Sunteți pe pagina 1din 20

Unitatea 5

Complemente de probabilităţi şi statistică


matematică
1 Probabilităţi
1.1 Definiţii. Proprietăţi.
Definiţia 1.1. Numim experienţă (experienţă aleatoare) o acţiune ce
poate fi repetată ı̂n anumite condiţii date. Rezultatul unei experienţe aleatoare
se numeşte eveniment (eveniment aleator). Evenimentul sigur este un
eveniment ce se realizează cu siguranţă la fiecare efectuare a experienţei. Eve-
nimentul imposibil, notat cu ∅, este un eveniment ce nu se realizează la
nicio efectuare a experienţei.

Definiţia 1.2 (Operaţii cu evenimente). Fie A şi B două evenimente.


• Notăm cu A ∪ B evenimentul ce se realizează dacă şi numai dacă A sau
B se realizează.
• Notăm cu A ∩ B evenimentul ce se realizează dacă şi numai dacă A şi B
se realizează.
• Notăm cu A \ B evenimentul ce se realizează dacă şi numai dacă A se
realizează şi B nu se realizează.
• Notăm cu A evenimentul ce se realizează dacă şi numai dacă A nu se
realizează. A se numeşte evenimentul contrar evenimentului A.
• Spunem că A implică B şi notăm A ⊆ B dacă B se realizează ori de
câte ori A se realizează.
• Spunem că A şi B sunt incompatibile dacă A ∩ B = ∅.
• Spunem că A şi B sunt compatibile dacă A ∩ B 6= ∅.
• Spunem că evenimentul A este elementar dacă pentru orice eveniment
C ⊆ A rezultă că C = ∅ sau C = A.
• Un eveniment elementar A se numeşte favorabil (caz favorabil) pentru
evenimentul B dacă A ⊆ B.

Definiţia 1.3. Fie A un eveniment rezultat ı̂n urma efectuării unei experienţe.
Dacă această experienţă se efectuează (ı̂n condiţii identice) de n ori, n ∈ N∗ ,
şi evenimentul A se realizează ı̂n exact k din aceste efectuări, atunci numărul
k
fn (A) = se numeşte frecvenţa relativă a evenimentului A.
n

1
Definiţia 1.4 (Definiţia clasică a probabilităţii). Fie Ω = {ω1 , ω2 , . . . ,
ωn } mulţimea tuturor evenimentelor elementare posibile la efectuarea unei
experienţe, unde n ∈ N∗ . Presupunem că aceste evenimente elementare sunt
egal posibile (egal probabile), adică au aceeaşi şansă de realizare. Fie A ⊆
Ω un eveniment arbitrar şi k numărul evenimentelor elementare favorabile
k
evenimentului A. Atunci valoarea P (A) = se numeşte probabilitatea
n
evenimentului A.

Observaţia 1.1. Conform definiţiei anterioare, formula probabilităţii eveni-


mentului A poate fi scrisă sub forma

numărul cazurilor (evenimentelor elementare) favorabile lui A


P (A) = .
numărul tuturor cazurilor (evenimentelor elementare) posibile

Definiţia 1.5 (Definiţia axiomatică a probabilităţii). Un câmp de pro-


babilitate este un triplet (Ω, B, P ), unde
• Ω este o mulţime numită spaţiu de selecţie;
• B este o familie nevidă de submulţimi (părţi) ale lui Ω cu proprietăţile

A ∈ B ⇒ Ω \ A ∈ B,

S
(Ai )i∈N∗ ⊆ B ⇒ Ai ∈ B,
i=1

elementele lui B numindu-se evenimentele câmpului de probabilitate; spu-


nem că B este un corp borelian pe Ω şi că (Ω, B) este un spaţiu măsurabil;
• P : B → [0, ∞) este o funcţie cu proprietăţile

P (Ω) = 1,

∞  X ∞
S
(A )
 i i∈N
 ∗ ⊆ B, A i ∩ A j = ∅, ∀i 6
= j ⇒ P Ai = P (Ai ).
i=1 i=1

P se numeşte probabilitate (numărabil aditivă) pe spaţiul măsurabil


(Ω, B). Pentru orice A ∈ B, P (A) se numeşte probabilitatea evenimentului
A.

Exerciţiul 1.1. Să se calculeze probabilitatea ca la aruncarea unui zar să


apară un număr par.

Rezolvare. Evenimentele elementare (cazurile posibile) sunt

ωi : ”apare faţa cu numărul i” , i ∈ {1, . . . , 6}.

2
Evenimentul sigur este Ω = {ω1 , ω2 , . . . , ω6 }. Evenimentul

A : ”apare un număr par”

este A = {ω2 , ω4 , ω6 } (cazurile favorabile fiind ω2 , ω4 şi ω6 ), deci are probabi-


3 1
litatea P (A) = = . 
6 2

Definiţia 1.6. Fie A o mulţime finită. Numărul de elemente ale mulţimii A


se numeşte cardinalul mulţimii A şi se notează cu card A.

Propoziţia 1.1 (Proprietăţi ale probabilităţii). Fie (Ω, B, P ) un


câmp de probabilitate. Atunci:
• 0 ≤ P (A) ≤ 1, ∀A ⊆ Ω;
• P (∅) = 0 (∅ fiind evenimentul imposibil);
• P (A) = 1 − P (A), ∀A ⊆ Ω, unde A = Ω \ A;
• Pentru orice A ⊆ Ω şi B ⊆ Ω a.ı̂. A ∩ B = ∅ (evenimente incompatibile)
avem P (A ∪ B) = P (A) + P (B);
• Pentru orice A ⊆ Ω şi B ⊆ Ω avem P (A∪B) = P (A)+P (B)−P (A∩B);
• Pentru orice A ⊆ Ω şi B ⊆ Ω a.ı̂. A ⊆ B avem P (B \A) = P (B)−P
T (A);
• Pentru orice A ⊆ Ω şi B ⊆ Ω avem P (B \ A) = P (B) − P (A B).

Propoziţia 1.2. Fie (Ω, B, P ) un câmp de probabilitate şi A ∈ B un eveniment


a.ı̂. P (A) > 0. Atunci funcţia

P (A ∩ B)
PA : B → [0, 1], PA (B) = , ∀B ∈ B, (1.1)
P (A)

este o probabilitate pe spaţiul măsurabil (Ω, B).

