1

Noțiuni introductive
în teoria probabilităților

1.1 Experiențe aleatoare. Camp de evenimente aleatoare

1.2 Noțiunea de probabilitate. Camp de probabilitate
1.3 Probabilitatea condiționată. Evenimente independente
1.4 Scheme clasice de probabilitate
1.5 Aplicații numerice

§1.1 EXPERIENȚE ALEATOARE. CAMP DE EVENIMENTE

1.1.a Experiențe aleatoare. Evenimente aleatoare – operații și relații
pe mulțimea evenimentelor

Teoria probabilităților este o disciplină matematică ce asemeni Geometriei

sau Mecanicii teoretice are la originea conceptelor sale fundamentale
experimentul, care dezvoltă permanent forma riguros matematică a acestor
concepte și care se întoarce la experimente pentru a cuprinde și interpreta largi
categorii de fenomene și procese fizice ale căror evoluții depind de întamplare.
Obarșia acestei discipline nu este pur științifică, apariția ei facandu-se la începutul
secolului al XVII-lea din necesitatea evaluării șanselor de caștig la jocurile de
noroc, care deveneau tot mai complicate și furnizau probleme a căror rezolvare
depășea capacitatea de a raționa a jucătorilor de rand. Aceste probleme au atras
atenția unor oameni de știință ai acelor vremuri, care aveau să pună în scurt timp
bazele teoretice ale calculului probabilistic: Pascal (1632-1662), Fermat (1601-
1665), Huygens (1629-1695), J. Bernoulli (1654-1705).
8 | Teoria probabilităților. Elemente teoretice și APLICAȚII

Mai tarziu, calculul probabilităților a cunoscut o dezvoltare puternică

devenind o teorie matematică utilizată ca instrument de modelare a unor fenomene
și procese fizice din variate domenii de activitate: medicina, ramuri de inginerie,
afaceri și chiar în justiție. Cercetările aprofundate ale unor mari matematicieni,
fizicieni și astronomi așa cum au fost Laplace (1749-1827), Gauss (1777-1855), De
Moivre (1667-1754), Leapounov (1857-1918), Cebașev (1821-1894), Markov (1856-
1922) au adus contribuții importante în axiomatizarea noțiunii de probabilitate și
introducerea noțiunilor de variabilă aleatoare și distribuție aleatoare
corespunzătoare.
Teoria modernă a probabilităților începe după anii 1930 odată cu
axiomatizarea completă a acestei discipline de către matematicianul rus A.N.
Kolmogorov () și prin contribuția altor mari matematicieni așa cum au fost S.
Bernstein, Borel, Cantelli, Glivenko sau Onicescu. Necesitatea axiomatizării a
apărut și din considerații de ordin practic, deoarece domeniile de aplicabilitate ale
acestei discipline s-au lărgit cuprinzand fizica teoretică, biologia, demografia,
ramurile ingineriei de varf.
Astăzi, teoria probabilităților și a proceselor stochastice este o disciplină
complexă avand contacte nemijlocite cu toate celelalte domenii matematice și are
aplicații în modelarea celor mai diverse și complicate fenomene și procese din
natură și societate.

Definiţia 1.1
a) Prin experiență aleatoare (E.A.) se înțelege orice experiment a cărui
desfășurare și al cărui rezultat depind de întamplare, rezultat ce poate lua forme
diferite cunoscute dar care nu poate fi anticipat cu exactitate.
b) Orice realizare a unei E.A. se numește probă. Rezultatul unei probe se
numește eveniment elementar. Mulțimea tuturor evenimentelor elementare
asociate unei E.A. se numește spațiul de bază al experienței respective și se notează
cu Ω.
c) Prin eveniment aleator (e.a.) asociat unei E. A. se înțelege orice eveniment
a cărui realizare este sau confirmată, sau infirmată în orice probă a experienței.
Altfel spus, prin e.a. înțelegem o propoziție logică alcătuită din evenimente
elementare și operatorii logici (conjuncția = și, notată cu ∩; disjuncția = sau,
notată cu ∪; negația = non, notată cu indicele superior drept “c”), propoziție a cărei
valoare de adevăr este “A” sau “F” după orice probă a experienței.
 Cap. 1 – Introducere în teoria probabilităților |9

Exemple simple

a) (ℰ1 ): Aruncarea unui zar ideal pe o suprafață netedă.

Dacă notăm cu 𝐸𝑘 = 𝑒𝑣𝑒𝑛𝑖𝑚𝑒𝑛𝑡𝑢𝑙 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑎𝑟 𝑑𝑒 𝑜𝑏ț𝑖𝑛𝑒𝑟𝑒 𝑎 𝑓𝑒ț𝑒𝑖 𝑐𝑢 𝑘 𝑝𝑢𝑛𝑐𝑡𝑒; 𝑘 =
̅̅̅̅ atunci Ω = {𝐸𝑘 }𝑘=1,6
1,6 ̅̅̅̅ este spațiul de bază al experienței.
Dacă notăm cu A = e.a. de obținere a unei fețe cu număr par de puncte
atunci deducem că A = 𝐸2 ∪ 𝐸4 ∪ 𝐸6 ; dacă notăm cu B = e.a. de obținere a feței cu
număr prim de puncte atunci deducem că B = 𝐸1 ∪ 𝐸2 ∪ 𝐸3 ∪ 𝐸5 .

b) (ℰ2 ): Aruncarea simultană a două zaruri ideale pe o suprafață netedă.

Dacă notăm cu 𝐸𝑖𝑗 = evenimentul elementar de obținere a perechii de puncte (𝑖, 𝑗)
atunci Ω = {𝐸𝑖𝑗 }𝑖,𝑗=1,6
̅̅̅̅
este spațiul de bază al experienței și distingem cazurile:

36 , 𝑑𝑎𝑐ă 𝑧𝑎𝑟𝑢𝑟𝑖𝑙𝑒 𝑠𝑢𝑛𝑡 𝑑𝑖𝑓𝑒𝑟𝑖𝑡𝑒

|Ω| = { .
21, 𝑑𝑎𝑐ă 𝑧𝑎𝑟𝑢𝑟𝑖𝑙𝑒 𝑠𝑢𝑛𝑡 𝑖𝑑𝑒𝑛𝑡𝑖𝑐𝑒

Dacă notăm cu 𝐴 = e.a. de obținere a sumei de 7 puncte atunci deducem că,

𝐸16 ∪ 𝐸25 ∪ 𝐸34 ∪ 𝐸61 ∪ 𝐸52 ∪ 𝐸43 , 𝑑𝑎𝑐ă 𝑧𝑎𝑟𝑢𝑟𝑖𝑙𝑒 𝑠𝑢𝑛𝑡 𝑑𝑖𝑓𝑒𝑟𝑖𝑡𝑒
𝐴 ={ .
𝐸16 ∪ 𝐸25 ∪ 𝐸34 , 𝑑𝑎𝑐ă 𝑧𝑎𝑟𝑢𝑟𝑖𝑙𝑒 𝑠𝑢𝑛𝑡 𝑖𝑑𝑒𝑛𝑡𝑖𝑐𝑒

Observaţii
1. Este evident că orice eveniment elementar este implicit eveniment
aleator asociat experienței respective.

2. Pentru orice experiență aleatoare există două evenimente aleatoare

remarcabile: evenimentul sigur, notat cu Ω, eveniment care se realizează în orice
probă a experienței; evenimentul imposibil, notat cu ∅, eveniment care nu se
realizează în vreo probă a experienței. În exemplul 1 obținem Ω = 𝐸1 ∪ 𝐸2 ∪ 𝐸3 ∪
𝐸4 ∪ 𝐸5 ∪ 𝐸6 ceea ce justifică conform definiției 1c) faptul că Ω este eveniment
aleator.

3. Mulțimea tuturor evenimentelor aleatoare asociate unei E.A. se notează

în general cu 𝒦 și are loc relația 𝒦 ⊆ 𝒫(Ω) . Această mulțime, ca și spațiul de bază Ω
poate fi finită, infinită însă cel mult numărabilă, sau infinită și nenumărabilă.

