Calculul Probabilitatilor Oct 2009 PDF

Introducere n Calculul
Probabilit atilor
I.L. Stoica
Dedic aceasta carte memoriei
profesorului Aurel Cornea.
Prefa T
A. Cartea de fat a este o introducere elementar a n teoria

probabilit atilor si reprezint a n principal cursul pe care l tin la stu-
dentii din anul doi, prolul informatic a, la Facultatea de Matem-
atic a si Informatic a. Teoria m asurii este dezvoltat a la nivel discret
n acelasi timp cu constructia modelelor probabiliste. Obiectivele
principale ale cursului sunt: 1) explicarea model arii probabiliste, 2)
ntelegerea notiunii de independent a, 3) interpretarea variabilelor
aleatoare si a repartitiilor n modele, 4) unele idei privitoare la
teoremele fundamentale, care sunt legea numerelor mari si teo-
rema limit a central a. Datorit a timpului limitat, acestea din urm a
sunt prezentate n cursul tinut n fata studentilor ntr-o manier a
foarte condensat a. De altfel toate expunerile pot suplimentate
si cu alte complemente. Pentru aceasta, n textul scris am inclus
numeroase ad augiri ce nu au loc n expunerile orale. Am nsemnat
cu un asterix titlurile pe care nu am ajuns s a le expun n ultimii
doi ani.
Prezentarea elementar a pe care am adoptat -o sper am s a con-
tribuie la popularizarea subiectului, popularizare care este tot mai
cerut a de aplicatiile teoriei probabilit atilor n diverse domenii ale
activit atii din societatea contemporan a.
Bibliograa indic a o serie de c arti dedicate introducerii n teo-
ria probabilit atilor, pe care le-am consultat si care pot utile si
cititorului n continuarea studiului.
Cuprins
Introducere v
Capitolul 1. Modelul probabilist 1
1. Cteva exemple 4
2. Aruncarea cu banul 8
3. Extrageri repetate din urn a 10
4. Exemple 16
5. Anex a: notiuni de combinatoric a 27
6. Exercitii 29
Capitolul 2. Cteva notiuni de baz a 32
1. Probabilit ati conditionate 32
2. Independent a 41
3. Exercitii 51
Capitolul 3. Partitii nite sau num arabile 56
1. Proprietatea de o -aditivitate 56
2. Generarea algebrelor si oalgebrelor 58
3. Multimile m asurabile Borel* 59
4. Partitii 60
5. oalgebra generat a de o aplicatie 65
6. Exercitii 67
Capitolul 4. Spatiul probabilizat num arabil 69
1. Multimi num arabile 69
2. Produsul de m asuri discrete 73
3. Repartitia unei variabile aleatoare 75
4. Medie si dispersie 88
5. Legea numerelor mari 97
6. Exercitii 100
Capitolul 5. Cteva repartitii pe N 104
1. Repartitia geometric a 104
2. Repartitia binomial a 106
3. Histograme 111
4. Repartitia hipergeometric a* 112
5. Repartitia negativ -binomial a* 114
6. Aruncarea repetat a cu banul 116
iii
iv CUPRINS
7. Repartitia Poisson 120
8. Repartitia multinomial a* 127
9. mpr astierea aleatoare* 129
10. Exercitii 136
Capitolul 6. Variabile aleatoare si repartitii continue 140
1. Generalit ati 140
2. Medie si dispersie* 150
3. Repartitia normal a 152
4. Exercitii 157
Capitolul 7. Teorema de Moivre-Laplace 159
1. Aproximarea repartitiei binomiale 159
2. Teorema limit a central a 165
3. Notiuni de estimare statistic a* 177
Bibliograe 185
Index 186
Introducere
Teoria probabilit atilor reprezint a un domeniu aparte al matematicii,
ce are relatiile sale specice cu realitatea nconjur atoare si care se ra-
porteaz a la ea prin experient a, ca o adev arat a stiint a a naturii. Din
punct de vedere lozoc, conceptul de probabilitate, care este conceptul
central al teoriei, este caracterizat n dou a ipostaze.
O prim a ipostaz a este aparitia sa n exprimarea frecven tei unui
eveniment n timpul desf asur arii unui proces uniform. De exemplu,
s a presupunem c a facem experienta arunc arii cu banul de un num ar
mare de ori. Urm arim ecare aruncare, notnd de ecare dat a rezul-
tatul: stema sau cifra. Chiar nainte de a ncepe experienta putem
gndi logic c a nu exis a nici un motiv s a e preferat a vreuna din fetele
monedei. Deci a priori spunem c a sansele de a c adea stema sau
cifra sunt egale. Faptul neasteptat, care apare n timpul experientei,
este c a dup a un num ar nu prea mare de arunc ari (de exemplu 100 de
arunc ari) se si veric a aceasta. Not am cu `
a
num arul de experiente la
care rezultatul a fost cifra dup a ce s-au f acut : arunc ari. Atunci gra-
cul functiei , (:) =
.
n
a
. : N. arat a cam asa cum se vede n gura
1. Gracul din gur a a fost realizat pe baza datelor unui experiment
ce a constat din 200 de arunc ari cu o moned a. Dup a cum se vede,
prima portiune a gracului este lipit a de axa orizontal a. Aceasta re-
ect a faptul c a n experiment s-a obtinut la nceput de zece ori la rnd
fata cu stema. Putem spune c a asa ceva este neobisnuit. A preciza
Figura 1. Gracul frecventei cu care a iesit o fat a a monedei
v
vi INTRODUCERE
ns a notiunea de obisnuit sau frecvent n leg atur a cu un fenomen
aleator este tocmai obiectul teoriei probabilit atilor. Gracul evolueaz a
apoi apropiindu-se de valoarea constant a 0. 5. Acest fapt este foarte
obisnuit la un num ar mai mare de 100 de arunc ari. Oricine poate veri-
ca acest lucru experimentnd aruncarea cu banul! Deci probabilitatea
egal a pentru obtinerea unei fete sau a alteia este reectat a n practic a
prin frecven ta egal a de realizare a celor dou a rezultate atunci cnd
experimentul este repetat de un num ar relativ mare de ori.
Cea de a doua ipostaz a a conceptului de probabilitate este cea n
care exprim a o cuanticare a unui fenomen subiectiv, n care intervine
necunoa sterea unor aspecte ale unui experiment. De exemplu, un medic
se poate exprima cu privire la sansele de reusit a ale unui tratament sau
ale unei operatii si atunci cnd pacientul are o stare diferit a de cazurile
ce le cunoscuse anterior. Medicul face deci aprecieri subiective ale unor
aspecte necunoscute si spune spre exemplu sansele de ns an atosire
sunt de 80%.
Acelasi lucru se ntmpl a cu un economist care trebuie s a fac a prog-
noze. Economia ec arui an este n mare m asur a unic a, nu se poate vorbi
de repetarea unor fenomene dect partial, si deci, un important aspect
al prognozei este caracterul s au subiectiv. Apare astfel o evaluare prob-
abilist a a sanselor de desf asurare a unor scenarii, necunoscndu-se care
vor conditiile reale.
Desi din punct de vedere losoc bazele teoriei probabilit atilor au
implicatii foarte interesante, pentru studiul matematic, ct si pentru
aplicatiile practice obisnuite, aspectele losoce sunt aproape irele-
vante. De aceea nu ne vom ocupa deloc n cele ce urmeaz a de funda-
mentele teoriei probabilit atilor, ci vomtrece direct la denirea obiectelor
matematice si la explicarea procesului de modelare prin exemple. E-
cienta practic a a model arii este evident sucient a pentru a nlocui orice
discurs losoc.
Din punctul de vedere al matematicianului, teoria probabilit atilor
are dou a p arti: modelarea unor fenomene reale (n leg atur a cu mode-
larea apare si problema veric arii modelului prin metodele statisticii,
care valideaz a sau invalideaz a modelul) si studiul obiectelor matem-
atice create prin modelare. Studiul acesta conduce la noi concepte si
leg aturi cu celelalte ramuri ale matematicii, ceea ce permite ulterior
crearea altor modele, de un nivel superior.
Modelarea se face n primul rnd prin construirea unui spa tiu prob-
abilizat, prin intermediul c aruia se asociaz a evenimentelor posibile nu-
mere din intervalul [0. 1]. Unui eveniment mai probabil dect un altul
trebuie s a-i corespund a un num ar mai mare dect celuilalt. Eveni-
mentele cele mai probabile vor avea asociate numere apropiate de 1. de
exemplu 0. 95 sau 0. 99 n timp ce evenimentele cele mai putin probabile
vor avea asociate numere mici de genul 0. 05 sau 0. 01.
CAPITOLUL 1
Modelul probabilist
n prima parte a acestui curs vom analiza mai ales teoria nit a,
n care exist a doar o familie nit a de evenimente posibile legate de
fenomenul studiat. De aceea vom introduce mai nti notiunea de spa tiu
probabilizat nit.
Denitia 1.1. Fie o mul time si T o familie de par ti, deci T
T () . Spunem ca T este o algebr a de p arti, sau pe scurt o algebra,
daca sunt ndeplinite condi tiile urmatoare:
(i) mul timea vida si spa tiul total apar tin lui T, adica O. T;
(ii) familia este nchisa la complementara, n sensul ca
c
T.
daca T;
(iii) familia este nchisa la reuniune, adica '1 T. daca . 1
T.
Se mai utilizeaz a si termenul de corp pentru notiunea de algebr a de
p arti. Dac a, n plus, familia T este nit a spunem c a ea este o algebra
nita. n acest caz, perechea (. T) este numit a spa tiu masurabil nit.
Exemplul cel mai simplu de algebr a este algebra trivial a . O .
care contine numai spatiul total si multimea vid a. Alt exemplu simplu
este constituit de T () . multimea tuturor p artilor spatiului . n cazul
n care este o multime nit a, cel mai adesea ea este considerat a ca
spatiu m asurabil ind nzestrat a cu algebra T () .
Dac a avem dat a o algebr a T T () si este o submultime ar-
bitrar a, familia de p arti ale lui . care este descris a prin , T .
este tot o algebr a. Ea este numit a urma lui T pe .
Un exemplu important de algebr a este cel al p artilor m asurabile
Jordan dintr-un spatiu euclidian. O multime din spatiul euclidian se
numeste masurabila Jordan, dac a frontiera sa este neglijabil a. Se ver-
ic a usor c a aceste multimi alc atuiesc o algebr a de p arti. (Ea nu este
nit a.)
Se observ a c a o algebr a T are proprietatea c a este nchis a la in-
tersectie si diferent a: dac a . 1 T. atunci 1. 1 T. De
asemenea, prin inductie se constat a c a reuniunea si intersectia unui
num ar nit arbitrar de multimi din T sunt tot n T.
Denitia 1.2. Fie (. T) un spa tiu masurabil nit. Spunem ca o
aplica tie 1 : T [0. 1] . este o m asur a de probabilitate daca satisface
rela tiile
(i) 1 () = 1.
1
2 1. MODELUL PROBABILIST
(ii) 1 ( ' 1) = 1 () + 1 (1) . pentru orice doua mul timi dis-
juncte, . 1 T.
n acest caz, tripletul (. T. 1) va numit spatiu probabilizat nit.
Din denitia dat a rezult a imediat urm atoarele propriet ati:
1. 1 (
c
) = 1 1 () . pentru orice T. n particular, se
deduce de aici c a are loc relatia 1 (O) = 0. Mai observ am c a relatia
1 () = 1 este echivalent a cu relatia 1 (
c
) = 0. n acest caz, se spune
c a multimea suporta m asura 1 si c a m asura 1 nu ncarca
c
.
2. 1 (1) = 1 () 1 (1) si 1 (1) _ 1 () ori de cte ori
. 1 T satisfac relatia 1 .
3. 1 (
1
' ... '
a
) = 1 (
1
) + ... + 1 (
a
) . pentru orice num ar
nit de multimi disjuncte
1
. ....
a
T. : N.
4. 1 (
1
' ... '
a
) _ 1 (
1
)+...+1 (
a
) . n general, cu multimile
arbitrare
1
. ....
a
T. : N.
5. Dac a multimea este nit a, rezult a c a o m asur a de probabilitate
1 pe T () este complet determinat a de valorile pe care le ia pe multim-
ile cu un singur punct. Mai precis, s a presupunem c a = r
1
. .... r
a
si s a not am 1 (r
i
) = 1 (r
i
) . i = 1. .... :. Tinnd cont de punctul
3., aceste numere trebuie s a satisfac a relatia 1 (r
1
) + ... + 1 (r
a
) = 1.
pentru c a

a
i=1
r
i
= . Pentru o multime arbitrar a are loc
formula
1 () =

i,a
.
1 (r
i
) .
Reciproc, ind date numerele c
1
. .... c
a
[0. 1] . astfel nct c
1
+ ... +
c
a
= 1. se poate deni o m asur a de probabilitate punnd 1 (r
i
) = c
i
.
pentru orice i = 1. .... : si denind apoi probabilitatea unei multimi
arbitrare dup a formula anterioar a.
De multe ori un spatiu probabilizat nit este construit prin denirea
multimii si a unei partitii nite a acesteia, (
I
)
1Ia
. Deci multimile
I
sunt nevide si astfel denite nct au loc relatiile: a)
|

I
= O.
dac a | ,= / si b) = '
1Ia
I
. Algebra generat a de aceast a partitie,
pe care o not am T. const a din toate multimile de forma
I
1
' ... '
I
r
. cu indicii satisfacnd relatia 1 _ /
1
< ... < /
n
_ :. la care se
mai adaug a multimea vid a. (L as am cititorului vericarea faptului c a
aceasta este o algebr a de p arti.) Probabilitatea 1 este apoi denit a
prin xarea valorilor pe elementele partitiei j
I
= 1 (
I
) . / = 1. .... :.
Desigur, numerele j
I
. / = 1. .... : trebuie s a e pozitive si s a aib a suma
j
1
+ ... + j
a
= 1. Pentru o multime arbitrar a din T se deneste apoi
1 (
I
1
' ... '
I
r
) = 1 (
I
1
) + ... + 1 (
I
r
) .
pentru /
1
< ... < /
n
. Cititorul poate usor verica faptul c a n acest fel
este denit a o m asur a de probabilitate pe T.
O metod a convenabil a de constructie a unui spatiu probabilizat nit
(. T. 1) const a n alegera multimii ca o parte dintr-un spatiu euclid-
ian, de exemplu din plan. Multimile din T sunt alese sugestiv dup a
1. MODELUL PROBABILIST 3
aspectul grac. De exemplu cercuri, p atrate, dreptunghiuri, ovale, etc.
n plan se poate usor construi un spatiu probabilizat desennd o di-
agram a Venn si punnd ca probabilitate a unei multimi gurate .
valoarea 1 () =
ovio
ovio
. Cel mai adesea n astfel de cazuri, pentru a
nu complica exprimarea analitic a a diverselor multimi, liniile desenate,
care separ a regiunile, sunt excluse din . De exemplu, a se vedea mo-
delul zarului turtit din paragraful urm ator sau modelul celor trei urne
din paragraful despre formula lui Bayes.
n primele capitole ale acestei c arti nu vom utiliza dect spatii pro-
babilizate nite. Totusi, anumite notiuni generale le vom da n contex-
tul unui spatiu probabilizat general, pentru a evita repetarea denitiilor
mai trziu. De aceea introducem acum si denitia unui spatiu proba-
bilizat general.
Denitia 1.3. O algebra T. de par ti ale lui . este numita o
algebr a daca are proprietatea de a nchisa la reuniuni numarabile:
daca (
a
)
aN
este un sir de elemente din T. atunci '
aN
a
T. n
acest caz perechea (. T) se nume ste spatiu m asurabil.
Se mai utilizeaz a si denumirea de corp borelian pentru o o-algebr a.
Binenteles c a orice algebr a nit a este o o algebr a. Familia T () . a
tuturor p artilor multimii . este o oalgebr a. Se observ a, pe baza
formulelor lui de Morgan, c a o o -algebr a este nchis a si la inter-
sectii num arabile: dac a (
a
)
aN
este un sir de elemente din T. atunci
aN
a
T. Dac a avem dat a o oalgebr a T T () si este
o submultime arbitrar a, urma lui T pe este tot o oalgebr a.
Dar cel mai important exemplu de oalgebr a este cea constituit a
din multimile m asurabile Borel dintr-un spatiu euclidian 1 (de o anu-
mit a dimensiune), care este notat a cu E(1) . Aceast a oalgebr a este,
prin denitie, cea mai mic a o -algebr a care contine toate multimile de-
schise din spatiul euclidian 1. Se mai spune c a este o -algebra generat a
de familia multimilor deschise.
Pe de alt a parte, este de retinut c a multimile m asurabile Jordan
nu formeaz a o oalgebr a. De exemplu multimea lui Cantor de pe
dreapt a nu este m asurabil a Jordan, dar complementara sa este obtinut a
ca o reuniune num arabil a de intervale deschise. Deci complementara
multimii lui Cantor se obtine ca o reuniune num arabil a de multimi
m asurabile Jordan, dar ea nu este m asurabil a Jordan.
O oalgebr a este nchis a la intersectii num arabile. ntr-adev ar,
dac a (
a
)
aN
este un sir de elemente din oalgebra dat a putem scrie
a
= ('
a
c
a
)
c
.
relatie ce are n membrul drept numai operatii permise n interiorul
unei oalgebre.
Trebuie spus c a notiunea de algebr a de p arti are o important a strict
tehnic a, util a pentru a explica demonstratiile. Adev arata notiune im-
portant a n teoria m asurii si n probabilit ati este cea de o-algebr a.
Denitia 1.4. Fie (. T) un spa tiu masurabil. O aplica tie 1 :
T [0. 1] se nume ste m asur a de probabilitate daca satisface condi tiile:
(i) 1 () = 1.
(ii) 1
_
aN
a
_
=

a
1 (
a
) . pentru orice sir de mul timi dis-
juncte,
a
T. : N.
n acest caz tripletul (. T. 1) se nume ste spatiu probabilizat.
Relatia (ii) din aceast a denitie este numit a relatia de o aditivi-
tate. Cteva propriet ati legate de oaditivitate vor demonstrate mai
trziu n sectiunea despre partitii nite sau num arabile. Spatiul pro-
babilizat mai este cunoscut si sub denumirea de cmp de probabilitate.
Studiile despre fundamentele logice ale notiunii de probabilitate au
o lung a istorie. La nceputul secolului XX mai multi mari matem-
aticieni depun eforturi pentru a formaliza matematic analiza logic a a
ideilor din teoria probabilit atilor care evoluaser a anterior, de peste dou a
secole. Printre cei mai citati sunt matematicienii Serghei Bernstein,
Emile Borel, Francesco Cantelli, Maurice Frechet, Paul Levy, Antoni
Lomicki, Evgeny Slusky, Hugo Steinhaus, Richard von Mises (vezi The
Sources of Kolmogorovs Grundbegrie, Statistical Science, 2006, vol.
21, No. 1). Sinteza acestor eforturi este consemnat a de c atre matem-
aticianul Andrei Nikolaevici Kolmogorov(1903 - 1987) ntr-o lucrare
r amas a de referint a (Grundbegrie der Wahrscheinlichkeitsrechnung,
Berlin, 1933). Rezultatul acestei formaliz ari revine la adoptarea spati-
ului probabilizat (. T. 1) drept cadrul standard pentru discutarea
problemelor de teoria probabilit atilor. Azi acest obiect este denit
si studiat n cadrul teoriei m asurii. n teoria probabilit atilor el este
preluat si exist a obiceiul s a se utilizeze, pe lng a terminologia de teoria
m asurii, o terminologie proprie, colorat a de sensuri apropriate mod-
elelor probabiliste. Astfel o multime T se numeste eveniment iar
un punct . se numeste eveniment elementar. Dac a 1 (
c
) = 0,
se spune c a evenimentul are loc aproape sigur. Prescurtat scriem
a.s. pentru aproape sigur. Termenul m asur a de probabilitate este
adesea nlocuit prin prescurtarea probabilitate, care trebuie folosit
totusi cu atentie pentru a nu crea confuzie. n mod riguros probabili-
tatea reprezint a un num ar atasat unui eveniment - de exemplu 1 ()
este probabilitatea evenimentului .
1. Cteva exemple
Modelarea propriu-zis a este ceea ce se numeste o art a. Nu exist a
reguli si cu greu se pot da retete. Vom ilustra ideea de modelare prin
exemple de-a lungul ntregii c arti. ncepem cu urm atoarea sectiune n
care prezent am cteva din modelele tipice.
1.1. Zarul turtit. Un zar obisnuit este un cub, pe ale c arui fete
sunt marcate cu puncte numerele de la unu la sase. S a presupunem
c a avem un zar cu latura de 1 cm. El este modicat micsorndu-i-se
1. CTEVA EXEMPLE 5
Figura 1. Un zar turtit
Figura 2. Un model probabilist pentru zarul turtit
n altimea, astfel c a devine un paralelipiped dreptunghic cu baza un
p atrat cu latura de 1 cm iar n altimea de / (0. 1) .
S a presupunem c a baza zarului este marcat a cu sase puncte, iar fata
superioar a cu unul. Cnd n altimea / este foarte mic a, fetele laterale
devin nguste si zarul nu poate sta dect cu greu pe ele; si de aceea
este natural s a ne astept am ca zarul, prin aruncare, s a cad a mai ales
cu fetele de sus si jos: 1 si 6. Atunci sansele de a c adea una din aceste
fete, se apropie pentru ecare de
1
2
. Cnd / = 1 aceste fete au sanse
egale cu celelalte, deci egale cu
1
6
pentru ecare. Exist a o anumit a
valoare /
0
pentru care fetele cu un punct si sase puncte au sansele
1
4
ecare. n acest caz, sansele fetelor cu 2,3,4 si 5 puncte sunt egale cu
1
8
ecare. Experimentul de aruncare a zarului cu n altimea /
0
poate
descris de multimea . desenat a n gura 2.
Ea const a din sase dreptunghiuri (multimi deschise, f ar a laturile ce
le m arginesc pentru a disjuncte). Primul dreptunghi si ultimul sunt
duble fat a de celelalte si corespund la fetele cu 1 si 6 puncte. Aria
ec arui dreptunghi este proportional a cu sansele de a c adea num arul
de puncte pe care-l reprezint a. Dreptunghiurile ce formeaz a multimea
sunt numerotate conform punctelor pe care le reprezint a, ca n gur a:
1
1
. 1
2
. 1
3
. 1
4
. 1
5
. 1
6
. n acest caz T este algebra de p arti generat a
de aceste multimi. Multimea 1
i
corespunde evenimentului n urma
arunc arii zarului a iesit fata cu i puncte. Probabilitatea este denit a
prin
1 () =
c:ic
c:ic
.
pentru orice T. De exemplu, evenimentul la aruncarea zarului
iese un num ar de puncte mai mare sau egal cu 4 este reprezentat de
multimea 1
4
' 1
5
' 1
6
si are probabilitatea
1 (1
4
' 1
5
' 1
6
) =
c:ic1
4
+ c:ic1
5
+ c:ic1
6
c:ic
=
1
8
+
1
8
+
2
8
=
1
2
.
Pentru aceeasi problem a se poate utiliza un model bazat pe multimea
nit a
t
= 1. 2. 3. 4. 5. 6 . cu T = T (
t
) si punnd
1 (1) = 1 (6) =
1
4
.
1 (2) = 1 (3) = 1 (4) = 1 (5) =
1
8
.
1.2. Repartitii uniforme. 1. S a presupunem c a cineva arunc a la
ntmplare o piatr a ntr-o curte. Dac a nu am asistat la aruncare si ne
punem problema s a g asim piatra, putem mai nti s a estim am probabi-
litatea ca piatra s a se ae ntr-o anumit a regiune dup a aria regiunii. S a
zicem c a dreptunghiul reprezint a curtea. Pentru o regiune ,
denim 1 () =
ovio
ovio
. n acest fel, am denit o m asur a de proba-
bilitate pe E(), care modeleaz a sansele de a g asi piatra n diverse
regiuni din interiorul curtii. Aceast a m asur a de probabilitate spunem
c a este repartizat a uniform pe , deoarece este proportional a cu aria.
(Modelul se deosebeste de cel de la zarul turtit prin aceea c a, de data
aceasta, m asura este denit a pentru toate multimile boreliene. Clasa
multimilor boreliene este innit a.)
2. S a presupunem c a dup a o ploaie vrem s a estim am num arul de
pic aturi care au cazut n diverse regiuni din gr adin a. S a presupunem
c a s-a determinat num arul :
0
de pic aturi ce au c azut ntr-un metru
p atrat. Dac a gr adina este un dreptunghi , num arul de pic aturi care
au c azut n toat a curtea este aproximativ :
0
c:ic. Pentru o regiune
, num arul de pic aturi va aproximativ :
0
c:ic. Dac a vrem s a
stim ce proportie din toate pic aturile au c azut n regiunea , aceasta
este dat a de
1 () =
c:ic
c:ic
.
Din nou este o m asur a de probabilitate pe E(), uniform distribuit a
pe .
3. O roat a de rulet a este nvrtit a si apoi se asteapt a oprirea ei.
Care va probabilitatea ca indicatorul de la marginea rotii s a se opresc a
ntr-un anumit sector al cercului exterior? R aspunsul este dictat de o
logic a elementar a: aceast a probabilitate este proportional a cu lungimea
curbilinie a sectorlui. Pentru a modela acest fenomen probabilist se
noteaz a cu cercul exterior rotii de rulet a si pentru o multime
E() se pune
1 () =
/()
2:1
.
1. CTEVA EXEMPLE 7
unde /() este lungimea multimii (sau m asura Lebesgue), iar 1
este raza cercului. Din nou 1 este o m asur a de probabilitate pe E(),
uniform repartizat a pe cercul .
Se stie c a un cerc de raz a 1 este pus n corespondent a bijectiv a cu
intervalul [0. 2:1) prin desf asurarea cercului. Lungimile m asurate pe
cerc, dup a desf asurare, corespund lungimilor m asurate pe segmentul
[0. 2:1). Atunci, un model echivalent se obtine punnd
0
= [0. 2:1),
iar pentru o multime E
_
0
_
se pune
1
0
() =
/()
2:1
.
unde de data aceasta /() este m asura Lebesgue de pe segmentul
[0. 2:1). M asura de probabilitate 1
t
este uniform r aspndit a pe in-
tervalul [0. 2:1). Deoarece punctul din cap atul intervalului are m asura
nul a, din punct de vedere practic, acest model este echivalent cu cel
obtinut pe intervalul [0. 2:1] cu aceeasi m asur a 1
t
.
4. La o fabric a de confectii se utilizeaz a sireturi. Siretul este adus
la fabric a n ghemuri si resturile mai mici de 40 cm sunt inutilizabile.
Prin urmare r amn deseuri de siret de toate m arimile mai mici de 40
de cm. Pentru a modela distribuirea resturilor de siret este natural s a
consider am = [0. 40], T = E() si pentru E()
1 () =
/()
40
.
Dac a = (c. /), num arul 1 ((c. /)) reprezint a proportia acelor resturi
de siret care au lungimea mai mare dect c cm si mai mic a dect / cm,
printre toate resturile de siret. Suntem condusi astfel la probabilitatea
distribuit a uniform pe intervalul [0. 40] .
1.3. Modele cu sanse egale. Cele mai vechi modele probabiliste
consider a o multime = .
1
. .... .
a
. nit a, ca multime a posibil-
it atilor si evalueaz a cu sanse egale ecare posibilitate, ceea ce conduce
la 1 (.
i
) =
1
a
, pentru orice i. Exemplele la care se potrivesc modele
de acest fel sunt cele mai uzuale: aruncarea monedei, unde sansele de a
c adea n sus o fat a sau alta sunt evident egale (modelul are doar dou a
posibilit ati si deci : = 2), aruncarea cu zarul, unde ecare din cele sase
fete are tot sanse egale de a iesi (model cu : = 6), extragerea unei bile
dintr-o urn a (: este num arul de bile din urn a) si multe altele legate
de diverse jocuri n care intervine norocul. Dac a T () este un
eveniment arbitrar, probabilitatea sa este
1 () =
cc:d
cc:d
.
Aceast a formul a spune c a probabilitatea evenimentului este egal a
cu num arul cazurilor favorabile supra num arul cazurilor posibile, care
este denitia clasic a a probabilit atii. Pentru a decide c a un fenomen
probabilist este de tipul sanselor egale pentru ecare posibil a evolutie
este ns a necesar a ntotdeauna o analiz a.
2. Aruncarea cu banul
Este cunoscut modelul dat de dAlembert pentru aruncarea cu dou a
monezi. El spunea c a rezultatele posibile pentru un astfel de experi-
ment sunt trei: ambele monezi cad cu cifra n sus, ambele monezi cad
cu stema n sus, si cea de a treia posibilitate, o moned a cade cu cifra
n sus iar cealalt a cade cu stema n sus.
A f acut apoi greseala s a presupun a c a ecare din aceste trei posi-
bilit ati este la fel de probabil a. Dac a ar f acut experienta, si-ar
dat seama foarte repede c a nu este adev arat a egalitatea sanselor pen-
tru modelul ales. Dar nu numai experienta, ci si o analiz a logic a mai
atent a relev a modelul corect. Pentru aceasta se consider a c a cele dou a
monezi sunt nsemnate A si B iar posibilitatea a treia din enumerarea
dat a mai sus este nlocuit a cu dou a alte posibilit ati: A cade cu cifra
si B cade cu stema, respectiv A cade cu stema si B cade cu cifra. Se
poate usor rationa c a dac a A cade cu cifra sunt sanse egale ca B s a
cad a cu cifra sau cu stema si la fel, prin comparare, se ajunge ime-
diat la concluzia c a ecare din cele patru posibilit ati descrise acum are
sanse egale. Se vede atunci c a, pentru a reecta experimentul arunc arii
cu dou a monezi, modelul cu trei posibilit ati propus de dAlembert nu
poate da sanse egale ec areia. Pentru a corespunde realit atii, trebuiesc
acordate sanse egale numai primelor posibilit ati si anume
1
4
, n timp
ce a treia posibilitate enumerat a de dAlembert ar trebui s a aib a sanse
duble fat a de ecare din primele, deci
1
2
. Desigur c a marele enciclo-
pedist si matematician francez Jean le Rond dAlembert (1717-1783) a
r amas n istorie pentru alte descoperiri importante, cazul descris mai
sus neind dect un episod anecdotic.
n lumina discutiei anterioare este clar c a, n cazul n care con-
sider am o serie de : arunc ari cu banul, modelul ce se impune este
urm atorul: dac a 1 corespunde cifrei si 0 corespunde stemei, multimea
tuturor posibilit atilor este
= 0. 1
a
= (r
1
. .... r
a
) [ r
i
0. 1 . i = 1. .... : .
constituit a din toate sistemele (r
1
. .... r
a
) de : cifre de 0 si 1. Fiecare
posibilitate are aceleasi sanse de a iesi. Num arul tuturor posibilit atilor
este 2
a
, adic a cc:d = 2
a
. Probabilitatea corespunz atoare se deneste
prin 1 ((r
1
. .... r
a
)) =
1
2
n
, pentru ecare sistem (r
1
. .... r
a
) .
Exemplu.
Doi juc atori joac a aruncarea cu banul dup a urm atoarea regul a. La
ecare aruncare a monedei este pus n joc un punct. Dac a moneda cade
cu stema n sus, cstig a juc atorul J
1
, iar cnd cade fata cu cifra, cstig a
juc atorul J
2
. Se arunc a moneda de mai multe ori la rnd pn a cnd
unul din juc atori totalizeaz a 10 puncte. n aceast a situatie respectivul
2. ARUNCAREA CU BANUL 9
juc ator este considerat nving ator si cstig a o sum a. n cazul n care
jocul este ntrerupt nainte ca vreunul din juc atori s a ias a cstig ator,
se convine ca suma n joc s a e mp artit a ntre cei doi, proportional cu
sansele pe care le-ar avut dac a jocul ar continuat. Ne propunem
s a calcul am cum va mp artit a miza jocului dac a jocul este ntrerupt
n situatia n care juc atorul J
1
are 7 puncte iar juc atorul J
2
are 8
puncte? (Solutia acestei probleme o d a Blaise Pascal (1623-1662) ntr-o
scrisoare, datat a 24 august 1654, c atre Pierre de Fermat (1601-1665).)
Solu tie. Jocul se termin a n cel mult 4 arunc ari pentru c a dup a 4
arunc ari neap arat se ntmpl a unul din urm atoarele evenimente: sau
J
2
a cstigat cel putin dou a puncte, sau J
1
a cstigat cel putin trei.
Cu conventia c a 0 reprezint a stema si 1 cifra, putem reprezenta toate
rezultatele posibile la o serie de 4 arunc ari n felul urm ator:
(0. 0. 0. 0) (0. 0. 0. 1) (0. 0. 1. 1) (0. 1. 1. 1) (1. 1. 1. 1)
(0. 0. 1. 0) (0. 1. 0. 1) (1. 0. 1. 1)
(0. 1. 0. 0) (0. 1. 1. 0) (1. 1. 0. 1)
(1. 0. 0. 0) (1. 0. 0. 1) (1. 1. 1. 0)
(1. 0. 1. 0)
(1. 1. 0. 0)
Am listat aici 16 posibilit ati si ecare are sanse egale. (Vezi schema
bilei ntoarse, unde se arat a egalitatea sanselor ntr-un caz mai general.)
Primele 5 posibilit ati l dau cstig ator pe J
1
iar celelalte 11 pe J
2
.
Rezult a c a sansele de a cstiga J
1
sunt
5
16
si sansele de a cstiga J
2
sunt
11
16
. Suma pus a n joc se va mp arti ntre cei doi juc atori proportional
cu aceste valori.
Un nv atat al timpului i-a reprosat lui Pascal c a de fapt jocul nu
se termin a neap arat cu nc a 4 arunc ari, ci el poate s a se ncheie dup a
2 sau 3 arunc ari si atunci posibilit atile ce se iau n considerare sunt de
fapt urm atoarele:
(0. 0. 0) (0. 0. 1. 0) (0. 0. 1. 1) (0. 1. 1) (1. 1)
(0. 1. 0. 0) (0. 1. 0. 1) (1. 0. 1)
(1. 0. 0. 0) (1. 0. 0. 1)
Observatia este corect a, ns a n cazul acesta tebuie s a acord am alt a
pondere ec arei posibilit ati:
1 ((1. 1)) =
1
4
. 1 ((0. 0. 0)) = 1 ((0. 1. 1)) = 1 ((1. 0. 1)) =
1
8
.
1 ((0. 0. 1. 0)) = 1 ((0. 1. 0. 0)) = 1 ((1. 0. 0. 0)) = 1 ((0. 0. 1. 1))
= 1 ((0. 1. 0. 1)) = 1 ((1. 0. 0. 1)) =
1
16
.
Justicarea acestei ponder ari se face pornind de la evaluarea sanselor
pentru rezultatele a dou a arunc ari:
1 ((1. 1)) = 1 ((1. 0)) = 1 ((0. 1)) = 1 ((0. 0)) =
1
4
.
Rezultatul (1. 1) ar pune cap at jocului dar celelalte posibilit ati duc la
continuarea jocului. Sansele pe care le are rezultatul (1. 0) se mpart
n mod egal pentru posibilit atile urm atoare: (1. 0. 1) . (1. 0. 0). Deci
1 ((1. 0. 1)) = 1 ((1. 0. 0)) =
1
8
.
Rezultatul (1. 0. 0) conduce la continuarea jocului cu nc a o aruncare si
obtinerea posibilit atilor (1. 0. 0. 1) si (1. 0. 0. 0), ce vor evaluate ecare
cu probabilitatea
1
16
. etc.
3. Extrageri repetate din urn a
Din punct de vedere al teoriei probabilit atilor urna permite re-
alizarea modelului tipic de experiment n care avem un num ar nit
de evenimente elementare cu sanse egale. Prin urn a ntelegem o cutie
n care se a a niste obiecte asem an atoare, cum ar bile, sau bilete,
etc. Cnd se fac extrageri din urn a ntotdeauna se presupune c a cel ce
extrage nu poate alege si c a ecare obiect din urn a are aceleasi sanse
de a extras.
3.1. Schema bilei ntoarse. ntr-o urn a se a a : bile numero-
tate de la 1 la :. Se extrage din urn a o bil a, se noteaz a num arul ei,
dup a care se pune la loc bila n urn a. (O extragere de acest fel se nu-
meste extragere cu ntoarcere sau cu revenire.) Repetnd experienta
de : ori se obtine o secvent a (r
1
. .... r
a
) format a din : numere. Dorim
s a model am probabilist experimentul global al extragerilor succesive
de acest tip. Not am ` = 1. .... : multimea ce reprezint a bilele.
Multimea posibilit atilor este clar descris a de produsul
= `
a
= (r
1
. .... r
a
) [ r
i
`. \i = 1. .... : .
S a consider am dou a secvente
(r
1
. .... r
i1
. r
i
. r
i+1
. .... r
a
) .
(r
1
. .... r
i1
. r
t
i
. r
i+1
. .... r
a
)
care au aceleasi elemente, cu exceptia celor de pe pozitia i. Deci pre-
supunem r
i
,= r
t
i
. Cele dou a secvente difer a doar prin rezultatul de la
extractia i. Dar la ecare extractie sansele de a extrage una sau alta
din bile sunt egale. Concluzia este c a cele dou a secvente au sanse egale
de a se produce. Din aproape n aproape se deduce c a toate secventele
au aceeasi sans a de a se produce. Num arul elementelor din este :
a
si se impune 1 ((r
1
. .... r
a
)) =
1
n
n
, pentru orice secvent a.
3. EXTRAGERI REPETATE DIN URN
A 11
3.2. Schema bilei nentoarse. Aceeasi urn a ca mai nainte este
supus a unor : extrageri succesive, dar de data asta dup a ecare ex-
tragere bila extras a r amne n afara urnei. (O astfel de extragere se
numeste f ar a ntoarcere sau f ar a revenire.) Implicit trebuie s a avem
: _ :. Mai remarc am c a secventa rezultatelor are toate componentele
diferite. Multimea care modeleaz a fenomenul este
= (r
1
. .... r
a
) ,r
i
`. r
i
,= r
)
. \i ,= , .
Un sistem (r
1
. .... r
a
) n care ecare component a este distinct a poate
identicat cu multimea r
1
. .... r
a
. care este ordonat a prin indici. Se
observ a atunci c a poate identicat a cu multimea submultimilor de
cardinal : din ` ordonate n toate felurile posibile. Deci cc:d =
a
n
.
Vom ar ata c a, si de aceast a dat a, trebuie s a accept am ideea c a ecare
posibilitate de desf asurare a : extrageri succesive are aceleasi sanse de
aparitie.
Pentru aceasta vom face o inductie dup a :. Not am
a
si respectiv
a+1
spatiile tuturor posibilit atilor pentru experimentele corespunz a-
toare seriilor de :. respectiv : + 1 extrageri. Presupunem c a am sta-
bilit c a sansele tuturor secventelor de : extrageri sunt egale si deci
probabilitatea asociat a unei astfel de secvente este egal a cu
1
n
r
=
1
n(n1)...(na+1)
. Fie (r
1
. .... r
a
)
a
. Aceast a secvent a poate contin-
uat a cu o nou a extragere din multimea `r
1
. .... r
a
. Este o multime
cu :: bile si ecare din ele are aceleasi sanse de a extras a. Not am
cu
(r
1
. .... r
a
) = (r
1
. .... r
a
. r) ,r ` r
1
. .... r
a
.
multimea secventelor ce continu a secventa dat a. Aceast a multime are
: : secvente si trebuie s a admitem c a au sanse de a se produce
egale ntre ele. Pe de alt a parte, cnd secventa (r
1
. .... r
a
) parcurge
a
. multimile (r
1
. .... r
a
) acoper a
a+1
. adic a are loc egalitatea
a+1
=
_
(a
1
,...,a
n
)
n
(r
1
. .... r
a
) .
Aceste multimi sunt disjuncte si deci formeaz a o partitie a lui
a+1
.
Este clar c a obtinem o secvent a de lungime : + 1 care se a a n
multimea (r
1
. .... r
a
) dac a si numai dac a primele : extrageri sunt date
de secventa (r
1
. .... r
a
) . De aceea este natural s a m asur am producerea
evenimentului (r
1
. .... r
a
) n modelul cu secvente de lungime : + 1.
prin probabilitatea pe care o are evenimentul elementar (r
1
. .... r
a
) n
modelul secventelor de lungime : :
1
a+1
((r
1
. .... r
a
)) = 1
a
((r
1
. .... r
a
)) =
1
a
n
.
Aceasta implic a s a punemaceeasi valoare pentru probabilitatea ec aruia
din evenimentele (r
1
. .... r
a
) . Cum ecare din aceste evenimente este
compus din acelasi num ar de evenimente elementare ce au sanse egale
ntre ele, rezult a c a toate evenimentele elementare din
a+1
au aceleasi
sanse de a se produce:
1
a+1
((r
1
. .... r
a+1
)) =
1
a+1
n
=
1
:(:1) ... (::)
.
3.3. Extrageri f ar a ntoarcere f ar a ordine. Un caz particular
de extrageri repetate f ar a ntoarcere sunt extragerile n care ceea ce
conteaz a la sfrsit este numai multimea bilelor extrase. Deci nu mai
retinem ordinea n care s-au f acut extragerile si privim drept rezultat
al extragerii numai multimea bilelor extrase. Tinnd cont de simetria
experimentului a : extrageri succesive f ar a ntoarcere este normal s a
ne astept am ca ecare multime de : elemente s a apar a cu aceeasi pro-
babilitate. Vom demonstra acest lucru bazndu-ne pe modelul deja
construit.
Propozitia 1.1. Fie ` mul timea cu : elemente care reprezinta
bilele din urna si : _ :. Notam cu mul timea ce modeleaza seriile
de : extrageri fara ntoarcere, ca mai sus. Pentru ecare submul time
` avnd cardinalul : are loc formula
1 ((r
1
. .... r
a
) , r
1
. .... r
a
= ) =
1
C
a
n
.
Demonstra Tie. Multimea (r
1
. .... r
a
) , r
1
. .... r
a
= con-
st a din toate permut arile posibile cu elementele din . Cardinalul aces-
tei multimi este :! si, cum probabilitatea unei secvente din este
1
n
r
.
rezult a c a
1 ((r
1
. .... r
a
) , r
1
. .... r
a
= ) =
:!
a
n
=
1
C
a
n
.
S a examin am acum experimentul extragerii a : bile deodat a din
urna cu : bile. Pentru acest experiment multimea tuturor posibil-
it atilor este multimea ce o not am cu . si care se compune din p artile
lui ` cu : elemente. Din motive de simetrie este natural s a consid-
er am c a ecare parte a lui ` cu : elemente are aceleasi sanse de a
extras a. Rezult a ca natural a alegerea probabilit atii 1
t
pe care d a
aceeasi valoare ec arui eveniment elementar. Cardinalul lui ind C
a
n
.
deducem c a probabilitatea ec arui eveniment elementar din este
1
C
n
r
.
S a compar am acum modelul nou construit (. 1
t
) cu cel anterior
(. 1) . Pentru un eveniment elementar consider am multimea
tuturor secventelor (r
1
. .... r
a
) care sunt formate cu elementele
multimii (adic a r
1
. .... r
a
= ). Not am
aceast a multime:
= (r
1
. .... r
a
) , r
1
. .... r
a
= .
Ea constituie un eveniment neelementar din . Ansamblul acestor
multimi
, formeaz a o partitie a lui care evident este n

bijectie cu . Din propozitia anterioar a rezult a c a 1 (
) = 1
t
() .
A 13
n concluzie, putem spune c a experimentul extragerii din urn a a
: bile deodat a este echivalent cu experimentul a : extrageri succesive
f ar a revenire n care se uit a ordinea extragerilor si se ia n considerare
numai multimea rezultat a din extragere. Modelarea se poate face e
pe (. 1) considernd evenimentele
e pe (. 1
t
) .
3.4. Extrageri cu ntoarcere f ar a ordine*. S a presupunem c a
dintr-o urn a cu : bile numerotate se fac extrageri cu revenire. Fie ` =
1. 2. .... : multimea ce reprezint a bilele din urn a. S a ne nchipuim c a
rezultatele unei serii de : extrageri se noteaz a n linie consemnndu-se
pe rnd ecare num ar extras, iar la nalul seriei se completeaz a : c a-
sute n care se mentioneaz a num arul de aparitii ale ec arei bile. Asadar,
n c asuta i se specic a de cte ori apare n lina respectiv a num arul i.
adic a de cte ori a fost extras a bila cu num arul i. Putem spune c a
datele continute n c asute rezum a rezultatele unei serii de extrageri n
care nu mai intereseaz a ordinea n care au ap arut bilele. Problema
pe care ne-o punem este de a aa care este proportia seriilor pentru
care cele : c asute de la sfrsit au un continut identic, unul anume, n
ansamblul tuturor seriilor. Mai precis, putem formula problema astfel:
ind date numerele naturale /
1
. .... /
n
astfel nct

n
i=1
/
i
= :. s a se
determine probabilitatea ca ntr-o serie de : extrageri s a obtinem exact
/
i
aparitii pentru bila cu num arul i. pentru ecare i = 1. .... :.
Pentru aceasta facem socotelile pe modelul = `
a
. corespunz ator
seriilor de extrageri cu ntoarcere. Avem de determinat num arul ele-
mentelor (r
1
. .... r
a
) cu proprietatea c a, pentru ecare i = 1. .... :.
cardinalul multimii 1 _ | _ :, r
|
= i este /
i
. Vom nota multimea
acestor elemente astfel:
(/
1
. .... /
n
) = (r
1
. .... r
a
) , cc:d 1 _ | _ :, r
|
= i = /
i
.
Este vorba de o problem a de combinatoric a cunoscut a, care este for-
mulat a deobicei ntr-un cadru de teoria multimilor, f acnd abstractie
de urn a si bile.
Pentru a exprima problema n cadrul combinatoric tipic, vom nota
cu 1 = 1. .... : multimea locurilor din linia pe care sunt consem-
nate cele : extrageri dintr-o serie. Un element (r
1
. .... r
a
) poate
identicat cu o partitie a multimii 1 de tipul (
1
. ....
n
) . unde
i
= 1 _ | _ :, r
|
= i . Cu alte cuvinte,
i
este multimea pozitiilor
din 1 care sunt ocupate de num arul i (si care corespund extragerilor
la care a ap arut bila cu num arul i). Atragem atentia c a pentru a
avea o bun a descriere a elementelor lui este necesar s a consider am
partitii ordonate, descrise ca sisteme ordonate (
1
. ....
n
) . Spre ex-
emplu, avnd o astfel de partitie, se pot obtine alte partitii ordonate
distincte prin permutarea multimilor. Astfel (
2
.
1
.
3
. ....
n
) . sis-
temul n care am inversat locurile multimilor
1
si
2
. este distinct de
cel anterior, n timp ce privite ca partitii ale lui 1 ele sunt identice.
(n general, prin partitie a unei multimi se ntelege o familie de p arti
disjuncte a c aror reuniune acoper a multimea dat a, f ar a a exista vreo
ordine pe familia de p arti.) La noi, ordinea n care apar multimile unui
sistem indic a num arul de bil a ce corespunde ec arei multimi.
Cu aceast a nou a formulare pentru problema noastr a avem de deter-
minat cte sisteme de multimi (
1
. ....
n
) veric a urm atoarele propri-
et ati: 1
0
multimile
1
. ....
n
formeaz a o partitie a lui 1si 2
0
cardinalul
multimii
i
este /
i
. pentru orice i = 1. .... :. Propozitia urm atoare
r aspunde la aceast a cerint a.
Propozitia 1.2. Fiind data o mul time 1 cu : elemente si ind
date numerele /
1
. .... /
n
. astfel nct : = /
1
+ ... + /
n
. se pot forma
:!
/
1
! ... /
n
!
parti tii ordonate (
1
. ....
n
) ale mul timii 1. astfel nct cardinalul
mul timii
i
sa e /
i
. i = 1. .... :.
Demonstra Tie. Num ararea o vom face rationnd prin inductie
dup a :. S a presupunem c a avem o multime 1. de cardinal /
n
.
xat a. Pentru a obtine toate partitiile ordonate ale lui 1. de tipul c au-
tat, care au drept ultim a multime . trebuie s a vedem n cte feluri
putem face operatia similar a pentru 1 n loc de 1. dar lund n consi-
derare partitiile ordonate cu :1 p arti. Mai precis, c aut am num arul
partitilor ordonate (1
1
. .... 1
n1
) ale lui 1 astfel nct cardinalul
multimii 1
i
s a e /
i
. pentru orice i = 1. .... : 1. Conform inductiei,
num arul acestor partitii este
(aI
r
)!
I
1
!...I
r1
!
. Cum (. 1
1
. .... 1
n1
) reprez-
int a o partitie ordonat a ca n enuntul propozitiei si cum toate partitiile
c autate se obtin n acest fel, rezult a c a avem de calculat num arul de
combinatii de acest tip posibile. Pe de alt a parte, num arul p artilor
1 de cardinal /
n
este egal cu C
I
r
a
. Rezult a c a num arul c autat
este C
I
r
a
(aI
r
)!
I
1
!...I
r1
!
=
a!
I
1
!...I
r
!
.
Num arul
a!
I
1
!...I
r
!
este numit coecient multinomial. Pentru : = 2
el devine coecientul binomial C
I
1
a
= C
I
2
a
=
a!
I
1
!(aI
1
)!
.
Revenind la problema initial a, putem spune c a multimea (/
1
. .... /
n
)
are cardinalul
a!
I
1
!...I
r
!
si, prin urmare, avem
1 ((/
1
. .... /
n
)) =
:!
/
1
! ... /
n
!
1
:
a
.
Pe de alt a parte, multimea se scrie sub forma
=
_
(I
1
,...,I
r
)
(/
1
. .... /
n
) .
unde se face reuniunea dup a toate sistemele (/
1
. .... /
n
) N
n
. astfel
nct /
1
+...+/
n
= :. Cum multimile care particip a la aceast a reuniune
A 15
sunt si disjuncte, rezult a c a are loc relatia
(I
1
,...,I
r
)
:!
/
1
! ... /
n
!
= :
a
.
O problem a de alocatie.
Examin am acum problema anterioar a sub alt a nf atisare, sub care
este adesea ntlnit a.
Vom presupune c a ` este o multime format a din : bile numerotate
de la 1 la :. Avem : cutii si numerele /
1
. .... /
n
date astfel nct
/
1
+... +/
n
= :. Se iau pe rnd bilele multimii ` si se pun aleator n
cte o cutie. Se pune apoi problema s a se determine n cte feluri se pot
aloca aleator cele : bile n cutii astfel nct ntia cutie s a contin a /
1
bile, a doua s a contin a /
2
bile, etc. Dac a not am cu
i
multimea bilelor
ce sunt puse n cutia i. atunci
1
. ....
n
formeaz a o partitie a lui `.
Formulat a altfel, problema revine la a determina num arul partitiilor
ordonate ale multimii ` = 1. .... : n forma (
1
. ....
n
) asa nct
cardinalul multimii
i
s a e /
i
. i = 1. .... :. Este, deci, vorba despre
situatia descris a n lema anterioar a si num arul c autat este
a!
I
1
!...I
r
!
.
Num arul rezultatelor posibile.
Ne punem acum problema de a determina num arul rezultatelor
posibile distincte ce se consemneaz a n ansamblul c asutelor de la sfrsi-
tul unei linii ce corespunde unei serii de : arunc ari cu ntoarcere, cnd
nu se mai tine cont de ordine. Acest num ar este determinat de urm a-
torul rezultat de combinatoric a.
Propozitia 1.3. Fiind date :. : N. numarul sistemelor de nu-
mere naturale (/
1
. .... /
n
) N
n
cu proprietatea ca : = /
1
+ ... + /
n
.
este egal cu C
n1
n+a1
= C
a
n+a1
.
Demonstra Tie. Pentru a explica ntr-un mod mai intuitiv demon-
stratia revenim la modelul seriilor de : extrageri cu ntoarcere dintr-o
urn a cu : bile numerotate de la 1 la :. Si anume, examin am rezultatele
consemnate n c asutele de la sfrsitul liniei de nsemn ari corespunz a-
toare unei serii de : extrageri schimbnd modalitatea de consemnare
a rezultatului. Anume, n ecare c asut a n locul num arului ce reprez-
int a aparitiile respectivei bile punem semnul A repetat de attea ori
cte aparitii a avut bila. Astfel rezultatul poate exprimat si sub
forma unui sir de semne A care marcheaz a n c asuta respectiv a ecare
aparitie, desp artite de bare de tipul [ , ce delimiteaz a c asutele. Pentru
exemplicare, n sirul de mai jos avem : = 4 si : = 5 si sunt mar-
cate urm atoarele rezultate: pentru bila cu num arul 1 au fost bifate 2
aparitii, pentru bila cu num arul 2 a fost bifat a o singur a aparitie, pen-
tru bila cu num arul 3 nu este nici o aparitie, iar pentru bila cu num arul
4 sunt bifate 2 aparitii:
AA [ A [ [ AA
La fel, n sirul
[ [ A [ AAAA
se consemneaz a rezultatele unei serii de : = 5 extrageri din urna cu
: = 4 bile, la care bilele 1 si 2 nu au ap arut, bila 3 a iesit o dat a, iar
bila 4 a iesit de patru ori.
Rezultatul unei serii de arunc ari n care ne intereseaz a doar num atul
de aparitii ale ec arei bile este deci descris complet de succesiunea a
: 1 bare si : semne A. Dar, privind multimea locurilor pe care au
fost trasate bare verticale sau semne A. ca o multime x a cu : +
: 1 elemente, atunci observ am c a o succesiune ce descrie o serie
de arunc ari este complet determinat a de multimea pozitiilor barelor.
Exist a C
n1
n+a1
posibilit ati de a alege n mod diferit pozitiile barelor,
ceea ce ncheie demonsratia.
Alt a demonstratie se poate face grupnd sistemele dup a valorile
lui /
1
= 0. 1. .... : si utiliznd metoda inductiei matematice pentru a
num ara sistemele din ecare grup. n nal se utilizeaz a relatia cunos-
cut a
C
|
n
= C
|1
n1
+ C
|1
n2
+ ... + C
|1
|1
.
Putem trage concluzia, pentru problema seriilor de : extrageri cu
ntoarcere f ar a ordine, c a num arul multimilor de tip (/
1
. .... /
n
) . care
de fapt reprezint a evenimentele elementare ale experimentului, este de
C
n1
n+a1
. Probabilitatea ec arui eveniment elementar este diferit a, asa
cum am stabilit mai sus.
4. Exemple
4.1. Controlul calit atii. Exemplu.
ntr-o lad a se a a 1500 de mere, din care un anumit procent sunt
putrede. F ar a a sti acest procent, se ia un esantion de 40 de mere si
se taie pentru a se constata starea lor si a evalua care ar procentul
de mere putrede n toat a lada. Este o problem a tipic a de controlul
calit atii. Aici ne propunem s a determin am care ar probabilitatea ca
esantionul s a contin a r mere putrede dac a am sti c a 2% din num arul
total de mere sunt putrede.
Solu tie. Presupunerea f acut a implic a faptul c a 30 de mere sunt pu-
trede. n ce priveste extragerea celor 40 de mere, ea nu conteaz a dect
ca multime. Suntem n cazul extragerilor f ar a ordine. Fie ` multimea
tuturor merelor si 1 multimea tuturor merelor putrede. Avemcc:d (`) =
1500 si cc:d (1) = 30. Pentru un esantion arbitrar de 40 mere putem
avea 0. 1. .... pn a la 30 mere putrede. Vrem s a determin am care este
probabilitatea ec arui caz. Spatiul posibilit atilor pe care model am
problema este
= T (`) ,cc:d = 40 .
iar evenimentele a c aror probabilitate o c aut am vor avea expresia
|
= , cc:d ( 1) = | . | = 0. 1. .... 30.
4. EXEMPLE 17
Este clar c a evenimentele acestea formeaz a o partitie lui . Cardinalul
multimii este C
40
1500
. Pentru a determina cardinalul multimii
|
vom
rationa astfel: orice multime
|
se mparte n mod natural n
dou a p arti,
1
= 1 de cardinal cc:d
1
= | si
2
= 1
c
cu
cc:d
2
= 40 |. Pentru
1
exist a C
|
30
posibilit ati de alc atuire, iar
pentru
2
exist a C
40|
1470
posibilit ati de alc atuire. Deci, multimea ce ne
intereseaz a,
|
. are C
|
30
C
40|
1470
elemente. Obtinem formula
1 (
|
) =
C
|
30
C
40|
1470
C
40
1500
.
Notnd j
|
= 1 (
|
) . trecem la calculul numeric al acestor probabilit ati
utiliznd doar un minicalculator. ncepem cu
j
0
=
C
40
1470
C
40
1500
=
1470 ... 1431
1500 ... 1461
=
1460 ... 1431
1500 ... 1471
=
=
_
1
40
1500
_
...
_
1
40
1471
_
.
Avem un produs de 30 de numere apropiate de unitate si putem face
o aproximare bazndu-ne pe lema1.1, punctul (iii) de mai jos:
- exp
30
i=1
40
1470 +i
.
Eroarea acestei aproxim ari este pozitiv a si majorat a de
7
12
30
i=1
_
40
1470+i
_
2
.
evident mai mic a dect 0. 02. Mai departe, se observ a c a ultimul rezul-
tat se poate aproxima, cu o nou a eroare mic a, negativ a de data aceasta,
prin
exp
30
i=1
40
1470 +i
- exp
30 40
1470
= 0. 442.
Deci avem o valoare aproximativ a a lui j
0
- 0. 442. Mai departe, cal-
cul am o relatie de recurent a:
j
|+1
=
C
|+1
30
C
40|1
1470
C
40
1500
=
1
C
40
1500