Definiţia 1.7. În contextul propoziţiei anterioare, PA se numeşte probabi-


litate condiţionată de evenimentul A, iar pentru orice eveniment B ∈ B
valoarea PA (B) se numeşte probabilitatea evenimentului B condiţiona-
tă de evenimentul A. Formula (1.1) se numeşte formula probabilităţii
condiţionate. Vom utiliza şi notaţia

P (B|A) = PA (B).

Observaţia 1.2. Probabilitatea condiţionată PA (B) reprezintă probabilitatea


de realizare a evenimentului B ştiind că s-a realizat evenimentul A.

3
Exerciţiul 1.2. Se aruncă un zar.
a) Cunoscând că numărul obţinut este mai mare decât 2, care este proba-
bilitatea ca acest număr să fie impar?
b) Cunoscând că numărul obţinut este impar, care este probabilitatea ca
acest număr să fie mai mare decât 2?

Rezolvare. Evenimentele elementare (cazurile posibile) sunt

ωi : ”apare faţa cu numărul i” , i ∈ {1, . . . , 6}.

Fie evenimentele A:”apare un număr mai mare decât 2”, B:”apare un număr
impar”, adică A = {ω3 , ω4 , ω5 , ω6 }, B = {ω1 , ω3 , ω5 }.
P (A ∩ B)
a) Probabilitatea cerută este PA (B). Avem PA (B) = . Dar
P (A)
4 2 2 1
P (A) = = , iar A ∩ B = {ω3 , ω5 }, deci P (A ∩ B) = = . Obţinem că
6 3 6 3
P (A ∩ B) 1 3 1
PA (B) = = · = .
P (A) 3 2 2
P (A ∩ B)
b) Probabilitatea cerută este PB (A). Avem PB (A) = . Dar
P (B)
3 1 P (A ∩ B) 1 2 2
P (B) = = , deci PB (A) = = · = . 
6 2 P (B) 3 1 3

Definiţia 1.8. Fie (Ω, B, P ) un câmp de probabilitate şi A1 , . . . , An ∈ B,


n ∈ N, n ≥ 2. Evenimentele A1 , . . . , An se numesc independente dacă

P (Ai1 ∩ · · · ∩ Aik ) = P (Ai1 ) · . . . · P (Aik ), ∀k ≥ 2, ∀{i1 , . . . , ik } ⊆ {1, . . . , n}.

Observaţia 1.3. Conform definiţiei anterioare, două evenimentele A şi B sunt


independente dacă şi numai dacă P (A ∩ B) = P (A) · P (B).
Observaţia 1.4. Fie (Ω, B, P ) un câmp de probabilitate şi A, B ∈ B a.ı̂.
P (A) > 0. Dacă evenimentele A şi B sunt independente, atunci PA (B) =
P (B).
Propoziţia 1.3 (Formula probabilităţii totale). Fie (Ω, B, P ) un
câmp de probabilitate şi A1 , . . . , An ∈ B a.ı̂. Ω = A1 ∪ · · · ∪ An , Ai ∩ Aj =
∅, ∀i 6= j, şi P (Ai ) > 0, ∀i ∈ {1, . . . , n}. Atunci pentru orice B ∈ B are loc
P n
egalitatea P (B) = P (Ai )PAi (B).
i=1

Propoziţia 1.4 (Formula lui Bayes). Fie (Ω, B, P ) un câmp de probabi-


litate şi A1 , . . . , An ∈ B a.ı̂. Ω = A1 ∪ · · · ∪ An , Ai ∩ Aj = ∅, ∀i 6= j, şi

4
P (Ai ) > 0, ∀i ∈ {1, . . . , n}. Atunci pentru orice B ∈ B a.ı̂. P (B) > 0 au loc
P (Ai )PAi (B) P (Ai )PAi (B)
egalităţile PB (Ai ) = = n , ∀i ∈ {1, . . . , n}.
P (B) X
P (Ak )PAk (B)
k=1

Exerciţiul 1.3. Într-un magazin se găseşte un acelaşi articol provenit de la 3


furnizori F1, F2 şi F3, ı̂n proporţie de 40%, 25%, respectiv 35%. Se cunoaşte
că probabilitatea ca un articol să fie defect este de 0,01 pentru cele provenite
de la furnizorul F1, de 0,02 pentru cele provenite de la furnizorul F2 şi tot de
0,02 pentru cele provenite de la furnizorul F3.
a) Să se calculeze probabilitatea ca un articol (ales aleator) din magazin
să fie defect.
b) Să se calculeze probabilitatea ca un articol (ales aleator) din magazin
să provină de la furnizorul F1, ştiind că el este defect.

Rezolvare. Considerăm evenimentele


A1 : ”articolul ales provine de la furnizorul F1”,
A2 : ”articolul ales provine de la furnizorul F2”,
A3 : ”articolul ales provine de la furnizorul F3”,
B : ”articolul ales este defect”.
Conform datelor problemei, avem:
P (A1 ) = 40% = 0,4, P (A2 ) = 25% = 0,25, P (A3 ) = 35% = 0,35,
PA1 (B) = 0,01, PA2 (B) = PA3 (B) = 0,02.
a) Probabilitatea cerută este P (B). Aplicând formula probabilităţii totale
avem

P (B) = P (A1 )PA1 (B) + P (A2 )PA2 (B) + P (A3 )PA3 (B)
= 0,4 · 0,01 + 0,25 · 0, 02 + 0,35 · 0, 02 = 0,016.

b) Probabilitatea cerută este PB (A1 ). Aplicând Formula lui Bayes avem

P (A1 )PA1 (B) 0,4 · 0,01


PB (A1 ) = = = 0,25.
P (B) 0,016

1.2 Scheme probabiliste


Fie (Ω, B, P ) un câmp de probabilitate şi A1 , . . . , An ∈ B, n ∈ N∗ .