Definiţia 1.2
• Reuniunea evenimentelor aleatoare 𝐴 și 𝐵 se notează cu 𝐴 ∪ 𝐵 și reprezintă
acel e.a. care se realizează atunci și numai atunci cand se realizează A sau B.
10 | Teoria probabilităților. Elemente teoretice și APLICAȚII

• Intersecția evenimentelor aleatoare 𝐴 și 𝐵 se notează cu 𝐴 ∩ 𝐵 și reprezintă

acel e.a. care se realizează atunci și numai atunci cand se realizează simultan cele
două evenimente.
• Negația evenimentului 𝐴 se notează cu 𝐴𝑐 sau cu 𝐴̅ și este acel eveniment
aleator care se realizează atunci cand nu se realizează 𝐴.
• Diferența evenimentelor aleatoare 𝐴 și 𝐵 se notează cu 𝐴 − 𝐵 și reprezintă
acel e.a. care se realizează atunci și numai atunci cand se realizează evenimentul A
și nu se realizează evenimentul B. Astfel, se obține 𝐴 − 𝐵 = 𝐴 ∩ 𝐵𝑐 .
• Diferența simetrică a evenimentelor aleatoare 𝐴 și 𝐵 se notează cu 𝐴 ∆ 𝐵 și
reprezintă acel e.a. care se realizează atunci și numai atunci cand se realizează doar
unul dintre cele două evenimente. Astfel, se obține 𝐴 ∆ 𝐵 = (𝐴 − 𝐵) ∪ (𝐵 − A).

Observaţii
1. Două evenimente aleatoare A și B se numesc incompatibile dacă nu se
pot realiza simultan, adică 𝐴 ∩ 𝐵 = ∅.

2. Pentru oricare două evenimente aleatoare 𝐴 și 𝐵 au loc următoarele

relații : implicația, notată prin 𝐴 ⊂ 𝐵 și are loc dacă orice realizare a lui A atrage
implicit realizarea lui B; egalitatea, notată cu 𝐴 = 𝐵 și are loc dacă 𝐴 ⊂ 𝐵 și 𝐵 ⊂ 𝐴.

3. Pentru orice eveniment aleator 𝐴 au loc următoarele relații elementare:

𝐴 ∪ 𝐴𝑐 = Ω ; 𝐴 ∩ 𝐴𝑐 = ∅ ; 𝐴 ∪ Ω = Ω ; 𝐴 ∩ Ω = A ; Ω𝑐 = ∅ ; ∅𝑐 = Ω .

1.1.b Camp de evenimente aleatoare

Definiţia 1.3
Fie (ℰ) o experiență aleatoare cu spațiul de bază Ω. O submulțime de
evenimente aleatoare 𝒦 ⊆ 𝒫(Ω) se numește corp de evenimente dacă satisface
axiomele:
(a) Ω ∈ 𝒦 ;
(b) 𝐴𝑐 ∈ 𝒦 , (∀) 𝐴 ∈ 𝒦 ;
(c) 𝐴 ∪ 𝐵 ∈ 𝒦 , (∀) 𝐴, 𝐵 ∈ 𝒦 .
În acest caz, perechea formală (𝛺, 𝒦) se numește camp de evenimente aleatoare
asociat experienței cu spațiul de bază Ω . Dacă axioma (c) se înlocuiește cu axioma
mai generală (c’):
(c’) ∪∞
𝑖=1 𝐴𝑖 ∈ 𝒦 , (∀) 𝐴𝑖 ∈ 𝒦 , (𝑖 ≥ 1)

atunci mulțimea 𝒦 se numește corp borelian (σ-corp) de evenimente, iar perechea

(𝛺, 𝒦) se numește camp borelian (σ-camp) de evenimente aleatoare.
 Cap. 1 – Introducere în teoria probabilităților | 11

Lema 1.4
Dacă perechea (𝛺, 𝒦) este camp de evenimente atunci au loc proprietățile:
(a) ∅ ∈ 𝒦 ;
(b) 𝐴 ∩ 𝐵 ∈ 𝒦 ; 𝐴 − 𝐵 ∈ 𝒦 ; 𝐴 ∆ 𝐵 ∈ 𝒦 , (∀) 𝐴, 𝐵 ∈ 𝒦 ;
(c) ∪𝑛𝑖=1 𝐴𝑖 ∈ 𝒦 , ∩𝑛𝑖=1 𝐴𝑖 ∈ 𝒦 , (∀) 𝐴𝑖 ∈ 𝒦 , 𝑖 = ̅̅̅̅̅
1, 𝑛 , 𝑛 ∈ ℕ∗ .

Demonstrație: Se aplică direct definiția 1.3 și se obține

(a) Ω ∈ 𝒦 și 𝐴𝑐 ∈ 𝒦 , (∀) 𝐴 ∈ 𝒦 implică Ω𝑐 = ∅ ∈ 𝒦 ;
(b) 𝐴 ∪ 𝐵 ∈ 𝒦 , (∀) 𝐴, 𝐵 ∈ 𝒦 implică 𝐴 ∩ 𝐵 = [𝐴𝑐 ∪ 𝐵𝑐 ]𝑐 ∈ 𝒦 , (∀) 𝐴, 𝐵 ∈ 𝒦 ;

𝐴 − 𝐵 = 𝐴 ∩ 𝐵𝑐 ∈ 𝒦 ; 𝐴 ∆ 𝐵 = (𝐴 − 𝐵) ∪ (𝐵 − A) ∈ 𝒦 , (∀) 𝐴, 𝐵 ∈ 𝒦 ;
(c) se aplică metoda inducției matematice cu verificarea adevărată pentru 𝑛 =
2.

Observaţie
Dacă perechea (𝛺, 𝒦) este chiar σ-camp de evenimente atunci au loc, în
plus, proprietățile:
(d) ∩∞ ∞ 𝑐 𝑐
𝑖=1 𝐴𝑖 = [∪𝑖=1 𝐴𝑖 ] ∈ 𝒦 , (∀) 𝐴𝑖 ∈ 𝒦 ;
∞
(e) lim sup 𝐴𝑛 = ∩∞
𝑛=1 ∪𝑖=𝑛 𝐴𝑖 ∈ 𝒦 , (∀) 𝐴𝑖 ∈ 𝒦 ;
∞
(f) lim 𝑖𝑛𝑓 𝐴𝑛 = ∪∞
𝑛=1 ∩𝑖=𝑛 𝐴𝑖 ∈ 𝒦 , (∀) 𝐴𝑖 ∈ 𝒦 .

§1.2 NOȚIUNEA DE PROBABILITATE. CAMP DE PROBABILITATE

Cazul experienței cu spațiu de bază finit

Fie (ℰ) o experiență aleatoare cu spațiul de bază Ω finit, iar (𝛺, 𝒦) este
campul de evenimente asociat. Aplicația 𝑃: 𝒦 → [0, 1] se numește probabilitate pe
campul de evenimente (𝛺, 𝒦) dacă este definită prin relația,

𝑛𝑢𝑚ă𝑟𝑢𝑙 𝑑𝑒 𝑒𝑣𝑒𝑛𝑖𝑚𝑒𝑛𝑡𝑒 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑎𝑟𝑒 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑖𝑙𝑒 𝑟𝑒𝑎𝑙𝑖𝑧ă𝑟𝑖𝑖 𝑙𝑢𝑖 𝐴

𝑃(𝐴) = , (∀) 𝐴 ∈ 𝒦 .
|Ω|
12 | Teoria probabilităților. Elemente teoretice și APLICAȚII

Exemplu: Se consideră o urnă ce conține 10 bile identice, 4 albe și 6 negre. Se face

extragerea unei bile la întamplare și se cere probabilitatea evenimentului 𝐴 de
obținere a unei bile albe.

𝑛𝑢𝑚ă𝑟𝑢𝑙 𝑑𝑒 𝑒𝑣𝑒𝑛𝑖𝑚𝑒𝑛𝑡𝑒 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑎𝑟𝑒 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑖𝑙𝑒 𝑟𝑒𝑎𝑙𝑖𝑧ă𝑟𝑖𝑖 𝑙𝑢𝑖 𝐴 4 2

𝑃(𝐴) =
|Ω|
=10 = .
5

Definiţia 1.5 ( Cazul experienței cu spațiu de bază numărabil )

