” nu mai este un eveniment elementar ci este reprezentat de mulţimea
Ai ∩ Bj = {(k, l) /k ∈ Di , l ∈ Dj } , care are ni × nj elemente şi prin urmare
P (Ai ∩ Bj ) = ni 2 j . Constatăm că rămâne adevărată relaţia de independenţă
nn
Dacă notăm B = Ai1 ∩ Ai2 ∩ ...Ain ∩ Acj1 ∩ ...Acjm−1 , relaţia anterioară se scrie
P B ∩ Acjm = P (B) P (Ajm ) ,
relaţie care exprimă independenţa evenimentelor B şi Ajm . Atunci şi perechea
de evenimente B, Acjm sunt independente şi putem scrie
P B ∩ Acjm = P (B) P Acjm .
Utilizând expresia P (B) = P (Ai1 ) ...P (Ain ) · P Acj1 ...P Acjm−1 se obţine
relaţia din enunţ.2
P (1) = P (2) = 14 ,
P (3) = P (4) = P (5) = 18 ,
1 1
P (6) = 12 , P (7) = 24 .
Evenimentul ,,la jocul al l−lea jucătorul a câştigat”, sau spus altfel ”la
cea de a l−a extragere a ieşit bila roşie”, este descris de mulţimea Al =
{(x1 , ..., xn ) ∈ Ω/xl = 1} . Ţinând cont de cele demonstrate ı̂n paragraful an-
teprecedent privind independenţa extragerilor cu ı̂ntoarcere, rezultă că eveni-
mentele A1 , ..., An sunt independente şi fiecare are probabilitatea P (Al ) = N1 .
Reuşita la cel puţin un joc din n este reprezentată de evenimentul
A1 ∪ ... ∪ An .
Aplicăm acum lema 2.3 şi minorăm termenul stâng şi majorăm termenul
drept, astfel că obţinem
− N1 −1
n 1 ≤ − ln 2 < (n − 1) ,
1− N N
(N − 1) ln 2 ≤ n < N ln 2 + 1.
60 CAPITOLUL 3. CÂTEVA NOŢIUNI DE BAZĂ
Ţinând cont că ln 2 ≈ 0, 6931, putem trage concluzia că numărul căutat
este aproximat cu o eroare de o unitate de n0 = [N ln 2] . Deoarece diferenţa
N ln 2 − 23 N este mică raportată la N,
N ln 2 − 23 N 2
= ln 2 − ≈ 0, 0264,
N 3
putem spune că eroarea pe care o dă regula jucătorului este mică raportată
la N. În valoare absolută ea poate fi mare, de ordinul 0, 0264N.2
3.3 Exerciţii
Exerciţiul 3.1 Trei maşini A,B,C produc respectiv 60%, 30% şi 10% din
piesele fabricate de o uzină. Maşina A produce 2% din piese cu defect.
Maşina B produce 3% cu defect iar maşina C 4%. Se alege la ı̂ntâmplare
o piesă la ieşirea din uzină. 1) Care este probabilitatea ca piesa să fie defectă
? 2) Constatând că piesa are defect, care este probabilitatea ca ea să provină
de la maşina C ?
Exerciţiul 3.3 O uzină fabrică piese, din care 1, 8% sunt cu defecte. Con-
trolul de calitate are următoarele caracteristici: piesele fără defect sunt ac-
ceptate ı̂n proporţie de 97%, iar cele defecte sunt refuzate ı̂n proporţie de
0, 99%. 1) Care este probabilitatea ca o piesă să fie defectă deşi a fost ac-
ceptată? 2) Care este probabilitatea ca să fie o eroare ı̂n control? 3) Care
este probabilitatea ca ı̂n cinci controale consecutive să se producă exact două
erori?
Exerciţiul 3.5 Într-un oraş, 2% din populaţie este atinsă de o boală conta-
gioasă. Se ştie că ı̂n cazul unei ı̂ntâlniri ı̂ntre o persoană contagioasă şi una
sănătoasă există un risc de contaminare de 0, 7. Care este riscul de contam-
inare la care este supusă o persoană sănătoasă ce vizitează alte 3 persoane
arbitrare?
Exerciţiul 3.6 O fabrică produce ı̂n serie ceasuri cu un proces tehnologic ı̂n
două faze. Prima fază de fabricaţie produce defectul A la 2% dintre produse,
iar faza a doua produce defectul B la 3% din produse.
(i) Se ia la ı̂ntâmplare un ceas. Presupunând că defectele ı̂n cele două
etape se produc independent, se cere probabilitatea ca: a) ceasul să aibă am-
bele defecte, b) ceasul să nu aibă niciunul din defecte, c) ceasul să aibă exact
un defect.
(ii) Se iau pe rând 5 mostre de produs finit. Se presupune că numărul
total de ceasuri este aşa de mare ı̂ncât la fiecare extragere de mostră proporţia
de ceasuri defecte este neschimbată. Determinaţi probabilitatea ca cel puţin
4 din cele 5 ceasuri să fie fără defecte.
Exerciţiul 3.7 Sultanul ı̂i spune lui Ali Baba: ı̂n faţa ta se află două vase
identice. Unul conţine n bile roşii, iar celălalt conţine m bile negre. Ai voie
să amesteci bilele ı̂n cele două vase. Eu voi veni apoi, mă voi apropia de un
vas şi voi scoate o bilă. Dacă bila este roşie ı̂ţi dăruiesc viaţa. Cum amestecă
Ali Baba bilele pentru aşi mări şansele de a scăpa cu viaţă? Demonstraţi că
există o metodă optimă.
Exerciţiul 3.9 O vitrină este luminată pe timpul nopţii cu două becuri b1 şi
b2 . Presupunem că probabilitatea ca becul b1 să funcţioneze toată noaptea este
de 0, 95, iar probabilitatea ca becul b2 să funcţioneze toată noaptea este 0, 98.
Să se determine probabilitatea ca cel puţin unul din becuri să funcţioneze
toată noaptea ı̂n fiecare din cazurile: (i) becurile sunt montate ı̂n serie, (ii)
becurile sunt montate ı̂n paralel.
Capitolul 4
În tot acest capitol vom presupune că (Ω, F ,P ) este un spaţiu probabili-
zat fix, dar arbitrar. În prima secţiune vom studia σ−algebrele generate de
partiţii numărabile. În particular, vom arată că există o bijecţie ı̂ntre alge-
brele finite şi partiţiile finite ce le generează. În secţiunea a doua vom stu-
dia independenţa σ−algebrelor prin intermediul partiţiilor care le generează.
După aceea rezultatele acestea sunt aplicate ı̂n ultima secţiune la demon-
strarea proprietăţilor de asociere şi dezasociere a independenţei.
Mai ı̂ntâi vom discuta ı̂n jurul proprietăţii de σ− aditivitate, definită ı̂n
capitolul introductiv, care va interveni incidental ı̂n această secţiune.
Lema 4.1 Fie (E, E) un spaţiu măsurabil şi µ : E → [0, 1] o aplicaţie care
verifică proprietăţile următoare:
(i) µ (Ω) = 1,
(ii) µ (A ∪ B) = µ (A) + µ (B) , pentru orice două mulţimi disjuncte,
A, B ∈ E.
Atunci funcţia de mulţime µ este σ− aditivă dacă şi numai dacă satisface
relaţia
lim µ (An ) = 0,
n→∞
pentru orice şir descrescător (An )n∈N de mulţimi din E astfel că ∩n An = ∅.
63
64 CAPITOLUL 4. PARTIŢII FINITE SAU NUMĂRABILE
Bn ⊂ Acn+1 ⊂ Acm ,
Dar avem µ (Bn ) = µ (An ) − µ (An+1 ) şi atunci deducem că sumele parţiale
ale seriei pot fi exprimate astfel
n
µ (Bk ) = µ (A0 ) − µ (An+1 ) .
k=0
µ (An ) = µ A0 \ Bk = µ (A0 )−µ Bk = µ (A0 )− µ (Bk ) .
k≤n−1 k≤n−1 k≤n−1
∞
Trecând la limită după n se obţine
∞ 0 = µ (A0 ) −
k=0 µ (B
k ) , ceea ce este
acelaşi lucru cu relaţia dorită: k=0 µ (Bk ) = µ n∈N Bn . 2
Enunţăm acum două proprietăţi ale măsurilor de probabilitate. Ne referim
deci la spaţiul probabilizat (Ω, F ,P ) .
4.1. PARTIŢII ŞI σ−ALGEBRE GENERATE 65
Lema 4.2 (i) Pentru orice şir crescător de evenimente, (An )n∈N ⊂ F , are
loc relaţia
lim P (An ) = P (∪n An ) .
n→∞
(ii) Pentru un şir arbitrar de evenimente, (An )n∈N ⊂ F , are loc relaţia
P (∪n An ) ≤ P (An ) .
n∈N
lim P (Cn ) = 0.
n→∞
mulţime nu este vidă deoarece, ı̂n mod evident, F ∈ ma (U) . Vom nota cu
a (U) intersecţia tuturor algebrelor din ma (U) :
a (U) = G.
G∈ma(U )
Se verifică fără dificultate că a (U) este o algebră, şi că U ⊂ a (U) ⊂ F . De
asemenea, este evident că orice element G din ma (U) conţine a (U) şi de
aceea se poate zice că a (U) este cea mai mică algebră ce conţine U. Vom
spune că a (U) este algebra generată de familia U.
Se poate de asemenea verifica uşor că ı̂n cazul a două familii de evenimente
astfel ı̂ncât U ⊂ U , rezultă ma (U ) ⊂ ma (U) şi a (U) ⊂ a (U ) .
În mod absolut similar notăm cu msa (U) mulţimea tuturor σ−algebrelor
de părţi incluse ı̂n F şi care conţin pe U. Vom nota cu σ (U) intersecţia tuturor
σ−algebrelor din msa (U) :
σ (U) = E.
E∈msa(U )
Aceasta este cea mai mică σ−algebră care conţine pe U şi se numeşte σ−algebra
generată de U. Pentru două familii de evenimente astfel ı̂ncât U ⊂ U , vom
avea msa (U ) ⊂ msa (U) şi ı̂n consecinţă σ (U) ⊂ σ (U ) .
I = {(a, b) /a < b} ,
I = {[a, b] /a ≤ b} ,
I = {[a, b)/a < b} .
Se poate verifica că au loc relaţiile σ (I) = σ (I ) = σ (I ) = B (Rn ) .
(Rămâne tot ca exerciţiu pentru cititor verificarea acestor egalităţi.)
4.1. PARTIŢII ŞI σ−ALGEBRE GENERATE 67
Facem convenţia ca ı̂n acest capitol să utilizăm cuvântul partiţie pentru
a prescurta termenul de partiţie măsurabilă cel mult numărabilă. O astfel
de partiţie mai este numită şi desfacere. Un eveniment care aparţine unei
partiţii este numit atom al partiţiei. Un exemplu tipic de partiţie finită a
apărut ı̂n paragraful dedicat exemplului controlului calităţii (vezi observaţia
2.1).
Fie A = {Ai | i ∈ I} o partiţie cel mult numărabilă. Pentru o parte J ⊂ I,
von utiliza notaţia AJ = Ai , cu convenţia A∅ = ∅. Evident am definit un
i∈J
eveniment, AJ ∈ F . Mai notăm cu K (I) familia submulţimilor finite din I.
Următoarea lemă descrie algebra şi σ−algebra asociate partiţiei.
Dacă partiţia A este finită atunci a (A) este tot finită. În particular a (A) =
σ (A) .
(ii) σ−algebra generată de A are următoarea descriere
σ (A) = {AJ | J ⊂ I} .
(iii) Dacă A este o a doua partiţie şi σ (A) = σ (A ) , atunci A şi A
coincid ca mulţimi de părţi, modulo felul ı̂n care sunt indexate.
68 CAPITOLUL 4. PARTIŢII FINITE SAU NUMĂRABILE
(AJ )c = AJ c , (∗)
AJ ∪ AJ = AJ∪J ,
unde L ⊂ I. La fel ca şi Aj , fiecare din mulţimile care participă la această
reuniune este inclusă ı̂n Ai . Dar atomii distincţi ai partiţiei A trebuie să fie
4.1. PARTIŢII ŞI σ−ALGEBRE GENERATE 69
n
P (AJ ) = lim P (Bn ) = lim P (Aik ) = P (Ai ) .
n→∞ n→∞
k=0 i∈J
La primul semn de egalitate am utilizat primul punct din lema 4.2, iar
la ultimul semn egal punctul doi din lema 5.1. Cu aceasta am ı̂ncheiat
demonstraţia. 2
Din descrierea făcută algebrei generate de o partiţie reiese că aceasta este
şi ea cel mult numărabilă. Din contră, σ−algebra generată de o partiţie
numărabilă este de acelaşi cardinal cu mulţimea părţilor lui N, adică de
puterea continuului.
Observaţia 4.1 Din lema precedentă rezultă că două partiţii A, A, sunt
legate prin relaţia A ⊂ a (A) dacă şi numai dacă A este mai fină decât A ,
ı̂n sensul că orice element B ∈ A se reprezintă ca o reuniune de elemente
din A :
B= A.
A∈A,A⊂B
Lema anterioară arată că ı̂n cazul ı̂n care o σ−algebră este generată de o
partiţie, partiţia respectivă este unic determinată. În cazul partiţiilor finite,
se poate completa relaţia dintre partiţia finită şi algebra generată. Anume,
vom arăta ı̂n continuare că orice subalgebră finită a lui F este generată de
o partiţie finită, ceea ce pune ı̂n corespondenţă bijectivă cele două clase de
obiecte. Mai apoi vom arăta chiar un fapt mai general: orice familie finită
70 CAPITOLUL 4. PARTIŢII FINITE SAU NUMĂRABILE
Lema 4.4 Fiind dată o algebră finită inclusă ı̂n F există o partiţie măsurabilă
finită care o generează.
obţinând ı̂n acest fel o mulţime nevidă din G. Deoarece G este finită, mulţimea
părţilor sale este tot finită, deci familiile Gx distincte sunt ı̂n număr finit.
Rezultă că mulţimile Ax , x ∈ Ω, distincte sunt ı̂n număr finit. (Reamintim
că nu am presupus că spaţiul Ω ar fi finit.) Notăm A = {Ax /x ∈ Ω} şi vom
arăta că aceasta este partiţia care generează G.
Am notat deja că mulţimile din A sunt nevide, că A ⊂ G şi că A este
finită. Deoarece pentru orice punct x ∈ Ω avem x ∈ Ax , rezultă şi că
spaţiul total Ω este acoperit de A. Să verificăm că două elemente distincte
Ax = Ay , x, y ∈ Ω, sunt disjuncte. Deoarece Ax = Ay neapărat trebuie să
avem Gx = Gy . Deci fie există o mulţime A ∈ Gx astfel ı̂ncât A ∈ / Gy , sau
invers, există A ∈ / Gx astfel ca A ∈ Gy . Să vedem ce se ı̂ntâmplă ı̂n prima
situaţie, de exemplu. Deci avem x ∈ A ∈ G şi y ∈ / A. Dar atunci y ∈ Ac ;
deci A ∈ Gy . Este clar că Ax ⊂ A şi Ay ⊂ A . Prin urmare Ax ∩ Ay = ∅. Am
c c
Corolarul 4.1 Există o bijecţie ı̂ntre subalgebrele finite ale lui F şi partiţiile
finite, iar aplicaţiile ,,algebra generată de o partiţie” şi ,,partiţia asociată la
o algebră” sunt inverse una alteia.
În această notaţie primul şi ultimul interval pot fi vide, când a0 = b0 sau
an+1 = bn+1 . Se verifică direct că această clasă de mulţimi este o algebră de
părţi numărabilă. Pe de altă parte, pentru fiecare punct x ∈ Ω are loc relaţia
{x} = A.
x∈A∈G
şi, pentru eliminarea mulţimilor vide obţinute ı̂n acest fel, vom considera
mulţimea de indici Λ = {(i, j) ∈ I × J/Dij = ∅} . În acest fel am obţinuit o
familie finită de evenimente nevide: D = (Dij )(i,j)∈Λ . Afirmăm că aceasta este
partiţia asociată algebrei a (G ∪ G ) . Se vede imediat că are loc incluziunea
D ⊂ a (G ∪ G ) .
Să verificăm că pentru indici diferiţi (i, j) = (l, k) , (i, j) , (l, k) ∈ Λ,
mulţimile corespunzătoare sunt disjuncte: Dij ∩ Dlk = ∅. Avem de exa-
minat două cazuri, anume sau i = l sau j = k. Dacă i = l, atunci Ai şi Al
sunt disjuncte şi cum Dij ⊂ Ai , Dlk ⊂ Al , rezultă că Dij şi Dlk sunt şi ele
disjuncte. În mod similar se ajunge la aceeaşi concluzie şi pentru al doilea
caz.
Să arătăm acum că fiecare atom al fiecăreia din partiţiile A şi A este ı̂n
a (D) . Fie de exemplu Ai un atom al primei partiţii. Se observă că are loc
egalitatea
Ai = Dij .
j∈J
În membrul drept apar fie mulţimi din D, fie mulţimi vide, deci Ai ∈ a (D) .
Din această egalitate rezultă pe de o parte că D acoperă Ω, deci este o partiţie.
Pe de altă parte, rezultă că A, A ⊂ a (D) , deci G, G ⊂ a (D) . Ţinând cont
şi de cele arătate mai ı̂nainte tragem concluzia că a (G ∪ G ) = a (D) . În
particular obţinem faptul că a (G ∪ G ) este finită. 2
Construcţia făcută ı̂n demonstraţia anterioară se poate generaliza la cazul
unor σ−algebre generate de partiţii numărabile. În plus, vom cosidera mai
multe partiţii deodată, pentru că aşa vom utiliza această construcţie mai
departe, ca pe un instrument tehnic. Prezentăm situaţia ı̂n detaliu.
Fie Al = (Al,i )i∈Il , l = 1, ..., n partiţii cel mult numărabile. Pentru a
descrie partiţia asociată σ−algebrei σ (A1 ∪ ... ∪ An ) , introducem notaţia
Aλ = A1,i1 ∩ ... ∩ An,in ,
corespunzătoare fiecărui multi-indice λ = (i1 , ..., in ) ∈ I1 ×I2 ×...×In . Evident
aceste mulţimi sunt ı̂n F . Vom elimina mulţimile vide din această colecţie de
mulţimi definind mulţimea de indici
Λ = λ ∈ I1 × ... × In / Aλ = ∅ .
Fiind o submulţime a produsuluiI1 × ... × In este clar că Λ este o mulţime
cel mult numărabilă. Notăm A= Aλ /λ ∈ Λ şi vom demonstra ı̂n lema care
urmează că aceasta este partiţia căutată.
4.1. PARTIŢII ŞI σ−ALGEBRE GENERATE 73
Propoziţia 4.1 Algebra generată de această familie, a (U) , este finită. Notăm
Al,1 = Al şi Al,−1 = Acl . Partiţia asociată algebrei a (U) are drept atomi eveni-
mentele de tipul
Aλ = A1,λ1 ∩ ... ∩ An,λn ,
unde λ = (λ1 , ..., λn ) ∈ {−1, 1}n este un sistem arbitrar de indici cu valori
±1, astfel ca intersecţia respectivă să nu fie vidă.
B
A E5
E3
E1 E4
E6
E2
E7
E8
C
Figura 4.1: Diagrama Venn a mulţimilor A, B, C şi a partiţiei generate de
ele.
4.2. PARTIŢII ŞI σ−ALGEBRE INDEPENDENTE 75
Definiţia 4.2 Fiind date F1 , ..., Fn σ−algebre incluse ı̂n F , vom spune că
ele sunt independente dacă pentru orice alegere de elemente Ai ∈ Fi , i =
1, ..., n, acestea sunt independente.
După cum se vede din ı̂nsăşi definiţia dată, independenţa este o noţiune ce
priveşte ansamblul evenimentelor celor n σ−algebre, structurate ı̂n grupurile
formate de fiecare σ−algebră. Se observă că fiind date σ−algebrele F1 , ..., Fn
independente şi sub-σ−algebrele Hi ⊂ Fi , i = 1, ..., n, rezultă că şi H1 , ..., Hn
sunt independente.