5
Propoziţia 1.5 (Schema binomială, schema bilei ı̂ntoarse sau schema
lui Bernoulli). Dacă A1 , . . . , An sunt evenimente independente egal proba-
bile, p = P (Ai ), ∀i ∈ {1, . . . , n} (p se numeşte probabilitatea de succes),
şi q = P (Ai ) = 1 − p, ∀i ∈ {1, . . . , n}, (q se numeşte probabilitatea de
insucces), atunci probabilitatea să se realizeze exact k din aceste n evenimente
este Pn,k = Cnk pk q n−k , ∀k ∈ {0, . . . , n}. În particular, dacă dintr-o urnă ce
conţine a bile albe şi b bile negre (a, b ∈ N∗ ) se extrag, la ı̂ntâmplare, n bile, cu
ı̂ntoarcere (fiecare bilă extrasă este reintrodusă ı̂n urnă ı̂nainte de extragerea
următoarei bile), atunci probabilitatea ca numărul de bile albe extrase să fie egal
a b
cu k este Pn,k = Cnk pk q n−k , ∀k ∈ {0, . . . , n}, unde p = a+b , q = 1 − p = a+b .
Exerciţiul 1.4. O societate comercială are 4 debitori. La sfârşitul anului
fiecare debitor este solvabil cu probabilitatea 0,7. Se cere probabilitatea ca:
a) doi debitori să fie solvabili;
b) cel mult trei debitori să fie solvabili;
c) cel puţin trei debitori să fie solvabili.

Rezolvare. Fie (Ω, K, P ) un câmp de probabilitate asociat experimentului


precizat ı̂n problemă şi fie A evenimentul ca un debitor să fie solvabil. Atunci
p = P (A) = 0, 7 şi q = 1 − p = 0, 3.
a) Fie B evenimentul ca din cei patru debitori, doi să fie solvabili. Suntem
ı̂n cazul schemei lui Bernoulli cu p = 0, 7, q = 0, 3, n = 4 şi k = 2. Atunci

P (B) = Cnk · pk · q n−k = C42 · (0, 7)2 · (0, 3)2 = 0, 2646.

b) Fie C evenimentul ca din cei patru debitori, cel mult trei să fie solvabili
şi C evenimentul contrar, şi anume, ca toţi cei patru debitori să fie solvabili.
Aplicăm schema lui Bernoulli cu p = 0, 7, q = 0, 3, n = 4 şi k = 4 şi obţinem

P (C) = Cnk · pk · q n−k = C44 · (0, 7)4 · (0, 3)0 = 0, 2401.

Atunci P (C) = 1 − P (C) = 1 − 0, 2401 = 0, 7599.


c) Fie D evenimentul
S ca din cei patru debitori, cel puţin trei să fie solvabili.
Atunci D = D1 C, unde D1 este evenimentul ca trei debitori să fie solvabili,
iar C este evenimentul ca patru debitori să fie solvabili.
Pentru D1 aplicăm schema lui Bernoulli cu p = 0, 7, q = 0, 3, n = 4 şi
k = 3 şi obţinem P (D1 ) = Cnk · pk · q n−k = C43 · (0, 7)3 · (0, 3) = 0, 4116. Atunci
P (D) = P (D1 ) + P (C) = 0, 4116 + 0, 2401 = 0, 6517. 

Propoziţia 1.6 (Schema multinomială). Fie r ∈ N, r ≥ 2. Dintr-o urnă


ce conţine câte ai bile de culoarea i pentru orice i ∈ {1, . . . , r} (ai ∈ N∗ , ∀i ∈

6
{1, . . . , r}) se extrag, la ı̂ntâmplare, n bile, cu ı̂ntoarcere. Atunci probabilita-
tea să se extragă câte ki bile de culoarea i pentru orice i ∈ {1, . . . , r}, unde
n!
k1 , . . . , kr ∈ N, k1 + · · · + kr = n, este Pn;k1 ,...,kr = · pk1 . . . pkr r , unde
k1 ! . . . kr ! 1
ai
pi = , ∀i ∈ {1, . . . , r}.
a1 + · · · + ar
Observaţia 1.5. Luând r = 2 ı̂n schema multinomială, regăsim schema bi-
nomială.
Exerciţiul 1.5. O bancă a realizat ı̂ntr-o oră 60 de tranzacţii, dintre care 20
de depuneri, 25 de retrageri si 15 plăti de facturi. La un control se controlează
5 tranzacţii diferite. Care este probabilitatea ca din cele 5 tranzacţii două să
fie de depunere, două de retragere şi una să reprezinte plata unei facturi?

Rezolvare. Aplicând schema hipergeometrică generalizată pentru n = 5, r =


3, k1 = 2, k2 = 2, k3 = 1, a1 = 20, a2 = 25, a3 = 15, obţinem că
probabilitatea cerută este
20! 25! 15!
C 2 · C2 · C1 · ·
Pe5;2,2,1 = 20 25 5
15
= 18! · 2! 23! · 2! 14! · 1! ' 0,157. 
C60 60!
55! · 5!
Propoziţia 1.7 (Schema binomială generalizată sau schema lui Po-
isson). Dacă A1 , . . . , An sunt evenimente independente, pi = P (Ai ), ∀i ∈
{1, . . . , n}, şi qi = P (Ai ) = 1 − pi , ∀i ∈ {1, . . . , n}, atunci probabilitatea să
se realizeze exact k din aceste n evenimente este egală cu coeficientul lui xk
din dezvoltarea polinomului (p1 x + q1 )(p2 x + q2 ) . . . (pn x + qn ), pentru orice
k ∈ {0, . . . , n}.
Observaţia 1.6. Luând p1 = p2 = · · · = pn = p ı̂n schema binomială genera-
lizată, regăsim schema binomială.
Exerciţiul 1.6. Trei muncitori ai unei fabrici fac lucrări fără greşeală ı̂n
proporţie de 80%, 85%, respectiv 90%. Se ia la ı̂ntâmplare câte o lucrare
de la fiecare muncitor.
a) Care este probabilitatea de a găsi două lucrări fără greşeală?
b) Care este probabilitatea de a găsi cel mult două lucrări fără greşeală?
c) Care este probabilitatea de a găsi cel puţin două lucrări fără greşeală?

Rezolvare. Fie (Ω, K, P ) un câmp de probabilitate asociat experimentului


precizat ı̂n problemă şi considerăm evenimentele

Ai : ”lucrarea muncitorului i să fie fără greşeală”, ∀i ∈ {1, 2, 3}.