Fie (ℰ) o experiență aleatoare cu spațiul de bază Ω numărabil iar (𝛺, 𝒦) este
σ-campul de evenimente asociat. Aplicația 𝑃: 𝒦 → ℝ se numește probabilitate pe
σ-campul de evenimente (𝛺, 𝒦) dacă satisface axiomele:
(a) 𝑃(𝛺) = 1 ;
(b) 𝑃(𝐴) ≥ 0 , (∀) 𝐴 ∈ 𝒦 ;
(c) 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) , (∀) 𝐴, 𝐵 ∈ 𝒦 a.î. 𝐴 ∩ 𝐵 = ∅ .
În acest caz, tripletul formal (𝛺, 𝒦, 𝑃) se numește camp de probabilitate asociat
experienței cu spațiul de bază Ω. Dacă axioma (c) se înlocuiește cu axioma mai
generală (c’):
(c’) 𝑃(∪∞ ∞
𝑖=1 𝐴𝑖 ) = ∑𝑖=1 𝑃(𝐴𝑖 ) , (∀) 𝐴𝑖 ∈ 𝒦 a.î. 𝐴𝑖 ∩ 𝐴𝑗 = ∅ pentru 𝑖 ≠ 𝑗 ,

atunci probabilitatea 𝑃 se numește σ-aditivă, iar tripletul (𝛺, 𝒦, 𝑃) se numește

camp borelian (σ-camp) de probabilitate.
Teorema 1.6 (formule probabilistice fundamentale)
Dacă tripletul formal (𝛺, 𝒦, 𝑃) este camp de probabilitate asociat
experienței cu spațiul de bază Ω atunci au loc proprietățile:
(a) 𝑃(𝐴𝑐 ) = 1 − 𝑃(𝐴) ≥ 0 , 𝑃(𝐴) ∈ [0, 1] , (∀) 𝐴 ∈ 𝒦 ; 𝑃(∅) = 0 ;
(b) 𝐴 ⊂ 𝐵 implică 𝑃(𝐴) ≤ 𝑃(𝐵) , (∀) 𝐴, 𝐵 ∈ 𝒦 ;
(c) 𝑃(𝐴 − 𝐵) = 𝑃(𝐴) − 𝑃(𝐴 ∩ 𝐵) ;
Dacă 𝐵 ⊂ 𝐴 atunci 𝑃(𝐴 − 𝐵) = 𝑃(𝐴) − 𝑃(𝐵) ;
(d) 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵) , (∀) 𝐴, 𝐵 ∈ 𝒦 ;
(e) 𝑃(𝐴 ∆ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 2𝑃(𝐴 ∩ 𝐵) , (∀) 𝐴, 𝐵 ∈ 𝒦 ;
(f) Identitatea lui H. Poincare:
𝑃(∪𝑛𝑖=1 𝐴𝑖 ) = ∑𝑛𝑖=1 𝑃(𝐴𝑖 ) − ∑𝑖,𝑗=1,𝑛
̅̅̅̅̅ 𝑃(𝐴𝑖 ∩ 𝐴𝑗 ) +
𝑖<𝑗

+ ∑𝑖,𝑗,𝑘=1,𝑛
̅̅̅̅̅ 𝑃(𝐴𝑖 ∩ 𝐴𝑗 ∩ 𝐴𝑘 ) − ⋯ + (−1)
𝑛−1
𝑃(∩𝑛𝑖=1 𝐴𝑖 ) , (∀) 𝐴𝑖 ∈ 𝒦.
𝑖<𝑗<𝑘
 Cap. 1 – Introducere în teoria probabilităților | 13

Demonstrație: Se aplică direct definițiile 1.3 și 1.5 precum și lema 1.4

(a) Deoarece 𝐴 ∩ 𝐴𝑐 = ∅ rezultă că 𝑃(𝐴 ∪ 𝐴𝑐 ) = 𝑃(𝐴) + 𝑃(𝐴𝑐 ). Dar 𝐴 ∪ 𝐴𝑐 = 𝛺
și 𝑃(𝛺) = 1. Prin urmare 𝑃(𝐴𝑐 ) = 1 − 𝑃(𝐴) , (∀) 𝐴 ∈ 𝒦 ;
𝑃(𝐴𝑐 ) = 1 − 𝑃(𝐴) ≥ 0 și 𝑃(𝐴) ≥ 0 implică 𝑃(𝐴) ∈ [0, 1] , (∀) 𝐴 ∈ 𝒦 ;
𝑃(∅) = 𝑃(𝛺𝑐 ) = 1 − 𝑃(𝛺) = 1 − 1 = 0 ;

(b) 𝐴 ⊂ 𝐵 implică 𝐴 = (𝐴 − 𝐵) ∪ 𝐵 și deci 𝑃(𝐴) = 𝑃(𝐴 − 𝐵) + 𝑃(𝐵) ;

Dar 𝑃(𝐴 − 𝐵) ≥ 0 și deci 𝑃(𝐴) ≤ 𝑃(𝐵) ;
(c) Deoarece 𝐴 = (𝐴 − 𝐵) ∪ (𝐴 ∩ 𝐵) , (∀) 𝐴, 𝐵 ∈ 𝒦 iar (𝐴 − 𝐵) ∩ (𝐴 ∩ 𝐵) = ∅
obținem 𝑃(𝐴) = 𝑃(𝐴 − 𝐵) + 𝑃(𝐴 ∩ 𝐵) , adică 𝑃(𝐴 − 𝐵) = 𝑃(𝐴) − 𝑃(𝐴 ∩ 𝐵) ;
În particular, dacă 𝐵 ⊂ 𝐴 atunci 𝑃(𝐴 − 𝐵) = 𝑃(𝐴) − 𝑃(𝐵) ;

(d) Deoarece 𝐴 ∪ 𝐵 = (𝐴 − 𝐵) ∪ (𝐵 − A) ∪ (𝐴 ∩ 𝐵) , (∀) 𝐴, 𝐵 ∈ 𝒦 iar

(𝐴 − 𝐵) ∩ (𝐴 ∩ 𝐵) = ∅ , (𝐵 − 𝐴) ∩ (𝐴 ∩ 𝐵) = ∅ , (𝐴 − 𝐵) ∩ (𝐵 − 𝐴) = ∅
obținem ,
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴 − 𝐵) + 𝑃(𝐵 − 𝐴) + 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵) ;

(e) Deoarece 𝐴 ∆ 𝐵 = (𝐴 − 𝐵) ∪ (𝐵 − A) , (∀) 𝐴, 𝐵 ∈ 𝒦 iar,

(𝐴 − 𝐵) ∩ (𝐵 − 𝐴)= ∅ obținem ,
𝑃(𝐴 ∆ 𝐵) = 𝑃(𝐴 − 𝐵) + 𝑃(𝐵 − 𝐴) = 𝑃(𝐴) + 𝑃(𝐵) − 2𝑃(𝐴 ∩ 𝐵) , (∀) 𝐴, 𝐵 ∈ 𝒦 ;

(f) Se aplică metoda inducției matematice cu verificarea adev. pentru 𝑛 = 2.

∎

Exemplul 1.7
Se consideră experiența extragerii successive a 4 numere la întamplare din
mulțimea {1 , 2 , … , 20} . Se cere probabilitatea 𝑝 ∈ [0, 1] cu care cele 4 numere
formează în ordinea extrasă, o progresie aritmetică strict crescătoare.
Rezolvare :
Aplicăm formula clasică a probabilității pe camp finit de probabilitate,

𝑚 𝑛𝑢𝑚ă𝑟𝑢𝑙 𝑑𝑒 𝑐𝑎𝑧𝑢𝑟𝑖 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑖𝑙𝑒 57 1

𝑝= = = 4845 =
𝑛 𝑛𝑢𝑚ă𝑟𝑢𝑙 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑐𝑎𝑧𝑢𝑟𝑖 85

deoarece vom calcula ambii termeni ai fracției:

14 | Teoria probabilităților. Elemente teoretice și APLICAȚII

4 𝐴420 20∙19∙18∙17
𝑛 = 𝐶20 = = = 15 ∙ 19 ∙ 17 = 4845 ;
4! 1∙2∙3∙4

𝑚 = ̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
{ (𝑥 , 𝑥 + 𝑟 , 𝑥 + 2𝑟 , 𝑥 + 3𝑟) ∈ {1, 2, 3, … , 20}4 ∶ 𝑟 > 0} =

= 2∙6 + 3∙5 + 3∙4 + 3∙3 + 3∙2 + 3∙1 = 57 .

• Dacă 𝑥 = 1 și 𝑥 = 2 găsim cate 6 progresii ( r= 1, 2, 3, 4, 5, 6 ) ;

• Dacă 𝑥 = 3 , 𝑥 = 4 și 𝑥 = 5 găsim cate 5 progresii ( r= 1, 2, 3, 4, 5 ) ;
• Dacă 𝑥 = 6 , 𝑥 = 7 și 𝑥 = 8 găsim cate 4 progresii ( r= 1, 2, 3, 4 ) ;
• Dacă 𝑥 = 9 , 𝑥 = 10 și 𝑥 = 11 găsim cate 3 progresii ( r= 1, 2, 3 ) ;
• Dacă 𝑥 = 12 , 𝑥 = 13 și 𝑥 = 14 găsim cate 2 progresii ( r= 1, 2 ) ;
• Dacă 𝑥 = 15 , 𝑥 = 16 și 𝑥 = 17 găsim cate o progresie ( r= 1 ) .