De asemenea, observăm că fiecare eveniment A ∈ F generează alge-
bra σ (A) = {A, Ac , ∅, Ω} . Dacă evenimentele A1 , ..., An sunt independente,
atunci σ−algebrele generate de fiecare din aceste evenimente σ (A1 ) , ..., σ (An )
sunt independente, după cum se poate verifica prin utilizarea propoziţiei 3.1.
Având această idee ı̂n minte putem introduce definiţia următoare: un eveni-
ment A este independent de o σ−algebră F ⊂ F dacă A este independent
de fiecare element din F . Aceasta revine la independenţa σ−algebrelor σ (A)
şi F .
P Ai = P (A1 ) · ... · P (An ) . (#)
i=1
k
P Ail = P (Ai1 ) ...P (Aik ) .
l=1
Dar această relaţie este exact relaţia (#) scrisă pentru sistemul de evenimente
A1 , ..., An , definite ı̂n felul următor: Ai = Ai , când i ∈ J şi Ai = Ω, când
i∈
/ J. Anume, se ţine cont că
k
n
Ail = Ai
l=1 i=1
Definiţia 4.3 Dacă A1 , ..., An sunt partiţii pe Ω, vom spune că ele sunt
independente dacă pentru orice alegere de elemente Ai ∈ Ai , i = 1, ..., n, este
satisfăcută relaţia (#) de mai sus.
În privinţa partiţiilor nu este evident că relaţiile (#) scrise cu n ele-
mente implică aceleaşi relaţii scrise cu mai puţine elemente. Este necesară o
demonstraţie pe care o facem separat ı̂n lema de mai jos. După aceea vom
arăta că de fapt independenţa partiţiilor este echivalentă cu o independenţă
aparent mult mai puternică, aceea a algebrelor generate.
Lema 4.8 Fie A1 , ..., An partiţii independente. Atunci orice număr mai mic
dintre ele sunt independente.
care conduce la
P (A1 ∩ ... ∩ An−1 ) = P (A1 ∩ ... ∩ An−1 ∩ Bj ) =
j∈J
= P (A1 ) · ... · P (An−1)P (Bj ) =
j∈J
= P (A1 ) · ... · P (An−1 ).
La ultima egalitate am utilizat faptul că P (Bj ) = P (Ω) = 1. Am obţinut
j∈J
astfel relaţia ce arată că partiţiile A1 , ..., An−1 sunt independente. 2
Este evident că independenţa unor sub-σ−algebre ale lui F implică independenţa
partiţiilor generate. Teorema următoare arată implicaţia inversă.
Demonstraţie. Vom trata mai ı̂ntâi cazul a două partiţii (n = 2). Fie
A1 = (A1,i )i∈I1 , A2 = (A2,i )i∈I2 cele două partiţii.
Fie A ∈ a (A1 ), care conform cu lema 4.3 se scrie sub forma A = ∪j∈J A1,j ,
cu o mulţime de indici J ⊂ I. Dacă considerăm un element arbitrar A2,l , din
cea de a doua partiţie, putem scrie intersecţia A∩A2,l ca o reuniune disjunctă
A ∩ A2,l = (A1,j ∩ A2,l ) ,
j∈J
ceea ce conduce la
P (A ∩ A2,l ) = P (A1,j ∩ A2,l ) = P (A1,j ) P (A2,l ) = P (A) P (A2,j ) .
j∈J j∈J
Mai departe, vom trece la cazul general a n partiţii. Pentru aceasta, vom
organiza un raţionament de inducţie matematică astfel: ştim că propoziţia a
fost demonstrată pentru cazul n = 2. Presupunem mai departe că propoziţia
a fost demonstrată pentru sisteme de n − 1 partiţii. Utilizând acest lucru
vom face demonstraţia pentru sisteme de n partiţii.
Din lema 4.8, ştim că A1 şi A2 sunt independente şi vom păstra notaţia
anterioară pentru elementele ce compun aceste două partiţii. Atunci putem
descrie partiţia asociată lui A1 ∪ A2 sub forma
D = (Dij )(i,j)∈Λ ,
ı̂n care punctul generic va fi notat ω = (x1 , ..., xm ) . Aşa cum ştim, pentru
extrageri cu ı̂ntoarcere, probabilitatea corespunzătoare este probabilitatea
şanselor egale. Deci pe mulţimea Ω se pune probabilitatea ce corespunde
şanselor egale: P ({ω}) = n1m , pentru orice ω ∈ Ω. Ceea ce ne interesează
acum este să punem ı̂n evidenţă partiţiile ce corespund fiecărei extrageri.
Anume, la o extragere se pot manifesta k evenimente distincte. Să zicem că
este vorba despre extragerea l; atunci pentru l = 1, ..., k avem evenimentul
descris prin propoziţia ,,la extragerea l a ieşit culoarea i ”. Acest eveniment
este modelat de mulţimea Al,i = {(x1 , ..., xm ) ∈ Ω/ xl ∈ Mi } . Este clar că
familia Al = (Al,i )i=1,...k este o partiţie finită. Avem deci m partiţii dis-
tincte, fiecare cu câte k atomi. Vom verifica acum că aceste partiţii sunt
independente. Pentru a număra punctele dintr-o mulţime Al,i fixată, vom
observa că ea este ı̂n bijecţie cu mulţimea Mi × M m−1 . Rezultă că avem
m−1
P (Al,i ) = ni nnm = nni . Pe de altă parte, fiind date mulţimile A1,i1 , ..., Am,im ,
mulţimea ∩m l=1 Al,il este ı̂n bijecţie cu produsul Mi1 × ... × Mim şi prin urmare
va avea cardinalul ni1 ...nim . Acest calcul conduce la relaţia de independenţă
a partiţiilor:
ni1 ...nim
P (∩m
l=1 Al,il ) = = P (A1,i1 ) ...P (Am,im ) .
nm
Propoziţia de mai sus este atunci aplicabilă şi rezultă independenţa algebrelor
generate de partiţiile Al , l = 1, ..., m. Aceasta revine la independenţa oricăror
evenimente ce se referă la extrageri distincte. Cu alte cuvinte, putem spune
că cele m extrageri sunt independente ı̂ntr-un sens mai larg. 2
80 CAPITOLUL 4. PARTIŢII FINITE SAU NUMĂRABILE
Teorema 4.1 (i) Dacă σ−algebrele (Fl )l∈L sunt independente, atunci şi
σ−algebrele (F j )j∈J sunt independente.
(ii) Reciproc, presupunem că σ−algebrele (F j )j∈J sunt independente şi
că, pentru fiecare indice j ∈ J, σ− algebrele din familia (Fl )l∈Lj sunt, de
asemenea, independente. Atunci σ− algebrele din familia mare, (Fl )l∈L ,
sunt independente ı̂n ansamblu.
P Aλj = P (Al,il ) .
j∈J j∈J l∈Lj
Cel de al doilea produs poate fi transformat ţinând cont de relaţia (∗) de mai
sus şi se deduce că
P Aλj = P Aλj .
j∈J j∈J
P Al = P (Al ) , (∗∗)
l∈L l∈L
care este relaţia ce asigură independenţa σ−algebrelor (Fl )l∈L . Pentru aceasta
ı̂ncepem prin a observa că intersecţia mulţimilor ı̂n cauză pot fi grupată ı̂n
felul următor
Al = Al .
l∈L j∈J l∈Lj
Dar pentru fiecare j ∈ J, mulţimea l∈Lj Al este ı̂n F j . Folosind independenţa
σ−algebrelor (F j )j∈J vom avea
P Al = P Al .
l∈L j∈J l∈Lj
4.4 Exerciţii
Exerciţiul 4.1 Notăm cu Df muţimea tuturor partiţiilor finite, măsurabile
şi introducem următoarea relaţie de ordine pe această mulţime: dacă A, A ∈
Df vom spune că A este mai fină decât A şi vom scrie A ≺ A dacă fiecare
element A din A poate fi scris ca o reuniune de elemente din A, adică dacă
are loc relaţia
A= B.
B∈A,B⊂A
i) Să se arate că A este mai fină decât A dacă şi numai dacă are loc
incluziunea A ⊂ a (A) .
ii) Dacă A ≺ A şi A ≺ A, atunci A = A .
iii) Dacă A ≺ A şi A ≺ A , atunci A ≺ A .
iv) Pentru două elemente A, A ∈ Df există ı̂ntotdeauna cel mai mare
minorant A ∧ A ı̂n raport cu relaţia de ordine ≺ .
v) Fiind date partiţiile A1 , ..., An ∈ Df , cel mai mare minorant al lor este
partiţia A asociată la reuniunea A1 ∪ ... ∪ An , construită ı̂nainte de lema 4.6.
Exerciţiul 4.2 Presupunem că spaţiul probabilizat (Ω, F , P ) este finit.
i) Să se arate că există o mulţime finită Ω şi o aplicaţie f : Ω → Ω
surjectivă astfel ı̂ncât F = f −1 (P (Ω )) .
ii) Perchea (Ω , f ) este unic determinată de aceste proprietăţi, ı̂n sensul
că dacă (Ω , g) este o altă mulţime finită şi o aplicaţie surjectivă g : Ω → Ω ,
astfel ı̂ncât F = g −1 (P (Ω )) , atunci există o bijecţie h : Ω → Ω astfel
ı̂ncât g = h ◦ f.
iii) Dacă notăm cu P măsura de probabilitate transportată pe mulţimea
Ω de la punctul i) prin formula P (A) = P (f −1 (A)) , A ∈ P (Ω ) , atunci
83
84 CAPITOLUL 5. SPAŢIUL PROBABILIZAT NUMĂRABIL
Lema 5.1 (i) Dacă familia de numere pozitive (ai )i∈I este sumabilă, atunci
pentru orice ε > 0, există o submulţime de indici K ∈ K (I) astfel ı̂ncât are
loc relaţia i∈I\K ai ≤ ε.
(ii) Presupunem că mulţimea de indici este infinită şi fie I = {i0 , i1 , ...}
o numerotare a sa. Atunci familia (ai )i∈i este sumabilă dacă şi numai dacă
∞
seria
a∞
k=0 ik este convergentă. În cazul convergenţei are loc egalitatea
În continuare vom avea nevoie să lucrăm şi cu sume de familii cel mult
numărabile de numere care nu sunt neapărat pozitive. Iată cum se extinde
noţiunea de sumabilitate ı̂n acest caz. Fie (ai )i∈I o familie de numere reale
indexată după o mulţime cel mult numărabilă I. Vom spune că această familie
de numere este absolut sumabilă dacă familia valorilor absolute, (|ai |)i∈I , este
sumabilă.
Lema 5.2 Presupunem că familia (ai )i∈I este absolut sumabilă, iar mulţimea
de indici I este numărabilă. Atunci există un unic număr a ∈ R astfel ı̂ncât,
pentru orice ε > 0, există o mulţime K ∈ K (I) cu proprietatea că
ai − a ≤ ε, ∀M ∈ K (I) , M ⊃ K.
i∈M
Demonstraţie.
∞ Vom porni cu o numerotare a mulţimii de indici ca ı̂n
enunţ. Seria n=0 ain este absolut convergentă,∞ datorită ipotezei că familia
(ai )i∈I este absolut sumabilă. Notăm a = n=0 ain şi vom verifica proprie-
tatea afirmată de lemă ı̂n felul următor. Datorită faptului că familia (|ai |)i∈I
este sumabilă, prin aplicarea lemei 5.1(i), pentru ε > 0, există K ∈ K (I)
astfel ı̂ncât i∈L |ai | < 2 , pentru orice L ∈ K (I) astfel ı̂ncât L ∩ K = ∅.
ε
Dar pentru n suficient de mare, mulţimea {i0 , ..., in } va conţine pe K şi atunci
putem scrie
n ε
aik − ai < .
2
k=0 i∈K
5.1. MULŢIMI NUMĂRABILE 85
ε
a −
Trecând la limită cu nobţinem
i∈K a ≤ 2 . În combinaţie
i cu relaţia de
mai ı̂nainte se deduce a − i∈M ai ≤ a − i∈K ai + i∈M ai − i∈K ai ≤
ε, care dă proprietatea din enunţ.
Unicitatea numărului a se demonstrează la fel ca unicitatea unei limite
de şiruri. 2
Dacă familia (ai )i∈I este absolut sumabilă, vom nota cu i∈I ai numărul
a dat de lema anterioară şi vom spune că el reprezintă suma familiei de
numere.
Se verifică fără probleme că dacă (ai )i∈I este o familie sumabilă de numere
pozitive şi (bi )i∈I este o altă familie de numere reale, indexată după aceeaşi
mulţime de indici şi are loc inegalitatea |bi | ≤ ai , pentru orice indice i ∈ I,
atunci familia (bi )i∈i este absolut sumabilă. De asemenea se poate vedea că
pentru orice două familii absolut sumabile (ai )i∈I , (bi )i∈I , astfel că ai ≤ bi ,
pentru orice i ∈ I, are loc inegalitatea i∈i ai ≤ i∈i bi .
Mai departe vom enunţa două leme cu privire la calcule cu sume de
familii absolut sumabile. Aceste calcule sunt binecunoscute ı̂n cazul seriilor
de numere. Pentru demonstraţie se poate utiliza numerotarea astfel ca prin
intermediul lemelor de mai sus să se reducă totul la probleme de serii de
numere.
Lema 5.3 Fie {Il /l ∈ L} o partiţie cel mult numărabilă a mulţimii de indici
I. (Asta ı̂nseamnă că L este cel mult numărabilă.)
Dacă familia de numere
(ai )i∈I este absolut sumabilă, atunci şi familia i∈Il i l∈L este absolut sum-
a
abilă şi are loc următoarea formulă de grupare a sumelor
ai = ai .
i∈I l∈L i∈Il
O situaţie similară apare ı̂n cazul unei mulţimi de indici care este produsul
altor mulţimi. Să presupunem acum că avem n muţimi de indici I1 , ..., In , cel
mult numărabile, şi o familie de numere reale pozitive (ai1 ,...,in )i1 ∈I1 ,...,in∈In ,
indexată după toate mulţimile de indici. Dacă notăm I = I1 ×...×In , această
mulţime produs este cel mult numărabilă şi putem considera că familia de
86 CAPITOLUL 5. SPAŢIUL PROBABILIZAT NUMĂRABIL
numere este indexată după I, scriind (ai )i∈I , unde cu i desemnăm un multi-
indice i = (i1 , ..., in ) . Are loc următoarea caracterizare a sumabilităţii ı̂n
raport cu aceşti multi-indici.
Lema 5.4 Familia de numere de mai sus este sumabilă ca familie indexată
după I dacă şi numai dacă ea este iterativ sumabilă ı̂n sensul următor: pentru
fiecare sistem de indici fixaţi i1 ∈ I1 , ..., in−1 ∈ In−1 , familia (ai1 ,...,in )in ∈In este
sumabilă,
de asemenea, pentru fiecare sistem de indici i1 ∈ I1 , ..., in−2 ∈ In−2
familia in ∈In ai1 ,...,in−2 ,in−1 ,in in−1 ∈In−1 este sumabilă, şi aşa mai departe,
familia
... ai1 ,i2 ,...,in−1,in ...
i2 ∈I2 in−1 ∈In−1 in ∈In
i1 ∈I1
Lema 5.5 Fie (An )n∈N un şir descrescător de submulţimi nevide ale lui E.
Dacă una dintre mulţimile şirului este finită, atunci intersecţia şirului de
mulţimi este nevidă.
5.1. MULŢIMI NUMĂRABILE 87
µ Ai = µ (Ai ) .
i∈I i∈I
n
µ Ai = µ Aik = lim µ Aik = lim µ (Aik ) = µ (Ai ) ,
n→∞ n→∞
i∈I k=0 k=0 k=0 i∈I
este numit
integrala funcţiei
f ı̂n raport cu măsura µ. Se mai utilizează şi
notaţia E f (e) µ (de) = f dµ.
m,n
m n
λij = µi νj = µi νj = 1.
i=1,j=1 i=1 j=1 i=1 j=1
Măsura
λ se numeşte măsura produs a celor două măsuri şi se notează λ =
µ ν.
5.2. PRODUSUL DE MĂSURI DISCRETE 89
Se verifică relaţia
µ ({(e1 , ..., en )}) = e1 ∈E1 ... en ∈En µ1,e1 ...µn,en
(e1 ,...,en )∈E
= e1 ∈E1 µ 1,e 1 ... en ∈En µ n,e n = 1,
Lema 5.8 Fie Bl ⊂ El , l = 1, ..., n mulţimi arbitrare. Atunci are loc formula
µ1 ... µn (B1 × ... × Bn ) = µ1 (B1 ) ...µn (Bn ) .
Lema 5.9 O mulţime A ⊂ E aparţine lui σ (Al ) dacă şi numai dacă există
o mulţime B ⊂ El astfel ca să aibă loc reprezentarea
Această egalitate arată clar că o mulţime care se reprezintă ca ı̂n enunţ este
ı̂n σ (Al ) . Fie acum A ∈ σ (Al ) . Ţinând cont de lema 4.3(ii). şi că mulţimea
de indici pentru partiţia Al este El , se obţine o mulţime K ⊂ El cu care se
reprezintă A sub forma
A= Al,e .
e∈K
Dar atunci este satisfăcută relaţia din enunţ cu această mulţime K pe locul
lui B.2
A1 ∩ ... ∩ An = B1 × ... × Bn ,
ceea ce duce la
Pe de altă parte, se poate calcula şi măsura µ (Al ) = µl (Bl ) , ceea ce permite
să deducem
µ (A1 ∩ ... ∩ An ) = µ (A1 ) ...µ (An ) ,
adică exact relaţia care arată independenţa σ− algebrelor. 2
5.3. VARIABILE ALEATOARE CU VALORI NUMĂRABILE 91
σ (X1 , ..., Xn ) = σ Ai .
i=1
adică fac parte dintre atomii partiţiei care generează σ−algebra σ (A1 , ..., An ) .
Mai mult, dacă avem punctele e1 ∈ E1 , ..., en ∈ En , relaţia (e1 , ..., en ) ∈
E este echivalentă cu faptul că mulţimea X −1 (e1 ) ∩ .... ∩ X −1 (en ) este
nevidă. Dar asta este exact condiţia ca această mulţime să reprezinte un
atom al partiţiei ce generează σ (A1 , ..., An ) . Tragem concluzia că partiţia
care generează σ (A1 , ..., An ) coincide cu partiţia asociată variabilei Z.
4. De asemenea, păstrând notaţia anterioară, dacă f : E1 × ... × En → E
este o aplicaţie cu valori ı̂n mulţimea cel mult numărabilă E, atunci Y =
f (X1 , ..., Xn ) este măsurabilă faţă de σ (X1 , ..., Xn ) .
Într-adevăr, pentru orice punct e ∈ E, are loc relaţia
Y −1 (e) = Z −1 (e1 , ..., en ) ,
(e1 ,...,en)∈f −1 (e)
relaţie care pune ı̂n evidenţă faptul că Y −1 (e) este măsurabilă faţă de σ (Z) .
ı̂n spaţiile
cel mult numărabile
Fj , j = 1, ..., k, atunci variabilele aleatoare
Yj = fj Xnj−1 +1 , ..., Xnj , j ∈ J, sunt independente.
Pentru a demonstra afirmaţia făcută vom aplica mai ı̂ntâi punctul 4. de
mai sus, deducând că variabila Yj este măsurabilă faţă de σ Xnj−1 +1 , ..., Xnj .
Apoi, din teorema 4.1, se deduce faptul că σ−algebrele
σ (X1 , ..., Xn1 ) , ..., σ Xnk−1 +1 , ..., Xnk
Propoziţia 5.3 Variabilele X1 , ..., Xn , sunt independente dacă şi numai dacă
repartiţia variabilei Z = (X1 , ..., Xn ) satisface relaţia
PZ = PX1 ... PXn .
Exemplul 1. Un zar măsluit are pusă o greutate ı̂n vârful adiacent feţelor
cu numerele 1, 3, 5. Această greutate face ca feţele opuse, adică cele ce poartă
numerele 2, 4, 6, să apară cu o probabilitate mai mare la aruncare. Deci feţele
cu numere impare au probabilităţile de a ieşi egale ı̂ntre ele şi la fel feţele cu
numere pare. Dar o faţă cu număr par are mai multe şanse de a ieşi decât
una cu număr impar. Ne propunem să construim un model probabilist care
să descrie seriile de mai multe aruncări cu un astfel de zar.