7
Evident, evenimentele (Ai )i=1,3 sunt independente.
Conform datelor problemei, avem:
80 4 1
p1 = P (A1 ) = = , q1 = P (A1 ) = 1 − p1 = ,
100 5 5
85 17 3
p2 = P (A2 ) = = , q2 = P (A2 ) = 1 − p2 = ,
100 20 20
90 9 1
p3 = P (A3 ) = = , q3 = P (A3 ) = 1 − p3 = .
100 10 10
a) Fie A evenimentul de a găsi două lucrări fără greşeală, adică realizarea
a două din cele trei evenimente.
Probabilitatea cerută este P (A). Aplicând schema lui Poisson, această
probabilitate este egală cu coeficientul lui x2 din dezvoltarea polinomului
   
4 1 17 3 9 1
r(x) = (p1 x + q1 )(p2 x + q2 )(p3 x + q3 ) = x+ x+ x+ .
5 5 20 20 10 10

4 17 1 4 3 9 1 17 9 68 + 108 + 153 329


Deci P (A) = · · + · · + · · = = .
5 20 10 5 20 10 5 20 10 1000 1000
b) Fie B evenimentul de a găsi cel mult două lucrări fără greşeală. Vom
calcula evenimentul contrar, B, adică obţinerea a trei lucrări fără greşeală.
Probabilitatea cerută este P (B). Aplicând schema lui Poisson, această
probabilitate este egală cu coeficientul lui x3 din dezvoltarea polinomului
   
4 1 17 3 9 1
r(x) = (p1 x + q1 )(p2 x + q2 )(p3 x + q3 ) = x+ x+ x+ .
5 5 20 20 10 10

4 17 9 612 153 153 97


Deci P (B) = · · = = . Atunci P (B) = 1 − = .
5 20 10 1000 250 250 250
c) Fie
S C evenimentul de a găsi cel puţin două lucrări fără greşeală. Atunci
C = A B, unde A şi B sunt evenimentele de la punctele anterioare.
Probabilitatea cerută este P (C) = P (A) + P (B). Deci
329 153 329 + 612 941
P (C) = + = = .
1000 250 1000 1000


8
Propoziţia 1.8 (Schema hipergeometrică sau schema bilei neı̂ntoar-
se). Dacă dintr-o urnă ce conţine a bile albe şi b bile negre (a, b ∈ N∗ ) se
extrag, la ı̂ntâmplare, n bile (n ≤ a + b), fără ı̂ntoarcere (orice bilă extrasă
nu mai este reintrodusă ı̂n urnă), atunci probabilitatea ca numărul de bile albe
Cak · Cbn−k
extrase să fie egal cu k este Pn,k =
e
n , ∀k ∈ {0, . . . , n}, n − b ≤ k ≤ a.
Ca+b
Exerciţiul 1.7. O urnă conţine 10 bile albe şi 6 bile negre. Se extrag 8 bile.
Care este probabilitatea ca exact 5 din bilele extrase să fie albe (deci restul
de 3 bile extrase să fie negre), dacă extragerea este cu ı̂ntoarcere? Dar dacă
extragerea este fără ı̂ntoarcere?

Rezolvare. În cazul extragerii cu ı̂ntoarcere, aplicând schema bilei ı̂ntoarse


obţinem că probabilitatea cerută este
 5  3  5  3
5 10 6 8! 5 3 55 · 33 590625
P8,5 = C8 · · = · · = 56 · 8
= .
16 16 5! · 3! 8 8 8 2097152

În cazul extragerii fără ı̂ntoarcere, aplicând schema bilei neı̂ntoarse obţinem
că probabilitatea cerută este
10! 6!
5 · C3
C10 ·
Pe8,5 = 6
= 5! · 5! 3! · 3! = 56 .
8
C16 16! 143
8! · 8!


Propoziţia 1.9 (Schema hipergeometrică generalizată). Fie r ∈ N, r ≥


2. Dintr-o urnă ce conţine câte ai bile de culoarea i pentru orice i ∈ {1, . . . , r}
(ai ∈ N∗ , ∀i ∈ {1, . . . , r}) se extrag, la ı̂ntâmplare, n bile, fără ı̂ntoarcere, n ≤
a1 +· · ·+ar . Atunci probabilitatea să se extragă câte ki bile de culoarea i pentru
orice i ∈ {1, . . . , r}, unde ki ∈ {0, . . . , ai }, ∀i ∈ {1, . . . , r}, k1 + · · · + kr = n,
C k1 · . . . · C kr
este Pen;k1 ,...,kr = a1 k1 +...+krar .
Ca1 +...+ar
Observaţia 1.7. Luând r = 2 ı̂n schema hipergeometrică generalizată, regăsim
schema hipergeometrică.
Exerciţiul 1.8. Într-o urnă se află 10 bile albe, 8 bile roşii şi 9 bile negre.
Aflaţi probabilitatea ca din 7 extrageri succesive fără a pune bilele ı̂napoi ı̂n
urnă, să obţinem 2 bile albe, 4 bile roşii şi o bilă neagră.

9
Rezolvare. Fie (Ω, K, P ) un câmp de probabilitate asociat experimentului pre-
cizat ı̂n problemă şi fie A evenimentul de a obţine 2 bile albe, 4 bile roşii şi
o bilă neagră. Conform schemei hipergeometrice generalizate (a bilei nereve-
nite) cu n = 7, a1 = 10, a2 = 8, a3 = 9, k1 = 2, k2 = 4, k3 = 1, obţinem
C k1 · C k2 · C k3 C 2 · C 4 · C91 45 · 70 · 9 105
P (A) = a1 k1 +ka22 +k3 a3 , deci P (A) = 10 78 = = . 
Ca +a +a C 27 888030 3289
1 2 3

1.3 Exerciţii de verificare


Exerciţiul 1.9. Trei filiale A, B şi C produc o aceeaşi piesă. Filiala A produce
40% din ı̂ntreaga producţie, filiala B 30% iar filiala C 30%. Probabilitatea ca
o piesă produsă să fie defectă este de 5% pentru filiala A, 3% pentru filiala B
şi 1% pentru filiala C. Se alege aleator o piesă din ı̂ntreaga producţie a celor
3 filiale.
a) Care este probabilitatea ca piesa aleasă să fie defectă?
b) Ştiind că piesa aleasă este defectă, care este probabilitatea ca ea să provină
de la filiala A?

Exerciţiul 1.10. Trei firme pot obţine profit ı̂ntr-un an cu probabilităţile


p1 = 0, 7, p2 = 0, 4, respectiv p3 = 0, 6. Să se determine probabilitatea ca:
a) două firme să obţină profit;
b) cel mult două firme să obţină profit;
c) cel puţin două firme să obţină profit.