30!
(| + 1)! (30 | 1)!
1470!
(40 | 1)! (1430 + | + 1)!
=
30 |
| + 1

40 |
1430 +| + 1
j
|
.
Deci j
1
=
30
1

40
1431
j
0
- 0. 370 si apoi j
2
=
29
2

39
1432
j
1
- 0. 146
iar j
3
=
28
3

38
1433
j
2
- 0. 036 si j
4
=
27
4

37
1434
j
3
- 0. 006.
List am n tabelul urm ator valorile numerice ce se obtin prin calcul
pe un PC:
j
0
j
1
j
2
j
3
j
4
0. 4409 0. 3697 0. 1460 0. 0361 0. 0062
Dup a cum se vede, calculele noastre aproximative sunt destul de apropi-
ate de valorile reale. Adunnd probabilit atile din tabel avem j
0
+j
1
+
j
2
+ j
3
+ j
4
= 0. 9989. ceea ce arat a c a restul probabilit atilor sunt
neglijabile (binenteles c a are loc relatia

30
|=0
j
|
= 1). Cu tabelul n
fat a putem s a facem urm atorul comentariu. Sub ipoteza c a numai 2%
dintre mere sunt putrede, probabilitatea covrsitoare o are evenimen-
tul num arul de mere putrede care ies la o extragere de 40 este cel
mult doi, adic a | _ 2". si anume j
0
+ j
1
+ j
2
= 0. 9566. Evenimentul
num arul de mere putrede ce ies la o extragere de 40 este 3 sau mai
mare este foarte rar, pentru c a probabilitatea sa este 0. 0434. Faptul
de a g asi 3 mere putrede printre 40 testate nu este normal. O persoan a
interesat a, care n urma testului ar g asi 3 mere putrede, ar trebui s a
trag a concluzia c a este foarte verosimil ca ipoteza cum c a procentul
merelor putrede din lad a este de numai 2% s a nu e real a.
Produsul mai multor numere apropiate de unitate.*
n teoria probabilit atilor apare de multe ori problema evalu arii unor
produse cu multi factori cu valori apropiate de 1. De exemplu probabi-
litatea intersectiei mai multor evenimente independente conduce la un
astfel de produs. Pentru aceasta se utilizeaz a aproximarea 1r - c
a
.
valabil a pentru r pozitiv, mic. Aceast a aproximare se dovedeste n
multe situatii att de bun a c a permite si aproximarea repetat a n ace-
lasi fel a factorilor unui produs. Formaliz am rezultatul n urm atoarea
lem a. Vom avea prilejul de a utiliza aceast a lem a n mai multe ocazii.
Lema 1.1. (i) Au loc urmatoarele inegalita tile
c
a
7
12
a
2
_ 1 r _ c
a
1
2
a
2
.
unde pentru prima este necesar ca 0 _ r _
1
5
. iar pentru a doua este
sucient ca 0 _ r _ 1.
(ii) Daca 0 _ r _ 1. atunci sunt vericate inegalita tile
1 r _ c
a
_ 1 r +
1
2
r
2
.
(iii) Daca 0 _ c
1
. .... c
a
_
1
5
. atunci au loc estimarile
exp
_
I=1
c
I
_
exp
_
7
12
a
I=1
c
2
I
_
_
a
I=1
(1 c
I
) _ exp
_
I=1
c
I
_
.
exp
_
I=1
c
I
_
I=1
(1 c
I
) _
7
12
_
a
I=1
c
2
I
_
exp
_
I=1
c
I
_
.
Pentru partea dreapta a primei estimari este sucient ca 0 _ c
1
. .... c
a
_
1.
Demonstra Tie. (i) Se porneste de la scrierea 1r = exp (ln (1 r))
dup a care se utilizeaz a dezvoltarea n serie de puteri a functiei ln (1 r)
pentru [r[ < 1 :
ln (1 r) = r
1
2
r
2
1
3
r
3
1
4
r
4
...
4. EXEMPLE 19
n urma neglij arii termenilor de la al treilea ncolo avem ln (1 r) _
r
1
2
r
2
. ceea ce conduce imediat la partea dreapt a a estim arii din
enunt.
Pentru a deduce partea stng a a estim arii vom majora restul seriei
de la al treilea termen prin seria geometric a astfel:
1
3
r
3
+
1
4
r
4
+ ... <
1
3
r
3
_
1 +r + r
2
+ ...
_
=
1
3
r
3
1 r
.
unde am considerat c a 0 < r < 1. Pentru 0 _ r _
1
5
avem inegalitatea
1
1a
_
5
4
. ceea ce conduce la
1
3
r
3
+
1
4
r
4
+ ... _
1
12
r
2
.
De aici rezult a imediat c a ln (1 r) _ r
7
12
r
2
. ceea ce conduce la
inegalitatea din enunt.
(ii) Pentru estim arile de la acest punct se utilizeaz a dezvoltarea n
serie a functiei exponentiale,
c
a
= 1 r +
1
2
r
2
1
3!
r
3
+ ....
care este o serie alternant a, pentru 0 < r < 1. cu termenii descresc atori
n valoare absolut a.
(iii) Primul rnd de estim ari de la acest punct se obtin prin apli-
carea punctului (i) pentru ecare factor al produsului. Pentru a deduce
ultima inegalitate se utilizeaz a primul rnd de estim ari, obtinnd
exp
_
I=1
c
I
_
I=1
(1 c
I
) _
_
1 exp
7
12
_
a
I=1
c
2
I
__
exp
_
I=1
c
I
_
.
dup a care se utilizeaz a inegalitatea 1 c
a
_ r.
Remarc am c a pentru 0 _ r _
1
10
estim arile de la punctul (i) ne
asigur a c a aproximarea 1 r - c
a
este satisf ac atoare. n calculele
concrete ale unor probabilit ati de multe ori valorile mai mici ca 0. 01
se neglijeaz a. Punctul (ii) este util pentru a examina estimarea n sens
invers c
a
- 1 r. Estim arile de la punctul (iii) sunt utile n m asura
n care valorile c
I
sunt att de mici nct chiar cumulate p atratele dau
suma

a
I=1
c
2
I
cu o valoare mic a.
Sigur c a pentru multe situatii concrete un PC permite calcule mai
precise dect cele bazate pe inegalit atile anterioare. Totusi sunt situ-
atii cnd vrem s a facem estim ari lucrnd cu variabile, adic a n loc de
numere precise avem litere despre care stim c a desemneaz a valori ce
sunt de un anumit ordin. Atunci sunt utile aceste inegalit ati.
Identitatea lui Van der Monde.
Calculul din paragraful anteprecedent a pus n evident a o identitate
combinatoric a care merit a retinut a n forma general a urm atoare. S a
presupunem c a multimea ` const a din bile albe si rosii si are cardinalul
:. Submultimea bilelor rosii o not am 1 si not am cu : cardinalul s au.
Num arul de submultimi ale lui ` care au cardinalul un num ar dat
: _ : este C
a
n
. Aceste submultimi pot grupate dup a num arul | de
elemente din 1 pe care le contin. Num arul submultimilor de : bile
dintre care | sunt rosii este C
|
v
C
a|
nv
si deducem identitatea
C
a
n
=
|
C
|
v
C
a|
nv
.
care este cunoscut a sub numele de identitatea lui Van der Monde.
Sumarea se face dup a indicele | care trebuie s a satisfac a relatiile 0 _
| _ :.: si :| _ ::. (A doua relatie spune c a pentru o submultime
a lui ` care are : elemente, num arul elementelor din multimea `1
nu dep aseste cardinalul acestei multimi.)
Putem calcula probabilitatea ca extr agnd o submultime de cardi-
nal : din ` s a obtinem | elemente din 1. Aceast a probabilitate este
j
|
=
C
I
r
C
nI
rr
C
n
r
. Conform cu conditiile mentionate mai sus, | trebuie s a
satisfac a relatiile 0 . (: : + :) _ | _ : . :.
Vom face acum o vericare algebric a pentru identitatea lui Van der
Monde, pe care o si enunt am mai precis sub forma: dac a numerele
naturale :. :. : satisfac conditiile 0 _ :. : _ :. atunci are loc relatia
C
a
n
=
a/v
|=0v(an+v)
C
|
v
C
a|
nv
.
Solu tie. Vom presupune c a 1 _ :. : _ :1. pentru c a altfel iden-
titatea este trivial a. Facem o inductie dup a : si utiliz am identitatea
elementar a C
I
n
= C
I
n1
+ C
I1
n1
. valabil a pentru numerele naturale
1 _ / < :. Dac a : < : < ::. putem scrie
a/v
|=0v(an+v)
C
|
v
C
a|
nv
=
v
|=0
C
|
v
C
a|
nv
=
v
|=0
C
|
v
C
a|
n1v
+
v
|=0
C
|
v
C
a1|
n1v
si, aplicnd formula presupus a valabil a pentru :1. rezult a
= C
a
n1
+ C
a1
n1
= C
a
n
.
Pentru cazul : _ :. : < ::. calculul este asem an ator:
a/v
|=0v(an+v)
C
|
v
C
a|
nv
=
a
|=0
C
|
v
C
a|
nv
=
a1
|=0
C
|
v
C
a|
nv
+ C
a
v
=
a1
|=0
C
|
v
C
a|
n1v
+ C
a
v
+
a1
|=0
C
|
v
C
a1|
n1v
= C
a
n1
+ C
a1
n1
= C
a
n
.
Cazul :: _ :. : < : este si el similar:
v
|=0v(an+v)
C
|
v
C
a|
nv
=
v
|=an+v
C
|
v
C
a|
nv
=
4. EXEMPLE 21
=
v
|=an+v+1
C
|
v
C
a|
nv
+ C
an+v
v
=
v
|=an+v+1
C
|
v
C
a|
n1v
+
+
v
|=an+v+1
C
|
v
C
a1|
n1v
+ C
an+v
v
= C
a
n1
+ C
a1
n1
= C
a
n
.
R amne de vericat cazul :: _ : _ :. pentru care avem un calcul ce
combin a situatiile ultimelor dou a cazuri anterioare. L as am cititorului
grija acestei veric ari.
Observ am c a vericarea algebric a este mai greoaie.
4.2. Problema potrivirilor. Exemplul 1.
O persoan a pretinde a avea simturi paranormale care i permit s a
poat a simti culorile f ar a s a vad a respectivele obiecte colorate. Pen-
tru a se dovedi aceste calit ati, se face urm atorul experiment. Se iau 4
cartoane colorate, ecare de alt a culoare, si se pun ntr-o p al arie. Per-
soana respectiv a trece n camera al aturat a si altcineva extrage pe rnd
cartoanele din p al arie. Din camera al aturat a persoana cu pretinsele
calit ati paranormale trebuie s a spun a n ordine ce culori au fost ex-
trase. Care este probabilitatea ca un singur r aspuns s a e exact, dac a
r aspunsurile se dau prin hazard? Care este probabilitatea ca numai
dou a r aspunsuri s a e exacte, dac a ele se dau la ntmplare? Care este
probabilitatea ca toate r aspunsurile s a e exacte, cnd ele se dau prin
hazard?
Solu tie. Experimentul extragerii celor 4 cartoane din p al arie este
complet analog extragerii f ar a ntoarcere a 4 bile dintr-o urn a ce are in-
itial exact 4 bile. Iar dac a r aspunsurile sunt date la ntmplare, aceasta
revine de fapt la a repeta extragerea f ar a ntoarcere cu cele 4 bile. S a
not am c
1
. c
2
. c
3
. c
4
. culorile extrase din p al arie. Fiecare serie de alte
4 extrageri corespunde unei permut ari a acestor patru culori si toate
au sanse egale. n total sunt 4! = 24 de posibilit ati si probabilitatea
ca s a e date toate r aspunsurile corect este probabilitatea permut arii
identice (c
1
. c
2
. c
3
. c
4
) . ce este egal a cu
1
24
.
S a stabilim care este probabilitatea ca un singur r aspuns s a e
exact. Pentru aceasta vom analiza mai nti cazul acelori permut ari
care las a numai culoarea c
1
pe loc. Acestea sunt descrise de pozitiile
celorlalte culori, care pot listate astfel
c
2
. c
3
. c
4
c
2
. c
4
. c
3
c
3
. c
2
. c
4
c
3
. c
4
. c
2
c
4
. c
2
. c
3
c
4
. c
3
. c
2
Se vede c a numai dou a, si anume a patra si a cincea schimb a toate
elementele primei ordon ari a culorilor (ce corespunde extragerii din
p al arie). Deci exist a exact dou a permut ari ce schimb a locul ec areia
din ultimele trei culori si las a pe loc prima culoare. La fel se poate
repeta rationamentul tinnd pe loc ecare din culorile c
2
. c
3
sau c
4
.
n felul acesta se obtine num arul total al permut arilor ce p astreaz a
pe loc exact o culoare, care este egal cu 4 2 = 8. Probabilitatea ca
prin hazard s a se dea raspuns corect la o singur a ntrebare este deci
8
24
=
1
3
= 0. 333.
S a vedem acum cte permut ari se pot face cu cele patru culori
astfel ca dou a s a r amn a pe loc iar celelalte dou a s a schimbe locul. De
exemplu, s a zicem c a c
1
si c
2
r amn pe loc. Atunci neap arat c
3
si c
4
schimb a locul una cu alta, adic a singura permutare posibil a n acest
fel este (c
1
. c
2
. c
4
. c
3
) . Dac a num ar am posibilit atile n care putem xa
dou a din culori, g asim c a acestea sunt n num ar de C
2
4
= 6. Deci exist a
6 permut ari ce las a exact dou a culori pe loc. Rezult a c a probabilitatea
ca exact dou a r aspunsuri date la ntmplare s a e corecte este de
6
24
=
1
4
= 0. 25.
Dac a trei dintre culorile unei permut ari a celor 4 culori sunt l asate
pe loc, atunci neap arat si cea de a patra culoare trebuie s a r amn a
neschimbat a, deci permutarea n cauz a este permutarea identic a. Rezult a
c a permut arile care schimb a locul tuturor culorilor n acelasi timp sunt
n num ar de 24 1 8 6 = 9. Putem concluziona c a probabilitatea
ca toate r aspunsurile date la ntmplare s a e eronate este de numai
9
24
=
3
8
= 0. 375.
Desigur, probabilitatea ca toate r aspunsurile s a se nimereasc a ex-
acte este
1
24
= 0. 04166. destul de mic a. Putem concluziona c a, dac a
dorim s a tragem concluzii realiste bazndu-ne pe experimentul descris
n aceast a problem a, trebuie s a consider am ca ntmpl atoare ghicirea a
una sau dou a culori. Numai mentionarea complet a a tuturor culorilor,
n ordine, poate considerat a ca un indiciu al unei capacit ati reale
deosebite de simpla nimereal a.
Exemplul 2.*
Dou a rnduri de c arti de joc sunt amestecate ecare separat, dup a
care sunt puse pe mas a n perechi, o carte dintr-un pachet al aturi de o
carte din cel alalt pachet. Se formeaz a n acest fel 52 de perechi. Care
este probabilitatea ca cel putin una din perechi s a contin a dou a c arti
identice?
Solu tie. Este o problem a de acelasi tip cu cea anterioar a. Spatiul
tuturor posibilit atilor este modelat de multimea permut arilor ce se pot
face cu 52 de obiecte. Problema revine la determinarea num arului de
permut ari care nu las a nici un element pe locul s au. Num arul 52 ind
mare n raport cu genul de calcule implicate n solutia anterioar a, nu
putem repeta rationamentul de acolo. Vom da o solutie bazat a pe
egalitatea lui Poincar demonstrat a mai jos.
Vom nlocui cifra 52 cu litera : pentru a face problema mai gen-
eral a. Din punctul de vedere al rationamentului nu se va produce nici
o complicatie. Deci n continuare vom presupune c a avem o multime
format a din : elemente si c aut am permut arile (ce se pot face cu aceste
elemente) cu proprietatea c a nici un element nu este l asat invariant.
4. EXEMPLE 23
Fie ` = 1. 2. .... : multimea noastr a cu : elemente. Multimea
tuturor permut arilor este descris a astfel:
= (r
1
. r
2
. .... r
a
) `
a
, r
i
,= r
)
. \i ,= , .
Num arul elementelor din este :!. Mai nti vom analiza multimile de
permut ari care las a pe loc un element. Fie
)
multimea permut arilor
ce las a pe loc elementul , :
)
= (r
1
. r
2
. .... r
a
) , r
)
= , .
Multimea permut arilor care las a cel putin un element pe loc este re-
uniunea

a
)=1
)
. Multimea permut arilor care nu las a pe loc nici un
element al lui `. este cea care ne intereseaz a si o not am cu 1. Ea este
complementara reuniunii anterioare:
1 =
_
a
_
)=1
)
_
c
.
Prin aplicarea formulei lui Poincar, de mai jos, avem
1 (1) = 1
a
i=1
1 (
i
) +
i<)
1 (
i

)
)

i<)<I
1 (
i

)

I
) + ... + (1)
a
1
_
a
i=1
i
_
.
Dar pentru multimile
)
stim s a calcul am probabilitatea: multimea
)
se pune n corespondent a bijectiv a cu multimea permut arilor ce se
pot face cu obiectele multimii ` , . deci are (: 1)! elemente. Pro-
babilitatea este atunci 1 (
)
) =
(a1)!
a!
. pentru ecare indice ,. Pentru
doi indici diferiti i ,= , putem calcula la fel num arul elementelor din
intersectia
i
)
: aceast a multime se pune n bijectie cu permut arile
ce se pot face cu elementele multimii ` i. , . deci are (: 2)! el-
emente. Probabilitatea respectiv a este 1 (
i

)
) =
(a2)!
a!
. La fel se
g aseste si pentru trei indici diferiti: 1 (
i

)

I
) =
(a3)!
a!
. etc. La
prima sum a din formula de mai sus particip a : termeni, la cea de a
doua particip a C
2
a
termeni, la cea de a treia C
3
a
. etc. Tinnd cont de
toate acestea putem calcula ecare termen din formula de mai sus:
1 (1) = 1:
(: 1)!
:!
+
:!
2! (: 2)!
(: 2)!
:!

:!
3! (: 3)!
(: 3)!
:!
+...
+(1)
a
1
:!
= 1
1
1
+
1
2!

1
3!
+ ... + (1)
a
1
:!
.
Se observ a c a dezvoltnd functia exponential a n serie Taylor n jurul
lui 0 si apoi calculnd-o n 1. obtinem seria innit a
exp (1) = 1
1
1
+
1
2!

1
3!
+ ... + (1)
a
1
:!
...
Rezult a c a putem evalua diferenta c
1
1 (1) cu restul Taylor de ordin
: al functiei exp r :
c
1
1 (1) =
1
(: + 1)!
c
cu un num ar (1. 0) . Deci 1 (1) - c

1
- 0. 3678. cu o eroare de
ordinul lui
1
(a+1)!
. Pentru : = 4 avem
1
5!
=
1
120
- 0. 00833. pentru : = 5
avem
1
6!
=
1
720
- 0. 00139 iar pentru : = 6 avem
1
7!
=
1
5040
< 0. 0002.
Din punct de vedere practic, pentru : _ 6. probabilitatea ca s a nu
avem coincidente nu depinde de :.
Lema 1.2. (Formula lui Poincar) Fie (. T. 1) un spa tiu proba-
bilizat si
1
. ....
a
evenimente arbitrare. Atunci are loc urmatoarea
formula
1
_
a
_
i=1
i
_
=
a
i=1
1 (
i
)
i<)
1 (
i

)
) +
+

i<)<I
1 (
i

)

I
) + ... + (1)
a1
1
_
a
i=1
i
_
.
Demonstra Tie. Pentru : = 2 formula devine
1 (
1
'
2
) = 1 (
1
) + 1 (
2
) 1 (
1

2
) .
Vericarea ei se face pornind cu urm atoarele descompuneri n multimi
disjuncte
1
= (
1
2
) ' (
1

2
) .
2
= (
2
1
) ' (
1

2
) .
1
'
2
=
1
= (
1
2
) ' (
2
1
) ' (
1

2
) .
Utiliznd aditivitatea m asurii de probabilitate se ajunge la concluzia
dorit a. n continuare se procedeaz a prin inductie. Presupunem c a
formula este adev arat a pentru : si vom demonstra c a ea este valabil a
si pentru : + 1. Not am 1 =
a
i=1
i
si scriem
1
_
a+1
_
i=1
i
_
= 1 (
a+1
) + 1 (1) 1 (
a+1
1) =
=
a+1
i=1
1 (
i
)
a
i<)
1 (
i

)
) +
a
i<)<I
1 (
i

)

I
) + ...
+(1)
a1
1
_
a
i=1
i
_
1 (
a+1
1) . (+)
Ultimul termen din aceast a expresie se exprim a din nou prin utilizarea
formulei Poincar cu : multimi:
1 (
a+1
1) = 1
_
a
_
i=1
(
a+1

i
)
_
=
4. EXEMPLE 25
=
a
i=1
1 (
a+1

i
)
a
i<)
1 (
a+1

i

)
)+...+(1)
a1
1
_
a+1
i=1
i
_
.
Tinnd cont de relatiile
a
i<)
1 (
i

)
) +
a
i=1
1 (
a+1

i
) =
a+1
i<)
1 (
i

)
) .
a
i<)<I
1 (
i

)

I
)+
a
i<)
1 (
a+1

i

)
) =
a+1
i<)<I
1 (
i

)

I
) .
si asa mai departe ..., rezult a c a partea dreapt a a egalit atii (*) devine
=
a+1
i=1
1 (
i
)
a+1
i<)
1 (
i

)
) +
a+1
i<)<I
1 (
i

)

I
) + ...
+(1)
a
1
_
a+1
i=1
i
_
.
care este exact membrul drept al formulei ce dorim s a prob am cu :+1
multimi.
4.3. Problema cu zilele de nastere. Ne propunem s a calcul am
probabilitatea ca dintr-un grup de : persoane, aate mpreun a ntm-
pl ator, toate s a aib a zile de nastere diferite. Vom ar ata c a pentru
: = 23 aceast a probabilitate devine mai mic a dect 0. 5.
Solu tie. Pentru a modela probabilistic problema facem o compara-
tie a zilei de nastere pe care o are o persoan a cu extragerea din urna cu
365 de bile. Pentru : persoane va corespunde o serie de : extrageri din
urn a cu revenire. (Vezi exemplul 3. din paragraful despre repartitia
unei variabile pentru o discutie mai riguroas a a model arii, care ns a con-
duce la aceeasi formul a.) Denim spatiul ` = 1. 2. .... 365 constnd
din numerele de la 1 la 365 si reprezentnd zilele anului. Multimea ce
descrie toate posibilit atile este
= . = (r
1
. .... r
a
) [ r
i
` . i = 1. .... : = `
a
.
Avem cc:d () = 365
a
si denim o probabilitate pe care s a fac a
echiprobabile toate evenimentele elementare, deci punem
1 (.) =
1
365
a
.
Multimea care ne intereseaz a o not am cu si const a din evenimentele
elementare pentru care toate componentele sunt distincte:
= . = (r
1
. .... r
a
) [ r
i
,= r
)
. \ i ,= , .
Binenteles c a trebuie s a presupunem : _ 365 pentru ca s a nu e
vid a. Multimea are un num ar de
a
365
elemente. Atunci putem
exprima probabilitatea
1 () =
365 (365 1) ... (365 : + 1)
365
a
.
Este clar c a valoarea acestei expresii scade cu ct creste :. Calculul
exact al acestei probabilit ati pentru toate valorile : = 1. .... 365 se poate
face utiliznd calculatorul. Mai jos vom face o estimare cu calcule de
mn a sucient de n a a acestei probabilit ati astfel nct s a putem
stabili c a pentru : = 22 probabilitatea n cauz a este mai mare dect
0. 5. iar pentru : = 23 acea probabilitate este mai mic a dect 0. 5.
Aspecte numerice pentru problema anterioar a.
Mai departe ne vom ocupa cu estimarea functiei denit a prin pro-
dusul
, (:) =
_
1
1
365
_
...
_
1
: 1
365
_
.
care reprezint a probabilitatea c autat a n problema zilelor de nastere.
Vom aplica acestui produs lema 1.1. A doua inegalitate din primul
rnd de la punctul (iii) al lemei ne d a
, (:) _ exp
a1
I=1
/
365
= exp
(: 1) :
730
.
Vom nota q (:) = exp
(a1)a
730
astfel c a inegalitatea anterioar a se scrie
, (:) _ q (:) . Presupunnd c a : _ 74 vom putea s a aplic am si a doua
inegalitate de la punctul (iii) al lemei, care conduce la
q (:) , (:) _ q (:)
7
12
a1
I=1
/
2
365
2
.
Suma din membrul drept se majoreaz a prin
a1
I=1
/
2
365
2
_
:(: 1) (2: 1)
6 365
2
.
astfel c a notnd :
a
=
7
12
a(a1)(2a1)
6365
2
putem scrie
q (:) , (:) _ q (:) :
a
.
Calcul am q (22) - 0. 531 si q (22) :
22
- 0. 0077. ceea ce conduce la
, (22) _ 0. 523. n continuare calcul am q (23) - 0. 499998. ceea ce
implic a , (23) _ 0. 49999 < 0. 5. Cu aceasta am ncheiat vericarea
armatiei f acute la nceput.
Este semnicativ de notat c a , (46) _ q (46) - 0. 058 si , (69) _
q (69) - 0. 0016. De aceea, dac a se face experimentul de a lista datele de
nastere a 23 de studenti, n situatia c a nu se nimeresc doi cu aceeasi zi de
5. ANEX
A: NO TIUNI DE COMBINATORIC
A 27
nastere, se poate continua cu listarea zilelor de nastere ale p arintilor. n
mod practic, atunci vom putea siguri c a cel putin dou a date coincid.
5. Anex a: notiuni de combinatoric a
n aceast a sectiune vom face o recapitulare a principalelor notiuni
de combinatoric a ce sunt nv atate n liceu. Cu aceast a ocazie vom
stabili si o notatie ce o vom p astra n restul c artii.
O multime nit a cu : elemente va notat a `. Pentru a n ton
cu modelele noastre probabiliste putem s a gndim c a ` este format a
din bile numerotate de la 1 la :. Formal vom scrie ` = 1. .... : .
1. Dac a avem dou a multimi distincte `
i
= 1. .... :
i
. i = 1. 2.
pentru a determina cardinalul multimii produs `
1
`
2
facem num ar a-
toarea elementelor nsirndu-le n ordine lexicograc a:
`
1
`
2
= (1. 1) . (1. 2) . .... (1. :
2
) .
(2. 1) . (2. 2) . .... (2. :
2
) . .... (:
1
. 1) . (:
1
. 2) . .... (:
1
. :
2
) .
Putem astfel constata c a avem cc:d (`
1
`
2
) = :
1
:
2
.
Pentru / multimi vom avea
cc:d (`
1
... `
I
) = :
1
...:
I
.
n particular, dac a consider am produsul de / ori al aceleiasi multimi
` din : elemente vom avea cc:d
_
`
I
_
= :
I
.
2. Num arul modalit atilor distincte n care pot nsiruite elementele
multimii ` = 1. .... : este numit permut ari de : obiecte si este
notat 1
n
. Vom demonstra n continuare, prin inductie, c a acest num ar
este egal cu 1
n
= 1 2 3 ... : = :!.
O nsiruire a elementelor din ` poate descris a prin sistemul de
elemente (r
1
. .... r
n
) `
n
. unde se presupune c a r
i
,= r
)
pentru
i ,= ,. Multimea tuturor nsiruirilor ce se pot face cu elementele din `
o putem deci descrie prin
/
n
= (r
1
. .... r
n
) `
n
,r
i
,= r
)
. \i ,= , .
Si vrem s a ar at am c a cc:d (/
n
) = :!. Presupunem c a este adev arat a
relatia pentru :1. adic a cc:d (/
n1
) = (:1)!. unde
/
n1
=
_
(r
1
. .... r
n1
) (`
t
)
n1
,r
i
,= r
)
. \i ,= ,
_
.
iar `
t
= 1. .... :1 . Pentru ecare element r `. xat, observ am
c a multimea
| (r) = (r
1
. .... r
n
) /
n
,r
n
= r
este izomorf a cu /
n1
. Pe de alt a parte, are loc egalitatea
/
n
=
_
aA
| (r) .
care permite num ararea elementelor - obtinem
cc:d (/
n
) = : cc:d (/
n1
) = :!.
3. Fie 1 _ / _ : si s a presupunem n continuare c a ` este
multimea anterioar a. Num arul grupurilor ordonate formate cu cte /
obiecte din ` este numit aranjamente de : obiecte luate cte /
si este notat
I
n
. Dorim s a ar at am c a acest num ar este egal cu
I
n
=
:(:1) ... (:/ + 1) . Not am
/
I
n
=
_
(r
1
. .... r
I
) `
I
,r
i
,= r
)
. \i ,= ,
_
multimea tuturor acestor grupuri ordonate. Din nou ration am prin
inductie si presupunem c a stim formula
cc:d
_
/
I1
n1
_
= (:1) (:2) ... (:/ + 1) .
Pentru ecare element xat, r `. not am
1 (r) =
_
(r
1
. .... r
I
) /
I
n
,r
I
= r
_
.
Vom avea relatia
/
I
n
=
_
aA
1 (r) .
Pe de alt a parte, este usor de v azut c a 1 (r) este izomorf a cu /
I1
n1
si
de aceea deducem
cc:d
_
/
I
n
_
= : cc:d
_
/
I1
n1
_
= :(:1) ... (:/ + 1) .
4. Fiind dat a aceeasi multime ` cu :elemente, cardinalul multimii
p artilor lui ` care au / elemente este numit combin ari de : obiecte
luate cte / . Acest num ar este notat cu C
I
n
si vom ar ata, din nou
prin inductie dup a :. c a are loc formula C
I
n
=
n!
I!(nI)!
. Pentru aceasta
not am
= `,cc:d = / .
Descompunem aceast a multime n dou a =
1
'
2
. unde am notat
1
= ,: .
2
= ,: , .
Dac a utiliz am si notatia `
t
= 1. .... :1 . putem s a scriem
2
= `
t
,cc:d = /
si pe baza ipotezei de inductie avem cc:d (
2
) = C
I
n1
=
(n1)!
I!(n1I)!
. Pe
de alt a parte, multimea
1
este izomorf a cu
t
`
t
,cc:d
t
= / 1 .
De aceea avem cc:d (
1
) = C
I1
n1
=
(n1)!
(I1)!(n1I)!
. Rezult a
C
I
n
= cc:d () = cc:d (
1
) + cc:d (
2
) =
=
(:1)!
/! (:1 /)!
+
(:1)!
(/ 1)! (:/)!
=
:!
/! (:/)!
.
6. EXERCI TII 29
6. Exercitii
Exercitiul 1.1. Biletele de la o tombola sunt numerotate de la 1
la 10.000. Ce propor tie dintre ele se termina cu cifra 1, dar cu 2, ...,
dar cu 9? Ce propor tie dintre ele ncep cu cifra 1, dar cu 2, ..., dar cu
9?
Exercitiul 1.2. Se considera zilele de 13 din lunile anului 2006.
Ce propor tie dintre ele sunt luni, dar mar ti, ..., dar duminica? Aceea si
problema pentru zilele de 13 din anii 2006 si 2007. C ti ani consecutivi
trebuiesc lua ti n calcul pentru a avea aceea si propor tie de zile de 13
pentru ecare zi din saptamna? (Se va tine cont de anii bisec ti.)
Exercitiul 1.3. Fie o mul time si . 1 . Scrie ti ' 1 ca
o reuniune de mul timi disjuncte care sunt ob tinute din si 1 prin
opera tiile de algebra de par ti (intersec tie si complementara) si care
sunt total incluse sau n sau n 1. n cte feluri se poate face acest
lucru? Aceea si problema pentru reuniunea a trei mul timi ' 1 ' C.
Exercitiul 1.4. Fiind dat un spa tiu probabilizat (. T. 1) si . 1. C
T sa se arate ca are loc rela tia
1 ( ' 1 ' C) = 1 () + 1 (1) + 1 (C)
1 ( 1) 1 ( C) 1 (1 C) + 1 ( 1 C)
Exercitiul 1.5. Un pion este pus pe pozi tia A n sirul de litere de
mai jos.
1 C 1 1
Se arunca cu banul de 4 ori la rnd si dupa ecare aruncare se ac tioneaza
asupra pionului n felul urmator: daca iese cifra, acesta se muta cu o
pozi tie la dreapta; daca iese stema, ramne pe loc. Sa se ae probabili-
tatea ca pionul sa: 1) ramna n pozi tia A, 2) depa seasca B, 3) ajunga
n pozi tia E.
Exercitiul 1.6. ntr-o familie 4 fete se ocupa de spalatul vaselor pe
rnd. ntr-o anumita perioada de timp s-au spart 4 farfurii, dintre care
3 le-a spart mezina. Ea spune ca ntmplarea a facut sa se nimereasca
la ea aceste incidente. Ce sens probabilistic se poate da arma tiei facute
de mezina? Presupunnd ca incidentele se produc aleator, care este
probabilitatea ca sa se nimereasca cel pu tin 3 la una din cele 4 fete?
Care este probabilitatea ca acestea sa se produca la mezina? Cum se
schimba problema daca dupa un interval de timp se mai sparg doua
farfurii, din care una este sparta tot de mezina? Cum interpretam
problema daca de la nceput era vorba doar de trei farfurii sparte, din
care doua erau sparte de mazina?
(Indica tie. Pentru a modela problema ne imaginam ca toate fetele
participa la spalatul vaselor n acela si timp. Daca se sparge o farfurie
si hazardul alege la care din ele sa se petreaca incidentul, acest fenomen
este analog cu extragerea unei bile dintr-o urna cu patru bile. Repetarea
de nca trei ori a fenomenului, este analoaga cu repetarea extragerilor
cu ntoarcere de nca trei ori. )
Exercitiul 1.7. Trei studen ti, A,B,C, folosesc mpreuna o ma sina.
n decursul a doi ani ma sina a fost lovita (u sor) de patru ori, dupa cum
urmeaza: o data a fost lovita de A si de trei ori de C. Se poate trage
concluzia ca C este mai nendemnatic? Pentru a lamuri situa tia este
relevant sa se presupuna ca accidentele se produc aleator si se petrec
la oricare din cei trei studen ti cu aceea si probabilitate. Sub aceasta
ipoteza, sa se calculeze care ar probabilitatea ca din patru accidente
petrecute, trei sa cada la un student, iar al patrulea la un alt student?
Exercitiul 1.8. Jucatorul A arunca cu patru zaruri si c stiga un
premiu daca ob tine cel pu tin un as. Jucatorul B arunca de 24 de ori
cu doua zaruri si c stiga un premiu daca ob tine la cel pu tin una din
aruncari o dubla de a si. Care din jucatori are mai multe sanse de a
c stiga? (Problema cunoscuta sub numele de problema lui Mre).
Exercitiul 1.9. Jucatorul A arunca de 6 ori cu un zar si c stiga
un premiu daca ob tine cel pu tin un as. Jucatorul B arunca de 12 ori
cu zarul si c stiga un premiu daca ob tine cel pu tin doi a si. Care din
jucatori are probabilitatea de a c stiga mai mare? (Problema pusa lui
Newton, care i-a dat pe loc o solu tie.)
Exercitiul 1.10. La o u sa exista doua broa ste. De obicei ave ti
6 chei asemanatoare asupra dumneavoastra si printre ele sunt si cele
de la u sa cu pricina. 1) Care este probabilitatea ca primele doua chei
ncercate sa deschida cele doua broa ste? 2) A ti pierdut una din cele
sase chei, nu se stie care. Ce probabilitate exista ca sa pute ti totu si
deschide u sa respectiva?
Exercitiul 1.11. ntr-o parcare sunt 12 locuri a sezate unul lnga
altul n linie. 8 dintre aceste locuri sunt ocupate, iar 4 sunt libere.
Cineva observa ca cele 4 locuri libere sunt unul lnga celalalt si si pune
ntrebarea daca aceasta este o ntmplare. Care este probabilitatea ca
4 din 12 pozi tii aate n linie sa e consecutive?
Exercitiul 1.12. Un profesor prime ste 12 bilete de amenda pentru
parcare pe trotuar lnga Universitate. Daca toate biletele sunt primite
mar tea sau joia, se poate trage concluzia ca profesorul vine numai n
zilele respective cu ma sina la universitate? Care este probabilitatea ca
din 12 evenimente care pot avea loc n oricare din primele 5 zile ale
saptamnii, toate sa se petreaca n zilele de mar ti sau joi? Care este
probabilitatea ca din 12 evenimente petrecute ntmplator n oricare din
5 zile, sa se nimereasca toate n numai 2 zile?
Exercitiul 1.13. Din 15 bilete de amenda pentru parcare pe tro-
tuar nici unul nu este dat vinerea. Se poate trage concluzia, din aceasta
6. EXERCI TII 31
informa tie, ca vinerea nu sunt probleme cu parcarea? Care este proba-
bilitatea ca din 5 evenimente petrecute ntmplator n oricare din cele
5 zile lucratoare, toate sa aiba loc n 4 ?
Exercitiul 1.14. * 15 elevi nou sosi ti ntr-o scoala sunt reparti-
za ti n mod egal n 3 clase paralele. Printre noii veni ti se aa si trei
baie ti mai nal ti. Ei prezinta interes pentru echipele de baschet ale
celor trei clase. De aceea se pune urmatoarea problema. Presupunnd
ca repartizarea lor se face aleator, care este probabilitatea ca cei trei
elevi nal ti sa nimereasca n aceea si clasa? Care este probabilitatea ca
ei sa nimereasca n clase diferite? Dar sa nimereasca 2 n aceea si clasa
si al treilea n alta clasa?
Exercitiul 1.15. Se arunca 6 zaruri. Care este probabilitatea ca
sa se ob tina trei numere distincte, ecare repetat de doua ori?
Exercitiul 1.16. * 6 persoane din aceea si localitate fac naveta cu
un tren care are 3 vagoane. Fiecare se urca la ntmplare ntr-un vagon.
Care este probabilitatea sa nimereasca to ti n acela si vagon? Care este
probabilitatea ca sa nimereasca cte doi n ecare vagon? Fiecare vagon
are cte 10 compartimente si se presupune ca ecare persoana nimere ste
aleator ntr-un compartiment. Care este probabilitatea ca sa nimereasca
ecare n alt compartiment?
CAPITOLUL 2
Cteva notiuni de baz a
n acest capitol vom prezenta cteva din notiunile de baz a din teoria
probabilit atilor care iau n considerare numai un num ar nit de eveni-
mente. Ele pot discutate cu toat a semnicatia n cadrul unui spatiu
probabilizat nit. Cele mai multe din exemplele pe care le discut am
vor tocmai de acest tip. Totusi vom utiliza drept cadru de baz a un
spatiu probabilizat general (. T. 1) . pentru a nu obligati mai trziu
s a revenim asupra acestor notiuni.
1. Probabilit ati conditionate
1.1. Notiunea de probabilitate conditionat a. Fiind dat spatiul
probabilizat (. T. 1) si multimea T astfel ca 1 () 0. vom nota
1 (1,) =
1 (1 )
1 ()
.
pentru orice multime 1 T si vom denumi aceast a expresie probabi-
litatea lui 1 condi tionata de . Se veric a usor c a 1 1 (1,) este
o m asur a de probabilitate pe (. T) si c a 1 (
c
,) = 0. 1 (,) = 1.
deci 1 (,) este suportat a de . Urm atoarele exemple dau o idee
despre semnicatia acestei denitii.
Exemplul 1.
S a presupunem c a ntr-o sal a de curs se a a un num ar 60 de studenti
dintre care 35 de fete si 25 de b aieti. Presupunem c a 10 dintre fete si
10 dintre b aieti au n altimea mai mare de 1,70. Se alege la ntmplare
numele unui student. S a se determine:
a) probabilitatea ca persoana al c arei nume a fost ales la ntmplare
din catalog s a e mai nalt a de 1,70.
b) probabilitatea ca o student a s a e mai nalt a de 1,70.
c) probabilitatea ca un student b aiat s a e mai nalt de 1,70.
Solu tie. Vomnota cu multimea tuturor studentilor, cu multimea
fetelor, iar cu 1 multimea studentilor de n altime mai mare ca 1,70.
Probabilitatea este dat a de 1 (.) =
1
covo
. adic a este probabilitatea
ce acord a aceasi valoare ec arui individ.
a) Avem 1 (1) =
20
60
= 0. 33.
b) Avemde calculat probabilitatea conditionat a 1 (1,) =
1(1)
1()
=
10
35
= 0. 28.
32
1. PROBABILIT
A TI CONDI TIONATE 33
c) Calcul am probabilitatea conditionat a 1 (1,
c
) =
1(1
c
)
1(
c
)
=
10
25
= 0. 4.
Exemplul 2.
Tratamentul aplicat unui num ar de 700 pacienti care sufereau de
piatr a la rinichi a dat rezultatele urm atoare: pentru 562 tratamen-
tul a avut succes, iar pentru 138 a avut esec. Not am cu multimea
pacientilor si cu multimea pacientilor care au fost vindecati. Deci
probabilitatea de succes a tratamentului este 1 () =
562
700
= 0. 802.
Analiznd rezultatele se constat a c a, mp artind pietrele dup a dimen-
siunea lor, comparat a cu dimensiunea vaselor renale, n dou a grupe,
pietre mici si pietre mari, rezultatele pot clasate astfel: au fost 357
pietre mici si pentru 315 dintre ele tratamentul a condus la succes,
iar pentru 42 a esuat; au fost 343 pietre mari, pentru 247 din ele
tratamentul a avut succes, iar pentru 96 a esuat. Putem trage con-
cluzia c a avem alte probabilit ati care sunt semnicative. Not am cu
1 multimea pacientilor cu piatr a mic a. Probabilitatea ca tratamentul
s a reuseasc a n cazul unei pietre mici este probabilitatea conditionat a
1 (,1) =
315
357
= 0. 882. Probabilitatea ca tratamentul s a reuseasc a n
cazul unei pietre mari este 1 (,1
c
) =
247
342
= 0. 722. astfel c a rezul-
tatele tratamentului sunt mai nuantat caracterizate prin intermediul
probabilit atilor conditionate.
Exemplul 3. (un model din actuariat)
Pentru a modela probabilistic statistica vrstei de deces a unui grup
de indivizi (este vorba de o colectivitate mare, de ordinul unei t ari, de
exemplu) se consider a o m asur a de probabilitate 1 pe intervalul de
timp [0. 100], cu unitatea de m asur a 1 an. Probabilitatea de deces n
intervalul (:. t) este exprimat a printr-o formul a de tipul
1 ((:. t)) =
t
_
c
c(:) d:.
unde c(:) este o functie de densitate (sau de intensitate a deceselor).
Altfel spus, num arul 1 ((:. t)) reprezint a raportul dintre num arul dece-
selor petrecute ntre vrsta de : ani si vrsta de t ani fat a de num arul
total de decese. Adic a raportat la num arul total al indivizilor din pop-
ulatia luat a n considerare, pentru c a se presupune c a nici unul nu
tr aieste mai mult de o sut a de ani. Functia c are o expresie analitic a
ce se determin a prin metode speciale dup a analiza datelor statistice
nregistrate ocial.
Pentru a face calcule, n continuare vom considera urm atoarea ex-
presie simplicat a pentru densitate:
c(:) = 3 10
9
:
2
(100 :)
2
. : (0. 100) .
34 2. CTEVA NO TIUNI DE BAZ
A
Figura 1. Gracul functiei c
Se veric a faptul c a aceast a functie conduce la o probabilitate:
100
_
0
c(:) d: = 1.
Gracul functiei c arat a cum se vede n gura 1. Este un grac n
form a de farfurie ntoars a, care, desigur, nu are dect o asem anare
aproximativ a cu situatiile reale.
Vom nota cu evenimentul deceselor ntre 60 si 70 de ani. Probabi-
litatea acestui eveniment se poate calcula exact, dac a utiliz am formula
anterioar a pentru c,
1 () = 1 ((60. 70)) =
70
_
60
c(:) d: = 0. 154.
Aceast a valoare reprezint a raportul dintre num arul deceselor ce au loc
ntre 60 si 70 de ani si num arul total al deceselor. Dac a not am cu 1
evenimentul deceselor peste 60 de ani putem calcula probabilitatea
1 (1) =
100
_
60
c(:) d: = 0. 316.
dup a care putem calcula si probabilitatea conditionat a
1 (,1) =
1 ()
1 (1)
=
0. 154
0. 316
= 0. 486.
Acest num ar reprezint a raportul dintre num arul deceselor ntre 60 si 70
si num arul deceselor peste 60 de ani, sau altfel spus, este probabilitatea
de a deceda pn a n 70 de ani conditionat a de faptul c a am ajuns la 60
de ani. Dup a cum se vede, cele dou a numere au semnicatie si valori
diferite: 1 () ,= 1 (,1) .
Rezult a c a probabilitatea de a tr ai peste 70 de ani conditionat a de
faptul c a am ajuns la 60 de ani este 1 (C,1) = 1 0. 486 = 0. 514.
unde am notat cu C = (70. 100) evenimentul deceselor peste 70 de ani.
Pentru comparatie, putem calcula si 1 (C) = 0. 316 0. 154 = 0. 162.
Desigur, functia c cu care lucr am nu este dect o aproximatie grosier a
pentru datele reale.
1. PROBABILIT
Formula probabilit atii conditionate se utilizeaz a si sub forma
1 ( 1) = 1 (1) 1 (,1) .
care permite calculul probabilit atii unei intersectii. Sub aceast a form a
mai este numit a si regula nmul tirii probabilit atii conditionate. Prin
iterarea acestei formule se obtine relatia de nmultire succesiv a
1 (1
1
... 1
a
) =
= 1 (1
1
) 1 (1
2
,1
1
) 1 (1
3
,1
1
1
2
) ...1 (1
a
,1
1
... 1
a1
) .
n cazul n care spatiul este partitionat de evenimentele 1
1
. .... 1
a
.
atunci putem scrie = ( 1
1
) ' ... ' ( 1
a
) si deducem
1 () = 1 ( 1
1
) + ... + 1 ( 1
a
) =
= 1 (1
1
) 1 (,1
1
) + ... + 1 (1
a
) 1 (,1
a
) .
relatie cunoscut a sub numele de formula mediei probabilita tilor condi tion-
ate. Aceast a denumire va nteleas a dup a ce vom introduce notiunea
de medie a unei variabile aleatoare. De asemenea, formula mai este
denumit a si formula probabilita tii totale.
Exemplul 4.
Anumite companii de asigur ari ncheie polite de asigurare auto
lund n considerare si vrsta conduc atorului auto. Datele statistice
arat a c a, pentru o anumit a perioad a, frecventa accidentelor este de 4
la mie printre tinerii sub 25 de ani si de numai 2 la mie printre per-
soanele ce au dep asit vrsta de 25 de ani. Se mai stie c a tinerii sub 25 de
ani reprezint a 15 la sut a dintre conduc atorii auto. Care este probabili-
tatea ca, oprind un autoturism, n el s a se ae un tn ar care s a avut
accident? S a se ae frecventa accidentelor pe ansamblul populatiei.
Solu tie. Not am cu multimea tuturor conduc atorilor auto, cu
multimea celor ce au avut accident n perioada respectiv a si cu 1
multimea tinerilor sub 25 de ani. Datele problemei ne spun c a
1 (,1) =
4
1000
. 1 (,1
c
) =
2
1000
. 1 (1) =
15
100
.
Pentru a r aspunde la prima ntrebare trebuie s a calcul am
1 ( 1) = 1 (1) 1 (,1) =
15 4
100 1000
=
6
10000
.
Pentru a r aspunde la a doua ntrebare calcul am
1 () = 1 ( 1) + 1 ( 1
c
) =
6
10000
+ 1 (1
c
) 1 (,1
c
) =
=
6
10000
+
852
1001000
=
23
10000
.
Exemplu 5.*
La alegerile pentru o anumit a functie sunt nscrisi doi candidati.
n urma alegerilor, candidatul A primeste : voturi, iar candidatul B
un num ar mai mic : < : voturi. Ne propunem s a demonstr am c a
probabilitatea ca, pe parcursul num ar arii voturilor, candidatul A s a
A
e mereu cotat cu un num ar de voturi superior lui B este egal a cu
(: :) , (: + :) .
Solu tie. Vom nota cu ` = 1. .... : + : multimea ce reprezint a
voturile exprimate si cu ` = 1. .... : multimea ce reprezint a vo-
turile favorabile candidatului A. `` este multimea ce reprezint a vo-
turile acordate lui B. Multimea care reprezint a toate posibilit atile de
nsiruire pentru num ararea voturilor este multimea permut arilor lui `
si o putem descrie n felul urm ator:
=
_
(r
1
. .... r
a+n
) `
a+n
,r
i
,= r
)
. \i ,= ,
_
.
Cardinalul acestei multimi este (: + :)! si binenteles c a probabilita-
tea care se impune pe acest spatiu este probabilitatea sanselor egale.
Evenimentul a c arui probabilitate dorim s a o calcul am poate descris
astfel:
n,a
=
_
(r
1
. .... r
a+n
) ,cc:d (r
1
. .... r
I
`)
/
2
. \/ _ : + :
_
.
Pentru a exprima probabilitatea acestui eveniment vom face o discutie
dup a rezultatul ultimului vot num arat. Vom nota deci
1
1
= (r
1
. .... r
a+n
) ,r
a+n
` .
1
2
= (r
1
. .... r
a+n
) ,r
a+n
`` .
Dorims a calcul am probabilit atile 1 (
a,n
1
i
) . i = 1. 2. Pentru aceasta
vom xa ultimul vot num arat denind, pentru r `.
1
a
= (r
1
. .... r
a+n
) ,r
a+n
= r .
astfel c a avem 1
1
= '
a.
1
a
si 1 (
a,n
1
1
) =
a.
1 (
a,n
1
a
) .
Acum, analiznd multimile 1
a
si
a,n
1
a
. putem stabili o recurent a,
raportndu-ne la experimentul n care avem : 1 voturi exprimate
pentru A si : voturi exprimate pentru B. Anume, multimea 1
a
este
izomorf a cu multimea permut arilor multimii ` r . iar multimea
a,n
1
a
este izomorf a cu multimea
a1,n
. care descrie similar num ar a-
toarea voturilor ce l dau pe A cstig ator n cazul aceleiasi probleme
asociate numerelor : 1 si :. Atunci putem scrie 1 (
a,n
,1
a
) =
1 (
a1,n
) . unde cea de a doua probabilitate este, binnteles, cal-
culat a n raport cu modelul ce corespunde perechii : 1. :. Dac a
apel am la un rationament de inductie matematic a, putem presupune c a
aceast a ultim a probabilitate are expresia din enunt, adic a 1 (
a1,n
) =
(: 1 :) , (: 1 +:) . Putem atunci calcula
1 (
a,n
1
a
) = 1 (1
a
) 1 (
a,n
,1
a
) =
(a1+n)!
(a+n)!
a1n
a1+n
=
a1n
(a+n)(a1+n)
.
tinnd cont c a multimea 1
a
are cardinalul (: 1 +:)!. Rezult a apoi
1 (
a,n
1
1
) =
:(: 1 :)
(: + :) (: 1 +:)
.
1. PROBABILIT
Figura 2. Cele trei urne cu bilele vizualizate
Un rationament absolut similar se face pentru cazul n care r ``.
obtinnd 1 (
a,n
,1
a
) = 1 (
a,n1
) . ceea ce conduce la
1 (
a,n
1
a
) = 1 (1
a
) 1 (
a,n
,1
a
) =
: : + 1
(: + :) (: + :1)
.
Rezult a c a
1 (
a,n
1
2
) =
:(: : + 1)
(: + :) (: + :1)
si, prin urmare,
1 (
a,n
) =
:(: 1 :)
(: + :) (: 1 +:)
+
:(: : + 1)
(: + :) (: + :1)
=
: :
: + :
.
1.2. Formula lui Bayes. Vom examina mai nti un exemplu.
Extragerea din trei urne.
Presupunem c a trei urne continnd bile se a a pe o mas a: prima
urn a contine o bil a alb a si o bil a neagr a; a doua urn a contine dou a bile
albe si una neagr a; a treia urn a contine trei bile albe si una neagr a.
Aspectul exterior al urnelor este identic si nu se vede continutul lor.
(n gura 2 am desenat totusi si bilele, n mod schematic, pentru a
vizualiza experimentul.)
Se alege la ntmplare o urn a si se extrage o bil a din ea. Stiind c a
bila extras a este alb a, ne punem problema de a determina probabilita-
tea ca bila s a fost extras a din urna a treia.
Solu tie.Pentru a modela aceast a problem a vom considera multimea
ca ind dreptunghiul mare desenat n gura 3.
Pentru diverse submultimi 1 consider am m asura de probabili-
tate dat a de 1 (1) =
ovio1
ovio
. Acest dreptunghi este mp artit n trei drep-
tunghiuri de arii egale 1
1
. 1
2
. 1
3
. care corespund evenimentelor urna
aleas a a fost urna i, i = 1. 2. 3. Avem 1 (1
i
) =
1
3
. i = 1. 2. 3. Fiecare
din aceste multimi va mp artit a n dou a submultimi: 1
i
= `
i
'
i
,
unde `
i
corespunde evenimentului din urna i s-a extras o bil a nea-
gr a si
i
corespunde evenimentului din urna i s-a extras o bil a alb a.
A
Figura 3. Un model probabilist corespunz ator celor
trei urne
Trebuie s a avem
1 (
1
) = 1 (`
1
) .
1 (
2
) = 21 (`
2
) .
1 (
3
) = 31 (`
3
) .
pentru a reecta raportul dintre bilele albe si cele negre din ecare
urn a. Acest raport se traduce n sansele corespunz atoare extragerii
unei bile albe sau negre. Atunci putem calcula precis
1 (
1
) =
1
3
1
2
=
1
6
. 1 (
2
) =
1
3
2
3
=
2
9
. 1 (
3
) =
1
3
3
4
=
1
4
.
Rezult a c a, notnd evenimentul s-a extras o bil a alb a, vom avea
=
1
'
2
'
3
si 1 () = 1 (
1
) +1 (
2
) +1 (
3
) =
1
6
+
2
9
+
1
4
=
6+8+9
36
=
23
36
. Atunci r aspunsul la problema pus a este
1 (1
3
[ ) =
1 (
3
)
1 ()
=
1
4
23
36
=
9
23
.
Observatia 2.1. n modelul construit, nu am pus n eviden ta ex-
plicit oalgebra T. Ar putea E(), familia par tilor boreliene din
patratul . Dar pentru nevoile stricte ale problemei noastre putem,
la fel de bine, deni T = c (
1
. `
1
.
2
. `
2
.
3
. `
3
), algebra de par ti
generata de parti tia lui formata din mul timile
1
. `
1
.
2
,`
2
,
3
,`
3
.
Strict vorbind, noi am neglijat a preciza cui apar tine ecare frontiera
de mul time. O data ce avem imaginea, am putea sa schimbam pu tin
deni tia mul timilor n felul urmator: denim
1
. `
1
.
2
. `
2
.
3
. `
3
1. PROBABILIT
drept mul timile deschise n plan, reprezentate n gura, fara frontiere.
Apoi denim drept reuniunea acestor mul timi.
Formula lui Bayes.
Problema anterioar a a pus n evident a urm atoarea situatie: spatiul
este mp artit n trei multimi disjuncte = 1
1
' 1
2
' 1
3
ale c aror
probabilit ati sunt cunoscute. Pentru o multime se stiu prob-
abilit atile 1 ( [ 1
i
), i = 1. 2. 3. Se cere a se determina 1 (1
3
[ ).
ntr-un cadru general, aceast a problem a cap at a r aspuns prin asa nu-
mita formul a a lui Bayes cuprins a n lema care urmeaz a.
Lema 2.1. Fie (. T. 1) un spa tiu probabilizat si 1
1
. .... 1
a
T
o parti tie a lui , astfel ca 1 (1
i
) 0, pentru orice i = 1. .... :. Daca
T este o mul time astfel nct 1 () 0, atunci are loc formula
1 (1
i
[ ) =
1 ( [ 1
i
) 1 (1
i
)
a
)=1
1 (1
)
) 1 ( [ 1
)
)
.
Demonstra Tie. Este sucient s a constat am c a num ar atorul si
numitorul din partea dreapt a reprezint a urm atoarele probabilit ati:
1 ( 1
i
) = 1 ( [ 1
i
) 1 (1
i
) .
1 () =
a
)=1
1 ( 1
)
) =
a
)=1
1 (1
)
) 1 ( [ 1
)
) .
Un exemplu din medicin a.
Se stie c a 1% din persoanele dintr-un grup sufer a de o anumit a
boal a. Exist a un test de analiz a a sngelui care este semnicativ pentru
boala respectiv a dnd urm atoarele rezultate: aplicat unor bolnavi, 95%
dintre ei obtin rezultatul pozitiv, iar aplicat unor persoane s an atoase,
numai 2% din ele obtin rezultatul pozitiv.
1
0
Presupunem c a toti indivizii din grupul dat ar supusi testului.
Se pune problema de a se determina probabilitatea ca un individ g asit
pozitiv n urma testului s a e ntr-adev ar bolnav.
2
0
Presupunem c a doctorul face n prealabil o examinare a pa-
cientilor si separ a un grup de suspecti dintre care 30% sunt bolnavi.
Se supun testului persoanele din acest grup si se cere s a se determine
probabilitatea ca o persoan a ce iese pozitiv la test, s a e ntr-adev ar
bolnav a.
Solu tie. 1
0
Vom aplica formula lui Bayes. Consider am spatiul pro-
babilizat (. T. 1) n care reprezint a multimea tuturor indivizilor din
grup. Not am cu 1
1
multimea indivizilor s an atosi si cu 1
2
multimea
indivizilor bolnavi. Aceste dou a multimi formeaz a o partitie a lui
si cunoastem c a 1 (1
1
) = 0. 99 si 1 (1
2
) = 0. 01. Not am apoi cu
multimea indivizilor ce obtin testul pozitiv. Avem 1 ( [ 1
1
) = 0. 02
A
Figura 4. Modelul probabilist corespunz ator cazului 1
0
si 1 ( [ 1
2
) = 0. 95. Formula lui Bayes ne d a
1 (1
2
[ ) =
1([1
2
)1(12)
1(1
1
)1([1
1
)+1(1
2
)1([1
2
)
=
=
0,950,01
0,990,02+0,010,95
=
95
198+95
= 0. 32.
Dup a cum se vede testul nu are relevant a n contextul dat.
2
0
Pentru analiza grupului selectat de medic se construieste un mo-
del similar celui anterior. De data aceasta vom avea 1 (1
1
) = 0. 70 si
1 (1
2
) = 0. 30. Testul ind acelasi avem n continuare 1 ( [ 1
1
) =
0. 02 si 1 ( [ 1
2
) = 0. 95. De data aceasta rezultatul este
1 (1
2
[ ) =
0. 95 0. 30
0. 70 0. 02 + 0. 30 0. 95
=
285
14 + 285
= 0. 953.
n aceste conditii testul este semnicativ si poate ajuta la diagnosti-
carea bolnavilor.
Pentru a ntelege de ce n cazul 1
0
nu este relevant testul, am
reprezentat multimea prin dreptunghiul mare din gura 4. Multimea
1
2
este reprezentat a de triunghiul din coltul de sus stnga. Ea este de-
sp artit a de multimea 1
1
. ce constitue restul dreptunghiului printr-o
linie. Multimea este reprezentat a de dreptunghiul mic, cenusiu. Ari-
ile acestor mltimi sunt proportionale cu probabilit atile lor. Multimea
1
2
reprezint a
1
100
din dreptunghiul mare iar multimea 1
1
reprez-
int a
2
100