Să notăm cu r raportul dintre şansele de a ieşi o faţă pară şi una impară
la o aruncare. Deci avem r > 1. Vom determina mai ı̂ntâi ı̂n funcţie de r
probabilităţile de aieşi fiecare faţă. Notând pi probabilitatea de a ieşi faţa
i, vom putea scrie 6i=1 pi = 1, p1 = p3 = p5 , p2 = p4 = p6 şi pp21 = r. Rezultă
1 r
3p1 + 3rp1 = 1, deci p1 = 3(1+r) şi p2 = 3(1+r) .
Mai departe notăm E = {1, 2, 3, 4, 5, 6} , mulţimea care descrie posi-
bilităţile ce pot apărea ı̂n urma unei aruncări. Pe această mulţime definim
1 r
măsura µ prin numerele µ1 = µ3 = µ5 = 3(1+r) , µ2 = µ4 = µ6 = 3(1+r) . Dacă
× ... × E şi
n
dorim să modelăm seriile de n aruncări notăm Ω = E = E
n
Xl : Ω → E este proiecţia pe componenta l, l = 1, ..., n. Spaţiul Ω reprezintă
mulţimea tuturor rezultatelor posibil a fi obţinute ı̂n urma unei serii de n
aruncări cu zarul. Variabila Xl descrie rezultatul la cea de a l -a aruncare
cu zarul, iar ı̂n ansamblu cele n variabile descriu rezultatele succesive ı̂ntr-o
96 CAPITOLUL 5. SPAŢIUL PROBABILIZAT NUMĂRABIL
că populaţia ı̂n cauză este compusă dintr-un număr egal de indivizi născuţi
pentru fiecare zi a anului şi facem presupunerea că avem doar 365 de zile ı̂n
fiecare an. Vom trece apoi la limită cu l → ∞, pentru a vedea că se ajunge
la acelaşi model ca ı̂n paragraful dedicat problemei din capitolul 2.
Dacă notăm cu l numărul indivizilor ce au aceeaşi zi de naştere, atunci
numărul total de indivizi va fi m = 365l. Vom face modelarea extragerilor
de n bile fără ordine bazându-ne pe schema bilei neı̂ntoarse. Pentru aceasta
identificăm populaţia celor m indivizi cu mulţimea M = {1, ..., m} şi notăm
cu Aj mulţimea indivizilor născuţi ı̂n cea de a j−a zi a anului, j = 1, ...365.
Rezultă că familia (Aj )j=1,...,365 formează o partiţie a lui M şi cardinalul
fiecăreia din mulţimile Aj este l. Spaţiul tuturor posibilităţilor este cel ce
corespunde schemei bilei neı̂ntoarse
W = {(x1 , ..., xn ) / xi ∈ M, xi = xj , ∀i = j} .
Probabilitatea ce o considerăm pe W o notăm cu Q şi, aşa cum se ştie,
1
ea acordă ponderea Q ({(x1 , ..., xn )}) = cardW = A1n pentru fiecare punct
m
w = (x1 , ..., xn ) ∈ W. Din punctul de vedere al problemei noastre, ceea ce
interesează sunt doar zilele de naştere ale indivizilor dintr-un grup w. Vom
nota E = {1, ..., 365} mulţimea zilelor anului şi vom defini apoi o aplicaţie
f : M → E, ı̂n felul următor: f (x) = k dacă şi numai dacă x ∈ Ak .
Aceasta este aplicaţia care asociază fiecărui individ ziua sa de naştere. Vom
introduce spaţiul Ω = E n , care ı̂nregistrează toate configuraţiile de zile de
naştere posibil a corespunde unui grup w ∈ W. Aplicaţia f permite a defini
o variabilă aleatoare, F : W → Ω, prin F (x1 , ..., xn ) = (f (x1 ) , ..., f (xn )) .
Deoarece pentru problema ce ne interesează evenimentele elementare ale lui
W sunt cercetate doar prin intermediul imaginii lor prin F, rezultă că putem
lua ca model spaţiul Ω cu repartiţia variabilei F, care este o probabilitate pe
Ω obţinută prin transportul lui Q prin intermediul variabilei F. Deoarece Q
depinde de numărul l, ce ı̂l vom presupune variabil, tinzând chiar la infinit,
vom pune Pl = QF pentru a desemna repartiţia aceasta. Mai departe vom
compara probabilitatea Pl cu probabilitetea şanselor egale pe Ω. Mai precis,
1
fie P probabilitatea şanselor egale pe Ω, definită prin P ({ω}) = cardΩ = 3651 n ,
pentru orice punct ω ∈ Ω. Vom arăta că Pl tinde la P, atunci când l tinde la
infinit, ı̂n sensul următor:
lim Pl ({ω}) = P ({ω}) , ∀ω ∈ Ω.
l→∞
Pentru a verifica această relaţie vom fixa un element arbitrar ω ∈ Ω şi vom
calcula cardinalul mulţimii F −1 (ω) . Să zicem că elementul dat are descrierea
98 CAPITOLUL 5. SPAŢIUL PROBABILIZAT NUMĂRABIL
Rezultă că modelul utilizat de noi ı̂n paragraful dedicat problemei zilelelor
de naştere, din capitolul 2, corespunde unei situaţii ideale, ı̂n care facem trei
presupuneri simplificatoare: 1) presupunem că anul ar avea ı̂ntotdeauna 365
de zile, 2) numărul de persoane născute ı̂n aceeaşi zi este acelaşi pentru fiecare
zi a anului, 3) populaţia totală luată ı̂n discuţie este infinită, ı̂n sensul dat
de procesul de trecere la limită descris mai sus.
Dar aproximarea dată de trecerea la limită cu l converge destul de rapid.
De exemplu, evaluările pentru mulţimea
Λ = {ω = (x1 , ..., xn ) ∈ Ω | xi = xj , ∀ i = j} ,
5.3. VARIABILE ALEATOARE CU VALORI NUMĂRABILE 99
Media unei variabile aleatoare mai este numită şi valoarea medie sau,
de asemenea, speranţa acelei variabile, datorită semnificaţiei pe care o are
ı̂n cazul diverselor modele probabiliste concrete. Termenul ı̂n limba engleză
este ,,expectation”, iar ı̂n limba franceză ,,espérance”. Semnul E este preluat
din literatura internaţională. În literatura română este utilizat de asemenea
semnul M, ce reprezintă iniţiala cuvântului medie. Noţiunea acesta ı̂n teo-
ria măsurii este numit integrală. O variabilă aleatoare cu valori reale este
o funcţie reală măsurabilă şi media nu este altceva decât integrala acestei
funcţii. Notaţia utilizată ı̂n teoria măsurii este variată:
EX = XdP = X (ω) P (dω) = X (ω) dP (ω) .
Ω Ω
Faptul că o variabilă admite medie este tot una cu faptul că ea este integra-
bilă.
Dacă variabila se reduce la o funcţie caracteristică, 1A , A ∈ F , atunci
avem E1A = P (A) . Observăm că ı̂n cazul ı̂n care o variabilă aleatoare ia
numai un număr finit de valori ea admite medie, evident.
Speranţa de viaţă sau durata medie de funcţionare a unui bec aste exprimată
de media variabilei T :
10 21 52 90 153 207 252
ET = 0 1000 + 1000 + 2 1000 + 3 1000 + 4 1000 + 5 1000 + 6 1000 +
147 49 19
+7 1000 + 8 1000 + 9 1000 = 5, 146.
EX = 60 × 0, 7 + 74 × 0, 1 + 67, 5 × 0, 2 = 62, 9.
Deci jucătorul joacă suma de 55 euro şi, pe baza estimărilor sale, se aşteaptă
să câştige 62, 9. 2
Vom enunţa ı̂n continuare câteva din principalele proprietăţi ale valorii
medii.
1. Dacă variabila X admite medie, atunci |X| admite de asemenea medie
şi are loc inegalitatea EX ≤ E |X| . Dacă X ≥ 0, atunci EX ≥ 0.
2. Dacă X, Y sunt două variabile aleatoare astfel că X este integrabilă şi
are loc inegalitatea |Y | ≤ X, atunci şi Y este integrabilă şi EY ≤ EX.
3. Dacă variabila X admite medie, atunci, pentru orice a ∈ R, variabila
aX admite de asemenea medie şi are loc relaţia E (aX) = aEX.
Dacă proprietăţile menţionate mai sus rezultă aproape imediat din definiţie,
următoarea este mai puţin evidentă şi de aceea o vom enunţa sub forma unei
leme.
102 CAPITOLUL 5. SPAŢIUL PROBABILIZAT NUMĂRABIL
Lema 5.10 Dacă X, Y sunt două variabile care admit medie, atunci X + Y
admite de asemenea medie şi are loc formula E (X + Y ) = EX + EY.
Mulţimea valorilor acestei variabile este {ai + bj / (i, j) ∈ Λ} , dar ı̂n această
scriere nu toate valorile sunt distincte, ı̂n sensul că putem avea ai +bj = ak +bl ,
pentru două perchi de indici distincte, (i, j) = (k, l) . În orice caz, mulţimea
valorilor lui Z este cel mult numărabilă şi prin urmare ea poate fi indexată
bijectiv, adică scrisă sub forma Z (Ω) = (cm )m∈M , unde M este o mulţime
cel mult numărabilă şi cm = cm , dacă m = m . Pentru fiecare m ∈ M, notăm
Cm = Z −1 (cm ) şi Λm = {(i, j) ∈ Λ /ai + bj = cm } . Este evident că mulţimile
(Λm )m∈M formează o partiţie a lui Λ şi au loc egalităţile
Cm = ∪(i,j)∈Λm Di,j , Z = cm 1Cm .
m∈M
4. Din această lemă rezultă prin inducţie că dacă X1 , ..., Xn sunt variabile
aleatoare ce admit medie, atunci orice sumă de tipul a1 X1 +...+an Xn admite
de asemenea medie şi are loc formula
Conform lemei 5.3 sumabilitatea familiei (|f (e)| P (Ae ))e∈E este echivalentă
cu sumabilitatea familiei (|ai | P (Bi ))i∈I . Din aceeaşi lemă rezultă şi egali-
tatea
f dPY = f (e) P (Ae ) = f (e) P (Ae ) = ai P (Bi ) = EX,
e∈E i∈I e∈Mi i∈I
104 CAPITOLUL 5. SPAŢIUL PROBABILIZAT NUMĂRABIL
Aceste relaţii rezultă prin aplicarea lemei anterioare funcţiilor f (x) = x şi
f (x) = x2 . Din aceste relaţii rezultă şi că dispersia se exprimă prin
2
2 2
D X = x PX (dx) − xPX (dx) .
5.4 Exerciţii
Exerciţiul 5.1 Fie f : Λ → E o aplicaţie de la o mulţime arbitrară Λ cu
valori ı̂ntr-o mulţime cel mult numărabilă E. Notăm cu σ (f ) cea mai mică
5.4. EXERCIŢII 105
Exerciţiul 5.2 Dacă E este o mulţime cu cel puţin două elemente, atunci
mulţimea Ω = E N este nenumărabilă.
Exerciţiul 5.5 Să se arate că dacă (fn )n∈N este un şir crescător de funcţii
pozitive, integrabile
şi supn∈N
fn dµ < ∞, atunci funcţia f = limn∈N fn este
integrabilă şi f dµ = lim fn dµ.
Exerciţiul 5.6 Fie (fn )n∈N un şir de funcţii care are limita punctuală f.
Presupunem că există o funcţie integrabilă g ≥ 0 astfel ca |fn | ≤ g, pentru
orice n ∈ N. Să se arate că atunci f este integrabilă şi că are loc relaţia
f dµ = lim fn dµ.
Exerciţiul 5.8 Fie (Ei )i∈I o familie finită de mulţimi cel mult numărabile.
Presupunem că mulţimea I este partiţionată sub forma I = ∪j∈J Ij , unde
mulţimile dinpartiţie sunt indexate
astfel ı̂ncât Ij ∩ I
l = ∅, dacă j = l.
j j
Notăm E = i∈Ij Ei şi µ = i∈Ij µi . Să se arate că i∈I Ei este izomorf
cu j∈J E j şi sub acest izomorfism avem i∈I µi = j∈J µj .
106 CAPITOLUL 5. SPAŢIUL PROBABILIZAT NUMĂRABIL
Xn (a) = an . Fie b1 , ..., bn ∈ {0, 1} un sistem arbitrar de cifre şi să punem
b = b21 + ... + 2bnn . Să se arate că dacă pentru un număr a ∈ Ω avem X1 (a) =
b1 , ..., Xn (a) = bn , atunci el se scrie sub forma a = b + 21n c, unde c ∈ [0, 1).
Să se deducă egalitatea
1
{X1 = b1 , ..., Xn = bn } = [b, b + ).
2n
(iv) Să se arate că, pentru orice x ∈ {0, 1} şi n ∈ N∗ , are loc egalitatea
{Xn+1 = x} = {X1 = b1 , ..., Xn = bn , Xn+1 = x} ,
(b1 ,...,bn)∈{0,1}n
unde mulţimile care participă la reuniune sunt disjuncte. Să se deducă relaţia
P (Xn+1 = x) = 12 şi apoi să se tragă concluzia că X1 , X2 , ... sunt variabile
aleatoare independente cu repartiţia Bernoulli de parametru p = 0, 5.
5.4. EXERCIŢII 107
Câteva repartiţii pe N
În această secţiune vom discuta despre câteva exemple importante de repartiţii
pe mulţimea numerelor naturale N. Deoarece orice măsură µ, pe (N,P (N)) ,
este determinată complet de valorile pe care le ia pe puncte, ea se poate
identifica cu şirul µn = µ ({n}) , n ∈ N.
109
110 CAPITOLUL 6. CÂTEVA REPARTIŢII PE N
n
n
Ai = Di .
i=1 i=1
n
n
Avem P (Di ) = q i−1 p şi atunci P Ai
= P Di = p + qp + ... +
i=1
∞ i=1
i
pq i−1 = p 1−q
1−q
= 1 − qi. Rezultă că P Ai = 1 şi, prin urmare,
i=1
∞
P Ω\ Ai = 0. Familia de evenimente (Di )i∈N formează o partiţie a
i=1
∞
lui Ω = Ai , care este un spaţiu echivalent cu Ω din punctul de vedere al
i=1
evenimentelor din şirul dat (Ai )i≥1 , cât şi al evenimentelor (Di )i≥1 .
∞
Definim T (ω) = i pentru ω ∈ Di şi T (ω) = ∞ pentru ω ∈
/ Ai .
i=1
Variabila T este o variabilă aleatoare cu valori naturale şi are interpretarea
următoare: T (ω) este rangul primului experiment ı̂n care se realizează unul
din evenimentele din seria A1 , A2 , ... Are loc formula
P (T = i) = pq i−1 ,
n
n
1 = (p + q) = Cni pi q n−i .
i=0
n
(n − 1)! (n − 1)!
n−1
= np pk−1 q n−k = np pl q n−1−l = np,
(k − 1)! (n − k)! l! (n − 1 − l)!
k=1 l=0
n
n
n!
2 2
EX = k P (X = k) = k2 pk q n−k =
k=0 k=0
k! (n − k)!
n
(n − 1)! n−1
(n − 1)!
= np k pk−1 q n−k = np (l + 1) pl q n−1−l =
(k − 1)! (n − k)! l! (n − 1 − l)!
k=1 l=0
D 2 X = EX 2 − (EX)2 = npq.
Construcţia unei variabile aleatoare tipice cu repartiţia binomială este
obţinută din schema lui Bernoulli. Acestă schemă constă dintr-un spaţiu
112 CAPITOLUL 6. CÂTEVA REPARTIŢII PE N
pentru orice j = 0, ..., k şi o vom demonstra cu k + 1 ı̂n locul lui k. Avem
Sk+1 = Sk + 1Ak+1 , iar Sk şi 1Ak+1 sunt independente. Pentru a vedea
acest lucru, mai ı̂ntâi vom examina consecinţele independenţei evenimentelor
Ai , i = 1, ..., n. Notăm ai = a (Ai ) = {Ai , Aci , Ω, ∅} , algebra generată de
evenimentul Ai , care este chiar o σ−algebră. Acestea sunt independente, ca
urmare a ipotezei şi a lemei 3.1, iar teorema de asociativitate a independenţei,
teorema 4.1, ne spune că σ (a1 , ..., ak ) şi ak+1 sunt independente. Pe de altă
parte, putem scrie Sk = f (X1 , ..., Xk ) , unde f : Rk → R este funcţia sumă,
definită prin f (x1 , ..., xk ) = x1 +...+xk . Atunci proprietatea 4. din paragraful
despre σ−algebra generată de o variabilă ne asigură că Sk este măsurabilă
ı̂n raport cu σ (a1 , ..., ak ) . Rezultă deci că Sk şi 1Ak+1 sunt independente.
Mai departe introducem notaţia
Bk,j = {Sk = j} .
şi observăm că mulţimile Bk,0, Bk,1 , ..., Bk,k formează o partiţie a lui Ω. Se
verifică direct relaţiile
Bk+1,0 = {Sk+1 = 0} = Sk= 0, 1Ak+1 = 0 =Bk,0 ∩ Ack+1 ,
Bk+1,k+1 = {Sk+1 = k+ 1} = Sk = k, 1Ak+1= 1 = Bk,k ∩ Ak+1 ,
Bk+1,j = {Sk+1 = j} = Sk = j, 1Ak+1 = 0 ∪ Sk = j − 1, 1Ak+1 = 1
= (Bk,j ∩ Ack+1 ) ∪ (Bk,j−1 ∩ Ak ),
6.2. REPARTIŢIA BINOMIALĂ ŞI SCHEMA LUI BERNOULLI 113
pentru j = 1, ..., k. Pe de altă parte, ţinând cont că mulţimile Bk,j sunt
fiecare independente de Ak+1 , putem scrie
P (Bk+1,0) = P (Bk,0 ) q,
P (Bk+1,k+1) = P (Bk,k ) p,
P (Bk+1,j ) = P (Bk,j ) q + P (Bk,j−1) p,
pentru orice sistem λ = (λ1 , ..., λn ) ∈ Γ := {−1, 1}n şi mai notăm s (λ) =
n+λ1 +...+λn
2
, o mărime care indică numărul de componente ale lui λ care sunt
egale cu 1. Se verifică direct că are loc relaţia următoare
{S = i} = Aλ ,
s(λ)=i
P (S = i) = pi q n−i Cni ,
λk
P (X = k) = e−λ .
k!
Vom stabili mai jos câteva din proprietăţile mai importante ale vari-
abilelor repartizate Poisson. Un calcul direct arată imediat că EX = λ
şi D 2 X = λ :
∞ k
∞
λk ∞
λk
−λ λ −λ −λ
EX = e k=e =e λ = λ,
k=0
k! k=1
(k − 1)! k=0
k!
6.3. REPARTIŢIA POISSON 115
∞ k
∞
λk λk ∞
2 −λ λ 2 −λ
EX = e k =e k = e−λ λ (k + 1) =
k! (k − 1)! k!
k=0 k=1 k=0
λk
∞
λk
= e−λ λ + k = λ + λ2 ,
k=0
k! k=0
k!
D 2 X = EX 2 − (EX)2 = λ.
k
{X1 + X2 = k} = {X1 = i} ∩ {X2 = k − i} ,
i=0
k
P (X1 + X2 = k) = P (X1 = i) P (X2 = k − i) =
i=0
k i
λ2k−i 1 i i k−i
k
−λ1 λ1 −λ2
= e e = e−λ1 e−λ2 C λλ =
i=0
i! (k − i)! k! i=0 k 1 2
1
= e−(λ1 +λ2 )
(λ1 + λ2 )k .
k!
Pentru a trata cazul general se face o inducţie după n. Presupunem demon-
strată propoziţia pentru sume de n − 1 variabile. Fiind date n variabile,
scriem X1 + ... + Xn = (X1 + ... + Xn−1 ) + Xn şi ţinem cont că variabilele
X1 + ... + Xn−1 şi Xn , sunt independente datorită teoremei 4.1.
