Documente Academic
Documente Profesional
Documente Cultură
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).
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
( 10 + 70 ) · x = 46
4 18
70 · x = 10 ⇒ x = p(A) = 46 .
3 21
1
Se observă că un sistem complet de evenimente, realizează o partiţie a lui Ω.
Mulţimea I este finită, sau numărabilă.
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.
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
⟨⟨ -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).
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.⟨⟨
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
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
⟨⟨ -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 cufuncţia 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
'
( (
1 3
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 .
7
seminar 4 probabilităţi]Densitatea de probabilitate a unei variabile aleatoare
Exemplu { 1. Demonstraţi că f : R → R,
1 − |1 − x| , x ∈ [0, 2]
f (x) = , este densitate de probabilitate.
0, în rest
1
x x x x x x x
x(I) 0 x(II) 5 x(III) 10 x(IV )
Figure 1: Apartenenţa lui x pentru FX
∫x
(1)FX (x) = p(X < x) = f (t) dt, ∀x ∈ R;
−∞
′
(2)în punctele în care FX este derivabilă, FX (x) = f (x).
c · x, x ∈ [0, 5)
Exemplu 2. Fie f : R → R, f (x) = c · (10 − x), x ∈ [5, 10] . (1)Determinaţi
0, în rest
c ∈ R a.î. f să fie densitate de probabilitate. (2)Determinaţi funcţia de
repartiţie FX corespunzătoare lui f .
Dem. (1)Se observă că dacă x ∈ [0, 5) ⇒ c · x ≥ 0 are loc pentru c ≥ 0;
dacă x ∈ [5, 10] ⇒ 10 − x ≥ 0 şi c · (10 − x) ≥ 0 are loc pentru c ≥ 0;
deci f ≥ 0 are loc dacă c ≥ 0.
∞∫
Trebuie ca f (x) dx = 1 ⇔
−∞
∫5 ∫
10
x2 5 x2 10
c · x dx + c · (10 − x) dx = c · 2 /0 5 −c·
+ 10cx/10 2 /5 =
0 5
2 + 100c − 50c − 50c + 2 = 25c = 1 ⇒ c = 25 ≥ 0.
= 25c 25c 1
2
∫x ∫5 ∫
10
FX (x) = f (t) dt = 1
25 · t dt + 25 · (10 − t) dt =
1
−∞ 0 5
t2 5 t2 10
25 /5 − 25 − 25 − 50 + 50 =
10t 10 25 100 50 100 25
= /
50 0 + 50 5 = 50
/ +
= 1
2 + 4 − 2−2+ 1
2 = 1.
-se înlocuiesc
{ în1 expresia lui f ;
2 · 4 · y−3 , y−3 ∈ [0, 1]
fY (y) = 4 4 ;
0, în rest
-se transformă y−3 4 ∈ [0, 1] pâna devine o inegalitate în y:
y−3
∈ [0, 1] ⇔ 0 ≤ y−3 4 ≤ 1/ · 4 > 0 ⇔ 0 ≤ y − 3 ≤ 4/ + 3 ⇔ 3 ≤ y ≤ 7;
4 { y−3
fY (y) = 8 , y ∈ [3, 7] .
0, în rest
(2)-În calculul probabilităţii nu vom face deosebire între ′′ <′′ şi ′′ ≤′′ ,
considerând că dacă se iau densităţi de probabilitate, atunci v.a. este continuă
şi p(X = x0 ) = 0, ∀x0 ∈ R;
FY (y) = p(Y < y) = p(1 − 3X < y);
1 − 3X < y/ − 1 ⇔ −3X < y − 1/ · (− 13 ) < 0 ⇔ X > 1−y 3 ;
FY (y) = p(X > 1−y 3 ) = 1 − p(X ≤ 1−y
3 ) = 1 − p(X < 3 ) = 1 − FX ( 3 );
1−y 1−y
3
-Reamintim că g : (0, ∞) → R, g(x) = ln x are g ′ (x) = x1 > 0, ∀x > 0, deci este
strict crescătoare;
h : R → R, h(x) = ex are h′ (x) = ex > 0, deci este strict crescătoare;
(a)ln AB = ln A + ln B, (b)ln B A
= ln A − ln B, (c)ln Ax = x · ln A, (d)ln e = 1;
FY (y) = p(Y < y) = p(ln X < y);
ln X < y = y · 1 = y · ln e = ln ey ⇔ X < ey ;
FY (y) = p(X < ey ) = FX (ey );
(y) = FY′ (y) = [FX (ey )]′ = FX
fY { ′
(ey ) · (ey )′ = ey f (ey ) =
2e · e , e ∈ [0, 1]
y y y
= ,
0, în rest
e ∈ [0, 1]{⇔ e ≤ 1 = e ⇔ y ≤ 0,
y y 0
2e2y , y ≤ 0
fY (y) = .
0, în rest
4
⟨⟨ -Puteţi încerca să rezolvaţi singuri următoarele exemple.⟨⟨
( )
−1 0 1
Exemplu 1. Fie v.a. X : . Calculaţi M (X), M (2X),
0, 2 0, 3 0, 5
M (X 2 ), M ((X − 0, 3)2 ), D2 (X).
