Figure 1: Sistem complet de evenimente asociat lui Ω

seminar 3 probabilităţi]Probabilităţi condiţionate

1 Probabilităţi condiţionate
Definiţia 1. Se numeşte probabilitatea evenimentului A condiţionată de
evenimentul B, numărul p(A/B) = p(A∩B)
p(B) ; formula are sens dacă p(B) ̸= 0.

7 3 6
Exemplu 1. Dacă p(A/B) = 10 ; p(A/CB) = 10 ; p(B/A) = 10 , calculaţi p(A).

Dem. ⟨⟨ -Vom explicita toate datele cu definiţia probabilităţii condiţionate:⟨⟨

p(A/B) = p(A∩B)
p(B) = 10 ⇒ p(A ∩ B) = 10 · p(B);
7 7

p(A∩CB)
p(A/CB) = 3
p(CB) = 10 ⇒ p(A ∩ CB) = 3
10 · p(CB);
p(B∩A)
p(A) = 10 ⇒ p(A ∩ B) = · p(A);
6 6
p(B/A) = 10
⟨⟨ -din prima şi a treia relaţie⟨⟨ ⇒ 10 · p(B) = 10
7 6
· p(A);
⟨⟨ -pentru că vrem să-l aflăm pe p(A), este mai bine să-l determinăm pe p(B)
în funţie de p(A) ⟨⟨ ⇒ p(B) = 67 · p(A);
⟨⟨ -în expresia p(A ∩ CB) recunoaştem imediat:⟨⟨
p(A ∩ CB) = p(A\B) = p(A) − p(A ∩ B) = p(A) − 10 6
· p(A) = 10
4
· p(A);
p(CB) = 1 − p(B) = 1 − 7 · p(A) şi înlocuind în a doua egalitate ⇒
6

10 · p(A) = 10 (1 − 7 · p(A));
4 3 6

⟨⟨ -pentru a vedea mai uşor calculele⟨⟨ notăm p(A) = x ⇒

10 · x = 10 − 70 · x ⇒
4 3 18

( 10 + 70 ) · x = 46
4 18
70 · x = 10 ⇒ x = p(A) = 46 .
3 21

2 Formula probabilităţii totale

şi teorema lui Bayes, sau teorema ipotezelor
⟨⟨ -Vom începe cu un scurt rezumat teoretic.
-Pentru că este mai greu în acest program să se lucreze cu curbe, voi schiţa un
dreptunghi ca în figura 1.⟨⟨

Definiţia 2. Fie (Ω, K, p) un câmp, sau σ-câmp de probabilitate. (Ai )i∈I ,

I ⊂ N , se numeşte sistem complet de evenimente, dacă:
(1) Ai ∩ Aj = ∅, ∀i ̸= j;
∪
(2) Ai = Ω.
i∈I

1
Se observă că un sistem complet de evenimente, realizează o partiţie a lui Ω.
Mulţimea I este finită, sau numărabilă.

⟨⟨ -Teorema care urmează a fost enunţată şi demonstrată la curs.⟨⟨

Teorema 1. (1) (formula probabilităţii totale) Dacă (Ω, K, p) este câmp, sau
σ-câmp de probabilitate, (Ai )i∈I , I ⊂ N , este sistem complet de evenimente şi
A este un eveniment arbitrar, atunci
∑
p(A) = p(Ai ) · p(A/Ai );
i∈I
(2) (teorema lui Bayes, sau teorema ipotezelor) are loc şi egalitatea
p(Ai /A) = p(Ai )·p(A/A
p(A)
i)
, ∀i ∈ I.

Exemplu 1. Se dau trei urne cu structura: prima are 2 bile albe şi 4 bile roşii,
a doua 2 albe şi 8 roşii, a treia 6 albe şi 2 roşii. Se extrage o bilă din una din
urne. Calculaţi: (1)probabilitatea ca bila extrasă să fie albă; (2)dacă bila
extrasă este albă, care este probabilitatea să fie din prima urnă;
(3)probabilitatea ca bila extrasă să fie roşie; (4)dacă bila extrasă este roşie,
care este probabilitatea să fie din a doua urnă.