Repartiţia Poisson este legată de repartiţia binomială printr-o teoremă de
aproximare asemănătoare teoremei de Moivre-Laplace ce va fi demonstrată
ı̂n capitolul următor. Fie (Xi )i∈N un şir de variabile aleatoare repartizate
116 CAPITOLUL 6. CÂTEVA REPARTIŢII PE N
lim ni = ∞,
i→∞
lim ni pi = λ,
i→∞
Teorema 6.1 În condiţiile de mai sus repartiţiile PXi converg la repartiţia
Poisson de parametru λ, ı̂n sensul următor
λk
lim P (Xi = k) = e−λ , k ∈ N.
i→∞ k!
Apoi, pentru ultimul factor observăm că expresia din paranteza de la expo-
nent are limita:
lim (pi ni − pi k) = λ.
i→∞
1 − x = e−x+r(−x) , x ≥ 0,
2
unde r satisface estimarea − 1−x x
≤ r (−x) ≤ 0 (vezi lema 2.3). Mai pre-
cis, presupunem că X este o variabilă aleatoare repartizată binomial cu
parametrii p, n şi notăm λ = pn. Vrem să estimăm eroarea care se face
ı̂n aproximarea repartiţiei lui X cu repartiţia Poisson de parametru λ.
Expresia ce ne interesează o scriem sub forma următoare
λk 1 k−1
P (X = k) = 1− ... 1 − (1 − p)n−k .
k! n n
(1 − p)n−k = e−λ+kp+(n−k)r(−p) .
Se deduce atunci
λk −λ εk
P (X = k) = e e , (∗)
k!
j
k−1
unde εk = kp + (n − k) r (−p) − k(k−1)
2n
+ r − n . Evaluarea lui εk o facem
j=1
uniform pentru k ≤ k0 = θλ, ı̂n felul următor:
(n − k) p2 λp
0 ≥ (n − k) r (−p) ≥ − ≥− ;
1−p 1−p
k−1
1 2
k−1 2 k−1
j j 1 1
r − ≥− ≥− j =
j=1
n j=1
n2 1 − j
n
n2 1 − θλ
n j=1
118 CAPITOLUL 6. CÂTEVA REPARTIŢII PE N
1 1 k (k − 1) (2k − 1) 1 k3 1 θ 3 λ3
=− ≥ − ≥ − =
n2 1 − θp 6 3n2 1 − θp 3n2 1 − θp
θ3
=− λp2 ;
3 (1 − θp)
k (k − 1) kp 1 k λp 1
kp − = 2+ − = y 2 + − y = f (y) ,
2n 2 λ λ 2 λ
unde am notat y = λk . Valoarea maximă a lui f este
2
λp 1
fmax = 1+ .
2 2λ
Pentru a determina minimul, ţinem cont că, de fapt, funcţia f ne intere-
sează doar pe intervalul [0, θ]. Dacă θ ≤ 2 + λ1 atunci f ≥ 0. Dacă θ > 2 + λ1 ,
minimul acestei funcţii este obţinut ı̂n θ şi este
!
λp 1 θ2 1
fmin = θ 2 + − θ = −λp −θ 1+ .
2 λ 2 2λ
4
2k
4
2k
0, 97873 × e−2 ≤ P (X ≤ 4) ≤ 1, 01265 × e−2 .
k=0
k! k=0
k!
4 2k
Prin calcul direct avem e−2 k=0 k! = 0, 94735 şi prin urmare
0, 92719 ≤ P (X ≤ 4) ≤ 0, 95933.
0, 04067 ≤ P (X ≥ 5) ≤ 0, 07281. 2
6.4 Histograme
O histogramă este o reprezentare grafică pentru o distribuţie discretă. Ele pot
fi de mai multe tipuri. Cele mai obişnuite histograme sunt cele ı̂n care pentru
fiecare punct din suportul distribuţiei se desenează un dreptunghi de ı̂nălţime
proporţională cu ponderea repartizată punctului. Astfel de histograme sunt
curent utilizate ı̂n economie. Programul Excel are facilităţi speciale pentru
executarea histogramelor. Am redat ı̂n figurile 6.1 - 6.7 câteva histograme
ale unor repartiţii pe care le-am ı̂ntâlnit până acum.
120 CAPITOLUL 6. CÂTEVA REPARTIŢII PE N
0.3
0.2
0.1
0
0 1 2 3 4 5 6 7 8 9 10
0.3
0.2
0.1
0
0 1 2 3 4 5 6 7 8 9 10
Este de notat că scara pentru axa verticală este dilatată faţă de cea ori-
zontală, pentru a putea da un aspect grafic vizibil repartiţiilor. De exemplu,
valorile repartiţiilor binomiale fiind foarte mici, ı̂n cazul ı̂n care n este mare,
la o reprezentare cu aceeaşi scară pe ambele axe nu ar mai fi posibil să vedem
nimic ı̂ntr-un grafic dintr-o pagină de carte. Chiar şi aşa, marea majoritate
a valorilor apar ı̂n grafic confundate cu zero. În figurile 6.3 şi 6.4 se observă
numai valorile din jurul mediei np.
Repartiţiile de acelaşi fel sunt redate ı̂n figurile noastre păstând cele două
scări, pentru a putea fi comparate ı̂ntre ele. Dar tipurile diferite de repartiţii
au scări diferite.
121
0 . 0 6
0 . 0 3
0
0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 0 1 0 0
CAPITOLUL 6. CÂTEVA REPARTIŢII PE N
0.6
0.5
0.4
0.3
0.2
0.1
0
0 1 2 3 4 5 6 7 8 9
0.25
0.2
0.15
0.1
0.05
0
0 2 4 6 8 10 12 14 16 18 20
0.7
0.4
0.35
0.6
0.3
0.25
0.5
0.2
0.15
0.4
0.1
0.05
0.3
0
0 1 2 3 4 5 6
0.2
0.1
0
0 1 2 3 4 5
0.2
0.15
0.1
0.05
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
XA (F ) = card (A ∩ F ) , F ∈ Ω.
F = σ (XA | A ∈ E) .
Rezultă imediat din definiţie că EXA = λ (A) pentru orice mulţime A ∈ E
cu proprietatea că λ (A) < ∞. În particular, pentru fiecare mulţime A ∈ E
astfel ı̂ncât λ (A) < ∞, probabilitatea P este suportată de mulţimea
ΩA = {F ∈ Ω | card (F ∩ A) < ∞} .
Dacă măsura λ este finită, atunci P este suportată de mulţimea părţilor finite
din E.
Pe de altă parte, dacă o mulţime A ∈ E are măsura infinită (λ (A) =
∞), atunci se pot construi mulţimile (A n )n∈N ⊂ E astfel ı̂ncât An ⊂ An+1 ,
λ (An ) < ∞ pentru orice n ∈ N şi A = An . Ţinând cont de lema de mai
n
jos rezultă că XA ≥ lim XAn = ∞, aproape sigur.
n
Mai notăm că ı̂n cazul a două mulţimi A, B ∈ F astfel ı̂ncât A ⊂ B şi
λ (A) = λ (B) , rezultă că XA = XB , aproape sigur.
Măsurile aleatoare Poisson sunt utile atât ı̂n tratarea aplicaţiilor cât şi
ı̂n studiul teoretic al unor probleme legate de procesele Markov. Enunţăm
mai jos teorema generală de construcţie a unei măsuri aleatoare Poisson cu
intensitate dată. Demonstraţia se bazează pe unele idei legate de procesele
Poisson şi nu ı̂şi are locul cel mai bun aici.
Teorema 6.2 Fiind dat un spaţiu măsurabil (E, E) şi o măsură σ- finită λ
pe el, există şi este unică o măsură de probabilitate P pe (Ω, F ) care este o
măsură aleatoare Poisson cu intensitatea λ.
În continuare vom prezenta alte fapte legate de măsurile aleatoare Poisson
păstrând notaţiile introduse mai sus. Vom avea nevoie de următoarea lemă
tehnică.
Lema 6.1 Fie (Xn )n∈N un şir crescător de variabile aleatoare repartizate
Poisson (definite pe un spaţiu probabilizat (Ω, F , P )).
(i) Dacă sup EXn < ∞ atunci limita şirului X = lim Xn este o variabilă
n n
aleatoare repartizată Poisson cu parametrul sup EXn .
n
(ii) Dacă sup EXn = ∞, atunci lim Xn = ∞, aproape sigur.
n n
(iii) În cazul ı̂n care (Xn ) este descrescător, limita este sau nulă sau tot
o variabilă repartizată Poisson, cu parametrul inf EXn .
n
6.5. ÎMPRĂŞTIEREA ALEATOARE 127
Demonstraţie. Vom nota λn = EXn şi observăm că şirul (λn )n∈N este
crescător cu limita ce o notăm λ = lim λn .
(i) Prin aplicarea lemei lui Beppo Levi se deduce că X este integrabilă
cu EX = λ. Pentru fiecare k ∈ N, şirul de mulţimi {Xn ≤ k} , n ∈ N este
descrescător şi avem ∩n {Xn ≤ k} = {X ≤ k} . De aceea există limita
k l
k
λl
−λn λn
P (X ≤ k) = lim P (Xn ≤ k) = lim e = e−λ , (∗)
n→∞ n→∞
l=0
l! l=0
l!
rafinează diviziunea {xn0 < xn1 < xn2 < ... < xn2n }. Mai precis, avem xn+1 2 = xn1
şi I1 = [x0 , x1 ) = [x0 , x1 ) ∪ [x1 , x2 ) = I1 ∪ I2 . În general,
n n n n+1 n+1 n+1 n+1 n+1 n+1
F ∩ A = {y1 , ..., ym } ,
pn · 2n = EY n → EXI = λ (I) .
XI = XI = XI , a.s.
Fie acum o mulţime deschisă D ⊂ R. Ea se scrie ca o reuniune cel mult
numărabilă de intervale deschise disjuncte D = In şi are loc relaţia
n
XD = XI n .
n
XK = lim XDn .
n→∞
Din lema anterioară, rezultă că XK este repartizată Poisson şi parametrul
său este λ (K). În plus, dacă K1 , ..., Kl sunt mulţimi compacte disjuncte,
atunci vecinătăţile lor de rază n1 sunt disjuncte când n este mare. Rezultă că
XK1 , ..., XKl se aproximează cu variabile independente. La limită şi XK1 , ..., XKl
se obţin independente.
130 CAPITOLUL 6. CÂTEVA REPARTIŢII PE N
Mai departe, trecem la cazul unei mulţimi boreliene A ∈ B (R). Ştim că
se pot construi două şiruri (Kn )n∈N , (Dn )n∈N astfel ı̂ncât Kn ⊂ Kn+1 ⊂ A ⊂
Dn+1 ⊂ Dn , pentru orice n ∈ N şi
λ (A) = lim λ (Kn ) = lim λ (Dn ) .
n→∞ n→∞
Notând A = Kn şi A = Dn , vom avea
n n
XA ≤ XA ≤ XA .
Deoarece λ A = λ A , rezultă că XA = XA = XA , aproape sigur.
Rezultă că XA este repartizată Poisson cu parametrul λ (A). Ca mai sus, prin
aproximare, se deduce şi faptul că XA1 , ..., XAl sunt variabile independente
dacă A1 , ..., Al sunt disjuncte. 2
Observaţia 6.1 O ipoteză mai tare decât punctul 40 din enunţul de mai sus
este următoarea:
4’0 Dacă λ (I) = λ (J) , atunci variabilele XI şi XJ sunt identic reparti-
zate.
În multe aplicaţii este uşor de acceptat direct această ipoteză, care altfel
este o concluzie a teoremei.
Atunci când se examinează modelarea picăturilor de ploaie, este, la o
primă vedere, greu de acceptat că măsura aleatoare Poisson este obiectul
matematic care descrie fenomenul. În primul rând obişnuinţa comună ne
ı̂ndeamnă să privim cantitatea de picături care cade pe un metru pătrat ca
fiind o constantă. Dar este clar că nu este aşa. Faptul că la măsurători
făcute ı̂n două locuri diferite, ı̂n aceeaşi perioadă de timp, se obţin cantităţi
de apă foarte apropiate, nu ı̂nseamnă că fenomenul aleator nu este prezent.
O variabilă aleatoare repartizată Poisson cu parametrul λ = 10.000 (core-
spunzător la 10.000 de picături) are deviaţia standard 100. Deci este normal
ca variaţiile să fie de acest ordin. Ele apar ca nesemnificative din punct de
vedere practic, dar fenomenul este aleator şi poate corespunde unei măsuri
aleatoare Poisson. În cazul a 1.000.000 de picături variaţia dată de model
este şi mai mică, relativ; ea este de 1.000 de picături. Faptul că numărul
de picături ce cade pe fiecare metru pătrat este aleator poate fi observat
atunci când se consideră o perioadă scurtă de timp, sau ı̂n cazul unei ploi
foarte scurte de vară. Independenţa numărului de picături care cad ı̂n locuri
diferite pe suprafeţe egale este naturală. Teorema dinainte ne conduce la ac-
ceptarea modelului dat de o măsură aleatoare Poisson cu intensitatea măsura
Lebesgue multiplicată de o constantă ce corespunde amploarei fenomenului.
6.6. EXERCIŢII 131
T : Ω → [0, ∞] ,
cu convenţia T (∅) = ∞. Atunci β este rata de defectare corespunzătoare lui
T.
De fapt, ı̂n enunţul de mai sus este suficient să presupunem că β este
x
o funcţie măsurabilă şi local integrabilă, adică β (t) dt < ∞, pentru orice
0
x > 0. Pentru a evita discuţii delicate de analiză, presupunem β o funcţie
continuă.
Fiind o variabilă aleatoare pozitivă, putem interpreta T ca un timp de
funcţionare. Din relaţia
{T > t} = X[0,t] = 0 ,
6.6 Exerciţii
Exerciţiul 6.1 Un motor de un anumit tip este utilizat atât pentru avioane
bimotoare cât şi pentru cvadrimotoare. Presupunem că probabilitatea ca un
astfel de motor să se defecteze după o anumită perioadă de funcţionare este d.
Pe de altă parte, normele de siguranţă obligă un bimotor care are defect unul
din motoare să ı̂ntrerupă zborul. Pentru un cvadrimotor regula este ca dacă
132 CAPITOLUL 6. CÂTEVA REPARTIŢII PE N
are mai puţin de 3 motoare ı̂n funcţiune să ı̂ntrerupă călătoria. Să se deter-
mine probabilităţile: 1) p, ca un bimotor să funcţioneze respectiva perioadă
fără probleme, 2) p , ca un cvadrimotor să funcţioneze aceeaşi perioadă cu
succes. 3) Pentru ce valori ale lui d este mai avantajos un bimotor?
Exerciţiul 6.2 Un automat telefonic poate să răspundă la 90% din apeluri.
Se fac 10 apeluri la rând la acest automat. Să se calculeze cu o precizie de
10−4 probabilitatea de fi reuşit contactatarea de: 1) exact 10 ori, 2) exact 5
ori, 3) cel puţin o dată.
Exerciţiul 6.3 Care este probabilitatea ca la o extragere loto ,,6 din 49”,
la care s-au vândut 6.000.000 bilete, să se obţină rezultatele: a) nu a ieşit
nici un bilet câştigător, b) a ieşit un bilet câştigător, c) au ieşit două bilete
câştigătoare, d) au ieşit trei bilete câştigătoare. Care este probabilitatea ca
să nu iasă câştigător nici un bilet trei extrageri la rând, la care s-au vândut
respectiv 6.000.000, 7.000.000 şi 8.000.000 bilete?
Exerciţiul 6.4 Un tipograf face ı̂n medie o greşeală la 5000 de semne puse
ı̂n pagină. El realizează pagini de câte 43 de linii, fiecare conţinând câte 70
de semne. Calculaţi, cu eroare de 10−3 , probabilitatea ca pe o pagină dată:
1) să fie exact două erori, 2) să fie cel mult două erori.
Exerciţiul 6.6 În procesul de fabricaţie al unui obiect apar produse defecte
cu probabilitatea de 0, 01. Care este probabilitatea de a găsi două sau mai
multe produse defecte la testarea a 200 de obiecte?
6.6. EXERCIŢII 133
Exerciţiul 6.7 Un vas conţine apă ı̂n care se află bacterii ı̂n proporţie de 2
bacterii pentru fiecare picătură de apă. După spălare rămâne câte o picătură
de apă pe câte o farfurie, iar după câteva zile fiecare bacterie dă naştere la
o colonie. Care este probabilitatea de a avea 3 sau mai multe colonii pe o
farfurie?
Teorema De Moivre-Laplace
În acest capitol presupunem că n ∈ N∗ este ordinul şi p ∈ (0, 1) este
parametrul unei repartiţii binomiale. Pentru o mai bună ilustrare a feno-
menelor ce le vizăm vom mai presupune că avem un spaţiu probabilizat
(Ω, F ,P ) pe care este definită o variabilă aleatoare X cu repartiţia binomială
de ordin n şi parametru p. Vom nota
pk := P (X = k) = Cnk pk q n−k , k = 0, 1, ..., n.
Principala problemă a acestui capitol va fi să găsim o bună aproximare
a acestor numere şi să aplicăm rezultatul la estimarea parametrului p prin
metode statistice. Matematicienii Abraham de Moivre (1667-1754) şi Pierre
Simon Laplace (1749- 1827) au descoperit această aproximare, primul ı̂n cazul
p = 12 , iar cel de al doilea ı̂n cazul general.
135
136 CAPITOLUL 7. TEOREMA DE MOIVRE-LAPLACE
Lema 7.1 Şirul p0 , p1 , ..., pm−1 este strict crescător, şirul pm , pm+1 , ..., pn este
strict descrescător şi pm−1 ≤ pm . Dacă (n + 1) p este ı̂ntreg, atunci pm−1 =
pm , ı̂n caz contrar pm−1 < pm .
n!
pk+1 − pk = pk q n−k−1 (pn − q − k) .
(k + 1)! (n − k)!
m ≤ (n + 1) p < m + 1.
Prin urmare, dacă notăm δn = m − np, rezultă că δn ∈ (−q, p]. În continuare
vom presupune că p este constant, dar vom face să varieze n tinzând la
infinit. Cantitatea δn va fi mică ı̂n raport cu celelalte care intervin şi la
limită va dispărea.
Mai departe facem o aproximare a numărului pm utilizând următoarea
formulă ce reprezintă un caz particular al formulei lui Stirling:
√ " n #n
n! = 2πn eθn ,
e
1 1
unde θn este un factor de corecţie care este ı̂n intervalul θn ∈ 12n+1 , 12n .
(Vezi [14] sau [10].) Următoarea propoziţie arată că probabilitatea pm este
1
asimptotic (când n → ∞) de acelaşi ordin de mărime cu √2πnpq .
1
pm = √ γn ,
2πnpq
2 2
" #
1 1 2 1 1
≤ np+δ
δn
n 1−
δn + δn
nq−δn 1+ δn
= δn np + nq
.
np+δn nq−δn
138 CAPITOLUL 7. TEOREMA DE MOIVRE-LAPLACE
l−1
l
δn + i δn + i
ln A = ln 1 − − ln 1 + .
i=0
nq i=1
np
7.1. APROXIMAREA REPARTIŢIEI BINOMIALE 139
l−1
δn + i
l
δn + i
ln A = − − + r1 − r2 ,
i=0
nq i=1
np
unde
l−1
2
2 2 (l + 1)3
l−1
δn + i 2
|r1 | ≤ 2 ≤ (1 + i) ≤ ,
i=0
nq (nq)2 i=0 (nq)2 3
l
2
1 1 (l + 2)3
l
δn + i 2
|r2 | ≤ ≤ (1 + i) ≤ .
i=1
np (np)2 i=1 (np)2 3
Cele două sume ce intervin ı̂n expresia lui ln A se pot calcula, astfel că se
obţine
2lδn 1 1 l l (l − 1) 1 1
ln A = − + − − + + r1 − r2 =
n q p np 2n p q
l2
=− + r3 + r1 − r2 ,
2npq
2lδn
$1 %
unde r3 = l
2npq
− npq
− l
np
l
= npq 2
− 2δn − q , deci ı̂n orice caz are loc
estimarea
4l
|r3 | ≤
.
npq
Dacă
√ notăm n,k = r3 + r1 − r2 , rămâne să examinăm ce se ı̂ntâmplă când
|l| ≤ c n:
√ 3 √ 3 √
2 (c n + 1) 1 (c n + 2) 4c n
sup |n,m+l | ≤ + + .
√
|l|≤c n 3 n2 q 2 3 n2 p2 npq
Expresia din partea dreaptă nu depinde de l şi se vede că tinde la zero când
n → ∞. 2
Cele două proprietăţi anterioare pot fi rezumate ı̂n forma rezultatului
clasic următor.