Exemplul 1.8
Se aruncă un zar succesiv de două ori. Se cere probabilitatea 𝑝 ∈ [0, 1] ca
numărul de puncte obținut la prima aruncare să fie divizor al numărului obținut la
a doua aruncare.
Rezolvare :
Aplicăm formula clasică a probabilității pe camp finit de probabilitate,

𝑚 𝑛𝑢𝑚ă𝑟𝑢𝑙 𝑑𝑒 𝑐𝑎𝑧𝑢𝑟𝑖 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑖𝑙𝑒 14 7

𝑝= = = 36 =
𝑛 𝑛𝑢𝑚ă𝑟𝑢𝑙 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑐𝑎𝑧𝑢𝑟𝑖 18

deoarece vom calcula ambii termeni ai fracției:

𝑚 = ̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
{ 𝑥 ∶ 𝑥 𝑒𝑠𝑡𝑒 𝑑𝑖𝑣𝑖𝑧𝑜𝑟 𝑝𝑒𝑛𝑡𝑟𝑢 𝑞 ∈ {1, 2, 3, 4, 5, 6} } = 14 ;

𝑛 = 6 ∙ 6 = 36 .

§1.3 PROBABILITATEA CONDIȚIONATĂ.

INDEPENDENȚA STOCHASTICĂ A EVENIMENTELOR

Exemplu: Se consideră o urnă ce conține 10 bile identice, 4 albe și 6 negre. Se fac

două extrageri succesive fără revenirea bilelor în urnă. Se cere probabilitatea
evenimentului 𝐴, ca la a doua extragere să se obțină o bilă albă.
 Cap. 1 – Introducere în teoria probabilităților | 15

Rezolvare
În absența cunoștințelor riguroase privind probabilitatea condiționată și
proprietățile acesteia, cu o abordare rudimentar-logică a problemei puse suntem
conduși la o rezolvare (care se va dovedi incorectă) de tipul:
3 1
= , 𝑑𝑎𝑐ă 𝑝𝑟𝑖𝑚𝑎 𝑏𝑖𝑙ă 𝑒𝑥𝑡𝑟𝑎𝑠ă 𝑎 𝑓𝑜𝑠𝑡 𝑎𝑙𝑏ă
9 3
𝑃(𝐴) = .
4
{ 9 , 𝑑𝑎𝑐ă 𝑝𝑟𝑖𝑚𝑎 𝑏𝑖𝑙ă 𝑒𝑥𝑡𝑟𝑎𝑠ă 𝑎 𝑓𝑜𝑠𝑡 𝑛𝑒𝑎𝑔𝑟ă
Vom reface această demonstrație după ce vim defini probabilitatea condiționată și
vom fi dat proprietățile fundamentale ale acesteia.
Definiția 1.9
Se consideră σ-campul de probabilitate (𝛺, 𝒦, 𝑃) asociat unei experiențe
oarecare, iar 𝐴 ∈ 𝒦 un eveniment oarecare fixat cu probabilitatea 𝑃(𝐴) ∈ (0, 1]
(adică nenulă). Aplicația,
𝑃(𝐴 ∩𝐵)
𝑃𝐴 : 𝒦 → ℝ a.î. 𝑃𝐴 (𝐵) = , (∀) 𝐵 ∈ 𝒦
𝑃(𝐴)

se numește probabilitatea condiționată de evenimentul oarecare (fixat) A.

Se demonstrează imediat că tripletul (𝛺, 𝒦, 𝑃𝐴 ) este de asemenea σ-camp de
probabilitate asociat aceleeași experiențe aleatoare, adică, 𝑃𝐴 este probabilitate σ-
aditivă pe σ-campul de evenimente (𝛺, 𝒦).
Definiția 1.10
Se consideră σ-campul de probabilitate (𝛺, 𝒦, 𝑃) asociat unei experiențe
oarecare, iar 𝑆 = { 𝐸𝑖 ∈ 𝒦 }𝑖∈𝐼⊆ℕ∗ un sistem numărabil de evenimente aleatoare (în
particular, chiar finit). Spunem că sistemul S se numește complet (s.c.e.) dacă
satisface axiomele:
(a) 𝐸𝑖 ≠ ∅ , (∀) 𝑖 ∈ 𝐼 ⊆ ℕ∗ ;
(b) 𝐸𝑖 ∩ 𝐸𝑗 = ∅ , (∀) 𝑖, 𝑗 ∈ 𝐼 ⊆ ℕ∗ a.î. 𝑖 ≠ 𝑗 ;
(c) ⋃𝑖∈𝐼⊆ℕ∗ 𝐸𝑖 = Ω .
Observație
Dacă notăm cu 𝑝𝑖 = 𝑃(𝐸𝑖 ) , (∀) 𝑖 ∈ 𝐼 ⊆ ℕ∗ atunci se verifică imediat
proprietățile:
(a) 𝑝𝑖 ≠ 0 , (∀) 𝑖 ∈ 𝐼 ⊆ ℕ∗ ;
(b) 1 = 𝑃(Ω) = 𝑃( ⋃𝑖∈𝐼⊆ℕ∗ 𝐸𝑖 ) = ∑𝑖∈𝐼 𝑃(𝐸𝑖 ) = ∑𝑖∈𝐼 𝑝𝑖 .
16 | Teoria probabilităților. Elemente teoretice și APLICAȚII

Teorema 1.11 (alte formule probabilistice fundamentale)

Dacă tripletul formal (𝛺, 𝒦, 𝑃𝐴 ) este σ-camp de probabilitate asociat
experienței cu spațiul de bază Ω , atunci au loc proprietățile:
(a) 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) ∙ 𝑃𝐴 (𝐵) = 𝑃(𝐵) ∙ 𝑃𝐵 (𝐴) , (∀) 𝐴, 𝐵 ∈ 𝒦 a.î. 𝑃(𝐴 ∩ 𝐵) ≠ 0 ;
(b) 𝑃𝐴 (𝐵 ∩ 𝐶) = 𝑃𝐴 (𝐵) ∙ 𝑃𝐴∩𝐵 (𝐶) , (∀) 𝐴, 𝐵, 𝐶 ∈ 𝒦 a.î. 𝑃(𝐴 ∩ 𝐵) ≠ 0 ;
(c) 𝑃( 𝐴1 ∩ 𝐴2 ∩ … ∩ 𝐴𝑛 ) = 𝑃(𝐴1 ) 𝑃𝐴1 (𝐴2 ) … 𝑃∩𝑛−1 𝐴𝑖 (𝐴𝑛 ) , (∀) 𝐴𝑖 ∈ 𝒦 ;
𝑖=1

(d) Dacă 𝑆 = { 𝐸𝑖 ∈ 𝒦 }𝑖∈𝐼⊆ℕ∗ este un s.c.e. iar 𝐴 ∈ 𝒦 a.î. 𝑃(𝐴) ≠ 0 atunci:

𝑃(𝐴) = ∑𝑖∈𝐼 𝑃(𝐸𝑖 ) ∙ 𝑃𝐸𝑖 (𝐴) ( formula probabilității totale ) ;

(e) Dacă 𝑆 = { 𝐸𝑖 ∈ 𝒦 }𝑖∈𝐼⊆ℕ∗ este un s.c.e. iar 𝐴 ∈ 𝒦 atunci:

𝑃(𝐸𝑖 )∙𝑃𝐸𝑖 (𝐴)

𝑃𝐴 (𝐸𝑖 ) = , (∀) 𝑖 ∈ 𝐼 ⊆ ℕ∗ ( formula lui Bayes ) .
∑𝑗∈𝐼 𝑃(𝐸𝑗 )∙𝑃𝐸 (𝐴)
𝑗

Demonstrație: Se aplică direct definițiile 1.9 și 1.10 precum și teorema 1.6

(a) Evidentă pe baza definiției 1.9. Interpretare – calculul probabilității

evenimentului A ∩ B ;
𝑃(𝐴 ∩ 𝐵 ∩ 𝐶)
(b) Prin calcul direct se obține 𝑃𝐴 (𝐵 ∩ 𝐶) = = 𝑃𝐴 (𝐵) ∙ 𝑃𝐴∩𝐵 (𝐶) ;
𝑃(𝐴)

(c) Se aplică definiția 1.9 în fiecare factor al produsului din membrul al II-lea ;

(d) 𝑃(𝐴) = 𝑃[ 𝐴 ∩ Ω ] = 𝑃[ 𝐴 ∩ ⋃𝑖∈𝐼⊆ℕ∗ 𝐸𝑖 ] = 𝑃[ ⋃𝑖∈𝐼 (𝐴 ∩ 𝐸𝑖 ) ] =

= ∑𝑖∈𝐼 𝑃(𝐴 ∩ 𝐸𝑖 ) = ∑𝑖∈𝐼 𝑃(𝐸𝑖 ) ∙ 𝑃𝐸𝑖 (𝐴) ;

𝑃( 𝐴 ∩ 𝐸𝑖 ) 𝑃(𝐸𝑖 )∙𝑃𝐸𝑖 (𝐴)

(e) 𝑃𝐴 (𝐸𝑖 ) = = , (∀) 𝑖 ∈ 𝐼 ⊆ ℕ∗ .
𝑃(𝐴) ∑𝑗∈𝐼 𝑃(𝐸𝑗 )∙𝑃𝐸 (𝐴)
𝑗
∎
Refacerea demonstrației exemplului anterior:

Notăm cu 𝑆 = {𝐸 ; 𝐸 𝑐 } s.c.e. unde 𝐸 = evenimentul obținerii unei bile albe

la prima extragere și aplicăm formula probabilității totale (teorema 1.11, (d)):

4 3 6 4 36 2
𝑃(𝐴) = 𝑃(𝐸) ∙ 𝑃𝐸 (𝐴) + 𝑃(𝐸 𝑐 ) ∙ 𝑃𝐸𝑐 (𝐴) = ∙ +
10 9
∙ =
10 9
= .
90 5
 Cap. 1 – Introducere în teoria probabilităților | 17

Definiția 1.11
Se consideră σ-campul de probabilitate (𝛺, 𝒦, 𝑃) asociat unei experiențe
oarecare, 𝐴, 𝐵 ∈ 𝒦 două evenimente oarecare fixate iar 𝑆 = { 𝐸𝑖 ∈ 𝒦 }𝑖=1,𝑛̅̅̅̅̅ un
sistem oarecare de evenimente aleatoare.
(a) Spunem că evenimentele 𝐴, 𝐵 ∈ 𝒦 se numesc independente stochastic (i.s.)
dacă are loc proprietatea,
𝑃𝐴 (𝐵) = 𝑃(𝐵), echivalent cu 𝑃𝐵 (𝐴) = 𝑃(𝐴) ;
Interpretare :
𝐴, 𝐵 ∈ 𝒦 sunt independente stochastic ⟺ 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) ∙ 𝑃(𝐵)
(b) Spunem că sistemul de evenimente 𝑆 = { 𝐸𝑖 ∈ 𝒦 }𝑖=1,𝑛 ̅̅̅̅̅ se numește
independent stochastic două cate două (i.s. 2-2) dacă are loc proprietatea,

𝑃(𝐸𝑖 ∩ 𝐸𝑗 ) = 𝑃(𝐸𝑖 ) ∙ 𝑃(𝐸𝑗 ) , (∀) 𝑖, 𝑗 ∈ ̅̅̅̅̅

1, 𝑛 a.î. 𝑖 ≠ 𝑗 ;

(c) Spunem că sistemul de evenimente 𝑆 = { 𝐸𝑖 ∈ 𝒦 }𝑖=1,𝑛 ̅̅̅̅̅ se numește

independent stochastic în ansamblu (i.s.a.) dacă are loc proprietatea,

𝑃( 𝐸𝑖1 ∩ 𝐸𝑖2 ∩ … ∩ 𝐸𝑖𝑘 ) = 𝑃(𝐸𝑖1 ) 𝑃(𝐸𝑖2 ) … 𝑃(𝐸𝑖𝑘 ) ,

̅̅̅̅̅
(∀) 𝑘 ∈ 2, 𝑛 ; (∀) (𝑖1 , 𝑖2 , … , 𝑖𝑛 ) ≅ (1, 2, … , 𝑛).
Interpretare : (b) sistemul de evenimente 𝑆 este i.s. 2-2 dacă oricare două
evenimente ale sistemului sunt independente; (c) sistemul de evenimente 𝑆 este
i.s.a. dacă oricare 𝑘 ∈ ̅̅̅̅̅
2, 𝑛 dintre ele sunt i.s.a.

§1.4 SCHEME CLASICE DE PROBABILITATE

Schemele de probabilitate sunt cele mai simple modele probabilistice care

se utilizează atat în rezolvarea multor probleme de teoria probabilităților și de
statistică matematică, precum și în demonstrarea unor rezultate teoretice
fundamentale ale Legilor numerelor mari și ale Teoremelor limită centrală.

1.4.a Schema binomială (schema urnei cu bile revenite) (J. Bernoulli)

Se consideră o urnă ce conține bile identice de două culori (de exemplu, albe și
negre) în cantități cunoscute (nu neapărat precizate). Se fac “𝑛” extrageri succesive
cu revenirea de fiecare dată a bilei extrase în urnă, după consemnarea culorii. Se
cere probabilitatea evenimentului ℬ𝑘;𝑛−𝑘 , ( 𝑘 = ̅̅̅̅̅
0, 𝑛 ) de obținere a “𝑘” bile albe
∗
(implicit “𝑛 − 𝑘” bile negre), unde 𝑛 ∈ ℕ este fixat.
18 | Teoria probabilităților. Elemente teoretice și APLICAȚII

Rezolvare
Notăm cu 𝐸𝑖 , 𝑖 = ̅̅̅̅̅
1, 𝑛 evenimentul elementar de apariție a unei bile albe la
extragerea cu numărul 𝑖 = ̅̅̅̅̅
1, 𝑛 . De asemenea, notăm cu 𝐸𝑖𝑐 , 𝑖 = ̅̅̅̅̅
1, 𝑛 evenimentul
elementar complementar, de apariție a unei bile negre la extragerea cu numărul 𝑖 =
̅̅̅̅̅
1, 𝑛 și astfel,
̅̅̅̅̅
𝛺 = { 𝐸𝑖 ; 𝐸𝑖𝑐 ∶ 𝑖 = 1, 𝑛}

este spațiul de bază al experienței lui Bernoulli (schemei binomiale). Este evident
că aceste evenimente elementare sunt independente în ansamblu (toate cele “𝑛”
extrageri au loc din urna completă, ceea ce se poate interpreta că se face cate o
extragere din “𝑛” urne identice cu același conținut). De asemenea, este evident că
evenimentele 𝐸𝑖 , 𝑖 = ̅̅̅̅̅
1, 𝑛 sunt egal probabile,

𝑚 𝑛𝑢𝑚ă𝑟𝑢𝑙 𝑑𝑒 𝑏𝑖𝑙𝑒 𝑎𝑙𝑏𝑒

𝑃(𝐸𝑖 ) = 𝑝 = = ∈ (0, 1) , 𝑖 = ̅̅̅̅̅
1, 𝑛
𝑛 𝑛𝑢𝑚ă𝑟𝑢𝑙 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑏𝑖𝑙𝑒

̅̅̅̅̅
și totodată 𝑃(𝐸𝑖𝑐 ) = 1 − 𝑝 , 𝑖 = 1, 𝑛.
Notăm cu 𝐴𝑖1 ,𝑖2 ,… ,𝑖𝑘 = 𝐸𝑖1 ∩ 𝐸𝑖2 ∩ … ∩ 𝐸𝑖𝑘 ∩ 𝐸𝑖𝑐𝑘+1 ∩ … ∩ 𝐸𝑖𝑐𝑛 pentru orice
permutare (𝑖1 , 𝑖2 , … , 𝑖𝑛 ) ≅ (1, 2, … , 𝑛) evenimentul aleator de obținere a “𝑘” bile
albe (implicit “𝑛 − 𝑘” bile negre) după cele “𝑛” extrageri successive – adică, aceste
evenimente sunt variante de realizare a evenimentului cercetat ℬ𝑘;𝑛−𝑘 .

Se demonstrează imediat că aceste evenimente sunt de asemenea i.s.a., egal

probabile și incompatibile două cate două:

𝑃(𝐴𝑖1 ,𝑖2 ,… ,𝑖𝑘 ) = 𝑃( 𝐸𝑖1 ∩ 𝐸𝑖2 ∩ … ∩ 𝐸𝑖𝑘 ∩ 𝐸𝑖𝑐𝑘+1 ∩ … ∩ 𝐸𝑖𝑐𝑛 ) =

= 𝑃(𝐸𝑖1 ) 𝑃(𝐸𝑖2 ) … 𝑃(𝐸𝑖𝑘 ) 𝑃(𝐸𝑖𝑐𝑘+1 ) … 𝑃(𝐸𝑖𝑐𝑛 ) = 𝑝𝑘 (1 − 𝑝)𝑛−𝑘 ;

𝐴𝑖1 ,𝑖2 ,… ,𝑖𝑘 ∩ 𝐴𝑗1 ,𝑗2 ,… ,𝑗𝑘 = ∅ , (∀) (𝑖1 , 𝑖2 , … , 𝑖𝑘 ) ≠ (𝑗1 , 𝑗2 , … , 𝑗𝑘 ).