99
100
-
2
100
din dreptunghiul mare. Deci aria lui 1
1
este
de dou a ori mai mare ca aria lui 1
2
. Cum se vede din gur a, cea mai
mare parte a multimii se a a inclus a n 1
1
. Aceasta reect a faptul
c a printre persoanele ce obtin un rezultat pozitiv la test, cei mai multi
sunt s an atosi.
n cazul 2
0
multimea 1
2
ind mult mai mare, rezult a c a si multimea
1
2
, care reprezint a 95% din 1
2
, va mare. Deci, de aceast a dat a cea
mai mare parte din multimea se a a inclus a n 1
2
. Am reprezentat n
2. INDEPENDEN T
A 41
Figura 5. Modelul probabilist corespunz ator cazului 2
0
gura 5 multimea tot printr-un dreptunghi cenusiu, iar 1
1
. 1
2
prin
trapeze.
2. Independent a
In aceast a sectiune (. T. 1) va un spatiu probabilizat x.
2.1. Independenta a dou a evenimente.
Denitia 2.1. Vom spune ca doua evenimente distincte . 1 T
sunt independente daca are loc rela tia 1 ( 1) = 1 () 1 (1).
nainte de a comenta aceast a denitie vom preciza o denumire. Se
numesc evenimente triviale acele evenimente care sau au probabilitate
nul a sau complementara lor este de probabilitate nul a. Astfel de eveni-
mente nu joac a un rol important n cazul modelelor discrete de care ne
ocup am n prima parte a acestui curs. Ele apar ns a n mod natural
atunci cnd formaliz am notiunea de independent a. De asemenea au un
rol esential n cazul spatiilor probabilizate continue.
1. Observ am c a dac a T are proprietatea c a si
c
sunt
independente, atunci avem 0 = 1 (
c
) = 1 () 1 (
c
) . ceea ce
arat a c a este trivial.
2. Un eveniment trivial este independent de orice alt eveniment.
Mai precis, dac a . 1 T. ,= 1 si este trivial, atunci si 1 sunt
independente.
Demonstra Tie. Dac a 1 () = 0. evident avem si 1 ( 1) = 0.
ceea ce conduce la vericarea relatiei de independent a. Dac a 1 () = 1.
nseamn a c a 1 (
c
) = 0 si atunci putem scrie
1 (1) = 1 (1 ) + 1 (1
c
) = 1 (1 ) .
care conduce iar asi la relatia de independent a.
A
3. Se observ a c a dac a si 1 sunt independente atunci putem face
calculul
1 ( 1
c
) = 1 ()1 ( 1) = 1 ()1 () 1 (1) = 1 () 1 (1
c
) .
care arat a c a si 1
c
sunt si ele independente. La fel se deduce c a
ecare din perechile (
c
. 1) si (
c
. 1
c
) sunt independente.
4. Dac a 1 () 0, atunci relatia de independent a se poate scrie
sub forma 1 (1,) = 1 (1). Aceasta este forma util a n aplicatii. Ea
exprim a faptul c a evenimentul 1 se petrece cu aceeasi probabilitate
n prezenta lui ca si n general. Dac a sunt satisf acute ecare din
relatiile 1 () 0, 1 (
c
) 0, 1 (1) 0, 1 (1
c
) 0, atunci relatia
de independent a se poate scrie n mod simetric sub ecare din formele:
1 (1,) = 1 (1) . 1 (,1) = 1 () .
1 (1,
c
) = 1 (1) . 1 (
c
,1) = 1 (
c
) .
1 (1
c
,) = 1 (1
c
) . 1 (,1
c
) = 1 () .
1 (1
c
,
c
) = 1 (1
c
) . 1 (
c
,1
c
) = 1 (
c
) .
5. De asemenea, relatia 1 (1,) = 1 (1,
c
) este si ea echiva-
lent a cu independenta celor dou a multimi. De fapt n aplicatii con-
crete aceast a form a de exprimare matematic a a independentei este cea
mai sugestiv a, pentru c a ea prinde ideea limbajului comun privitor la
independent a.
Exemplul 1.
Fie o multime care reprezint a o colectivitate uman a mare si pe
care introducem probabilitatea sanselor egale 1 (.) =
1
covo
. Fie
multimea indivizilor cu ochii albastri si 1 multimea indivizilor mai
nalti de 1,70. O ipotez a pe care simtul comun ne-o sugereaz a este c a
nu exist a nici o leg atur a ntre culoarea ochilor si n altimea individului.
Deci putem scrie c a proportia indivizilor mai nalti de 1,70 printre cei
cu ochii albastri este aceeasi ca printre cei cu o alt a culoare a ochilor:
cc:d (1 )
cc:d
=
cc:d (1
c
)
cc:d
c
.
adic a 1 (1,) = 1 (1,
c
) . Cu alte cuvinte, faptul c a nu exist a leg a-
tur a ntre culoarea ochilor si n altime se exprim a prin independenta
evenimentelor si 1. Dac a ipoteza f acut a este corect a, relatia aceasta
ar trebui s a e vericat a pentru orice colectivitate mare.
Exemplul 2.
Dintr-un pachet complet de 52 c arti de joc se scoate o carte la
ntmplare. S a veric am c a evenimentele a iesit o carte de tre a si
a iesit un as sunt independente. Primul eveniment are probabilitatea
13
52
. n timp ce al doilea are probabilitatea
4
52
. iar intersectia lor are
probabilitatea
1
52
. Evident avem
13
52

4
52
=
1
52
. Este un rezultat pe care
l asteptam: nu exist a leg atur a ntre culoarea c artii si num arul ei.
Exemplul 3.
2. INDEPENDEN T
A 43
O central a termic a se compune n esent a din dou a componente, un
boiler si o pomp a. Probabilitatea ca s a se defecteze biolerul n trei
ani de functionare este de 0. 005. iar probabilitatea ca s a se defecteze
pompa n acelasi interval de timp este de 0. 01. Care este probabilitatea
ca centrala s a funtioneze nentrerupt trei ani?
Solu tie. Defectarea boilerului si defectarea pompei constituie eveni-
mente independente. Pentru a modela problema si a vedea clar acest
lucru, consider am c a avem un num ar : de centrale pentru care imag-
in am urm atorul experiment.
Centralele sunt puse n functiune pentru trei ani si la ecare defecti-
une este nlocuit a imediat componenta defect a. La sfrsitul celor trei
ani vom avea o multime constituit a din centralele care au schimbat
boilerul si multimea 1 a centralelor care au schimbat pompa. Not am cu
multimea centralelor si dac a : este foarte mare trebuie s a constat am
c a are loc egalitatea
cc:d ( 1)
cc:d (1)
=
cc:d ( 1
c
)
cc:d (1
c
)
=
cc:d ()
cc:d ()
= 0. 005.
adic a proportia de centrale c arora li s-a defectat boilerul printre cen-
tralele c arora li s-a defectat pompa este aceeasi cu proportia de cen-
trale c arora li s-a defectat boilerul printre toate centralele. Aceast a
relatie exprim a faptul c a nu exist a nici o leg atur a ntre defectarea unui
boiler si defectarea unei pompe. ntelegem prin defectare orice dis-
functionalitate care scoate componenta din parametrii de functionare
normal a. Presupunem c a o supraveghere atent a permite depistarea
imediat a a oric arei defectiuni. (De exemplu, excludem cazurile de tipul:
pompa este defect a putin, f ar a a se observa si aceasta duce la defectarea
boilerului.) De aceea functionarea unui boiler se face la fel n prezenta
oric arei pompe si functionarea oric arei pompe este la fel n prezenta
oric arui boiler.
Atunci, probabilitatea ca s a functioneze att boilerul ct si pompa
este 1 (
c
1
c
) = 1 (
c
) 1 (1
c
) = 0. 995 0. 99 = 0. 985.
2.2. Independenta mai multor evenimente.
Denitia 2.2. Fie | T o familie de evenimente. Spunem ca
evenimentele din aceasta familie sunt independente daca pentru orice
familie nita / | este vericata rela tia
1
_
_
=

|
1 () .
Notiunea de familie de evenimente independente este o notiune ce
se refer a global la ansamblul familiei.
1. Se observ a c a ind dat a o familie de evenimente independente,
atunci orice subfamilie este constituit a tot din evenimente indepen-
dente.
A
2. Tinnd cont c a n denitia de mai sus apar doar relatii ce
privesc un num ar nit de evenimente, deducem c a independenta eveni-
mentelor dintr-o familie este caracterizat a prin independenta eveni-
mentelor oric arei subfamilii nite.
3. Fie | o familie de evenimente independente si 1 o familie de
evenimente triviale. Atunci = | ' 1 este o familie de evenimente
independente.
4. Fie | T si s a not am |
t
familia evenimentelor netriviale din
|. Atunci evenimentele din | sunt independente dac a si numai dac a
evenimentele din |
t
sunt independente.
Urm atoarea propozitie arat a un gen de transformare pe care o
putem face cu o familie de evenimente independente, p astrnd inde-
pendenta.
Propozitia 2.1. Fie | o familie de evenimente independente. Daca
1 | este o subfamilie arbitrara si denim 1
t
=
c
, |1 .
atunci evenimentele din familia 1 '1
t
sunt de asemenea independente.
Demonstra Tie. Mai nti vom examina cazul n care multimea
|1 se reduce la un singur eveniment, s a zicem |1 =
0
. ceea
ce nseamn a c a 1
t
=
c
0
. Avem de vericat c a pentru orice familie
nit a, / 1 ' 1
t
. are loc relatia
1
_
_
=

|
1 () .
Dac a
c
0
, /. relatia este evident a, pentru c a se reduce la relatia
corespunz atoare familiei initiale. S a vedem acum cazul
c
0
/. Not am
/ := /
c
0
. J := / '
0
si
C =

/
.
Datorit a independentei familiei initiale putem scrie
1 (C) =

/
1 () .
Apoi se deduce
1 (
0
C) =

7
1 () = 1 (
0
)
/
1 () = 1 (
0
) 1 (C) .
Aceast a relatie spune c a
0
si C sunt independente, prin urmare
c
0
si
C sunt de asemenea independente. Deci putem scrie
1
_
_
= 1 (
c
0
C) = 1 (
c
0
) 1 (C) = 1 (
c
0
)
/
1 () =

|
1 () .
ceea ce ncheie vericarea cazului n care multimea |1 se reduce la
un punct.
2. INDEPENDEN T
A 45
Pentru situatia n care multimea |1 este nit a este sucient s a
utiliz am cazul anterior mpreun a cu un argument de inductie. n ne,
cazul general este obtinut tinnd cont c a de fapt independenta se ver-
ic a printr-o relatie ce se scrie pentru familii nite.
Independenta extragerilor cu ntoarcere.
Vom reveni la cazul unei urne cu : bile numerotate din care se fac
: extrageri cu revenire. Modelul const a din multimea ` = 1. .... : .
care reprezint a bilele, multimea tuturor rezultatelor posibile este de-
scris a de = `
a
. iar probabilitatea ce se introduce este cea a sanselor
egale, n care 1 ((r
1
. .... r
a
)) =
1
n
n
. Evenimentul la a | a ex-
tragerea a iesit bila cu num arul i este descris de multimea
|,i
=
(r
1
. .... r
a
) ,r
|
= i . Vom nota /
|
=
|,i
,i = 1. .... : . Pentru
ecare | = 1. .... :. familia /
|
constituie o partitie a lui .
Vom ar ata c a partitiile /
1
. .... /
a
sunt independente, n sensul c a
oricum am lua elementele i
|
`. | = 1. .... :. familia
|,i
I
,| = 1. ...:
este format a din evenimente independente. Pentru aceasta, calcul am
mai nti cardinalul unei multimii
|,i
. Deoarece numai componenta |
este xat a pentru punctele din multimea
|,i
. n timp ce celelalte :1
componente parcurg liber pe `. rezult a c a multimea
|,i
poate pus a
n bijectie cu multimea `
a1
. Anume, un punct generic din
|,i
este de
tipul (r
1
. .... r
|1
. i. r
|+1
. .... r
a
) si lui i corespunde (r
1
. .... r
|1
. r
|+1
. .... r
a
) .
care este un punct general din `
a1
.
Tragem concluzia c a multimea
|,i
contine exact :
a1
puncte. Deci
1 (
|,i
) =
n
n1
n
n
=
1
n
. pentru orice | si i. S a consider am acum un num ar
/ _ : si / multimi din partitii diferite:
|
1
,i
1
. ....
|
I
,i
I
. Intersectia lor
poate descris a astfel
|
1
,i
1
...
|
I
,i
I
= (r
1
. .... r
a
) ,r
|
1
= i
1
. .... r
|
I
= i
I
.
Dup a cum se vede punctele din aceast a multime au / componente x-
ate, iar restul de : / sunt libere n `. Rezult a c a aceast a multime
poate pus a n bijectie cu `
aI
. deci cardinalul ei este :
aI
. Prin
urmare
1 (
|
1
,i
1
...
|
I
,i
I
) =
:
aI
:
a
=
1
:
I
= 1 (
|
1
,i
1
) ...1 (
|
I
,i
I
) .
ceea ce probeaz a independenta partitiilor considerate.
n propozi tia 4.5 ne vom ocupa n mod special de partitii indepen-
dente demonstrnd propriet ati de independent a suplimentare.
Regula juc atorului.
Vom presupune c a sansele de reusit a ntr-un anumit joc de noroc
sunt de una din `, unde ` este un num ar natural. Asa numita regul a
a juc atorului spune c a dac a cineva particip a la joc de un num ar de
ori mai mare sau egal dact
2
3
`, atunci probabilitatea de a cstiga cel
putin o dat a devine mai mare sau egal a ca
1
2
. Ne punem problema de
a examina ct de corect a este regula, adic a de a aa care este eroarea
pentru regula juc atorului.
A
Sou tie. Vom presupune c a (. T. 1) este un spatiu probabilizat pe
care exist a : evenimente independente
1
. ....
a
, cu aceeasi probabili-
tate 1 (
1
) = ... = 1 (
a
) =
1
.
. Presupunem c a
i
modeleaz a reusita
la cel de-al ilea joc. Constructia concret a a unui astfel de spatiu pro-
babilizat se poate realiza f acnd o analogie ntre participarea la joc si
extragerea unei bile dintr-o urn a cu ` bile. Presupunem c a din cele `
bile una este rosie iar restul sunt negre. Sansele de a extrage bila rosie
sunt de una la `. Deci putem echivala reusita la joc cu faptul c a n
urma unei extrageri din urn a a iesit bila rosie. O serie de : extrageri
cu revenire corespunde la : particip ari la jocul dat.
Identic am multimea bilelor cu multimea primelor ` numere nat-
urale, pe care o not am ` = 1. .... ` si presupunem c a bila rosie
corespunde num arului 1. Multimea rezultatelor posibil a obtinute
dup a : jocuri este descris a de = `
a
. Evenimentul la jocul al |lea
juc atorul a cstigat, sau spus altfel la cea de a |a extragere a iesit
bila rosie, este descris de multimea
|
= (r
1
. .... r
a
) ,r
|
= 1 .
Tinnd cont de cele demonstrate n paragraful precedent privind inde-
pendenta extragerilor cu ntoarcere, rezult a c a evenimentele
1
. ....
a
sunt independente si ecare are probabilitatea 1 (
|
) =
1
.
.
Reusita la cel putin un joc din : este reprezentat a de evenimentul
1
' ... '
a
.
Nereusita la nici un joc din cele : este reprezentat a de evenimentul
complementar
c
1
...
c
a
.
si pentru acesta avem formula
1 (
c
1
...
c
a
) = 1 (
c
1
) ... 1 (
c
a
) =
_
1
1
`
_
a
.
Functia care apare n aceast a exprimare, , (r) =
_
1
1
.
_
a
. este de-
scresc atoare pe [1. ) si lim
ao
, (r) = 0. Ne intereseaz a s a determin am
cea mai mic a valoare a lui : N
+
pentru care aceast a probabilitate
devine mai mic a dact
1
2
. adic a acel num ar care satisface conditiile
_
1
1
`
_
a
_
1
2
<
_
1
1
`
_
a1
.
Scriem
1
2
= exp ln 2 si aplic am apoi lema ?? pentru a minora, respec-
tiv majora, cele dou a expresii care ncadreaz a acest num ar. Obtinem
exp
:
`
_
1 +
7
12`
_
_ exp ln 2 _ exp
(: 1)
`
.
Aceste inegalit ati se mai scriu si sub forma
` ln 2
7:
12`
_ : < ` ln 2 + 1.
2. INDEPENDEN T
A 47
sau, notnd partea ntreag a a lui ` ln 2 cu :
0
= [` ln 2] . putem scrie
:
0
7:
12`
_ : _ :
0
+ 1.
ceea ce implic a :
0
_ : _ :
0
+1. Putem trage concluzia c a num arul c au-
tat este aproximat cu o eroare de o unitate de :
0
= [` ln 2] . Deoarece
diferenta ` ln 2
2
3
` este mic a raportat a la `.
` ln 2
2
3
`
`
= ln 2
2
3
- 0. 0264.
putem spune c a eroarea pe care o d a regula juc atorului este mic a rapor-
tat a la `. n valoare absolut a ea poate mare - de ordinul 0. 0264`.
Pentru o rulet a standard avem 38 de sectoare, deci sansele de a
iesi un num ar ales sunt
1
38
. Cu ` = 38 eroarea este 0. 0264 38 - 1.
Regula spune c a pentru 38
2
3
= 25. eventual 26. de particip ari la joc
probabilitatea de a cstiga m acar o dat a devine mai mare dect 0. 5.
Pentru un zar, sansele de a iesi o anumit a fat a sunt
1
6
. Cu ` = 6
eroarea este 0. 0264 6 - 0. 15. Putem aplica regula juc atorului si
deducem c a probabilitatea de a iesi o fat a anume din 6
2
3
= 4 arunc ari
este mai mare de 0. 5.
Observ am c a probabilit atile ce se cer calculate n problema lui Mre
se preteaz a la aplicarea regulei juc atorului.
2.3. Independenta a trei evenimente. Conform denitiei, in-
dependenta a trei evenimente
1
.
2
.
3
T este asigurat a dac a sunt
ndeplinite conditiile urm atoare:
1 (
1

2
) = 1 (
1
) 1 (
2
) . (+)
1 (
1

3
) = 1 (
1
) 1 (
3
) . (++)
1 (
2

3
) = 1 (
2
) 1 (
3
) . (+ + +)
1 (
1

2

3
) = 1 (
1
) 1 (
2
) 1 (
3
) . (#)
Se poate pune ntrebarea dac a nu cumva un num ar mai mic dintre
aceste relatii sunt suciente pentru a implica valabilitatea tuturor. Ur-
m atoarele dou a contraexemple arat a c a, n general, nu este posibil asa
ceva.
Exemplul 1.
Presupunem c a = 1. 2. 3. 4 si 1 (1) = 1 (2) = 1 (3) = 1 (4) =
1
4
. Multimile urm atoare
1
= 1. 2 .
2
= 1. 3 .
3
= 1. 4 .
veric a relatiile (+) . (++) . (+ + +) . dar nu veric a relatia (#) .
Exemplul 2.
Presupunem c a = 1. 2. 3. 4. 5. 6. 7 si 1 este denit a de
1 (1) = 1 (2) =
1
4
.
1 (3) = 1 (4) = 1 (5) =
1
8
.
1 (6) =
1
12
. 1 (7) =
1
24
.
A
Not am
1
= 1. 2. 3. 4 .
2
= 3. 4. 6 .
3
= 2. 4. 5 . Aceste multimi
veric a relatiile (+) . (++) si (#) . dar nu veric a relatia (+ + +) .
2.4. Independenta familiilor indexate. Independenta asa cum
am introdus-o mai sus este n forma utilizat a curent n aplicatiile ele-
mentare. n literatur a apare de obicei o denitie mai abstract a, dar si
mai general a, care se refer a la familii indexate de evenimente, pe care
o prezent am mai jos.
Denitia 2.3. Fiind data o familie (
i
)
i1
de evenimente din T
vom spune ca venimentele familiei sunt independente daca este satis-
facuta rela tia
1
_
iJ
i
_
=
iJ
1 (
i
) .
pentru orice mul time nita J 1.
Pentru a face deosebire, atunci cnd este cazul, vom spune c a in-
dependenta dat a de denitia ... este n sens restrns iar independenta
dat a de denitia ... este n sens extins. Principala deosebire dintre
cele dou a denitii const a n faptul c a la denitia n sens extins putem
avea o aceeasi mutime pus a n familie cu doi indici diferiti. Aceast a
posibilitate las a loc la a discuta despre evenimente independente de
ele nsele. Dac a n familia de evenimente independente (
i
)
i1
avem
doi indici distincti i ,= , pentru care
i
=
)
. atunci putem scrie
1 (
i
) = 1 (
i

)
) = 1 (
i
) 1 (
)
) = 1 (
i
)
2
si prin urmare eveni-
mentul corespunz ator,
i
. trebuie s a e trivial. Urm atoarea lem a arat a
mai precis care este raportul dintre cele dou a notiuni de independent a.
Lema 2.2. Fie (
i
)
i1
o familie de evenimente si | =
i
,i 1
mul timea evenimentelor din familie n care uitam indexarea. Atunci
independen ta evenimentelor familiei (
i
)
i1
este echivalenta cu urma-
toarele doua proprieta ti: (i) evenimentele din | sunt independente n
sens restrns, (ii) daca exista doi indici i ,= , astfel ca
i
=
)
. atunci
evenimentul
i
este trivial.
Demonstra Tie. Independenta evenimentelor familiei (
i
)
i1
im-
plic a evident propriet atile (i) si (ii). Reciproc, presupunem c a sunt
satisf acute propriet atile (i) si (ii). Fie J 1. nit a, pentru care vrem
s a veric am relatia
1
_
iJ
i
_
=
iJ
1 (
i
) . (+)
Pentru aceasta not am cu J
0
multimea indicilor care corespund unor
evenimente triviale, adic a
J
0
= i J,1 (
i
) 1 (
c
i
) = 0 .
2. INDEPENDEN T
A 49
si punem J
1
= JJ
0
. Rezult a c a evenimentele
i
,i J
1
sunt toate
distincte, ca urmare a propriet atii (ii). Proprietatea (i) ne d a atunci
1
_
iJ
1
i
_
=

iJ
1
1 (
i
) . (++)
Dac a multimea J
0
este vid a atunci aceast a relatie devine (*) si s-a
ncheiat demonstratia. Dac a J
0
este nevid a, continu am rationamentul
desp artit n dou a cazuri.
Cazul 1. Presupunem c a exist a un indice i
0
J
0
astfel ca 1 (
i
0
) =
0. Atunci incluziunea

iJ

i

i
0
ne spune c a 1
_
iJ

i
_
= 0 si de
aici se deduce imediat relatia (*).
Cazul 2. Presupunem c a 1 (
i
) = 1 pentru orice i J
0
. Atunci
utiliz am repetat proprietatea 2. de la sectiunea Independenta a dou a
evenimente obtinnd
1
_
iJ
i
_
= 1
_
iJ
1
i
_
.
Cum n cazul de fat a avem

iJ
0
1 (
i
) = 1. din relatia (**) obtinem
imediat relatia (*).
Avantajul denitiei independentei cu familii de evenimente indexate
apare n faptul c a este mai apropiat a de formularea independentei pen-
tru oalgebre, care se face ntotdeauna n termeni de familii indexate.
Fenomenul este pregnant n cazul spatiilor probabilizate nediscrete. De
exemplu atunci cnd se discut a despre evenimentele oalgebrelor de la
innit. Acestea sunt toate triviale si aceasta rezult a dup a ce se demon-
streaz a c a sunt independente de ele nsele. Pentru modelele discrete n
schimb, evenimentele triviale sunt lipsite de orice interes.
2.5. Independenta oalgebrelor. n aceast paragraf vom intro-
duce importanta notiune de independent a oalgebrelor.
Denitia 2.4. Fiind date T
1
. .... T
a
. oalgebre incluse n T. vom
spune ca ele sunt independente daca pentru orice alegere de eveni-
mente
i
T
i
. i = 1. .... :. acestea sunt independente (n sens extins).
Spunem ca oalgebrele dintr-o familie arbitrara (T
i
)
i1
sunt indepen-
dente daca oalgebrele din orice subfamilie nita sunt independente.
Dac a ( si Hsunt dou a oalgebre independente, observ am c a atunci
intersectia lor ( H const a numai din evenimente triviale.
Observatia 2.2. Deni tia independen tei oalgebrelor se poate for-
mula si utiliznd no tiunea de independen ta n sens restrns pentru
familii de evenimente. ntr-adevar, daca presupunem ca oalgebrele
T
1
. .... T
a
au proprietatea ca pentru orice alegere de evenimente
i

T
i
. i = 1. .... :. acestea sunt independente n sens restrns, n sensul
A
ca evenimentele din familia | =
i
,i = 1. .... : . n care se uita in-
dexarea, sunt independente, atunci oalgebrele sunt independente n
sensul deni tiei de mai sus.
Demonstra Tie. Vom remarca mai nti c a r amne valabil a pro-
prietatea mentionat a imediat dup a denitia de mai sus: anume in-
tersectia oric aror dou a algebre, T
i
T
)
. este format a din evenimente
triviale. ntr-adev ar, e T
i
T
)
. n acest caz evenimentele si
c
sunt distincte, T
i
si
c
T
)
. deci, ca urmare a independentei
n sens restns, trebuie s a satisfac a relatia 1 () 1 (
c
) = 1 (O) = 0.
Aceasta nseamn a c a este trivial.
Atunci se poate utiliza lema anterioar a pentru a deduce c a orice
evenimente
i
T
i
. i = 1. .... :. care sunt independente n sens restrns
sunt de fapt chiar independente n sens extins.
Dup a cum se vede din ns asi denitia dat a, independenta este o
notiune ce priveste ansamblul evenimentelor celor : oalgebre, struc-
turate n grupurile formate de ecare oalgebr a. Se observ a c a ind
dat a o familie (T
i
)
i1
de oalgebre independente si sub- oalgebrele
H
i
T
i
. i 1. rezult a c a si familia (H
i
)
i1
const a din oalgebre
independente. De asemenea, not am c a dac a avem o familie (T
i
)
i1
de oalgebre independente, atunci oalgebrele din orice subfamilie,
(T
i
)
iJ
. unde J 1. sunt tot independente.
Observ am c a ecare eveniment T genereaz a o algebr a, anume
o () = .
c
. O. . Dac a evenimentele
1
. ....
a
sunt independente
(n sens extins), atunci oalgebrele generate de ecare din aceste eveni-
mente, o (
1
) . .... o (
a
) . sunt independente, dup a cum se poate veri-
ca prin utilizarea propozi tiei 2.1. Avnd aceast a idee n minte putem
introduce denitia urm atoare: un eveniment este independent de o
oalgebr a T
t
T dac a este independent de ecare element din T
t
.
Aceasta revine la independenta oalgebrelor o () si T
t
.
Lema 2.3. Independen ta unor oalgebre T
1
. .... T
a
este echivalenta
cu faptul ca, pentru orice alegere de elemente
i
T
i
. i = 1. .... :, este
satisfacuta rela tia
1
_
a
i=1
i
_
= 1 (
1
) ... 1 (
a
) .
Demonstra Tie. Dac a oalgebrele sunt independente, rezult a
imediat relatia din enunt. Reciproc, presupunem c a relatia este sat-
isf acut a pentru orice alegere de evenimente. Fiind date evenimentele
i
T
i
, i = 1. .... :. vrem s a ar at am c a ele sunt independente. Fie
J = 1 _ i
1
< ... < i
I
_ : 1. .... : o submultime de indici. Tre-
buie s a demonstr am relatia
1
_
I
|=1
i
I
_
= 1 (
i
1
) ...1 (
i
I
) .
3. EXERCI TII 51
Dar aceast a relatie este exact relatia din enunt scris a pentru sistemul
de evenimente
t
1
. ....
t
a
. denite n felul urm ator:
t
i
=
i
. cnd i J
si
t
i
= . cnd i , J. Anume, se tine cont c a
I
|=1
i
I
=
a
i=1
t
i
si c a 1 (
t
i
) = 1. dac a i , J.
3. Exercitii
Exercitiul 2.1. ntr-o palarie se aa trei cartoane: unul are ambele
fe te albe, altul are ambele fe te negre si al treilea are o fa ta alba si una
neagra. Se ia unul si se pune pe masa. Constatnd ca fa ta de deasupra
cartonului este neagra se pune problema de a determina probabilitatea
ca dosul sa e alb.
Exercitiul 2.2. Se stie ca pentru un examen sunt alcatuite 27 de
bilete, din care se aprciaza ca dicile 10. Un student intrat la examen
trece sa si pregateasca subiectul n banca, lund biletul pe care la tras
cu sine. Urmatorul student va trage un bilet dintre cele ramase. Cine
are mai multe sanse de a nimeri un bilet dintre cele 10 dicile, primul
intrat la examen sau al doilea?
Exercitiul 2.3. Pe un spa tiu probabilizat se cunosc cunosc proba-
bilita tile 1 (
i
) . i = 1. 2. 3. a trei evenimente disjuncte
1
.
2
.
3
. Se
mai cunosc probabilita tile 1 (1,
i
) . i = 1. 2. 3. ale unui alt eveniment
1 si se noteaza =
1
'
2
'
3
. Sa se exprime 1 (1,) n func tie
de probabilita tile cunoscute.
Exercitiul 2.4. Doi vnatori, A si B, trag simultan asupra unui
urs. Ei gasesc ursul ucis cu un singur glon t. Dupa vnzarea pielei
si pun problema cum trebuie mpar tita suma ob tinuta. Ei stiu ca la
distan ta si n condi tiile date A avea sansele de a nimeri dintr-un foc
de 80%. iar B avea sansele de a nimeri dintr-un foc de 40%. Propune ti
o formula ra tionala de mpar tire a banilor.
(Indica tie. Nu este ra tional ca banii sa e mpar ti ti propor tional cu
probabilita tile ecaruia de a nimeri la tinta. Un astfel de ra tionament,
n cazul n care am sti ca A ar avea sansele de a nimeri 100%. iar B de
50%. ar conduce la raportul de mpar tire a banilor de 2 la 1. Ori ntr-o
astfel de situa tie, cum stim ca doar un glon t a nimerit tinta, este clar
ca autorul nu poate dect A. Rezulta ca metoda nu este acceptabila.
O judecata ra tionala se face considernd probabilita tile condi tionate de
evenimentul ca s-a gasit un singur glon t n urs.)
Exercitiul 2.5. Exista doua legaturi identice, ecare a cte 6 chei.
Fiecare legatura deci deschide acelea si broa ste. O u sa are doua broa ste
ce se deschid cu doua chei care sunt n ecare legatura. La un moment
A
dat se pierde o cheie din prima legatura si doua chei din a doua lega-
tura. 1) Care este probabilitatea de a deschide u sa respectiva cu cheile
ramase n prima legatura? 2) Care este probabilitatea de a deschide
u sa cu cheile ramase n a doua legatura? 3) Care este probabilitatea de
a deschide u sa avnd ambele legaturi? 4) Care este probabilitatea de a
deschide u sa lund la ntmplare una din legaturile de chei?
Exercitiul 2.6. O cladire are doua lifturi identice. Probabilitatea
de defectare a unui lift n decursul unei zile este de 0. 03. Dupa de-
fectarea unui lift celalalt este supus la o sarcina dubla si prin urmare
probabilitatea sa de defectare n decursul zilei urmatoare este 0. 06. Pen-
tru simplicare presupunem ca defectarile au loc la sfr situl zilei. Mai
presupunem ca serviciul de ntre tinere nu intervine. Care este atunci
probabilitatea ca n decursul unei saptamni cladirea sa ramna fara
nici un lift n func tiune?
Exercitiul 2.7. Aruncam cu un zar pna cnd iese de doua ori
la rnd aceea si fa ta. Notam cu j
a
probabilitatea ca acest lucru sa se
petreaca exact dupa : aruncari. Sa se determine o formula pentru j
a
.
Sa se determine suma j
2
+ ... + j
10
.
Exercitiul 2.8. Trei ma sini A,B,C produc respectiv 60%. 30% si
10% din piesele fabricate de o uzina. Ma sina A produce 2% din piese
cu defect. Ma sina B produce 3% cu defect iar ma sina C 4%. Se alege
la ntmplare o piesa la ie sirea din uzina. 1) Care este probabilitatea
ca piesa sa e defecta ? 2) Constatnd ca piesa are defect, care este
probabilitatea ca ea sa provina de la ma sina C ?
Exercitiul 2.9. O ntreprindere produce aparate electronice care
sunt perfect func tionabile cu probabilitatea
9
10
. Fiecare aparat este su-
pus testarii nainte de livrare. Se constata ca orice aparat bun trece
testul. Dar din cele cu defecte, numai
10
11
dintre ele sunt depistate ca
atare; restul de
1
11
scapa si sunt acceptate. Sa se calculeze probabili-
tatea evenimentului: 1) aparatul a trecut testul si el func tioneaza,
2) aparatul a trecut testul dar nu func tioneaza. 3) Sa se calculeze
probabilitatea ca aparatul sa func tioneze stiind ca el a trecut testul.
Exercitiul 2.10. O uzina fabrica piese, din care 1. 8% sunt cu
defecte. Controlul de calitate are urmatoarele caracteristici: piesele
fara defect sunt acceptate n propor tie de 97%. iar cele defecte sunt
refuzate n propor tie de 99%. 1) Care este probabilitatea ca o piesa sa
e defecta de si a fost acceptata? 2) Care este probabilitatea ca sa e
o eroare n control? 3) Care este probabilitatea ca n cinci controale
consecutive sa se produca exact doua erori?
Exercitiul 2.11. Studen tii se prepara pentru un examen al carui
subiect va propus de unul din membrii unei comisii formate din 3
profesori: A,B,C. Analiznd datele din anii trecu ti studen tii evalueaza
3. EXERCI TII 53
cu 0. 35 probabilitatea ca subiectul sa e propus de A, cu 0. 4 proba-
bilitatea ca subiectul sa e propus de B si cu 0. 25 probabilitatea ca C
sa propuna subiectul. Pe de alta parte, studen tii se tem de un anumit
subiect. Ei apreciaza ca A ar propune la examen subiectul n cauza cu
probabilitatea
1
10
. ca B ar propune subiectul respectiv cu o probabilitate
de
2
5
. iar C l-ar propune cu probabilitatea
41
50
. 1) Care este probabilitatea
ca subiectul temut sa e dat la examen? 2) Stiind ca s-a dat subiectul
nedorit la examen, sa se ae probabilitatea ca cel ce a alcatuit subiectele
sa e C.
Exercitiul 2.12. ntr-un ora s, 2% din popula tie este atinsa de o
boala contagioasa. Se stie ca n cazul unei ntlniri ntre o persoana
contagioasa si una sanatoasa exista un risc de contaminare de 0. 7. Care
este riscul de contaminare la care este supusa o persoana sanatoasa ce
vine n ora s si viziteaza 3 persoane arbitrare?
(Indica tie. Mai nti se va analiza cazul unei singure vizite. Dicul-
tatea modelarii provine din faptul ca, propriu-zis, sunt doua fenomene
aleatoare n succesiune: mai nti nimerirea aleatoare a unui sanatos
sau contagios, iar apoi, n cazul vizitarii unui contagios, este mbol-
navirea aleatoare. Pentru a construi un model n acest caz, se imag-
ineaza o mul time mare de vizitatori, de exemplu, persoane venite din
alte localita ti. Rezultatele acestor vizite se pot termina n trei feluri: sau
a fost vizitata o persoana sanatoasa, sau a fost vizitata o persoana con-
tagioasa dar nu s-a produs contaminarea, sau a fost vizitata o persoana
contagioasa si s-a produs contaminarea. Reprezentam cu o regiune
din plan mul timea tuturor acestor rezultate. O submul time
va reprezenta rezultatele care au corespuns vizitelor la persoane conta-
gioase. O alta submul time 1 va reprezenta rezultatele care constau
n vizite la persoane contagioase terminate cu contaminare. Mul timea
c
va reprezenta rezultatele care constau n vizite la persoane sanatoase,
iar 1 va reprezenta rezultatele care constau n vizitele la persoane
contagioase dar care nu au dus la contaminare.
Pentru a modela cazul a 3 vizite se construie ste un alt model n care
rezultatele cu care se termina cele trei vizite sunt considerate ca eveni-
mente independente. O astfel de abordare poate facuta n cazul unei
popula tii foarte mari, caz n care se poate spune cu o buna aproximare
ca, indiferent care este persoana ce a fost vizitata mai nti, la cea de
a doua vizita exista acelea si sanse de contaminare. Vezi problema care
urmeaza.)
Exercitiul 2.13. * Fie o urna cu : bile, din care : sunt ro sii.
Se fac doua extrageri fara revenire. Fie
1
evenimentul la prima ex-
tragere a ie sit obila ro sie si
2
evenimentul la a doua extragere a ie sit
o bila ro sie. (i) Arata ti ca cele doua evenimente nu sunt independente.
(ii) Arata ti ca daca : si : . astfel nct raportul
v
n
= j este
constant, atunci la limita se ob tine 1 (
1

2
) = 1 (
1
) 1 (
2
) .
A
Exercitiul 2.14. Trei persoane joaca un joc ce consta n realizarea
pe rnd, de catre ecare, a urmatorului experiment: dintr-un pachet
complet de car ti de joc, bine amestecate, se extrage o carte. Daca
cartea extrasa nu este o trea se considera ca jucatorul respectiv a
e suat. Daca cartea este o trea, jucatorul arunca cu zarul. Daca i
iese un as el ridica potul. Daca i iese alt numar el este e suat. Care
este probabilitatea ca dupa ce ecare jucator si -a jucat experimentul,
niciunul sa nu ridicat potul?
Exercitiul 2.15. O fabrica produce n serie ceasuri cu un proces
tehnologic n doua faze. Prima faza de fabrica tie produce defectul A
la 2% dintre produse, iar faza a doua produce defectul B la 3% din
produse.
(i) Se ia la ntmplare un ceas. Presupunnd ca defectele n cele
doua etape se produc independent, se cere probabilitatea ca: a) ceasul
sa aiba ambele defecte, b) ceasul sa nu aiba niciunul din defecte, c)
ceasul sa aiba exact un defect.
(ii) Se iau pe rnd 5 mostre de produs nit. Se presupune ca
numarul total de ceasuri este a sa de mare nct la ecare extragere
de mostra propor tia de ceasuri defecte este neschimbata. Determina ti
probabilitatea ca cel pu tin 4 din cele 5 ceasuri sa e fara defecte.
Exercitiul 2.16. * Sultanul i spune lui Ali Baba: n fa ta ta se
aa doua vase identice. Unul con tine : bile ro sii, iar celalalt con tine :
bile negre. Ai voie sa amesteci bilele n cele doua vase dar sa la si cel
pu tin cte o bila n ecare vas. Eu voi veni apoi, ma voi apropia de un
vas si voi scoate o bila. Daca bila este ro sie, vei primi un co s cu rodii,
iar daca bila va neagra, vei primi un co s cu maracini. Cum amesteca
Ali Baba bilele pentru a- si mari sansele de a ob tine rodii? Demonstra ti
ca exista o metoda optima.
( Indica tie. Sa zicem ca urnele sunt l
1
si l
2
. Se va analiza mai
nti ce se ntmpla cu o urna, o data aleasa. Fie l
1
urna aleasa.
Probabilitatea de a extrage o bila ro sie este maxima si egala cu 1 daca
n urna l
1
sunt numai bile ro sii. ntr-o astfel de situa tie, pentru a mari
sansele de extragere a unei bile ro sii si pentru urna l
2
. este optim a
se pune ct mai multe bile ro sii si n ea. Deci se lasa o singura bila
ro sie n urna l
1
si se pune restul de : 1 bile ro sii mpreuna cu cele
: bile negre n urna l
2
. Pe ansamblul experimentului (alegere urna si
extragere bila), probabilitatea de a extrasa o bila ro sie n cazul acestei
repartizari a bilelor este j
0
=
1
2
_
1 +
v1
v1+a
_
.
Ra tionamentul de mai sus nu este complet. Trebuie aratat ca pen-
tru o alta repartizare a bilelor n urne se ob tine o probabilitate mai
mica. Sa zicem ca n urna l
1
s-ar aa :
1
bile ro sii si :
1
bile negre cu
:
1
_ 1. Atunci, n urma experimentului, probabilitatea de a extrasa
o bila ro sie devine j =
1
2
_
v
1
v
1
+a
1
+
v
2
v
2
+a
2
_
. unde am notat :
2
= : :
1
si :
2
= : :
1
numerele bilelor ce se aa n urna l
2
. Trebuie aratat
3. EXERCI TII 55
ca j
0
_ j. Pentru a demonstra aceasta inegalitate este util a se tine
eviden ta raportului dintre bilele negre si cele ro sii. Mai nti se observa
ca inegalitatea
v
1
a
1
_
v
a
este echivalenta cu
v
2
a
2
_
v
a
. Apoi se face ra tiona-
mentul n cazul n care este adevarata inegalitatea
v
1
a
1
_
v
a
. Atunci avem
v
1
v
1
+a
1
_
v
v+a
_
v
2
v
2
+a
2
. Calculam diferen ta
j
0
j =
1
2
_
1
:
1
:
1
+ :
1

:
21
:
2
+ :
2
+
: 1
: 1 +:
_
_
_
1
2
_
:
1
:
1
+ :
1

:
: + :
+
: 1
: 1 +:
_
1
2
_
:
1
: + :

:
(: + :) (: 1 +:)
_
_
_
1
2
_
:
1
: + :

1
(: + :)
_
_ 0.
Se ob tine deci inegalitatea stricta j
0
j. )
Exercitiul 2.17. Avem trei persoane 1. 2. 3. Notam cu 1
i)
eveni-
mentul: persoanele i si , au aceea si zi de na stere. Sunt independente
evenimentele 1
12
si 1
23
? Dar evenimentele 1
12
. 1
23
. 1
13
? Sunt ele
independente cte doua?
Exercitiul 2.18. Presupunem ca sunt aruncate trei monede. Fie
evenimentul toate monezile cad cu aceia si fa ta deasupra si e 1
evenimentul cel pu tin o moneda a cazut cu stema deasupra. Sunt
aceste evenimente independente?
Exercitiul 2.19. O vitrina este luminata pe timpul nop tii cu doua
becuri /
1
si /
2
. Presupunem ca probabilitatea ca becul /
1
sa func tioneze
toata noaptea este de 0. 95. iar probabilitatea ca becul /
2
sa func tioneze
toata noaptea este 0. 98. Sa se determine probabilitatea ca cel pu tin
unul din becuri sa func tioneze toata noaptea n ecare din cazurile: (i)
becurile sunt montate n serie, (ii) becurile sunt montate n paralel.
Exercitiul 2.20. Un sportiv trage patru focuri la tinta. Se stie
ca probabilitatea de a lovi tinta cu un foc este de 0,3. a) Care este
probabilitatea de a rata toate primele 3 focuri si de a lovi tinta cu al
patrulea? b) Care este probabilitatea de a lovi tinta exact de doua ori?
Exercitiul 2.21. Trei tragatori trag ecare cte un foc asupra
unei tinte. Probabilita tile de succes ale ecaruia sunt: j
1
. j
2
. j
3
. Dupa
tragere s-a constatat ca tinta a fost atinsa o singura data. Care este
probabilitatea ca primul tragator sa e cel ce a nimerit tinta?
Exercitiul 2.22. ntr-o urna se aa : bile din care : sunt ro sii. Se
extrag la ntmplare fara revenire : bile care se nseamna cu semnul +.
Se pun la loc bilele, dupa care se extrage o bila. Numim evenimentul
bila este ro sie si numim 1 evenimentul bila are semnul + . Sa se
arate ca evenimentele si 1 sunt independente.
(Indica tie: Se poate arata ca 1 (1,) = 1 (1,
c
) . )
CAPITOLUL 3
Partitii nite sau num arabile
n toate modelele elementare familia evenimentelor corespunz atoare
este asociat a unei partitii. Prezent am n acest capitol notiunile de baz a
despre partitii si generarea o -algebrlor.
1. Proprietatea de o -aditivitate
Mai nti vomdiscuta n jurul propriet atii de oaditivitate, denit a
n capitolul introductiv, care va interveni incidental n aceast a sectiune.
Lema 3.1. Fie (1. c) un spa tiu masurabil si j : c [0. 1] o
aplica tie care verica proprieta tile urmatoare:
(i) j(1) = 1.
(ii) j( ' 1) = j() +j(1) . pentru orice doua mul timi, . 1
c. care sunt disjuncte.
Atunci func tia de mul time j este o aditiva daca si numai daca
satisface rela tia
lim
ao
j(
a
) = 0.
pentru orice sir descrescator (
a
)
aN
de mul timi din c pentru care
avem
a
a
= O.
Demonstra Tie. Observ am c a j are prin ipotez a propriet atile unei
m asuri de probabilitate pe un spatiu m asurabil nit. Presupunem c a
j este o aditiv a si c a (
a
)
aN
este un sir descresc ator de multimi din
c astfel c a
a
a
= O. Not am
1
a
=
a
a+1
. : N.
Pentru : : se veric a relatia
1
a

c
a+1

c
n
.
(deoarece
n

a
). Aceasta arat a c a 1
a
1
n
= O. Deci multimile
sirului (1
a
)
aN
sunt disjuncte ntre ele. De asemenea se veric a direct
c a are loc relatia
_
aN
1
a
=
0
.
Proprietatea de o aditivitate ne permite s a scriem
j(
0
) =

aN
j(1
a
) .
56
1. PROPRIETATEA DE -ADITIVITATE 57
Dar avem j(1
a
) = j(
a
) j(
a+1
) si atunci deducem c a sumele
partiale ale seriei pot exprimate astfel
a
I=0
j(1
I
) = j(
0
) j(
a+1
) .
Cum aceste sume au limita j(
0
) . rezult a c a j(
a+1
) 0.
S a ar at am implicatia invers a. Presupunem c a j satisface proprie-
tatea din enunt si vom ar ata c a este o aditiv a. Vom alege notatia
care pune n evident a faptul c a rationamentul de la prima implicatie
este pur si simplu repetat n ordine invers a. Fie deci (1
a
)
aN
un
sir de multimi disjuncte din c. Not am
a
=

Ia
1
I
si vom avea
0
=

aN
1
a
. Se veric a din constructie c a sirul (
a
)
aN
este de-
scresc ator si c a

aN
a
= O. Proprietatea din enunt implic a
lim
ao
j(
a
) = 0.
Pe de alt a parte avem
j(
a
) = j
_
_
Ia1
1
I
_
= j(
0
) j
_
_
Ia1
1
I
_
=
= j(
0
)

Ia1
j(1
I
) .
Trecnd la limit a dup a : se obtine 0 = j(
0
)
o
I=0
j(1
I
) . ceea ce
este acelasi lucru cu relatia dorit a:

o
I=0
j(1
I
) = j
_
aN
1
a
_
.
Enunt am acum trei propriet ati ale m asurilor de probabilitate.
Lema 3.2. Fie (. T. 1) un spa tiu probabilizat.
(i) Pentru orice sir descrescator de evenimente, (
a
)
aN
T. are
loc rela tia
lim
ao
1 (
a
) = 1 (
a
a
) .
(ii) Pentru orice sir crescator de evenimente, (
a
)
aN
T. are loc
rela tia
lim
ao
1 (
a
) = 1 ('
a
a
) .
(iii) Pentru un sir arbitrar de evenimente, (
a
)
aN
T. are loc
rela tia
1 ('
a
a
) _

aN
1 (
a
) .
Demonstra Tie. (i) Pentru a demonstra prima relatie din enunt,
s a not am =
a
a
si C
a
=
a
. Sirul (C
a
)
aN
este descresc ator,
cu intersectia vid a, dup a cum se poate usor verica. Conform lemei de
mai nainte, rezult a
lim
ao
1 (C
a
) = 0.
Cum 1 (
a
) = 1 () + 1 (C
a
) . deducem relatia din enunt.
58 3. PARTI TII FINITE SAU NUM
ARABILE
(ii) A doua relatie din enunt rezult a din prima prin trecere la com-
plementar a.
(iii) Pentru a treia relatie pornim de la inegalitatea valabil a pentru
un num ar nit de multimi (vezi punctul 4. din sectiunea introductiv a
despre modelul probabilist):
1 ('
Ia
I
) _
Ia
1 (
I
) _

aN
1 (
a
) .
Apoi aplic am punctul (i) sirului cresc ator '
Ia
I
. : N. pentru a
deduce
1 ('
a
a
) = lim
ao
1 ('
Ia
I
) _

aN
1 (
a
) .
adic a relatia de demonstrat.
2. Generarea algebrelor si oalgebrelor
Vom presupune c a este o multime arbitrar a. Fiind dat a o familie
arbitrar a de p arti, | T () vom nota cu :c (|) multimea tuturor
algebrelor de p arti ale lui care contin pe |. Aceast a multime nu este
vid a deoarece, n mod evident, T () :c (|) . Vom nota cu c (|)
intersectia tuturor algebrelor din :c (|) :
c (|) =

no(|)
(.
Se veric a f ar a dicultate c a c (|) este o algebr a, si c a | c (|) T.
De asemenea, este evident c a orice element ( din :c (|) contine c (|)
si de aceea se poate zice c a c (|) este cea mai mic a algebr a ce contine
|. Vom spune c a c (|) este algebra generata de familia |.
Se poate de asemenea verica usor c a n cazul a dou a familii de
p arti astfel nct | |
t
. rezult a :c (|
t
) :c (|) si c (|) c (|
t
) .
n mod absolut similar not am cu ::c (|) multimea tuturor oalge-
brelor de p arti din care contin pe |. Vom nota cu o (|) intersectia
tuturor oalgebrelor din ::c (|) :
o (|) =

nco(|)
c.
Aceasta este cea mai mic a oalgebr a care contine pe | si se numeste
oalgebra generata de |. Pentru dou a familii de evenimente astfel nct
| |
t
. vom avea ::c (|
t
) ::c (|) si n consecint a o (|) o (|
t
) .
Este usor de v azut c a dac a | este o algebr a, atunci c (|) = |.
iar dac a | este o o-algebr a atunci o (|) = |. n general, pentru orice
familie | are loc egalitatea o (|) = o (c (|)) .
Dac a este o parte arbitrar a si | T () vom utiliza notatia
|
[
= ,
t
|. =
t
.
3. MUL TIMILE M
ASURABILE BOREL* 59
pentru a desemna urma familiei | pe . Atunci, dup a cum arm a
urm atorul enunt, urma o-algebrei generate de | si o-algebra generat a
de urma lui | coincid.
Lema 3.3. o
_
|
[
_
= o (|)
[
Demonstra Tie. Mai nti arm am c a o (|)
[
este o o-algebr a.
Aceasta se veric a direct, f ar a probleme. Pe de alt a parte este clar c a
are loc incluziunea |
[
o (|)
[
. Atunci rezult a incluziunea o
_
|
[
_
o (|)
[
. Pentru a proba incluziunea invers a not am
/ =
_
o (|) , o
_
|
[G
__
.
Se veric a direct c a aceast a clas a de multimi este o o-algebr a. Cum,
evident, are loc incluziunea | /. rezult a o (|) /. Aceast a
incluziune spune exact c a o (|)
[
o
_
|
[
_
. ceea ce ncheie demon-
stratia.
3. Multimile m asurabile Borel*
Clasa mul timilor boreliene din spatiul euclidian R
a
este notat a
E(R
a
) si este denit a prin E(R
a
) = o (T) . unde T reprezint a familia
multimilor deschise din R
a
. Poart a numele matematicianului francez
Emile Borel (1871 -1956). Multimile boreliene sunt obtinute si n felul
urm ator.
Lema 3.4. Sa notam prin / familia mul timilor compacte si prin /
t
familia mul timilor nchise din R
a
. Are loc egalitatea o (/) = o (/
t
) =
E(R
a
) .
Demonstra Tie. Orice multime compact a, 1 /. este nchis a
si de aceea avem / /
t
. Rezult a o (/) o (/
t
) . Pe de alt a parte,
orice multime nchis a 1 / se scrie sub forma 1 =

aN
1
a
. unde
1
a
= 1 [r[ _ : . : N. Multimile 1
a
. : N. sunt nchise si
m arginite, deci compacte. Prin urmare / o (/
t
) . ceea ce implic a
o (/) o (/
t
) . Am vericat astfel egalitatea o (/) = o (/
t
) .
Cum orice multime este deschis a este complementara unei multimi
nchise, rezult a imedia egalitatea o (T) = o (/
t
) .
Dac a G R
a
este o multime arbitrar a, atunci, dup a cum se stie, ea
este nzestrat a cu topologia urm a T
[G
n care multimile deschise sunt
urmele pe G ale deschisilor din R
a
. Tinnd cont de lema anterioar a
rezult a c a E(R
a
)
[G
= o
_
T
[G
_
. De obicei se utilizeaz a notatia E(G) =
E(R
a
)
[G
si se spune c a aceasta este clasa multimilor boreliene din G.
n cazul dreptei reale, R. exist a mai multe familii de intervale care
genereaz a oalgebra multimilor boreliene. Acestea sunt descrise prin
J = (c. /) ,c < / . J
t
= [c. /] ,c _ / .
J
tt
= [c. /),c < / . J
ttt
= (c. /],c < / .
ARABILE
= (c. ) ,c R .
t
= [c. ),c R .
tt
= (. c) ,c R .
ttt
= (. c],c R .
Se poate verica c a au loc relatiile
c (J) = c (J
t
) = c (J
tt
) = c (J
ttt
) = c () = c (
t
) = c (
tt
) = c (
ttt
) .
E(R
a
) = o (J) = o (J
t
) = o (J
tt
) = o (J
ttt
) =
= o () = o (
t
) = o (
tt
) = o (
ttt
) .
R amne ca exercitiu pentru cititor vericarea acestor egalit ati.
Se poate spune c a printre multimile boreliene se a a toate multim-
ile ce apar prin operatiile uzuale din analiz a. Multimile care nu sunt
boreliene sunt de fapt patologice, iar constructia lor este de obicei di-
cil a.
4. Partitii
Pentru binecunoscuta notiune de partitie vom pune urm atoarea
denitie, care stabileste cteva aspecte mai precise ca de obicei. Mai n-
ti vom preciza termenul de mul time cel mult numarabila: prin aceasta
ntelegem dou a posibilit ati, sau multimea este nit a si prin urmare este
izomorf a cu o multime de forma 1. .... : cu un anumit num ar : N
+
.
sau multimea este num arabil a si atunci poate pus a n bijectie cu
multimea numerelor naturale. Dac a 1 este o multime num arabil a si
, : N 1 este o bijectie spunem c a 1 este numerotat a prin aceast a
bijectie si se obisnuieste notatia 1 = i
0
. i
1
. i
2
. ... . unde i
I
= , (/) . /
N.
Denitia 3.1. O familie de par ti nevide / = (
i
)
i1
T () .
indexata dupa o mul time cel mult numarabila 1. este numita partitie
cel mult num arabil a a lui , daca sunt satisfacute condi tiile urmatoare:
(i) daca i ,= ,. atunci
i
, = O.
(ii)
i1
i
= .
Facem conventia ca n acest capitol s a utiliz am cuvntul parti tie
pentru a prescurta termenul de partitie cel mult num arabil a. O astfel
de partitie mai este numit a si desfacere. Un eveniment care apartine
unei partitii este numit atom al partitiei. Un exemplu tipic de partitie
nit a a ap arut n paragraful dedicat exemplului controlului calit atii.
Fie / =
i
[ i 1 o partitie cel mult num arabil a. Pentru o
parte J 1. vom utiliza notatia
J
=

iJ

i
. cu conventia
0
= O.
Deoarece atomii sunt p arti nevide, rezult a c a o multime
J
este nevid a
dac a J ,= O. Mai not am cu /(1) familia submultimilor nite din 1.
Urm atoarea lem a descrie algebra si oalgebra asociate partitiei.
Lema 3.5. (i) Algebra generata de / are urmatoarea descriere
c (/) =
J
,J /(1) . :cn J
c
/(1) .
4. PARTI TII 61
Daca parti tia / este nita atunci c (/) este tot nita. n particular n
acest caz avem c (/) = o (/) .
(ii) oalgebra generata de / are urmatoarea descriere
o (/) =
J
[ J 1 .
(iii) Daca /
t
este o a doua parti tie si o (/) = o (/
t
) . atunci / si
/
t
coincid ca mul timi de par ti, modulo felul n care sunt indexate.
(iv) O masura de probabilitate 1 pe o (/) este complet determinata
de numerele 1 (
i
) . i 1. prin formula
1 (
J
) =
iJ
1 (
i
) .
Demonstra Tie. Mai nti s a observ am c a au loc urm atoarele
egalit ati:
J'J
0 =
J
'
J
0 .
JJ
0 =
J