Exemplu
( 2. Determinaţi
) a şi b a.î. M (2X − 4) = 2, unde
1 a 3
X: .
b 15 35
5
y
6
a A(1, a)
-
O 1 x
1
- -
O 3 1 x O 1 1 x
4 2
∫
∞ ∫1 2x4 1
(3)M (X 2 ) = x2 f (x) dx = 2 x3 dx = 4 /0 = 21 ,
−∞ 0
D2 (X) = M (X ) − (M (X))2 = 12 − 49 = 18
2 1
.
(4)Cu observaţia 1, se ţine cont şi de faptul că 0 ≤ 14 < 12 ≤ 1,
1 1
∫2 ∫2 1
p( 4 < X < 2 ) = f (x) dx = 2 x dx = x2 / 21 = 14 − 16
1 1 1
= 163
.
1 1 4
4 4
2
Exemplu 3. Dacă v.a. X are media m = 2, 9 şi dispersia σ 2 = 1, 09, estimaţi
p(0, 9 < X < 4, 9).
∫
∞
Observaţia 3. (1)Γ(p) = xp−1 e−x dx, ∀p > 0;
0
(2)Γ(p) = (p − 1)Γ(p − 1), ∀p > 1.
probabilitate f : R → R, f (x) = Γ( 21 ) .
0, x ≤ 0
∫
∞ ∫
∞ ∫
∞
x · x− 2 e−x dx = x1− 2 = 2 =p−1 e−x dx;
1 1 1 1 1
Dem. M (X) = xf (x) dx = Γ( 12 ) Γ( 12 )
−∞ 0 0
Γ( 23 )=( 32 −1)Γ( 32 −1)= 12 Γ( 12 )
p − 1 = ⇒ p = 1 + = ⇒ M (X) =
1
2
1
2
3
2 Γ( 12 )
= 12 ;
∞∫ 2 ∫
∞ ∫
∞
x f (x) dx = Γ(11 ) x2 · x− 2 e−x dx = Γ(11 ) x2− 2 = 2 =p−1 e−x dx;
1 1 3
M (X 2 ) =
−∞ 2
0 2
0
Γ( 52 )=( 52 −1)Γ( 23 )= 32 Γ( 32 )
p − 1 = 2 ⇒ p = 1 + 2 = 2 ⇒ M (X ) =
3 3 5 2
Γ( 12 )
= 3M2(X) = 43 ;
D2 (X) = M (X 2 ) − (M (X))2 = 34 − 14 = 12 .
Dem. ⟨⟨ -Dacă o v.a. are un număr finit de valori, atunci pentru calculul
mediei se înmulţesc valorile cu probabilităţile şi apoi se adună aceste produse.
-Cu observaţia 1 punctele (1) şi (2): de exemplu la e3it coeficientul lui it de la
putere este 3 şi e3it se înmulţeşte(cu 81 ; la ultimul)termen apare numai 18 , deci
3 2 1 0
se înmulţeşte cu e0it = 1;⟨⟨ X : 1 3 3 1 .
8 8 8 8
3
Dem. -Cu observaţia 1 (3), se derivează în raport cu t, ca la funcţii reale;
(eit )′ = (eu )′ = eu u′ = eit (it)′ = ieit ;
it=u
φ′ (t) = (( 12 eit + 12 )10 )′ 1 it
=1
(u10 )′ = 10u9 u′ =
2 e + 2 =u
φ′′ (0)
M (X 2 ) = i2 =5+ 45
2 = 55
2 , D2 (X) = M (X 2 ) − (M (X))2 = 55
2 − 25 = 52 .
t ;
0 { et −1
t = 0 ⇒ ψ(0) = M (e0·X ) = M (1) = 1; ψ(t) = t , t ̸= 0 .
1, t = 0
Exemplu 2. Determinaţi repartiţia v.a. X cu funcţia generatoare de momente
1 −2t 2 −t
ψ(t) = 10 e + 10 e + 101
+ 102 t
e + 10 e , t ∈ R.
4 2t
( )
−2 −1 0 1 2
Dem. Cu observaţia 1 (2), X : 1 2 1 2 4 .
10 10 10 10 10
Exemplu 3. Calculaţi media şi dispersia v.a. X cu funcţia generatoare de
2
momente ψ(t) = 2−t , t ∈ (−2, 2).
′ ′
Dem. ψ ′ (t) = ( 2−t
2 ′
) = 2 (2−t)−2(2−t)
(2−t)2
=2 2
= (2−t) 2;
2 ′ 2 ′ ′ ′
((2 − t) ) = (u ) = 2uu = 2(2 − t)(2 − t) = −2(2 − t);
2−t=u
′ 2 ′
= 2 (2−t) −2((2−t)
2
′′ 2 ′ ) =4(2−t)
ψ (t) = ( (2−t)2) (2−t)4 ;
′
-cu observaţia 1, M (X) = ψ (0) = 4 = 12 ,
2
M (X 2 ) = ψ ′′ (0) = 16
8
= 12 , D2 (X) = M (X 2 ) − (M (X))2 = 1
2 − 1
4 = 41 .