140 CAPITOLUL 7. TEOREMA DE MOIVRE-LAPLACE
1 (k−µ)2
pk = √ e− 2σ2 eθn,k ,
2πσ
unde coeficienţii θn,k satisfac relaţia următoare cu orice constantă c > 0,
(k − m)2 (k − µ)2 (k − µ) δn δ2
= − + n .
2npq 2npq npq 2npq
1.6
1.4
1.2
0.8
0.6
0.4
0.2
0
-1 -0.75 -0.5 -0.25 0
-1E-14 0.25 0.5 0.75 1
0.5
0
-3 -2 -1 0
-1E-14 1 2 3
Figura 7.1: Jos este graficul funcţiei de densitate pentru repartiţia normală
standard; sus este graficul funcţiei de densitate pentru repartiţia normală cu
m = 0 şi σ = 0, 25.
142 CAPITOLUL 7. TEOREMA DE MOIVRE-LAPLACE
1
1
ϕ (n + 1) = ϕ (n) e−n− 2 ≤ n+1 ϕ (n) . Am utilizat aici binecunoscuta inegali-
tate 1 + x ≤ e . Pe de altă parte, calcule numerice arată că
x
Valorile acestei funcţii sunt tabelate pentru că funcţia este utilizată ı̂n pro-
bleme de statistică. Din punctul de vedere al majorităţii aplicaţiilor nu-
merice, funcţia ϕ este considerată zero pentru |x| ≥ 4.
Valoarea integralei următoare este cunoscută, fiind una din integralele
speciale clasice,
∞ √
x2
e− 2 dx = 2π.
−∞
iar relaţia anterioară arată că N (R) = 1. (Verificarea faptului că este o
măsură nu este simplă. De exemplu, faptul că este σ−aditivă rezultă din teo-
rema convergenţei dominate.) Această măsură de probabilitate este numită
repartiţia normală standard sau repartiţia gaussiană standard. Proprietăţile
funcţiei ϕ conduc la faptul că măsura P este concentrată practic pe intervalul
7.1. APROXIMAREA REPARTIŢIEI BINOMIALE 143
care se numeşte funcţia lui Laplace. Prin intermediul acestei funcţii putem
b
exprima orice integrală pe interval: ϕ (x) dx = Φ (b) − Φ (a) . Pentru a
a
facilita calculele, funcţia lui Laplace este tabelată de obicei cu valori ale
lui x care cresc cu 0, 01 de la 0 până la 4. (Cărţile de statistică conţin ı̂n
mod curent, la sfârşit, un număr de tabele care permit efectuarea rapidă
a anumitor calcule statistice des ı̂ntâlnite ı̂n aplicaţii. Tabelul cu valorile
funcţiei Laplace este nelipsit din orice carte de statistică.) Pentru valori
negative ale argumentului se utilizează simetria funcţiei ϕ, care arată că
−x ∞
Φ (−x) = ϕ (y) dy = ϕ (y) dy = 1 − Φ (x) .
−∞ x
(x−m) 2
Deci măsura N (m, σ 2 ) admite drept densitate funcţia ϕm,σ (x) = √1 e− 2σ 2 .
σ 2π
Cu această notaţie, măsura normală standard devine N (0, 1) . În partea de
sus a figurii 7.1 este trasat graficul corespunzător acestei funcţii ı̂n cazul
m = 0, σ = 14 . În figura 7.2 sunt reprezentate graficele corespunzătoare
cazurilor m = 0, σ" = 12 şi #m = 5, σ = 12 .
2
Repartiţia N 0, 14 , se obţine din N prin transformarea h1 (x) = 14 x,
care contractă dreapta reală. Aşa se explică forma primului grafic ı̂n raport
cu graficul funcţiei
" ϕ, iniţiale.
# Masa măsurii N a fost strânsă ı̂n jurul lui zero.
2
Repartiţia lui N 5, 12 se obţine din N prin transformarea h (x) = 12 x+5,
care este
" contracţia
# cu 12 urmată" de o translaţie
# cu 5. Se mai poate spune şi
2 2
că N 5, 12 se obţine din N 0, 12 prin transformarea h2 (x) = x + 5,
care este o translaţie.
Nota 1. Să reamintim aici formula schimbării de variabilă, care este mai
cunoscută ı̂n forma cu domeniul de integrare un interval:
b d
f (h (y)) h (y) dy = f (x) dx,
a c
unde h este o bijecţie de la [a, b] ı̂n [c, d] , h (a) = c, h (b) = d, h ∈ C 1 (a, b) şi
h > 0 ı̂n timp ce f ∈ C ([a, b]) . Această relaţie se extinde ı̂n forma
f (h (y)) h (y) dy = f (x) dx, (∗)
B A
pentru orice mulţime A ∈ B ([c, d]) , iar B = h−1 (A) . Pentru a demonstra
această relaţie vom defini două măsuri pe B ([c, d)) ı̂n felul următor:
µ1 (A) = f (x) dx, µ2 (A) = f (h (y)) h (y) dy.
A h−1 (A)
Ştim că µ1 (A) = µ2 (A) , dacă A este un interval. Rezultă imediat că această
egalitate este valabilă şi pentru reuniuni finite de intervale disjuncte. Fa-
n+1 de mulţimi G, care constă din toate reuniunile de intervale de tipul
milia
l=0 [al , bl ),unde n ∈ N şi
1
0.8
0.6
0.4
0.2
0
-2 -1.5 -1 0
-0.5 -1E-14 0.5 1 1.5 2
1
0.8
0.6
0.4
0.2
0
3 3.5 4 4.5 5 5.5 6 6.5 7
Figura 7.2: Sus este graficul funcţiei de densitate pentru repartiţia normală
cu m = 0 şi σ = 0, 5; jos este graficul funcţiei de densitate pentru repartiţia
normală cu m = 5 şi σ = 0, 5.
146 CAPITOLUL 7. TEOREMA DE MOIVRE-LAPLACE
formează o algebră de părţi pe intervalul [c, d). Deoarece cele două măsuri
coincid pe G şi σ (G) = B ([c, d)) , suntem ı̂n măsură să aplicăm teorema 8.1
şi să deducem că cele două măsuri coincid pe toate mulţimile din B ([c, d)) .
Cum punctul d este neglijabil pentru cele două măsuri, rezultă egalitatea
acestora pe B ([c, d]) , ceea ce ı̂nseamnă că este adevărată relaţia (*).
Nota 2. Pentru a pune ı̂n lumină mai bine proprietăţile repartiţiei normale
avem nevoie să discutăm despre variabile aleatoare care sunt repartizate nor-
mal. Pentru aceasta trebuie să extindem câteva noţiuni ce le-am introdus an-
terior doar pentru variabile aleatoare cu mulţime cel mult numărabilă de va-
lori. Să presupunem deci, că pe un spaţiu probabilizat (Ω, F , P ) este definită
o aplicaţie X : Ω → R, fără a face ipoteza că X (Ω) este o mulţime cel mult
numărabilă. Ea va fi numită variabilă aleatoare dacă este satisfăcută pro-
prietatea X −1 (A) ∈ F , pentru orice A ∈ B (R) (deci dacă este măsurabilă).
În acestă situaţie repartiţia sa este definită prin PX (A) = P (X −1 (A)) şi se
poate verifica că ea este o măsură de probabilitate, la fel ca ı̂n cazul ı̂n care
X ar avea mulţimea valorilor cel mult numărabilă.
Media EX a unei variabile aleatoare ca mai sus, se poate defini prin
aproximarea ei cu un şir de variabile care iau fiecare numai un număr finit
de valori. Mai mult, se poate demonstra că are loc formula
Ef (X) = f (x) PX (dx) , (∗∗)
R
D 2 X = E (X − EX)2 = EX 2 − (EX)2 .
Putem spune atunci că media şi dispersia unei variabile aleatoare se exprimă
ı̂n funcţie doar de repartiţia sa.
7.1. APROXIMAREA REPARTIŢIEI BINOMIALE 147
Funcţia care apare sub ultima integrală este integrabilă. Pe de altă parte
ea este impară, şi de aceea integrala face zero. Deci media unei variabile
repartizate normal standard este zero. Putem calcula şi dispersia variabilei
X:
∞ ∞
2 21 2 2 − x2
2 1 x2
D X = E (X − EX) = EX = √ xe dx = √ e− 2 dx = 1.
2π 2π
−∞ −∞
0.3
0.25
0.2
0.15
0.1
0.05
0
-0.5 0.5 1.5 2.5 3.5 4.5 5.5 6.5 7.5 8.5 9.5
0.3
0.25
0.2
0.15
0.1
0.05
0
-0.5 0.5 1.5 2.5 3.5 4.5 5.5 6.5 7.5 8.5 9.5 10.5
0.3
0.25
0.2
0.15
0.1
0.05
0
-0.5 0.5 1.5 2.5 3.5 4.5 5.5 6.5 7.5 8.5 9.5 10.5
Figura 7.3: Histograme ale repartiţiei binomiale şi grafice ale funcţiei ϕm,σ
corespunzătoare, pentru n = 10 şi p = 0, 5 (sus), p = 0, 4 (ı̂n centru) şi
p = 0, 3 (jos)
7.1. APROXIMAREA REPARTIŢIEI BINOMIALE 149
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
-0.5 0.5 1.5 2.5 3.5 4.5 5.5 6.5 7.5 8.5 9.5 10.5
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
-0.5 0.5 1.5 2.5 3.5 4.5 5.5 6.5 7.5 8.5 9.5 10.5
Figura 7.4: Histograme ale repartiţiei binomiale şi grafice ale funcţiei ϕm,σ
corespunzătoare, pentru n = 10 şi p = 0, 2 (sus), p = 0, 1 (jos)
150 CAPITOLUL 7. TEOREMA DE MOIVRE-LAPLACE
0.1
0.08
0.06
0.04
0.02
0
30 35 40 45 50 55 60 65 70
0.1
0.08
0.06
0.04
0.02
0
10 15 20 25 30 35 40 45 50
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
0 5 10 15 20 25 30 35 40
Figura 7.5: Histograme ale repartiţiei binomiale şi grafice ale funcţiei ϕm,σ
corespunzătoare, pentru n = 100 şi p = 0, 5 (sus), p = 0, 3 (ı̂n centru) şi
p = 0, 1 (jos)
7.2. TEOREMA LIMITĂ CENTRALĂ 151
Teorema 7.2 Dacă a < b sunt două numere reale, atunci are loc relaţia
b
Sn − np 1 x2
lim P a < √ <b = √ e− 2 dx.
n→∞ npq 2π
a
√
Demonstraţie. Începem prin a introduce notaţia σ = npq, Bk =
{Sn = k} , pk = P (Bk ) şi zk = k−np
σ
, pentru n ∈ N∗ fixat şi k ∈ {0, 1, ..., n}.
Numerele
' ( √ z( k formează
) o reţea cu pasul σ1 şi sunt răspândite pe intervalul
√ ( √ ( √
− pq n, pq n : z0 = − pq n, zn = q
p
n, zk < zk+1 , zk+1 − zk =
1
σ
. Pentru n suficient de mare intervalul dat (a, b) va fi inclus ı̂n intervalul
[z0 , zn ] şi ı̂n continuare vom presupune că aşa stau lucrurile. Notăm k1 =
inf {k | zk ∈ (a, b)} şi k2 = sup {k | zk ∈ (a, b)}, astfel că vom avea
1 1
a < zk1 , zk2 < b , 0 < zk1 − a ≤ , 0 < b − zk2 ≤ .
σ σ
Se verifică atunci următoarea egalitate
* +
Sn − np
a< √ <b = Bk .
npq k ≤k≤k 1 2
Aceasta conduce la
Sn − np
P a< √ <b = pk .
npq k ≤k≤k 1 2
z+ 2 2 2
2
− z2 1 x x −z
e = e− 2 e 2 dx .
2
z−
7.2. TEOREMA LIMITĂ CENTRALĂ 153
1
Atunci scriind această relaţie cu = 2σ
şi z = zk , obţinem
1
zk + 2σ
1 1 z2 1 x2 x2 −zk
2
− 2k
pk = √ eθn,k e = √ eθn,k e− 2 e 2 dx .
2π σ 2π
1
zk − 2σ
1 1 1 1
Intervalele [zk − 2σ , zk + 2σ ) formează o partiţie a intervalului [zk1 − 2σ , zk2 + 2σ ).
1 1
Vom nota an = zk1 − 2σ , bn = zk2 + 2σ şi atunci putem scrie
1 1
[zk − , zk + ) = [an , bn ) .
k1 ≤k≤k2
2σ 2σ
bn
Sn − np 1 x2
P a< √ <b = √ e− 2 efn (x) dx . (∗)
npq 2π
an
Pentru k1 ≤ k ≤ k2 avem |zk | ≤ c = max (|a| , |b|) ceea ce se scrie şi sub
√ √
forma |k − np| ≤ c pq n. Atunci putem aplica teorema anterioară pentru
a deduce că şirul de numere
τn := max |θn,k |
k1 ≤k≤k2
satisface relaţia lim τn = 0. Estimăm şi ultimul termen din expresia lui fn ,
n→∞
|x2 − zk2 | |x − zk | (|x − zk | + 2 |zk |) 1 1 1
= ≤ + 2c ,
2 2 2 2σ 2σ
154 CAPITOLUL 7. TEOREMA DE MOIVRE-LAPLACE
bn bn
1 − x2
2 2 x2
≤√ e 2 |fn (x)| dx ≤ √ e− 2 dx fn → 0 .
2π 2π
an an
bn 2
b
x2
− x2
e dx → e− 2 dx ,
an a
1
P (i = −1) = ,
4
1
P (i = 0) = .
2
Avem 144 de variabile i , i = 1, ..., 144, care toate au aceeaşi repartiţie şi
care sunt independente. Eroarea acumulată este repezentată de variabila
144
T = i .
i=1
Pentru a face calcule precise vom observa că repartiţia variabilei i este
repartiţia binomială de parametri p = 12 şi n = 2, translatată penru a fi
centrată ı̂n zero. Mai precis, dacă X şi Y sunt două variabile independente
şi identic repartizate cu repartiţiile Bernoulli de parametru p = 12 , atunci vari-
abila X +Y −1 va avea aceeaşi repartiţie cu i . Deci pentru modelarea acestei
probleme vom presupune că avem date variabilele {Xi , Yi | i = 1, ..., 144}, in-
dependente, identic repartizate Bernoulli cu parametrul p = 12 , definite pe un
spaţiu probabilizat (Ω, F , P ) . Iar variabilele ce reprezintă eroarea vor fi pre-
supuse a avea forma i = Xi +Yi −1. Deci eroarea cumulată este reprezentată
de
144 144
T = Xi + Yi − 144,
i=1 i=1
1
care va avea o repartiţie binomială de parametri p = 2
şi n = 288, translatată
cu modul ı̂n zero. Putem calcula
ET = 0,
D 2 T = 72,
DT = 8, 48.
Aplicând aproximarea dată de teorema limită centrală obţinem
P (−8 ≤ T ≤ 8) ≈ 0, 68,
b
1 p − q
pk1 ,k2 ≈ ϕ (x) + √ ϕ (x) dx , (∗)
6 npq
a
0.6
0.3
0
-4 -3 -2 -1 -0.3 0 1 2 3 4
-0.6
√
npq ≥ 3.) Termenul care integreză ϕ se numeşte corecţia de asimetrie.
Faptul că p = 12 produce o asimetrie ı̂ntre termenii pm+k şi pm−k , asimetrie
ce este preluată de corecţia de asimetrie ı̂n formula de aproximare.
Ţinând cont că ϕ (x) = (x2 − 1) ϕ (x) , această egalitate aproximativă
mai poate fi scrisă şi sub forma
(p − q) b
pk1 ,k2 − N (k1 , k2 ) ≈ √ ϕ (x) dx =
6 npq a
(p − q) $ 2 %
= √ b − 1 ϕ (b) − a2 − 1 ϕ (a) .
6 npq
Graficul funcţiei ϕ (x) = (3x − x3 ) ϕ (x) este uşor de trasat şi arată ca ı̂n
figura 7.6. b
Valoarea maximă pentru integrala a ϕ (x) dx este 0, 577 şi se obţine
√
√ a = 0 şi b = 3. Iar vloarea minimă este√−0, 577 şi se obţine când a =
când
− 3 şi b = 0. Ţinând cont de presupunerea npq ≥ 5, rezultă următoarea
estimare uniformă pentru corecţia de asimetrie,
(p − q) b 0, 577
√ ϕ (x) dx ≤ ≤ 0, 0193.
6 npq 30
a
Putem deci utiliza aproximarea fără corecţia de asimetrie: pk1 ,k2 ≈ N (k1 , k2 ) ,
√
cu o eroare de cel mult 0, 013 + 0, 0193 ≤ 0, 033, dacă npq ≥ 5.
Regula radicalului. Să presupunem că avem ı̂n faţă o monedă ı̂ndoită,
care, desigur, ne aşteptăm să cadă cu probabilităţi diferite pe cele două feţe.
Încercăm să stabilim care este probabilitatea de a cădea cifra prin experimen-
tarea aruncărilor repetate. Dar problema nu este aşa de simplă cum pare.
158 CAPITOLUL 7. TEOREMA DE MOIVRE-LAPLACE
P (X ≥ 760) ≤ 0, 023.
P (X ≥ 1200) ≤ 0, 0014.
Deci putem stabili testul următor: se aruncă o monedă de 2500 ori şi o con-
siderăm echilibrată dacă fiecare faţă cade ı̂n sus de un număr de ori cuprins ı̂n
intervalul de atenţie [1200, 1300] . Posibiltatea ca având o monedă cu p = 0, 45
să obţinem un rezultat mai mare de 1200 pentru una din feţe are probabili-
tatea mai mică de 0, 0014. Deci probabilitatea de a ne ı̂nşela cu un astfel de
test, pentru o monedă cu p = 0, 45, este foarte mică.
În figurile 7.7 şi 7.8 sunt reprezentate repartiţiile binomiale despre care
am discutat. Reamintim că repartiţia binomială are valori strict pozitive
ı̂n fiecare punct din suportul său. Totuşi marea majoritate a acestor valori
160 CAPITOLUL 7. TEOREMA DE MOIVRE-LAPLACE
sunt atât de mici ı̂ncât ı̂n graficele noastre nu apar. Numai valorile din
jurul modului sunt vizibile ı̂n graficele noastre şi asta pentru că axa valorilor
verticale este dilatată.
7.2. TEOREMA LIMITĂ CENTRALĂ 161
0 . 0 1
0 . 0 2
0 . 0 3
0 . 0 4
0 . 0 5
0 . 0 6
0 . 0 7
0 . 0 8
0 . 0 2
0 . 0 4
0 . 0 6
0 . 0 8
0 . 0 2
0 . 0 4
0 . 0 6
0 . 0 8
0
0
3 0
0
1 0
1 0
3 5
2 0
2 0
4 0
3 0
3 0
4 5
4 0
4 0
5 0
5 0
5 0
6 0
6 0
5 5
7 0
7 0
6 0
8 0
8 0
6 5
9 0
9 0
7 0
1 0 0
1 0 0
0 . 0 0 4
0 . 0 0 8
0 . 0 1 2
0 . 0 1 6
0 . 0 0 5
0 . 0 1 5
0 . 0 1
0 . 0 2
0
0
7 1 6
1 1 3 3
7 3 1
1 1 5 8
7 4 6
1 1 8 3
7 6 1
1 2 0 8
7 7 6
1 2 3 3
7 9 1
1 2 5 8
8 0 6
Exemplul 2. Acelaşi model descrie şi problema unui sondaj simplu ı̂n care
se urmăreşte a determina procentul dintr-un grup de indivizi care au o părere
favorabilă ı̂ntr-o anumită chestiune. Este cazul unui grup mare şi se ches-
tionează atunci o parte mult mai mică din grup, formată din n indivizi.