J
0 . (+)
pentru orice p arti J. J
t
1. n particular rezult a
J
'
J
c =
J'J
c = .
J

J
c =
0
= O.
ceea ce implic a
(
J
)
c
=
J
c.
J
= (
J
c)
c
(++)
(i) Vom nota cu ( familia de p arti reprezentat a de membrul drept
al egalit atii ce descrie c (/) . Dac a J /(1) . rezult a c a multimea
J
reprezint a o reuniune nit a de atomi, deci este n c (/) . Fie acum o
multime de indici J astfel nct J
c
/(1) . Atunci avem
J
c c (/)
si din a doua relatie din (**) rezult a c a si c (/) . Deci am vericat
incluziunea ( c (/) .
Egalit atile (*) si (**) de mai sus, permit a se proba propriet atile de
algebr a pentru (. n concluzie, rezult a c a ( = c (/) .
Dac a multimea de indici 1 este nit a, atunci multimea p artilor T (1)
este tot nit a si prin urmare (. la rndul ei, este tot nit a.
(ii) Faptul c a o (/) are descrierea armat a n enunt se veric a cu
argumente similare celor de la punctul precedent.
(iii) Fie /
t
= (
t
i
)
i1
0
o a doua partitie care genereaz a aceeasi
oalgebr a. O multime din prima partitie,
i
. ind n algebra o (/
t
) .
se scrie, conform punctului (i), ca o reuniune de atomi ai celei de a
doua partitii,
i
=
_
)J
t
)
.
unde J 1
t
. Deoarece
i
este nevid a rezult a c a J trebuie s a e nevid a.
S a analiz am o multime care particip a la aceast a reuniune, e ea
t
)
cu
, J. Tinnd cont c a
t
)
este n o (/) . aceast a multime se va exprima
ca o reuniune de atomi din partitia /.
t
)
=
_
|1
|
.
ARABILE
unde 1 1. La fel ca si
t
)
. ecare din multimile care particip a la
aceast a reuniune este inclus a n
i
. Dar atomii distincti ai partitiei /
trebuie s a e disjuncti. Rezult a c a multimea 1 se reduce la un singur
punct 1 = i . n particular, am dedus c a
t
)
=
i
. ceea ce nseamn a
c a
i
/
t
. Dar multimea
i
a fost o multime arbitrar a din /. si atunci
putem trage concluzia c a / /
t
. n mod simetric avem si incluziunea
invers a, ceea ce probeaz a egalitatea / = /
t
.
(iv) Pentru a stabili formula din enunt pornimmai nti cu multimea
de indici nit a J 1. care deneste multimea
J
=

iJ

i
o (/) .
n acest caz formula rezult a imediat din proprietatea de nit aditivitate
a m asurii.
S a presupunem acum c a multimea de indici J este innit a. Trebuie
s a mention am c a atunci suma care apare n formula din enunt trebuie
nteleas a n sensul dat n paragraful despre sumabilitate din capitolul
urm ator. CumJ este num arabil a alegem o numerotare J = i
0
. i
1
. ...si
exprim am
J
=
aN
i
n
. Atunci relatia de o-aditivitate ne d a
1 (
J
) =

aN
1 (
i
n
) =
iJ
1 (
i
) .
La ultimul semn egal am utilizat punctul doi din lema 4.1. Cu aceasta
am ncheiat demonstratia.
Observatia 3.1. Din descrierea facuta algebrei generate de o par-
ti tie reiese ca aceasta este si ea cel mult numarabila. Din contra, o
-algebra generata de o parti tie numarabila este de acela si cardinal cu
mul timea par tilor lui N. adica de puterea continuului.
Observatia 3.2. Din lema precedenta rezulta ca doua parti tii /. /
t
.
sunt legate prin rela tia /
t
c (/) daca si numai daca / este mai na
dect /
t
. n sensul ca orice element 1 /
t
se reprezinta ca o reuniune
de elemente din / :
1 =
_
,,1
.
Lema anterioar a mai arat a c a n cazul n care o oalgebr a este
generat a de o partitie, partitia respectiv a este unic determinat a. n
cazul partitiilor nite, se poate completa relatia dintre partitia nit a
si algebra generat a. Anume, vom ar ata n continuare c a orice algebr a
nit a este generat a de o partitie nit a, ceea ce pune n corespondent a
bijectiv a cele dou a clase de obiecte. Mai nti stabilim c a orice familie
nit a d a nastere la o partitie care genereaz a aceeasi algebr a ca si familia
dat a.
Lema 3.6. Fie | =
1
. ....
a
o familie nita arbitrara de par ti.
Notam
|,1
=
|
.
|,1
=
c
|
si apoi
A
=
1,A
1
...
a,A
n
.
4. PARTI TII 63
Figura 1. Diagrama Venn a multimilor A,B,C si par-
titia generat a de ele
unde ` = (`
1
. .... `
a
) 1. 1
a
. Mai notam
=
_
` 1. 1
a
,
A
,= O
_
.
Atunci / =
_
A
, `
_
este o parti tie (nita) si c (|) = c (/) .
Demonstra Tie. S a veric am c a elementele lui / sunt disjuncte.
Fie ` ,= doi multi -indici distincti din . Atunci exist a 1 _ i _ :
astfel ca `
i
,=
i
. ceea ce implic a
i,A
.
i,
.
= O. Rezult a
A
= O.
S a veric am c a / acoper a . Fie r . Pentru ecare 1 _ | _ :
este adev arat a una din relatiile r
|
sau r
c
|
; n prima situatie
denim `
|
= 1. iar n a doua `
|
= 1. Obtinem astfel multi -indicele
` = (`
1
. ..... `
a
) pentru care avem r
A
. Am vericat deci c a / este
o partitie.
Este clar din denitia lui
A
c a acest eveniment apartine lui c (|) .
Atunci avem / c (|) si, prin urmare, c (/) c (|) . Pe de alt a
parte, se poate verica urm atoarea relatie
i
=
_
A,A
.
=1
A
.
pentru ecare 1 _ i _ :. relatie care arat a c a | c (/) si prin urmare
c (|) c (/) .
Exemplu.
Diagrama Venn din gura 1 reprezint a multimile . 1. C n form a
de elips a.
ARABILE
Presupunem c a aceste multimi sunt p arti ale multimii mai mari
care este reprezentat a de planul n care se a a desenul. Partitia asociat a
algebrei generate de evenimentele . 1. C este compus a din multimile
1
1
. .... 1
8
. Multimea 1
8
este complementara reuniunii ' 1 ' C.
Propozitia 3.1. Fiind data o algebra nita exista o parti tie nita
care o genereaza.
Demonstra Tie. Fie ( algebra nit a dat a. Aplicnd lema ante-
rioar a relativ la ( pe post de |. rezult a o partitie nit a, /. astfel nct
( = c (() = c (/) .
Cum orice algebr a nit a este chiar oalgebr a, unicitatea dat a de
punctul (iii) al lemei 3.5 arat a c a partitia dat a de aceast a propozitie
este unic a. Ea va numit a parti tia asociata algebrei (. Cu aceast a
denumire putem enunta urm atorul corolar al lemelor anterioare.
Corolarul 3.1. Exista o bijec tie ntre algebrele nite pe si par-
ti tiile nite, iar aplica tiile algebra generata de o parti tie si parti tia
asociata la o algebra sunt inverse una alteia.
oalgebrele care sunt generate de o partitie cel mult num arabil a
sunt de un tip special. Am putea s a numim atomice aceste oalgebre.
n cazul n care multimea este cel mult num arabil a, evident, orice
oalgebr a este generat a de o partitie cel mult num arabil a. Descrierea
n termeni de atomi pe care o d a lema 3.5 (ii) arat a c a ele sunt n mod
esential mai simple dect oalgebra multimilor boreliene din R
a
.
Observ am c a reuniunea unui num ar nit de algebre nite este o
familie nit a si, prin urmare, algebra generat a de aceast a reuniune este
tot nit a. n sectiunea urm atoare ne vom interesa de reuniunile nite
de o -algebre generate de partitii cel mult num arabile si.vom ar ata c a o
astfel de reuniune genereaz a o oalgebr a care este de acelasi tip, adic a
si ea este generat a de o partitie.
n general nu ne putem astepta ca o oalgebr a arbitrar a s a poat a
generat a de o partitie. Se poate chiar s a avem o oalgebr a generat a de
o algebr a de p arti num arabil a, dar s a nu existe o partitie num arabil a
asociat a acelei o-algebre. Aceasta o probeaz a urm atorul exemplu.
Exemplu*.
Fie = [0. 1). Not am cu ( clasa multimilor de forma

a
|=1
[c
|
. /
|
).
unde c
|
. /
|
sunt numere rationale, : N
+
si
0 _ c
1
< /
1
< ... < c
a
< /
a
_ 1.
la care vom ad auga si multimea vid a. Atunci se veric a direct c a
aceast a clas a de multimi este o algebr a de p arti num arabil a. Vom
ar ata c a o (() nu poate generat a de o partitie.
ncepem prin a remarca c a pentru ecare punct r [0. 1) exist a
dou a siruri de numere rationale (c
a
)
aN
. (/
a
)
aN
astfel c a primul este
cresc ator iar al doilea este strict descresc ator si ambele au limita r.
5. ALGEBRA GENERAT
A DE O APLICA TIE 65
Rezult a c a are loc relatia
r =

aN
[c
a
. /
a
).
Aceasta arat a c a, dac a am presupune c a exist a o partitie care ar genera
aceeasi o-algebr a ca si (. atunci ecare multime de tipul r . r [0. 1).
ar trebui s a e un atom, conform cu ceea ce spune lema de mai jos. Dar
atunci atomii ar forma o multime nenum arabil a. Cum noi discut am
de partitii cel mult num arabile, lucrul acesta nu este posibil si, prin
urmare, presupunerea f acut a cade.
Pe de alt a parte, se poate usor verica c a o (() = E([0. 1)) .
Lema 3.7. Fie / o parti tie cel mult numarabila si / un atom
al ei, iar r . Atunci orice mul time 1 o (/) astfel ca r 1 are
proprietatea ca 1.
Demonstra Tie. Fie / = (
i
)
i1
partitia si
i
0
atomul care
contine punctul r. Multimea 1 va de forma 1 =
J
cu J 1.
datorit a descrierii date de punctul (ii) din lema 3.5 pentru o (/) . Cum
r 1. rezult a c a va exista un indice , J astfel ca r
)
. Privim
acum atomii
i
0
si
)
. Acestia au n comun punctul r. Rezult a c a ei
trebuie s a coincid a, pentru c a, altfel, atomii distincti sunt disjuncti.
Dar atunci este clar c a
i
0
=
)
1.
5. oalgebra generat a de o aplicatie
Fie (. T) un spatiu m asurabil si 1 o multime cel mult num arabil a.
O aplicatie A : 1 este numit a aplica tie masurabila dac a are
proprietatea c a A
1
(1) T. pentru orice 1 1. Remarc am c a,
pentru ca A s a e m asurabil a este sucient s a se verice c a, pentru
orice punct c 1. este satisf acut a conditia A
1
(c) T.
S a presupunem acum c a este o multime arbitrar a si A : 1
este o aplicatie de la cu valori ntr-o multime cel mult num arabil a
1. Acestei aplicatii i putem asocia clasa de multimi
o (A) =
_
A
1
(1) , 1 1
_
.
care este format a din toate preimaginile ntoarse de aplicatia A. List am
mai jos cteva din faptele mai importante legate de aceast a clas a de
multimi.
1. o (A) este o o -algebr a si anume este cea mai mic a o -algebr a
care face m asurabil a aplicatia A. Dup a cum se poate usor verica, ea
coincide cu oalgebra generat a de partitia / = (A
1
(c))
c1
0
. unde
1
t
= A () este multimea valorilor lui A.
o (A) poart a denumirea de o -algebra generata de A.
2. Fie 1
1
. .... 1
a
. multimi cel mult num arabile si s a presupunem c a
avem aplicatiile A
i
: 1
i
. i = 1. .... :. Not am prin o (A
1
. .... A
a
) cea
mai mic a o -algebr a n raport cu care sunt m asurabile toate aceste apli-
catiiadic a o (A
1
. .... A
a
) = o (A
1
(1) ,1 1
i
. i = 1. .... :) . Not am/
i
=
ARABILE
_
A
1
i
(c)
_
c1
0
.
partitiile corespunz atoare acestor aplicatii, unde 1
t
i
=
A
i
() . i = 1. .... :. Atunci se poate usor demonstra egalitatea
o (A
1
. .... A
a
) = o
_
a
_
i=1
/
i
_
.
3. Cu notatia de la punctul anterior, denim 2 : 1 = 1
1

... 1
a
. aplicatia exprimat a prin 2 (.) = (A
1
(.) . .... A
a
(.)) . Atunci
are loc egalitatea o (A
1
. .... A
a
) = o (2) .
Pentru vericarea acestei armatii observ am mai nti c a pentru
orice punct din spatiul produs c = (c
1
. .... c
a
) 1 are loc egalitatea
2
1
(c) = A
1
1
(c
1
) ... A
1
a
(c
a
) .
care arat a c a preimaginea 2
1
(c) este n o (A
1
. .... A
a
) . Pentru o
multime arbitrar a 1 1 putem scrie
2
1
(1) =
_
c1
2
1
(c) .
cu o reuniune num arabil a n dreapta, ceea ce arat a c a si 2
1
(1)
o (A
1
. .... A
a
) . Deci avem o (2) o (A
1
. .... A
a
) . Pe de alt a parte,
pentru un indice 1 _ i _ : xat si orice multime 1
i
putem scrie
A
1
i
() = 2
1
(1
1
... 1
i1
1
i+1
... 1
a
) .
relatie ce arat a c a o (A
i
) o (2) . Rezult a o (A
1
. .... A
a
) o (2) . ceea
ce ncheie vericarea armatiei f acute.
4. De asemenea, p astrnd notatia anterioar a, dac a , : 1
1
...
1
a
1 este o aplicatie cu valori n multimea cel mult num arabil a 1.
atunci 1 = , (A
1
. .... A
a
) este m asurabil a fat a de o (A
1
. .... A
a
) .
ntr-adev ar, pentru orice multime 1. are loc relatia
1
1
() = 2
1
(1) .
unde 1 = ,
1
() . relatie care pune n evident a faptul c a 1
1
() este
m asurabil a fat a de o (2) .
Propozitia 3.2. Fie /
|
= (
|,i
)
i1
I
. | = 1. .... :. parti tii pe mul timea
. Atunci exista o unica parti tie / astfel nct o (/) = o
_
a
_
|=1
/
|
_
.
Demonstra Tie. Consider am variabilele aleatoare A
|
: 1
|
.
denite prin A
|
(.) = i. dac a .
|,i
. Observ am c a are loc egalitatea
o (A
|
) = o (/
|
) . Pe de alt a parte, aplicatia 2 = (A
1
. .... A
a
) : 1.
cu valori n spatiul produs 1 = 1
1
... 1
a
ne d a o -algebra
o (2) = o (A
1
. .... A
a
) = o
_
a
_
|=1
/
|
_
.
6. EXERCI TII 67
care este generat a de partitia 2
1
(i
1
. .... i
a
) , (i
1
. .... i
a
) 1
t
. unde
am notat cu 1
t
multimea imagine 1
t
= 2 () . Unicitatea este asigurat a
de lema 3.5 (iii).
Observatia 3.3. Privitor la propozi tia anterioara, facem obser-
va tia ca atomii parti tiei ob tinute pot exprima ti n func tie de cei ai
parti tiilor date. Anume, tinnd cont ca 2
1
(i
1
. .... i
a
) = A
1
1
(i
1
) ...
A
1
a
(i
a
) si de rela tia A
1
|
(i
|
) =
|,i
I
rezulta ca atomii parti tiei cautate
sunt de forma
1,i
1
...
a,i
n
. cu condi tia ca aceasta intersec tie sa nu
e vida.
6. Exercitii
Exercitiul 3.1. * Notam cu T
)
mu timea tuturor parti tiilor si intro-
ducem urmatoarea rela tie de ordine pe aceasta mul time: daca /. /
t

T
)
vom spune ca / este mai na dect /
t
si vom scrie / - /
t
daca
ecare element din /
t
poate scris ca o reuniune de elemente din
/. adica daca are loc rela tia
=
_
1,,1
1.
i) Sa se arate ca / este mai na dect /
t
daca si numai daca are
loc incluziunea /
t
c (/) .
ii) Daca / - /
t
si /
t
- /. atunci / = /
t
.
iii) Daca / - /
t
si /
t
- /
tt
. atunci / - /
tt
.
iv) Pentru doua elemente /. /
t
T
)
exista ntotdeauna cel mai
mare minorant /. /
t
n raport cu rela tia de ordine - .
v) Fiind date parti tiile /
1
. .... /
a
T
)
. cel mai mare minorant al
lor este parti tia / asociata la reuniunea /
1
'... '/
a
. prin construc tia
din propozitia 3.2.
Exercitiul 3.2. Presupunem ca spa tiul probabilizat (. T. 1) este
nit.
i) Sa se arate ca exista o mul time nita
t
si o aplica tie , :
t
surjectiva astfel nct T = ,
1
(T (
t
)) .
ii) Perechea (
t
. ,) este unic determinata de aceste proprieta ti, n
sensul ca daca (
tt
. q) este o alta mul time nita si o aplica tie surjectiva
q :
tt
. astfel nct T = q
1
(T (
tt
)) . atunci exista o bijec tie
/ :
t

tt
astfel nct q = / ,.
iii) Daca notam cu 1
t
masura de probabilitate transportata pe mul timea
t
de la punctul i) prin formula 1
t
() = 1 (,
1
()) . T (
t
) .
atunci spa tiul probabilizat (
t
. T (
t
) . 1
t
) este echivalent cu (. T. 1) .
ca spa tiu de modelare. Mai precis, arata ti ca aplica tia 1 : T (
t
) T
denita prin 1 () = ,
1
() este o bijec tie cu proprieta tile urmatoare:
a) daca 1. atunci 1 () 1 (1) ; b) 1
t
() = 1 (1 ()) .
Exercitiul 3.3. * Da ti exemplu de un sir de parti tii /
1
. /
2
. ... astfel
nct o (/
1
. /
2
. ...) sa nu e generata de o parti tie.
ARABILE
Exercitiul 3.4. * Fie (. T. 1) un spa tiu probabilizat si
1
. ....
a
evenimente. Arata ti ca aceste evenimente sunt independente daca si
numai daca
I
este independent de algebra c (
1
.
2
. ....
I1
) . pentru
ecare / = 2. 3. .... :.
Exercitiul 3.5. * Fie T
1
. .... T
a
o familie de o -algebre cu pro-
prietatea ca, pentru ecare / = 1. .... : 1. T
I+1
este independenta de
o (T
1
. .... T
I
) . Arata ti ca, n ansamblu, T
1
. .... T
a
sunt independente.
CAPITOLUL 4
Spatiul probabilizat num arabil
1. Multimi num arabile
1.1. Sumabilitate*. n continuare vom avea nevoie s a sum am
familii num arabile de numere. Fie 1 o multime cel mult num arabil a
si e (c
i
)
i1
o familie de numere indexat a dup a 1. Dorim s a d am sens
sumei numerelor (c
i
)
i1
. n cazul n care multimea 1 este nit a nu exist a
dubii asupra sensului. Oricum am deni o bijectie , : 1. 2. .... : 1.
suma c
)(1)
+ ... + c
)(a)
are aceeasi valoare si o not am

i1
c
i
. Pen-
tru cazul num arabil exist a posibilitatea s a denim suma prin utilizarea
notiunii de serie trecnd prin numerotarea multimii 1 si apoi se poate
demonstra c a suma nu depinde de modul n care s-a f acut numerotarea.
Pentru a mai face mai clar aceast aspect, d am o denitie de la nceput
independent a de modul n care este pus a multimea 1 n bijectie cu N.
Pentru aceasta not am cu /(1) familia tuturor submultimilor nite din
1. Vom presupune mai nti c a numerele c
i
sunt toate pozitive si vom
spune c a familia (c
i
)
i1
este sumabila dac a este ndeplinit a urm atoarea
conditie:
sup
1|(1)
i1
c
i
< .
Vom nota

i1
c
i
:= sup
1|(1)
i1
c
i
si vom spune c a acest num ar
este suma familiei de numere (c
i
)
i1
. Se vede imediat c a orice familie
nit a de numere este sumabil a si c a suma are sensul dat anterior. De
asemenea, se constat a c a dac a familia (c
i
)
i1
este sumabil a, atunci orice
subfamilie (c
i
)
iJ
r amne sumabil a, unde J 1. Urm atoarea lem a este
usor de vericat.
Lema 4.1. (i) Daca familia de numere pozitive (c
i
)
i1
este suma-
bila, atunci pentru orice 0. exista o submul time de indici 1 /(1)
astfel nct are loc rela tia

i1\1
c
i
_ .
(ii) Presupunem ca mul timea de indici este innita si e 1 =
i
0
. i
1
. ... o numerotare a sa. Atunci familia (c
i
)
ii
este sumabila daca
si numai daca seria

o
I=0
c
i
I
este convergenta. n cazul convergen tei
are loc egalitatea

i1
c
i
=
o
I=0
c
i
I
.
n continuare vom avea nevoie s a lucr am si cu sume de familii cel
mult num arabile de numere care nu sunt neap arat pozitive. Iat a cum
se extinde notiunea de sumabilitate n acest caz. Fie (c
i
)
i1
o familie
de numere reale indexat a dup a o multime cel mult num arabil a 1. Vom
69
70 4. SPA TIUL PROBABILIZAT NUM
ARABIL
spune c a aceast a familie de numere este absolut sumabila dac a familia
valorilor absolute, ([c
i
[)
i1
. este sumabil a.
Lema 4.2. Presupunem ca familia (c
i
)
i1
este absolut sumabila,
iar mul timea de indici 1 este numarabila. Atunci exista un unic numar
c R astfel nct, pentru orice 0. exista o mul time 1 /(1) cu
proprietatea ca
iA
c
i
c
_ . \` /(1) . ` 1.
Daca 1 = i
0
. i
1
. ... este o numerotare a mul timii de indici, atunci
c =
o
a=0
c
i
n
.
Demonstra Tie. Vom porni cu o numerotare a multimii de in-
dici ca n enunt. Seria

o
a=0
c
i
n
este absolut convergent a, datorit a
ipotezei c a familia (c
i
)
i1
este absolut sumabil a. Not am c =
o
a=0
c
i
n
si vom verica proprietatea armat a de lem a n felul urm ator. Datorit a
faptului c a familia ([c
i
[)
i1
este sumabil a, prin aplicarea lemei 4.1(i),
pentru 0. exist a 1 /(1) astfel nct

i1
[c
i
[ <
.
2
. pentru orice
1 /(1) astfel nct 1 1 = O. Rezult a c a avem
iA
c
i
i1
c
i
_

iA\1
[c
i
[ <

2
. \` /(1) . ` 1.
Dar pentru : sucient de mare, multimea i
0
. .... i
a
va contine pe 1
si atunci putem scrie
I=0
c
i
I

i1
c
i
<

2
.
Trecnd la limit a cu : obtinem

i1
c
i
_
.
2
. n combinatie
cu relatia de mai nainte se deduce

iA
c
i
i1
c
i
iA
c
i
i1
c
i
_ . care d a proprietatea din enunt.

Unicitatea num arului c se demonstreaz a la fel ca unicitatea unei
limite de siruri.
Dac a familia (c
i
)
i1
este absolut sumabil a, vom nota cu

i1
c
i
num arul c dat de lema anterioar a si vom spune c a el reprezint a suma
familiei de numere.
Se veric a f ar a probleme c a dac a (c
i
)
i1
este o familie sumabil a de
numere pozitive si (/
i
)
i1
este o alt a familie de numere reale, indexat a
dup a aceeasi multime de indici si are loc inegalitatea [/
i
[ _ c
i
. pentru
orice indice i 1. atunci familia (/
i
)
ii
este absolut sumabil a. De
asemenea se poate vedea c a pentru orice dou a familii absolut sumabile
(c
i
)
i1
. (/
i
)
i1
. astfel c a c
i
_ /
i
. pentru orice i 1. are loc inegalitatea
ii
c
i
_
ii
/
i
.
Mai departe vom enunta dou a leme cu privire la calcule cu sume
de familii absolut sumabile. Aceste calcule sunt binecunoscute n cazul
1. MUL TIMI NUM
ARABILE 71
seriilor de numere. Pentru demonstratie se poate utiliza numerotarea
astfel ca, prin intermediul lemelor de mai sus, s a se reduc a totul la
probleme de serii de numere.
Lema 4.3. Fie 1
|
,| 1 o parti tie cel mult numarabila a mul timii
de indici 1. (Asta nseamna ca 1 este cel mult numarabila.) Daca fa-
milia de numere (c
i
)
i1
este absolut sumabila, atunci si familia
_
i1
I
c
i
_
|1
este absolut sumabila si are loc urmatoarea formula de grupare a sumelor
i1
c
i
=
|1
i1
I
c
i
.
Reciproc, daca c
i
_ 0. pentru orice i 1 si ecare din familiile de
numere (c
i
)
i1
I
. | 1. este sumabila iar familia
_
i1
I
c
i
_
|1
este si ea
sumabila, atunci familia ini tiala (c
i
)
i1
este sumabila si este valabila
formula de mai sus.
O situatie similar a apare n cazul unei multimi de indici care este
produsul altor multimi. S a presupunem acum c a avem : mutimi de in-
dici 1
1
. .... 1
a
. cel mult num arabile, si o familie de numere reale pozitive
(c
i
1
,...,i
n
)
i
1
1
1
,...,i
n
1
n
. indexat a dup a toate multimile de indici. Dac a
not am 1 = 1
1
... 1
a
. aceast a multime produs este cel mult num ara-
bil a si putem considera c a familia de numere este indexat a dup a 1.
scriind (c
i
)
i1
. unde cu i desemn am un multi-indice i = (i
1
. .... i
a
) .
Are loc urm atoarea caracterizare a sumabilit atii n raport cu acesti
multi-indici.
Lema 4.4. Familia de numere de mai sus este sumabila ca familie
indexata dupa 1 daca si numai daca ea este iterativ sumabila n sensul
urmator: pentru ecare sistem de indici xa ti i
1
1
1
. .... i
a1
1
a1
.
familia (c
i
1
,...,i
n
)
i
n
1
n
este sumabila, de asemenea, pentru ecare sistem
de indici i
1
1
1
. .... i
a2
1
a2
familia
_
i
n
1
n
c
i
1
,...,i
n2
,i
n1
,i
n
_
i
n1
1
n1
este sumabila, si a sa mai departe, familia
_
_
i
2
1
2
_
_
...
_
_

i
n1
1
n1
_
i
n
1
n
c
i
1
,i
2
,...,i
n1
,i
n
_
_
_
...
_
_
_
_
i
1
1
1
este sumabila. n plus are loc rela tia
i1
c
i
=

i
1
1
1
_
_
i
2
1
2
...
_
_

i
n1
1
n1
_
i
n
1
n
c
i
1
,i
2
,...,i
n1
,i
n
_
_
_
...
_
_
.
Ca o consecint a a acestei leme se observ a c a ordinea de sumare
poate f acut a n orice fel. Vericarea lemei o l as am cititorului. (Cazul
cnd : = 2 este de fapt un caz particular al lemei anterioare.)
ARABIL
1.2. M asuri pe o multime cel mult num arabil a. n contin-
uare, vom nota cu 1 o multime cel mult num arabil a. Din punctul de
vedere al teoriei m asurii, spatiul acesta este foarte simplu. Multimea
p artilor T (1) reprezint a singura oalgebr a de interes pe 1. Dac a 1
este innit a, mai exist a un obiect distinct, anume algebra generat a de
multimile formate dintr-un punct. Aceast a algebr a const a din toate
multimile nite si cele cu complementara nit a. Dar ea nu are nici un
rol anume.
Lema urm atoare arat a c a o m asur a de probabilitate pe aceast a
oalgebr a este complet determinat a de valorile pe care le d a multim-
ilor cu un singur element. Fie j o m asur a de probabilitate pe T (1) si
s a not am j
c
= j(c) . c 1 valorile pe care le ia pe punctele lui 1.
Lema 4.5. Fie (
i
)
i1
o familie cel mult numarabila de par ti ale
lui 1 astfel ca
i

)
= O. daca i ,= ,. Atunci are loc rela tia
j
_
_
i1
i
_
=
i1
j(
i
) .
Valoarea pe care o da masura unei mul timi arbitrare 1 o putem
exprima astfel:
j() =
c
j
c
. (+)
n particular, doua masuri care coincid pe puncte sunt identice.
Demonstra Tie. Prima relatie este trivial vericat a n cazul n care
1 este nit a. Dac a 1 este num arabil a se numeroteaz a 1 = i
0
. i
1
. ... si
se scrie
j
_
_
i1
i
_
= j
_
o
_
I=0
i
I
_
=
= lim
ao
j
_
a
_
I=0
i
I
_
= lim
ao
a
I=0
j(
i
I
) =
i1
j(
i
) .
ceea ce demonstreaz a relatia. Ultima armatie a lemei rezult a imediat
din relatia demonstrat a.
Constructia de m asuri pe o multime cel mult num arabil a se bazeaz a
pe relatia (*) din lem a.
Lema 4.6. Fie (j
c
)
c1
o familie de numere reale care satisface
condi tiile urmatoare:
1) j
c
[0. 1] pentru orice c 1.
2)

c1
j
c
= 1.
Atunci rela tia (*) din lema de mai sus dene ste o masura de pro-
babilitate pe 1.
2. PRODUSUL DE M
ASURI DISCRETE 73
Demonstra Tie. Este usor de v azut c a denitia dat a implic a nit
aditivitatea m asurii. Pentru a verica o aditivitatea, pornim cu un
sir de multimi disjuncte (
a
)
aN
si not am = '
a
a
. Avem
j() =
c
j
c
=

aN
c
n
j
c
=

aN
j(
a
) .
unde la al doilea semn egal am utilizat lema 4.4.
M asuri Dirac.
Cele mai simple m asuri sunt cele suportate de cte un singur punct.
Fie c
0
1 xat si 1. arbitrar a. Denim m asura Dirac suportat a
de punctul c
0
. pe care o not am o
c
0
. prin
o
c
0
() = 1
(c
0
) .
Altfel spus, avem o
c
0
() = 1. dac a c
0
si o
c
0
() = 0. dac a c
0
, .
Dac a utiliz am notatia de mai sus cu j = o
c
0
pentru a exprima valorile
pe puncte, avem j
c
= 0. pentru orice c ,= c
0
si j
c
0
= 1.
Orice m asur a de probabilitate j poate scris a si ca o serie de m asuri
Dirac. Dac a valorile sale pe puncte sunt reprezentate de familia de
numere (j
c
)
c1
. atunci putem scrie j =

c1
j
c
o
c
. egalitate care se
veric a pentru ecare multime :
j() =
c
j
c
=
c
j
c
o
c
() =
c1
j
c
o
c
() .
Integrala.
Notiunea de integral a n raport cu o m asur a de probabilitate j pe
T (1) se deneste n felul urm ator. Fiind dat a o functie , : 1 1. se
spune c a aceasta este integrabila dac a familia (, (c) j
c
)
c1
este absolut
sumabil a. Num arul
_
,dj :=
c1
, (c) j
c
este numit integrala functiei , n raport cu m asura j. Se mai utilizeaz a
si notatia
_
1
, (c) j(dc) =
_
,dj.
2. Produsul de m asuri discrete
Pentru a construi modele probabiliste ce corespund mai multor ex-
perimente ale c aror rezultate sunt independente, se apeleaz a la pro-
dusele de spatii probabilizate. Vom considera mai nti cazul a dou a
multimi nite pentru a ntelege mai bine notatia ce intervine.
S a presupunem c a avem date multimile nite 1 = c
1
. .... c
n
si
1 = ,
1
. .... ,
a
. cu m asurile de probabilitate j = (j
1
. .... j
n
) . i =
(i
1
. .... i
a
) . unde am notat j
i
= j(c
i
) si i
)
= i (,
)
) . Deci au
loc relatiile j
1
+ ... + j
n
= 1 si i
1
+ ... + i
a
= 1. Pe spatiul produs
1 1 se poate deni o m asur a ` punnd `
i)
= `((c
i
. ,
)
)) := j
i
i
)
.
ARABIL
ntr-adev ar, se veric a imediat conditia
n,a
i=1,)=1
`
i)
=
n
i=1
a
)=1
j
i
i
)
=
_
n
i=1
j
i
__
a
)=1
i
)
_
= 1.
M asura ` se numeste m asura produs a celor dou a m asuri si se noteaz a
` = j
i.
Aceast a constructie se poate generaliza la produsul a : multimi cel
mult num arabile. Fie 1
1
. .... 1
a
multimi cel mult num arabile pe care
avem denite, respectiv, m asurile de probabilitate j
1
. .... j
a
. Analog
cazului anterior folosim notatia j
|,c
= j
|
(c) . c 1
|
. | = 1. .... :
pentru m asura punctelor din spatiile respective. Pe spatiul produs
1 =

a
i=1
1
i
. care este de asemenea o multime cel mult num arabil a,
denim m asura j. punnd valoarea pe puncte
j((c
1
. .... c
a
)) := j
1,c
1
...j
a,c
n
. \(c
1
. .... c
a
) 1.
Se veric a relatia
(c
1
,...,c
n
)1
j((c
1
. .... c
a
)) =
c
1
1
1
...
c
n
1
n
j
1,c
1
...j
a,c
n
=
_
c
1
1
1
j
1,c
1
_
...
_
c
n
1
n
j
a,c
n
_
= 1.
care arat a c a valorile puse pe punctele spatiului produs denesc o
m asur a de probabilitate pe 1. Aceast a m asur a este notat a cu j =
j
1
...
j
a
.
Lema 4.7. Fie 1
|
1
|
. | = 1. .... : mul timi arbitrare. Atunci are
loc formula
j
1
...
j
a
(1
1
... 1
a
) = j
1
(1
1
) ...j
a
(1
a
) .
Demonstra Tie. Multimea produs 1
1
... 1
a
se poate exprima
ca reuniunea punctelor sale n felul urm ator
1
1
... 1
a
=
_
(c
1
,...,c
n
)1
1
...1
n
(c
1
. .... c
a
) .
Deoarece multimile ce particip a la aceast a reuniune sunt disjuncte
rezult a
j(1
1
... 1
a
) =
(c
1
,...,c
n
)1
1
...1
n
j((c
1
. .... c
a
)) =
=
c
1
1
1
...
c
n
1
n
j((c
1
. .... c
a
)) =
c
1
1
1
...
c
n
1
n
j
1,c
1
...j
a,c
n
=
=
_
c
1
1
1
j
1,c
1
_
...
_
c
n
1
n
j
a,c
n
_
= j
1
(1
1
) ...j
a
(1
a
) .
care este relatia de demonstrat.
Pentru ecare | = 1. .... : denim pe 1 cte o partitie num arabil a
/
|
= (
|,c
)
c1
I
punnd
|,c
= (c
1
. .... c
a
) 1, c
|
= c = 1
1
...1
|1
c1
|+1
...1
a
. c 1
|
.
Urm atoarea lem a descrie o algebrele generate de aceste partitii.
3. REPARTI TIA UNEI VARIABILE ALEATOARE 75
Lema 4.8. O mul time 1 apar tine lui o (/
|
) daca si numai
daca exista o mul time 1 1
|
astfel ca sa aiba loc reprezentarea
= 1
1
... 1
|1
1 1
|+1
... 1
a
.
Demonstra Tie. Multimea care apare n reprezentarea din enunt
se exprim a si sub forma
1
1
... 1
|1
1 1
|+1
... 1
a
=
_
c1
|,c
.
Aceast a egalitate arat a clar c a o multime care se reprezint a ca n enunt
este n o (/
|
) . Fie acum o (/
|
) . Pe de alt a parte, se poate usor
verica c a familia multimilor de acest tip,
H = 1
1
... 1
|1
1 1
|+1
... 1
a
, 1 1
|
.
este o o-algebr a. Aceasta implic a H = o (/
|
) .
Propozitia 4.1. o algebrele o (/
1
) . .... o (/
a
) sunt independente
relativ la masura produs j = j
1
...
j
a
.
Demonstra Tie. Fie
|
o (/
|
) . | = 1. .... :. Din lema anterioar a
stim c a pentru ecare | exist a multimea 1
|
1
|
astfel nct s a aib a
loc reprezentarea
|
= 1
1
... 1
|1
1
|
1
|+1
... 1
a
.
Cu aceast a notatie putem scrie
1
...
a
= 1
1
... 1
a
.
ceea ce duce la
j(
1
...
a
) = j
1
(1
1
) ...j
a
(1
a
) .
Pe de alt a parte, se poate calcula si m asura j(
|
) = j
|
(1
|
) . ceea ce
permite s a deducem
j(
1
...
a
) = j(
1
) ...j(
a
) .
adic a exact relatia care arat a independenta o algebrelor.
3. Repartitia unei variabile aleatoare
n aceast a sectiune vom presupune dat un spatiu probabilizat (. T. 1) .
n prezenta probabilit atii 1 denumirea de aplicatie m asurabil a cap at a
un nou nume.
Denitia 4.1. Fie 1 o mul time cel mult numarabila. O aplica tie
A : 1 care este masurabila n raport cu spa tiul masurabil (. T)
va numita variabil a aleatoare cu valori n 1.
ARABIL
Reamintimc a aceasta nseamn a c a ecare din multimile A
1
(1) . 1
1. apartine lui T.
O variabil a aleatoare A : 1. cu valori n multimea cel mult
num arabil a 1. poate utilizat a pentru a transporta m asura de proba-
bilitate 1 de pe pe 1. Anume, variabilei A i se asociaz a urm atoarea
aplicatie 1
A
: T (1) [0. 1] . denit a prin 1
A
(1) = 1 (A
1
(1)) .
Se poate usor verica c a 1
A
este o m asur a de probabilitate pe 1. Ea
este numit a reparti tia lui A. Evident c a repartitia aceasta este supor-
tat a de imaginea 1
t
= A () . n sensul c a 1
A
(11
t
) = 0. Ea este
determinat a de valorile pe puncte 1
A
(c) = 1 (A
1
(c)) . c 1. prin
intermediul valorilor lui 1 pe atomii partitiei asociate variabilei A.
/ = A
1
(c) ,c 1
t
. Pentru c 11
t
. avem A
1
(c) = O. deci
1
A
(c) = 0. n acest caz. Dac a 1
t
= c
1
. .... c
a
este o multime
nit a, repartitia este reprezentat a schematic de un tablou de tipul
1
A
=
_
c
1
c
2
... c
a
j
1
j
2
... j
a
_
.
n care pe linia de jos sunt nsirate valorile probabilit atilor ce corespund
puncelor, j
i
= 1 (A
1
(c
i
)) . i = 1. .... :. Mai putem scrie
1
A
= j
1
o
c
1
+ ... + j
a
o
c
n
.
n general se poate scrie 1
A
=
c1
0
1 (A
1
(c)) o
c
.
Dac a j este o m asur a de probabilitate pe 1. atunci ea poate
privit a ca repartitia variabilei aleatoare A : 1 1. dat a de aplicatia
identitate, denit a prin A (c) = c. pentru orice c 1. n acest caz
se consider a ca domeniu de denitie al variabilei spatiul probabilizat
(1. T (1) . j) . De aceea se obisnuieste a numi repartitie orice m asur a
de probabilitate pe 1. Este important s a facem urm atoarea observatie.
Observatia 4.1. Fie (
i
. T
i
. 1
i
) . i = 1. 2. doua spa tii probabilizate.
Daca variabilele aleatoare A
i
:
i
1. i = 1. 2. cu valori n aceea si
mul time cel mult numarabila, au aceea si repar tie, iar , : 1 1 este
o aplica tie arbitrara, atunci variabilele 1
i
= , (A
i
) . i = 1. 2 au si ele
aceea si reparti tie.
Repartitiile variabilelor aleatoare au un rol important n leg atur a
cu propriet atile de independent a ale acestora.
Denitia 4.2. Fie A
i
: 1
i
. i = 1. .... :. variabile aleatoare
cu valori n mul timi cel mult numarabile. Vom spune ca acestea sunt
independente daca oalgebrele o (A
1
) . .... o (A
a
) sunt independente.
Conform cu lema 2.3, independenta variabilelor A
i
. i = 1. .... : este
echivalent a cu vericarea relatiei
1
_
A
1
1
(
1
) ... A
1
a
(
a
)
_
= 1
_
A
1
1
(
1
)
_
...1
_
A
1
a
(
a
)
_
.
pentru orice multimi
i
1
i
. i = 1. .... :. Pe aceeasi linie, facem obser-
vatia c a un num ar nit de evenimente,
1
. ....
a
. sunt independente
dac a si numai dac a variabilele aleatoare, cu valori n 0. 1 . constituite
din functiile caracteristice 1
1
. .... 1
n
sunt independente.
Urm atoarea propozitie caracterizeaz a independenta n termenii repar-
titiilor.
Propozitia 4.2. Presupunem ca A
i
: 1
i
. i = 1. 2 sunt doua
variabile aleatoare cu valori n spa tiile cel mult numarabile 1
i
. i =
1. 2 si notam 2 : 1
1
1
2
. aplica tia denita prin 2 (.) =
(A
1
(.) . A
2
(.)) . Variabilele aleatoare A
1
si A
2
sunt independente daca
si numai daca variabila 2 are reparti tia exprimata sub forma produsu-
lui
1
Z
= 1
A
1
1
A
2
.
Demonstra Tie. S a presupunem c a variabilele date sunt indepen-
dente. Rezult a c a pentru orice puncte c
1
1
1
si c
2
1
2
are loc
relatia
1
_
A
1
1
(c
1
) A
1
2
(c
2
)
_
= 1
_
A
1
1
(c
1
)
_
1
_
A
1
2
(c
2
)
_
.
Pe de alt a parte, tinnd cont c a A
1
1
(c
1
) A
1
2
(c
2
) = 2
1
(c
1
. c
2
) .
relatia aceasta devine
1
Z
((c
1
. c
2
)) = 1
A
1
(c
1
) 1
A
2
(c
2
) = 1
A
1
1
A
2
((c
1
. c
2
)) .
pentru orice pereche (c
1
. c
2
) 1
1
1
2
. Rezult a c a m asurile 1
Z
si
1
A
1
1
A
2
coincid.
Reciproc, s a presupunem c a m asurile 1
Z
si 1
A
1
1
A
2
coincid.
Fie multimile
1
1
1
.
1
1
1
arbitrare. Din relatia A
1
1
(
1
)
A
1
2
(
2
) = 2
1
(
1
2
) se deduce
1
_
A
1
1
(
1
) A
1
2
(
2
)
_
= 1
Z
(
1
2
) = 1
A
1
1
A
2
(
1
2
) =
= 1
A
1
(
1
) 1
A
2
(
2
) = 1
_
A
1
1
(
1
)
_
1
_
A
1
2
(
2
)
_
.
ceea ce arat a c a variabilele A
1
si A
2
sunt independente. La penultimul
semn egal am utilizat lema 4.7.
Propozitia demonstrat a se generalizeaz a, cu aceeasi demonstratie,
la cazul a : variabile.
Propozitia 4.3. Variabilele A
1
. .... A
a
. sunt independente daca si
numai daca reparti tia variabilei 2 = (A
1
. .... A
a
) satisface rela tia
1
Z
= 1
A
1
...
1
A
n
.
Aceast a propozitie permite construirea de modele probabiliste pen-
tru variabile aleatoare independente cu repartitii date. Mai precis,
e 1
i
. i = 1. .... :. multimi cel mult num arabile pe care sunt denite
m asurile de probabilitate j
i
. i = 1. .... :. Not am \ = 1
1
... 1
a
spatiul produs si A
i
: \ 1
i
aplicatia de proiectie pe componenta
i. denit a prin A
i
((c
1
. .... c
a
)) = c
i
. pentru orice (c
1
. .... c
a
) \. Pe
spatiul \. nzestrat cu o algebra T (\) . introducem m asura produs
ARABIL
Q = j
1
...
j
a
. Cu aceste notatii putem spune c a (\. T (\) . Q)
este un spatiu probabilizat si c a A
1
. .... A
a
sunt variabile aleatoare. n
plus are loc urm atorul rezultat.
Propozitia 4.4. Reparti tia lui A
i
este j
i
. pentru orice i = 1. .... :.
iar variabilele aleatoare A
1
. .... A
a
sunt independente.
Demonstra Tie. Vom calcula mai nti repartitia lui A
i
. Pentru
c 1
i
are loc egalitatea
A
1
i
(c) = 1
1
... 1
i1
c 1
i+1
... 1
a
.
care se veric a imediat. De aceea avem
Q
A
.
(c) = Q
_
A
1
i
(c)
_
=
= j
1
(1
1
) ...j
i1
(1
i1
) j
i
(c) j(1
i+1
) ...j(1
a
) = j
i
(c) .
ceea ce probeaz a egalitatea Q
A
.
= j
i
.
Pe de alt a parte, aplicatia 2 = (A
1
. .... A
a
) : \ 1
1
... 1
a
este aplicatia identic a, si de aceea avemQ
Z
= j
1
...
j
a
. Propozitia
anterioar a ne asigur a c a variabilele noastre sunt independente.
Exemplul 1.
Un zar m asluit are pus a o greutate n vrful adiacent fetelor cu nu-
merele 1. 3. 5. Aceast a greutate face ca fetele opuse, adic a cele ce poart a
numerele 2. 4. 6. s a apar a cu o probabilitate mai mare la aruncare. Deci
fetele cu numere impare au probabilit atile de a iesi egale ntre ele si
la fel fetele cu numere pare. Dar o fat a cu num ar par are mai multe
sanse de a iesi dect una cu num ar impar. Ne propunem s a construim
un model probabilist care s a descrie seriile de mai multe arunc ari cu
un astfel de zar.
S a not am cu : raportul dintre sansele de a iesi o fat a par a si una
impar a la o aruncare. Deci prin ipotez a avem : 1. Vom determina
mai nti n functie de : probabilit atile de a iesi ecare fat a. Notnd j
i
probabilitatea de a iesi fata i. vom putea scrie

6
i=1
j
i
= 1. j
1
= j
3
=
j
5
. j
2
= j
4
= j
6
si
j
2
j
1
= :. Rezult a 3j
1
+ 3:j
1
= 1. deci j
1
=
1
3(1+v)
si
j
2
=
v
3(1+v)
.
Mai departe not am1 = 1. 2. 3. 4. 5. 6 . multimea care descrie posi-
bilit atile ce pot ap area n urma unei arunc ari. Pe aceast a multime
denim m asura j prin numerele j
1
= j
3
= j
5
=
1
3(1+v)
. j
2
= j
4
=
j
6
=
v
3(1+v)
. Dac a dorim s a model am seriile de : arunc ari not am
= 1
a
= 1 ... 1
. .
a
si A
|
: 1 este proiectia pe componenta
|. | = 1. .... :. Spatiul reprezint a multimea tuturor rezultatelor posi-
bil a obtinute n urma unei serii de : arunc ari cu zarul. Variabila
A
|
descrie rezultatul de la cea de a | -a aruncare cu zarul, iar, n
ansamblu, cele : variabile descriu rezultatele succesive ntr-o serie de
: arunc ari. Este clar c a diferitele arunc ari cu zarul sunt independente.
De aceea punem pe spatiul m asura produs 1 = j
...
j. care
face variabilele A
|
independente si identic repartizate cu repartitia j.
Deci (. T () . 1) descrie seriile de : arunc ari cu zarul m asluit.
Exemplul 2.
Revenimacumla modelul bilei ntoarse. Amnotat ` = 1. 2. .... :
si = `... `. produsul cu un num ar de : factori care modeleaz a
seriile de : extrageri succesive cu revenire. M asura de probabilitate 1.
care deneste sanse egale pentru ecare element . = (r
i
. .... r
a
) a
fost denit a prin expresia 1 (.) =
1
n
n
. Vom obseva acum c a aceast a
m asur a este o m asur a produs. ntr-adev ar, dac a not am cu j m asura
uniform a pe `. denit a prin j(|) =
1
n
. pentru orice | `. atunci se
poate constata c a are loc egalitatea 1 = j
...
j. S a mai observ am
c a variabila care reprezint a proiectia pe componenta i. denit a prin
A
i
: `. A
i
((r
1
. .... r
a
)) = r
i
este variabila care indic a num arul
bilei extrase la cea de a ia extragere. Prin urmare, putem spune c a
modelul probabilist introdus pentru schema bilei ntoarse asigur a inde-
pendenta variabilelor A
i
. i = 1. .... : si faptul c a acestea sunt uniform
repartizate. Este clar c a aceste dou a propriet ati ale acestor variabile
sunt n concordant a cu ceea ce astept am de la model. Pe de alt a parte,
se poate verica c a 1 este singura m asur a de probabilitate pe care
face din proiectii variabile independente si uniform repartizate. Cu alte
cuvinte aceste propriet ati determin a modelul.
Exemplul 3*.
S a reect am acum la modelarea problemei zilelor de nastere tratat a
n capitolul 2. Am adoptat pentru aceast a problem a modelul extrager-
ilor cu revenire. Dac a acept am ca tr as aturi obligatorii ale acestei
probleme faptul c a zilele de nastere ale persoanelor din grup sunt
reprezentate de variabile aleatoare independente si uniform repartizate,
nseamn a c a trebuie s a accept am ca unic model cel adoptat n capitolul
2.
Vom discuta acum o alt a variant a de modelare a problemei zilelor de
nastere. S a presupunem c a de fapt problema se refer a n mod concret
la o anumit a populatie, format a dintr-un anumit num ar de indivizi,
:. pentru care se stie num arul de persoane ce au zilele de nastere n
ecare zi a anului. Atunci, un grup de : indivizi luati la ntmplare din
aceast a populatie (: _ 365) sunt modelati de o extragere f ar a ordine
de : bile dintr-o urn a cu : bile. Desigur c a acesta este modelul cel
mai limpede si mai usor de acceptat. Vom examina acest model n
cazul n care presupunem c a populatia n cauz a este compus a dintr-
un num ar egal de indivizi n ascuti pentru ecare zi a anului si facem
presupunerea c a avem doar 365 de zile n ecare an. Vom trece apoi la
limit a cu : . pentru a vedea c a se ajunge la acelasi model ca n
paragraful dedicat problemei din capitolul 2.
Dac a not am cu | num arul indivizilor ce au aceeasi zi de nastere,
atunci num arul total de indivizi va : = 365|. Vom face modelarea
extragerilor de : bile f ar a ordine bazndu-ne pe schema bilei nentoarse.
ARABIL
Pentru aceasta identic am populatia celor : indivizi cu multimea ` =
1. .... : si not am cu
)
multimea indivizilor n ascuti n cea de a ,a
zi a anului, , = 1. ...365. Rezult a c a familia (
)
)
)=1,...,365
formeaz a o
partitie a lui ` si cardinalul ec areia din multimile
)
este |. Spatiul
tuturor posibilit atilor este cel ce corespunde schemei bilei nentoarse
\ = (r
1
. .... r
a
) , r
i
`. r
i
,= r
)
. \i ,= , .
Probabilitatea ce o consider am pe \ o not am cu Q si, asa cum se
stie, ea acord a ponderea Q((r
1
. .... r
a
)) =
1
covoW
=
1
n
r
pentru ecare
punct n = (r
1
. .... r
a
) \. Din punctul de vedere al problemei noastre,
ceea ce intereseaz a sunt doar zilele de nastere ale indivizilor dintr-un
grup n. Vom nota 1 = 1. .... 365 multimea zilelor anului si vom deni
apoi o aplicatie , : ` 1. n felul urm ator: , (r) = / dac a si numai
dac a r
I
. Aceasta este aplicatia care asociaz a ec arui individ ziua
sa de nastere. Vom introduce spatiul = 1
a
. care nregistreaz a toate
conguratiile de zile de nastere posibil a corespunde unui grup n \.
Aplicatia , permite a deni o variabil a aleatoare, 1 : \ . prin
1 (r
1
. .... r
a
) = (, (r
1
) . .... , (r
a
)) . Deoarece pentru problema ce ne
intereseaz a evenimentele elementare ale lui \ sunt cercetate doar prin
intermediul imaginii lor prin 1. rezult a c a putem lua ca model spatiul
cu repartitia variabilei 1. care este o probabilitate pe obtinut a prin
transportul lui Q prin intermediul variabilei 1. Deoarece Q depinde de
num arul |. ce l vom presupune variabil, tinznd chiar la innit, vom
pune 1
|
= Q
1
pentru a desemna repartitia aceasta. Mai departe vom
compara probabilitatea 1
|
cu probabilitetea sanselor egale pe . Mai
precis, e 1 probabilitatea sanselor egale pe . denit a prin 1 (.) =
1
covo
=
1
365
n
. pentru orice punct . . Vom ar ata c a 1
|
tinde la 1.
atunci cnd | tinde la innit, n sensul urm ator:
lim
|o
1
|
(.) = 1 (.) . \. .
Pentru a verica aceast a relatie vom xa un element arbitrar .
si vom calcula cardinalul multimii 1
1
(.) . S a zicem c a elementul
dat are descrierea pe componente . = (/
1
. .... /
a
) . Componentele nu
sunt neap arat toate distincte si, pentru a clarica acest lucru vom
proceda astfel. Pentru ecare zi a anului, / 1. vom pune J
I
=
i _ :, /
i
= / . pentru a desemna indicii componentelor ce coincid cu
ziua /. iar apoi ,
I
= cc:dJ
I
. pentru a num ara de cte ori se repet a ziua
/ ntre componentele lui .. Multimile J
I
pot vide pentru anumite
valori / 1. astfel c a ,
I
= 0 ntr-o astfel de situatie. n orice caz
avem

365
I=1
,
I
= :. num arul total de componente ale lui .. Fie acum
n = (r
1
. .... r
a
) \. astfel ca 1 (n) = .. Rezult a c a pentru un / 1
xat are loc relatia , (r
i
) = /. pentru orice i J
I
. Dac a un alt element
n
t
= (r
t
1
. .... r
t
a
) \ este construit, pornind de la n. prin nlocuirea
componentelor de pe pozitiile J
I
cu alte puncte din multimea
I
rezult a
c a vom avea 1 (n
t
) = .. Dar exist a
)
I
|
= | (| 1) ... (| ,
I
+ 1) posi-
bilit ati de a obtine elemente distincte din \ prin acest procedeu. Cu
conventia
0
|
= 1. putem exprima num arul total al elementelor din
1
1
(.) sub forma