Astfel, probabilitatea evenimentului cercetat devine:

𝑃(ℬ𝑘;𝑛−𝑘 ) = 𝑃(∪𝑖1 ,𝑖2 ,… ,𝑖𝑘 𝐴𝑖1 ,𝑖2 ,… ,𝑖𝑘 ) =

̅̅̅̅̅
= ∑𝑖1 ,𝑖2 ,… ,𝑖𝑘 𝑃(𝐴𝑖1 ,𝑖2 ,… ,𝑖𝑘 ) = 𝐶𝑛𝑘 𝑃(𝐴𝑖1 ,𝑖2 ,… ,𝑖𝑘 ) = 𝐶𝑛𝑘 𝑝𝑘 (1 − 𝑝)𝑛−𝑘 , 𝑘 = 0, 𝑛

∎
 Cap. 1 – Introducere în teoria probabilităților | 19

Observaţii
1° Se verifică imediat că sistemul de evenimente aleatoare { ℬ𝑘;𝑛−𝑘 }𝑘=0,𝑛
̅̅̅̅̅ este
complet, adică:
• ℬ𝑘;𝑛−𝑘 ≠ ∅ , (∀) 𝑘 = ̅̅̅̅̅
0, 𝑛 ;
• ℬ𝑘;𝑛−𝑘 ∩ ℬ𝑗;𝑛−𝑗 = ∅ , (∀) 𝑘, 𝑗 = ̅̅̅̅̅
0, 𝑛 a.î. 𝑘 ≠ 𝑗 ;
• ∪𝑛𝑘=0 ℬ𝑘;𝑛−𝑘 = Ω .

2° Justificarea denumirii de schemă binomială :

Folosind binomul lui Newton,
(𝑎 + 𝑏)𝑛 = ∑𝑛𝑘=0 𝐶𝑛𝑘 𝑎𝑛−𝑘 𝑏 𝑘 cu 𝑎 = (1 − 𝑝) și 𝑏 = 𝑝𝑥 se obține că
probabilitatea 𝑃(ℬ𝑘;𝑛−𝑘 ) = 𝐶𝑛𝑘 𝑝𝑘 (1 − 𝑝)𝑛−𝑘 , ( 𝑘 = ̅̅̅̅̅
0, 𝑛 ) este tocmai coeficientul lui
𝑛
𝑥 din această dezvoltare: (1 − 𝑝 + 𝑝𝑥) = ∑𝑘=0 𝐶𝑛 (1 − 𝑝)𝑛−𝑘 𝑏 𝑘 𝑥 𝑘 .
𝑘 𝑛 𝑘

3° Generalizare – schema polinomială : Se consideră o urnă ce conține

bile identice de “ 𝑠 ” culori ( 𝑠 ≥ 2 , fixat) în cantități cunoscute (nu neapărat
precizate). Se fac “𝑛” extrageri succesive cu revenirea de fiecare dată a bilei extrase
în urnă, după consemnarea culorii. Se cere probabilitatea evenimentului ℬ𝑘1 ,𝑘2 ,… ,𝑘𝑠
, ( 𝑘1 + 𝑘2 + ⋯ + 𝑘𝑠 = 𝑛 ) de obținere a “𝑘𝑖 ” bile de culoare “𝑐𝑖 ” , 𝑖 = ̅̅̅̅
1, 𝑠 . Se obține:

𝑛! 𝑘 𝑘 𝑘
𝑃(ℬ𝑘1 ,𝑘2 ,… ,𝑘𝑠 ) = 𝑝1 1 𝑝2 2 … 𝑝𝑠 𝑠 ,
𝑘1 !∙𝑘2 !∙∙∙𝑘𝑠 !

̅̅̅̅𝑠 reprezintă probabilitatea ca la orice extragere să se obțină o bilă

unde 𝑝𝑖 , 𝑖 = 1,
de culoare “𝑐𝑖 ” , 𝑖 = ̅̅̅̅
1, 𝑠 .

Aplicația 1.12
Se consideră o urnă conţinând 6 bile albe şi 10 bile negre. Se fac 𝑛 = 12
extrageri succesive cu revenire şi se cere probabilitatea evenimentului :

a) A = evenimentul obţinerii a 10 bile albe ;

b) B = evenimentul obţinerii a 10 bile negre ;
c) C = evenimentul obţinerii cel puţin a unei bile albe .

Rezolvare
Folosind teoria prezentată anterior obținem:
6 3
𝑝 = probabilitatea obținerii unei bile albe la orice extragere = =
16 8

și prin urmare deduce imediat,

20 | Teoria probabilităților. Elemente teoretice și APLICAȚII

10 3 10 3 2 2 3 5 66∙ 310 ∙52

𝑃(𝐴) = 𝑃(ℬ10;2 ) = 𝐶12 ( ) ( 1 − ) = 𝐶12 ( )10 ( )2 = ;
8 8 8 8 812

10 5 10 5 2 2 5 3 66∙ 510 ∙32

𝑃(𝐵) = 𝐶12 ( ) ( 1 − ) = 𝐶12 ( )10 ( )2 = ;
8 8 8 8 812

𝑐 0 3 0 3 12 5
𝑃(𝐶) = 𝑃(ℬ0,12 ) = 1 − 𝑃(ℬ0;12 ) = 1 − 𝐶12 ( ) (1− ) = 1 − ( )12 .
8 8 8

Aplicația 1.13
Se aruncă o pereche de 2 zaruri identice de 𝑛 = 10 ori. Se cere probabilitatea
evenimentului :

a) A = obţinerea sumei de 7 puncte de 4 ori ;

b) B = obţinerea sumei de 7 puncte cel puţin o dată ;
c) C = obţinerea de 4 ori a unei duble ;
d) D = obţinerea cel puţin o dată a unei duble ;
e) E = obţinerea de 2 ori a dublei (6,6) ;
f) F = obţinerea niciodată a sumei de 10 puncte.

Rezolvare

a); b) ∪ − 3 bile albe∶ perechile de puncte (1,6), (2,5), (3,4) ;

− 18 bile negre∶ perechile de puncte (𝑖,𝑗) , 𝑖≤𝑗 , 𝑖+𝑗≠7 ;

𝑝 = probabilitatea obținerii unei bile albe la orice extragere =

= probabilitatea obținerii sumei de 7 puncte la orice aruncare a perechii de
3 1
zaruri identice = = .
21 7

4 1 4 41 6 1 4 6 6
𝑃(𝐴) = 𝑃(ℬ4;6 ) = 𝐶10 ( ) ( 1 − ) = 𝐶10 ( ) ( ) ;
7 7 7 7

𝑐 0 1 0 1 10 6 10
𝑃(𝐵) = 𝑃(ℬ0,10 ) = 1 − 𝑃(ℬ0;10 ) = 1 − 𝐶10 ( ) (1− ) = 1−( ) ;
7 7 7

c); d) ∪ ̅̅̅̅ (𝑑𝑢𝑏𝑙𝑒𝑙𝑒) ;

− 6 bile albe∶ perechile de puncte (𝑖,𝑖) , 𝑖=1,6
̅̅̅̅ 𝑎.î. 𝑖<𝑗 ;
− 15 bile negre∶ perechile de puncte (𝑖,𝑗) , 𝑖,𝑗=1,6

𝑝 = probabilitatea obținerii unei bile albe la orice extragere =

 Cap. 1 – Introducere în teoria probabilităților | 21

= probabilitatea obținerii unei duble la orice aruncare a perechii de zaruri

6 2
identice = = .
21 7

4 2 4 4 2 6 2 4 5 6
𝑃(𝐶) = 𝑃(ℬ4;6 ) = 𝐶10 ( ) ( 1 − ) = 𝐶10 ( ) ( ) ;
7 7 7 7

𝑐 0 2 0 2 10 5 10
𝑃(𝐷) = 𝑃(ℬ0,10 ) = 1 − 𝑃(ℬ0;10 ) = 1 − 𝐶10 ( ) (1− ) = 1−( ) ;
7 7 7

e) 𝑝 = probabilitatea obținerii unei bile albe la orice extragere =

= probabilitatea obținerii dublei (6,6) la orice aruncare a perechii de
1
zaruri identice = .
21

2 1 2 1 8 2 1 2 20 8 (20)8
𝑃(𝐸) = 𝑃(ℬ2;8 ) = 𝐶10 ( ) ( 1 − ) = 𝐶10 ( ) ( ) = 45 ;
21 21 21 21 (21)10

f) ∪ − 2 bile albe∶ perechile de puncte (4,6), (5,5) ;

− 19 bile negre∶ perechile de puncte (𝑖,𝑗) , 𝑖≤𝑗 , 𝑖+𝑗≠10 ;

𝑝 = probabilitatea obținerii unei bile albe la orice extragere =

= probabilitatea obținerii sumei de 10 puncte la orice aruncare a
2
perechii de zaruri identice = .
21

0 2 0 2 10 19 10
𝑃(𝐹) = 𝑃(ℬ0;10 ) = 𝐶10 ( ) (1− ) = ( ) .
21 21 21

1.4.b Schema hipergeometrică (schema urnei cu bile nerevenite)

Se consideră o urnă ce conține bile identice de două culori (de exemplu, albe și
negre) în cantități cunoscute: 𝑎 ∈ ℕ∗ bile albe și 𝑏 ∈ ℕ∗ bile negre. Se fac “ 𝑛 ”
extrageri succesive fără revenirea de fiecare dată a bilei extrase în urnă, după
consemnarea culorii (evident, 1 ≤ 𝑛 ≤ 𝑎 + 𝑏). Se cere probabilitatea evenimentului
ℱ𝑘;𝑛−𝑘 , ( 𝑘 = ̅̅̅̅̅
0, 𝑛 ) de obținere a “𝑘” bile albe (implicit “𝑛 − 𝑘” bile negre).