Exerciţiul 1.11. La o societate comercială s-au adus spre vânzare 10 tele-


vizoare. Probabilitatea ca un televizor să fie funcţional este de 0,8. Se cere
probabilitatea ca:
a) şapte calculatoare să fie funcţionale;
b) cel puţin opt calculatoare să fie funcţionale;
c) cel mult nouă calculatoare să fie funcţionale.

Exerciţiul 1.12. La o societate comercială s-au adus calculatoare de la firmele


F1 , F2 , F3 , F4 , F5 ı̂n proporţiile 15%, 20%, 10%, 30% şi respectiv 25%. Care
este probabilitatea ca dintr-un lot de 50 de calculatoare:
a) 8 să fie de la firma F1 , 10 de la firma F2 , 5 de la firma F3 , 15 de la firma
F4 şi restul de la firma F5 ;
b) 18 să fie de la firma F1 sau F2 , 10 de la firma F3 , 16 de la firma F4 şi restul
de la firma F5 ?

Exerciţiul 1.13. La deschiderea bursei se pun ı̂n vânzare 70 acţiuni cu aceeaşi


valoare nominală, din care 20 provin de la firma F1 , 35 provin de la firma F2

10
şi restul de la firma F3 . Ştiind că până la ı̂nchiderea bursei s-au vândut 15
acţiuni, să se afle probabilitatea ca:
a) din cele 15 acţiuni, 5 să fie de la firma F1 ;
b) din cele 15 acţiuni, cel puţin 4 să fie de la firma F2 ;
c) din cele 15 acţiuni, 6 să fie de la firma F1 , 5 de la firma F2 şi 4 de la firma
F3 .

2 Variabile aleatoare
2.1 Variabile aleatoare discrete
Fie (Ω, B, P ) un câmp de probabilitate.
Definiţia 2.1. O variabilă aleatoare (prescurtat v.a.) este o funcţie X :
Ω → R cu proprietatea că {ω ∈ Ω | X(ω) < x} ∈ B, ∀x ∈ R. Dacă X(Ω) este o
mulţime discretă (finită sau numărabilă), atunci X se numeşte v.a. discretă
(finită, respectiv numărabilă).
Definiţia 2.2. Fie X : Ω → R o variabilă aleatoare finită şi X(Ω) = {x1 , x2 , . . . , xn },
unde n ∈ N∗ . Notăm
pi = P (X = xi ) = P ({ω ∈ Ω | X(ω) = xi }), ∀i ∈ {1, . . . , n}.
V.a. X poate fi reprezentată sub forma
 
x1 x2 . . . x n (valorile v.a. X),
X:
p1 p2 . . . pn (probabilităţile acestor valori),
această matrice numindu-se repartiţia (de probabilitate a) lui X sau
distribuţia (de probabilitate a) lui X.
 
x1 x2 . . . xn
Propoziţia 2.1. O v.a. finită X : este caracterizată de
p1 p2 . . . pn
n
P
următoarele două proprietăţi: pi ≥ 0, ∀i ∈ {1, . . . , n}, pi = 1.
i=1
Exerciţiul 2.1. Fie X valoarea obţinută la aruncarea unui zar. Să se scrie
repartiţia variabilei aleatoare Y , ştiind că aceasta reprezintă suma valorilor
obţinute la aruncarea a două zaruri.

Rezolvare. Cum X este valoarea obţinută la aruncarea unui zar, rezultă că X
este o v.a. finită luând valorile 1, 2, . . . , 6 
cu probabilităţile pi = P
(X = i) =
1 2 3 4 5 6
1
, ∀i ∈ {1, . . . , 6}, deci are repartiţia X :  1 1 1 1 1 1  .
6
6 6 6 6 6 6

11
Fie X1 şi X2 valorile obţinute la aruncarea celor două zaruri. Evident, X1 şi
X2 sunt v.a. independente ce au aceeaşi repartiţie ca şi X. Astfel Y = X1 +X2
este o v.a. luând valorile 2, 3, . . . , 12 cu probabilităţile
1 1 1
P (Y = 2) = P (X1 = 1, X2 = 1) = P (X1 = 1)P (X2 = 1) = · = ,
6 6 36
P (Y = 3) = P (X1 = 1, X2 = 2 sau X1 = 2, X2 = 1)
= P (X1 = 1, X2 = 2) + P (X1 = 2, X2 = 1)
= P (X1 = 1)P (X2 = 2) + P (X1 = 2)P (X2 = 1)
1 1 1 1 2
= · + · = ,
6 6 6 6 36
P (Y = 4) = P (X1 = 1, X2 = 3 sau X1 = 2, X2 = 2 sau X1 = 3, X2 = 1)
= P (X1 = 1, X2 = 3) + P (X1 = 2, X2 = 2) + P (X1 = 3, X2 = 1)
= P (X1 = 1)P (X2 = 3) + P (X1 = 2)P (X2 = 2)+
1 1 1 1 1 1 3
+ P (X1 = 3)P (X2 = 1) = · + · + · = ,
6 6 6 6 6 6 36
...
1 1 1
P (Y = 12) = P (X1 = 6, X2 = 6) = P (X1 = 6)P (X2 = 6) = · = .
6 6 36
Obţinem că Y are repartiţia
 
2 3 4 5 6 7 8 9 10 11 12
Y : 1 2 3 4 5 6 5 4 3 2 1 .
36 36 36 36 36 36 36 36 36 36 36


Definiţia 2.3. Fie variabilele aleatoare X1 , . . . , Xn : Ω → R, n ∈ N, n ≥


2. X1 , . . . , Xn se numesc v.a. independente dacă evenimentele {X1 <
x1 }, . . . , {Xn < xn } sunt independente pentru orice x1 , . . . , xn ∈ R, unde
{Xi < xi } = {ω ∈ Ω | Xi (ω) < xi }.
Propoziţia 2.2. Fie X : Ω → R şi Y : Ω → R două variabile aleatoare
discrete. Atunci X şi Y sunt independente dacă şi numai dacă
P (X = x, Y = y) = P (X = x)P (Y = y), ∀x, y ∈ R.
Definiţia 2.4. Fie X şi Y două variabile aleatoare finite având repartiţiile
   