I1

)
I
|
.
Putem concluziona c a
1
|
(.) = Q
_
1
1
(.)
_
=
cc:d1
1
(.)
cc:d\
=
I1

)
I
|
a
n
=
=
| (| 1) ... (| ,
1
+ 1) ...| (| 1) ... (| ,
365
+ 1)
365| (365| 1) ... (365| : + 1)
.
Deoarece, asa cum am remarcat, are loc relatia
365
I=1
,
I
= :. rezult a c a
n produsul de la num ar ator sunt : factori. Jos sunt tot attia factori
si atunci se poate scoate n factor si simplica cu |. astfel c a fractia
anterioar a devine
=
_
1
1
|
_
...
_
1
)
1
+1
|
_
...
_
1
1
|
_
...
_
1
)
365
+1
|
_
365
_
365
1
|
_
...
_
365
a1
|
_ .
Trecnd la limit a este clar c a obtinem lim
|o
1
|
(.) =
1
(365)
n =
1 (.) . Rezult a c a modelul utilizat de noi n paragraful dedicat prob-
lemei zilelelor de nastere, din capitolul 2, corespunde unei situatii ide-
ale, n care facem trei presupuneri simplicatoare: 1) presupunem c a
anul ar avea ntotdeauna 365 de zile, 2) num arul de persoane n ascute
n aceeasi zi este acelasi pentru ecare zi a anului, 3) populatia total a
luat a n discutie este innit a, n sensul dat de procesul de trecere la
limit a descris mai sus.
Dar aproximarea dat a de trecerea la limit a cu | converge destul de
rapid. De exemplu, evalu arile pentru multimea
= . = (r
1
. .... r
a
) [ r
i
,= r
)
. \ i ,= , .
f acute cu m asura 1
|
sau cu 1 sunt foarte apropiate. ntr-adev ar, stim
c a 1 () =
(3651)(3652)...(395a+1)
(365)
n1
. Pe de alt a parte, nu este greu de
calculat cardinalul multimii 1
1
() pe baza ideilor expuse anterior.
Se obtine cc:d1
1
() =
a
365
|
a
. Atunci avem
1
|
() =
|
a
365 (365 1) (365 2) ... (365 : + 1)
365| (365| 1) ... (365| : + 1)
=
= 1 ()
|
a1
(365)
a1
(365| 1) ... (365| : + 1)
.
Vomnota o (:. |) =
|
n1
(365)
n1
(365|1)...(365|a+1)
si vomevalua acest num ar scriindu-
l sub forma
o (:. |) =
_
1 +
1
365| 1
_
...
_
1 +
: 1
365| : + 1
_
.
ARABIL
Pentru | _ 100 avem o (:. |) _
_
1 +
1
36478
_
...
_
1 +
a1
36478
_
. iar ultimul
produs se majoreaz a conform lemei 1.1 cu c
n(n1)
236478
. Pentru : _ 23.
avem atunci o (:. |) _ c
2322
236478
_ 1 +
2322
236478
+
_
2322
236478
_
2
. (am utilizat
inegalitatea c
a
_ 1 +r +r
2
. care are loc pentru r [0. 1]). Calculnd
numeric expresiile din dreapta obtinem o (:. |) _ 1. 007. Deci tragem
concluzia c a 1
|
() = 1 () o (:. |) . unde 1 _ o (:. |) _ 1. 007. pentru
| _ 100.
Independenta partitiilor.
Examinnd demonstratia propozi tiei 4.2 se constat a c a ea arat a
mai mult dect scrie n enunt. Anume, rezut a c a independenta a dou a
variabile A
i
: 1
i
. i = 1. 2 cu valori n spatiile cel mult num arabile
1
i
. i = 1. 2. este implicat a de relatia de independent a vericat a pe
partitiile asociate, adic a de relatiile:
1
_
A
1
1
(c
1
) A
1
2
(c
2
)
_
= 1
_
A
1
1
(c
1
)
_
1
_
A
1
2
(c
2
)
_
.
cu ecare din punctele c
i
1
t
i
.unde 1
t
i
= A
i
() . i = 1. 2.
Aceast a observatie o vom generaliza acum. Fie /
|
= (
|,i
)
i1
I
. | =
1. .... : partitii ai c aror atomi apartin lui T. Evident c a dac a o -algebrele
generate de aceste partitii sunt independente, atunci putem scrie
1 (
1,i
1
...
a,i
n
) = 1 (
1,i
1
) ...1 (
a,i
n
) . (+)
relatie care este valabil a pentru orice alegere de atomi
|,i
I
. i
|
1
|
. | =
1. .... :.Urm atoarea propozitie arm a c a reciproca este si ea valabil a.
Propozitia 4.5. Cu nota tia de mai sus, daca rela tia (*) este ver-
icata pentru orice alegere de atomi, atunci o (/
1
) . .... o (/
a
) sunt in-
dependente.
Demonstra Tie. Consider am variabilele aleatoare A
|
: 1
|
.
denite prin A
|
(.) = i. dac a .
|,i
. Observ am c a are loc egalitatea
o (A
|
) = o (/
|
) . Pe de alt a parte, aplicatia 2 = (A
1
. .... A
a
) : 1.
cu valori n spatiul produs 1 = 1
1
... 1
a
are repartitia exprimat a pe
puncte, (i
1
. .... i
a
) 1. prin
1
Z
((i
1
. .... i
a
)) = 1
_
2
1
(i
1
. .... i
a
)
_
= 1 (
1,i
1
...
a,i
n
) =
= 1 (
1,i
1
) ...1 (
a,i
n
) = 1
A
1
(i
1
) ...1
A
n
(i
a
) .
ceea ce arat a c a 1
Z
= 1
A
1
...
1
A
n
. Propozi tia 4.3 ne d a indepen-
denta dorit a.
3.1. Asocierea si disocierea independentei. Presupunem c a
(T
|
)
|1
este o familie arbitrar a de sub - o -algebre ale lui T. Presupunem
c a multimea indicilor este partitionat a n forma 1 = '
)J
1
)
astfel c a
1
)
1
)
0 = O. dac a , ,= ,
t
. Vom ar ata c a proprietatea de independent a se
pliaz a acestei partition ari a multimii de indici prin asociere si disociere.
Pentru ecare indice , J. not am T
)
= o
_
'
|1
T
|
_
.
Teorema 4.1. (i) Daca oalgebrele (T
|
)
|1
sunt independente,
atunci si oalgebrele (T
)
)
)J
sunt independente.
(ii) Reciproc, presupunem ca oalgebrele (T
)
)
)J
sunt indepen-
dente si ca, pentru ecare indice , J. o algebrele din familia (T
|
)
|1
sunt, de asemenea, independente. Atunci o algebrele din familia

mare, (T
|
)
|1
. sunt independente n ansamblu.
Demonstra Tie. ntr-o prim a etap a vom considera cazul n care
multimea de indici 1 este o nit a, iar ecare din o -algebrele familiei
initiale sunt generate de partitii. Fie atunci (/
|
)
|1
o familie de partitii
cel mult num arabile, /
|
= (
|,i
)
i1
I
. cu atomi din T. astfel c a T
|
=
o (/
|
) . Not am A
|
: 1
|
aplicatia denit a prin A
|
(.) = i. dac a
.
|,i
. i 1
|
. Denim apoi aplicatia cu valori n spatiul produs
2 : 1 =
|1
1
|
. 2 (.) = (A
|
(.))
|1
si aplicatiile cu valori n produsele partiale
2
)
: 1
)
=

|1
1
|
. 2
)
(.) = (A
|
(.))
|1
.
Facem identicarea 1 =

)J
1
)
. astfel c a 2 se exprim a si sub forma
2 (.) = (2
)
(.))
)J
. Vom avea atunci T
|
= o (A
|
) si T
)
= o (2
)
) . iar
independenta variabilelor A
|
. | 1 este echivalent a cu independenta o
-algebrelor T
|
. | 1. La fel, independenta variabilelor 2
)
. , J este
echivalent a cu independenta o -algebrelor T
)
. , J.
(i) Independenta familiei initiale de o -algebre implic a relatiile
1
Z
=
|1
1
A
I
. 1
Z
=
|1
1
A
I
.
Pe de alt a parte o vericare direct a pe puncte arat a c a aceste relatii
implic a egalitatea 1
Z
=

)J
1
Z
. Rezult a c a variabilele 2
)
. , J
sunt independente, ceea ce ncheie demonstratia acestui caz.
(ii) n aceast a situatie avem prin ipotez a c a 1
Z
=

)J
1
Z
si
1
Z
=
|1
1
A
I
. Aceasta implic a relatia 1
Z
=
|1
1
A
I
. care exprim a
independenta dorit a.
Pentru cazul general, cnd o -algebrele T
|
. | 1. nu mai sunt pre-
supuse generate de partitii, iar 1 nu se mai presupune nit a, se tine
cont c a relatia de independent a trebuie vericat a cu un num ar nit de
evenimente. Se consider a atunci algebrele generate de acele evenimente
si se aplic a rezultatul vericat mai sus.
Urm atoarea propozitie ne va util a mai departe.
Propozitia 4.6. Fie A
1
. .... A
a
o familie de variabile aleatoare in-
dependente cu valori n spa tiile cel mult numarabile 1
i
. i = 1. .... :.
Sa presupunem ca 1 _ :
1
< ... < :
I1
< :
I
= : sunt numere
ARABIL
naturale care mpart variabilele n / grupuri. Daca ,
)
: 1
a
1
+1

... 1
a
1
)
. , = 1. ... / sunt aplica tii ce iau valori n mul tim-
ile cel mult numarabile 1
)
. , = 1. .... /. atunci variabilele aleatoare
1
)
= ,
)
_
A
a
1
+1
. .... A
a
_
. , = 1. .... / sunt independente.
Demonstra Tie. Pentru a demonstra armatia f acut a vom observa
mai nti c a variabila 1
)
este m asurabil a fat a de o
_
A
a
1
+1
. .... A
a
_
.
Apoi, din teorema 4.1, se deduce faptul c a oalgebrele
o (A
1
. .... A
a
1
) . .... o
_
A
a
I1
+1
. .... A
a
I
_
sunt independente, ceea ce implic a armatia f acut a.
Extrageri de bile colorate.
Vom analiza o urn a cu : bile colorate. Num arul de culori este /.
iar num arul de bile colorate n culoarea c
i
este :
i
. Prin urmare este
satisf acut a relatia

I
i=1
:
i
= :. Vom presupune c a se fac : extrageri
repetate cu ntoarcere, iar ca rezultat al ec arei extrageri, este notat a
numai culoarea bilei extrase. Modelul ce corespunde acestui experiment
este descris n felul urm ator. Not am ` multimea ce corespunde bilelor
din urn a. Este o multime nit a cu : elemente. Multimea bilelor de
culoarea c
i
va notat a `
i
; este o multime cu :
i
elemente. Rezult a c a
multimile `
1
. .... `
I
formeaz a o partitie a lui `. Spatiul probabilizat
este dat de multimea
= `
a
= (r
1
. .... r
a
) , r
|
`. | = 1. .... : .
n care punctul generic va notat . = (r
1
. .... r
a
) . Asa cum stim, pen-
tru extrageri cu ntoarcere, probabilitatea corespunz atoare este proba-
bilitatea sanselor egale. Deci pe multimea se pune probabilitatea ce
corespunde sanselor egale: 1 (.) =
1
n
n
. pentru orice . .
Ceea ce ne intereseaz a acum este s a punem n evident a partitiile ce
corespund ec arei extrageri. Anume, la o extragere se pot manifesta
/ evenimente distincte. S a zicem c a este vorba despre extragerea |;
atunci pentru | = 1. .... / avem evenimentul descris prin propozitia
la extragerea | a iesit culoarea i . Acest eveniment este modelat
de multimea
|,i
= (r
1
. .... r
a
) , r
|
`
i
. Este clar c a familia
/
|
= (
|,i
)
i=1,...I
este o partitie nit a. Avem deci : partitii distincte,
ecare cu cte / atomi. Vom verica acum c a aceste partitii sunt
independente. Pentru a num ara punctele dintr-o multime
|,i
xat a,
vom observa c a ea este n bijectie cu multimea `
i
`
a1
. Rezult a c a
avem 1 (
|,i
) =
n
.
n
n1
n
n
=
n
.
n
. Pe de alt a parte, ind date multimile
1,i
1
. ....
a,i
n
. multimea
a
|=1
|,i
I
este n bijectie cu produsul `
i
1
...
`
i
n
si prin urmare va avea cardinalul :
i
1
...:
i
n
. Acest calcul conduce
la relatia de independent a a partitiilor:
1 (
a
|=1
|,i
I
) =
:
i
1
...:
i
n
:
a
= 1 (
1,i
1
) ...1 (
a,i
n
) .
Propozi tia 4.5 este atunci aplicabil a si rezult a independenta algebrelor
generate de partitiile /
|
. | = 1. .... :. Aceasta revine la independenta
oric aror evenimente ce se refer a la extrageri distincte. Cu alte cuvinte,
putem spune c a cele : extrageri sunt independente ntr-un sens mai
larg.
Aplicatie numeric a.
S a presupunem c a avem / = 5. iar culorile sunt: c
1
-alb, c
2
-negru,
c
3
-galben, c
4
-rosu, c
5
-albastru. Presupunem c a se fac sase extrageri
si doi juc atori mizeaz a pe rezultatele extragerilor alternativ. Primul
mizeaz a pe culorile rosu si albastru la extragerile 1. 3. 5 iar al doilea pe
culorile alb si rosu la extragerile 2. 4. 6. Ne propunem s a determin am:
(i) care este probabilitatea ca primul juc ator s a cstigat la cel putin
o extragere la care a mizat, (ii) care este probabilitatea ca, n acelasi
timp, cel de al doilea juc ator s a cstigat si el la cel putin una din
extragerile la care a mizat.
Sou tie. (i) Sunt sase extrageri, deci : = 6. Not am
1
|
=
|,4
'
|,5
.
evenimentul care exprim a faptul c a la extragerea | au iesit culorile pe
care a mizat primul juc ator. Avem 1 (1
|
) = 1 (
|,4
) + 1 (
|,5
) =
n
4
+n
5
n
. Evenimentul care exprim a faptul c a primul juc ator a cstigat
cel putin o dat a este 1 = 1
1
'1
3
'1
5
si, tinnd cont c a evenimentele
care-l compun sunt independente, el are probabilitatea
1 (1) = 1 (1
1
) + 1 (1
3
) + 1 (1
5
) 1 (1
1
1
3
) 1 (1
1
1
5
)
1 (1
3
1
5
) + 1 (1
1
1
3
1
5
) = 3
:
4
+ :
5
:
3
_
:
4
+ :
5
:
_
2
+
+
_
:
4
+ :
5
:
_
3
=
:
4
+ :
5
:
3
_
3:
2
3:(:
4
+ :
5
) + (:
4
+ :
5
)
2
_
.
(ii) Not am cu 1 evenimentul ca cel de al doilea juc ator s a cstige
cel putin o dat a. Probabilitatea sa se calculeaz a similar si este
1 (1) =
:
1
+ :
4
:
3
_
3:
2
3:(:
1
+ :
4
) + (:
1
+ :
4
)
2
_
.
Dar evenimentele 1si 1 sunt independente pentru c a 1 o (/
1
. /
3
. /
5
)
si 1 o (/
2
. /
4
. /
6
) . Prin urmare avem
1 (1 1) = 1 (1) 1 (1) =
(:
4
+ :
5
) (:
1
+ :
4
)
:
6

_
3:
2
3:(:
4
+ :
5
) + (:
4
+ :
5
)
2
_
_
3:
2
3:(:
1
+ :
4
) + (:
1
+ :
4
)
2
_
.
ceea ce d a rezultatul c autat.
Modelul lui Lebesgue.*
Pentru a se construi un sir innit de variabile aleatoare indepen-
dente cu repartitie dat a se procedeaz a ca n cazul unui num ar nit de
variabile, cu singura deosebire c a trebuie f acut un produs innit de
spatii si de m asuri. Nu vom face acest lucru aici, desi vom avea nevoie
ARABIL
de asa ceva n paragraful despre repartitia geometric a din capitolul
ce urmeaz a. n schimb prezent am acum constructia dat a de Lebesgue
pentru un sir de variabile aleatoare independente, repartizate Bernoulli
cu j =
1
2
.
Pe intervalul [0. 1). consider am multimile
a,I
= [
I
2
n
.
I+1
2
n
). :
N
+
. / = 0. .... 2
a
1. Pentru ecare : xat, familia /
a
= (
a,I
)
2
n
1
I=0
formeaz a o partitie a intervalului [0. 1). Aceste partitii se raneaz a una
pe alta cnd : creste. Mai precis, multimile din partitia de rang : se
mpart n dou a multimi din partitia de rang : + 1. n felul urm ator:
a,I
=
a+1,2I
'
a+1,2I+1
.
Pentru ecare partitie lu am intervalele de ordin impar si functia lor
caracteristic a o not am
A
a
= 1
'
2
n
1
I=0

n,2I+1
=
2
n
1
|=0
1
n,2I+1
.
Este clar c a, notnd cu j m asura Lebesgue, au loc relatiile j(A
a
= 0) =
j(A
a
= 1) =
1
2
. Cu alte cuvinte, toate au repartitia
1
2
o
0
+
1
2
o
1
.
Acumse pune problema de a utiliza spatiul [0. 1) cu m asura Lebesgue
ca un spatiu probabilizat. Pn a acum am evitat notiunile mai avansate
de teoria m asurii, ns a aici trebuie s a apel am la extensia m asurii lungime
dat a de Lebesgue. Mai precis, vom utiliza faptul c a exist a o unic a m a-
sur a o -aditiv a, j. denit a pe E([0. 1)) care coincide cu m asura lungimii
pentru intervale. Astfel ([0. 1). E([0. 1)) . j) poate considerat ca un
spatiu probabilizat.
Propozitia 4.7. Variabilele A
1
. A
2
. ... . construite mai sus pe spa tiul
probabilizat ([0. 1). E([0. 1)) . j) . sunt independente.
Demonstra Tie. Pentru demonstratie, vom ar ata mai nti urm a-
toarea egalitate
A
1
= c
1
. .... A
a
= c
a
= [c. c +
1
2
a
). (+)
unde c
1
. .... c
a
0. 1 si c =

a
i=1
o
.
2
.
. Observ am c a n cazul : = 1.
vericarea egalit atii revine la vericarea egalit atilor A
1
= 0 = [0.
1
2
).
pentru c
1
= 0 sau A
1
= 1 = [
1
2
. 1). pentru c
1
= 1. egalit ati evident
vericate. Prin inductie, presupunnd c a este vericat a egalitatea
A
1
= c
1
. .... A
a1
= c
a1
= [c
t
. c
t
+
1
2
a1
).
unde c
t
=

a1
i=1
o
.
2
.
. dorim s a deducem egalitatea (*). Pentru aceasta
vomscrie num arul anterior sub forma c
t
=
I
2
n1
. unde / =
a1
i=1
c
i
2
a1i
.
Deoarece / _

a1
i=1
2
a1i
= 2
a1
1. rezult a c a putem scrie [c
t
. c
t
+
1
2
n1
) =
a1,I
=
a,2I
'
a,2I+1
. Pe de alt a parte, avem
A
a
= 1 = '
2
n
1
|=0

a,2|+1
. A
a
= 0 = '
2
n
1
|=0

a,2|
.
ceea ce ne permite s a scriem
A
1
= c
1
. .... A
a
= c
a
= [c
t
. c
t
+
1
2
a1
) A
a
= c
a
=
= (
a,2I
'
a,2I+1
)
_
'
2
n
1
|=0

a,2|+1
_
=
a,2I+1
.
dac a c
a
= 1. iar n cazul c
a
= 0.
A
1
= c
1
. .... A
a
= c
a
=
a,2I
.
Dar n cazul c
a
= 1 avem
a,2I+1
= [
2I+1
2
n
.
2I+2
2
n
) = [c. c+
1
2
n
). pentru c a
2I+1
2
n
=
I
2
n1
+
1
2
n
= c
t
+
1
2
n
=
a1
i=1
o
.
2
.
+
1
2
n
= c. La fel, n cazul c
a
= 0
avem
a,2I
= [c. c +
1
2
n
). Cu aceasta am terminat stabilirea egalit atii
(*).
Pentru a stabili independenta variabilelor noastre este sucient s a
scriem
j(A
1
= c
1
. .... A
a
= c
a
) = j
_
[c. c +
1
2
a
)
_
=
1
2
a
=
= j(A
1
= c
1
) ...j(A
a
= c
a
) .
Cu aceasta am ncheiat demonstratia.
Merit a s a not am c a de fapt modelul lui Lebesgue nu difer a n mod
esential de un model de tip produs innit. Pentru a preciza aceast a ar-
matie, s a not am cu 1 =
_
r =
I
2
n
,: N
+
. / = 0. ...2
a
1
_
. multimea
numerelor diadice din intervalul [0. 1). Scrierea diadic a a unui num ar
r [0. 1)1. sub forma r =

o
i=1
o
.
2
n
. cu c
1
. c
2
. ... 0. 1 este unic a.
(Pentru un num ar diadic exist a dou a scrieri de acest fel, amndou a cu
un sir de num ar atori constanti de la un rang ncolo.) Cum multimea
numerelor diadice este num arabil a, ea este neglijabil a pentru m asura
Lebesgue. Rezult a c a ([0. 1)1. E([0. 1)1) . j) este tot un spatiu
probabilizat, iar sirul de variabile construite mai sus (prin restrictie
la [0. 1)1) r amn independente si cu aceeasi repartitie. Denind
= 0. 1
N
si aplicatia : [0. 1)1 prin (r) = (c

1
. c
2
. ...) .
observ am c a imaginea lui . multimea ([0. 1)1) difer a de doar
prin multimea sirurilor constante de la un rang ncolo:
([0. 1)1) = (c
1
. c
2
. ...) ,i N
+
. c
i
= c
i+|
. \| N .
care este o multime num arabil a. Aplicatia este biunivoc a. Not am
cu 1 = j
1
repartitia lui . care este o m asur a pe (. T) . unde
T este o -algebra produs pe . Dac a not am cu 1
a
: 0. 1 apli-
catiile de proiectie pe componente, 1
a
(c
1
. c
2
. ...) = c
a
. putem scrie
T = o (1
a
,: N
+
) . Se poate verica c a are loc egalitatea 1
a
= A
a
.
deci variabilele 1
1
. 1
2
. ... sunt independente si cu aceeasi repartitie ca
variabilele A
1
. A
2
. ... M asura 1 se dovedeste a tocmai m asura pro-
dus

iN
`
i
. unde pe ecare component a a produsului se ia aceeasi
m asur a: `
i
=
1
2
o
0
+
1
2
o
1
.
Constructia lui Lebesgue poate generalizat a pentru a produce o
teorem a de existent a pentru lanturi Markov (vezi teorema 8.1, pag. 112
ARABIL
n cartea lui Billingsley citat a la bibliograe). n particular, se obtin n
acest fel un sir de variabile independente, toate repartizate Bernoulli
cu un parametru j (0. 1) arbitrar.
4. Medie si dispersie
Presupunem c a (. T. 1) este un spatiu probabilizat. n aceast a
sectiune vom discuta despre variabile aleatoare reale de tipul A :
1. cu valori ntr-o multime cel mult num arabil a 1 R. O astfel de
variabil a se scrie si sub forma
A =
a1
r1
A
1
(a)
=

a1
0
r1
A
1
(a)
.
unde 1
t
= A () .
Pentru variabilele cu valori reale se pot face o serie de operatii n
plus fat a de variabilele generale. De exemplu se pot efectua operatiile
aritmetice obisnuite. Dac a avem dou a variabile A : 1. 1 : 1.
unde 1 si 1 sunt multimi cel mult num arabile de numere reale, iar
c. / R. atunci putem construi aplicatia sum a
2 = cA + /1 : G.
denit a prin 2 (.) = cA (.) + /1 (.) . cu valori n multimea cel mult
num arabil a de numere reale G = cr + /,r 1. 1 . n mod si-
milar se denesc produsul A1 si, n cazul n care 0 , 1. ctul A,1.
care sunt tot cu multimea valorilor num arabil a.
O operatie important a, specic a cazului real, este calcularea mediei.
Denitia 4.3. Fie A : 1. o variabila cu valori ntr-o mul time
cel mult numarabila astfel ca A () = 1 R. Vom spune ca A admite
medie, daca familia de numere (r1 (A
1
(r)))
a1
este absolut suma-
bila. n caz ca este ndeplinita aceasta condi tie, se spune ca suma
1A =
a1
r1
_
A
1
(r)
_
reprezinta media variabilei A.
Media unei variabile aleatoare mai este numit a si valoarea medie
sau, de asemenea, acelei variabile, datorit a semnicatiei pe care o are
n cazul diverselor modele probabiliste concrete. Termenul n limba
englez a este expectation, iar n limba francez a esprance. Semnul
1 este preluat din literatura international a. n literatura romn a este
utilizat de asemenea semnul `. ce reprezint a initiala cuvntului medie.
Notiunea aceasta este de fapt integrala din teoria m asurii. O variabil a
aleatoare cu valori reale este o functie real a m asurabil a si media nu
este altceva dect integrala acestei functii. Notatia utilizat a n teoria
m asurii este variat a:
1A =
_
Ad1 =
_
A (.) 1 (d.) =
_
A (.) d1 (.) .
4. MEDIE SI DISPERSIE 89
Faptul c a o variabil a admite medie este tot una cu faptul c a ea este
integrabila.
Dac a variabila A are repartitia descris a de un tablou
1
A
=
_
c
1
c
2
... c
a
j
1
j
2
j
a
_
.
unde c
1
. .... c
a
R. sunt toate valorile pe care le ia, atunci media apare
scris a ca produsul scalar al celor doi vectori linie 1A = c
1
j
1
+...+c
a
j
a
.
Dac a variabila se reduce la o functie caracteristic a, 1
. T.
atunci avem 11
= 1 () . Observ am c a orice variabil a m arginit a ad-

mite medie. Dac a [A[ _ 1. atunci 1A _ 1.
Exemplul 1.
Presupunem c a se arunc a o moned a de 3 ori. Not am cu A num arul
de steme obtinute n urma experimentului. Aceasta este o variabil a
aleatoare, iar media sa ne d a num arul mediu de steme care astept am s a
apar a. Prin repetarea experimentului de un num ar mare de ori se poate
observa c a aceasta este media numerelor de steme obtinute la ecare
experiment. (Vezi si legea numerelor mari de la sfrsitul sectiunii.)
Model am experimentul pe spatiul = 0. 1
3
cu probabilitatea
sanselor egale 1 ((r
1
. r
2
. r
3
)) =
1
8
. pentru orice punct (r
1
. r
2
. r
3
)
. Dac a stema este consemnat a prin 0. iar 1 corespunde la fata cu cifra,
pentru (r
1
. r
2
. r
3
) . variabila A se exprim a prin A = 3r
1
r
2
r
3
.
Avem 1 (A = 0) =
1
8
. 1 (A = 1) =
3
8
. 1 (A = 2) =
3
8
. 1 (A = 3) =
1
8
.
Rezult a c a
1A =
3
8
+ 2
3
8
+ 3
1
8
=
3
2
.
Exemplul 2.
Un model simplist privind abilitatea unui produs este urm atorul.
Presupunem c a un esantion de 1000 de becurile produse de o fabric a
se testeaz a ind puse s a functioneze nentrerupt n conditii de usoar a
suprasarcin a, obtinndu-se urm atoarele rezultate: 10 din becuri se de-
fecteaz a n prima s apt amn a de functionare, 21 cedeaz a n cursul celei
de a doua s apt amni, 52 n cursul celei de a treia, 90 n cursul celei de
a patra s apt amni, 153 n cea de a cincea, 207 n cea de a sasea, 252
n a saptea, 147 n a opta, 49 n a noua, 19 n a zecea.
Modelul probabilist al abilit atii becurilor este deci constituit n
acest caz de spatiul = 1. .... 1000 . ce reprezint a becurile supuse ex-
perimentului, presupuse numerotate. Probabilitatea care se introduce
pe acest spatiu este, binenteles, 1 (i) =
1
1000
. Se deneste o variabil a
aleatoare 1 : N. punnd 1 (i) s a e num arul de s apt amni ntregi
de functionare a becului cu num arul i. Astfel multimea
i
= 1
1
(i)
este multimea becurilor ce s-au defectat n cursul s apt amnii i + 1.
Variabila 1 reprezint a timpul de functionare al unui bec, m asurat n
ARABIL
s apt amni si rotunjit la partea ntreag a. Avem urm atoarele probabil-
it ati
1 (
0
) =
10
1000
. 1 (
1
) =
21
1000
. 1 (
2
) =
52
1000
. 1 (
3
) =
90
1000
.
1 (
4
) =
153
1000
. 1 (
5
) =
207
1000
. 1 (
6
) =
252
1000
.
1 (
7
) =
147
1000
. 1 (
8
) =
49
1000
. 1 (
9
) =
19
1000
.
Speranta de viat a sau durata medie de functionare a unui bec aste
exprimat a de media variabilei 1 :
11 = 0
10
1000
+
21
1000
+ 2
52
1000
+ 3
90
1000
+ 4
153
1000
+ 5
207
1000
+ 6
252
1000
+
+7
147
1000
+ 8
49
1000
+ 9
19
1000
= 5. 146.
Rezult a c a ne astept am ca un bec arbitrar s a functioneze 5 s apt amni,
n conditii de usoar a suprasolicitare.
Exemplul 3.
Un juc ator la curse de c al arie pariaz a pe caii A,B,C, respectiv
sumele 30. 10. 15 euro. El apreciaz a c a sansele de a iesi nving atori sunt
urm atoarele: 70% pentru A, 10% pentru B si 20% pentru C. nainte
de nceperea cursei, juc atorul stia c a suma pariat a pe A va produce un
cstig cu coecientul 2 n cazul c a acesta va cstiga, suma pariat a pe B
va produce un cstig cu coecientul 7. 4 n cazul c a va iesi nving ator,
iar suma pariat a pe C va aduce un cstig cu coecientul 4. 5 n cazul
c a acest cal va cstiga cursa.
Modelul probabilist pentru acest juc ator este = . 1. C . core-
spunz ator celor trei cai ce sunt considerati ca posibili cstig atori. Pro-
babilitatea este denit a prin 1 () = 0. 7; 1 (1) = 0. 1; 1 (C) = 0. 2.
Not am cu A variabila aleatoare ce reprezint a cstigurile posibile pen-
tru juc ator: A () = 30 2 = 60. A (1) = 10 7. 4 = 74. A (C) =
15 4. 5 = 67. 5. Speranta de cstig, sau cstigul mediu asteptat de
juc ator este exprimat a de media variabilei:
1A = 60 0. 7 + 74 0. 1 + 67. 5 0. 2 = 62. 9.
Deci juc atorul joac a suma de 55 euro si, pe baza estim arilor sale, se
asteapt a s a cstige 62. 9.
Vom examina n continuare cteva din principalele propriet ati ale
valorii medii. Pentru aceasta este convenabil s a schimb am un pic no-
tatia n exprimarea variabilelor presupunnd c a ele au forma
A =
i1
c
i
1
.
. (+)
unde (
i
)
i1
este o partitie cel mult num arabil a a lui cu elemente
din T. iar (c
i
)
i1
este o familie de numere reale. Desigur c a scrierea
anterioar a
A =
a1
r1
A
1
(a)
.
unde 1 = A () . este de acelasi tip, pentru c a / = (A
1
(c))
c1
este
o partitie. Dar n exprimarea (*) nu cerem ca
i
= A
1
(c
i
) . asfel
c a pot exista valori r R pentru care multimea i 1,c
i
= r s a
contin a mai multi indici diferiti. Deci partitia (
i
)
i1
este mai n a
dect /. Scrierea unei variabile sub o astfel de form a nu este unic a, n
general. Pe de alt a parte, tinnd cont si de conventia f acut a cum c a
atomii partitiilor trebuie s a e nevizi, rezult a c a multimea valorilor are
descrierea
1 = A () = c
i
,i 1 .
n acest caz media variabilei se calculeaz a dup a formula dat a de lema
care urmeaz a.
Lema 4.9. Presupunem ca variabila A se exprima sub forma (*) de
mai sus. Atunci A admite medie daca si numai daca familia (c
i
1 (
i
))
i1
este absolut sumabila si are loc formula
1A =
i1
c
i
1 (
i
) .
Demonstra Tie. Pentru ecare valoare a variabilei r 1 not am
1
a
= i 1,c = r . astfel c a avem A
1
(r) =

i1
i

i
si obtinem
o partitie a multimii de indici: 1 =

a1
1
a
. Rezult a c a putem face
calculul urm ator f ar a probleme n cazul n care 1 este nit a:
1A =

a1
r1
_
A
1
(r)
_
=
a1
r
i1
i
1 (
i
) =
a1
c
i
i1
i
1 (
i
) =
=

i1
c
i
1 (
i
) .
Armatia privind absolut sumabilitatea si justicarea formulei n cazul
general se deduce recurgnd la lema 4.3.
nsir am acum principalele propriet ati ale mediei.
1. Dac a A este o variabil a ce admite medie si A _ 0. atunci
1A _ 0.
2. Variabila A : 1 R admite medie, dac a si numai dac a
[A[ admite medie. n plus are loc inegalitatea 1A _ 1 [A[ .
3. Dac a variabila A admite medie, atunci, pentru orice c R.
variabila cA admite de asemenea medie si are loc relatia 1 (cA) =
c1A.
4. Dac a A. 1 sunt dou a variabile care admit medie, atunci A +
1 este o variabil a care admite de asemenea medie si are loc formula
1 (A + 1 ) = 1A + 11.
Pentru vericarea acestei propriet ati pornim cu cele dou a variabile
exprimate cu partitii sub forma A =

i1
c
i
1
.
. 1 =

)J
/
)
1
1
.
Punnd C
i)
=
i
1
)
. si
1 = (i. ,) 1 J,C
i)
,= O .
ARABIL
am obtinut o nou a partitie, (C
i)
)
(i,))1
. n raport cu care putem scrie
i
0
=
_
),(i
0
,))1
C
i
0
)
. 1
)
0
=
_
i,(i,)
0
)1
C
i)
0
.
pentru orice i
0
1 si orice ,
0
J. (Este vorba de fapt de partitia
asociat a oalgebrei generate de partitiile (
i
)
i1
si (1
)
)
)J
.) Asa c a
putem scrie
A =

(i,))1
c
i
1
Ci)
. 1 =

(i,))1
/
)
1
Ci)
.
A + 1 =

(i,))1
(c
i
+ /
)
) 1
Ci)
.
Prin aplicarea lemei anterioare se obtine imediat
1 (A + 1 ) =

(i,))1
(c
i
+ /
)
) 1 (C
i)
) =
=

(i,))1
c
i
1 (C
i)
) +

(i,))1
/
)
1 (C
i)
) = 1A + 11.
5. Rezult a prin inductie c a dac a A
1
. .... A
a
sunt variabile aleatoare
ce admit medie, atunci orice sum a de tipul c
1
A
1
+ ... + c
a
A
a
. cu
c
1
. .... c
a
R. admite de asemenea medie si are loc formula
1 (c
1
A
1
+ ... + c
a
A
a
) = c
1
1A
1
+ ... + c
a
1A
a
.
6. Dac a A. 2 sunt dou a variabile aleatoare astfel c a 2 este inte-
grabil a si are loc inegalitatea [A[ _ 2. atunci si A este integrabil a si
1A _ 1 [A[ _ 12.
Pentru vericare, presupunem mai nti c a A _ 0. Atunci pornim
cu exprimarea lui A cu o partitie sub forma
A =
i1
c
i
1
.
.
Not am 1 = 2 A. care este o variabil a nenegativ a, conform ipotezei.
Ea se poate exprima cu o partitie sub forma 1 =

)J
/
)
1
1
. Vom
avea A + 1 = 2. Relu am notatia de la punctul 4. de mai sus pentru
partitia (C
i)
)
(i,))1
. n raport cu care scriem
A =

(i,))1
c
i
1
Ci)
. 1 =

(i,))1
/
)
1
Ci)
. 2 =

(i,))1
(c
i
+ /
)
) 1
Ci)
.
Numerele c
i
si /
)
sunt toate nenegative, deoarece variabilele respec-
tive sunt nenegative. Prin urmare, avem c
i
1 (C
i)
) _ (c
i
+ /
)
) 1 (C
i)
) .
pentru orice (i. ,) 1. Rezult a c a A admite medie si 1A _ 12.
Pentru a trata cazul general, observ am c a se poate utiliza cazul
anterior pentru [A[ . ceea ce conduce la concluzia c a [A[ admite medie si
1 [A[ _ 12. Tinnd cont de punctul 2. de mai sus se obtine concluzia
dorit a.
Alte propriet ati legate de medie le prezent am mai jos sub forma
unor enunturi de leme.
Fie A o variabil a cu proprietatea c a A
2
are medie. Atunci media
1 (A
2
) este numit a media patratica sau momentul de ordinul doi al
variabilei.
Lema 4.10. (Inegalitatea lui Schwartz) Daca A. 1 sunt variabile
care admit momente de ordinul doi, atunci produsul A1 admite medie
si are loc inegalitatea
1 (A1 ) _
_
1 (A
2
)
_
1 (1
2
)
Demonstra Tie. Vom porni cu observatia c a variabila A1 admite
medie, datorit a inegalit atii [A1 [ _
1
2
(A
2
+ 1
2
) si a punctului 6. de
mai sus. Rezult a c a A + `1 admite moment de ordinul doi pentru
orice num ar real ` R. Rezult a
1 (A + `1 )
2
_ 0.
inegalitate care se scrie
1A
2
+ 2`1 (A1 ) + `
2
11
2
_ 0.
Privim acum expresia din stnga ca pe un polinom de ordinul doi n `
cu coecienti 11
2
. 1A
2
. 21 (A1 ) . Punnd conditia ca discriminantul
s a e negativ -conditia care asigur a semnul constant al polinomului
-avem
[1 (A1 )]
2
_
1A
2
_
(11 )
2
_ 0.
care este tocmai inegalitatea dorit a.
Inegalitatea aceasta poate privit a ca o generalizare a inegalit atii
Cauchy -Buniakovschi :
i1
c
i
/
i
_
_
i1
c
2
i
_
i1
/
2
i
.
ce am ntlnit-o pentru familii nite (c
i
)
i1
. (/
i
)
i1
de numere reale.
Lund 1 = 1 n lem a se deduce c a dac a o variabil a admite medie
p atratic a, atunci admite medie si are loc inegalitatea 1A _
_
1 (A
2
).
Lema 4.11. Daca A si 1 sunt doua variabile independente, astfel
ca att A ct si 1 admit medie, atunci produsul A1 admite medie si
ea se calculeaza dupa formula 1 (A1 ) = (1A) (11 ) .
Demonstra Tie. Pentru demonstratie pornim cu notatiile
A =
i1
c
i
1
.
. 1 =
)J
/
)
1
1
si cu partitia (C
i)
)
(i,))1
introduse la punctul 4., ns a vom alege partitiile
s a e astfel ca
i
= A
1
(c
i
) . pentru orice i 1 si 1
)
= 1
1
(/
)
) .
ARABIL
pentru orice , J. Atunci produsul variabilelor se exprim a sub forma
A1 =

(i,))1
c
i
/
)
1
C
.
.
S a veric am absolut integrabilitatea familiei de numere (c
i
/
)
1 (C
i)
))
(i,))1
.
Fie o multime nit a ` 1. Putem g asi dou a multimi nite `
1
1
si `
2
J astfel nct ` `
1
`
2
. Atunci putem scrie
(i,))A
[c
i
/
)
[ 1 (C
i)
) _

(i,))A
1
A
2
[c
i
/
)
[ 1 (C
i)
) =
=

iA
1
)A
2
[c
i
/
)
[ 1 (C
i)
) =

iA
1
)A
2
[c
i
[ [/
)
[ 1 (
i
1
)
) =
=

iA
1
)A
2
[c
i
[ [/
)
[ 1 (
i
) 1 (1
)
) =
=
_
iA
1
[c
i
[ 1 (
i
)
__
)A
2
[/
)
[ 1 (1
)
)
_
_ (1 [A[) (1 [1 [) .
Am utilizat mai sus relatia 1 (C
i)
) = 1 (
i
1
)
) = 1 (
i
) 1 (1
)
) .
care exprim a independenta variabilelor. Rezult a c a A1 admite medie
si media sa este calculat a prin:
1 (A1 ) =

(i,))1
c
i
/
)
1 (C
i)
) =

(i,))1J
c
i
/
)
1 (C
i)
) =
=
_
i1
c
i
1 (
i
)
__
)J
/
)
1 (1
)
)
_
= (1A) (11 ) .
Acest ultim calcul este evident n cazul n care multimile valorilor sunt
nite, adic a 1. J nite. n cazul general trebuie f acut a o trecere la
limit a, pe care o l as am cititorului.
Integrala discret a ca medie
Fie 1 o multime cel mult num arabil a pe care avem o m asur a de
probabilitate j =
c1
j
c
o
c
. Tripletul (1. T (1) . j) l privim ca pe un
spatiu probabilizat. Orice functie real a , : 1 R poate considerat a
drept variabil a aleatoare. Notnd imaginea sa prin 1 = , (1) putem
exprima media sa ca o integral a
1, =

o1
cj
_
,
1
(c)
_
=
o1
c

c)
1
(o)
j
c
=
o1
, (c)

c)
1
(o)
j
c
=
=

c1
, (c) j
c
=
_
1
,dj.
Putem aplica rezultatele anterioare n acest cadru. Spre exemplu,
dac a avem dou a functii, ,. q. astfel c a ,
2
si q
2
sunt integrabile, atunci
deducem c a produsul este integrabil si putem scrie inegalitatea lui
Schwartz,
_
,qdj _
_
_
,
2
dj
_
_
q
2
dj.
n cazul n care j este repartitia unei variabile aleatoare putem
exprima media variabilei n termeni de integral a n raport cu j. Mai
general, este adev arat urm atorul rezultat.
Lema 4.12. Fie A : 1 o variabila aleatoare cu valori n
mul timea cel mult numarabila 1. iar , : 1 1 o func tie arbitrara.
Atunci variabila cu valori reale 1 = , (A) admite medie daca si numai
daca , este integrabila n raport cu reparti tia 1
A
. n plus, daca este
ndeplinita una din aceste condi tii, atunci are loc rela tia
11 =
_
,d1
A
.
Demonstra Tie. Vom presupune c a 1 = A () si not am 1 =
, (1) . astfel c a vom avea 1 () = 1. Functia , poate scris a sub
forma , =
c1
, (c) 1
c
. astfel c a variabila 1 se scrie
1 = , A =
c1
, (c) 1
c
A =
c1
, (c) 1
A
1
(c)
.
unde am utilizat faptul c a 1
c
A = 1
A
1
(c)
. Suntem n m asur a s a
aplic am lema 4.9 variabilei 1 exprimate prin partitia asociat a lui A.
Integrabilitatea lui 1 este acelasi lucru cu sumabilitatea absolut a a
seriei

c1
, (c) 1 (A
1
(c)) si
11 =
c1
, (c) 1
_
A
1
(c)
_
.
Dar itegrabilitatea lui , revine la acelasi lucru:
_
,d1
A
=
c1
, (c) 1
A
(c) =
c1
, (c) 1
_
A
1
(c)
_
.
ceea ce ncheie demonstratia.
Media si media p atratic a ale unei variabilei aleatoare se pot exprima
n functie de repartitia sa astfel
1A =
_
r1
A
(dr) . 1
_
A
2
_
=
_
r
2
1
A
(dr) .
Aceste relatii rezult a prin aplicarea lemei anterioare functiilor reale
, (r) = r si , (r) = r
2
.
Dispersia
Pentru a distinge ntre ele variabilele aleatoare, se denesc diversi
parametri care exprim a sau m asoar a diverse propriet ati ale acestora.
Un astfel de parametru este media unei variabile aleatoare. O alt a
m arime important a asociat a unei varibile este dispersia sa. Dispersia
ARABIL
este denit a pentru variabile aleatoare (reale) care admit momente de
ordinul doi. Num arul 1
2
A := 1 (A
2
) (1A)
2
este numit dispersia
variabilei.
Tinnd cont de relatiile de mai sus rezult a c a dispersia se exprim a
prin
1
2
A =
_
r
2
1
A
(dr)
__
r1
A
(dr)
_
2
.
n particular, dac a dou a variabile au aceeasi repartitie, atunci ele au
aceeasi medie, acelasi moment de ordin doi si aceeasi dispersie.
Dispersia se exprim a si sub forma 1
2
A = 1 (A 1A)
2
. ntr-
adev ar, dac a not am media cu : = 1A. atunci avem
1 (A :)
2
= 1 (A
2
2:A + :
2
) =
= 1 (A
2
) 2:1A + :
2
= 1 (A
2
) :
2
.
De fapt aceast a a doua expresie a dispersiei pune n evident a in-
teresul notiunii. Dispersia este media p atratului diferentei A 1A.
Este clar c a pentru o variabil a constant a A = c. avem 1
2
A = 0.
Num arul 1A :=
_
1
2
A se numeste devia tia standard a variabilei
sau abaterea medie patratica. Dispersia ca si deviatia standard m asoar a
ct de mpr astiate sunt valorile variabilei fat a de media 1A. Deviatia
standard este mai intuitiv a din acest punct de vedere pentru c a este
de acelasi ordin de m arime cu variabila A. Adic a, dac a nmultim pe
A cu o constant a pozitiv a, c. vom avea 1
2
(cA) = c
2
1
2
A. pe cnd
1(cA) = c1A.
Desigur c a o alt a m arime care m asoar a aceeasi mpr astiere este
si 1 [A 1A[ . Aceasta ns a este mai putin convenabil a pentru ma-
nipulare numeric a. De exemplu, se comport a mai greoi n raport cu
adunarea variabilelor aleatoare. Media p atratic a este legat a de norma
p atratic a care face din spatiul variabilelor de p atrat integrabile, 1
2
.
un spatiu Hilbert si acesta are propriet ati speciale. Media 1 [A[ este
legat a de spatiul 1
1
. care este mai dicil de abordat n privinta cal-
culelor. n lema de mai jos apare unul din avantajele ce le are calculul
n 1
2
.
Lema 4.13. Daca A
1
. .... A
a
sunt variabile aleatoare independente,
de patrat integrabile, atunci dispersia sumei are expresia
1
2
(A
1
+ ... + A
a
) = 1
2
A
1
+ ... + 1
2
A
a
.
Demonstra Tie. Pentru vericarea formulei vomnota :
i
= 1A
i
. i =
1. .... :. Avem
1 (A
1
+ ... + A
a
)
2
= 1A
2
1
+ ... + 1A
2
a
+ 2
i<)
:
i
:
)
.
(1A
1
+ ... + 1A
a
)
2
= :
2
1
+ ... + :
2
a
+ 2
i<)
:
i
:
)
.
5. LEGEA NUMERELOR MARI 97
Prin sc aderea acestor relatii se obtine expresia dispersiei sumei.
Se obisnuieste utilizarea urm atoarei notatii prescurtate
1 (A _ c. 1 _ /) := 1 (. ,A (.) _ c. 1 (.) _ /)
pentru multimi determinate de variabile aleatoare cu valori reale. Si
exist a o mare varietate de notatii de acelasi tip. n enuntul de mai jos
utiliz am aceast a notatie. Urm atoarea inegalitate desi elementar a are
numeroase aplicatii.
Lema 4.14. (Ceb sev -Bienaym) Daca variabila A admite mo-
ment de ordinul doi, atunci are loc inegalitatea
1 ([A :[ _ c) _
1
c
2
1
2
A.
unde c 0 este o constanta arbitrara si : = 1A.
Demonstra Tie. Se porneste de la observatia c a are loc egalitatea
de multimi
[A :[ _ c =
_
(A :)
2
_ c
2
_
.
care conduce la urm atoarea inegalitate ntre variabile aleatoare
c
2
1
[An[c
_ (A :)
2
.
Atunci mediile celor dou a variabile vor satisface inegalitatea
c
2
11
[An[c
_ 1 (A :)
2
.
Tinnd cont c a 11
[An[c
= 1 ([A :[ _ c) se deduce inegalitate
c
2
1 ([A :[ _ c) _ 1 (A :)
2
. care este tocmai inegalitatea din
enunt.
5. Legea numerelor mari
n continuare ne vom referi la un spatiu probabilizat pe care exist a
un sir innit de variabile aleatoare independente cu anumite caracter-
istici date. Preciz am c a independenta unui sir de variabile nseamn a
c a ecare num ar nit dintre elementele sirului sunt independente ntre
ele. La fel pentru un sir de evenimente, independenta sirului are sensul
de independent a a ec arui num ar nit dintre elementele sirului.
Numim schema a lui Bernoulli un spatiu probabilizat (. T. 1)
pe care exist a un sir
1
.
2
. ... de evenimente independente cu aceeasi
probabilitate 1 (
I
) = j (0. 1) . pentru orice / = 1. 2. ...
[Putem de exemplu s a gndim c a se modeleaz a o serie de arunc ari
cu zarul n care
i
reprezint a evenimentul de a iesi valoarea 6 la cea de a
ia aruncare. ntr-un astfel de caz este normal ca s a presupunem aceste
evenimente independente, iar 1 (
i
) =
1
6
. Dac a ecare aruncare s-ar
executa cu dou a zaruri, iar
i
ar corespunde realiz arii evenimentului c a
zarurile au ambele 6, atunci ar trebui s a consider am j = 1 (
i
) =
1
36
.]
Se numeste reparti tie Bernoulli m asura j = jo
1
+ (1 j) o
0
. su-
portat a de multimea cu dou a puncte 0. 1 . unde j (0. 1) este un
ARABIL
parametru. Dac a un eveniment . pe un spatiu probabilizat (. T. 1)
are probabilitatea 1 () = j (0. 1) . atunci variabila aleatoare 1
va avea repartitia lui Bernoulli cu parametrul j. S a observ am c a pen-

tru o multime dat a, . o-algebra generat a de ea coincide cu o-algebra
generat a de variabila canonic asociat a, 1
. adic a
o () = o (1
) = .
c
. . O .
Rezult a c a mai multe evenimente,
1
. ....
a
. sunt independente dac a si
numai dac a variabilele asociate, 1
1
. .... 1
n
. sunt independente. Atunci
deducem c a schema lui Bernoulli este tot una cu un spatiu probabilizat
pe care avem un sir de variabile aleatoare independente A
1
. A
2
. ... toate
avnd repartitia Bernoulli cu acelasi parametru.
Reamintim c a n propozi tia 4.4 am construit un num ar nit de vari-
abile aleatoare independente cu repartitii date, pe un spatiu produs.
Ca un caz particular, ind dat j (0. 1) . consider am pe 1 = 0. 1
repartitia lui Bernoulli j = jo
1
+ (1 j) o
0
si apoi facem produsul
= 1
a
. pe care denim m asura produs 1 = j
...
j. Atunci vari-
abilele de proiectie A
i
: 1. i = 1. .... :. sunt independente, identic
repartizate, cu repartitia j. si multimile
i
= A
1
i
(1) = 1 ... 1 ... 1. i = 1. .... :.
sunt independente si au aceeasi probabilitate 1 (
i
) = j. Pentru a
obtine un sir ar trebui f acut un produs innit, dar produsul innit
de m asuri nu va abordat n acest curs. n cazul j =
1
2
am prezentat
constructia lui Lebesgue, care asigur a existenta schemei lui Bernoulli
de parametru j =
1
2
.
S a observ am c a pentru a studia probabilistic perioadele de con-
stant a ale seriilor de arunc ari cu moneda avem nevoie de schema lui
Bernoulli, innit a. Pe un model nit, de exemplu, avem o restrictie
apriori pentru num arul de rezultate identice consecutive. Chiar dac a
probabilitatea de a se obtine secvente lungi de rezultate identice con-
secutive este mic a, ea nu este zero si avem nevoie de un model in-
nit pe care s a apar a posibilitatea unor astfel de secvente de orice
lungime. Vezi sectiunile despre Reparti tia geometrica si despre Arun-
carea repetata cu banul.
Armatia (iii) din propozitia care urmeaz a se numeste legea slaba
a numerelor mari. Ea d a un sens ideii c a media unei variabile este
tocmai valoarea pe care o obtinem prin repetarea experimentului prob-
abilist care este modelat de variabil a, n conditii identice si f ar a nici o
conditionare. n acelasi sens se interpreteaz a si relatia de la punctul
(i). ns a din punct de vedere practic, inegalitatea (ii) este cea mai util a
pentru c a ne estimeaz a o probabilitate. Aceast a inegalitate este adesea
numit a tot inegalitatea Ceb sev (Pafnuti Lvovici, matematician rus,
1821 - 1894). De obicei, n exemple concrete, interesul este de a ar ata
c a probabilitatea de la (ii) este mic a.
5. LEGEA NUMERELOR MARI 99
1
. A
2
. ... un sir de variabile aleatoare inde-
pendente cu aceea si medie si devia tie standard: : = 1A
i
. o = 1A
i
.
Notnd o
a
= A
1
+ ... + A
a
. atunci au loc urmatoarele rela tii:
(i) lim
ao
1
_
1
a
o
a
:
_
2
= 0.
(ii) 1
_
1
a
o
a
:
_
_
_
o
2
a.
2
. pentru orice 0.
(iii) lim
ao
1
_
1
a
o
a
:
_
_
= 0. pentru orice 0.
Demonstra Tie. (i) Media variabilei o
a
este 1o
a
= ::. Tinem
cont de independenta variabilelor si calcul am
1
_
1
:
o
a
:
_
2
=
1
:
2
1 (o
a
::)
2
=
1
:
2
1
2
(o
a
) =
1
:
2
:o
2
=
o
2
:
.
care evident tinde la zero.
(ii) Variabila
1
a
o
a
are media : si dispersia, calculat a mai sus,
o
2
a
.
Inegalitatea de demonstrat se obtine direct din aplicarea inegalit atii
Cebsev -Bienaym pentru aceast a variabil a.
(iii) Relatia rezult a direct din punctul (ii). Propozitia este demon-
strat a.
Relatia de la punctul (iii) exprim a convergen ta n probabilitate
a sirului de variabile aleatoare
_
1
a
o
a
_
aN
c atre :. Un caz particular

este formulat n urm atorul corolar, cunoscut sub numele de legea slaba
a numerelor mari, rezultat stabilit de Jacob Bernoulli (1654 -1705). La
vremea respectiv a nc a nu exista teoria m asurii, iar demonstratia orig-
inal a este foarte lung a. Variabila
1
a
o
a
reprezint a frecventa de aparitie
a evenimentului caracteristic unui experiment ntr-o serie de : real-
iz ari independente ale experimentului. Formulat ntr-o fraz a, se poate
spune: frecventa de aparitie a unui eveniment ntr-un sir de experi-
mente identice si independente converge n probabilitate la probabili-
tatea evenimentului.
Corolarul 4.1. Fie (
a
)
aN
un sir de evenimente independente

cu aceea si probabilitate 1 (
a
) = j. Atunci variabila o
a
= 1
1
+...+1
n
satisface rela tia
lim
ao
1
_
1
:
o
a
j
_
_
= 0.
pentru orice c 0.
Un rezultat mult mai puternic este enuntat n teorema de mai jos,
cunoscut a sub numele de legea tare a numerelor mari. Demonstratia
este dicil a si nu o vom prezenta.
Teorema 4.2. Fie (. T. 1) un spa tiu probabilizat pe care sunt
date variabilele A
1
. A
2
. ... independente, identic repartizate, cu media
1A
1
= :. Atunci are loc rela tia
lim
ao
1
:
(A
1
+ ... + A
a
) = :. c.:.
ARABIL
Relatia din enuntul teoremei are loc aproape sigur, adic a cu exceptia
unei multimi de probabilitate zero.
6. Exercitii
Exercitiul 4.1. Fie , : 1 o aplica tie de la o mul time arbitrara
cu valori ntr-o mul time cel mult numarabila 1. Notam cu o (,) cea
mai mica oalgebra pe care face din , o aplica tie masurabila, cnd
pe 1 se considera oalgebra T (1) . a par tilor lui 1. Sa se arate ca o
func tie q : R este masurabila fa ta de o (,) daca si numai daca
exista o func tie / : 1 R. astfel nct q = / ,.
Exercitiul 4.2. * Daca 1 este o mul time cu cel pu tin doua ele-
mente, atunci mul timea = 1
N
este nenumarabila.
Exercitiul 4.3. Se considera trei urne cu bile albe si negre dupa
cum urmeaza: prima urna are 3 bile albe si 3 negre, a doua are 2 bile
albe si 3 negre, iar a treia 4 albe si 2 negre. Se extrage cte o bila din
ecare urna, bila extrasa ind imediat pusa la loc. Daca se efectueaza
opera tia de trei ori la rnd, care este probabilitatea de a se ob tine de
doua ori cte o bila alba si doua negre, si o data doua bile albe si una
neagra?
Exercitiul 4.4. * Fie o mul time si | =
1
. ....
a
o familie
nita de par ti. Daca c
1
. .... c
a
R. notam , = c
1
1
1
+ ... + c
a
1
n
.
care este o func tie cu valori reale. (i) Sa se arate ca , este constanta
pe ecare atom al parti tiei
_
A
_
A
asociate familiei | (vezi lema 3.6).
(ii) Daca ( este o algebra de par ti astfel ca toate aplica tiile de tipul lui
, sunt masurabile fa ta de ea, atunci c (|) (.
Pentru urm atoarele patru exercitii presupunem c a 1 este o multime
cel mult num arabil a iar j este o m asur a de probabilitate pe 1.
Exercitiul 4.5. Daca G 1 este o submul time arbitrara, sa se
arate ca, pentru ecare 0. exista o mul time nita 1 G cu pro-
prietatea ca j(G1) < .
Exercitiul 4.6. Presupunem ca , _ 0 este o func tie integrabila si
q este o alta func tie astfel ca [q[ _ ,. Sa se arate ca atunci si q este
integrabila.
Exercitiul 4.7. * Sa se arate ca daca (,
a
)
aN
este un sir crescator
de func tii pozitive, integrabile si sup
aN
_
,
a
dj < . atunci func tia
, = lim
aN
,
a
este integrabila si
_
,dj = lim
_
,
a
dj.
Exercitiul 4.8. * Fie (,
a
)
aN
un sir de func tii care are limita
punctuala ,. Presupunem ca exista o func tie integrabila q _ 0 astfel ca
[,
a
[ _ q. pentru orice : N. Sa se arate ca atunci , este integrabila
si ca are loc rela tia
_
,dj = lim
_
,
a
dj.
6. EXERCI TII 101
Exercitiul 4.9. * Fie 1 o mul time cel mult numarabila si (j
c
)
c1

R o familie absolut sumabila de numere reale. Sa se arate ca exista o
unica aplica tie j : T (1) R astfel nct pentru orice sir descrescator
(
a
)
aN
T (1) cu intersec tia vida (
a+1

a
. \: N.