Rezolvare
Notăm cu 𝐸𝑖 , 𝑖 = ̅̅̅̅̅
1, 𝑛 evenimentul elementar de apariție a unei bile albe la
extragerea cu numărul 𝑖 = ̅̅̅̅̅ 1, 𝑛 . De asemenea, notăm cu 𝐸𝑖𝑐 , 𝑖 = ̅̅̅̅̅
1, 𝑛 evenimentul
elementar complementar, de apariție a unei bile negre la extragerea cu numărul 𝑖 =
̅̅̅̅̅
1, 𝑛 și astfel, 𝛺 = { 𝐸𝑖 ; 𝐸𝑖𝑐 ∶ 𝑖 = ̅̅̅̅̅
1, 𝑛 } este spațiul de bază al experienței.
22 | Teoria probabilităților. Elemente teoretice și APLICAȚII

Este evident că aceste evenimente elementare sunt dependente în

ansamblu (rezultatul fiecărei extrageri depinde de rezultatele tuturor extragerilor
anterioare). Notăm cu 𝐴𝑖1 ,𝑖2 ,… ,𝑖𝑘 = 𝐸𝑖1 ∩ 𝐸𝑖2 ∩ … ∩ 𝐸𝑖𝑘 ∩ 𝐸𝑖𝑐𝑘+1 ∩ … ∩ 𝐸𝑖𝑐𝑛 pentru
orice permutare (𝑖1 , 𝑖2 , … , 𝑖𝑛 ) ≅ (1, 2, … , 𝑛) evenimentul aleator de obținere a “𝑘”
bile albe (implicit “𝑛 − 𝑘” bile negre) după cele “𝑛” extrageri successive – adică,
aceste evenimente sunt variante de realizare a evenimentului cercetat ℱ𝑘;𝑛−𝑘 .

Se demonstrează imediat că aceste evenimente sunt incompatibile două

cate două: 𝐴𝑖1 ,𝑖2 ,… ,𝑖𝑘 ∩ 𝐴𝑗1 ,𝑗2 ,… ,𝑗𝑘 = ∅ , (∀) (𝑖1 , 𝑖2 , … , 𝑖𝑘 ) ≠ (𝑗1 , 𝑗2 , … , 𝑗𝑘 ) . De
asemenea, se demonstrează că aceste variante sunt egal probabile, interpretand că
din totalul de 𝑎 + 𝑏 bile, probabilitatea de a extrage simultan 𝑛 bile (dintre care 𝑘 să
fie albe) este mereu aceeași:

𝑃(𝐴𝑖1 ,𝑖2 ,… ,𝑖𝑘 ) = 𝑃(𝐴1,2 ,… ,𝑘 ) =

= 𝑃( 𝐴1 ∩ 𝐴2 ∩ … ∩ 𝐴𝑘 ∩ 𝐴𝑐𝑘+1 ∩ … ∩ 𝐴𝑐𝑛 ) =

= 𝑃(𝐴1 ) 𝑃𝐴1 (𝐴2 ) … 𝑃∩𝑘−1 𝐴 (𝐴𝑘 ) 𝑃∩𝑘 (𝐴𝑐𝑘+1 ) … 𝑃∩𝑘 𝑛−1 𝑐 (𝐴𝑐𝑛 ) =
𝑖=1 𝑖 𝑖=1 𝐴𝑖 𝑖=1 𝐴𝑖 ∩ ∩𝑖=𝑘+1 𝐴𝑖

𝑛−𝑘
𝑎 𝑎−1 𝑎−(𝑘−1) 𝑏 𝑏−1 𝑏−(𝑛−𝑘−1) 𝐴𝑘
𝑎 ∙ 𝐴𝑏
= ∙ ∙… ∙ ∙ ∙ ∙… ∙ = .
𝑎+𝑏 𝑎+𝑏−1 𝑎+𝑏−𝑘+1 𝑎+𝑏−𝑘 𝑎+𝑏−𝑘−1 𝑎+𝑏−𝑛+1 𝐴𝑛
𝑎+𝑏

Astfel, probabilitatea evenimentului cercetat devine:

𝑃(ℱ𝑘;𝑛−𝑘 ) = 𝑃(∪𝑖1 ,𝑖2 ,… ,𝑖𝑘 𝐴𝑖1 ,𝑖2 ,… ,𝑖𝑘 ) =

𝑛−𝑘
𝐴𝑘
𝑎 ∙ 𝐴𝑏 𝐶𝑘𝑎 ∙ 𝐶𝑛−𝑘
𝑏
= ∑𝑖1 ,𝑖2 ,… ,𝑖𝑘 𝑃(𝐴𝑖1 ,𝑖2 ,… ,𝑖𝑘 ) = 𝐶𝑛𝑘 𝑃(𝐴𝑖1 ,𝑖2 ,… ,𝑖𝑘 ) = 𝐶𝑛𝑘 =
𝐴𝑛
𝑎+𝑏 𝐶𝑛𝑎+𝑏

unde,
0≤𝑘≤𝑎
{ ⟺ 𝑚𝑎𝑥{0, 𝑛 − 𝑏} ≤ 𝑘 ≤ 𝑚𝑖𝑛{𝑎, 𝑛} ,
0≤𝑛−𝑘 ≤𝑏
̅̅̅̅̅
iar dacă 𝑛 ≤ 𝑎 ș𝑖 𝑛 ≤ 𝑏 atunci 𝑘 = 0, 𝑛.
∎

Observaţie importantă
1° Se verifică imediat că sistemul de evenimente aleatoare { ℱ𝑘;𝑛−𝑘 }𝑘=0,𝑛
̅̅̅̅̅ este
complet (s.c.e), adică:
 Cap. 1 – Introducere în teoria probabilităților | 23

• ℱ𝑘;𝑛−𝑘 ≠ ∅ , (∀) 𝑘 = ̅̅̅̅̅

0, 𝑛 ;
• ℱ𝑘;𝑛−𝑘 ∩ ℱ𝑗;𝑛−𝑗 = ∅ , (∀) 𝑘, 𝑗 = 0,
̅̅̅̅̅
𝑛 a.î. 𝑘 ≠ 𝑗 ;
• ∪𝑛𝑘=0 ℱ𝑘;𝑛−𝑘 = Ω .

Aplicația 1.14 (Extragerea lotto 6 din 49)

Se consideră o urnă conţinând 49 de bile identice, numerotate de la 1 la 49.
Dintre acestea, 6 bile fixate sunt purtătoare de numere caștigătoare. Se fac 𝑛 = 6
extrageri succesive fără revenire şi se cere probabilitatea evenimentului :

a) A = evenimentul obţinerii celor 6 bile caștigătoare (caștig la categoria I) ;

b) B = evenimentul obţinerii a 5 bile caștigătoare (caștig la categoria a II-a) ;
c) C = evenimentul obţinerii a 4 bile caștigătoare (caștig la categoria a III-a) .

Rezolvare
Folosind teoria prezentată anterior cu: 𝑎 = 6 , 𝑏 = 43 , 𝑛 = 6

𝐶66 ∙ 𝐶043 1 6! 1
𝑃(𝐴) = 𝑃(ℱ6;0 ) = = 6 = = ;
𝐶649 𝐶49 49∙48∙47∙46∙45∙44 14 983 816

𝐶56 ∙ 𝐶143 6∙43 258

𝑃(𝐵) = 𝑃(ℱ5;1 ) = = = ;
𝐶649 14 983 816 14 983 816

𝐶46 ∙ 𝐶243 13 545

𝑃(𝐶) = 𝑃(ℱ4;2 ) = = .
𝐶649 14 983 816

§1.5 APLICAȚII NUMERICE

Problema 1.5.1
̅̅̅̅ ) efectuează trageri succesive asupra aceleeaşi
Trei trăgători 𝑇𝑖 , (𝑖 = 1,3
ţinte, de la aceeaşi distanţă şi cu aceeaşi armă. Dacă se cunosc probabilităţile ca 𝑇1 ,
2 3 4
𝑇2 şi respectiv 𝑇3 să atingă ţinta şi acestea sunt , şi respectiv , atunci se cere
3 4 5
probabilitatea evenimentului :

a) A = ţinta a fost atinsă de trei ori ;

b) B = ţinta a fost atinsă cel puţin o dată ;
c) C = ţinta a fost ratată de două ori ;
d) D = ţinta a fost ratată de trei ori .
24 | Teoria probabilităților. Elemente teoretice și APLICAȚII

Problema 1.5.2
Se consideră o urnă ce conţine bile identice numerotate de la 1 la 220. Se
face o extragere la întamplare și se cere probabilitatea evenimentului :
a) 𝐴 = ev. obţinerii unui număr divizibil prin 5 și prin 7 ;
b) 𝐵 = ev. obţinerii unui număr divizibil prin 6 și prin 10 ;
c) 𝐶 = ev. obţinerii unui număr divizibil prin 10, 14 și prin 21 ;
d) 𝐷 = 𝐴 ∪ 𝐵 ∪ 𝐶 ( Indicație: formula H. Poincare ).