Dem. (1) Fie evenimentele:

A1 : ”extragerea se face din prima urnă”
A2 : ”extragerea se face din a doua urnă”
A3 : ”extragerea se face din a treia urnă”
A : ”bila extrasă este albă”.
{A1 , A2 , A3 } formează sistem complet de evenimente şi
p(A1 ) = p(A2 ) = p(A3 ) = 13 ;
cu formula probabilităţii totale şi ţinând cont că de exemplu p(A/A1 )
înseamnă probabilitatea de a extrage o bilă albă dacă extragerea se face din
prima urnă, deci p(A/A1 ) = 26 , atunci
p(A) = p(A1 ) · p(A/A1 ) + p(A2 ) · p(A/A2 ) + p(A3 ) · p(A/A3 ) =
= 13 ( 26 + 10
2
+ 68 ) = 180
77
.
(2) Probabilitatea de calculat este
p(A1 /A) = p(A1 )·p(A/A
p(A)
1)
= 13 · 26 · 180 20
77 = 77 .
⟨⟨ -Puteţi încerca să demonstraţi singuri ultimele două cerinţe.⟨⟨
(3)Fie evenimentul B : ”bila extrasă este roşie”.
-Se poate aplica formula probabilităţii totale:
p(B) = p(A1 ) · p(B/A1 ) + p(A2 ) · p(B/A2 ) + p(A3 ) · p(B/A3 ) =
= 13 · ( 46 + 10
8
+ 28 ) = 103
180 .
-A doua soluţie este să observăm că B = CA şi atunci
p(B) = p(CA) = 1 − p(A) = 180 103
.
p(A2 )·p(B/A2 )
(4) Se cere p(A2 /B) = p(B) = 31 · 10
8
· 180 48
103 = 103 .

3 Funcţia de repartiţie a unei variabile aleatoare

⟨⟨ -Reamintim definiţia funcţiei de repartiţie.⟨⟨

2
 
x x x x
x -3 1 2
Figure 2: prima ramură a lui FX

x x x x
-3 x 1 2
Figure 3: a doua ramură a lui FX

Definiţia 1. Dacă (Ω, K, p) este câmp, sau σ−câmp de probabilitate, atunci

funcţia X : Ω → R, care asociază fiecărui element din Ω un număr real, se
numeşte variabilă aleatoare, dacă
{ω ∈ Ω/X(ω) < x} = {X < x} ∈ K, adică este eveniment pentru care se poate
calcula probabilitatea, ∀x ∈ R.
Se defineşte funcţia de repartiţie a v.a. X, ca fiind funcţia
FX : R → R, FX (x) = p(X < x), ∀x ∈ R,
adică FX măsoară probabilitatea acestor mulţimi de mai sus care sunt alese să
fie evenimente. Ele sunt suficiente pentru a calcula probabilitatea ca v.a. X să
ia valori în orice porţiune a dreptei reale.

⟨⟨ -În acest moment, teoretic suntem pregătiţi să rezolvăm o parte din probleme.⟨⟨
( )
−3 1 2
Exemplu 1. Fie v.a. X : 2 5 1 .
8 8 8
Calculaţi (1) funcţia de repartiţie a v.a. X;
(2)p(X > 1); p( 41 ≤ X < 13 ); p(X ≤ 32 ); p(X ≥ 12 ); p(0 < X < 5).

Dem. (1)⟨⟨ Deşi ramurile funcţiei FX : R → R se vor completa pe măsură ce se

calculează, este practic imposibil să fac asta pe un text deja scris, de aceea
scriu de la început ce seobţine de fapt la sfîrşit:⟨⟨

 0, x ≤ −3
 2
FX : R → R, FX (x) = 8 , x ∈ (−3, 1] :