aN
a
=
O ) sa aiba loc rela tia lim
ao
j(
a
) = 0 si astfel nct j(c) = j
c
.
pentru orice c 1. Spunem ca j este o masura nita pe 1. Sa se
calculeze numerele
sup j() , 1 . inf j() , 1 .
[j[ = sup
__
,dj, , : 1 1. [,[ _ 1
_
.
Exercitiul 4.10. Fie 1
1
. 1
2
. 1
3
trei mul timi cel mult numarabile
si j
1
. j
2
. j
3
masuri de probabilitate denite pe ele. Identicnd spa tiile
produs (1
1
1
2
) 1
3
~
= 1
1
(1
2
1
3
)
~
= 1
1
1
2
1
3
sa se arate ca
are loc egalitatea (j
1
j
2
)
j
3
= j
1
(j
2
j
3
) = j
1
j
2
j
3
.
Exercitiul 4.11. * Fie (1
i
)
i1
o familie nita de mul timi cel mult
numarabile. Presupunem ca mul timea 1 este parti tionata sub forma
1 = '
)J
1
)
. unde mul timile din parti tie sunt indexate astfel nct 1
)

1
|
= O. daca , ,= |. Notam 1
)
=

i1
1
i
si j
)
=

i1
j
i
. Sa se
arate ca
i1
1
i
este izomorf cu
)J
1
)
si sub acest izomorsm avem
i1
j
i
=
)J
j
)
.
Exercitiul 4.12. Fiind date numerele j
1
. .... j
a
(0. 1) . sa se con-
struiasca un spa tiu probabilizat pe care exista evenimentele
1
. ....
a
.
independente si cu probabilita tile 1 (
1
) = j
1
. .... 1 (
a
) = j
a
.
Exercitiul 4.13. Fie : _ 2. Presupunem ca dintr-o urna cu :
bile se fac doua extrageri fara revenire. Fie A
1
variabila aleatoare care
arata rezultatul primei extrageri si A
2
variabila care arata rezultatul
celei de a doua extrageri. (i) Sa se arate ca cele doua variabile au
aceea si reparti tie. (ii) Ele nu sunt independente.
Exercitiul 4.14. * Fie (. T. 1) un spa tiu probabilizat si /
1
=
(
1,i
)
i1
1
, /
2
= (
1,i
)
i1
2
doua parti tii. Denim variabilele aleatoare
A
I
: 1
I
prin A
I
(.) = i. daca .
i
. unde / = 1. 2. Sa se
verice ca parti tiile /
1
si /
2
sunt independente daca si numai daca
1
A
1
1
A
2
= 1
Z
. unde 2 : 1
1
1
2
este aplica tia denita prin
2 (.) = (A
1
(.) . A
2
(.)) . Sa se deduca o noua demonstra tie pentru
arma tia ca independen ta parti tiilor este echivalenta cu independen ta
oalgebrelor o (/
1
) si o (/
2
) . Generalizare la cazul mai multor par-
ti tii.
Exercitiul 4.15. Un zar masluit are urmatorul comportament la
aruncare: fe tele cu numere pare au aceea si probabilitate de apari tie;
fe tele cu numere impare au, de asemenea, probabilita ti egale ntre ele;
o fa ta cu numar par are sanse duble de a ie si fa ta de o fa ta cu numar
ARABIL
impar. 1) Sa se determine probabilitatea cu care iese ecare fa ta sepa-
rat. 2) Se arunca de trei ori zarul. Sa se determine probabilitatea: a) sa
iasa exact de doua ori o cifra impara, b) sa iasa trei cifre consecutive,
n orice ordine.
Exercitiul 4.16. Trei sportivi trag la tinta pe rnd. Se stie ca
primul are probabilitatea de a nimeri tinta j
1
= 0. 4. al doilea are proba-
bilitatea j
2
= 0. 5. iar al treilea j
3
= 0. 7. Sa se determine probabilitatea
ca exact doi sportivi sa nimerit tinta.
Exercitiul 4.17. La o roata de ruleta exista 38 de sectoare n care
se poate opri indicatorul, cu sanse egale pentru ecare sector. Un juca-
tor care pariaza simplu pe un sector plate ste suma r la intrarea n joc.
n caz ca, dupa rotirea ruletei, iese numarul ales, jucatorul c stiga de
36 de ori valoarea pe care a pariat. Care este media c stigului pe care
l ob tine cazinoul n acest caz?
Exercitiul 4.18. Doi vnatori merg la vnatoare de vulpi ntr -o
padure unde exista 20 de exemplare. V
1
nimere ste cu probabilitatea
j
1
= 0. 15. iar V
2
cu probabilitatea j
2
= 0. 20. Cei doi discuta posibil-
ita tile de organizare a vnatorii n trei variante: (i) si mpart locul de
vnatoare n doua zone, ecare avnd 10 vulpi si ecare vneaza sep-
arat. (ii) Merg mpreuna la vnatoare si trag amndoi asupra ecarei
vulpi. O vulpe gasita cu doua gloan te este mpar tita n doua. O vulpe
gasita cu un singur glon t este mpar tita propor tional cu probabilita tile
condi tionate corespunzatoare ecarui vnator. (iii) Locul vnatorii este
mpar tit n doua zone, ecare avnd cte 10 vulpi si n timpul dimine tii
ecare vneaza pe cte o zona, tragnd asupra tuturor vulpilor de acolo.
Dupa -amiaza si schimba ntre ei zonele si trag n vulpile ramase.
Se presupune ca ecare trage doar un foc asupra ecarei vulpi si ca
este sucient de abil ca sa descopere toate vulpile, n orice varianta. Sa
se determine c stigul mediu a steptat de ecare vnator pentru ecare
varianta, stiind ca valoarea unei vulpi este de 200 lei.
Exercitiul 4.19. La o loterie 6 din 49 se noteaza cu A cel mai
mare din numerele extrase si 1 cel mai mic din numerele extrase. 1)
Sa se determine reparti tiile lui A si 1. 2) Sa se determine reparti tia
vectorului (A. 1 ) . 3) Fie 2 numarul bilelor extrase ce poarta numere
mai mari dect toate numerele neextrase. Sa se determine reparti tia
lui 2.
Exercitiul 4.20. Se extrag cu ntoarcere doua numere din mul timea
nita 1. 2. .... : . Fie A diferen ta n valoare absoluta dintre aceste nu-
mere. Sa se determine reparti tia si media lui A.
Denitia 4.4. Fie j o reparti tie pe R. Numim numere aleatoare
cu reparti tia j un sir r
1
. r
2
. ... de numere reale ce reprezinta o realizare
r
i
= A
i
(.) . i = 1. 2. ... pentru un sir de variabile aleatoare A
1
. A
2
. ....
independente si identic repartizate, cu reparti tia j.
6. EXERCI TII 103
Din punct de vedere practic, aceast a denitie face cu greu distinctie
concret a ntre un sir de numere aleatoare si unul care nu este. De fapt,
n practic a avem de a face doar cu un num ar nit de termeni dintr-un
sir. Se vorbeste concret doar de calitatea unui sir de numere aleatoare,
iar aceast a calitate este m asurat a prin propriet atile sale statistice: ver-
icarea legii numerelor mari, teoremei limit a central a si altele. n ge-
neral evaluarea calit atii numerelor aleatoare este o problem a dicil a.
Totusi lucrul cu numere aleatoare, calculele concrete, trece prin ma-
nipularea acestei denitii. Prin aceast a denitie se fac transform arile
curente care conduc la probleme de teoria m asurii si apoi la probleme
de analiz a privind estim arile numerice.
Calculatoarele au programe de generare a numerelor pseudo -aleatoare.
Pentrusiruri foarte lungi acestea devin de fapt periodice, ceea ce nseamn a
c a nu pot considerate aleatoare. Dar pentru multe probleme de sim-
ulare aceste numere pseudo -aleatoare se dovedesc a da rezultate foarte
bune, ele aproximnd bine numerele aleatoare. De obicei ele aprox-
imeaz a numerele aleatoare uniform repartizate pe multimea numerelor
din [0. 1) ce se exprim a cu un num ar dat de zecimale exacte.
Exercitiul 4.21. Fie ` = 0. 1. 2. 3. 4. 5. 6. 7. 8. 9 mul timea cifrelor
de exprimare a numerelor n baza 10 si e 1 =
_
r =
5
i=1
a
.
10
.
, r
i
`
_
mul timea numerelor din intervalul [0. 1) ce se exprima cu 5 zecimale
exacte. Masura uniforma pe 1 ncarca ecare punct cu ponderea 10
5
.
a) Denim aplica tia q : 1 1 1 prin q (r. ) = r + 10
5
. unde
1 =
_
r =
10
i=1
a
.
10
.
, r
i
`
_
este mul timea numerelor din [0. 1) ce se
exprima cu 10 zecimale exacte. Arata ti ca daca r
1
. r
2
. ... este un sir de
numere aleatoare uniform repartizate pe 1. atunci q (r
2a1
. r
2a
) . : =
1. 2. ... este un sir de numere aleatoare uniform repartizate pe 1. b) Fie
j masura uniforma pe 1 si A
i
: 1 ` aplica tia care reprezinta a i -a
cifra zecimala a unui numar din 1. pentru i = 1. 2. 3. 4. 5. Sa se arate
ca, sub masura j. variabilele acestea sunt independente, identic repar-
tizate, cu reparti tia uniforma pe `. c) Arata ti ca ind dat un sir de
numere aleatoare uniform repartizate pe 1 si o permutare : a mul timii
1. 2. 3. 4. 5 . prin permutarea cifrelor zecimale cu : se ob tine tot un
sir de numere aleatoare cu aceea si reparti tie.
CAPITOLUL 5
Cteva repartitii pe N
n acest capitol vom discuta despre cteva exemple importante de
repartitii pe multimea numerelor naturale N. Deoarece orice m asur a
j pe (N.T (N)) se poate identica cu sirul valorilor pe puncte j
a
=
j(:) . : N ea se exprim a cu ajutorul m asurilor Dirac sub forma:
j =
aN
j
a
o
a
.
Reamintimc a reparti tia Bernoulli este o m asur a suportat a de punctele
0 si 1 si este dat a de formula o
0
+ jo
1
, cu parametrul j (0. 1) si
= 1 j.
Fiind dat un eveniment T pe un spatiu probabilizat (. T. 1)
astfel nct 1 () (0. 1), se poate deni variabila aleatoare A = 1
.
care are repartitia 1
A
= o
0
+ jo
1
. Este deci o repartitie Bernoulli cu
parametrul j = 1 () . Media variabilei este egal a cu momentul de
ordinul doi 1A = 1A
2
= j. iar dispersia sa este 1
2
A = j j
2
= j.
1. Repartitia geometric a
Aceasta este o repartitie pe N. dat a de expresia
o
I=0
j
I
o
I
, care
are masele atasate punctelor n progresie geometric a cu primul termen
j (0. 1) si cu ratia = 1 j. Se veric a imediat c a suma total a a
acestor mase este
o
I=0
j
I
=
j
1q
= 1.
O variabil a aleatoare tipic a, avnd repartitia geometric a, este con-
struit a n felul urm ator. Presupunemc a pe spatiul probabilizat (. T. 1)
avem un sir de evenimente independente
1
.
2
. ... si astfel c a 1 (
i
) =
j (0. 1) este o valoare x a pentru i = 1. 2. ... Cum am mai spus,
aceasta este o schem a Bernoulli. Dac a evenimentul
i
are semni-
catia de succes la ncercarea a ia, putem s a denim o variabil a
\ : N care ne spune cte esecuri s-au petrecut nainte de primul
succes. Punctual ea este denit a prin \ (.) = i pentru . 1
i
. unde
evenimentele 1
0
. 1
1
. 1
2
. ... sunt denite astfel: 1
0
=
1
si pentru
i _ 1,1
i
=
c
1
...
c
i

i+1
. care este evenimentul ce const a din
nerealizarea evenimentelor
1
. ....
i
si realizarea lui
i+1
.
104
1. REPARTI TIA GEOMETRIC
A 105
Figura 1. Repartitia geometric a cu j = 0. 5.
Este clar c a evenimentele 1
0
. 1
1
. .... 1
a
sunt disjuncte si
a+1
_
i=1
i
=
a
_
i=0
1
i
.
Avem 1 (1
i
) =
i
j si atunci 1
_
a+1
i=1

i
_
= 1
_
a
i=0
1
i
_
= j +j +... +
j
a
= j
1q
n+1
1q
= 1
a+1
. Rezult a c a 1
_
o
i=1
i
_
= 1 si, prin urmare,
1
_
i=0
i
_
= 0. Dac a aceast a ultim a multime este nevid a punem
1
o
=
o
i=0
i
si N = N ' . si atunci familia de evenimente
(1
i
)
iN
formeaz a o partitie. Are loc formula
1 (\ = /) = j
I
.
pentru / = 0. 1. ... si 1 (1
o
) = 0. Dac a punem \ (.) = pentru
. 1
o
. obtinem o variabil a cu valori n N. Pentru a avea o variabil a
care ia numai valori reale, putem de exemplu s a denim \ = 0 si
pe multimea 1
o
. Oricum \ este repartizat a geometric, valoarea
neind important a.
106 5. CTEVA REPARTI TII PE N
Figura 2. Repartitia geometric a cu j = 0. 8.
Dac a se modeleaz a un joc de noroc care se desf asoar a n serii de
partide, iar
i
este evenimentul la a ia partid a juc atorul a cstigat,
atunci \ reprezint a num arul de partide pierdute nainte de a cstiga
prima oar a.
Media unei variabile repartizate geometric este
1\ =
o
I=0
/1 (\ = /) =
o
I=1
/j
I
= j
o
I=1
d
d
_
I
_
= j
d
d
_
o
I=1
I
_
=
= j
d
d
_

1
_
= j
1
(1 )
2
=

j
.
Pentru a calcula dispersia, calcul am mai nti media lui \
2
:
1\
2
=
o
I=0
/
2
j
I
= j
o
I=1
/ (/ 1)
I
+ j
o
I=1
/
I
=
= j
2
d
2
d
2
o
I=2
I
+
j
= j
2
d
2
d
2
_

2
1
_
+
j
= j
2
2
(1 )
3
+
j
=
2
2
+ j
j
2
.
Deci dispersia este 1
2
\ =
2q
2
+qj
j
2

q
2
j
2
=
q
j
2
.
2. Repartitia binomial a
Reparti tia binomiala este o repartitie suportat a de punctele 0. 1. .... :
si are expresia
a
I=0
C
I
a
j
I
aI
o
I
.
unde : N
+
este numit ordinul repartitiei, j (0. 1) este un alt
parametru si = 1 j. Pentru a verica c a masa total a a acestei
m asuri este 1 se trece prin formula binomului lui Newton:
2. REPARTI TIA BINOMIAL
A 107
Figura 3. Repartitia binomial a cu : = 10 si j = 0. 5.
Figura 4. Repartitia binomial a cu : = 10 si j = 0. 3.
1 = (j + )
a
=
a
I=0
C
I
a
j
I
aI
.
De aici vine denumirea de binomial a pentru repartitie. Vom cal-
cula acum media si dispersia unei variabile aleatoare, A. denite pe un
spatiu probabilizat (. T. 1) . care este repartizat a binomial cu ordinul
: si parametrul j :
1A =
a
I=0
/1 (A = /) =
a
I=0
/
:!
/! (: /)!
j
I
aI
=
= :j
a
I=1
(: 1)!
(/ 1)! (: /)!
j
I1
aI
= :j
a1
|=0
(: 1)!
|! (: 1 |)!
j
|
a1|
= :j.
1A
2
=
a
I=0
/
2
1 (A = /) =
a
I=0
/
2
:!
/! (: /)!
j
I
aI
=
= :j
a
I=1
/
(: 1)!
(/ 1)! (: /)!
j
I1
aI
= :j
a1
|=0
(| + 1)
(: 1)!
|! (: 1 |)!
j
|
a1|
=
= :j [(: 1) j + 1] = (:j)
2
+ :j.
n concluzie avem urm atoarea dispersie
1
2
A = 1A
2
(1A)
2
= :j.
Constructia unei variabile aleatoare tipice cu repartitia binomial a
este obtinut a pe un spatiu probabilizat (. T. T) pe
care sunt date : evenimente independente
1
. ....
a
care au toate
aceeasi probabilitate 1 (
i
) = j. i = 1. .... :. cu j (0. 1) . n acest
cadru are loc urm atorul rezultat.
Propozitia 5.1. Variabila aleatoare o =
a
i=1
1
.
este repartizata
binomial cu parametrii :. j.
Demonstra Tie. Vom proceda prin inductie dup a parametrul :.
Not am, pentru / = 1. .... :.
o
I
=
I
i=1
1
.
.
Presupunem c a am demonstrat formula
1 (o
I
= ,) = C
)
I
j
)
I)
.
pentru orice , = 0. .... / si o vom demonstra cu /+1 n locul lui /. Avem
o
I+1
= o
I
+ 1
I+1
. iar o
I
si 1
I+1
sunt independente. Pentru a vedea
acest lucru, mai nti vom examina consecintele independentei eveni-
mentelor
i
. i = 1. .... :. Not am c
i
= c (
i
) =
i
.
c
i
. . O . algebra
generat a de evenimentul
i
. care este chiar o oalgebr a. Acestea sunt
independente, ca urmare a ipotezei si a lemei 2.1, iar teorema de asocia-
tivitate a independentei, teorema 4.1, ne spune c a o (c
1
. .... c
I
) si c
I+1
sunt independente. Pe de alt a parte, putem scrie o
I
= , (A
1
. .... A
I
) .
unde , : R
I
R este functia sum a, denit a prin , (r
1
. .... r
I
) =
r
1
+... +r
I
. iar A
i
= 1
.
. Atunci proprietatea 4. din paragraful despre
oalgebra generat a de o variabil a ne asigur a c a o
I
este m asurabil a n
raport cu o (c
1
. .... c
I
) . Rezult a deci c a o
I
si 1
I+1
sunt independente.
Mai departe introducem notatia
1
I,)
= o
I
= , .
si observ am c a multimile 1
I,0
. 1
I,1
. .... 1
I,I
formeaz a o partitie a lui .
Se veric a direct relatiile
1
I+1,0
= o
I+1
= 0 =
_
o
I
= 0. 1
I+1
= 0
_
= 1
I,0

c
I+1
.
1
I+1,I+1
= o
I+1
= / + 1 =
_
o
I
= /. 1
I+1
= 1
_
= 1
I,I

I+1
.
1
I+1,)
= o
I+1
= , =
_
o
I
= ,. 1
I+1
= 0
_
'
_
o
I
= , 1. 1
I+1
= 1
_
= (1
I,)

c
I+1
) ' (1
I,)1

I
).
2. REPARTI TIA BINOMIAL
A 109
pentru , = 1. .... /. Pe de alt a parte, tinnd cont c a multimile 1
I,)
sunt
ecare independente de
I+1
. putem scrie
1 (1
I+1,0
) = 1 (1
I,0
) .
1 (1
I+1,I+1
) = 1 (1
I,I
) j.
1 (1
I+1,)
) = 1 (1
I,)
) + 1 (1
I,)1
) j.
pentru , = 1. .... /. Tinnd cont de ipoteza de inductie aceste relatii
devin
1 (1
I+1,0
) = C
0
I
I+1
= C
0
I+1
I+1
.
1 (1
I+1,I+1
) = C
I
I
j
I+1
= C
I+1
I+1
j
I+1
.
1 (1
I+1,)
) = C
)
I
j
)
I)
+ C
)1
I
j
)1
I)+1
j =
=
_
C
)
I
+ C
)1
I
_
j
)
I+1)
= C
)
I+1
j
)
I+1)
.
Este instructiv de v azut c a se poate demonstra c a o este repartizat a
binomial si printr-un calcul brut direct. Facem acest lucru mai jos.
Prin comparatie, putem spune c a demonstratia anterioar a, de fapt,
evit a calculul prin utilizarea propriet atii de asociere a independentei.
Alt
A demonstra Tie. n acest scop introducem notatia

i,1
=
i
si
i,1
=
c
i
, pentru i = 1. .... :,
A
=
1,A
1
...
a,A
n
.
pentru orice sistem ` = (`
1
. .... `
a
) := 1. 1
a
si mai not am
: (`) =
a+A
1
+...+A
n
2
. o m arime care indic a num arul de componente ale
lui ` care sunt egale cu 1. Se veric a direct c a are loc relatia urm atoare
o = i =
_
c(A)=i
A
.
unde reuniunea se ia dup a toate sistemele ` astfel nct : (`) = i,
iar i = 1. .... :. Multimile care particip a la aceast a reuniune formeaz a
o partitie; mai precis, dac a ` ,= t, atunci
A

t
= O. Rezult a
1 (o = i) =

c(A)=i
1
_
A
_
.
Dar 1
_
A
_
= 1 (
1,A
1
) ... 1 (
a,A
n
), datorit a independentei si relati-
ilor 1 (
),1
) = j. 1 (
),1
) = , ceea ce conduce la 1
_
A
_
= j
i
ai
,
pentru un sistem ` astfel ca : (`) = i. Atunci avem 1 (o = i) =
j
i
ai
cc:d ` [ : (`) = i. Dar multimea ` [ : (`) = i este
n corespondent a bijectiv a cu multimea p artilor lui 1. 2. .... : care au
cardinalul i. Acestea sunt n num ar de C
i
a
, ceea ce permite a trage
concluzia c a
1 (o = i) = j
i
ai
C
i
a
.
terminnd astfel demonstratia.
Prima metod a de demonstratie are si avantajul de a se extinde
producnd, cu o demonstratie identic a, urm atorul rezultat.
1
. .... A
I
. variabile aleatoare independente,
repartizate binomial avnd ordinele, respectiv :
1
. .... :
I
si cu al doilea
parametru identic j (0. 1) . Atunci suma A
1
+... +A
I
este repartizata
binomial cu ordinul :
1
+ ... + :
I
si acela si parametru j.
Figura 5. Repartitii binomiale cu : = 100 si j =
0. 5; j = 0. 3; j = 0. 1.
3. HISTOGRAME 111
Figura 6. Repartitii binomiale cu : = 100 si j =
0. 6; j = 0. 7; j = 0. 8.
3. Histograme
O histograma este o reprezentare grac a pentru o distributie dis-
cret a. Ele pot de mai multe tipuri. Cele mai obisnuite histograme
sunt cele n care pentru ecare punct din suportul distributiei se dese-
neaz a un dreptunghi de n altime proportional a cu ponderea repartizat a
punctului. Astfel de histograme sunt curent utilizate n economie. Pro-
gramul Excel are facilit ati speciale pentru executarea histogramelor.
Am redat n gurile din acest capitol cteva histograme ale unor
repartitii pe care le-am ntlnit. Este de notat c a scara pentru axa ver-
tical a este dilatat a fat a de cea orizontal a, pentru a putea da un aspect
grac vizibil repartitiilor. De exemplu, valorile repartitiilor binomiale
ind foarte mici, n cazul n care : este mare, la o reprezentare cu
aceeasi scar a pe ambele axe nu ar mai posibil s a vedem nimic ntr-un
grac dintr-o pagin a de carte. Chiar si asa, marea majoritate a val-
orilor apar n grac confundate cu zero. n gurile 5 si 6 se observ a
numai valorile din jurul mediei :j.
Repartitiile de acelasi fel sunt redate n gurile noastre p astrnd
cele dou a sc ari, pentru a putea comparate ntre ele. Dar tipurile
diferite de repartitii au sc ari diferite.
4. Repartitia hipergeometric a*
Fie ` = 1. 2. .... ` o multime ce reprezint a bilele dintr-o urn a.
Presupunem c a 1 ` reprezint a o submultime de bile marcate, de
exemplu vopsite n rosu. Not am cu : cardinalul multimii 1. Ne in-
terseaz a experimentul extragerii a : bile deodat a si rezultatul acestuia
cuanticat prin num arul de bile marcate ce apar la extragere. Am
v azut cu ocazia exemplului privind controlul calit atii c a se poate face
modelarea acestui experiment pe spatiul
= T (`) , cc:d = : .
Binenteles c a presupunem :. : _ `. Probabilitatea pentru un eveni-
ment elementar este dat a de Q() =
1
C
n
^
.
Num arul de bile rosii extrase n acest experiment este specicat de
variabila aleatoare 1 : N denit a prin 1 () = cc:d ( 1) .
De fapt 1 ia valori n multimea 0 . (: ` + :) . .... : . : . Conform
discutiei f acute n leg atur a cu identitatea Van der Monde, avem
Q(1 = /) =
C
I
v
C
aI
.v
C
a
.
=
:!
/! (: /)!
(` :)!
(: /)! (` : : + /)!
:! (` :)!
`!
.
pentru orice num ar natural / care satisface conditiile : ` +: _ / _
: .:. Repartitia variabilei 1 este numit a reparti tia hipergeometrica cu
parametrii ` si : si rangul :. Explicitarea acestei repartitii n sum a de
m asuri Dirac ponderate este deci
a/v
I=0v(a.+v)
C
I
v
C
aI
.v
C
a
.
o
I
.
4. REPARTI TIA HIPERGEOMETRIC
A* 113
Pentru valori mari ale lui ` si valori relativ mici ale lui : se poate
face aproximarea numeric a a experimentului extragerilor a : bile deo-
dat a cu experimentul seriilor de : extrageri cu revenire, care sunt mai
facile din punct de vedere calculatoric. Vom explica acum acest fapt,
estimnd si eroarea care apare.
Pentru aceasta vom nota cu = `
a
spatiul pe care se modeleaz a
seriile de : extrageri cu revenire si cu
t
= (r
1
. .... r
a
) , r
i
,= r
)
\i ,= ,
vom nota submultimea seriilor n care rezultatele tuturor extragerilor
sunt diferite. Vom lua multimea
t
ca spatiu de modelare a exper-
imentului seriilor de extrageri f ar a revenire. Dac a 1 este probabilitatea
denit a pentru punctele din prin 1 ((r
1
. .... r
a
)) =
1
.
n
. pe
t
avem
probabilitatea 1
t
denit a prin 1
t
((r
1
. .... r
a
)) =
1
.(.1)...(.a+1)
.
Fie A
i
: 0. 1 aplicatia denit a prin A
i
(r
1
. .... r
a
) = 1
1
(r
i
) .
Aceast a aplicatie arat a culoarea bilei extrase la cea de a i-a extragere
din seria (r
1
. .... r
a
) . prin faptul c a A
i
(r
1
. .... r
a
) = 1. dac a r
i
1
si A
i
(r
1
. .... r
a
) = 0. dac a r
i
, 1. Variabilele A
i
. i = 1. .... :. sunt
independente si identic repartizate sub 1. pentru c a 1 (A
i
= 1) =
v
.
.
Variabila o = A
1
+ ... + A
a
este repartizat a binomial cu parametrul
j =
v
.
si ordinul :. Ea indic a de cte ori a fost extras a o bil a rosie
ntr-o serie de : extrageri cu revenire. Restrictia acestei variabile la
t
.
variabila o
[
0 indic a num arul de bile rosii ce au fost obtinute n seria de
extrageri f ar a revenire (r
1
. .... r
a
) . sau num arul de bile rosii ce se a a
n extragerea f ar a ordine a grupului de bile r
1
. .... r
a
. A se vedea
paragraful despre extrageri f ar a ordine din capitolul 2. Variabila o
[
0
este repartizat a hipergeometric sub 1
t
. cu parametrii `. : si rangul :.
adic a are aceeasi repartitie ca variabila 1 de mai sus.
Pentru orice multime
t
avem
1
t
() =
`
a
` (` 1) ... (` : + 1)
1 () .
Se observ a c a 1
t
() _ 1 () . Diferenta dintre cele dou a probabil-
it ati se poate estima evalund factorii din dreapta astfel c a obtinem
urm atoarea lem a.
Lema 5.1. Daca =
a
2
.
< 1. atunci 1
t
() 1 () _
.
2
1
t
() .
Demonstra Tie. nlocuind pe 1 () n functie de 1
t
() n inegal-
itatea din enunt, rezult a c a ea este echivalent a cu:
1
` (` 1) ... (` : + 1)
`
a
_

2
. (+)
Pentru aceasta avem de evaluat expresia
` (` 1) ... (` : + 1)
`
a
=
_
1
1
`
_
...
_
1
: 1
`
_
.
Aceasta este minorat a tinnd cont de inegalitatea c
a
c
i
2
1+i
_ 1 + r.
valabil a pentru r 1 :
_ exp
_
a1
i=1
i
`
_
exp
_
a1
i=1
i
2
`
2
1
1
i
.
_
_
_ exp
_
:(: 1)
2`

:(: 1) (2: 1)
6` (` :)
_
.
Apoi tinem cont c a
a1
(.a)
_
a
.
. si minor am ultima expresie prin
_ exp
_
:(: 1)
2`

:
3
3`
2
_
_ exp
2
.
Dup a aceea tinem cont de inegalitatea c
a
_ 1 r. care permite a
deduce estimarea (*).
Aceast a estimare a diferentei dintre probabilit atile 1
t
si 1 conduce,
n particular, la o estimare a diferentei dintre repartitia hipergeomet-
ric a si repartitia binomial a care este de ordinul
a
2
.
. Dar de fapt sunt
valabile chiar estim ari de ordinul
a
.
. Acestea se obtin prin metode mai
elaborate, pe care nu este locul s a le dezvolt am aici.
5. Repartitia negativ -binomial a*
Repartitia numit a negativ -binomiala este legat a de repartitia bino-
mial a, dar si mai mult de repartitia geometric a, pe care o generalizeaz a.
Expresia repartitiei negativ -binomiale cu parametrii : N
+
. j (0. 1)
este
o
I=0
C
I
I+a1
j
a
I
o
I
. (+)
unde = 1j. Se observ a c a pentru : = 1 se obtine repartitia geomet-
ric a. Vericarea direct a, prin calcul analitic, a faptului c a masa unei
repartitii negativ- binomiale este 1 se poate face trecnd prin relatia
binomului lui Newton n forma general a:
(1 +r)
v
=
o
I=0
(:)
I
/!
r
I
.
serie convergent a pentru [r[ < 1. : R si n care utiliz am notatia
(:)
I
= : (: 1) ... (: / + 1) . cu conventia (:)
0
= 1. n cazul nostru
aceast a relatie este util a sub forma
1
j
a
= (1 )
a
=
o
I=0
(:)
I
/!
()
I
.
Numele repartitiei vine de la acest binom la putere negativ a, care prin
dezvoltare produce coecientii repartitiei. Mai jos vom face o a doua
demonstratie, probabilist a, pentru faptul c a masa m asurii din expresia
(*) este 1.
5. REPARTI TIA NEGATIV -BINOMIAL
A* 115
Situatia tipic a n care apare aceast a repartitie, la fel ca n cazul
repartitiei geometrice, este n contextul unui sir de evenimente inde-
pendente (
i
)
iN
pe un spatiu probabilizat (. T. 1) . cu probabilita-

tea constant a 1 (
i
) = j. i N
+
. Not am A
i
= 1
.
si o
)
=
)
i=1
A
i
. ,
N
+
. Denim apoi variabilele 1
a
: N
+
' . : N
+
. prin
1
a
(.) = inf , N
+
,o
)
= : .
cu conventia c a 1
a
(.) = . dac a multimea din dreapta relatiei de
denitie este vid a. S a zicem c a sirul (
i
)
iN
reprezint a realizarea
succesiv a a unui experiment probabilistic cu probabilitatea j de succes.
Atunci 1
a
ne spune la a cta ncercare apare al : -lea succes, iar \
a
=
1
a
: : N' reprezint a num arul de esecuri pn a la obtinerea
celui de al : -lea succes. O astfel de situatie apare adesea n aplicatiile
legate de modelele din biologie. De exemplu un tratament este repetat
de mai multe ori, pn a ce rezultatele cumulate ating un nivel care, s a
zicem, asigur a disparitia parazitilor.
Lema care urmeaz a arat a c a \
a
are repartitia negativ -binomial a,
n particular, c a m asura din formula (*) este o m asur a de probabilitate.
Lema 5.2. Au loc egalita tile
1 (\
a
= /) = C
I
I+a1
j
a
I
. / N.
1 (\
a
= ) = 0.
Demonstra Tie. Avem
\
a
= / = 1
a
= : + / = o
a+I1
= : 1. o
a+I
= : =
= o
a+I1
= : 1. A
a+I
= 1 .
Tinnd cont c a o
a+I1
si A
a+I
sunt independente, obtinem prima re-
latie:
1 (1
a
: = /) = 1 (o
a+I1
= : 1) 1 (A
a+I
= 1) =
= C
a1
a+I1
j
a1
I
j = C
I
a+I1
j
a
I
.
Pentru vericarea celei de a doua relatii din enunt vom proceda
prin inductie. Pentru : = 1 avem 1
1
< = '
i
i
si, prin urmare,
1 (1
1
= ) = 1 (
i
c
i
) = lim
Io
1
_
I
i=1
c
i
_
= lim
Io
I
= 0.
Mai departe presupunem c a stim c a 1 (1
a
= ) = 0 si vom ar ata c a
aceeasi relatie este valabil a si pentru : + 1. Mai precis, vom ar ata c a,
pentru ecare / _ 0. are loc relatia
1 (1
a
= : + /. 1
a+1
= ) = 0.
Pentru aceasta not am c a are loc incluziunea
1
a
= : + /
_
'
o
i=a+I+1
i
_
o
a+I
= :
_
sup
ia+I+1
o
i
_ : + 1
_
1
a+1
< .
Aceasta implic a
1
a
= : + /. 1
a+1
=
o
i=a+I+1
c
i
.
Deoarece 1
_
o
i=a+I+1
c
i
_
= 0. rezult a concluzia dorit a.
Relatia dintre repartitia negativ -binomial a si repartitia geometric a
este pus a n evident a si din alt punct de vedere n lema care urmeaz a.
Facem conventia c a 1
0
= 0 si not am t
a
= 1
a
1
a1
. pentru : N
+
.
Lema 5.3. Variabilele t
1
1. t
2
1. ... sunt independente si identic
repartizate, cu reparti tia geometrica de parametru j.
Demonstra Tie. Este clar c a t
1
1 = 1
1
1 si stim c a acesta
are repartitia geometric a de parametru j. n continuare pornim cu
/
1
. .... /
a
N si scriem egalitatea
t
1
= 1 + /
1
. .... t
a
= 1 + /
a
=
= A
1
= 0. .... A
I
1
= 0. A
I
1
+1
= 1. A
I
1
+2
= 0. ...A
I
1
+1+I
2
= 0.
A
I
1
+1+I
2
+1
= 1. .... A
I
1
+1+...+I
n1
+1+I
n
= 0. A
I
1
+1+...+I
n
+1
= 1
_
Aceasta permite s a calcul am, tinnd cont si de independent a,
1 (t
1
= 1 + /
1
. .... t
a
= 1 + /
a
) =
I
1
j
I
2
j...
I
n
j = j
a
I
1
+...+I
n
. (++)
De aici se deduce, lund : = 2.
1 (t
2
= 1 + /) =
o
|=0
1 (t
1
= 1 + |. t
2
= 1 + /) =
o
|=0
j
2
|+I
= j
I
.
adic a t
2
1 are repartitia geometric a. Acest calcul se generalizeaz a si,
n mod similar, se deduce c a repartitia lui t
a
1 este tot geometric a.
Odat a stabilit faptul c a toate variabilele t
a
1. : N
+
. sunt repartizate
identic, observ am c a relatia (**) devine
1 (t
1
= 1 + /
1
. .... t
a
= 1 + /
a
) = 1 (t
1
= 1 + /
1
) ...1 (t
a
= 1 + /
a
) .
ceea ce arat a independenta lor. Cu aceasta se ncheie demonstratia.
Dar este evident c a \
a
=

a
i=1
(t
i
1) . De aceea putem spune
c a repartitia negativ -binomial a de parametru j si ordin : este repar-
titia sumei a : variabile independente, identic repartizate, cu repartitie
geometric a de parametru j.
6. Aruncarea repetat a cu banul
Aceast a sectiune are drept scop de a da o idee despre validarea prac-
tic a a teoriei probabilit atilor. Pentru aceasta vom discuta urm atorul
experiment: un num ar de 26 de studenti au aruncat cte o moned a,
ecare de cte 100 de ori. Rezultatele au fost notate la ecare aruncare,
punndu-se un 0 dac a a iesit stema si un 1 dac a a iesit cifra. Pentru
ecare serie de 100 de arunc ari au fost num arate 0urile si red am mai
jos rezultatele obtinute n cele 26 de serii:
53. 58. 52. 47. 48. 54. 49. 43. 46. 43. 47. 51. 44. 52. 61. 50.
6. ARUNCAREA REPETAT
A CU BANUL 117
49. 50. 52. 61. 50. 48. 47. 49. 50.
S-a constatat c a n ecare serie de 100 de arunc ari num arul de 0uri
a fost cuprins ntre 43 si 61. iar majoritatea seriilor aveau num arul
0urilor cuprins ntre 46 si 54.
Apoi au fost puse toate seriile n prelungire si s-a format o se-
rie lung a, corespunznd celor 2600 de arunc ari. Pentru aceast a serie
s-au num arat secventele maximale constante, pe care le vom numi,
prescurtat, n continuare secven te constante. Ca s a l amurim termenul
de secvent a constant a vom presupune c a am notat cu r
1
. r
2
. .... r
2600
semnele consemnate n timpul experimentului. Facem conventia c a
r
0
= 1 r
1
si denim o secven ta constanta ca ind un grup de semne
consecutive de tipul
r
I1
,= r
I
= r
I+1
= ... = r
I+|1
,= r
I+|
astfel nct / _ 1. / +| _ 2600. Un astfel de grup va numit secvent a
constant a de lungime |. Dup a cum se vede, partea propriu-zis constant a
a secventei este format a din | elemente consecutive, iar n capete apare
cte un alt element care marcheaz a schimbarea de semn. Ultimul ele-
ment, r
2600
. nu poate face parte din partea constant a a unei secvente
constante. De fapt, grupul ultimelor semne care sunt la rnd egale cu
r
2600
nu constituie o secvent a constant a, n acceptiunea pe care o d am
noi. Alegerea f acut a pentru r
0
face ca primele semne egale cu r
1
s a
reprezinte partea constant a a unei secvente constante. Vom explica
mai trziu de ce am exclus ultima parte de la num ar atoare.
Au fost num arate n total 1318 secvente constante. n tabelul ur-
m ator red am pe rndul de jos num arul secventelor g asite, de diverse
lungimi:
|n:q. 1 2 3 4 5 6 7 _ 8
::.:. 674 332 153 77 37 29 6 10
Se observ a c a numerele acestea scad aproximativ ca o progresie geomet-
ric a cu ratia
1
2
. Singur, num arul secventelor de constant a de lungime
6. care este 29. nu este destul de apropiat de jum atatea celui anterior
n tabel. Mai observ am c a num arul 1318 este apropiat de jum atatea
num arului total de arunc ari.
Pentru a explica teoretic aceste constat ari ncepem prin a calcula
valorile repartitiei binomiale cu j =
1
2
si cu ordinul : = 100. Acestea
sunt puse n tabelele de mai jos, unde am notat j
I
= C
I
100
_
1
2
_
100
.
j
50
j
51
j
52
j
53
j
54
j
55
j
56
j
57
j
58
j
59
0. 079 0. 078 0. 073 0. 066 0. 057 0. 048 0. 038 0. 030 0. 022 0. 015
j
60
j
61
j
62
j
63
j
64
j
65
0. 010 0. 007 0. 004 0. 003 0. 002 0. 001
Repartitia este simetric a fat a de / = 50. astfel c a j
50+|
= j
50|
. Cal-
cul am

60
|=40
j
|
- 0. 9648 si

65
|=35
j
|
- 0. 9982. Aceste valori arat a c a
probabilitatea de a se obtine un num ar de 0uri cuprins ntre 40 si 60.
din 100 de arunc ari, este covrsitoare, iar probabilitatea de a obtine
ntre 35 si 65 este practic 1. Cu aceasta am explicat de ce n ecare
serie de 100 de arunc ari num arul de 0uri si num arul de 1uri sunt
echilibrate.
Mai departe ne ocup am de modelarea secventelor constante. Pe
un spatiu probabilizat (. T. 1) consider am
1
.
2
. .... un sir de eveni-
mente independente cu aceeasi probabilitate 1 (
i
) =
1
2
. Evenimentul
i
are semnicatia la cea de a ia aruncare cu banul a fost notat
un 1. Pentru analiza noastr a teoretic a, asa cum se va vedea, este
absolut necesar s a consider am un sir innit de evenimente. Not am
A
i
= 1
.
. i = 1. 2.... obtinnd un sir de variabile independente reparti-
zate Bernoulli cu parametrul j =
1
2
. Not am 1
0
= 1.
1
a
(.) = inf
_
, 1
a1
(.) ,A
)
(.) ,= A
T
n1
(.)
_
si t
a
= 1
a
1
a1
. : N
+
. Pentru ecare . . secventele constante
ale sirului A
1
(.) . A
2
(.) . ... sunt descrise sub forma
A
T
n1
1
(.) ,= A
T
n1
(.) = ... = A
T
n
1
(.) ,= A
T
n
(.) .
cu : N
+
si cu conventia A
0
= 1A
1
. Lungimea acestei secvente este
t
a
(.) .
Lema 5.4. Variabilele t
1
1. t
2
1. ... sunt independente, identic
repartizate cu reparti tia geometrica de parametru j =
1
2
.
Demonstra Tie. Adapt am rationamentul f acut n demonstratia
lemei 5.3. Cu /
1
. .... /
a
N. are loc egalitatea
t
1
= 1 + /
1
. .... t
a
= 1 + /
a
=
= A
1
= A
2
= ... = A
1+I
1
,= A
1+I
1
+1
= A
1+I
1
+2
... =
= A
1+I
1
+1+I
2
,= A
1+I
1
+1+I
2
+1
= ...... = A
1+I
1
+...+1+I
n
,= A
1+I
1
+...+1+I
n
+1
.
Pentru a calcula probabilitatea acestei multimi va trebui s a desp artim
analiza dup a valoarea primei variabile. Avem
t
1
= 1 + /
1
. .... t
a
= 1 + /
a
. A
1
= 0 =
A
1
= 0. A
2
= 0. .... A
1+I
1
= 0. A
1+I
1
+1
= 1. A
1+I
1
+2
= 1. .... A
1+I
1
+1+I
2
= 1.
A
1+I
1
+1+I
2
+1
= 0. .... A
1+I
1
+...+1+I
n
= c. A
1+I
1
+...+1+I
n
+1
= 1 c .
unde am pus c pentru a desemna 0. dac a : este impar si 1. dac a : este
par. Tinnd cont de independenta variabilelor A
1
. A
2
. ... rezult a
1 (t
1
= 1 + /
1
. .... t
a
= 1 + /
a
. A
1
= 0) =
_
1
2
_
I
1
+...+I
n
+a+1
.
n mod similar se deduce c a
1 (t
1
= 1 + /
1
. .... t
a
= 1 + /
a
. A
1
= 1) =
_
1
2
_
I
1
+...+I
n
+a+1
.
6. ARUNCAREA REPETAT
A CU BANUL 119
ceea ce implic a
1 (t
1
= 1 + /
1
. .... t
a
= 1 + /
a
. ) =
_
1
2
_
I
1
+...+I
n
+a
. (+)
F acnd : = 1 n aceast a relatie se deduce c a 1 (t
1
= 1 + /) =
_
1
2
_
I+1
. / N. Apoi scriem aceeasi relatie cu : = 2 pentru a obtine
1 (t
2
= 1 + /) =
o
)=0
1 (t
1
= 1 + ,. t
2
= 1 + /) =
o
)=0
_
1
2
_
)+I+2
=
_
1
2
_
I+1
.
n acelasi mod se deduce c a ecare din variabilele t
a
1. : N
+
. este
repartizat a geometric cu parametrul
1
2
. Atunci relatia (*) devine
1 (t
1
1 = /
1
. .... t
a
1 = /
a
) = 1 (t
1
1 = /
1
) ...1 (t
a
1 = /
a
) .
Corolarul 5.1. Variabila aleatoare 1
a
: 1 este repartizata
negativ- binomial cu parametrii : si j =
1
2
.
Demonstra Tie. Se tine cont de lema 5.3 si de faptul c a 1
a
=
1
0
+ t
1
+ ... + t
a
.
Mai departe, vom deni, pentru ecare | N
+
. variabila aleatoare
1
|
(.) = sup :,1
a
_ | . care reprezint a num arul de secvente de con-
stant a care au fost terminate pn a la momentul |. Nu se iau n consi-
derare secventele de constant a care se ncheie, prin schimbarea valorii,
dup a |.
Lema 5.5. Variabila aleatoare 1
|
este repartizata binomial cu para-
metrul j =
1
2
si ordinul | 1.
Demonstra Tie. Pentru / = 0. 1. .... | are loc egalitatea
1
|
= / = 1
I
_ |. 1
I+1
| = 1
I
_ |. t
I+1
| 1
I
=
=
|I1
_
)=0
1
I
= / + 1 +,. t
I+1
| , 1 .
n aceast a ultim a exprimare am luat toate valorile posibile pentru 1
I
:
cea mai mic a este / + 1. De aici se deduce c a
1 (1
|
= /) =
|I1
)=0
1 (1
I
= / + 1 +,) 1 (t
I+1
| , 1) =
=
|I1
)=0
C
I1
)+I1
_
1
2
_
)
_
1
2
_
I
_
1
2
_
|)1
=
_
1
2
_
|+I1 |I1
)=0
C
I1
)+I1
=
=
_
1
2
_
|+I1
C
I
|1
.
Cu aceasta am ncheiat demonstratia.
Faptul c a 1
|
este repartizat a binomial este neasteptat. O repar-
titie binomial a este de obicei produs a de num ararea succeselor ntr-o
schem a Bernoulli nit a. Dar aici nu este vorba despre schema initial a,
1
.
2
. ....
|
. cea care corespunde arunc arilor succesive cu banul. Se
poate demonstra c a este vorba de evenimentele 1
i
=
i
i+1
. i =
1. .... | 1. care sunt si ele independente.
Pentru experimentul nostru, ne intereseaz a variabila 1
2600
. G asim
c a repartitia binomial a cu parametrul j =
1
2
si ordinul 2599 are media
1299. 5 si determin am 1 (1250 _ 1
2599
_ 1350) - 0. 95. prin utilizarea
calculatorului. Se observ a c a valoarea de 1318 secvente constante, pe
care am consemnat-o, este n intervalul (1250. 1350) .
Pentru a ne explica de ce datele din tabelul cu secventele constante
sunt n progresie geometric a vom rationa astfel. Cele 1318 secvente
constante, prin lungimile lor, ne furnizeaz a realiz ari ale variabilelor
aleatoare independente t
1
. t
2
. .... t
1318
. Variabila t
i
este repartizat a ast-
fel
1 (t
i
= 1) =
1
2
. 1 (t
i
= 2) =
1
2
2
. 1 (t
i
= 3) =
1
2
3
. ...
Observ am c a probabilit atile acestea sunt n progresie geometric a cu
ratia
1
2
si intuitia ne spune c a atunci este normal ca proportia n care
s-au realizat valorile lui t
i
s a e la fel. O m asurare mai precis a a con-
cordantei realiz arilor concrete cu repartitia teoretic a se face cu testul
2
. dar acest subiect dep aseste nivelul prezentului curs.
7. Repartitia Poisson
Repartitia Poisson poart a numele matematicianului francez Denis
Poisson (1781-1840). Reparti tia Poisson de parametru ` 0 este o
repartitie pe N, denit a prin relatia
j =
o
I=0
c
A
`
I
/!
o
I
.
O variabil a alearoare A (denit a pe un spatiu probabilizat (. T. 1))
este repartizat a Poisson cu parametru ` 0, dac a
1 (A = /) = c
A
`
I
/!
.
Vom stabili mai jos cteva din propriet atile mai importante ale vari-
abilelor repartizate Poisson. Un calcul direct arat a imediat c a 1A = `
si 1
2
A = ` :
7. REPARTI TIA POISSON 121
Repartitii Poisson cu parametrii ` = 0. 5 (stnga sus) ` = 1 (dreapta
sus) si ` = 5 (jos)
1A =
o
I=0
c
A
`
I
/!
/ = c
A
o
I=1
`
I
(/ 1)!
= c
A
`
o
I=0
`
I
/!
= `.
1A
2
=
o
I=0
c
A
`
I
/!
/
2
= c
A
o
I=1
`
I
(/ 1)!
/ = c
A
`
o
I=0
`
I
/!
(/ + 1) =
= c
A
`
_
o
I=0
`
I
/!
+
o
I=0
`
I
/!
/
_
= ` + `
2
.
1
2
A = 1A
2
(1A)
2
= `.
1
. .... A
a
variabile aleatoare independente
repartizate Poisson cu parametrii respectivi `
1
. .... `
a
0. Atunci
suma lor A
1
+ ... + A
a
este repartizata tot Poisson, cu parametrul
` = `
1
+ ... + `
a
.
Demonstra Tie. Este sucient s a trat am cazul a dou a variabile,
pentru c a apoi rezult a si cazul general printr-o inductie simpl a. Pentru
dou a variabile putem scrie
A
1
+ A
2
= / =
I
_
i=0
A
1
= i A
2
= / i .
1 (A
1
+ A
2
= /) =
I
i=0
1 (A
1
= i) 1 (A
2
= / i) =
=
I
i=0
c
A
1
`
i
1
i!
c
A
2
`
Ii
2
(/ i)!
= c
A
1
c
A
2
1
/!
I
i=0
C
i
I
`
i
1
`
Ii
2
=
= c
(A
1
+A
2
)
1
/!
(`
1
+ `
2
)
I
.
Pentru a trata cazul general se face o inductie dup a :. Presupunem
demonstrat a propozitia pentru sume de : 1 variabile. Fiind date :
variabile, scriem A
1
+... +A
a
= (A
1
+ ... + A
a1
) +A
a
si tinem cont
c a variabilele A
1
+...+A
a1
si A
a
. sunt independente datorit a teoremei
4.1.
Repartitia Poisson este legat a de repartitia binomial a printr-o teo-
rem a de aproximare asem an atoare teoremei de Moivre-Laplace ce va
demonstrat a n capitolul urm ator. Fie (A
i
)
iN
un sir de variabile
aleatoare repartizate binomial cu parametrii j
i
. :
i
. care corespund ec arui
indice i N. Not am
i
= 1 j
i
si presupunem c a sunt ndeplinite ur-
m atoarele conditii
lim
io
:
i
= .
lim
io
:
i
j
i
= `.
unde ` 0 este un num ar xat.
Teorema 5.1. n condi tiile de mai sus reparti tiile 1
A
.
converg la
reparti tia Poisson de parametru `. n sensul urmator
lim
io
1 (A
i
= /) = c
A
`
I
/!
. / N.
Demonstra Tie. Stim c a
1 (A
i
= /) = C
I
a
.
j
I
i
a
.
I
i
=
:
i
(:
i
1) ... (:
i
/ + 1)
/!
j
I
i
(1 j
i
)
a
.
I
=
=
1
/!
(:
i
j
i
)
I
_
1
1
:
i
_
...
_
1
/ 1
:
i
_
(1 j
i
)
1
.
(j
.
a
.
j
.
I)
.
Vom trece acum la limit a n acest produs. Pentru / xat, produsul cu
/ 1 factori are limita
lim
io
_
1
1
:
i
_
...
_
1
/ 1
:
i
_
= 1.
Apoi, pentru ultimul factor observ am c a expresia din paranteza de la
exponent are limita:
lim
io
(j
i
:
i
j
i
/) = `.
Deci limita ultimului factor este
lim
io
(1 j
i
)
1
.
(j
.
a
.
j
.
I)
= c
A
.
Toate aceste observatii conduc la rezultatul anuntat.
n baza unor estim ari numerice s-a ajuns la concluzia c a n practic a
se poate utiliza aproximarea repartitiei binomiale prin repartitia Pois-
son dac a : _ 20 si j _ 0. 05. Aproximarea este excelent a dac a : _ 100
si :j _ 10.
Exemplul 1.
n procesul de fabricatie al unui obiect apar produse defecte cu
frecventa de
1
100
. Ne punem problema de a determina care este proba-
bilitatea de a g asi cinci sau mai multe produse defecte la testarea a 200
de obiecte.
Solu tie. Vom nota cu A o variabil a aleatoare repartizat a binomial
cu parametrii j = 0. 01. : = 200. care modeleaz a num arul de produse
defecte ce apar la 200 de teste. Repartitia lui A poate aproximat a
cu o repartitie Poisson de parametru ` = 2. Prin calcul direct avem
1 (A _ 4) - c
2
4
I=0
2
I
I!
= 0. 94735 si prin urmare r aspunsul la prob-
lema pus a este 1 (A _ 5) - 0. 053.
Exemplul 2.
Repartitia Poisson este cunoscut a ca ind cea care reprezint a eveni-
mentele rare. Pentru a explica acest aspect vom reproduce mai jos una
din primele consemn ari n date reale a fenomenului. Este vorba despre
urm atorul tabel, alc atuit de Ladislaus von Bortkiewicz si care reprez-
int a datele despre accidente mortale petrecute la 10 corpuri de cavalerie
prusac a n decursul a 20 de ani.
:: dc cccidc:tc :: dc cjc:itii :n: c: tco:ctic
0 109 108. 7
1 65 66. 3
2 22 20. 2
3 3 4. 1
4 1 0. 6

200 199. 9
Pe prima coloan a sunt nsirate cinci tipuri de rezultate ce au fost con-
semnate pentru ecare din cele 10 corpuri n ecare din cei 20 de ani: 0
accidente, 1 accident, 2 accidente, 3 accidente, 4 accidente. Pe coloana
a doua se mentioneaz a de cte ori a fost consemnat acel rezultat.
Num arul total de rezultate consemnate este de 1020 = 200. Num arul
total de accidente este, conform tabelului, 65 + 22 2 + 3 3 + 4 =
122. Num arul mediu de accidente pe an si corp este
122
200
= 0. 61.
Bortkiewicz a calculat valorile repartitiei Poisson cu media ` = 0. 61
(j
I
= c
0,61
(0,61)
I
I!
. / = 0. 1. 2. 3. 4) si le-a multiplicat cu 200. obtinnd
valorile din ultima coloan a. Aceste valori se observ a a foarte apropi-
ate de valorile din coloana a doua. Pentru a explica mai precis aceast a
apropire vom observa c a probabilitatea ca la o zi de antrenament cu
calul s a se produc a un accident este un num ar foarte mic j. Pentru a
ne face o idee despre valoarea sa s a presupunem c a ecare corp avea un
num ar de 300 de c al areti si c a se efectuau cam 250 de antrenamente pe
an. Atunci num arul total de antrenamente care au avut loc n 20 de ani
la cele 10 corpuri a fost n jur de 3002502010 = 15.000.000. Cele
122 de accidente conduc la j =
122
15.000.000
- 8. 1 10
6
. S a privim acum
ce se petrece la un singur corp, ntr-un an: repetarea de 300 250 ori
a antrenamentului conduce la modelarea evenimentului accident cu o
variabil a aleatoare repartizat a binomial cu : = 75.000 si j = 8. 110
6
.
Dar aceast a repartitie este bine aproximat a de repartitia Poisson cu
media
` = :j = 300 250
122
300 250 20 10
=
122
200
= 0. 61.
Deci evenimentul, n fond rar, al accidentului, prin repetarea de un
num ar mare de ori a experimentului de antrenare, face ca la un an de
zile num arul de accidente s a apar a modelat de o variabil a repartizat a
Poisson cu media ` = 0. 61. Cele 200 de rezultate consemnate apar ca
200 de realiz ari ale unor variabile aleatoare independente, repartizate
Poisson, cu parametrul 0. 61.
Dar este clar c a n mod exceptional exemplul acesta are datele foarte
apropiate de valorile teoretice. Putem presupune c a descoperitorul s au
a ales din mai multe pe cel mai apropiat de idealul teoretic.
Exemplul 3.
Un magazin de piese auto se aprovizioneaz a pentru urm atorul trimestru
cu un num ar de : caroserii ale unui anumit model de autoturism. Vn-
zarea unei caroserii aduce 40 euro prot net magazinului. n caz c a o
caroserie nu este vndut a n cursul unui trimestru, cheltuielile de de-
pozitare conduc la o pierdere de 5 euro. Vnzarea caroseriilor cores-
punde evenimentelor rare, care sunt accidentele. Ea este modelat a de o
variabil a aleatoare repartizat a Poisson si, pentru trimestrul ce urmez a,
se estimeaz a c a va avea media 10. S a se determine stocul optim, ce
maximizeaz a protul mediu.
Solu tie. Presupunem c a pe spatiul probabilizat (. T. 1) avem vari-
abila aleatoare A repartizat a Poisson cu media 10. care reprezint a cer-
erea. Atunci protul, depinznd de A si de stocul :. va tot o variabil a
aleatoare, care se expliciteaz a astfel:
1
a
=
_
40A 5 (: A) jc A < :
40: jc A _ :
.
Aceasta poate scris a si sub forma
1
a
= 45A 1
A<a
45: 1
A<a
+ 40:.
Pentru a estima cum variaz a protul n raport cu stocul vom calcula
diferenta
1
a+1
1
a
= 45A 1
A=a
45 1
A<a
45 (: + 1) 1
A=a
+ 40 =
= 45 1
Aa
+ 40 .
Not am cu , (:) = 11
a
media protului si atunci avem
, (: + 1) , (:) = 11
a+1
11
a
= 451 (A _ :) + 40 =
= 45
_
40
45
1 (A _ :)
_
= 45 (0. 8888 1 (A _ :)) .
Este clar c a expresia 1 (A _ :) creste cu :. Pentru a putea determina
semnul diferentei , (: + 1) , (:) se a a cu calculatorul valorile
1 (A _ 13) = 0. 8644 .
1 (A _ 14) = 0. 9165 .
Rezult a c a avem , (: + 1) , (:) . pentru : _ 13 si , (: + 1) < , (:) .
pentru : _ 14. Deci valoarea maxim a este obtinut a pentru :
0
= 14.
care este stocul optim. Putem determina aceast a valoare maxim a, ba
chiar vom face calculul general pentru protul mediu:
, (:) = 11
a
= 451
_
A 1
A<a
45:1 (A < :) + 40:.