Secvenţa X1 (ω) , ..., Xn (ω), pentru ω ∈ Ω, reprezintă un ”eşantion” sau
o ”selecţie” făcută printre obiectele grupului. În cazul controlului de cali-
tate notăm cu 1 rezultatul testului ı̂n cazul ı̂n care piesa este defectă şi cu
0 rezultatul ı̂n cazul ı̂n care piesa este corespunzătoare din punct de vedere
calitativ. Efectuarea unui control la un eşantion de n piese conduce la con-
semnarea unei secvenţe de tipul 0, 0, 1, 0, 1, ...1, 0, 0, ı̂n care sunt n cifre de
zero sau unu. La fel se consemnează şi rezultatele sondajului, obţinându-se
o secvenţă de n cifre de 0 sau 1. În continuare vom vedea cum se prelucrează
această secvenţă de numere pentru a determina parametrul p necunoscut.
De fapt ceea ce vom utiliza concret va fi doar un număr, anume numărul
care reprezintă de câte ori apare cifra 1 ı̂n secvenţa de n cifre.
Cu cât este mai mic intervalul de ı̂ncredere cu atât estimarea lui p este mai
precisă, dar ı̂n acelaşi timp coeficientul de ı̂ncredere se micşorează. Alegerea
unui interval de ı̂ncredere are de rezolvat şi acest aspect contradictoriu: inter-
valul trebuie să dea o precizie suficientă ı̂n determinarea lui p, dar ı̂n acelaşi
timp să asigure un coeficient de ı̂ncredere ridicat.
1
n
Media empirică. Variabila aleatoare X = n
Xi poartă numele de me-
i=1
dia empirică. Acesta este un estimator care estimează media p a variabilelor
date. (Legea numerelor mari dă un sens mai precis cuvântului ,,estimează”,
afirmând că media empirică converge la valoarea medie, aproape sigur, pen-
n
tru n → ∞. ) Funcţia f : Rn → R, definită prin f (x1 , ..., xn ) = n1 xi
i=1
satisface relaţia X = f (x1 , ..., xn ) .
Deoarece suma X1 + ... + Xn este repartizată binomial cu ordinul n şi
parametrul p, rezultă că media mediei empirice este EX = np n
= p, iar
2 1 2 1 pq
dispersia este D X = n2 D (X1 + ... + Xn ) = n2 npq = n .
7.3. NOŢIUNI DE ESTIMAREA STATISTICĂ 165
Eroarea de asimetrie este deci foarte mică şi putem scrie pk1 ,k2 ≈ N (k1 , k2 ) ,
cu o eroare de maximum 0, 01354. Rămâne să evaluăm
În concluzie avem pk1 ,k2 ≥ 0, 98, aşa cum este afirmat ı̂n enunţ. 2
7.4 Exerciţii
Exerciţiul 7.1 Se suspectează că un zar a fost măsluit şi ar avea o greu-
tate ı̂n colţul adiacent feţelor cu numerele 1, 3 şi 5. Se propune următorul
test de verificare: se aruncă zarul de n ori şi se consideră că zarul nu este
$măsluit
√ dacă feţele
√ % cu numere impare ies de un număr de ori cuprins ı̂ntre
n
2
− n, n
2
+ n . Să se determine cea mai mică valoare n pentru care nu
riscăm să ne păcălim decât cu o probabilitate mai mică de 0, 001, ı̂n cazul
ı̂n care catalogăm corect un zar care de fapt este măsluit şi are probabilitatea
p = 0, 4 de a arăta feţele impare ı̂n sus.
Exerciţiul 7.2 Să se imagineze un test pentru un zar despre care nu se ştie
ı̂n care colţ ar putea aibă pusă o greutate. Deci se suspectează toate colţurile.
Capitolul 8
169
170CAPITOLUL 8. MĂSURI PE SPAŢII PRODUS ÎN CAZUL DISCRET
(ii) Dacă, ı̂n plus, avem o σ−algebră, E ⊂ P (E) , şi o măsură de pro-
babilitate µ : E → [0, 1] , astfel ı̂ncât f este măsurabilă de la (E, E) cu va-
lori ı̂n (F, F ) , atunci aplicaţia notată µ ◦ f −1 : F → [0, 1] şi definită prin
µ ◦ f −1 (A) = µ (f −1 (A)) , este o măsură de probabilitate pe F .
f −1 (An ) = f −1 An ,
n∈N n∈N
valabile pentru A, An ∈ F , n ∈ N.
(ii) Să verificăm proprietatea de σ−aditivitate. Dacă (An )n∈N ⊂ F este
un şir de mulţimi disjuncte, atunci mulţimile ı̂ntoarse f −1 (An ) , n ∈ N, sunt
şi ele disjuncte şi putem utiliza relaţia de σ−aditivitate a măsurii µ pentru
a deduce
−1
µ ◦ f −1 n∈N An = µ f
n∈N An = µ n∈N f −1 (An )
= n∈N µ (f −1 (An )) = n∈N µ ◦ f −1 (An ) . 2
şi vom spune că σ (Xi /i ∈ I) este σ−algebra generată de aplicaţiile (Xi )i∈I .
Listăm mai jos diverse alte fapte elementare de care vom avea nevoie mai
târziu.
1. σ (Xi / i ∈ I) este cea mai mică σ−algebră ce face toate aplicaţiile
Xi , i ∈ I măsurabile.
2. În cazul unei singure aplicaţii X : Ω → F are loc egalitatea σ (X) =
−1
X (F ) .
3. Fie Ω o mulţime arbitrară şi A = {Ai | i ∈ I} o partiţie cel mult
numărabilă de submulţimi nevide ale lui Ω, indexată ı̂n aşa fel ı̂ncât la doi
8.1. COMPLEMENTE DE TEORIA MĂSURII 171
Pentru a verifica faptul că şirul definit de această formulă posedă proprietăţile
dorite este mai convenabil să exprimăm funcţia fn ı̂n următoarea formă mai
explicită:
* k−1
, dacă k−1 ≤ f (x) < 2kn , 2kn ≤ n
f (x) = 2n 2n .2
n dacă n ≤ f (x)
În introducerea ı̂n teoria lanţurilor Markov pe care o vom face ı̂n capitolele
ce urmează nu vom utiliza ı̂n mod esenţial mediile condiţionate. Însă mediile
condiţionate şi martingalele, care sunt bazate pe ele, au un rol important ı̂n
alte rezultate legate de lanţurile Markov. De aceea vom introduce, pentru
cititorul care cunoaşte deja noţiunea de integrală (sau medie) pentru variabile
care nu iau neapărat o mulţime cel mult numărabilă de valori reale, câteva
idei despre medii condiţionate. Un cititor care cunoaşte integrala doar din
172CAPITOLUL 8. MĂSURI PE SPAŢII PRODUS ÎN CAZUL DISCRET
paragraful ,,Medie şi dispersie” al prezentei cărţi poate să sară toate discuţiile
despre medii condiţionate (cum ar fi punctul (ii) din propoziţia 9.3, prima
afirmaţie din propoziţia 9.6 şi punctul (ii) din teorema 9.2), cu asigurarea că
nu pierde prea mult.
În capitolul următor, vom prezenta succint relaţia dintre proprietatea
Markov şi media condiţionată. În acest scop, vom da acum o definiţie a me-
diei condiţionate ı̂n cazul particular al unei σ−algebre generate de o partiţie
cel mult numărabilă, care este suficientă pentru discuţia pe care o vom face
ı̂n legătură cu proprietatea Markov.
Fie (Ω, F , P ) un spaţiu probabilizat şi X o variabilă aleatoare cu valori
ı̂n (R, B (R)) . Pe scurt vom numi variabilă aleatoare reală sau şi mai scurt
variabilă aleatoare o astfel de variabilă. Presupunem că X este integrabilă.
Dacă A ∈ F vom utiliza notaţia
E [X; A] = E (1A X) = XdP
A
aproape sigure. De exemplu, dacă două variabile X, X sunt egale a.s., atunci
nu facem distincţie ı̂ntre mediile lor condiţionate.
După cum se vede, deşi avem o formulă explicită pentru media condiţionată,
ı̂n definţie se admit variante şi se utilizează cele trei proprietăţi a),b),c) pentru
a preciza noţiunea. Acesta este punctul de vedere care permite generalizarea
noţiunii la cazul in care G est o σ−algebră generală, care nu este neapărat
generată de o partiţie. Dintre proprietăţile mediei condiţionate vom lista doar
pe cele mai simple, care sunt ı̂nsă şi cele mai importante. Demonstraţiile le
lăsăm ca exerciţiu cititorului.
6. Dacă X este G măsurabilă, atunci E [X/G] = X, a.s.
7. Dacă X ≥ 0, a.s., atunci E [X/G] ≥ 0, a.s. Egalitatea E [X/G] = 0,
a.s. este echivalentă cu X = 0, a.s.
8. Dacă a, b ∈ R şi avem două variabile X, X , atunci are loc relaţia
E [aX + bX /G] = aE [X/G] + bE [X /G] , a.s.
9. Dacă A este o altă partiţie cel mult numărabilă astfel că G ⊂ G (vezi
observaţia 4.1), atunci are loc egalitatea E [E [X/G] /G ] = E [X/G ] , a.s.
Mai menţionăm următoarele teoreme, centrale ı̂n teoria măsurii, pe care
le vom utiliza fără a da aici demonstraţiile. Cititorul va găsi demonstraţiile
lor ı̂n orice carte de teoria măsurii (vezi [19]), cât şi ı̂n unele cărţi de teoria
probabilităţilor.
Teorema 8.1 Fie A o algebră de părţi ale lui Ω şi F = σ (A) . Două măsuri
de probabilitate pe F care coincid pe A sunt identice.
Teorema 8.2 Fie A o algebră de părţi ale lui Ω şi presupunem că µ : A →
[0, 1] este o aplicaţie finit aditivă care are proprietatea că limn µ (An ) = 0,
pentru orice şir descrescător (An )n∈N , cu intersecţia vidă. Fie F = σ (A) ,
σ-algebra generată de A. Atunci există o unică măsură de probabilitate µ :
F → [0, 1] care extinde pe µ.
mai utiliza ı̂n continuare acestă notaţie. După cum se vede, adoptăm două
notaţii, corespuzând la două puncte de vedere: Ω este văzut o dată ca spaţiul
aplicaţiilor de la N ı̂n E, iar a doua oară ca spaţiul secvenţelor de elemente
din E, indexate după N. Cele două descrieri se bazează pe identificarea unei
aplicaţii ω : N → E cu o secvenţă (e0 , e1 , e2 , ...) , ı̂n care en = ω (n) .
Observaţia 8.1 Se ştie că un produs finit de mulţimi numărabile este tot
o mulţime numărabilă. De aceea, E n este ı̂ntotdeauna o mulţime cel mult
numărabilă. Pe de altă parte, chiar dacă E este o mulţime finită, se ştie că,
dacă ea conţine cel puţin două puncte, atunci mulţimea Ω nu este numărabilă.
Xn : Ω → E, Xn (ω) = ω (n) = en .
De asemenea,
se observă că dacă sistemul de puncte (e0 , ..., en ) diferă de sis-
temul e0 , ..., en (ceea ce revine la existenţa unui indice 0 ≤ k ≤ n astfel
ca ek = ek ) atunci mulţimile cilindrice
elementare corespunzătoare sunt dis-
juncte, adică E (e0 , ..., en ) ∩ E e0 , ..., en = ∅. În particular, putem spune
că, pentru fiecare n ∈ N, familia mulţimilor cilindrice elementare de ordin
n, anume An = {E (e0 , ..., en ) / e0 , ..., en ∈ E} , constituie o partiţie a lui Ω.
8.2. SPAŢIUL PRODUS NUMĂRABIL 175
Deoarece familia aceasta este indiciată după punctele (e0 , ..., en ) din E n+1 ,
care este o mulţime cel mult numărabilă, rezultă că familia ı̂nsăşi este cel
mult numărabilă.
Următoarea propoziţie descrie câteva proprietăţi ale mulţimilor cilindrice.
(iv) σ (An ) = Fn .
care arată A ∈ Fn . Reciproc, din relaţia (*) rezultă că orice mulţime A ∈ Fn
se reprezintă sub forma A = Y −1 (B) cu B ⊂ E n+1 .
(iii) Dacă A este o mulţime ce se reprezintă ca la punctul (ii) putem utiliza
relaţia (**) pentru a deduce egalitatea
A= {X0 (ω) = e0 , ..., Xn (ω) = en } ,
(e0 ,...,en)∈B
Această egalitate pune ı̂n evidenţă faptul că Y −1 ({(x1 , ..., xn )}) ∈ σ (X1 , ..., Xn ) .
Cum mulţimea F n este cel mult numărabilă rezultă că orice submulţime
B ⊂ F n este cel mult numărabilă. Să tratăm cazul când ea este infinită; ea
se scrie atunci sub forma B = {y1 , y2, ...} . Vom avea relaţia
∞
−1
Y (B) = Y −1 ({yi}) ,
i=1
−1
care pune ı̂n evidenţă faptul că Y (B) este ı̂n σ (X1 , ..., Xn ) , ca o reuniune
numărabilă de mulţimi din σ (X1 , ..., Xn ) .2
Expresia din dreapta este aceeaşi pentru orice i = 1, 2 şi atunci tragem
concluzia că cele două măsuri coincid pe Fn şi deci pe G. Atunci, conform cu
teorema 8.1, va rezulta coincidenţa celor două măsuri. 2
Există două teoreme importante care construiesc măsuri de probabili-
tate pe spaţii produs, date de Kolmogorov şi Ionescu Tulcea. Pentru cazul
produsului de spaţii cel mult numărabile acestea sunt amândouă aplicabile.
Totuşi noi nu vom apela la ele ci vom da o demonstraţie directă cu sim-
plificările de rigoare. Punctul cheie este următoarea lemă, care sună cam ı̂n
tonul unei proprietăţi de compacitate.
Lema 8.4 Fie (An )n∈N un şir de mulţimi din G cu proprietatea că fiecare
se reprezintă sub forma
An = Bn × E × ... ,
cu o mulţime finită Bn ⊂ E mn +1 , unde mn este un anumit număr natural.
Presupunem că orice intersecţie finită de mulţimi din şirul dat este nevidă,
adică are loc relaţia
An = ∅, ∀k ∈ N.
n≤k
An = An = Bn × E × ...
n∈N n≥p n≥p
este o mulţime nevidă. În concluzie, a rămas de analizat situaţia ı̂n care şirul
(mn )n∈N tinde la infinit.
Pasul 2. Acum vom presupune că şirul din ipoteză, (An )n∈N , pe lângă
condiţiile de acolo, are şi proprietatea că este descrescător, iar şirul asociat
(mn )n∈N este crescător cu limita infinit. În aceste condiţii, vom demonstra, ı̂n
această fază, că, pentru fiecare n ∈ N, există un sistem de puncte i0 , ..., imn ∈
E astfel ı̂ncât să aibă loc relaţia
Punem k = max {k (e0 , ..., emn ) / (e0 , ..., emn ) ∈ Bn } şi atunci mulţimea cu
acest indice din şirul dat, Ak , va fi inclusă ı̂n fiecare din mulţimile Ak(e0 ,...,emn ) , (e0 , ..., emn ) ∈
Bn . În particular vom avea
Pentru aceasta vom considera şirul Al = E (i0 , ..., imn ) ∩ Al , l ∈ N. Este uşor
de văzut că acest şir satisface ipotezele de la Pasul 2. şi prin urmare putem
aplica concluzia de acolo cu n + 1. Deducem că există un sistem de puncte,
i0 , ...imn+1 ∈ E, astfel ı̂ncât să aibă loc relaţia
E i0 , ..., imn+1 ∩ Ak = ∅, ∀k ∈ N. (∗ ∗ ∗)
ceea ce nu este posibil decât dacă ik = ik pentru orice k ≤ mn . Atunci are
loc incluziunea
E (i0 , ..., imn ) ⊂ E i0 , ..., imn+1 ,
ceea ce permite să deducem din relaţia (***) următoarea relaţie
∅ = E i0 , ..., imn+1 ∩ Ak = E i0 , ..., imn+1 ∩ Ak .
Dacă schimbăm notaţia pentru punctele imn +1 , ..., imn+1 notându-le cu ace-
leaşi litere dar fără ,,prim”, adică cu imn +1 , ..., imn+1 , vom obţine că sistemul
completat de puncte i0 , ..., imn , imn +1 , ..., imn+1 coincide cu sistemul i0 , ...imn+1 .
În acest fel, ultima relaţie devine exact relaţia dorită, adică (**). Etapa
construcţiei inductive de trecere de la n la n + 1 a fost făcută, iar cu aceasta
am terminat şi demonstraţia pasului 3.
Pasul 4. Vom presupune condiţiile dela Pasul 2. şi vom utilizapunctul
ω ∈ Ω obţinut la Pasul 3. sub aceleaşi condiţii. Acum vom arăta că n An =
∅.
Relaţia (*), scrisă pentru fiecare n ∈ N cu primele mn componente ale
punctului ω şi cu k = n, ne dă
Lema 8.5 (i) Dacă B ⊂ E n şi C ⊂ B m , iar n ≤ m, atunci are loc relaţia
unde D = B × E m−n ∩ C ⊂ E m .
(ii) Pentru două mulţimi B, C ⊂ E n relaţia B × E × ... ⊂ C × E × ...
este echivalentă cu B ⊂ C.
(iii) Fie (An )n∈N un şir descrescător de submulţimi nevide ale lui E.
Dacă una dintre mulţimile şirului este finită, atunci intersecţia mulţimilor
din şir este nevidă.
8.3. CONSTRUCŢIA MĂSURILOR 181
An \An = An ∩ Ak = An ∩ (Ak ) =
c
k≤n k≤n
c
= An ∩ (Ak ) = (An \Ak ) ⊂ (Ak \Ak ) ,
k≤n k≤n k≤n
Aceasta implică µ (An ) = µ (An ) − µ (An \An ) > δ − δ/2 = δ/2. Concluzia
importantă ce o tragem de aici, este că mulţimile An , n ∈ N sunt toate
nevide, adică
Ak = ∅.
k≤n
Putem spune acum că şirul (An ) satisface toate ipotezele lemei 8.4 şi concluzia
ce o obţinem de acolo este că intersecţia tuturor acestor mulţimi este nevidă:
Ak = ∅,
k∈N
Lanţuri Markov
Un lanţ Markov descrie evoluţia ı̂n timp a unei ,,particule” care se mişcă ı̂ntr-
un ,,spaţiu”, ce se numeşte spaţiul stărilor şi va fi notat cu E. Vom presupune
că E este o mulţime cel mult numărabilă. Timpul este de asemenea discret
şi este reprezentat de N, mulţimea numerelor naturale.
Dacă mulţimea E este finită şi are n elemente ea poate fi identificată cu
o mulţime de numere naturale de tipul {1, 2, ...n} , iar ı̂n cazul când E este
numărabilă ea poate fi identificată cu N. Totuşi, ı̂n cadrul teoriei generale
care urmează, nu vom proceda astfel, pentru că structura particulară de
ordine pe mulţimea numerelor naturale nu este adecvată. Mai mult, pentru
fiecare exemplu de lanţ Markov o anumită structură specifică de graf, legată
de problema modelată, se dovedeşte de multe ori mai convenabilă. De aceea,
la nivel general este preferabil să se considere că spaţiul stărilor este o mulţime
amorfă. Singura structură ce o poartă E este cea de spaţiu măsurabil, cu
σ−algebra părţilor, P (E) .