7
, x ∈ (1, 2]
 8
1, x > 2
(a)dacă x ≤ −3, în figura 2 se dă o schiţă;
se observă că X nu ia valori mai mici strict decât x, deci
p(X < x) = p(∅) = 0;
(b)cu figura 3, dacă x ∈ (−3, 1], X ia doar valoarea −3 care este strict mai
mică dacât x,
FX (x) = p(X < x) = p(X = −3) = 28 ;
⟨⟨ reamintim că în tabloul lui X, sub valoarea −3 se trece valoarea cu care este
luată, adică 82 ;⟨⟨
(c)cu figura 4, dacă x ∈ (1, 2], X ia valorile −3 şi 1 care sunt strict mai mici
dacât x,
FX (x) = p(X < x) = p(X = −3 sau X = 1) = p(X = −3) + p(X = 1) =
= 28 + 58 = 78 ;

3
 
x x x x
-3 1 x 2
Figure 4: a treia ramură a lui FX

x x x x
-3 1 2 x
Figure 5: a patra ramură a lui FX

(d)cu figura 5, dacă x > 2, X ia valorile −3, 1 şi 2 care sunt strict mai mici
dacât x,
FX (x) = p(X < x) = p(X = −3 sau X = 1 sau X = 2) =
= p(X = −3) + p(X = 1) + p(X = 2) = 28 + 85 + 18 = 1;
(2)(a) cu figura 6, X ia o singură valoare mai mare strict decât 1, pe 2 şi
p(X > 1) = p(X = 2) = 81 .
(b) cu figura 7, X nu ia valori în [ 14 , 13 ) şi
p( 14 ≤ X < 13 ) = p(∅) = 0.
(c) cu figura 8, p(X ≤ 23 ) = p(X = −3 sau X = 1) = p(X = −3) + p(X = 1) =
= 28 + 58 = 78 .
(d) cu figura 9, p(X ≥ 12 ) = p(X = 1 sau X = 2) = p(X = 1) + p(X = 2) =
= 58 + 18 = 68 .
(e) cu figura 10,
p(X ∈ (0, 5)) = p(X = 1 sau X = 2) = p(X = 1) + p(X = 2) =
= 58 + 18 = 68 .
⟨⟨ -Programul aşează figurile, fără să le alăture enunţurilor.⟨⟨

Observaţia 1. Pentru ultimele două exemple se vor folosi următoarele;

dacă FX este funcţia de repartiţie a v.a X atunci
(1)în punctele în care FX este derivabilă, are loc
′
f (x) = FX (x), unde f este densitatea de probabilitate a lui X;
(2)FX (x) = p(X < x), ∀x ∈ R;
(3)p(X = a) = FX (a + 0) − FX (a), ∀a ∈ R, unde FX (a + 0) este limita la
dreapta în a a lui FX .

Exemplu 2. V.a. X care reprezintă timpul de aşteptare într-o staţie, are

funcţia de repartiţie 

 0, x ≤ 0


 x2 , 0 < x ≤ 1
FX : R → R, FX (x) = 2, 1 < x ≤ 2 ;
1




x
,2<x≤4
 4
1, x > 4


x (x x
-3 1 2
Figure 6: X > 1

4
 
x[ )x x
-3 1 11 2
4 3
Figure 7: X ∈ [ 14 , 1
3)

x x x] x
-3 1 3 2
2
Figure 8: X ≤ 3
2

(1)determinaţi densitatea de probabilitate a v.a. X;

(2)probabilitatea ca un călător să aştepte mai mult de 3 minute, adică
p(X > 3);
(3)probabilitatea să aştepte mai puţin de 4 minute, p(X < 4);
(4)între 1 şi 3 minute, p(1 < X < 3);
(5)să aştepte mai mult de 3 minute, dacă a şteptat mai mult de 1 minut,
p(X > 3/X > 1).

Dem. (1)-Pentru că în punctele unde îşi schimbă forma, o funcţie îşi pierde în
general proprietatea de a fi derivabilă, fără a intra în detalii, vom lua
inegalităţi stricte:

 0, x < 0


 21 , 0 < x < 1
′
f (x) = FX (x) = 0, 1 < x < 2 .


