nr.

cazuri favorabile
Definiţia clasică a probabilităţii: P ( A) = .
nr. cazuri posibile
Proprietăţi :
1. 0 ≤ P ( A) ≤ 1 ;.
2. P (Ω ) = 1 , unde Ω este evenimentul sigur;
3. P (Ο/ ) = 0 , unde Ο/ este evenimentul imposibil;
4. P ( A ∩ B ) = P ( A) ⋅ P (B ) , dacă A şi B sunt independente;
5. P ( A ∩ B ) = P ( A) ⋅ P (B \ A) , dacă A şi B sunt dependente;
6. P ( A ∪ B ) = P ( A) + P (B ) , dacă A ∩ B = Ο / ;
7. P ( A ∪ B ) = P ( A) + P ( B ) − P ( A ∩ B ) , dacă A ∩ B ≠ Ο
/ ;
8. P (A ) = 1 − P ( A)

Fie (Ω, K ,P) un câmp finit de probabilitate şi fie A ∈ K cu P(A)>0. Se numeşte

probabilitatea condiţionată de evenimentul A a evenimentului B ∈ K , notată prin PA (B ) ,
P( A I B )
raportul: PA ( B ) = .
P ( A)

Teoremă: (formula probabilităţii totale)

__
Fie A1 , A2 ,..., An un sistem complet de evenimente cu P( Ai ) ≠ 0, ∀i = 1, n . Atunci oricare ar
n
fi X ∈ K , avem: P ( X ) = ∑ P( Ai )PA ( X ) .
i
i =1

Teoremă: (formula lui Bayes)

__
Fie A1 , A2 ,..., An un sistem complet de evenimente cu P ( Ai ) ≠ 0, ∀i = 1, n . Atunci oricare ar
P( Ak ) ⋅ PAk ( X )
fi X ∈ K , cu P(X)>0, avem: PX ( Ak ) = n
.
∑ P( Ai )⋅ PA ( X )
i =1
i

Schema lui Bernoulli

a) Schema lui Bernoulli cu două stări Pn (k ) = C nk p k (1 − p )
n−k

n!
b) Schema lui Bernoulli cu mai multe stări: Pn (n1 , n 2 ,..., nm ) = p1n1 p 2n2 ... p mnm
n1!n 2 !...nm !

C cα C bβ C na11 C na22 ...C namm

Schema bilei nerevenite: Pa ,b (α , β ) = , P =
C aα++bβ C na11++na22++......++namm

Schema lui Poisson: coeficientul lui x k din: P ( x ) = ( p1 x + q1 )( p 2 x + q 2 )...( p n x + q n )

1
 x x2 ... xn  x 
Repartiţia unei variabile aleatoare discrete: f :  1  sau f :  i  , 1 ≤ i ≤ n ,
 p1 p2 ... pn   pi 
p1 + p 2 + ... + p n = 1 .

 x1k x 2k ... x nk   ax ax 2 ... ax n 

Operaţii cu variabile aleatoare discrete: f :  k
 , af :  1 
 p1 p2 ... p n 
 p1 p2 ... p n 

 x1 x2 ... xn  y y2 ... y m 
Fie f :   , g :  1 .
 p1 p2 ... pn   q1 q2 ... q m 
Avem:
 xi + y j 
f + g :  , 1≤ i ≤ n, 1≤ j ≤ m.

 p ij 
 xi ⋅ y j 
f ⋅ g :  , 1≤ i ≤ n, 1≤ j ≤ m .

 p ij 
Daca f şi g sunt independente probabilistic atunci p ij = p i ⋅ q j

 x1 x2 ... xn 
Fie variabila aleatoare f :  .
 p1 p2 ... p n 
n
- valoarea medie a variabilei aleatoare f : M ( f ) = ∑x p i i
i =1
n
- moment de ordinul r al variabilei aleatoare f: M r ( f ) = ∑x r
i
pi
i =1
n
dispersia variabilei aleatoare f: D 2 ( f ) = M 2 ( f − M ( f )) = ∑ (x − M ( f )) ⋅ pi
2
- i
i =1

- abaterea medie patratica (abaterea standard) a variabilei aleatoare f:

σ ( f ) = D( f ) = D ( f )
2

Proprietati
- Mr(f )= M f ( ).r

- M r ( f ) = a r , daca f = a = constant
- M r ( f ) = a r M ( f ) , daca f este o variabilă aleatoare şi a un număr real
- M ( f + g ) = M ( f ) + M (g )
D 2 ( f ) = M 2 ( f ) − (M ( f ))
2
-
- M( fg )= M( f )M(g).
- D 2 ( f + g ) = D 2 ( f ) + D 2 (g )

2
Functia de repartitie a variabilei aleatoare X functia F : R → [0,1] : F ( x ) = p ( X < x )

Proprietati. Pentru orice x1 < x 2 două numere date, avem:

1. p (x1 ≤ X < x 2 ) = F ( x 2 ) − F (x1 ) ;
2. p (x1 < X < x 2 ) = F ( x 2 ) − F (x1 ) − p ( X = x1 ) ;
3. p (x1 < X ≤ x 2 ) = F ( x 2 ) − F (x1 ) − p( X = x1 ) + p ( X = x 2 )
4. p (x1 ≤ X ≤ x 2 ) = F ( x 2 ) − F (x1 ) + p ( X = x 2 )

Propozitia 1
Daca F : R → [0,1] este functia de repartitie a unei variabile aleatoare X, atunci:
a. lim F ( x ) = 0 , lim F ( x ) = 1 ;
x → −∞ x →∞

b. F este nedescrescatoare, adica oricare ar fi doua elemente reale x1 < x 2 , atunci

F (x1 ) ≤ F ( x 2 ) ;
c. F este continua la stanga, adica oricare ar fi numarul real x, avem F ( x − 0 ) = F (x ) .

Propozitia 2
Daca F : R → [0,1] este o functie care indeplineste conditiile a, b, c de la propozitia 1, atunci
F poate fi functie de repartitie (exista un camp de probabiliate si o variabila aleatoare definita pe
acesta care sa aiba drept functie de repartie functia F).

Metoda celor mai mici pătrate

Fie o funcţie f : [a, b] → R o funcţie pentru care se cunosc valorile f ( xi ) = y i , i = 1, n , cu

x i ∈ [a, b], i = 1, n . Se cere să se determine polinomul de grad p
g ( x ) = a p x p + a p −1 x p −1 + ... + a1 x + a 0
care să aproximeze funcţia f, astfel încât suma pătratelor diferenţelor dintre valorile aproximate şi
cele cunoscute în cele n puncte să fie minimă.
 n 2 n n

 ∑ i
a x + b ∑ x i = ∑ y i xi
 i =1
funcţie liniară g ( x ) = ax + b :  n
i =1 i =1
- n
;
a x + b ⋅ n =
 ∑ ∑
i yi
i =1 i =1

 n 4 n n n

 a ∑ x i + b ∑ x 3
i + c ∑ x 2
i = ∑ y i xi2
 i =1 i =1 i =1 i =1

 n n n n
functie de gradul doi, g ( x ) = ax 2 + bx + c : a ∑ xi + b∑ xi2 + c ∑ xi = ∑ y i xi
3
-
 i =1 i =1 i =1 i =1
 n 2 n n
a ∑ x i + b ∑ x i + c ⋅ n = ∑ y i
 i =1 i =1 i =1