183
184 CAPITOLUL 9. LANŢURI MARKOV
P (X0 = i0 , X1 = i1 , ..., Xn = in ) =
Ultima expresie poate fi recunoscută şi ı̂n sumele expresiei (*). Pentru a pune
ı̂n evidenţă acest lucru vom observa că sumele ı̂n raport cu en+1 , ..., em−1 din
expresia (*) se referă doar la ultimii termeni ai produsului. Deci ceilalţi,
primii termeni, pot fi daţi ı̂n factor ı̂n raport cu aceste sume. Prin urmare,
expresia (*) se poate scrie astfel
... µe0 p (0, 1, e0 , e1 ) ...p (n − 1, n, en−1 , i) ×
e0 ∈E0 e1 ∈E1 en−1∈En−1
× ... p (n, n + 1, i, en+1 ) ...p (m − 1, m, em−1 , j) .
en+1 ∈En+1 em−1 ∈Em−1
Se observă că acum expresia s-a separat ca un produs de două sume, din care
prima este tocmai (**). Deci expresia (*) se scrie
P (Xn = i, Xm = j) =
= P (Xn = i) en+1 ∈En+1 ... em−1 ∈Em−1 p (n, n + 1, i, en+1 ) ...p (m − 1, m, em−1 , j) .
p (n, m, i, j) =
= en+1 ∈En+1 ... em−1 ∈Em−1 p (n, n + 1, i, en+1 ) ...p (m − 1, m, em−1 , j) . (∗ ∗ ∗)
Mai departe, facem să se vadă şi suma după k ı̂n expresia anterioară,
p (n, m, i, j) = ... ... p (n, n + 1, i, en+1 ) ...×
en+1 ∈En+1 ek−1 ∈Ek−1 ek ∈Ek ek+1 em−1 ∈Em−1
Aşa scrisă, suma aceasta pune ı̂n evidenţă faptul că se poate aplica relaţia
(***) cu n, k şi separat cu k, m, iar ceea ce obţinem este egal cu
p (n, k, i, ek ) p (k, m, ek , j) .
ek ∈Ek
p (0, n1 , i0 , i1 ) = ... p (0, 1, i0 , e1 ) ...p (n1 − 1, n1 , en1 −1 , i1 )
e1 ∈E1 en1 −1 ∈En1 −1
Expresiile din dreapta acestor egalităţi se regăsesc ı̂n expresia (**) prin
scoaterea ı̂n factor grupată (un calcul similar am făcut ı̂n demonstraţia an-
terioară). De aceea, se deduce că expresia (**) este egală cu expresia finală
din (*).
Mai departe, vom scrie mulţimea cilindrică ce ne interesează ca o reuniune
de mulţimi disjuncte:
Aplicând P acestei egalităţi şi utilizând relaţia (*) se deduce relaţia din
enunţ.2
Observaţia 9.1 Din propoziţia anterioară se deduce printr-un calcul direct
că, pentru orice şir crescător de numere naturale (nk )k∈N , subşirul de vari-
abile (Xnk )k∈N verifică şi el definiţia lanţului Markov.
Observaţia 9.2 Fie n, m ∈ N astfel că n < m. Dacă i ∈ En şi j ∈ E\Em ,
atunci p (n, m, i, j) = 0.
9.2. CONSTRUCŢIA LANŢULUI MARKOV 189
Observaţia 9.3 Fie (Ω, F , P, Xn) un lanţ Markov şi p (n, m, i, j) , n < m, i ∈
En , j ∈ E, probabilităţile sale de trecere. Definim p (n, m, i, j) = δij , pentru
i ∈ E\En şi j ∈ E. Se poate verifica prin calcul direct că, astfel completat,
sistemul acesta de numere verifică proprietăţile unui sistem de probabilităţi
de trecere. De fapt, probabilităţile de trecere ale unui lanţ Markov pentru
care există un indice n ∈ N astfel ca En = E, pot fi completate ı̂n mai multe
feluri pentru a deveni sistem de probabilităţi de trecere. (Practic, din punctele
mulţimii E\En se poate continua mişcarea după momentul n urmând orice
alt sistem de probabilităţi de trecere.)
acesta se poate completa pe baza relaţiei anterioare astfel ı̂ncât să formeze
un sistem de probabilităţi de trecere.
Legat de matricele Pn,m vom mai utiliza notaţia Pn,m f , care, ı̂n cazul unei
funcţii
mărginite f : E → R, va desemna funcţia definită prin Pn,m f (i) =
p (n, m, i, j) f (j). Dacă funcţiile pe E sunt văzute ca vectori, atunci
j∈E
relaţia care defineşte Pn,m f este exact relaţia de ı̂nmulţire a matricei Pn,m cu
vectorul f , rezultatul fiind vectorul Pn,mf.
Teorema care urmează este rezultatul cel mai important al acestei secţiuni.
Ea permite construcţia măsurilor de probabilitate pe spaţiul produs infinit
Ω = E × E × ... care dau o structură de lanţ Markov pentru procesul
proiecţiilor canonice. Relativ la acest spaţiu vom utiliza notaţia introdusă ı̂n
secţiunea ,,Spaţiul produs numărabil”.
Teorema 9.1 Fiind dată o probabilitate µ = (µi / i ∈ E) şi un sistem de
probabilităţi de trecere {p (n, m, i, j) / n, m ∈ N, i, j ∈ E} , există o unică pro-
babilitate P pe (Ω, F ) care face din proiecţiile canonice (Xn )n∈N un lanţ
Markov cu repartiţia iniţială µ şi admiţı̂nd ca probabilităţi de trecere sistemul
dat.
Demonstraţie. Vom studia mai ı̂ntâi problema unicităţii măsurii pen-
tru că ea este ı̂n strânsă legătură cu o formulă ce sugerează şi construcţia.
Anume, pentru orice sistem de n + 1 puncte, e0 , ..., en ∈ E, are loc egalitatea
E (e0 , ..., en ) = {X0 = e0 , ..., Xn = en } .
Dacă ştim că P este o probabilitate ce face din (Xn )n∈N un lanţ Markov cu
probabilităţile de trecere date, atunci formula din lema 9.1 permite calculul
următor
9.2. CONSTRUCŢIA LANŢULUI MARKOV 191
Ţinând cont că, din proprietatea (2) din definiţia probabilităţilor de trecere
avem
p (n − 1, n, en−1 , en ) = 1,
en ∈E
rezultă că expresia precedentă devine
µe0 p (0, 1, e0 , e1 ) p (1, 2, e1, e2 ) ... p (n − 2, n − 1, en−2 , en−1 ) .
e0 ∈E e1 ∈E e2 ∈E en−1 ∈E
Această expresie este de aceeaşi formă ca cea anterioară doar că are mai
puţin un semn de sumare. Repetând de n ori acest calcul, expresia noastră
devine egală cu
= µe0 = 1.
e0 ∈E
Deoarece am verificat condiţia, putem aplica punctul 3. din paragraful de
complemente de teoria măsurii, deducând că probabilitatea P se defineşte
pentru orice mulţime din Fn de forma
A = B × E × ... = E (e0 , e1 , ..., en ) ,
(e0 ,...,en)∈B
192 CAPITOLUL 9. LANŢURI MARKOV
Mai departe, vom presupune că n ≥ 1 şi vom examina cum arată măsura P
pe σ− algebra mai mică Fn−1 ⊂ Fn . Mai precis, vom demonstra că măsura
astfel definită pe Fn verifică relaţia analoagă lui (*) pe atomii din Fn−1 ,
P (E (e0 , ..., en−1 )) = µe0 p (0, 1, e0, e1 ) ...p (n − 2, n − 1, en−2 , en−1 ) . (∗∗)
care are ı̂n membrul drept o reuniune de mulţimi disjuncte şi de aceea conduce
la
P (E (e0 , ..., en−1 )) = P (E (e0 , ..., en−1 , en )) =
en ∈E
= µe0 p (0, 1, e0, e1 ) ...p (n − 1, n, en−1 , en ) =
en ∈E
{Xn = en , Xn+1 = en+1 } = E (i0 , ..., in−1 , en , en+1 ) .
(i0 ,...,in−1 )∈E n
= µi0 p (0, 1, i0 , i1 ) p (1, 2, i1 , i2 ) ...p (n − 1, n, in−1 , en )
(i0 ,...,in−1 )∈E n
şi la fel
P (Xn = en , Xn+1 = en+1 ) = P (E (i0 , ..., in−1 , en , en+1 )) =
(i0 ,...,in−1 )∈E n
= µi0 p (0, 1, i0 , i1 ) p (1, 2, i1 , i2 ) ...
(i0 ,...,in−1 )∈E n
trecere; liniile sunt indexate după En iar coloanele după E. În cazul re-
alizării canonice a unui lanţ am văzut că există anumite σ− algebre asociate
proiecţiilor canonice. De fapt, şi ı̂n cazul general putem să definim la fel
Fn = σ (X0 , ..., Xn ) , n ∈ N,
care formează o familie de σ− algebre asociate lanţului. Aceste σ− algebre
separă evenimentele elementare ale spaţiului Ω după cum au fost evoluţiile
traiectoriilor asociate până la momentul n. Spunem că aceste σ− algebre
constituie filtraţia canonic asociată lanţului. Ele deţin informaţia despre tre-
cutul procesului până la momentul n. Se vede imediat că Fn ⊂ Fn+1 , pentru
orice n ∈ N. Mai notăm cu F∞ = σ (Xn / n ∈ N) , care este σ− algebra
generată de tot lanţul şi care, ı̂n general, este mai mică decât F . Pentru a
descrie câteva proprietăţi ale filtraţiei introducem următoarea notaţie:
Λ (e0 , ..., en ) = {X0 = e0 , ..., Xn = en } ,
An = Λ (e0 , ..., en ) / (e0 , ..., en ) ∈ E n+1 .
Evident, An constituie o partiţie cel mult numărabilă a lui Ω.
Lema 9.2 (i) A ∈ Fn dacă şi numai dacă se reprezintă sub forma
A = {ω ∈ Ω/ (X0 (ω) , ..., Xn (ω)) ∈ B}
cu o submulţime B ⊂ E n+1 .
(ii) Fn = σ (An ) .
şi de aceea, este suficient să demonstrăm relaţia ı̂n cazul ı̂n care are loc o
incluziune de forma A ⊂ {Xn = i} , unde i ∈ E este o stare arbitrară. Atunci
relaţia de verificat devine
P ({Xm = j} ∩ A) = E [p (n, m, i, j) ; A] = p (n, m, i, j) P (A) ,
care este relaţia deja demonstrată la punctul (i). 2
Remarcăm că relaţia de la punctul (i) poate fi scrisă şi sub forma
P (Xm = j ∩ A) = p (n, m, i, j) P (A) ,
caz ı̂n care nu mai este nevoie să cerem ca P (A) > 0.
pij = p (n, n + 1, i, j) ,
Deoarece pii1 = p (n, n + 1, i, i1 ) , ţinând cont şi de observaţia 9.2, rezultă că
pii1 = 0, pentru i1 ∈ E\En+1 . De aceea suma noastră devine
= ... p (n, n + 1, i, i1 ) pi1 i2 ...pik−1 j ,
i1 ∈En+1 i2 ∈E ik−1 ∈E
scriind şi mai detaliat sumele ce intervin. Repetăm acelaşi argument: pentru
i1 ∈ En+1 şi i2 ∈ E avem pi1 i2 = p (n + 1, n + 2, i1 , i2 ) şi atunci când i2 ∈
198 CAPITOLUL 9. LANŢURI MARKOV
Expresia din membrul drept al acestei egalităţi reprezintă valoarea lui p (n, m, i, j)
calculată prin aplicarea repetată a propoziţiei 9.1. 2
Lema 9.4 Are loc incluziunea θk−1 (Fn ) ⊂ Fn+k şi egalitatea θk−1 (F ) =
σ (Xn /n ≥ k) , pentru orice k, n ∈ N, k ≥ 1.
Demonstraţie. Prima incluziune este o consecinţă a egalităţii
θk−1 ({X0 = e0 , ..., Xn = en }) = {Xk = e0 , ..., Xk+n = en }
şi a modului ı̂n care este descrisă Fn ı̂n termenii mulţimilor cilindrice ele-
mentare de rang n. Din prima incluziune rezultă şi θk−1 (G) ⊂ G. Pentru a
deduce cea de a doua incluziune vom nota
U = A ⊂ Ω/θk−1 (A) ∈ F .
Din cele spuse anterior rezultă că are loc incluziunea G ⊂ U. Se verifică că U
este o σ− algebră. Într-adevăr, egalităţile
θk−1 i∈N A i = i∈N θk−1
c (Ai ) ,
θk−1 (Ac ) = θk−1 (A) ,
(care sunt valabile pentru orice aplicaţie) permit verificarea proprietăţilor din
definiţia σ− algebrei. Dar o σ− algebră ce conţine G trebuie să conţină şi
pe F . Deci mulţimile din F se bucură de proprietatea ce defineşte familia U.
Este exact ce doream. 2
Descrierea dată mai sus pentru θk−1 (F ) ne ı̂ndreptăţeşte să spunem că
această σ− algebră reprezintă evenimentele viitoare din evoluţia procesului
faţă de momentul prezent k.
Cu notaţia de mai sus, putem enunţa proprietatea Markov, ı̂n propoziţia
care urmează, sub o formă care accentuează ideea că evoluţia de după mo-
mentul n nu depinde de ceea ce a fost ı̂nainte de acest moment, ci doar de
poziţia de la momentul n.
Propoziţia 9.5 Fie µ = (µe )e∈E o măsură de probabilitate pe E, n ∈ N şi
o mulţime B ∈ Fn astfel că P (B) > 0. Notăm ν = (νe )e∈E repartiţia lui Xn
sub probabilitatea condiţionată P µ (·/B) , definită de νe = P µ (Xn = e/B) .
Atunci are loc formula
P µ θn−1 (A) /B = P ν (A) ,
pentru orice A ∈ F . Dacă mulţimea faţă de care condiţionăm satisface o
incluziune de tipul B ⊂ {Xn = i} , pentru o anumită stare i ∈ E, atunci
formula precedentă devine
P µ θn−1 (A) /B = P i (A)
200 CAPITOLUL 9. LANŢURI MARKOV
Demonstraţie. Mai ı̂ntâi, remarcăm că, ı̂n cazul ı̂n care are loc o
incluziune de tipul B ⊂ {Xn = i} , atunci are loc egalitatea ν = δi . În partic-
ular, vedem că cea de a doua formulă din enunţ rezultă din prima. Apoi vom
trece la demonstraţia relaţiei din enunţ ı̂n cazul ı̂n care B este o mulţime cilin-
drică elementară, fie ea B = E (e0 , ..., en−1 , i) , cu e0 , ..., en−1 , i ∈ E. Relaţia
ce avem de demonstrat se scrie atunci sub forma
P µ θn−1 (A) ; E (e0 , ..., en−1 , i) = P µ (E (e0 , ..., en−1 , i)) P i (A) ,
Ţinând cont de lema 10.1, este suficient să verificăm această relaţie pentru
mulţimile cilindrice elementare. În continuare vom verifica această relaţie ı̂n
cazul ı̂n care A = E (i0 , ..., im ) , i0 , ..., im ∈ E, m ∈ N. Atunci avem
Să trecem acum la cazul ı̂n care mulţimea B ∈ Fn este generală, dar
inclusă ı̂n mulţimea {Xn = i} . Deoarece are loc egalitatea
{Xn = i} = E (e0 , ..., en−1 , i) ,
(e0 ,...,en−1 )∈E n
iar mulţimea B este inclusă ı̂n {Xn = i} , rezultă că aceasta poate fi scrisă
sub forma
B= Bl ,
l∈I
care uneori este mai comodă, pentru că această relaţie este valabilă sub
ipotezele din enunţ simplificate, prin aceea că nu se mai cere ca P µ (B) > 0.
Proprietatea Markov se poate enunţa ı̂n termenii mediilor condiţionate,
generalizând forma dată ı̂n propoziţia 9.3 (ii), ı̂n felul următor.
202 CAPITOLUL 9. LANŢURI MARKOV
E µ [Y ◦ θn /Fn ] = E Xn (Y ) .
E µ [Y ◦ θn ; B] = P µ (B) E i Y.
Dar acum putem aplica punctul (ii) al propoziţiei precedente, pentru a deduce
că fiecare termen al primei sume este egal cu corespondentul său din cea de
9.3. ALTE FORME ALE PROPRIETĂŢII MARKOV 203
a doua sumă. Putem trage concluzia că, ı̂n cazul particular Y = 1A , relaţia
(#) este verificată.
Să observăm acum că relaţia (#) poate fi imediat dedusă şi pentru cazul
unei variabile etajate. Apoi se descompune Y = Y + − Y − , unde Y + = Y ∨ 0
şi Y − = (−Y ) ∨ 0, astfel că problema se reduce la cazul variabilelor pozitive.
În fine se utilizează aproximarea unei variabile pozitive cu un şir crescător de
variabile etajate date de punctul 5. din paragraful de complemente de teoria
măsurii. Dacă Y = limn→∞ Yn , unde (Yn ) este şirul crescător de variabile
etajate, ştim că relaţia (#) este valabilă pentru fiecare din variabilele Yn .
Prin trecere la limită, se obţine şi relaţia pentru Y.
Cea de a doua relaţie din enunţ rezultă imediat din relaţia (#). 2
E µ [Y ◦ θT ; B] = P µ (B) E i Y,
9.3. ALTE FORME ALE PROPRIETĂŢII MARKOV 205
Demonstraţie. (i) Să presupunem mai ı̂ntâi că are loc incluziunea
B ⊂ {XT = i} . Observăm că mulţimea B poate fi exprimată sub forma
unei reuniuni de mulţimi disjuncte B = n∈N Bn , unde Bn = B ∩ {T = n} .
Conform cu lema de mai jos, va fi suficient să demonstrăm relaţia pentru
fiecare din mulţimile Bn , n ∈ N. Dar o astfel de mulţime aparţine lui Fn
şi are loc relaţia Bn ⊂ {Xn = i} . Atunci formula rezultă din propoziţia 9.5,
ţinând cont şi de relaţia
P (A/Bl ) = c, ∀l ∈ I,
atunci P A/ l∈I Bl = c.
Propoziţia 9.7 Au loc egalităţile: (i) Wn = Γ−1 (Fn ) , (ii) W = Γ−1 (F ) şi
(iii) P ◦ Γ−1 = P µ .
pentru orice mulţime cilindrică elementară. Cum avem Γ−1 (E (e0 , ..., en )) =
{Y0 = e0 , ..., Yn = en } , prin aplicarea lemei 9.1, rezultă
P Γ−1 (E (e0 , ..., en )) = µe0 pe0 e1 ...pen−1 en = P µ (E (e0 , ..., en )) ,
pentru orice mulţime A ∈ Wn , astfel că A ⊂ {Zn = i} şi P (A) > 0. Deoarece
orice mulţime de tipul {Z0 = e0 , ..., Zn−1 = en−1 , Zn = i} este ı̂n Wn , această
ultimă proprietate implică proprietatea Markov. Deci (Zn )n∈N este un lanţ
Markov, el este chiar omogen şi admite probabilităţile de trecere generate
de matricea p. (Este de notat că orice lanţ Markov satisface proprietatea
(*) de mai sus relativ la filtraţia sa naturală.) Mai presupunem că este dat
T : W → N ∪ {∞} , care e un timp de oprire pentru filtraţia (Wn )n∈N
şi definim aplicaţiile Yn = ZT +n , n ∈ N, pe mulţimea {T < ∞} . Analog
notaţiei introduse mai sus, definim aplicaţia Γ : {T < ∞} → Ω, cu valori ı̂n
spaţiul canonic Ω = E × E × ..., punând Γ (w) = (Y0 (w) , Y1 (w) , ...) . Pre-
supunem că B ∈ WT este un eveniment astfel ca B ⊂ {T < ∞}şi P (B) > 0.
Notăm cu PB probabilitatea condiţionată definită prin PB (A) := P P(A∩B) (B)
,
pentru A ∈ W. Atunci relaţia (*) permite exprimarea proprietăţii tare
Markov ı̂n felul următor.
Propoziţia 9.8 În condiţiile enunţate mai sus, sub probabilitatea PB , (Yn )n∈N
este un lanţ Markov omogen, ale cărui probabilităţi de trecere sunt generate
de matricea p. Dacă A ⊂ Ω este ı̂n F ,atunci are loc formula
PB Γ−1 (A) = P ν (A) ,
unde ν = (νe )e∈E este repartiţia lui ZT sub PB definită prin νe = PB (ZT = e) .
Demonstraţie. Mai ı̂ntâi, să verificăm că (Yn )n∈N este markovian.
Dorim să arătăm că are loc relaţia
pentru orice puncte e0 , ..., en−1 , i, j ∈ E, pentru care are sens condiţionarea.
Această relaţie este echivalentă cu următoarea
Pentru a putea face calcule cu expresiile de mai sus, vom introduce mulţimile
Bk = B ∩ {T = k} , k ∈ N. Înlocuind pe B cu Bk , expresia din stânga relaţiei
de mai sus devine
P (Y0 = e0 , ..., Yn−1 = en−1 , Yn = i, Yn+1 = j; Bk ) =
P (Zk = e0 , ..., Zk+n−1 = en−1 , Zk+n = i, Zk+n+1 = j; Bk ) .