Problema 1.5.3
3−𝑥 2 3
Se consideră mulțimea de matrice ℳ = { 𝐴 = ( 5 𝑥+4 3) ∶ 𝑥 ∈
4 4 1

[−3 ; 2] ∩ ℤ } . Se extrage la întamplare o matrice 𝐴 din această mulțime şi se cere

probabilitatea 𝑝 ∈ (0,1) ca aceasta să nu fie inversabilă.

Problema 1.5.4
𝑥−3 2 −4
Se consideră mulțimea de matrice ℳ = { 𝐴 = (𝑥 + 4 𝑥−3 7 )∶𝑥∈
5 −2 𝑥+6

[−3 ; 3] ∩ ℤ } . Se extrage la întamplare o matrice 𝐴 din această mulțime şi se cere

probabilitatea 𝑝 ∈ (0,1) ca aceasta să fie inversabilă.

Problema 1.5.5
Se consideră mulțimea ℳ = { 𝑚 ∈ ℤ ∶ |𝑚| < 8 } . Se extrage la întamplare
un număr 𝑚 ∈ ℳ şi se cere probabilitatea 𝑝 ∈ (0,1) ca ecuația algebrică 𝑥 2 − 6𝑥 −
𝑚 + 7 = 0 să aibă rădăcinile (soluțiile) strict pozitive.

Problema 1.5.6
Se consideră mulțimea ℳ = { 𝑚 ∈ [−5 ; 0] ∩ ℤ } . Se extrage la întamplare
un număr 𝑚 ∈ ℳ şi se cere probabilitatea 𝑝 ∈ (0,1) ca ecuația algebrică 𝑚𝑥 2 −
8𝑥 − 𝑚 − 7 = 0 să aibă o rădăcină triplul celeilalte.

Problema 1.5.7
Se consideră mulțimea ℳ = { 𝑎 ∈ [0 ; 6] ∩ ℤ } . Se extrage la întamplare un
număr 𝑎 ∈ ℳ şi se cere probabilitatea 𝑝 ∈ (0,1) ca ecuația algebrică 𝑥 6 − 𝑎𝑥 5 +
3
(𝑎 + ) 𝑥 4 − 5𝑥 2 − 4𝑥 + 2 = 0 să aibă cel puțin o rădăcină complexă.
2
 Cap. 1 – Introducere în teoria probabilităților | 25

Problema 1.5.8
Se consideră o urnă conţinând 4 bile albe şi 6 bile negre. Se fac 𝑛 = 10
extrageri succesive cu revenire şi se cere probabilitatea evenimentului :
a) A = ev. obţinerii cel puțin a unei bile albe ;
b) B = ev. obţinerii a 6 bile albe ;
c) C = ev. obţinerii a 6 bile negre.

Problema 1.5.9
Se consideră o urnă conţinând 4 bile albe şi 6 bile negre. Se fac 𝑛 = 10
extrageri succesive fără revenire şi se cere probabilitatea evenimentului :
a) A = ev. obţinerii cel puțin a unei bile albe ;
b) B = ev. obţinerii a 6 bile albe ;
c) C = ev. obţinerii a 6 bile negre.

Problema 1.5.10
Se aruncă o monedă de 𝑛 ∈ ℕ∗ ori. Să se arate că probabilitatea obţinerii
stemei de un număr de ori multiplu de 3 este dată de,

1 1 𝑛−1 𝑛𝜋
. [1 + ( ) ∙ cos ].
3 2 3

Problema 1.5.11
Un profesor de matematică pregăteşte pentru examinarea studenţilor săi
un număr de 30 de bilete, dintre care 12 bilete au subiecte de algebră, 10 bilete au
subiecte de analiză matematică şi respectiv, 8 bilete au subiecte de teoria
probabilităţilor. Un student trage succesiv, la întâmplare, un număr de 3 bilete fără
a le pune înapoi. Se cere probabilitatea evenimentului :
a) A = toate cele 3 bilete au subiecte de teoria probabilităţilor ;
b) B = cel puţin un bilet are subiecte de algebră ;
c) C = două bilete au subiecte de analiză matematică ;
d) D = cele trei bilete aparțin la discipline diferite.

Problema 1.5.12
Se aruncă o pereche de 2 zaruri identice de 𝑛 = 10 ori. Se cere
probabilitatea evenimentului :
a) A = obţinerea sumei de 7 puncte de 4 ori ;
b) B = obţinerea sumei de 7 puncte cel puţin o dată ;
c) C = obţinerea de 4 ori a unei duble ;
d) D = obţinerea cel puţin o dată a unei duble ;
26 | Teoria probabilităților. Elemente teoretice și APLICAȚII

e) E = obţinerea de 3 ori a dublei (6,6) ;

f) F = obţinerea niciodată a sumei de 10 puncte (dubla (5,5)) .

Problema 1.5.13
Se aruncă o pereche de 2 zaruri diferite de 𝑛 = 10 ori. Se cere
probabilitatea evenimentului :

a) A = obţinerea sumei de 7 puncte de 4 ori ;

b) B = obţinerea sumei de 7 puncte cel puţin o dată ;
c) C = obţinerea de 4 ori a unei duble ;
d) D = obţinerea cel puţin o dată a unei duble ;
e) E = obţinerea de 3 ori a dublei (6,6) ;
f) F = obţinerea niciodată a sumei de 10 puncte.

Problema 1.5.14 ( problema lui H. Poincare )

O urnă conţine 𝑛 ∈ ℕ∗ bile identice numerotate de la 1 la 𝑛 . Se extrag
succesiv, la întâmplare, toate bilele şi spunem că s-a obţinut o coincidenţă de rang
𝑘 , dacă la extragerarea cu numărul 𝑘 se obţine chiar bila ce poartă numărul 𝑘 . Se
cere probabilitatea obţinerii cel puţin a unei coincidenţe. Folosind acest rezultat să
se aproximeze numărul irațional 𝑒 .

Problema 1.5.15 (jocul 6 𝑑𝑖𝑛 49 la loterie)

O urnă conţine 49 de bile identice, numerotate de la 1 la 49 , iar 6 bile
dintre acestea se consideră câştigătoare. Se fac 6 extrageri succesive, fără revenirea
de fiecare dată a bilei extrase în urnă. Se cere probabilitatea evenimentului :

a) A = obţinerea tuturor celor 6 bile câştigătoare ; (categoria I)

b) B = obţinerea a 5 bile câştigătoare ; (categoria a II-a)
c) C = obţinerea a 4 bile câştigătoare ; (categoria a III-a).

Problema 1.5.16
Într-un tramvai cu 3 vagoane identice se urcă, la întâmplare, în aceeaşi
staţie, un număr de 12 persoane. Se cere probabilitatea evenimentului :

a) A = în primul vagon au urcat 6 persoane ;

b) B = în cel de-al doilea vagon au urcat 8 persoane ;
c) C = cel puţin o persoană urcă în vagonul al treilea ;
d) D= în primele 2 vagoane au urcat toate persoanele ;
e) E= în V1 au urcat 4 persoane, în V2 au urcat 5 persoane și restul în V3.
 Cap. 1 – Introducere în teoria probabilităților | 27

Problema 1.5.17
Se aruncă simultan un număr de 𝑛 = 10 zaruri identice şi se cere
probabilitatea evenimentului :

a) A = apariţia cel puţin o dată a feţei cu 1 punct ;

b) B = apariţia de 6 ori a feţei cu 6 puncte ;
c) C = apariţia de 10 ori a aceleaşi feţe.

Problema 1.5.18
Folosind schemele probabilistice binomială și respectiv, hipergeometrică
să se demonstreze valabilitatea identităților:

a) 𝐶𝑛0 + 𝐶𝑛1 + ⋯ + 𝐶𝑛𝑛 = 2𝑛 , (∀) 𝑛 ∈ ℕ∗ ;

𝑛
b) (𝐶𝑛0 )2 + (𝐶𝑛1 )2 + ⋯ + (𝐶𝑛𝑛 )2 = 𝐶2𝑛 , (∀) 𝑛 ∈ ℕ∗ .