x1 x2 . . . x n y1 y2 . . . ym
X: , Y : .
p1 p2 . . . pn q1 q2 . . . q m

12
Vectorul Z = (X, Y ) se numeşte vector aleator sau variabilă aleatoare
bidimensională de componente X şi Y . Repartiţia v.a. Z, dată de valorile
(xi , yj ), i ∈ {1, . . . , n}, j ∈ {1, . . . , m} şi probabilităţile corespunzătoare

pij = P (Z = (xi , yj )) = P (X = xi , Y = yj ), ∀i ∈ {1, . . . , n}, ∀j ∈ {1, . . . , m},

se numeşte şi repartiţia comună a v.a. X şi Y . Repartiţia v.a. X se


numeşte şi repartiţia marginală a v.a. Z ı̂n raport cu componenta X,
iar repartiţia v.a. Y se numeşte şi repartiţia marginală a v.a. Z ı̂n raport
cu componenta Y .
Exerciţiul 2.2. O urnă conţine 5 bile albe, 2 bile roşii şi 3 bile negre. Se
extrag 2 bile, cu ı̂ntoarcere. Dacă variabila X reprezintă numărul bilelor albe
extrase, iar variabila Y reprezintă numărul bilelor roşii extrase, să se determine
repartiţia variabilei aleatoare bidimensionale Z = (X, Y ), precum şi repartiţiile
marginale ale lui Z.

Rezolvare. Evident, v.a. X şi Y iau valorile 0, 1 şi 2. Conform schemei


multinomiale avem
 x  y  2−x−y
2! 5 2 3
P (X = x, Y = y) = · · · ,
x!y!(2 − x − y)! 10 10 10
∀x, y ∈ {0, 1, 2} a.ı̂. x + y ≤ 2.

Evident, P (X = x, Y = y) = 0, ∀x, y ∈ {0, 1, 2} a.ı̂. x + y > 2. Avem


 2
2! 3 2 3
P (X = 0, Y = 0) = · = 0,09, P (X = 0, Y = 1) = 2! · · = 0,12,
2! 10 10 10
 2
2 5 3
P (X = 0, Y = 2) = = 0,04, P (X = 1, Y = 0) = 2! · · = 0,3,
10 10 10
5 2
P (X = 1, Y = 1) = 2! · · = 0,2, P (X = 1, Y = 2) = 0,
10 10
 2
5
P (X = 2, Y = 0) = = 0,25, P (X = 2, Y = 1) = P (X = 2, Y = 2) = 0.
10

Astfel, repartiţia v.a. Z = (X, Y ) şi repartiţiile marginale (repartiţiile v.a. X


şi Y ) sunt reprezentate ı̂n următorul tabel.
XY 0 1 2 P (X = xi )
0 0,09 0,12 0,04 0,25
1 0,3 0,2 0 0,5
2 0,25 0 0 0,25
P (Y = yj ) 0,64 0,32 0,04 —

13
Probabilităţile marginale P (X = xi ) au fost calculate ca sume pe linii, iar
probabilităţile marginale P (Y = yj ) au fost calculate ca sume pe coloane. 

Propoziţia 2.3 (Formulele de calcul ale repartiţiilor marginale). În


m
P
contextul definiţiei anterioare, au loc egalităţile: pi = pij , ∀i ∈ {1, . . . , n},
j=1
n
P
qj = pij , ∀j ∈ {1, . . . , m}.
i=1

Observaţia 2.1. În contextul definiţiei anterioare, repartiţia comună (repartiţia


v.a. Z = (X, Y )) şi repartiţiile marginale (repartiţiile v.a. X şi Y ) sunt repre-
zentate ı̂ntr-un tabel de forma
XY y1 ... yj ... ym P (X = xi )
x1 p11 ... p1j ... p1m p1
..
.
xi pi1 ... pij ... pim pi
..
.
xn pn1 ... pnj ... pnm pn
P (Y = yj ) q1 ... qj ... qm —

Conform propoziţiei anterioare, probabilităţile marginale pi , i ∈ {1, . . . , n},


sunt sumele pe liniile tabelului, iar probabilităţile marginale qj , j ∈ {1, . . . , m},
sunt sumele pe coloanele tabelului.

2.2 Momentele variabilelor aleatoare discrete


Fie (Ω, B, P ) un câmp de probabilitate.

Definiţia 2.5 (Momentele v.a. discrete). Fie X : Ω → R o variabilă


aleatoare discretă luând valori din mulţimea X(Ω) = {xi | i ∈ {1, . . . , n}}
(xi 6= xj , ∀i 6= j), cu probabilităţile pi = P (X = xi ), ∀i ∈ {1, . . . , n} (n ∈
N∗ ∪ {+∞}, cu convenţia {1, . . . , +∞} = N∗ ).
n
P
• Media (valoarea medie a) v.a. X este M (X) = xi pi (sub presu-
i=1
punerea că suma seriei există, ı̂n cazul ı̂n care v.a. X este numărabilă).
• Fie r ∈ N∗ . Momentul absolut de ordinul r al v.a. X este M (X r ) =
n
xri pi (sub presupunerea că suma seriei există, ı̂n cazul ı̂n care v.a. X este
P
i=1
numărabilă).