Ţinând cont că B ∈ WT , deducem că Bk ∈ Wk şi atunci putem utiliza relaţia
(*) pentru a pune ultima expresie sub forma
relaţie care este valabilă fără a mai necesita condiţia ca P (B) > 0.
210 CAPITOLUL 9. LANŢURI MARKOV
Capitolul 10
În continuare, vom păstra cadrul stabilit ı̂n paragraful Lanţuri omogene şi
vom utiliza notaţiile introduse până la aici. Cu alte cuvinte, vom presupune
fixată o matrice stochastică p = (pij ) pe spaţiul stărilor E şi studiem procesul
canonic sub diverse măsuri P µ , asociate sistemului de probabilităţi de tre-
cere generate de p. Utilizăm toate notaţiile stabilite anterior pentru procesul
canonic.
Pentru a analiza modul ı̂n care evoluează procesul trecând dintr-o stare
ı̂n alta, o importanţă deosebită o au timpii primei vizite ı̂ntr-o stare, pe care
ı̂i definim acum. Fiind dat punctul (sau starea) i ∈ E, notăm cu Ti : Ω →
N∗ ∪ {∞} aplicaţia definită prin
211
212 CAPITOLUL 10. COMUNICAREA ÎNTRE STĂRI
(ii) Se spune că ,,i şi j comunică” şi vom nota i ↔ j dacă cele două
puncte au acces, reciproc, unul la altul.
La cel de al doilea semn egal am utilizat faptul că 1{i} (Xn ) = 1{Xn =i} . Aceasta
a fost prima formulă din enunţ.
Trecem la verificarea celei de a doua formule. Pentru n = 0 avem
P j (ηi = 0) = P j (Ti = ∞) = 1 − P j (Ti < ∞) = 1 − hji .
Pentru n ≥ 1 avem
−1
P j (ηi = n) = P j (Ti ◦ θRn = ∞, Rn < ∞) = P j θRn
(Ti = ∞) ∩ {Rn < ∞} .
Deoarece mulţimea {Rn < ∞} aparţine lui FRn şi pe ea are loc egalitatea
XRn = i, sunt ı̂ntrunite condiţiile ca să aplicăm proprietatea tare Markov şi
să scriem ultima cantitate sub forma
P i (Ti = ∞) P j (Rn < ∞) = (1 − hi ) P j (Rn < ∞) .
Mai departe, se calculează
P j (Rn < "∞) = P j Rn−1 < ∞, Ti ◦ θRn−1 #< ∞
−1
= P j θRn−1
(Ti < ∞) ∩ {Rn−1 < ∞} ,
216 CAPITOLUL 10. COMUNICAREA ÎNTRE STĂRI
care arată că ηi este finită, P j -aproape sigur. Atunci putem scrie ηi =
∞
n=1 n1{ηi =n} , P − a.s. şi, luând media, obţinem
j
∞
∞
Eηi = nP (ηi = n) = nhji hn−1
i (1 − hi ) .
n=1 n=1
Suma astfel obţinută se calculează după relaţia din lema de mai jos şi se
obţine rezultatul din enunţ. 2
Corolarul 10.2 (i) Faptul că starea i este tranzientă este echivalent cu
fiecare din următoarele două relaţii: P i (ηi < ∞) = 1, sau E i ηi < ∞.
(ii) Faptul că starea i este recurentă este echivalent cu fiecare din următoarele
două relaţii: P i (ηi = ∞) = 1, sau E i ηi = ∞.
10.2. CLASE RECURENTE 217
Demonstraţie. Din teorema anterioară, ştim că, ı̂n cazul unei stări
tranziente, există o formulă explicită pentru media E i ηi , formulă care arată
şi finitudinea acestei medii. Atunci rezultă şi faptul că ηi < ∞, P i − a.s.
Pe de altă parte, tot din teorema anterioară, cunoaştem repartiţia vari-
abilei ηi . Iar ı̂n cazul ı̂n care i este recurentă, această repartiţie ne dă P i (ηi = n)
= 0, pentru orice n ∈ N∗ . Rezultă că ηi poate lua doar valorile ∞ sau 0, P i
-aproape sigur. Dar ı̂n cazul recurent avem P i (Ti < ∞) = 1, deci ηi > 0,
aproape sigur. Rezultă că, de fapt, Ti = ∞, P i -aproape sigur.
Faptele prezentate mai sus sunt suficiente pentru a deduce concluziile din
enunţul corolarului fără dificultate. 2
Observăm că mulţimile {ηi = ∞} şi {ηi < ∞} sunt complementare una
alteia. Ţinând cont de descrierea lor ı̂n funcţie de şirul de timpi (Rn )n∈N∗ ,
asociat punctului i, rezultă că echivalenţele din corolarul anterior pot fi com-
pletate fiecare astfel:
(i) starea i este tranzientă dacă şi numai dacă P i (∪n∈N∗ {Rn = ∞}) = 1,
(ii) starea i este recurentă dacă şi numai dacă P i (∩n∈N∗ {Rn < ∞}) = 1.
Lema 10.5 Dacă are loc relaţia Ti (ω) > n, atunci are loc egalitatea Ti (ω) =
n + Ti ◦ θn (ω) .
n+Ti ◦θn (ω) = inf {n + k/k ≥ 1, Xk+n (ω) = i} = inf {l ≥ n + 1/Xl (ω) = i} .
că sub P i are loc următorul fenomen: dacă nu este vizitată starea j ı̂nainte
de reı̂ntoarcerea ı̂n puncul de plecare, atunci ı̂nseamnă că de fapt starea j nu
mai este niciodată vizitată.
Propoziţia 10.2 Dacă i = j sunt două stări distincte şi P i (Tj < Ti ) = 0,
atunci P i (Tj < ∞) = 0.
Demonstraţie. Vom utiliza mai ı̂ntâi lema 10.5 pentru a deduce că, pe
mulţimea {Ti < Tj } , are loc egalitatea Tj = Ti + Tj ◦ θTi . Deci putem scrie
{Tj < ∞, Ti < Tj } = {Tj ◦ θTi < ∞, Ti < Tj } . Ţinând cont şi de lema de mai
jos, avem {Ti < Tj } ∈ FTi şi, prin urmare, putem aplica proprietatea tare
Markov deducând
Lema 10.6 Dacă S, T sunt doi timpi de oprire, atunci fiecare din mulţimile
{S < T } , {S ≤ T } şi {S = T } aparţine intersecţiei FS ∩ FT .
Demonstraţie. Pentru fiecare n ∈ N putem scrie
n
c
{S < T } ∩ {S = n} = {n < T } ∩ {S = n} = {T = k} ∩ {S = n} ,
k=0
relaţie ce pune ı̂n evidenţă faptul că mulţimea din stânga aparţine lui Fn .
Am verificat astfel că {S < T } este ı̂n FS .
Apoi scriem
n−1
{S < T } ∩ {T = n} = {S = k} ∩ {T = n} ,
k=0
relaţie care arată că mulţimea din membrul stâng este ı̂n Fn . Cum această
proprietate este valabilă pentru orice n ∈ N, rezultă că {S < T } aparţine lui
FT .
Rezultă că {S < T } ∈ FS ∩ FT . Complementara acestei mulţimi va
aparţine de asemenea celor două σ−algebre: {T ≤ S} = {S < T }c ∈ FS ∩
FT . Dar rolul timpilor S şi T este simetric ı̂n aceste raţionamente şi de aceea
vom avea {S ≤ T } ∈ FS ∩ FT . În fine, putem scrie {S = T } = {S ≤ T } ∩
{T ≤ S} ∈ FS ∩ FT . 2
Următoarea teoremă este principalul instrument care ne va permite să
ı̂ncheiem discuţia despre comunicarea ı̂ntre stări.
Teorema 10.2 Dacă starea i este recurentă şi i → j, atunci starea j este
şi ea recurentă, şi au loc relaţiile P i (Tj < ∞) = 1 şi P j (Ti < ∞) = 1. În
particular, avem i ↔ j.
Demonstraţie. Ţinând cont de propoziţia 10.3 de mai sus, evenimentele
{Tj < ∞} şi {Ti < Tj } sunt independente sub P i şi, de aceea, la fel sunt şi
evenimentele {Tj < ∞} şi {Ti ≥ Tj } . Deci putem scrie
P i (Tj < ∞, Tj ≤ Ti ) = P i (Tj < ∞) P i (Tj ≤ Ti ) .
Pe de altă parte, deoarece pe mulţimea {Ti < ∞} are loc egalitatea
XTi = i şi are loc o proprietate similară ı̂n raport cu starea j, se constată că,
neapărat, are loc egalitatea
{Ti = Tj } = {Ti = ∞} ∩ {Tj = ∞} .
220 CAPITOLUL 10. COMUNICAREA ÎNTRE STĂRI
Cum punctul i este recurent, avem P i (Ti < ∞) = 1, ceea ce implică P i (Tj ≤ Ti )
= P i (Tj < Ti ) . Pe de altă parte, ipoteza i → j ı̂mpreună cu propoziţia 10.2
ne asigură că P i (Tj < Ti ) > 0. De aceea putem simplifica ı̂n relaţia (*) şi
obţinem
P i (Tj < ∞) = 1.
Mai departe, vom examina mulţimea A = Tj < ∞, Ti ◦ θTj = ∞ . Vom
arăta, mai ı̂ntâi, că această mulţime
nu intersectează mulţimea ∩n∈N
∗ {Rn < ∞} .
Dacă ω ∈ A, atunci avem Xk θTj (ω) = XTj (ω)+k (ω) şi relaţia Ti θTj (ω) =
∞ implică XTj (ω)+k (ω) = i, pentru orice k ∈ N∗ . Altfel spus, Xn (ω) = i,
pentru orice n ≥ Tj (ω) + 1.
Pe de altă parte, ştim că Rn (ω) ↑ ∞, şi XRn (ω) (ω) = i, dacă Rn (ω) < ∞.
Deci dacă ω ∈ ∩n∈N∗ {Rn < ∞} , rezultă că mulţimea {n ∈ N∗ /Xn (ω) = i}
este infinită. Aceasta vine ı̂n contradicţie cu proprietatea arătată pentru
ω ∈ A. Deci A ∩ (∩n∈N∗ {Rn < ∞}) = ∅.
Deoarece P i (∩n∈N∗ {Rn < ∞}) = 1, rezultă atunci că P i (A) = 0. Dar,
aplicând proprietatea tare Markov, această ultimă relaţie devine
" #
0 = P i Tj < ∞, Ti ◦ θTj = ∞ = P i {Tj < ∞} ∩ θT−1 j
(Ti = ∞)
= P (Ti = ∞) P (Tj < ∞) = P (Ti = ∞) ,
j i j
P j (Ti < ∞) = 1.
Corolarul 10.3 (i) Stările din aceeaşi clasă sunt toate recurente sau toate
tranziente.
(ii) O clasă de puncte recurente C este ı̂nchisă, ı̂n sensul că are loc relaţia
P (Tj < ∞) = 0, pentru orice puncte i ∈ C, j ∈ C c .
i
(iii) Dacă i ↔ j şi stările sunt recurente, atunci are loc relaţia
Comportament asimptotic
În acest capitol presupunem că spaţiul E reprezintă o singură clasă re-
curentă. Ţinând cont de teorema 10.2, această presupunere implică fini-
tudinea Tj < ∞, P µ − a.s., pentru orice punct j ∈ E şi orice măsură de
probabilitate µ. Vom considera fixată o stare i ∈ E, pentru care introducem
variabila
k
ηi,k = 1{i} (Xl ) ,
l=1
care este variabila ce numără vizitele pe care le face o traiectorie a lanţului ı̂n
starea i până la momentul k ∈ N. Ne propunem să studiem comportamentul
asimptotic al mediei empirice k1 ηi,k , când k → ∞.
În legătură cu contorizarea aceasta a vizitelor avem şi timpii revenirilor
succesive ı̂n starea i, Rn , n ∈ N∗ , care exprimă precis momentul la care se
petrece a n−a vizită, dar care au dezavantajul de a fi aleatori. Vom vedea
mai jos cum se combină cele două moduri de contorizare ı̂n obţinerea limitei
mediei empirice.
Conform cu punctul (iii) al corolarului 10.3, este satisfăcută
relaţia P µ n∈N∗ {Rn < ∞} = 1, pentru orice măsură de probabilitate µ.
223
224 CAPITOLUL 11. COMPORTAMENT ASIMPTOTIC
P µ (τ1 = l1 , ..., τn = ln ) =
−1
=P µ
{τ1 = l1 , ..., τn−1 = ln−1 , Rn < ∞} ∩ θR n
(Ti = ln ) .
Mulţimea A = {τ1 = l1 , ..., τn−1 = ln−1 , Rn < ∞} , care apare ı̂n membrul
drept al relaţiei, se scrie şi sub forma
Ţinând cont de faptul că FRk−1 ⊂ FRk , rezultă {Rk − Rk−1 = lk−1 } ∈ FRk , şi
atunci A ∈ FRn . Atunci putem aplica proprietatea tare Markov şi exprimăm
membrul drept al relaţiei dinainte sub forma
Teorema 11.2 Fie (W, W, P ) un spaţiu probabilizat pe care sunt date vari-
abilele X1 , X2 , ..., independente, identic repartizate şi integrabile. Atunci are
loc relaţia limită
1
lim (X1 + ... + Xn ) = EX1 , P − a.s.
n→∞ n
În contextul nostru este util următorul corolar, pe care-l vom demonstra.
Corolarul 11.1 Dacă ı̂n enunţul precedent se presupune că variabilele sunt
pozitive, atunci concluzia rămâne valabilă fără a mai cere integrabilitatea.
Bineı̂nţeles că teorema anterioară este valabilă relativ la fiecare din stările
j ∈ E, adică are loc relaţia limk→∞ k1 ηj,k = m1j , P µ − a.s.
În continuare, vom examina contorizarea revenirilor ı̂ntr-o stare j = i, dar
vom face acest lucru ţinând evidenţa ı̂n raport cu ceea ce se ı̂ntâmplă ı̂ntr-
un interval (Rn , Rn+1 ) dintre două vizite ı̂n punctul i, fixat. Notăm pentru
aceasta
ξ0 (ω) = 1{j} (Xl (ω)) , ξn (ω) = 1{j} (Xl (ω)) , n ∈ N∗ ,
0<l<Ti (ω) Rn (ω)<l<Rn+1 (ω)
este ı̂n FRn+1 . Să presupunem că l este fixat şi să verificăm proprietatea din
definiţia mulţimilor din FRn+1 . Fie k ∈ N şi să arătăm că mulţimea
este ı̂n Fk . Dacă k ≤ l, atunci această intersecţie este vidă şi nu avem nimic
de verificat. Dacă l < k, atunci ţinem cont că mulţimea {Rn < l < Rn+1 }
aparţine lui FRn+1 şi, prin urmare, {Rn < l < Rn+1 } ∩ {Rn+1 = k} ∈ Fk . Dar
mulţimea {Xl = j} este ı̂n Fl , care este incus ı̂n Fk . Rezultă că mulţimea din
expresia (*) este ı̂n Fk şi cu aceasta am reuşit să demonstrăm că mulţimea
{Rn < l < Rn+1 } aparţine lui FRn+1 . Demonstraţia punctului 5. este ı̂ncheiată.
Dar principalele proprietăţi ale variabilelor ξn sunt prezentate ı̂n lema
care urmează.
P µ (ξ1 = l1 , ..., ξn = ln ) =
−1
=P µ
{ξ1 = l1 , ..., ξn−1 = ln−1 , Rn < ∞} ∩ θR n
(ξ0 = ln ) .
la fel ca ı̂n cazul măsurilor de probabilitate. Se obţine ı̂n acest fel o aplicaţie
µ : P (E) → [0, ∞] care este aditivă şi chiar σ− aditivă. Adică este ı̂ndeplinită
condiţia
µ (∪n∈N An ) = µ (An ) ,
n∈N
pentru orice şir (A n )n∈N ⊂ P (E) , format din mulţimi disjuncte. Deoarece
lipseşte condiţia e∈E µe = 1, nu avem valori neapăratfinite pentru µ (A) .
Dacă ı̂nsă familia de numere (µe )e∈E satisface condiţia e∈E µe < ∞, atunci
este clar că toate valorile µ (A) sunt finite. Spunem că µ este o măsură finită,
ı̂n acest caz. În general, vom spune că o măsură asociată ca mai sus unei
familii arbitrare de numere pozitive, (µe )e∈E , este o măsură σ−finită. Ca
notaţie, vom identifica măsura cu familia de numere: µ = (µe )e∈E .
Fiind dată o măsură σ−finită, µ = (µe )e∈E , se poate face o operaţie
de
compunere cu matricea stochastică p, ı̂n felul următor. Se notează νe =
j∈E µj pje şi, ı̂n caz că această sumă este finită pentru orice e ∈ E, ı̂nseamnă
că avem definită o altă familie de numere, (νe )e∈E ⊂ R+ , care defineşte o altă
11.2. MĂSURI INVARIANTE 231
1 1
lim ηe,k = , a.s.,
k→∞ k me
pentru orice stare e ∈ E. Ţinând cont că 0 ≤ k1 ηe.k ≤ 1, rezultă că putem
trece la limită sub integrală şi avem limk→∞ k1 E µ (ηe.k ) = m1e . Dar un calcul
direct ne dă
k
k
E µ (ηe.k ) = E µ 1{e} (Xl ) = P µ (Xl = e)
l=1 l=1
Pentru aceasta vom exprima mulţimea a cărei probabilitate dorim să o cal-
culăm ı̂n trei expresii diferite astfel
{X0 = e0 , ..., Xn = en } cazul (a)
{Y0 = e0 , ..., Yn = en } = {X0 = e0 , ..., Xk−1 = ek−1 , Xk = i} cazul (b) ,
∅ cazul (c)
ı̂n toate cele trei cazuri. Din această relaţie rezultă afirmaţia (i).
(ii) Vom defini aplicaţia Γ : Ω → Ω, ı̂n felul următor
adică o traiectorie din Ω este transformată ı̂ntr-o altă traiectorie prin procesul
(Yn )n∈N . Propoziţia 9.7 ne asigură că aplicaţia Γ este măsurabilă şi că are
loc egalitatea P µ ◦ Γ−1 = P µ . Vom mai nota
∞
∞
Λ= {Xk ∈ E0 } ∩ {Xk = i} ,
n=0 k=0 k=n
11.2. MĂSURI INVARIANTE 235
∞
1
µe qej = µe δej + pn = µj + E µ (Tj < ∞) ,
e∈E e∈E
ej
n=1
1− E j (Tj < ∞)
e∈E e∈E0
n
= pji + pje pei + ... + (p )je pei = (p )je pei .
n k
ξ0 = 1{X1 =i} ξ ◦ θ.
n=1
Ţinând cont de punctul (iii) din propoziţia 11.3, se deduce că ultima expresie
devine
= pii + pie = 1 = mii .
e∈E0
Ţinând cont de expresia ce defineşte q, se constată că are loc relaţia qp =
q − (p )0 , astfel că ultima expresie devine
= pio + e∈E0 pie (qeo − δeo ) =
= e∈E0 pie qeo = mio .
238 CAPITOLUL 11. COMPORTAMENT ASIMPTOTIC
ceea ce implică µj = 0. 2
Lema 11.7 Dacă o măsură σ−finită, µ = (µe )e∈E , satisface relaţia µp ≤ µ,
atunci ea este invariantă.
Demonstraţie. Relaţia pe care o satisface µ este o inegalitate ı̂ntre
măsuri şi ea revine la
µj pje ≤ µe , ∀e ∈ E.
j∈E
Împărţim această relaţie cu mi , şi obţinem j∈E µj = 1. 2
Bibliografie
[2] P. Billingsley, Probability and Measure, ediţia a doua, John Wiley &
Sons, New York - Chichester - Brisbane - Toronto - Singapore, 1986.
[3] Ph. Bougerol, Processus de Sauts et Files d’Attente. Cours DEA, Inter-
net, 2002.
241
242 BIBLIOGRAFIE
[13] M. Iosifescu, Lanţuri Markov finite şi aplicaţii, Editura tehnică, Bu-
cureşti, 1977.
[16] J. Kemeny, J.L. Snell, A.W. Knapp, Denumerable Markov Chains, ediţia
a doua, Springer, New York - Heidelberg - Berlin, 1976.
[23] E. Partzen, Modern Probability Theory and Its Applications, John Wi-
ley & Sons, New York - London, 1960.