 1
 4, 2 < x < 4

0, x > 4
-Pentru celelalte cerinţe, vom ţine cont că FX ne ajută pentru calculul
probabilităţilor pentru ′′ ≤′′ , sau ”<”, de aceea inegalităţile pe care le avem se
încearcă să se apropie de acestea; inegalitatea ”mai mic sau egal”, conţine pe
”sau”, corespondentul reuniunii:
(2)p(X > 3) = p(C(X ≤ 3)) = 1 − p(X ≤ 3) = 1 − p(X < 3 sau X = 3) =
= 1 − p(X < 3) − p(X = 3) = 1 − FX (3) − FX (3 + 0) + FX (3) = 1 − FX (3 + 0);
-pentru calculul limitei la dreapta în 3, observăm că 3 ∈ (2, 4), deci limita
coincide cu valoarea lui FX în 3;
FX (3 + 0) = 43 ⇒ p(X > 3) = 1 − 34 = 14 ;
(3)p(X < 4) = FX (4) = 1;
-pentru calcul, ne-am uitat la ′′ ≤ 4′′ din ramurile lui FX ;
(4)-în figura 11 se vede mai bine că {X ≤ 1} ⊂ {X < 3};
-pentru limita la dreapta în 1, se ia a treia ramură a lui FX
p(1 < X < 3) = p((X < 3) ∩ (X > 1)) = p((X < 3) ∩ C(X ≤ 1)) =


x x[ x x
-3 1 1 2
2
Figure 9: X ≥ 1
2

5
  
x (
x x x )
-3 0 1 2 5

Figure 10: X ∈ (0, 5)

$

] )
1 3

Figure 11: {X ≤ 1} ⊂ {X < 3}

= p(X < 3) − p(X ≤ 1) = p(X < 3) − p(X < 1) − p(X = 1) =

= FX (3) − FX (1) − FX (1 + 0) + FX (1) = 34 − 21 = 41 .
(5)-ţinem cont de {X > 3} ⊂ {X > 1}, figura 12,
p(X > 1) = 1 − p(X ≤ 1) = 1 − p(X < 1) − p(X = 1) =
= 1 − FX (1) − FX (1 + 0) + FX (1) =
= 1 − FX (1 + 0) = 1 − 12 = 12 ;
-s-a calculat p(X > 3) = 41 deci cu definiţia probabilităţii condiţionate,
p((X>3)∩(X>1))=p(X>3)= 14
p(X > 3/X > 1) = p(X>1)= 12
= 12 .

⟨⟨ -Dacă aţi înţeles modul de calcul, puteţi încerca singuri ultimul exemplu.⟨⟨

Exemplu 3. Calculaţi (1)p(2 ≤ X < 5), (2)p(2 ≤ X < 5/1 < X < 4), pentru
v.a. X cufuncţia de repartiţie FX : R → R,
 0, x ≤ 0



 x4 , 0 < x ≤ 1



 13 , 1 < x ≤ 2
6, 2 < x ≤ 3 .
x
FX (x) =


 2, 3 < x ≤ 4

1


 x8 , 4 < x ≤ 8


1, x > 8

Dem. -Singurele detalii pe care le mai dau, sunt de a urmări pe ramurile

funcţiei de ce se iau valorile aşa cum sunt scrise;
(1)p(2 ≤ X < 5) = p((X < 5) ∩ (X ≥ 2)) = p((X < 5) ∩ C(X < 2)) =
= p(X < 5) − p(X < 2) = FX (5) − FX (2) = 85 − 13 = 24 7
.
p((2≤X<5)∩(1<X<4))=p(2≤X<4)
(2)p(2 ≤ X < 5/1 < X < 4)) = p(1<X<4) = 1:
p(2 ≤ X < 4) = p((X < 4) ∩ C(X < 2)) = p(X < 4) − p(X < 2) =
= FX (4) − FX (2) = 21 − 13 = 16 ;

'

( (
1 3

Figure 12: {X > 3} ⊂ {X > 1}

6
p(1 < X < 4) = p((X < 4) ∩ C(X ≤ 1)) = p(X < 4) − p(X < 1) − p(X = 1) =
= FX (4) − FX (1) − FX (1 + 0) + FX (1) = 12 − 31 = 61 .