14
• Fie r ∈ N∗ . Momentul centrat de ordinul r al v.a. X este
n
µr (X) = M ([X − M (X)]r ) = [xi − M (X)]r pi (sub presupunerea că suma
P
i=1
seriei există, ı̂n cazul ı̂n care v.a. X este numărabilă). • Dispersia v.a. X
n
este D2 (X) = µ2 (X) = [xi − M (X)]2 pi .
P
i=1
Definiţia 2.6. Fie X, Y : Ω → R două variabile aleatoare pdiscrete.
• Abaterea medie pătratică a v.a. X este σX = D2 (X), sub presu-
punerea că dispersia D2 (X) este finită. 
• Covarianţa v.a. X şi Y este cov (X, Y ) = M [X −M (X)][Y −M (Y )] ,
sub presupunerea că mediile există şi sunt finite.
cov (X, Y )
• Coeficientul de corelaţie al v.a. X şi Y este ρX,Y = , sub
σX σY
presupunerea că abaterile medii pătratice există şi sunt nenule.
Dacă ρX,Y = 0, atunci spunem că X şi Y sunt v.a. necorelate.
Propoziţia 2.4 (Proprietăţi ale momentelor v.a.). Fie X, Y : Ω → R
două variabile aleatoare discrete. Avem:
D2 (X) = M (X 2 ) − [M (X)]2 ;
cov (X, X) = D2 (X) ≥ 0; cov (X, Y ) = M (XY ) − M (X)M (Y );
cov (Y, X) = cov (X, Y ); ρY,X = ρX,Y ; ρX,Y ∈ [−1, 1];
M (aX) = aM (X), D2 (aX) = a2 D2 (X), ∀a ∈ R;
M (X + Y ) = M (X) + M (Y ); D2 (X + Y ) = D2 (X) + D2 (Y ) + 2 cov (X, Y ).
Dacă v.a. X şi Y sunt independente şi au mediile finite, atunci
M (XY ) = M (X)M (Y ), cov (X, Y ) = 0, ρX,Y = 0,
D2 (X + Y ) = D2 (X) + D2 (Y ).
Dacă v.a. X este constantă, adică X(ω) = c, ∀ω ∈ Ω, unde c ∈ R, atunci
M (X) = c şi D2 (X) = 0.
Exerciţiul 2.3. Fie X şi Y variabilele aleatoare din Exerciţiul 2.2.
a) Să se verifice dacă variabilele aleatoare X şi Y sunt independente.
b) Să se calculeze covarianţa v.a. X şi Y .
c) Să se calculeze coeficientul de corelaţie al v.a. X şi Y .
Rezolvare. Conform rezolvării Exerciţiului 2.2, v.a. X şi Y au repartiţiile
   
0 1 2 0 1 2
X: , Y : ,
0,25 0,5 0,25 0,64 0,32 0,04
iar repartiţia comună a v.a. X şi Y este

15
XY 0 1 2
0 0,09 0,12 0,04
1 0,3 0,2 0
2 0,25 0 0
a) Deoarece, de exemplu,
P (X = 0)P (Y = 0) = 0,25 · 0,64 = 0,16 6= 0,09 = P (X = 0, Y = 0),
conform Propoziţiei 2.2 rezultă că v.a. X şi Y nu sunt independente.
b) Calculăm covarianţa v.a. X şi Y utilizând formula
cov (X, Y ) = M (XY ) − M (X)M (Y ).
Avem
2 X
X 2
M (XY ) = xyP (X = x, Y = y)
x=0 y=0

= 0 · 0 · 0,09 + 0 · 1 · 0,12 + 0 · 2 · 0,04 + 1 · 0 · 0,3 + 1 · 1 · 0,2


+ 1 · 2 · 0 + 2 · 0 · 0,25 + 2 · 1 · 0 + 2 · 2 · 0 = 0,2,
2
X
M (X) = xP (X = x) = 0 · 0,25 + 1 · 0,5 + 2 · 0,25 = 1,
x=0
X2
M (Y ) = yP (Y = y) = 0 · 0,64 + 1 · 0,32 + 2 · 0,04 = 0,4,
y=0

deci cov (X, Y ) = M (XY ) − M (X)M (Y ) = 0,2 − 1 · 0,4 = −0,2.


cov (X, Y )
c) Calculăm coeficientul de corelaţie utilizând formula ρX,Y = .
σX σY
Avem
2
X
M (X 2 ) = x2 P (X = x) = 02 · 0,25 + 12 · 0,5 + 22 · 0,25 = 1,5,
x=0

2 2 2 2
p p 2
D (X) = M (X ) − [M (X)] = 1,5 − 1 = 0,5, σX = D2 (X) = 0,5 = ,
2
2
X
2
M (Y ) = y 2 P (Y = y) = 02 · 0,64 + 12 · 0,32 + 22 · 0,04 = 0,48,
y=0
p
D (Y ) = M (Y 2 ) − [M (Y )]2 = 0,48 − 0,42 = 0,32, σY =
2
p
D2 (Y ) = 0,32,
cov (X, Y ) −0,2
deci ρX,Y = = √ √ = −0,5. 
σX σY 2
· 2 2
2 5

16
Exerciţiul 2.4. Fie variabilele aleatoare independente X şi Y cu repartiţiile

−1 0 1 2 −2 1 3
! !
X: 1 2 3 , Y : 2 1 .
α β
7 7 7 5 5
a) Să se determine media, dispersia şi abaterea medie pătratică pentru X şi
Y.
b) Să se determine repartiţiile variabilelor aleatoare: Z1 = 2X + 3Y ; Z2 =
X
3X − Y ; Z3 = 2X + 1; Z4 = X · Y ; Z5 = .
Y
c) Calculaţi media şi dispersia variabilelor aleatoare Z = 3X − 2 şi W =
3X − 2Y.

Rezolvare.
1 2 3 1 2 1
a)Cum + α + + = 1, rezultă α = . Cum + + β = 1, rezultă
7 7 7 7 5 ! 5
−1 −2
!
2 0 1 2 1 3
β = . Deci X : 1 1 2 3 , Y : 2 1 2 .
5
7 7 7 7 5 5 5
2 3
Atunci media lui X este M (X) = −1 · 17 + 0 · 17 + 1 · + 2 · = 1.
7 7
Dispersia lui X este D2 (X) = M (X 2 ) − [M (X)]2 , deci calculăm mai ı̂ntâi
(−1)2 02 12 22
! !
0 1 4
X 2 . Avem X 2 : 1 1 2 3 = 1 3 3 , deci M (X 2 ) =
7 7 7 7 7 7 7
1 3 3 15 15 8
0 · + 1 · + 4 · = . Astfel, dispersia este D2 (X) = − 12 = .
7 7 7 7 7 r 7 √
p
2
8 2 2
Abaterea medie pătratică a lui X este σX = D (X) = = √ =
√ 7 7
2 14
.
7
2 1 2 3
Media lui Y este M (Y ) = −2 · + 1 · + 3 · = . Dispersia lui Y
5 5 5 5
este D2 (Y ) = M (Y 2 ) − [M (Y )]2 , deci calculăm mai ı̂ntâi Y 2 . Avem Y 2 :
(−2)2 12 32
! !
1 4 9 1 2 2 27
2 1 2 = 1 2 2 , deci M (Y 2 ) = 1 · + 4 · + 9 · = .
5 5 5 5
5 5 5 5 5 5  
2
27 3 126
Astfel, dispersia este D2 (Y ) = − = .
5 5 25 r √
p 126 3 14
Abaterea medie pătratică a lui Y este σY = D2 (Y ) = = .
25 5

17
−2 −6
! !
0 2 4 3 9
b) Avem 2X : 1 1 2 3 , 3Y : 2 1 2 . Atunci
7 7 7 7 5 5 5
−2 − 6 −2 + 3 −2 + 9 0 − 6 0 + 3 0 + 9 2 − 6
Z1 = 2X + 3Y : 1 2 1 1 1 2 1 2 1 1 1 2 2 2
· · · · · · ·
7 5 7 5 7 5 7 5 7 5 7 5 7 5
2+3 2+9 4−6 4+3 4+9
!
2 1 2 2 3 2 3 1 3 2
· · · · ·
7 5 7 5 7 5 7 5 7 5
−8 1 7 −6 3 9 −4 5 11 −2 7 13
!
= 2 1 2 2 1 2 4 2 4 6 3 6
35 35 35 35 35 35 35 35 35 35 35 35
−8 −6 −4 −2 1
!
3 5 7 9 11 13
= 2 2 4 6 1 1 2 5 2 4 6 .
35 35 35 35 35 35 35 35 35 35 35
−3 0 3 6 −2 1 3
! !
Avem 3X : 1 1 2 3 , Y : 2 1 2 , deci
7 7 7 7 5 5 5
−3 + 2 −3 − 1 −3 − 3 0 + 2 0 − 1 0 − 3 3 + 2
Z2 = 3X − Y : 1 2 1 1 1 2 1 2 1 1 1 2 2 2
· · · · · · ·
7 5 7 5 7 5 7 5 7 5 7 5 7 5
3−1 3−3 6+2 6−1 6−3
!
2 1 2 2 3 2 3 1 3 2
· · · · ·
7 5 7 5 7 5 7 5 7 5
−1 −4 −6 2 −1 −3 5
!
2 0 8 5 3
= 2 1 2 2 1 2 4 2 4 6 3 6
35 35 35 35 35 35 35 35 35 35 35 35
−6 −4 −3 −1 0
!
2 3 5 8
= 2 1 2 3 4 4 6 7 6 ;
35 35 35 35 35 35 35 35 35

−2 + 1 0 + 1 2 + 1 4 + 1 −1
! !
1 3 5
Z3 = 2X + 1 : 1 1 2 3 = 1 1 2 3 ;
7 7 7 7 7 7 7 7

−1 · (−2) −1 · 1 −1 · 3 0 · (−2) 0·1 0·3 1 · (−2)


Z4 = X · Y : 1 2 1 1 1 2 1 2 1 1 1 2 2 2
· · · · · · ·
7 5 7 5 7 5 7 5 7 5 7 5 7 5

18
1·1 1·3 2 · (−2) 2·1 2·3
!
2 1 2 2 3 2 3 1 3 2
· · · · ·
7 5 7 5 7 5 7 5 7 5
−1 −3 −2 −4
!
2 0 0 0 1 3 2 6
= 2 1 2 2 1 2 4 2 4 6 3 6
35 35 35 35 35 35 35 35 35 35 35 35
−4 −3 −2 −1
!
0 1 2 3 6
= 6 2 4 1 5 2 5 4 6 ;
35 35 35 35 35 35 35 35 35

1 1 1
X  2 −1 − 0 0 0 −
Z5 = : 1 2 3 2
Y 1 1 1 2 1 2 1 1 1 2 2 2
· · · · · · ·
7 5 7 5 7 5 7 5 7 5 7 5 7 5

1 2
1 −1 2
3 3 
2 1 2 2 3 2 3 1 3 2 
· · · · ·
7 5 7 5 7 5 7 5 7 5
 1 1 1 1 2 
−1 − − 0 1 2
 2 3 3 2 3 
= .
7 4 2 5 4 2 6 2 3
 
35 35 35 35 35 35 35 35 35
c) Media lui Z este M (Z) = M (3X − 2) = 3 · M (X) − 2 = 3 · 1 − 2 = 1.
8 72
Dispersia lui Z este D2 (Z) = D2 (3X − 2) = 32 · D2 (X) = 9 · = .
7 7
Media lui W este M (W ) = M (3X − 2Y ) = 3 · M (X) − 2 · M (Y ) =
3 6 9
3·1−2· =3− = .
5 5 5
Dispersia lui W este D2 (W ) = D2 (3X −2Y ) = 32 ·D2 (X)+(−2)2 ·D2 (Y ) =
8 126 72 504 5328
9· +4· = + = . 
7 25 7 25 175

2.3 Exerciţii de verificare


Exerciţiul 2.5. a) Determinaţi
 valorile a, b ∈ R pentru care v.a. X cu
1 2 3
repartiţia X : are media egală cu 1,7.
a 0, 3 b
b) Pentru valorile lui a şi b determinate la punctul anterior, calculaţi dispersia
lui X.

19
Exerciţiul 2.6. Se iau la ı̂ntâmplare două numere diferite din mulţimea {1,
2, 3, 4, 5}. Fie X suma numerelor alese. Determinaţi repartiţia variabilei
aleatoare X, media, dispersia şi abaterea medie pătratică ale lui X.

Exerciţiul 2.7. Fie variabilele aleatoare independente X şi Y cu repartiţiile

−2 1 2 −1 0
! !
3
X: 2 1 , Y : 2 1 .
α β
5 5 9 9
a) Să se determine repartiţiile variabilelor aleatoare: Z1 = 3X + Y, Z2 =
Y
2X − 3Y, Z3 = 3X − 4, Z4 = X · Y, Z5 = X .
b) Să se determine media, dispersia şi abaterea medie pătratică pentru X şi
Y.
c) Calculaţi media şi dispersia variabilelor aleatoare Z = 2X − Y şi W =
4X − 2Y .

Exerciţiul 2.8. Fie v.a. independente X şi Y având repartiţiile


   
−1 0 1 2 −2 0 3
X:  1 1 2 3  , Y :  1 1 1  .
5 10 5 10 3 2 6

a) Calculaţi mediile, dispersiile şi abaterile medii pătratice ale lui X şi Y .
b) Determinaţi repartiţiile şi calculaţi mediile şi dispersiile variabilelor alea-
toare X + Y , X − Y , 2Y − 3X, şi X 2 + 2Y .

20

S-ar putea să vă placă și