Pe de alt a parte putem explicita
1
_
A 1
A<a
=
a1
I=0
/1 (A = /) = c
A
a1
I=0
/
`
I
/!
=
= `c
A
a2
I=0
`
I
/!
= `1 (A _ : 2) .
ceea ce ne permite s a scriem
, (:) = 4501 (A _ : 2) 45:1 (A _ : 1) + 40:.
Cu : = 14 rezult a , (14) = 371. 60. Pentru comparatie, calcul am
protul mediu n cazul c a se face aprovizionarea doar cu : = 10
caroserii, care reprezint a num arul mediu estimat al cererii. Avem
, (10) = 344. 60.
(Amutilizat urm atoarele valori scoase din calculator: 1 (A _ 12) =
0. 7915; 1 (A _ 9) = 0. 4276; 1 (A _ 8) = 0. 3025 )
Exemplu 4.
O companie de asigur ari ncheie contracte de asigurare pentru acci-
dente de circulatie cu coliziune frontal a cu desp agubire de 2000 euro.
Se stie c a pentru o perioad a de 4 ani media asteptat a a unui astfel de
accident este de 0. 05. Cheltuielile companiei pentru un contract sunt
de 50 euro n 4 ani. a) Stiind c a are 100 de contracte, iar ecare client
pl ateste 50 de euro anual, s a se determine probabilitatea ca respectiva
companie s a e pus a n situatia de a pl ati mai mult dect sumele n-
casate n 4 ani. b) Aceeasi problem a n cazul n care compania ar avea
1000 de contracte si clientul ar pl ati 45 de euro anual.
Solu tie. Accidentele pe care le poate avea un autoturism n decursul
a 4 ani sunt modelate de o variabil a aleatoare repartizat a Poisson cu
media ` = 0. 05.
a) Pentru 100 de contracte accidentele posibile sunt modelate de
variabila 1 =

100
i=1
A
i
. unde A
i
ar reprezenta accidentele ce le poate
avea autoturismul cu contractul i. Variabilele A
i
. i = 1. .... 100. trebui-
esc presupuse independente. Rezult a c a 1 este repartizat a Poisson cu
media 11 = 100 0. 05 = 5. Situatia nanciar a este urm atoarea: se
ncaseaz a de la clienti un total de 50 4 100 = 20.000 euro. Cheltu-
ielile cu toate dosarele pentru ntreaga perioad a sunt 50 100 = 5.000
euro. R amne o sum a disponibil a de 20.000 5.000 = 15.000 euro.
Cu aceast a sum a pot desp agubiti 7 clienti. Cel de al 8 -lea client
care sufer a accident pune compania n pierdere. Ne intereseaz a deci s a
calcul am probabilitatea 1 (1 7) = 0. 1333. dup a cum se g aseste usor
ntr-un program de calculator.
b) n mod similar, variabila care modeleaz a accidentele posibile
este 2 =

1000
i=1
A
i
si are media 12 = 1000 0. 05 = 50. Situatia
nanciar a este urm atoarea: se ncaseaz a 45 4 1000 = 180.000 euro.
Se cheltuiesc 50 1000 = 50.000 euro si r amn 180.000 50.000 =
8. REPARTI TIA MULTINOMIAL
A* 127
130.000 euro. Cu aceast a sum a pot desp agubiti 65 de clienti. Cel de al
66 -lea client ce are accident aduce compania n pierdere. Probabilitatea
ce ne intereseaz a este 1 (2 65) = 0. 0173. dup a cum se a a cu un
program de calculator
Dup a cum se vede, situatia este total diferit a n cazul b). Dac a
num arul clientilor se nmulteste cu 10 nu se face pur si simplu o n-
multire cu 10 a tuturor datelor. Explicatia st a n propriet atile repar-
titiei Poisson. Deviatia standard a unei repartitii Poisson cu media `
este
_
`. iar deviatia standard m asoar a ct de mpr astiate sunt valorile
variabilei aleatoare fat a de media sa.
Repartitia Poisson cu media 5 are deviatia standard 11 =
_
1
2
1 =
_
5 = 2. 24 n timp ce repartitia Poisson cu media 50 are deviatia stan-
dard 12 =
_
1
2
2 =
_
50 = 7. 07. n cazul lui 1 deviatia standard este
mare relativ la medie, este aproape jum atate din medie. n cazul lui
2 deviatia standard este mic a relativ la media sa. Fenomenul aleator
joac a un rol mai mic n problema respectiv a.
8. Repartitia multinomial a*
Reparti tia multinomiala este o generalizare a repartitiei binomiale.
Pentru a pune n evident a acest lucru vom arunca mai nti o nou a
privire asupra cazului binomial. Pe spatiul probabilizat (. T. 1) avem
: variabile aleatoare independente, identic repartizate, A
1
. .... A
a
. care
iau valori ntr-o multime cu dou a elemente 0. 1 . Aceste variabile iau
valoarea 1 cu probabilitatea j si valoarea 0 cu probabilitatea = 1j.
Variabila sum a A
1
+ ... + A
a
ne spune de cte ori apare 1 n sirul dat
de variabile. Ea este repartizat a binomial.
Dar putem privi lucrurile si altfel. Considernd simetric cele dou a
rezultate posibile pe care le indic a variabilele, vom nota j
1
= j si
j
2
= . astfel c a repartitia comun a a variabilelor A
i
este j
1
o
1
+ j
2
o
0
.
Vom mai schimba notatia si vom pune 1
1
= A
1
+... +A
a
si 1
2
= :1
1
.
Variabila 1
2
ne spune de cte ori apare valoarea 0 n sirul nostru. Dac a
variabila 1
1
are repartitia binomial a cu ordinul : si parametrul j
1
.
variabila 1
2
este complet similar a, ind repartizat a binomial cu ordinul
: si parametrul j
2
. Dac a /
1
. /
2
Nsatisfac conditia /
1
+/
2
= :. atunci
are loc egalitatea 1
1
= /
1
= 1
2
= /
2
si putem spune c a repartitia
binomial a caracterizeaz a simultan cele dou a variabile prin relatia
1 (1
1
= /
1
. 1
2
= /
2
) =
:!
/
1
!/
2
!
.
De aici urmeaz a generalizarea. Fie j
1
. .... j
n
[0. 1] astfel ca j
1
+
...+j
n
= 1. S a presupunem acum c a variabilele A
1
. .... A
a
sunt indepen-
dente, identic repartizate, denite pe un spatiu probabilizat (. T. 1) .
cu valori ntr-o multime 1 = c
1
. .... c
n
. astfel c a repartitia comun a
acestor variabile este m asura j
1
o
c
1
+ ... + j
n
o
c
r
. Cu alte cuvinte,
variabila A
|
ia veloarea c
i
cu probabilitatea j
i
si mai explicit, avem
1 (A
|
= c
i
) = j
i
. oricare ar | = 1. .... : si i = 1. .... :. Atunci vari-
abilele
1
i
=
a
|=1
1
A
1
I
(c
.
)
. i = 1. .... :.
ne spun de cte ori apare rezultatul c
i
n sirul A
1
. .... A
a
. Are loc relatia
1
1
+...+1
n
= :. astfel c a pentru orice numere /
1
. .... /
n
Nce satisfac
relatia /
1
+ ... + /
n
= : avem
1
1
= /
1
. .... 1
n1
= /
n1
= 1
1
= /
1
. ...1
n1
= /
n1
. 1
n
= /
n
Vectorul 1 = (1
1
. .... 1
a
) este cel care are repartitia ce ne intereseaz a
si pe care o descriem n lema ce urmeaz a.
Lema 5.6. Variabila (1
1
. .... 1
n
) are reparti tia data de rela tia
1 (1
1
= /
1
. .... 1
n
= /
n
) =
:!
/
1
!.../
n
!
j
I
1
1
...j
I
r
n
.
valabila pentru orice sistem de numere /
1
. .... /
n
N astfel nct /
1
+
... + /
n
= :.
Demonstra Tie. Fie . xat. Dac a 1
i
(.) = /
i
. nseamn a c a
multimea `
i
= |,A
|
(.) = c
i
are /
i
elmente. Pentru i = 1. .... :
avem : multimi care partitioneaz a multimea de indici ale variabilelor
A
|
.
1. .... : =
n
_
i=1
`
i
.
L asnd acum . liber, putem scrie
1
1
= /
1
. .... 1
n
= /
n
=
_
(A
1
,...,A
r
)
A
|
= c
i
. \| `
i
. i = 1. .... : .
unde reuniunea se face dup a toate partitiile numerotate (`
1
. .... `
n
)
ale multimii 1. .... : astfel nct cc:d (`
i
) = /
i
. i = 1. .... :. Atunci
putem calcula
1 (1
1
= /
1
. .... 1
n
= /
n
) =

(A
1
,...,A
r
)
1 (A
|
= c
i
. \| `
i
. i = 1. .... :) =
=

(A
1
,...,A
r
)
j
I
1
1
...j
I
r
n
=
:!
/
1
!.../
n
!
j
I
1
1
...j
I
r
n
.
tinnd cont de propozi tia 1.2. Aceasta demonstreaz a lema.
Repartitia vectorului 1 este numit a repartitia multinomial a. Este o
repartitie denit a de parametrii :. : N. : _ 1. : _ 2. si j
1
. .... j
n

(0. 1) care trebuie s a satisfac a relatia j
1
+... +j
n
= 1 si este suportat a
de multimea
1 = (/
1
. .... /
n
) N
n
,/
1
+ ... + /
n
= : N
n
.
9. MPR
A STIEREA ALEATOARE* 129

Expresia repartitiei multinomiale este dat a de
(I
1
,...,I
r
)
:!
/
1
!.../
n
!
j
I
1
1
...j
I
r
o
(I
1
,...,I
r
)
.
unde sumarea se face dup a toate punctele din suportul 1.
Exemplele de repartitii multinomiale apar n dou a formul ari tipice:
a) ntr-o urn a se a a bile colorate n culorile c
1
. .... c
n
. Num arul
bilelor de culoarea c
i
este proportional cu j
i
. Se fac : extrageri cu n-
toarcere. Extragerile sunt modelate de variabilele A
|
: c
1
. .... c
n
. | =
1. .... :. care indic a ce culoare are bila extras a la a ia extragere. Atunci
probabilitatea de a extrase /
i
bile de culoarea c
i
. i = 1. .... :. este
reprezentat a de
1 (1
1
= /
1
. .... 1
n
= /
n
) =
:!
/
1
!.../
n
!
j
I
1
1
...j
I
r
n
.
b) Se arunc a n mod aleatoriu : bile n : cutii notate c
1
. .... c
n
.
asa nct probabilitatea de a arunca o bil a n cutia i este j
i
. Dac a
aruncarea unei bile este modelat a de o variabil a A
i
. alocarea bilelor n
cele : cutii este descris a de repartitia lui 1 = (1
1
. .... 1
n
) . repartitia
multinomial a.
9. mpr astierea aleatoare*
O serie de fenomene zice sunt descrise printr-o multime nit a de
puncte r aspndite aleator ntr-un spatiu 1. spatiu care la rndul
s au este o submultime, de obicei continu a (n sensul de nediscret a si
de puterea continului), dintr-un spatiu euclidian. Spatiul euclidian
respectiv poate avea orice dimensiune, inclusiv unu.
Exemple de astfel de fenomene pot urm atoarele: a) Punctele de
impact ale pic aturilor de ploaie care cad ntr-o secund a pe o suprafat a
determinat a. b) Punctele de impact ale meteoritilor c azuti pe p amnt.
c) Microbii care sunt mpr astiati ntr-un volum de aer contaminat.
d)Momentele de timp la care trec autovehiculele prin dreptul unui reper
pe sosea. Aici spatiul euclidian este unu-dimensional si reprezint a tim-
pul. e) Momentele de timp la care sosesc apelurile la o central a tele-
fonic a. f) Momentele de timp la care sunt emise particule de c atre o
cantitate dat a de substant a radioactiv a. g) Momentele la care soseste
autobuzul n statie, etc. Toate aceste fenomene sunt modelate de obiec-
tul matematic numit masura aleatoare Poisson.
Fie (1. c) un spatiu m asurabil si ` : c R
+
o m asur a nit a pe
(1. c). Not am cu multimea p artilor nite din 1.
= 1 T (1) [ cc:d (1) < .
si pentru ecare multime c not am A
: R
+
. aplicatia de
num arare
A
(1) = cc:d ( 1) . 1 .
Se observ a c a dac a . 1 c si 1 atunci A
_ A
1
. iar dac a
1 = O. atunci A
'1
= A
+ A
1
.
Pe multimea denim T drept cea mai mic a o- algebr a care face
toate aplicatiile A
m asurabile:
T = o (A
[ c) .
Denitia 5.1. O masura de probabilitate 1 pe (. T) va nu-
mita m asur a aleatoare Poisson cu intensitate `, daca sunt vericate
urmatoarele proprieta ti:
1
0
Pentru orice c. variabila A
este repartizata Poisson cu

parametrul `().
2
0
Daca
1
. ....
a
c sunt mul timi disjuncte, atunci variabilele
A
1
. .... A
n
sunt independente.
n aceast a denitie admitem implicit c a o variabil a aleatoare nul a
a.s. este repartizat a Poisson degenerat, cu parametrul 0. Un eveniment
elementar 1 trebuie v azut ca o conguratie nit a de puncte m-
pr astiate n spatiul 1. M asura aleatoare Poisson descrie probabilistic
mpr astierea aleatoare.
Rezult a imediat din denitie c a 1A
= `() pentru orice multime

c. Mai not am c a n cazul a dou a multimi . 1 T astfel nct
1 si `() = `(1) . rezult a c a A
= A
1
. aproape sigur.
M asurile aleatoare Poisson sunt utile att n tratarea aplicatiilor
ct si n studiul teoretic al unor probleme legate de procesele Markov.
Enunt am mai jos teorema general a de constructie a unei m asuri aleatoare
Poisson cu intensitate dat a. Demonstratia se bazeaz a pe unele idei
legate de procesele Poisson si nu si are locul cel mai bun aici.
Teorema 5.2. Fiind dat un spa tiu masurabil (1. c) si o masura
difuza si nita, `. pe el, exista si este unica o masura de probabilitate
1 pe (. T) care este o masura aleatoare Poisson cu intensitatea `.
Notiunea de m asur a difuz a este urm atoarea. O m asur a ` pe (1. c)
se numeste difuz a dac a are proprietatea c a pentru orice multime c
astfel ca `() 0 si orice num ar 0 < / < `() . exist a o submultime
1 . 1 c. astfel nct `(1) = /.
n continuare vom prezenta alte fapte legate de m asurile aleatoare
Poisson p astrnd notatiile introduse mai sus. Vom avea nevoie de ur-
m atoarea lem a tehnic a.
Lema 5.7. Fie (A
a
)
aN
un sir crescator de variabile aleatoare re-
partizate Poisson (denite pe un spa tiu probabilizat (. T. 1)).
(i) Daca sup
a
1A
a
< atunci limita sirului A = lim
a
A
a
este o
variabila aleatoare repartizata Poisson cu parametrul sup
a
1A
a
.
(ii) Daca sup
a
1A
a
= , atunci lim
a
A
a
= , aproape sigur.
9. MPR

(iii) n cazul n care (A
a
) este descrescator, limita este sau nula
sau tot o variabila repartizata Poisson, cu parametrul inf
a
1A
a
.
Demonstra Tie. Vom nota `
a
= 1A
a
si observ am c a sirul (`
a
)
aN
este cresc ator cu limita ce o not am ` = lim`
a
.
(i) Pentru ecare / N. sirul de multimi A
a
_ / . : N este
descresc ator si avem
a
A
a
_ / = A _ / . De aceea putem calcula
limita
1 (A _ /) = lim
ao
1 (A
a
_ /) = lim
ao
I
|=0
c
A
n
`
|
a
|!
=
I
|=0
c
A
`
|
|!
. (+)
de unde rezult a c a A este repartizat a Poisson cu parametrul `.
(ii) Relatia (*) de mai nainte arat a c a n cazul n care lim
ao
`
a
=
. rezult a 1 (A _ /) = 0. pentru orice /. Aceasta demonstreaz a ar-
matia din enunt.
(iii) n cazul n care sirul de variabile este descresc ator rezult a c a
sirul de multimi A
a
_ / . : N. este cresc ator. Din nou este valabil a
relatia (+) si se rationeaz a similar cazurilor dinainte. Dac a lim
ao
`
a
=
0. se obtine A = 0. aproape sigur.
Urm atoarea teorem a ajut a la modelarea unor exemple concrete.
Anume, faptul c a anumite fenomene sunt descrise de o m asur a aleatoare
Poisson este greu de acceptat pentru c a impune apriori repartitia Pois-
son. Teorema de mai jos arat a c a de fapt nu este necesar s a presupunem
c a variabilele A
sunt repartizate Poisson. Aceast a conditie este im-

plicat a de alte conditii mai slabe si mai usor de acceptat. Desi este
enuntat a n cazul unidimensional, teorema se poate generaliza si la
cazul unor spatii 1 multidimensionale. Pentru cazul real, se poate
ar ata c a notiunea de m asur a difuz a revine la o m asur a ce nu ncarc a
punctele. De exemplu, orice m asur a ce se reprezint a cu o densitate fat a
de m asura Lebesgue este difuz a.
Teorema 5.3. n nota tia anterioara, presupunem ca 1 R, este
un interval deschis, c = E(1) . iar ` : E(1) [0. ] este o ma-
sura difuza nita. Presupunem ca 1 este o probabilitate pe (. T) cu
urmatoarele proprieta ti:
1
0
Pentru orice interval marginit 1 R are loc rela tia 1A
1
=
`(1) .
2
0
Pentru orice doua intervale marginite 1, J 1, astfel nct
`(1) = `(J) rezulta 1 (A
1
= 0) = 1 (A
J
= 0) .
3
0
Daca 1
1
. .... 1
a
1. sunt intervale disjuncte, atunci variabilele
A
1
1
. .... A
1
n
sunt independente.
n aceste condi tii (. T. 1) este masura aleatoare Poisson cu inten-
sitatea `.
Demonstra Tie. ncepem prin a studia multimea 1
t
care const a
din toate punctele r 1 care au cte o vecin atate \ ce este interval
deschis, r \ 1 si `(\ ) = 0. Se observ a din aceast a denitie c a
1
t
este o multime deschis a si, prin urmare, ea se scrie ca o reuniune
1
t
=

|
J
|
. unde J
|
. , . sunt intervale deschise disjuncte, iar
este cel mult num arabil a. Se observ a c a `(J
|
) . pentru orice | si,
cum m asura este difuz a, si nchiderea acestor intervale este de m asur a
nul a: `
_
J
|
_
= 0. pentru orice | . Not am 1
tt
=

|
J
|
si vom avea
`(1
tt
) = 0. O proprietate ce decurge imediat din aceast a denitie, si pe
care o vom utiliza mai jos, este urm atoarea: pentru orice dou a puncte
r. 1 1
tt
. intervalul determinat de ele are m asura strict pozitiv a,
adic a `((r. )) 0.
Not am acum cu
0
= 1 , 1 1
tt
= O . Deoarece 1
tt
c si
pentru c a are loc scrierea
0
= 1 , A
1
00 (1) = 0
rezult a c a
0
T. Pe de alt a parte, deoarece 1A
1
00 = `(1
tt
) = 0 si
din exprimarea complementarei sub forma
c
0
= 1 , A
1
00 (1) _ 1 .
rezult a c a 1 (
c
0
) = 0. deci 1 (
0
) = 1.
Urm atorul pas va de a ar ata c a pentru un interval de forma 1 =
[c. /) cu c. / 1.A
1
este o variabil a aleatoare repartizat a Poisson cu
parametrul `(1) . Dac a `(1) = 0. atunci 1A
1
= 0 si, prin urmare,
avem A
1
= 0. c.:.. ceea ce ncheie demonstratia. Pentru cazul `(1) 0
demonstratia este mai lung a. Not am c = `(1) si mp artim intervalul
1 n 2
a
intervale consecutive, de m asur a egal a. n acest fel introducem
urm atoarea notatie: r
a
0
= c si lu am punctul r
a
1
(c. /) astfel nct
`([r
a
0
. r
a
1
)) =
c
2
n
. Prin recurent a se construieste sistemul de puncte
c = r
a
0
< r
a
1
< r
a
2
< ... < r
a
2
n = /. astfel nct intervalele 1
a
i
=
[r
a
i1
. r
a
i
) s a aib a ecare m asura `(1
a
i
) =
c
2
n
.
Not am 1
a
i
= 1
n
A
1
n
.
1
o
. i = 1. .... 2
a
si 1
a
=
a
i=1
1
a
i
.
a) Vom ar ata acum c a sirul (1
a
) este cresc ator. Mai nti se observ a
c a diviziunea
_
r
a+1
0
< r
a+1
1
< r
a+1
2
< ... < r
a+1
2
n+1
_
raneaz a diviziunea r
a
0
< r
a
1
< r
a
2
< ... < r
a
2
n. Mai precis, avemr
a+1
2
=
r
a
1
si 1
a
1
= [r
a
0
. r
a
1
) = [r
a+1
0
. r
a+1
1
) ' [r
a+1
1
. r
a+1
2
) = 1
a+1
1
' 1
a+1
2
. n ge-
neral, r
a+1
2i
= r
a
i
si 1
a
i
= [r
a
i1
. r
a
i
) = [r
a+1
2i2
. r
a+1
2i1
) ' [r
a+1
2i1
. r
a+1
2i
) =
1
a+1
2i1
' 1
a+1
2i
. pentru orice indice i = 1. .... 2
a
. Aceasta implic a
A
1
n
.
= A
1
n+1
2.1
+ A
1
n+1
2.
si deci 1
a
i
_ 1
a+1
2i1
+ 1
a+1
2i
, care conduce la 1
a
_ 1
a+1
.
b) n continuare vom verica relatia lim
ao
1
a
= A
1
pe
0
. Vom
ar ata convergenta 1
a
(1) A
i
(1) pentru orice element 1
0
. S a
9. MPR

presupunem deci c a 1 1 1
tt
si c a intersectia 1 1 se compune din
: puncte
1 1 =
1
. ....
n
.
puncte ce le vom presupune ordonate
1
<
2
< ... <
n
. Pentru a
rationa n continuare, m asur am distanta dintre dou a puncte cu ajutorul
m asurii `. prin m asura lungimii intervalului determinat de cele dou a
puncte. Astfel, num arul d = min `([
)
.
)+1
)) [ , = 1. .... :1 . ex-
prim a distanta minim a dintre dou a puncte din 1 1. El este strict
pozitiv pentru c a punctele sunt din 1 1
tt
. Dac a : este astfel nct
c
2
n
< d. atunci un interval de tipul 1
a
i
nu poate contine mai mult de un
punct din 1. Rezult a c a A
1
n
.
(1) _ 1 si deci A
1
n
.
(1) = 1
a
i
(1). Cum
aceast a egalitate are loc pentru orice i = 1. .... 2
a
, rezult a
A
1
(1) =
2
n
i=1
A
1
n
.
(1) =
2
n
i=1
1
a
i
(1) = 1
a
(1) .
n concluzie, sirul 1
a
(1) . : N
+
. este stationar si lim
ao
1
a
(1) =
A
1
(1) .
Vom utiliza acum faptele demonstrate la a) si b) de mai sus pentru
a aplica teorema 5.1 sirului (1
a
). ncepem prin a observa c a, pentru
ecare : xat, multimile
_
A
1
n
.
_ 1
_
. i = 1. .... 2
a
sunt independente,
datorit a ipotezei 3
0
si num arul j
a
= 1
_
A
1
n
.
_ 1
_
nu depinde de i.
datorit a ipotezei 2
0
. Rezult a c a variabilele 1
a
i
[ i = 1. .... 2
a
sunt in-
dependente, repartizate Bernoulli cu parametrul j
a
si, prin urmare,
1
a
este repartizat a binomial cu parametrul j
a
si rangul 2
a
. Avem
11
a
= 2
a
j
a
si, datorit a punctului a) de mai sus, sirul acestor nu-
mere este cresc ator. Cum 1
a
_ A
1
. rezult a 2
a
j
a
_ 1A
1
= `(1) .
n orice caz exist a limita lim
ao
2
a
j
a
= _ `(1) . Teorema 5.1 ne
asigur a c a
lim
ao
1 (1
a
= /) = c
I
/!
.
Pe de alt a parte, are loc relatia
A
1
_ /
0
=

aN
1
a
_ /
0
.
n care sirul de multimi din dreapta este descresc ator, pentru ecare
/ N xat. Rezult a
1 (A
1
_ /) = lim
ao
1 (1
a
_ /) = lim
ao
I
|=0
1 (1
a
= |) =
I
|=0
c
|
|!
.
Se deduce c a A
1
este repartizat a Poisson cu parametrul . si atunci
= `(1) .
Deoarece ` nu ncarc a punctele, rezult a c a intervalele 1
0
= (c. /) si
1
00
= [c. /] dau variabile de num arare egale:
A
1
0 = A
1
= A
1
00 . c.:.
Fie acum o multime deschis a 1 1. Ea se scrie ca o reuniune cel
mult num arabil a de intervale deschise disjuncte 1 =

a
1
a
si are loc
relatia
A
1
=
a
A
1
n
.
Dac a `(1) < . rezult a c a A
1
este o variabil a repartizat a Poisson cu
parametrul `(1) . prin aplicarea propozi tiei 5.3 si a punctului (i) din
lema 5.7. n plus, dac a 1
1
. .... 1
|
sunt multimi deschise disjuncte din
1. atunci, utiliznd ipoteza 3
0
si descompunerile n intervale ale acestor
multimi, se ajunge la concluzia c a A
1
1
. .... A
1
I
sunt independente.
S a consider am acum cazul unei multimi compacte 1 R. Not am
1
a
=
_
r 1[d (r. 1) <
1
a
_
vecin atatea de raz a
1
a
a lui 1, pentru
orice : N
+
. Acestea sunt multimi deschise m arginite si 1 =

a
1
a
.
Rezult a c a
A
1
= lim
ao
A
1
n
.
Din lema anterioar a, rezult a c a A
1
este repartizat a Poisson si para-
metrul s au este `(1). n plus, dac a 1
1
. .... 1
|
sunt multimi compacte
disjuncte, atunci vecin at atile lor de raz a
1
a
sunt disjuncte cnd : este
mare. Rezult a c a A
1
1
. .... A
1
I
se aproximeaz a cu variabile indepen-
dente. La limit a si A
1
1
. .... A
1
I
se obtin independente.
Mai departe, trecem la cazul unei multimi boreliene E(1) .
Pentru aceasta avem nevoie de un rezultat mai n de teoria m asurii.
Acesta spune c a pentru orice multime borelian a se pot construi dou a
siruri (1
a
)
aN
, (1
a
)
aN
astfel nct 1
a
1
a+1
1
a+1
1
a
.
pentru orice : N si
`() = lim
ao
`(1
a
) = lim
ao
`(1
a
) .
multimile 1
a
. : N. ind compacte, iar multimile 1
a
. : N. ind
deschise. Notnd
0
=
a
1
a
si
00
=
a
1
a
, vom avea
A
0 _ A
_ A
00 .
Deoarece `
_
0
_
= `
_
00
_
, rezult a c a A
0 = A
= A
00 , aproape sigur.
Rezult a c a A
este repartizat a Poisson cu parametrul `(). Ca mai

sus, prin aproximare, se deduce si faptul c a A
1
. .... A
I
sunt variabile
independente dac a
1
. ....
|
sunt boreliene, disjuncte.
Observatia 5.1. O ipoteza care implica punctele 1
0
si 2
0
din enun tul
de mai sus este urmatoarea:
4
0
Daca `(1) = `(J) . atunci variabilele A
1
si A
J
sunt identic
repartizate.
n multe aplica tii este u sor de acceptat direct aceasta ipoteza, care
altfel este o concluzie a teoremei.
9. MPR

Pic aturile de ploaie.
Atunci cnd se examineaz a modelarea pic aturilor de ploaie, este,
la o prim a vedere, greu de acceptat c a m asura aleatoare Poisson este
obiectul matematic care descrie fenomenul. n primul rnd obisnuinta
comun a ne ndeamn a s a privim cantitatea de pic aturi care cade pe un
metru p atrat ca ind o constant a. Dar este clar c a nu este asa. Fap-
tul c a la m asur atori f acute n dou a locuri diferite, n aceeasi perioad a
de timp, se obtin cantit ati de ap a foarte apropiate, nu nseamn a c a
fenomenul aleator nu este prezent. O variabil a aleatoare repartizat a
Poisson cu parametrul ` = 10.000 (corespunz ator la 10.000 de pic a-
turi) are deviatia standard 100. Deci este normal ca variatiile s a e de
acest ordin. Ele apar ca nesemnicative din punct de vedere practic,
dar fenomenul este aleator si poate corespunde unei m asuri aleatoare
Poisson. n cazul a 1.000.000 de pic aturi variatia dat a de model este
si mai mic a, relativ; ea este de 1.000 de pic aturi. Faptul c a num arul
de pic aturi ce cade pe ecare metru p atrat este aleator poate obser-
vat atunci cnd se consider a o perioad a scurt a de timp, sau n cazul
unei ploi foarte scurte de var a. Independenta num arului de pic aturi
care cad n locuri diferite pe suprafete egale este natural a. Teorema
dinainte ne conduce la acceptarea modelului dat de o m asur a aleatoare
Poisson cu intensitatea m asura Lebesgue multiplicat a de o constant a
ce corespunde amploarei fenomenului.
Emisia de particule radioactive.
n cazul emisiunii de particule, fenomen care este modelat ca o
mpr astiere aleatoare de puncte pe axa timpului, ilustr am buna mod-
elare cu cifrele din urm atorul tabel care contine datele consemnate de
Rutherford si Geiger.
/ ::. o/:c:ctii ::. tco:ctic
0 57 54
1 203 211
2 383 407
3 525 526
4 532 508
5 408 394
6 273 254
7 139 140
8 45 68
9 27 29
10 10 11
_ 11 6 6
Cei doi zicieni au m asurat num arul de particule c emise pe minut de
o surs a de polonium. Anume au f acut m asur atori pentru un num ar de
2608 minute. n prima coloan a sunt trecute cele 12 tipuri de rezultate
consemnate pentru ecare din cele 2608 minute: 0 particule emise,
1 particul a, 2 particule, ... n coloana a doua este trecut num arul de
minute pentru care a fost consemnat tipul de rezultat din coloana nti.
Num arul total de particule emise a fost
203 + 2 383 + 3 525 + 4 532 + 5 408 + 6 273 + 7 139+
+8 45 + 9 27 + 10 10 + 11 6 = 10.092
Media num arului de particule emise pe minut rezult a ` =
10.092
2608
= 3. 86.
Valorile repartitiei Poisson cu media 3. 86 multiplicate cu num arul de
minute m asurate, 2608. sunt trecute pe coloana a treia. Se observ a o
foarte mare apropiere ntre rezultatele din coloanele doi si trei.
Rata de defectare.
O leg atur a interesant a exist a ntre notiunea de rat a de defectare
care apare n abilitate, sau rata de deces din actuariat, si m asura
aleatoare Poisson. Fie , : [0. ) R
+
o functie continu a. Not am
` m asura ce are , drept densitate: `(dr) = , (r) dr. Fie 1 m asura
aleatoare Poisson pe (R
+
. E(R
+
)) cu intensitatea `. Denim apoi 1
ca pozitia primului punct (sau momentul primului punct, dac a privim
R
+
ca reprezentnd timpul) :
1 (1) = inf 1 = inf
_
t _ 0 [ A
[0,t]
(1) 0
_
. 1 .
1 : [0. ] .
cu conventia 1 (O) = . Atunci , este rata de defectare corespunz a-
toare lui 1.
De fapt, n enuntul de mai sus este sucient s a presupunem c a , este
o functie m asurabil a si local integrabil a, adic a
a
_
0
, (t) dt < , pentru
orice r 0. Pentru a evita discutii delicate de analiz a, presupunem ,
o functie continu a.
Fiind o variabil a aleatoare pozitiv a, putem interpreta 1 ca un timp
de functionare. Din relatia
1 t =
_
A
[0,t]
= 0
_
.
rezult a 1 (1 t) = c
A([0,t])
. Prin derivare obtinem densitatea de repar-
titie
d
dt
1 (1 t) = , (t) c
I
R
0
o(c)oc
.
Deci , are interpretarea ratei de defectare asociate lui 1.
n cazul particular n care , este o constant a, rezult a c a repartitia
primului punct, sau repartitia lui 1 este exponential a de parametru
,.
10. Exercitii
Exercitiul 5.1. Un motor de un anumit tip este utilizat att pentru
avioane bimotoare ct si pentru cvadrimotoare. Presupunem ca proba-
bilitatea ca un astfel de motor sa se defecteze dupa o anumita perioada
10. EXERCI TII 137
de func tionare este d. Pe de alta parte, normele de siguran ta obliga
un bimotor care are defect unul din motoare sa ntrerupa zborul. Pen-
tru un cvadrimotor regula este ca daca are mai pu tin de 3 motoare n
func tiune sa ntrerupa calatoria. Sa se determine probabilita tile: 1) ca
un bimotor sa func tioneze respectiva perioada fara probleme, 2) ca un
cvadrimotor sa func tioneze aceea si perioada cu succes. 3) Pentru ce
valori ale lui d este mai avantajos un bimotor?
Exercitiul 5.2. O cladire este prevazuta cu doua lifturi. Probabi-
litatea ca un lift sa se defecteze ntr-o zi este de 0. 01. Sa se determine
reparti tia numarului de zile pe an n care este defect primul lift. Sa se
determine reparti tia numarului de zile pe an n care sunt defecte am-
bele lifturi, presupunnd ca acestea se defecteaza independent unul de
celalalt. Sa se determine reparti tia numarului de zile pe an n care cel
pu tin unul din lifturi este defect.
Exercitiul 5.3. Un automat telefonic poate sa raspunda la 90%
din apeluri. Se fac 10 apeluri la rnd la acest automat. Sa se calculeze
cu o precizie de 10
4
probabilitatea de a reu sit contactarea de: 1)
exact 10 ori, 2) exact 5 ori, 3) cel pu tin o data.
Exercitiul 5.4. Se constata ca o persoana care scrie n stare de
oboseala poate sa deformeze aproximativ 20% din litere. Exper tii grafologi
analizeaza un text n care, din 140 de litere, 42 sunt deformate. Pentru
a examina ipoteza unei prefaceri inten tionate a scrisului se calculeaza
probabilitatea ca, n ipoteza starii de oboseala, sa se ajunga la un numar
de litere deformate mai mare sau egal cu 42. Sa se ae aceasta proba-
bilitate.
Exercitiul 5.5. O familie si planica copii pe care ar dori sa-i
aiba si analizeaza urmatoarele scheme:
(a) lasa sa se nasca orice copil pna ce apare o fata si atunci se
opre ste.
(b) lasa sa se nasca orice copil pna ce vor avea cel pu tin doi copii
de sexe diferite si atunci se opre ste.
Presupunnd ca nu exista na steri de gemeni si ca nou -nascutul
are sanse egale de a baiat sau fata, sa se determine media familiei
n ecare caz.
Exercitiul 5.6. * Matematicianul Stefan Banach avea doua cutii
de chibrite, ecare cu cte 50 de be te, n acela si buzunar. De cte ori
a avut nevoie, el a scos cte o cutie la ntmplare si a utilizat un ba t
de chibrit. La un moment dat cutia pe care o scoate din buzunar are
un singur ba t si dupa utilizare este terminata. Sa se construiasca un
model probabilist cu o variabila aleatoare care sa modeleze numarul de
chibrite ce se pot aa n cealalalta cutie n momentul n care este golita
prima cutie. Sa se determine reparti tia acestei variabile. Care este
numarul mediu de chibrite ce ramn n cea de a doua cutie?
Exercitiul 5.7. * O persoana hotare ste sa arunce cu banul pna
ce ob tine cel pu tin doua rezultate cu ecare fa ta a monedei. Care este
numarul mediu de aruncari pe care ar trebui sa le execute persoana
respectiva?
Exercitiul 5.8. Care este probabilitatea ca la o extragere loto 6
din 49". la care s-au vndut 2.000.000 bilete, sa se ob tina rezultatele:
a) nu a ie sit nici un bilet c stigator, b) a ie sit un bilet c stigator, c) au
ie sit doua bilete c stigatoare, d) au ie sit trei bilete c stigatoare. Care
este probabilitatea ca sa nu iasa c stigator nici un bilet trei extrageri
la rnd, la care s-au vndut respectiv 2.000.000. 1.500.000 si 2.500.000
bilete?
Exercitiul 5.9. Un tipograf face n medie o gre seala la 5000 de
semne puse n pagina. El realizeaza pagini de cte 43 de linii, ecare
con tinnd cte 70 de semne. Calcula ti probabilitatea ca pe o pagina
data: 1) sa e exact doua erori, 2) sa e cel mult doua erori.
Exercitiul 5.10. n procesul de fabrica tie al unui obiect apar pro-
duse defecte cu probabilitatea de 0. 01. Care este probabilitatea de a gasi
doua sau mai multe produse defecte la testarea a 200 de obiecte?
Exercitiul 5.11. Fie A. 1 variabile aleatoare repartizate Poisson
cu mediile `. respectiv j. Sa se calculeze 1 (A = /,A + 1 = :) si sa
se arate ca A este repartizata binomial sub 1 (,A + 1 = :) .
Exercitiul 5.12. Se stie ca apelurile la o centrala telefonica sosesc
aleator, aproximativ uniform n intervalul de 12 ore al unei zile. ntr-o
anumita zi au sosit 180 de apeluri. Care este probabilitatea ca xnd
un interval de 4 ore sa constatam ca n el s-au petrecut ntre 50 si 70
de apeluri.
[Se va constata ca exista doua modele plauzibile: 1) Consideram
ecare din cele 180 de apeluri modelate de cte o variabila aleatoare
repartizata Bernoulli cu j =
1
3
_
=
4
12
_
. 2) Consideram modelul unei
masuri aleatoare Poisson pe intervalul 1 = [0. 12] . cu intensitatea c/
unde am notat cu / masura Lebesgue pe dreapta. Notam cu J inter-
valul de lungime 4 care reprezinta perioada n care suntem interesa ti
si punem J
t
= 1J. Variabilele A
J
si A
J
0 sunt independente si repar-
tizate Poisson cu parametrii 4c. respectiv 8c. Calculnd reparti tia lui
A
J
. condi tionata de A
J
+ A
J
0 = 180 se ajunge la acela si rezultat ca
prin metoda 1).]
Exercitiul 5.13. Un vas con tine apa n care se aa bacterii. S-a
estimat ca numarul de bacterii este att de mare nct, daca ar uni-
form repartizate, la ecare picatura de apa ar reveni 2 bacterii. Pre-
supunnd ca se spala vasele cu aceasta apa si dupa spalare ramne cte
o picatura de apa pe pe ecare farfurie, dupa cteva zile ecare bacterie
da na stere la o colonie. Care este probabilitatea de a avea 3 sau mai
multe colonii pe o farfurie?
10. EXERCI TII 139
Exercitiul 5.14. Microbii sunt mpra stia ti aleator pe o lamela de
laborator cu densitatea de 5.000,cm
2
. Cmpul vizibil prin microscop
este de 10
4
cm
2
. Care este probabilitatea ca n cmpul vizibil sa se
ae cel pu tin un microb?
CAPITOLUL 6
Variabile aleatoare si repartitii continue
1. Generalit ati
Pn a acum am avut de a face n special cu spatii probabilizate
discrete, n sensul c a o -algebrele au fost generate de o partitie cel
mult num arabil a. n acest moment suntem obligati s a discut am despre
repartitia normal a, o repartitie care si face aparitia implicit prin teo-
rema de Moivre -Laplace, care va interveni explicit n teorema limit a
central a si care care ne scoate din cadrul discret studiat n capitolele an-
terioare. Scopul acestui capitol este de a prezenta un num ar minim de
fapte absolut necesare pentru a clarica notiunea de repartitie n cazul
nediscret. Evit am ns a problemele mai complexe de teoria m asurii.
Vom presupune n continuare c a este dat un spatiu probabilizat
(. T. 1) . Vom numi variabila aleatoare cu valori n 1 orice aplicatie
A : 1. cu valori ntr-un spatiu m asurabil (1. c) . care are pro-
prietatea c a A
1
() T. pentru orice c. Termenul din teoria
m asurii, utilizat pentru aceeasi notiune, este de aplicatie m asurabil a
de la T la c. Cnd se omite atributul cu valori n 1 se subntelege
c a 1 = R. iar c = E(R) este o -algebra multimlor boreliene pe R.
Dac a A : 1 este o aplicatie arbitrar a, se noteaz a o (A) =
A
1
() , c familia preimaginilor ntoarse de aplicatie. Se ver-
ic a f ar a probleme, ca si n cazul discret, c a aceast a familie este o o
-algebr a si ea poart a denumirea de o -algebra generat a de A. Faptul de
a variabil a aleatoare revine deci la vericarea incluziunii o (A) T.
Independenta unor variabile aleatoare A
1
. .... A
a
este denit a prin in-
dependenta o -algebrelor o (A
1
) . .... o (A
a
) .
Fiind dat a o variabil a aleatoare A : 1 cu valori n spatiul
m asurabil (1. c), se noteaz a cu 1
A
si se numeste reparti tia lui A. la fel
ca n cazul discret, m asura de probabilitate denit a pe c prin formula
1
A
() = 1
_
A
1
()
_
. c.
Deci repartitia lui A este m asura obtinut a transportnd 1 prin apli-
catia A. Faptul c a aceasta este o m asur a de probabilitate se veric a di-
rect. De exemplu, proprietatea de o -aditivitate se veric a astfel: dac a
1
.
2
. ... sunt multimi disjuncte din c. atunci A
1
(
1
) . A
1
(
2
) . ...
140
1. GENERALIT
A TI 141
sunt multimi disjuncte din T si are loc relatia
A
1
_
o
_
a=1
a
_
=
o
_
a=1
A
1
(
a
) .
care implic a
1
A
_
o
_
a=1
a
_
= 1
_
A
1
_
o
_
a=1
a
__
= 1
_
o
_
a=1
A
1
(
a
)
_
=
o
a=1
1
_
A
1
(
a
)
_
=
o
a=1
1
A
(
a
) .
Observ am c a orice m asur a de probabilitate pe un spatiu m asura-
bil (1. c) poate privit a ca repartitia unei variabile aleatoare. ntr-
adev ar, dac a j este o m asur a de probabilitate pe (1. c) . atunci (1. c. j)
este un spatiu probabilizat. Aplicatia identitate A (r) = r de la
(1. c. j) la (1. c) poate considerat a ca o variabil a aleatoare cu valori
n 1. M asura transportat a prin aplicatia identitate este neschimbat a,
deci j() = j(A
1
()), pentru orice c, ceea ce nseamn a c a
repartitia lui A este j (adic a 1
A
= j). Acesta este motivul pentru
care orice m asur a de probabilitate mai este numit a repartitie.
1.1. Repartitii ce admit densitate*. n acest capitol vom ex-
amina o serie de repartitii care nu mai sunt suportate de puncte, ci
care pun m asura zero pe orice punct, ba chiar vor asocia o m asur a
nul a pentru orice multime cel mult num arabil a. Aceste repartitii se
numesc continue. De fapt, repartitiile ce ne intereseaz a vor obtinute
din m asura Lebesgue pe dreapt a prin introducerea unei densita ti. Con-
cret, s a consider am un interval (c. /) R ,nit sau innit, si o functie
j : (c. /) R
+
continu a pe portiuni si cu integrala unu:
_
b
o
j (r) dr = 1.
(Faptul c a functia j este continu a pe portiuni nseamn a c a exist a o
partitie c = t
0
< t
1
< ... < t
a
= /. astfel nct j s a e continu a pe
ecare interval deschis (t
i1
. t
i
) . i = 1. .... :.) Atunci putem deni o
m asur a j punnd, pentru orice interval [r
1
. r
2
] (c. /) .
j([r
1
. r
2
]) =
_
a
2
a
1
j (r) dr.
Este clar c a o astfel de m asur a nu va nc arca punctele, iar pentru
intervale deschise sau semideschise vom avea aceeasi expresie
j((r
1
. r
2
)) = j((r
1
. r
2
]) = j([r
1
. r
2
)) = j([r
1
. r
2
]) =
_
a
2
a
1
j (r) dr.
142 6. VARIABILE ALEATOARE SI REPARTI TII CONTINUE
Dac a avem o multime care se scrie ca o reuniune de intervale, sau
mai general pentru orice E((c. /)) . denim
j() =
_
j (r) dr.
n acest fel obtinem aplicatia j : E((c. /)) [0. 1] . care se dovedeste a
o -aditiv a, deci o m asur a de probabilitate. Nu facem demonstratia,
care rezult a cu argumente standard de teoria m asurii. Se utilizeaz a
notatia j = j (r) dr pentru acest a m asur a.
Un calcul de repartitie.
S a presupunem c a privim tripletul ((c. /) . E((c. /)) . j) de mai sus
ca spatiu probabilizat. S a presupunem c a avem o bijectie / : (c. /)
(c. d) . cu imaginea un alt interval si astfel nct / (
1
(c. /) si [/
t
[
0 . Vom privi / ca variabil a aleatoare cu valori n R si dorim s a-i
determin am repartitia. Mai precis, vrem s a ar at am c a repartitia lui /.
pe care o not am cu j
t
. este dat a de densitatea : () =
jI
1
(j)
[I
0
[I
1
(j)
.
(c. /) .
Pentru simplicare presupunem /
t
0 si ncepem prin a scrie for-
mula schimb arii de variabil a
_
j
2
j
1
, () d =
_
a
2
a
1
, (/(r)) /
t
(r) dr.
unde c _ r
1
_ r
2
_ / si /(r
i
) =
i
. i = 1. 2. Deci avem /
1
([
1
.
2
]) =
[r
1
. r
2
] si trebuie s a calcul am
j
_
/
1
([
1
.
2
])
_
= j([r
1
. r
2
]) =
_
a
2
a
1
j (r) dr =
_
a
2
a
1
j (r)
/
t
(r)
/
t
(r)
dr =
=
_
a
2
a
1
_
j /
1
_
(/(r))
/
t
(r)
(/
t
/
1
) (/(r))
dr =
_
j
2
j
1
j /
1
()
/
t
/
1
()
d =
=
_
j
2
j
1
: () d.
La penultimul semn egal am folosit formula schimb arii de variabil a.
Egalitatea stabilit a pentru intervale se extinde prin aditivitate la re-
uniuni de intervale si cu un argument de clas a monoton a se obtine,
pentru orice E((c. d)) .
((+)) j
t
() = j
_
/
1
()
_
=
_
: () d.
Aceasta este relatia dorit a.
S a presupunem acum c a repartitia cu densitate j = j (r) dr este
repartitia unei variabile A denite pe un alt spatiu probabilizat (. T. 1) .
adic a 1
A
= j = j (r) dr. Atunci 1 = /(A) este o alt a variabil a
aleatoare si repartitia ei este j
t
. dup a cum se veric a usor:
1
_
1
1
()
_
= 1
_
A
1
_
/
1
()
__
= j
_
/
1
()
_
= j
t
() .
1. GENERALIT
A TI 143
Translatia.
Cazul n care / este o translatie, adic a /(r) = + r. cu R
un num ar x, corespunde unei translatii a m asurii j. Intervalul (c. /)
este translatat n (c + . / + ) . iar densitatea j este si ea translatat a
: (r) = j (r ) . Gracul lui : este punctual translatat cu .
Red am mai jos gracul functiei j (r) =
1
12
r
3
1
8
r
2
+
1
24
r+
1
3
si gracul
translatat cu = 1. care corespunde functiei j (r 1) =
1
12
r
3
3
8
r
2
+
13
24
r +
1
12
-1 0 1 2
0.5
x
y
0 1 2 3
0.0
0.5
x
y
Cazul unei variabile aleatoare adunate cu o constant a. Dac a
avemo variabil a aleatoare A. denit a pe un spatiu probabilizat (. T. 1) .
a c arui repartitie este 1
A
= j = j (r) dr. atunci 1 = /(A) = A +
este o variabil a cu repartitia translatat a.
Omotetia.
S a presupunem acum c a / este o omotetie, adic a are o expresie
de tipul /(r) = or. unde o 0 este un num ar x. n aceast a situatie
intervalul (c. /) este transportat peste intervalul (co. /o) . iar densitatea
devine : (r) =
1
0
j
_
a
0
_
. Cnd o 1. aceast a transformare revine la
ntinderea gracului n lung si, n acelasi timp, turtirea sa. Cnd o < 1.
gracul se strnge n lungime si se nalt a.
n desenul de mai jos avem transformarea gracului lui j dup a o
omotetie cu o = 2. Mai concret este gracul functiei
1
2
j
_
a
2
_
=
1
192
r
3
1
64
r
2
+
1
96
r +
1
6
.
Cazul unei variabile aleatoare nmultite cu o constant a.
Dac a A este o variabil a aleatoare denit a pe un spatiu probabilizat
(. T. 1) care are repartitia 1
A
= j = j (r) dr. atunci 1 = oA
are drept repartitie m asura transportat a prin omotetie. Adic a 1
Y
=
1
0
j
_
a
0
_
dr.
-2 -1 0 1 2 3 4
0.2
0.4
0.6
x
y
Produsul de m asuri cu densitate si independenta variabilelor.
S a presupunem c a pe ecare din intervalele (c
i
. /
i
) . i = 1. .... :.
avem cte o m asur a de probabilitate j
i
: E((c
i
. /
i
)) [0. 1] . i =
1. .... :. Se demonstreaz a n teoria m asurii c a atunci exist a o singur a
m asur a de probabilitate pe spatiul produs (c
1
. /
1
) ... (c
a
. /
a
) . s a o
not am j : E((c
1
. /
1
) ... (c
a
. /
a
)) [0. 1] . care are proprietatea c a
j([r
1
.
1
] ... [r
a
.
a
]) = j
1
([r
1
.
1
]) ...j
1
([r
a
.
a
]) .
pentru orice produs de intervale [r
i
.
i
] (c
i
. /
i
) . i = 1. .... :. Aceast a
m asur a se numeste produsul m asurilor j
1
. .... j
a
si se noteaz a j =
j
1
...
j
a
. n cazul n care m asurile initiale au densit ati, j
i
=
j
i
(r) dr. i = 1. .... :. se dovedeste c a m asura produs are si ea densitate
si anume aceasta este j (r
1
. .... r
a
) = j
1
(r
1
) ...j
a
(r
a
) . Cu alte cuvinte
m asura produs se exprim a printr-o integral a multipl a sub forma
j() =
_
...
_
j
1
(r
1
) ...j
a
(r
a
) dr
1
...dr
a
.
pentru orice E((c
1
. /
1
) ... (c
a
. /
a
)) .
Independenta variabilelor aleatoare se caracterizeaz a prin repar-
titii la fel ca n cazul discret. Fie A
1
. .... A
a
. variabile aleatoare reale
pe spatiul probabiliozat (. T. 1) . ale c aror repartiti admit densit ati:
1
A
.
= j
i
(r) dr. i = 1. .... :. Not am cu 2 = (A
1
. .... A
a
) : R
a
. vari-
abila aleatoare vectorial a de componente A
1
. .... A
a
. Se demonstreaz a
c a are loc egalitatea de o -algebre
o (2) = o (o (A
1
) . .... o (A
a
)) .
iar independenta variabilelor A
1
. .... A
a
este echivalent a cu egalitatea
1
Z
= j
1
(r
1
) ...j
a
(r
a
) dr
1
...dr
a
.
1. GENERALIT
A TI 145
1.2. Exemple de repartitii cu densitate*. Repartitia uni-
form a.
Fie [0. c] R un interval m arginit, pe care-l vedem ca spatiu m a-
surabil echipat cu o -algebra multimilor boreliene E([0. c]) . Denim o
m asur a de probabilitate pe acest interval, pe care o not am |
o
. punnd
|
o
() =
1
c
_
dr.
pentru orice multime E ([0. c]) . Aceast a m asur a este numit a repar-
ti tia uniforma pe [0. c] . Putem scrie prescurtat |
o
=
1
o
1
[0,o]
(r) dr.
Repartitia exponential a.
Fie c 0. Pe spatiul m asurabil ((0. ) . E((0. ))) se deneste
m asura de probabilitate c
c
prin
c
c
() = c
_
c
ca
dr.
pentru orice multime E((0. )) . Aceast a m asur a este numit a
reparti tia exponen tiala de parametru c. Prescurtat putem scrie c
c
=
c1
(0,o)
(r) dr.
Exemplu de constructie de variabil a repartizat a exponential.
Fie = (0. 1) . T = E((0. 1)) si s a not am cu 1 m asura Lebesgue pe
(0. 1) . Deci (. T. 1) este un spatiu probabilizat. Denim A :
(0. ) . prin A (r) =
1
c
ln r. Arm am c a atunci A este o variabil a
aleatoare repartizat a exponential cu parametrul c.
Pentru a verica acest fapt este sucient s a aplic am formula (*)
din sectiunea anterioar a. Lu am / = A si avem /
1
() = c
cj
si
[/
t
(r)[ =
1
ca
. Pe de alt a parte, n cazul de fat a avem j = 1 si atunci
: () = cc
cj
si de aceea putem scrie
1
_
A
1
()
_
=
_
cc
cj
d = c
c
() .
1.3. Paradoxul lui Bertrand*. Problema propus a de Bertrand
se enunt a astfel. Intr-un cerc dat se duce la ntmplare o coard a. S a se
ae probabilitatea ca acea coard a s a aib a lungimea mai mare ca latura
triunghiului echilateral nscris. Paradoxul provine din lipsa de precizie
a termenului se duce la ntmplare. Exist a mai multe feluri de a
duce la ntmplare corzi pe un cerc si rezultatele sunt diferite pentru
diversele procedee.
Vomdescrie n continuare trei experimente probabiliste care r aspund
la aceast a problem a producnd ecare alt rezultat. Primele dou a se
bazeaz a pe corespondenta bijectiv a care exist a ntre corzile unui cerc
si punctele din cerc, corespondent a realizat a asociind ec arei corzi mi-
jlocul s au.
1. Presupunem c a un cerc mare este desenat n curte pe p amnt.
Dup a o scurt a ploaie de var a r amn marcate n interiorul cercului un
num ar mare de puncte de impact ale pic aturilor de ploaie. Fiecare din
aceste puncte determin a o coard a cu mijlocul n punct. Dac a se face o
num ar atoare, se constat a c a proportia de corzi mai lungi dect latura
triunghiului nscris este de
1
4
.
2. Vom descrie acum un alt procedeu aleator de constructie a
corzilor n cerc, utiliznd o roat a de rulet a cu care producem directii
aleatoare si un pachet de sireturi de diverse lungimi care ne d a dis-
tante aleatoare m asurate n centimetri, repartizate uniform pe inter-
valul [0. 50] .
Presupunem c a un cerc cu raza 50 c: este desenat pe o plans a.
Asez am roata de rulet a n interiorul cercului, concentric si i imprim am
o miscare de rotatie, dup a care marc am directia la care s-a oprit. Ex-
tragem la ntmplare un siret din pachet si, pe directia respectiv a, mar-
c am distanta de la centrul cercului dat a de lungimea siretului. Punctul
astfel marcat va centrul unei coarde n cerc. Proportia de corzi,
obtinute n acest fel, care vor mai lungi dect latura triunghiului
nscris n cerc se constat a a apropiat a de valoarea
1
2
.
3. Un alt procedeu de a construi corzi aleatoare n cerc este bazat
pe generarea ec arui cap at al corzii cu o roat a de rulet a. Cercul este
desenat pe o plans a si se pune ruleta concentric, n interiorul cercu-
lui. Se roteste ruleta, iar la oprire se marcheaz a pe cerc punctul din
directia indicatorului rotii de rulet a. Acesta este un cap at de coard a.
Se repet a aceast a operatie pentru a obtine si cel de al doilea cap at al
corzii. Proportia de corzi cu lungimea mai mare dect latura triunghilui
echilateral nscris se constat a a apropiat a de valoarea
1
3
.
Modelare matematic a.
Vom modela acum cele trei experimente probabiliste.
1. Pentru primul experiment se impune modelul urm ator: este
discul m arginit de cercul dat; T = E() este familia multimilor bore-
liene din . iar 1 () =
ovio
ovio
, pentru orice regiune T. Fiecare
coard a este identicat a cu mijlocul s au, care este un punct din . Dac a
: este latura cercului, se stie c a latura triunghiului echilateral nscris
n cerc este la distanta :,2 de centrul cercului de raz a :. (In gura 1
``Q este triunghiul echilateral nscris n cerc. Punctul C este centrul
cercului iar C1 este perpendicular a pe `Q. Se stie c a C1 = 11.)
Rezult a c a dac a alegem un punct G din interiorul cercului de raz a
v
2
, concentric cu cel initial, si ducem raza ce trece prin G iar apoi ducem
prin G o perpendicular a pe raz a, aceasta va determina o coard a a cercu-
lui initial de lungime mai mare dect latura triunghiului lateral nscris.
Pentru punctele din afara cercului de raz a
v
2
, acelasi procedeu con-
duce la corzi de lungime mai mic a dect latura triunghiului echilateral
nscris.
Fie
0
multimea punctelor din cercul de raz a
v
2
si concentric cu
. Aceasta este multimea a c arei probabilitate trebuie s a o calcul am.
Avem
1. GENERALIT
A TI 147
Figura 1. Experimentul 1.
1 (
0
) =
[
0
[
[[
=
:
_
v
2
_
2
::
2
=
1
4
.
valoare care este n concordant a cu rezultatul experimental.
2. Pentru a construi modelul pentru cel de al doilea experiment se
porneste de la faptul c a experimentul are dou a componente aleatoare
independente: alegerea directiei prin rotirea roatei de rulet a si alegerea
distantei punctului fat a de centru prin extragerea unui siret din pachet.
Directia corzilor, ct si a perpendicularelor pe acestea, este repartizat a
uniform n jurul centrului de cerc. La fel, distanta de la centrul cercului
la coard a este si ea repartizat a uniform pe intervalul (0. 50) .
n gura 2, al aturat a, am luat un sistem cartezian cu centrul n C.
O coard a n cerc este unic determinat a de unghiul o [0. 2:) pe care
l face segmentul ce uneste C de mijlocul corzii G.cu directia Cr si de
distanta | (0. 50) dintre G si C.
Atunci se impune ca model dreptunghiul = [0. 2:) (0. 50) cu
T multimea p artilor boreliene din . Cele dou a proiectii pe compo-
nentele lui . A
1
: [0. 2:) . A
2
: (0. 50) . denite prin
A
1
(o. |) = o. A
2
(o. |) = |. dorim s a e independente si uniform re-
partizate. Pe intervalele [0. 2:) si (0. 50) avem m asurile uniforme |
2
si |
50
. Rezult a c a m asura de probabilitate pe o denim prin pro-
dusul 1 = |
2
|
50
. La fel ca n cazul produselor de m asuri discrete,
aceast a m asur a asigur a independenta celor dou a proiectii, si faptul c a
repartitiile lor sunt |
2
. respectiv, |
50
. Multimea
0
= [0. 2:) [0. 25]
corespunde punctelor G care sunt mijloace ale corzilor de lungime mai
mare ca latura triunghiului echilateral nscris. Probabilitatea acestei
multimi este
1 (
0
) =
2:
2:

25
50
=
1
2
.
care este n concordant a cu rezultatul experimental.
3. De data aceasta privim capetele 1
1
. 1
2
ale corzii. Fiecare punct
de pe cerc este determinat de unghiul pe care-l face raza ce trece prin el
cu directia Cr. m asurat n sensul trigonometric, astfel c a pentru model
putem lua = [0. 2:) [0. 2:). Coarda arbitrar a de capete 1
1
. 1
2
pe
cerc este reprezentat a de o pereche (o
1
. o
2
) [0. 2:) [0. 2:). unde o
1
este unghiul pe care-l face C1
1
cu Cr. si o
2
unghiul dintre C1
2
si Cr.
Lu am T = E() si probabilitatea pe o denim ca produsul 1 =
|
2
|
2
. ceea ce asigur a independenta pozitiilor lui 1
1
si 1
2
ct si
faptul c a sunt repartizate uniform. Multimea corzilor ce ne intereseaz a
este descris a de perechile de puncte (1
1
. 1
2
) pe cerc cu proprietatea c a
unghiul dintre C1
1
si C1
2
. m asurat pe partea cea mai scurt a, este mai
mare dect
2
3
. Dac a (o
1
. o
2
) reprezint a o astfel de coard a si presupunem
c a o
1

_
0.
2
3
. atunci putem exprima conditia aceasta privind unghiul

prin
o
2

_
o
1
+
2:
3
. o
1
+
4:
3
_
.
n cazul n care o
1

_
2
3
.
4
3
. conditia devine
o
2

_
0. o
1
2:
3
_
'
_
o
1
+
2:
3
. 2:
_
.
n cazul n care o
1

_
4
3
. 2:
. trebuie s a e satisf acut a relatia

o
2

_
o
1
4:
3
. o
1
2:
3
_
.
1. GENERALIT
A TI 149
Putem atunci scrie multimea care ne intereseaz a sub forma
0
=
1
'
2
'
3
.
cu multimile din dreapta denite prin
1
=
_
(o
1
. o
2
) ,o
1

_
0.
2:
3
_
. o
2

_
o
1
+
2:
3
. o
1
+
4:
3
__
.
2
=
_
(o
1
. o
2
) ,o
1

_
2:
3
.
4:
3
_
. o
2

_
0. o
1
2:
3
_
'
_
o
1
+
2:
3
. 2:
__
.
3
=
_
(o
1
. o
2
) ,o
1

_
4:
3
. 0
_
. o
2

_
o
1
4:
3
. o
1
2:
3
__
.
Probabilitatea ce ne intereseaz a este 1 (
0
) = 1 (
1
)+1 (
2
)+1 (
3
) .
Pentru a calcula 1 (
1
) vom aplica formula lui Fubini:
1 (
1
) =
1
2:
_ 2r
3
0
|
2
(
1,0
1
) do
1
.
unde am notat
1,0
1
= o
2
[0. 2:), (o
1
. o
2
)
0
. sectiunea prin o
1
a lui
1
. Din expresia lui
1
se vede c a
0,0
1
=
_
o
1
+
2
3
. o
1
+
4
3
. ceea
ce implic a |
2
(
0,0
1
) =
1
3
si atunci 1 (
1
) =
_
1
3
_
2
.
Un calcul similar conduce la 1 (
2
) = 1 (
3
) =
_
1
3
_
2
. astfel c a
obtinem 1 (
0
) =
1
3
. Din nou avem un rezultat ce corespunde valorii
obtinute experimental.
2. Medie si dispersie*
n continuare vom presupune c a (. T. 1) este un spatiu proba-
bilizat xat si vom discuta despre extensia notiunii de medie pe care
am denit-o pentru variabile cu valori ntr-o multime cel mult num ara-
bil a. Pentru aceasta este util s a facem aproximarea variabilelor reale
generale cu un sir de variabile care iau valori ntr-o multime cel mult
num arabil a. Dac a A este o variabil a aleatoare real a astfel c a A _ 0.
se deneste sirul (A
a
)
aN
n felul urm ator:

A
a
=
/
:
. jc
_
/
:
_ A <
/ + 1
:
_
. / N.
Este clar c a ecare din variabilele A
a
:
_
I
a
,/ N
_
. : N
+
ia valori ntr-o multime cel mult num arabil a. O alt a expresie pentru
aceste variabile este
A
a
=
1
:
o
I=1
1
I
n
A
.
Se veric a punctual c a au loc inegalit atile A
1
a
< A
a
_ A. Rezult a
c a lim
ao
A
a
= A. Dac a consider am subsirul (A
2
I )
|N
. acesta este
cresc ator, dup a cum se poate usor verica.
Urm atoarea lem a va permite denirea mediei varibilei A.
Lema 6.1. Daca 1A
1
< . atunci 1A
a
< . pentru orice : N
si au loc inegalita tile
[1A
a
1A
n
[ _
1
:
. \: _ :.
Demonstra Tie. Din inegalit atile A
1
a
< A
a
_ A si A
1
n
<
A
n
_ A rezult a
[A
a
A
n
[ _
1
:
. (+)
dac a : _ :. n particular, avem
A
n
_ A
1
+ 1.
ceea ce implic a 1A
n
_ 1A
1
+1. Cu aceasta am demonstrat armatia
din enunt referitoare la nitudinea mediilor. Pentru a demonstra ine-
galit atile din enunt pornim cu urm atoarele inegalit ati, ce rezult a din
(*),
A
a
1
:
_ A
n
_ A
a
+
1
:
.
De aici se deduce
1A
a
1
:
_ 1A
n
_ 1A
a
+
1
:
.
care implic a inegalit atile din enunt.
Din lema anterioar a rezult a c a dac a 1A
1
< . atunci sirul 1A
a
. :
N este Cauchy si, prin urmare, exist a lim
ao
1A
a
. Prin denitie
2. MEDIE SI DISPERSIE* 151
punem 1A = lim
ao
1A
a
si spunem c a acest num ar reprezint a me-
dia variabilei A. Vom spune c a A admite medie dac a este ndeplinit a
conditia 1A
1
< .
Pentru o variabil a care nu este neap arat nenegativ a vom face de-
scompunerea A = A
+
A
. unde A
+
= max (A. 0) si A
= max (A. 0)
reprezint a p artile pozitiv a, respectiv negativ a, ale lui A. Vom spune c a
A admite medie dac a att A
+
ct si A
admit medii si n acest caz

not am 1A = 1A
+
1A
si vom spune c a aceasta este media vari-

abilei A.
Aceste denitii sunt diferite de cele uzual utilizate n teoria m asurii,
dar sunt de fapt echivalente, dup a cum un cititor avansat se poate
singur convinge. n mod curent media este numit a integral a n teoria
m asurii iar notatia pentru ea are versiunile urm atoare
1A = `A =
_
A (.) 1 (d.) =
_
Ad1.
Este vorba de integrala n sensul Lebesgue. Toate propriet atile demon-
strate pentru media variabilelor cu valori cel mult num arabile se extind
la cazul variabilelor generale. Facem mai jos o recapitulare a acestora.
1. Dac a A este o variabil a ce admite medie si A _ 0. atunci
1A _ 0.
2. Variabila A : 1 R admite medie, dac a si numai dac a
[A[ admite medie. n plus are loc inegalitatea 1A _ 1 [A[ .
3. Dac a variabila A admite medie, atunci, pentru orice c R.
variabila cA admite de asemenea medie si are loc relatia 1 (cA) =
c1A.
4. Dac a A
1
. .... A
a
sunt variabile aleatoare ce admit medie, atunci
orice sum a de tipul c
1
A
1
+ ... + c
a
A
a
. cu c
1
. .... c
a
R. admite de
asemenea medie si are loc formula
1 (c
1
A
1
+ ... + c
a
A
a
) = c
1
1A
1
+ ... + c
a
1A
a
.
5. Dac a A. 2 sunt dou a variabile aleatoare astfel c a 2 este inte-
grabil a si are loc inegalitatea [A[ _ 2. atunci si A este integrabil a si
1A _ 1 [A[ _ 12.
6. Inegalitatea lui Schwartz r amne valabil a ca si n cazul discret.
7. Pentru variabile independente care admit medie avem1 (A1 ) =
(1A) (11 ) .
8. Dac a A este o variabil a aleatoare real a, iar , : R R este
o functie continu a pe portiuni, not am 1 = , A si aceasta este tot
variabil a cu valori reale. Presupunem c a repartitia lui A admite densi-
tatea 1
A
= j (r) dr. iar j, este integrabil a. n aceste conditii variabila
aleatoare 1 admite medie si aceasta se calculeaz a dup a formula
11 =
_
, (r) 1
A
(dr) =
_
j (r) , (r) dr.
Pentru variabile aleatoare care sunt de p atrat integrabile, adic a
astfel nct A
2
este integrabil a, se deneste dispersia la fel ca pentru
variabilele cu valori discrete
1
2
A := 1 (A 1A)
2
= 1A
2
(1A)
2
.
Num arul 1A :=
_
1
2
A este numit devia tia standard a lui A. Vari-
abila (A 1A) care apare n denitia dispersiei este numit a versiune
centrat a a lui A. Tinnd cont de formula anterioar a, pentru cazul n
care repartitia lui A admite densitatea j. putem scrie
1A =
_
rj (r) dr. 1
_
A
2
_
=
_
r
2
1
A
(dr) =
_
r
2
j (r) dr.
1
2
A =
_
r
2
j (r) dr
__
rj (r) dr
_
2
.
10. Dac a variabilele A
1
. .... A
a
sunt de p atrat integrabile si inde-
pendente, atunci are loc formula
1
2
(A
1
+ ... + A
2
) = 1
2
A
1
+ ... + 1
2
A
a
.
11. Inegalitatea lui Ceb sev r amne neschimbat a.
12. Legea numerelor mari este valabil a ca si pentru variabile cu
valori discrete.
n ncheiere s a not am regulile dup a care se modic a media si dis-
persia unei variabile cnd adun am o constant a sau cnd o nmultim cu
o constant a. Calcule directe simple ne spun c a
1 (A + ) = 1A + . 1
2
(A + ) = 1
2
A.
1 (oA) = o1A. 1
2
(oA) = o
2
1
2
A.
3. Repartitia normal a
Functia ,(r) =
1
_
2
c
i
2
2
joac a un rol deosebit n teoria proba-
bilit atilor. Gracul acestei functii numit si clopotul lui Gauss este
reprezentat n gura 4, n partea de jos. Pentru trasarea gracu-
lui se tine cont c a ,
t
(r) = r,(r) si ,
tt
(r) = (r
2
1) ,(r) . Este
o curb a simetric a fat a de axa C. cu un maxim n ,(0) =
1
_
2
-
0. 3989 si punctele de inexiune n 1 si 1 : ,(1) = ,(1) - 0. 2419.
Functia este descresc atoare pe intervalul [0. ). iar limitele la innit
sunt lim
ao
,(r) = lim
ao
,(r) = 0. Ceea ce trebuie retinut, ns a,
este faptul c a are loc o convergent a foarte rapid a. Viteza mare de
convergent a la zero este ilustrat a, de exemplu, de faptul c a pentru nu-
mere naturale are loc relatia ,(: + 1) = ,(:) c
a
1
2
_
1
a+1
,(:) . Am
utilizat aici binecunoscuta inegalitate 1 +r _ c
a
.
Pe de alt a parte, calcule numerice arat a c a
,(2) = ,(2) - 0. 0539. ,(3) = ,(3) - 0. 00443.
,(4) = ,(4) - 0. 000134.
3. REPARTI TIA NORMAL
A 153
Figura 4. Jos este gracul lui ,. Sus este gracul den-
sit atii repartitiei normale cu : = 0 si o = 0. 25.
Valorile acestei functii sunt tabelate pentru c a functia este utilizat a n
probleme de statistic a. Din punctul de vedere al majorit atii aplicatiilor
numerice, functia , este considerat a zero pentru [r[ _ 4.
Valoarea integralei urm atoare este cunoscut a, ind una din inte-
gralele speciale clasice,
o
_
o
c
i
2
2
dr =
_
2:.
Pentru completitudinea expunerii vom verica aceast a egalitate.
Se porneste cu observatia c a, datorit a simetriei functiei avem
o
_
o
c
i
2
2
dr =
2
o
_
0
c
i
2
2
dr. Atunci vom nota 1 =
o
_
0
c
i
2
2
dr si vom scrie p atratul acestei
integrale ca o integral a dubl a,
1
2
=
_
o
_
0
c
i
2
2
dr
__
o
_
0
c
2
2
d
_
=
__
R
2
+
c
i
2
+
2
2
drd =
_ r
2
0
_
o
0
:c
r
2
2
d:do
=

2
_
o
0
:c
r
2
2
d: ==

2
lim
oo
_
c
r
2
2
o
0
_
=

2
.
La al treilea semn egal am utilizat trecerea la coordonate polare. Rezult a
1 =
_
2
. ceea ce stabileste formula dorit a.
Relatia ce tocmai am vericat-o arat a c a , este densitatea unei
m asuri de probabilitate pe R. Mai precis, se deneste o m asur a pe
(R. E(R)) prin
A () =
_
,(r) dr.
iar relatia anterioar a arat a c a A (R) = 1. Aceast a m asur a de probabi-
litate este numit a reparti tia normala standard sau reparti tia gaussiana
standard. Propriet atile functiei , conduc la faptul c a m asura 1 este
concentrat a practic pe intervalul (4. 4) . Estim ari numerice arat a c a
au loc relatiile aproximative urm atoare
1
_
1
,(r) dr - 0. 6826.
2
_
2
,(r) dr - 0. 9546.
3
_
3
,(r) dr - 0. 9972.
4
_
4
,(r) dr - 0. 9999.
Integralele functiei , pe diverse intervale sunt utilizate n calcule sta-
tistice si de aceea se deneste functia urm atoare
(r) =
a
_
o
,() d. \r R.
care se numeste func tia lui Laplace. Prin intermediul acestei functii
putem exprima orice integral a pe interval:
b
_
o
,(r) dr = (/) (c) .
Pentru a facilita calculele, functia lui Laplace este tabelat a de obicei
cu valori ale lui r care cresc cu 0. 01 de la 0 pn a la 4. C artile de
statistic a contin n mod curent, la sfrsit, un num ar de tabele care
3. REPARTI TIA NORMAL
A 155
permit efectuarea rapid a a anumitor calcule statistice des ntlnite n
aplicatii. Tabelul cu valorile functiei Laplace este nelipsit din orice
carte de statistic a.
Pentru valori negative ale argumentului se utilizeaz a simetria functiei
,. care arat a c a
(r) =
a
_
o
,() d =
o
_
a
,() d = 1 (r) .
n afar a de repartitia normal a standard exist a o ntreag a clas a
de repartitii care se numesc tot normale si care sunt obtinute prin
transform ari ane din repartitia standard. Mai precis, nd date dou a
constante o. : R. 0. aplicatia /(r) = or + : este o bijectie
pe R. Se noteaz a cu A (:. o
2
) m asura denit a prin A (:. o
2
) () =
A (/
1
()) . \ E(R) . Aceast a m asur a se poate exprima prin inte-
grala
A
_
:. o
2
_
() =
_
1
,(r) dr.
unde am notat 1 = /
1
() . n cazul unui interval, s a zicem = (c. /)
si corespunz ator 1 =
_
on
o
.
bn
o
_
. facem schimbarea de variabil a r =
/() =
jn
o
si aceast a integral a devine
_ lr
ar
,(r) dr =
_
,
_
:
o
_
d
o
=
1
o
_
2:
_
b
o
c
(r)
2
2
2
d.
Deci m asura A (:. o
2
) admite drept densitate functia
,
n,o
(r) =
1
o
_
2:
c
(ir)
2
2
2
.
Cu aceast a notatie, m asura normal a standard devine A (0. 1) . n partea
de sus a gurii 4 este trasat gracul corespunz ator acestei functii n
cazul : = 0. o =
1
4
. n gura 5 sunt reprezentate gracele corespunz a-
toare cazurilor : = 0. o =
1
2
si : = 5. o =
1
2
.
Repartitia A
_
0.
_
1
4
_
2
_
. se obtine din A prin transformarea /
1
(r) =
1
4
r. care contract a dreapta real a. Asa se explic a forma primului grac
n raport cu gracul functiei ,. initiale. Masa m asurii A a fost strns a
n jurul lui zero. Repartitia lui A
_
5.
_
1
2
_
2
_
se obtine din A prin trans-
formarea /(r) =
1
2
r+5. care este contractia cu
1
2
urmat a de o translatie
cu 5. Se mai poate spune si c a A
_
5.
_
1
2
_
2
_
se obtine din A
_
0.
_
1
2
_
2
_
prin transformarea /
2
(r) = r + 5. care este o translatie.
Figura 5. Sus este gracul densit atii repartitiei nor-
male cu : = 0 si o = 0. 5 si jos este gracul densit atii
cu : = 5 si o = 0. 5.
S a presupunem c a A este o variabil a repartizat a normal standard,
adic a 1
A
= A. Atunci putem calcula media sa:
1A =
_
R
r1
A
(dr) =
1
_
2:
o
_
o
rc
i
2
2
dr.
Functia care apare sub ultima integral a este integrabil a. Pe de alt a
parte ea este impar a, si de aceea integrala face zero. Deci media unei
4. EXERCI TII 157
variabile repartizate normal standard este zero. Putem calcula si dis-
persia variabilei A :
1
2
A = 1 (A 1A)
2
= 1A
2
=
1
_
2:
o
_
o
r
2
c
i
2
2
dr =
=
1
_
2:
o
_
o
c
i
2
2
dr = 1.
S a consider am acum variabila 1 = oA + :. unde o. : R. 0.
Media acestei variabile este 11 = 1 (oA + :) = :. iar dispersia ei
este 1
2
1 = 1 (1 :)
2
= o
2
1A
2
= o
2
. Pentru a calcula repartitia lui
1 not am /(r) = or + :. astfel c a 1 = /(A) . si atunci putem scrie
1
Y
() = 1
_
A
1
_
/
1
()
__
= 1
A
_
/
1
()
_
=
= A
_
/
1
()
_
= A
_
:. o
2
_
() .
Putem deduce atunci c a repartitia lui 1 este A (:. o
2
) .
n concluzie, parametrul : reprezint a media, iar o
2
dispersia unei
variabile repartizate A (:. o
2
) . De fapt, orice variabil a repartizat a
A (:. o
2
) are media : si dispersia o
2
. Aceste fapte justic a denu-
mirea de reparti tia normala de medie : si dispersie o
2
. care este dat a
repartitiei A (:. o
2
) (sau repartitie gaussian a de medie : si dispersie
o
2
).
Repartitia normal a apare n realitatea zic a frecvent. Fenomene din
astronomie, sociologie, antropologie, biologie, agricultur a si altele sunt
modelate de repartitia normal a. Printre primele observatii concrete se
num ar a tabelul cu m asura circumferintei pieptului la un num ar de 5738
de soldati scotieni (gura 6) remarcat de statisticianul belgian Lambert
Adolphe Jacques Quetelet (1796-1874).
4. Exercitii
Exercitiul 6.1. Doua autobuze vin n aceea si sta tie cu probabilitate
uniforma ntre ora 8 si 8 : 30. Primul sta n sta tie 10 minute, iar al
doilea 5 minute. (i) Care este probabilitatea ca primul sa vina naintea
celui de al doilea? (ii) Care este probabilitatea ca cele doua autobuze sa
se ntlneasca? (iii) Care este probabilitatea ca stiind ca s-au ntlnit,
primul sa plece din sta tie lasndu-l pe al doilea acolo?
Figura 6. Tabelul g asit de Quetelet cu dimensiunea
toracelui pentru 5738 de soldati scotieni.
CAPITOLUL 7
Teorema de Moivre-Laplace
n acest capitol presupunem c a : N
+
este ordinul si j (0. 1)
este parametrul unei repartitii binomiale. Pentru o mai bun a ilus-
trare a fenomenelor ce le viz am vom mai presupune c a avem un spatiu
probabilizat (. T. 1) pe care este denit a o variabil a aleatoare A cu
repartitia binomial a de ordin : si parametru j. Vom nota
j
I
:= 1 (A = /) = C
I
a
j
I
aI
. / = 0. 1. .... :.
Principala problem a a acestui capitol va s a g asim o bun a aprox-
imare a acestor numere si s a aplic am rezultatul la estimarea para-
metrului j prin metode statistice. Matematicienii francezi Abraham
de Moivre (1667-1754) si Pierre Simon Laplace (1749- 1827) au de-
scoperit aceast a aproximare, primul n cazul j =
1
2
. iar cel de al doilea
n cazul general.
1. Aproximarea repartitiei binomiale
Mai departe vom cerceta ordonarea dup a m arime a numerelor j
I
.
Un interes natural l prezint a maximul acestor numere. Dac a j
I
0
este un
maximsi toate celelalte numere sunt strict mai mici, atunci indicele s au
/
0
poate calicat drept valoarea lui A cu cea mai mare probabilitate
de realizare. Un astfel de indice, sau mai corect, o astfel de valoare a
lui A se numeste mod. Vom introduce notatia
: = [(: + 1) j] .
unde n partea dreapt a avem partea ntreag a a num arului real (: + 1) j
si, n lema urm atoare, vom ar ata c a, cu unele exceptii, el reprezint a un
mod.
Lema 7.1. Sirul j
0
. j
1
. .... j
n1
este strict crescator, sirul j
n
. j
n+1
. .... j
a
este strict descrescator si j
n1
_ j
n
. Daca (: + 1) j este ntreg, atunci
j
n1
= j
n
, n caz contrar j
n1
< j
n
.
Demonstra Tie. Trebuie s a examin am semnul diferentei
j
I+1
j
I
= j
I
aI1
:!
(/ + 1)! (: /)!
(j: /) .
Acest semn este dat de semnul expresiei j:/ = j (: + 1)(/ + 1) .
Din aceast a ultim a expresie se observ a imediat c a : 1
0
dac a / + 1 <
j (: + 1) . atunci j
I
< j
I+1
; 2
0
dac a j (: + 1) < / + 1. atunci avem
j
I
j
I+1
; 3
0
dac a j (: + 1) = / + 1. atunci j
I+1
= j
I
.
159
160 7. TEOREMA DE MOIVRE-LAPLACE
Observ am c a modul : este apropiat de media :j. Mai precis, din
denitia p artii ntregi a unui num ar, rezult a c a au loc relatiile
: _ (: + 1) j < :+ 1.
Prin urmare, dac a not am o
a
= : :j. rezult a c a o
a
(. j]. n
continuare vom presupune c a j este constant, dar vom face s a varieze
: tinznd la innit. Cantitatea o
a
va mic a n raport cu celelalte
care intervin si la limit a va disp area.
Mai departe facem o aproximare a num arului j
n
utiliznd urm a-
toarea formul a ce reprezint a un caz particular al formulei lui Stirling:
:! =
_
2::
_
:
c
_
a
c
0
n
.
unde o
a
este un factor de corectie care este n intervalul o
a

_
1
12a+1
.
1
12a
_
.
(Vezi [10] sau [7].) Urm atoarea propozitie arat a c a probabilitatea j
n
este asimptotic (cnd : ) de acelasi ordin de m arime cu
1
_
2ajq
.
Propozitia 7.1. Probabilitatea modului se exprima prin formula
j
n
=
1
_
2::j
a
.
unde
a
este un factor de corec tie astfel nct lim
ao
a
= 1.
Demonstra Tie. Vom exprima cu ajutorul formulei lui Stirling
numerele :!. :! si (: :)! astfel c a expresia lui j
n
devine
j
n
=
:!
:! (: :)!
j
n
an
=
=
1
_
2:
:
a
:
n
(: :)
an
_
:
_
:
_
: :
c
0
n
0
r
0
nr
j
n
an
=
=
1
_
2::j
c
1
_
c
2
c
3
.
unde am notat c
1
= c
0
n
0
r
0
nr
. c
2
=
a
2
jq
n(an)
si c
3
=
a
n
j
r
q
nr
n
r
(an)
nr
.
Tinnd cont c a : = :j +o
a
_ :j 1 si : : = : o
a
_ : 1
rezult a o
n
_
1
12(aj1)
. o
an
_
1
12(aq1)
. ceea ce asigur a c a lim
ao
o
n
=
lim
ao
o
an
= 0 si atunci lim
ao
c
1
= 1.
Trebuie s a examin am si raportul
c
2
=
:j:
(:j + o
a
) (: o
a
)
.
pentru care se vede clar c a limita este 1. cnd : .
R amne s a mai studiem raportul
c
3
=
(:j)
n
:
n
(:)
an
(: :)
an
=
_
1
o
a
:j + o
a
_
aj+c
n
_
1 +
o
a
: o
a
_
aqc
n
.
1. APROXIMAREA REPARTI TIEI BINOMIALE 161
Pentru a trece la limit a dup a : vom scrie ultima expresie sub forma
_
_
1
o
a
:j + o
a
_
n+
n
n
_
1 +
o
a
: o
a
_
nq
n
n
_
c
n
.
Deoarece r
a
=
c
n
aj+c
n
si
a
=
c
n
aqc
n
tind ambele la 0. produsul din
expresia anterioar a are limita
.
a
= (1 r
a
)
1
i
n
(1 +
a
)
1
n
1.
Cum sirul (o
a
) este m arginit, rezult a c a c
3
= .
c
n
a
1.
Rezumnd aceste considerente, putem spune c a factorul
a
= c
1
_
c
2
c
3
satisface conditiile din enunt.
Pentru probabilit atile j
I
, cu indicele / nu prea dep artat de :. com-
portamentul asimptotic (cnd : ) este apropiat de comportamen-
tul cantit atii j
n
c
(Ir)
2
2nq
. Urm atoarea propozitie exprim a mai precis
acest fapt.
Propozitia 7.2. Fie c
a,I
numarul determinat de rela tia
j
I
= j
n
c
(Ir)
2
2nq
c
c
n,I
. / 0. 1. .... : .
Atunci, pentru orice constanta c 0. are loc rela tia
lim
ao
sup
[|[c
_
a
[c
a,n+|
[ = 0.
Demonstra Tie. Pornim de la egalitatea
j
I
= j
n
:!
/!
(: :)!
(: /)!
j
In
nI
.
Not am | = / : si, pentru a face o alegere, presupunem | 0. Atunci
vom avea
j
n+|
= j
n
(: :| + 1) ... (: :)
(: + 1) ... (: + |)
j
|
|
=
= j
n
(: o
a
| + 1) ... (: o
a
)
(:j + o
a
+ 1) ... (:j + o
a
+ |)
j
|
|
=
= j
n
_
1
c
n
+|1
aq
_
...
_
1
c
n
aq
_
_
1 +
c
n
+1
aj
_
...
_
1 +
c
n
+|
aj
_ = j
n
1
.
unde am notat cu si 1 num ar atorul si numitorul fractiei penultime.
Vom aproxima mai departe produsele de la si de la 1 prin aplicarea
lemei ... Pentru avem
= exp
_
|1
i=0
o
a
+ i
:
_
exp :
1
.
unde factorul de corectie este estimat prin
|1
i=0
_
c
n
+i
aq
_
2
1
c
n
+i
aq
_ :
1
_ 0.
Pentru a exprima mai bine estimarea lui :
1
vom observa c a
c
n
+i
aq
_
|
aq
_
c
_
a
aq
=
c
q
_
a
. dac a presupunem c a | _ c
_
:. asa cum apare n relatia din
enunt. Deducem astfel c a, pentru : mare, vom avea
c
n
+i
aq
<
1
2
. ceea ce
ne permite s a estim am numitorul din suma anterioar a prin 1
c
n
+i
aq

1
2
si apoi s a deducem
[:
1
[ _ 2
|1
i=0
_
o
a
+ i
:
_
2
_
2
:
2
2
|1
i=0
(1 +i)
2
=
2
:
2
2
| (| + 1) (2| + 1)
6
_
_
2
3
| (| + 1)
2
:
2
_
2
3
c
_
:(c
_
: + 1)
2
:
2
0
Not am c a n ultima estimare am obtinut o expresie ce nu depinde de |.
deci are loc relatia
lim
ao
sup
[|[c
_
a
[:
1
[ = 0.
La fel se procedeaz a si cu expresia 1 :
1 = exp
|
i=1
o
a
+ i
:j
exp :
2
.
Un calcul similar cu cel anterior conduce la
[:
2
[ _
|
i=1
_
o
a
+ i
:j
_
2
_
(| + 1) (| + 2) (2| + 3)
6:
2
j
2
si apoi la
lim
ao
sup
[|[c
_
a
[:
2
[ = 0.
Revenind la expresia ce ne intereseaz a, ea arat a astfel
j
n+|
= j
n
_
exp
|1
i=0
o
a
+ i
:
_
(exp :
1
)
_
exp
|
i=1
o
a
+ i
:j
_
(exp :
2
) .
Cele dou a sume de la exponent se pot pune sub forma
|1
i=0
o
a
+ i
:

|
i=1
o
a
+ i
:j
=
|o
a
:j

| (| 1)
2:

| (| + 1)
2:j
=
=
|
2
2:j

|o
a
:j
+
| (j )
2:j
.
1. APROXIMAREA REPARTI TIEI BINOMIALE 163
Suma ultimilor doi termeni o not am :
3
si putem face majorarea, uni-
form n raport cu |.
:
3
=
|o
a
:j
+
| (j )
2:j
_
c
_
:
:j
+
c
_
:
2:j
0.
Revenind la termenul ce ne intereseaz a avem
j
n+|
=
_
exp
|
2
2:j
_
exp (:
1
:
2
+ :
3
)
si expresia c
a,n+|
= :
1
:
2
+ :
3
satisface relatia din enunt, conform
celor ar atate. Cu aceasta am ncheiat demonstratia.
Cele dou a propriet ati anterioare pot rezumate n forma rezultat-
ului clasic urm ator.
Teorema 7.1. ()
j
I
=
1
_
2:o
c
(I)
2
2
2
c
0
n,I
.
unde coecien tii o
a,I
satisfac rela tia urmatoare
lim
ao
sup
[Ij[c
_
a
o
a,I
= 0.
cu orice constanta c 0. iar j = :j, o
2
= :j sunt media, respectiv
dispersia variabilei aleatoare repartizate binomial cu parametrii :. j.
Demonstra Tie.* Tinnd cont c a : = j + o
a
, putem scrie
(/ :)
2
2:j
=
(/ j)
2
2:j

(/ j) o
a
:j
+
o
2
a
2:j
.
Coecientul o
a,I
se exprim a n functie de coecientii introdusi n propoz-
itiile anterioare astfel
o
a,I
= ln
a
+ c
a,I
+
(/ j) o
a
:j

o
2
a
2:j
.
Conditia [/ j[ _ c
_
: implic a evident [/ :[ _ (c + 1)
_
: si deci
putem utiliza relatia din propozitia anterioar a.
Comparatia grac a a repartitiei binomiale cu functia ,.
Aproximatia dat a de teorema de Moivre-Laplace este ilustrat a grac
n gurile 1,2 si 3. Sunt reprezentate histogramele unor repartitii bi-
nomiale de parametrii : si j. iar prin linie sunt trasate gracele core-
spunz atoare functiei ,
n,o
. cu : = :j si o =
_
:j.
Se observ a c a n cazul : = 10 si j = 0. 5 cele dou a reprezent ari
sunt foarte apropiate. Gracul intersecteaz a ecare dreptunghi al his-
togramei foarte aproape de mijlocul bazei superioare. n cazul : = 10
si j = 0. 1 apar diferente simtitoare ntre reprezent ari. n general, pen-
tru : = 10 se observ a o evolutie a diferentelor pentru diverse valori ale
Figura 1. Histogramele repartitiei binomiale cu : = 10
si j = 0. 5. apoi j = 0. 4 si j = 0. 3 si gracele densit atilor
,
j,o
corespunz atoare, suprapuse.
lui j. De fapt, n aplicatii, diferentele de aproximare a repartitiei bino-
miale prin repartitia normal a se fac simtite nu att prin distanta din-
tre mijloacele dreptunghiurilor histogramei si valoarea densit atii ,
n,o
corespunz atoare, ct prin diferenta dintre ariile dreptunghiurilor si ari-
ile portiunilor corespunz atoare de sub gracul densit atii. Acest lucru
rezult a din teorema limit a central a ce va prezentat a n sectiunea care
urmeaz a.
2. TEOREMA LIMIT
A CENTRAL
A 165
Figura 2. Histogramele repartitiei binomiale cu : = 10
si j = 0. 2. apoi j = 0. 1 si gracele densit atilor ,
j,o
Pentru gracele cu : = 100. de asemenea, se observ a o evolutie a
gradului de apropiere ntre histograme si grace. Dar de data aceasta,
chiar si n cazul deosebirilor maxime, care este j = 0. 1. se observ a
c a diferentele m asurate prin arii sunt, proportional, mai mici dect n
cazul : = 10 si j = 0. 1.
2. Teorema limit a central a
Teorema de Moivre-Laplace are o serie de aplicatii interesante n
statistic a. Modul n care se aplic a aceast a teorem a va pus n lumin a
de urm atoarea teorem a cunoscut a sub numele de teorema limit a cen-
tral a. (n fapt, aici avem un caz particular al acesteia, dar semnica-
tiv si netrivial.) Formularea acestei teoreme se face de obicei ntr-un
cadru putin diferit fat a de cel anterior, n sensul c a nu se adreseaz a
Figura 3. Histogramele repartitiei binomiale cu : =
100 si j = 0. 5. apoi j = 0. 3 si j = 0. 1 si gracele
densit atilor ,
j,o
direct unui sir de repartitii binomiale ci unui sir de variabile aleatoare
repartizate binomial. Exemplul tipic care conduce la astfel de variabile
este dat de sumele partiale ale unui sir de variabile independente. Fie
2. TEOREMA LIMIT
A CENTRAL
A 167
(
a
)
aN
un sir de evenimente independente si cu aceeasi probabili-

tate j = 1 (
a
) (0. 1), pentru orice : N
+
. Not am A
a
= 1
n
si
o
a
=
a
i=1
A
a
. Variabila aleatoare o
a
va repartizat a binomial cu para-
metrii :. j si not am = 1j. Forma sub care am prezentat teorema de
Moivre-Laplace arat a c a variabilele o
a
. : N au un anumit compor-
tament regulat cnd : . Dar se poate ar ata c a lim
ao
o
a
= .
aproape sigur. Mai mult, legea tare a numerelor mari arm a c a de fapt
are loc relatia limit a lim
ao
S
n
a
= j. aproape sigur. Acest rezultat nu
intr a n obiectivele acestui curs.
Metoda optim a prin care se exploateaz a aproximarea obtinut a n
teorema 7.1 const a n normalizarea sumelor astfel
o
a
:j
_
:j
.
Aceste variabile au toate media 0 si dispersia 1. Ele nu converg n sensul
punctual ci numai repartitiile lor converg la rapartitia normal a ntr-un
anumit sens. Aici, n abordarea noastr a, teorema urm atoare trebuie
privit a doar ca producnd o aproximare util a n calcule statistice, ceea
ce a fost si intentia initiatorilor de Moivre si Laplace.
Teorema 7.2. Daca c < / sunt doua numere reale, atunci are loc
rela tia
lim
ao
1
_
c <
o
a
:j
_
:j
< /
_
=
1
_
2:
b
_
o
c
i
2
2
dr.
Demonstra Tie.* Ca s a usur am scrierea vom utiliza notatia j =
:j si o =
_
:j pentru media si respectiv, deviatia standard a lui o
a
.
Mai reamintim notatia pentru valorile repartitiei binomiale
j
I
= 1 (o
a
= /) = C
I
a
j
I
aI
. / = 0. .... :.
Probabilitatea pe care vrem s a o estim am poate scris a astfel:
1
_
c <
o
a
j
o
< /
_
= 1 (co < o
a
j < /o) =

I:oo<Ij<bo
j
I
.
Tinnd cont de teorema de Moivre -Laplace si comparnd histograma
repartitiei binomiale cu gracul functiei
,
j,o
=
1
_
2:o
c
(i)
2
2
2
apare n mod natural ideea de a aproxima ecare num ar j
I
prin inte-
grala
1
I
=
_
I+
1
2
I
1
2
,
j,o
(r) dr.
Pentru a estima diferenta j
I
1
I
vom scrie pe 1
I
ntr-o alt a form a
exprimnd exponentul din expresia functiei ,
j,o
sub forma
(r j)
2
2o
2
=
(/ j)
2
2o
2
+
(r /)
2
+ 2 (r /) (/ j)
2o
2
.
Rezult a c a avem
1
I
=
1
_
2:o
c
(I)
2
2
2
_
I+
1
2
I
1
2
c
(iI)
2
+2(iI)(I)
2
2
dr.
Tinnd cont c a [r /[ _
1
2
si c a [/ j[ _ co. unde c = max (c. /) .
exponentul din aceast a ultim a integral a se majoreaz a astfel:
(r /)
2
+ 2 (r /) (/ j)
2o
2
_
1
4
+ co
2o
2
.
Din teorema lui Lagrange rezult a c a integrala anterioar a poate scris a
sub forma
_
I+
1
2
I
1
2
c
(iI)
2
+2(iI)(I)
2
2
dr = c
j
n,I
.
unde

j
a,I
_
1+4co
8o
2
. n particular, avem
lim
ao
sup
I:[Iaj[<c
_
a
j
a,I
_ lim
ao
1 + 4c
_
:j
8:j
= 0.
Cu notatia introdus a la propozi tia 7.2 putem scrie 1
I
= j
I
c
0
n,I
+j
n,I
si
apoi estim am
[j
I
1
I
[ = j
I
1 c
0
n,I
+j
n,I
_ 2j
I
_
[o
a,I
[ +
j
a,I
_
. (+)
utiliznd inegalitatea [1 c
a
[ _ 2r. valabil a pentru [r[ _ 2.
Mai departe not am
/
1
= inf /,c
_
:j + :j < / . /
2
= sup /,/ < :j + /
_
:j
astfel c a putem scrie
1
_
c <
o j
o
< /
_
=
I=I
2
I=I
1
j
I
.
Suma din dreapta relatiei este aproximat a, tinnd cont de relatia (*),
prin
I=I
2
I=I
1
j
I

_
I
2
+
1
2
I
1
1
2
,
j,o
(r) dr
_ 2
I=I
2
I=I
1
j
I
_
[o
a,I
[ +
j
a,I
_
. (++)
Cum

I=I
2
I=I
1
j
I
_ 1. ultima expresie se majoreaz a cu
2 sup
I
1
II
2
_
[o
a,I
[ +
j
a,I
_
.
iar aceast a cantitate tinde la zero cnd : tinde la innit.
2. TEOREMA LIMIT
A CENTRAL
A 169
Este momentul s a ne ntoarcem acum la integrala ce apare la limita
din enunt si s a o punem sub o form a apropiat a de ceea ce am obtinut
mai sus:
_
b
o
,(r) dr =
_
j+bo
j+oo
,
j,o
(r) dr.
Pentru a modica capetele intervalului de integrare al ultimei expresii
tinem cont de estimarea general a
_

&
,
_

0
&
0
,
_
_
max(&,&
0
)
min(&,&
0
)
[,[ +
_
max(,
0
)
min(,
0
)
[,[
si de faptul c a

/
1
1
2
j co
_
1
2
si

/
2
+
1
2
j /o
_
1
2
. astfel
c a obtinem
_
I
2
+
1
2
I
1
1
2
,
j,o
(r) dr
_
j+bo
j+oo
,
j,o
(r) dr
_
1
_
2::j
.
Concluzionnd, inegalitatea (**) si cu cea de mai sus ne conduc la
1
_
c <
o
a
j
o
< /
_
_
b
o
,(r) dr
_ 2 sup
I
1
II
2
_
[o
a,I
[ +
j
a,I
_
+
1
_
2::j
.
Expresia din dreapta tinde la zero cnd : tinde la innit, ceea ce per-
mite a se deduce relatia dorit a.
O form a frecvent a de aplicare a acestei teoreme este urm atoarea
formul a aproximativ a
1 (:j 2
_
:j < o
a
< :j + 2
_
:j) - 0. 9546.
unde s-a luat c = 2 si / = 2 si s-a utilizat valoarea cunoscut a pentru
repartitia normal a, neglijnd complet eroarea de aproximare. Aceasta
este utilizat a n cazul unei evalu ari preliminare sumare dar rapide. Si-
milar apare utilizat a formula
1 (:j 3
_
:j < o
a
< :j + 3
_
:j) - 0. 9972.
Exemplu (acumularea erorilor).
La o fabric a de chibrituri se pun cte 50 de bete ntr-o cutie de
chibrituri si, cu o probabilitate de 50% se face o eroare de un b at.
Cutiile se ambaleaz a cu hrtie n pachete de cte 12 si aceste pachete
se pun n pachete mari de carton, cte 12. Deci un pachet de carton
contine 12 12 = 144 cutii de chibrituri. Ne intereseaz a care este
num arul de bete ce se a a ntr-un pachet de carton.
Solu tie. Eroarea de umplere a cutiilor este descris a de o repartitie
care are masa
1
2
n punctul 0. masa
1
4
n punctul 1 si masa
1
4
n punctul
1. Observ am c a o repartitie asem an atoare are suma A + 1. dac a
variabilele A si 1 sunt independente si ambele repartizate Bernoulli
cu parametrul j =
1
2
. Anume repartitia lui A + 1 are masa
1
2
n 1.
masa
1
4
n 0 si masa
1
4
n 2. Rezult a c a variabila 2 = A + 1 1 are
exact repartitia erorii de umplere a unei cutii de chibrituri.
Asadar, pentru a descrie 144 de erori de umplere independente,
vom presupune c a pe un spatiu (. T. 1) avem construite variabilele
aleatoare A
1
. .... A
144
. 1
1
. .... 1
144
. independente, identic repartizate Bernoulli,
cu parametrul j =
1
2
. Variabila 2
i
= A
i
+ 1
i
1 descrie eroarea de
umplere la cea de a i -a cutie, pentru ecare i = 1. .... 144. Eroarea care
se acumuleaz a la cele 144 de cutii este reprezentat a de variabila
1 =
144
i=1
2
i
=
144
i=1
A
i
+
144
i=1
1
i
144.
Repartitia variabilei l = 1 144 =
144
i=1
A
i
+
144
i=1
1
i
este o repartitie
binomial a de parametri j =
1
2
si : = 288. Avem
_
:j =
_
72 - 8. 485.
Aplic am aproximarea dat a de teorema limit a central a pentru o
a
= l :
1 (16 _ 1 _ 16) = 1 (144 16 _ l _ 144 + 16) - 0. 95.
1 (25 _ 1 _ 25) = 1 (144 25 _ l _ 144 + 25) - 0. 99.
Deci, cu o mare probabilitate, la num arul mediu de 144 50 = 7200
bete ntr-un carton, pot n plus sau n minus doar 16 si aproape
ntotdeauna eroarea va sub 25.
Acuratetea aproxim arii date de teorema limit a central a.*
n aplicatii nu este necesar a evaluarea ec arui num ar j
I
aproximat
prin teorema de Moivre-Laplace ci este cel mai adesea nevoie de o
aproximare de tipul celei date n teorema limit a central a. Aceast a
aproximare este utilizat a n practic a chiar si pentru valori mici ale lui
:. Pentru ca aceasta s a se fac a ct mai bine exist a cteva corectii care
se fac si pe care le vom prezenta, f ar a demonstratii mai jos. Pentru
dou a numere /
1
si /
2
N astfel nct 0 _ /
1
< /
2
_ : vom nota
j
I
1
,I
2
= 1 (/
1
_ o
a
_ /
2
) = 1
_
/
1
:j
_
:j
_
o
a
:j
_
:j
_
/
2
:j
_
:j
_
.
Teorema limit a central a ne spune c a aceast a probabilitate este aproxi-
mat a de diferenta
_
I
2
aj
_
ajq
_
_
I
1
aj
_
ajq
_
. Se dovedeste ns a c a num arul
` (/
1
. /
2
) =
_
/
2
:j +
1
2
_
:j
_
_
/
1
:j
1
2
_
:j
_
aproximeaz a mai bine probabilitatea j
I
1
,I
2
. Ad augarea fractiei
1
2
n
aceast a expresie se spune c a introduce o corectie de continuitate pen-
tru aproximarea noastr a. (Numele sugereaz a faptul c a repartitia bi-
nomial a, care este discontinu a, este aproximat a mai bine de repartitia
normal a, care este continu a, dac a se face aceast a corectie.)
Dac a parametrul j este
1
2
. atunci estimarea erorilor de aproximare
conduce la concluzia c a diferenta dintre j
I
1
,I
2
si ` (/
1
. /
2
) este mai
mic a dact 0. 01 pentru : _ 10 si mai mic a dect 0. 005 pentru : _ 20.
2. TEOREMA LIMIT
A CENTRAL
A 171
Figura 4. Gracul functiei ,
ttt
.
Pentru cele mai multe aplicatii practice o astfel de eroare este neglija-
bil a.
n cazul j ,=
1
2
eroarea este evaluat a pornind de la urm atoarea
formul a
(2.1) j
I
1
,I
2
-
b
_
o
_
,(r) +
1
6
j
_
:j
,
000
(r)
_
dr .
unde c =
I
1
aj
1
2
_
ajq
. / =
I
2
aj+
1
2
_
ajq
. ,(r) =
1
_
2
c
i
2
2
. iar ,
000
este derivata
de ordinul trei a lui ,. Eroarea cu care este vericat a egalitatea aprox-
imativ a de mai sus este inferioar a lui 0. 013 dac a
_
:j _ 5. (Vezi
Uspenski [21] teorema din cap.VII, sec.11, pg. 129. Este de notat c a
n lucrarea [17] la pag. 103 si la pag. 107 se arm a n cursul unor co-
mentarii f ar a demonstratie c a eroarea ar de fapt mai mic a de 0. 005
chiar sub conditia mai slab a
_
:j _ 3.)
Termenul care integrez a ,
ttt
se numeste corectia de asimetrie. Fap-
tul c a j ,=
1
2
produce o asimetrie ntre termenii j
n+I
si j
nI
. asimetrie
ce este preluat a de corectia de asimetrie n formula de aproximare.
Gracul functiei ,
ttt
(r) = (3r r
3
) ,(r) este usor de trasat si
arat a ca n gura 4. Calculnd derivata ,
i
se g asesc extremele. Un
punct de maxim este n
_
3
_
6 si un punct minim este n
_
3 +
_
6.
Valoarea maxim a pentru integrala
_
b
o
,
ttt
(r) dr este 0. 577 si se
obtine cnd c = 0 si / =
_
3. Iar vloarea minim a este 0. 577 si se
obtine cnd c =
_
3 si / = 0. Tinnd cont de presupunerea
_
:j _ 5.
rezult a urm atoarea estimare uniform a pentru corectia de asimetrie,
(2.2)
(j )
6
_
:j
_
b
o
,
ttt
(r) dr
_
0. 577
30
_ 0. 0193.
Putem deci utiliza aproximarea f ar a corectia de asimetrie: j
I
1
,I
2
-
` (/
1
. /
2
) . cu o eroare de cel mult 0. 013 +0. 0193 _ 0. 033 (binenteles
sub conditia
_
:j _ 5).
Pentru cazul unor intervale simetrice fat a de media :j corectia de
asimetrie devine foarte mic a datorit a faptului c a functia ,
ttt
este an-
tisimetric a. Mai concret, s a zicem c a pornim la evaluarea urm atoarei
probabilit ati
1
_
o
a
:j
_
:j
< c
_
= 1 (:j c
_
:j < o
a
< :j + c
_
:j) = j
I
1
,I
2
.
unde c este un num ar dat, iar umerele /
1
si /
2
sunt asociate lui astfel
/
1
= inf / N, / :j c
_
:j .
/
2
= sup / N, / < :j + c
_
:j .
Rezult a c a aceste ultime numere se pot exprima sub forma /
1
= :j
c
_
:j +o
1
. /
1
= :j +c
_
:j o
2
. cu o
1
. o
2
(0. 1]. Trecem acum la
evaluarea integralei
_
b
o
,
ttt
(r) dr. unde
c =
/
1
:j
1
2
_
:j
= c +
o
1
_
:j

1
2
_
:j
.
/ =
/
2
:j +
1
2
_
:j
= c
o
2
_
:j
+
1
2
_
:j
.
Tinem cont c a functia ,
ttt
este antisimetric a si obtinem
_
b
o
,
ttt
(r) dr =
_
b
0
,
ttt
(r) dr
_
o
0
,
ttt
(r) dr =
_
b
o
,
ttt
(r) dr.
Pentru evaluarea ultimei integrale tinem cont c a valoarea lui ,
ttt
n
minimul local cel mai din dreapta este ,
ttt
_
_
3 +
_
6
_
= 0.149 iar n
1. 5 avem,
ttt
(1. 5) = 0. 145. Rezult a c a [,
ttt
(r)[ _ 0. 15 pentru r _ 1. 5.
Vom impune conditia c _ 1. 6. astfel ca s a avem c. / _ c
1
2
_
ajq
_ 1. 5. (tinnd cont si de conditia
_
:j _ 5). Atunci avem
[/ c[ _ [o
1
o
2
[ si prin urmare,
_
b
o
,
ttt
(r) dr
_ 0. 15
[o
1
o
2
[
_
:j
_ 0. 03.
ceea ce conduce la
1
6
j
_
:j
b
_
o
,
000
(r) dr
_
1
30
0. 03 = 0. 001.
Putem concluziona c a pentru orice c _ 1. 6 are loc estimarea
(2.3) 1
_
o
a
:j
_
:j
< c
_
-
b
_
o
,(r) dr = (/) (c) .
cu o eroare mai mic a dect 0. 014. unde c si / sunt denite mai sus.
Exemplu.
O companie aerian a a constatat, dup a o lung a experient a, c a pasagerii
care fac rezervare pentru un zbor renunt a dup a aceea n proportie de
10% la efectuarea zborului. De aceea compania decide s a accepte 445
de rezerv ari pentru un avion care are doar 420 de locuri. Care este
2. TEOREMA LIMIT
A CENTRAL
A 173
probabilitatea ca cel putin un pasager s a e respins, desi are rezervare?
Care este probabilitatea ca un avion pentru care au fost rezervate 445
locuri s a plece cu mai mult de 10 locuri libere?
Solu tie. Este vorba de a modela pe un spatiu probabilizat (. T. 1)
cele 445 de rezerv ari ca evenimente independente,
1
. ....
445
. ecare
cu probabilitatea de realizare 1 (
i
) = 0. 9. Suma o =
445
i=1
1
.
ne d a
num arul de pasageri care se prezint a la avion pentru a efectua zborul.
Ea este repartizat a binomial cu ordinul : = 445 si parametrul j = 0. 9.
Pentru a estima probabilitatea 1 (o 420) putem ncerca mai nti
s a aplic am teorema limit a central a. Pentru aceasta calcul am media
:j = 445 0. 9 = 400. 5 si deviatia standard
_
:j = 6. 328. Apoi
scriem evenimentul care ne intereseaz a sub forma
o 420 =
_
o 400. 5
6. 328
3. 08
_
.
Aplicnd teorema limit a central a f ar a s a tinem seama de eroarea de
aproximare se obtine
1 (o 420) - 1 (3. 08) - 1 0. 9989 = 0. 0011.
Acesta este un num ar foarte mic si ne trezeste suspiciunea unei erori
la aproximare. La evaluarea erorii prin estimarea dat a de Uspensky
nu putem apela pentru c a valoarea 0. 013 este prea mare n raport cu
probabilitatea care se pregureaz a. De aceea apel am la calculator si
scoatem valoarea exact a
1 (o 420) = 0. 000334.
care este si mai mic a. Aceasta este probabilitatea de a avea mai multi
pasageri care se prezint a la mbarcare dect locuri n avion.
Probabilitatea ca num arul de locuri libere s a e mai mare de 10
este
1 (o < 410) = 0. 9260.
Regula radicalului.
S a presupunem c a avem n fat a o moned a ndoit a, care, desigur, ne
astept am s a cad a cu probabilit ati diferite pe cele dou a fete. ncerc am
s a stabilim care este probabilitatea de a c adea cifra prin experimen-
tarea arunc arilor repetate. Dar problema nu este asa de simpl a cum
pare. Autorul a ncercat acest lucru cu diverse obiecte, precum monede
ndoite, nasturi de diverse forme, o lentil a de lup a foarte bombat a, si
a avut surpriza s a constate c a dup a serii de cte 100 de arunc ari nu se
obtin rezultate concludente. n sensul c a numerele de aparitii ale celor
dou a fete au fost aproximativ egale, asa cum se ntmpl a lucrurile n
cazul arunc arii cu o moned a perfect a. Mai precis, ecare fat a a iesit
ntre 40 si 60 de ori, asa cum ar corespunde repartitiei binomiale cu
: = 100 si j = 0. 5. Desigur c a aceste experimente au ar atat c a, desi
diferit de 0. 5. parametrul j care corespunde acestor obiecte nu este
foarte dep artat de aceast a valoare. Figura 5 pune n evident a imposi-
bilitatea determin arii parametrului, atunci cnd avem de decelat dac a
este j = 0. 5 sau j = 0. 45. n urma unui experiment cu : = 100.
Se pune atunci ntrebarea de cte ori ar trebui s a arunc am cu o
moned a strmb a, de exemplu care are parametrul j = 0. 45. pentru
a obtine rezultate net diferite de cele corespunz atoare arunc arilor, de
acelasi num ar de ori, cu o moned a perfect a.
Pentru a face estim ari numerice revenim la relatia lui Uspenski
notat a cu (*) mai sus. Observ am c a functia ,
ttt
este impar a si de
aceea integrala sa pe intervale simetrice de tipul (/. /) este zero:
_
b
b
,
ttt
(r) dr = 0. Deci relatia (*), n cazul c = / si presupunnd
c a
_
:j _ 5. ne spune c a avem j
I
1
,I
2
- ` (/
1
. /
2
) . cu o eroare de cel
mult 0. 013. Dac a n plus avem / _ 2. atunci tabelul cu valorile functiei
lui Laplace ne spune c a ` (/
1
. /
2
) _ 0. 9544. n acest caz vom avea n
mod sigur j
I
1
,I
2
_ 0. 9544 0. 013 _ 0. 94. care este o probabilitate
destul de mare.
S a vedem cum putem construi intervalele [/
1
. /
2
] . ct mai mici, dar
n asa fel nct s a ndeplineasc a conditiile de mai sus. Conditia de
simetrie c = /. revine la /
2
:j = :j /
1
. adic a intervalul [/
1
. /
2
]
trebuie s a aib a mijlocul :j. Conditia / _ 2 revine la
/
2
_ :j + 2
_
:j
1
2
.
Putem deci alege /
2
= /
2
(:. j) s a e cel mai mic ntreg care satisface
aceast a inegalitate si s a punem apoi /
1
= 2:j /
2
. Cu aceste numere
vom avea j
I
1
,I
2
_ 0. 94. Putem spune c a intervalul astfel construit,
[/
1
. /
2
] . reprezint a un interval de atentie pentru repartitia binomial a
de rang : si parametru j. Aruncnd de : ori o moned a care are pro-
babilitatea j de a c adea cu cifra n sus, vom obtine rezultate cuprinse
n intervalul [/
1
. /
2
] . cu probabilitate mai mare de 0. 94. Distanta din-
tre centrul intervalului si extremit ati este d := :j /
1
= /
2
:j si,
tinnd cont de denitia lui /
2
. avem 2
_
:j
1
2
_ d _ 2
_
:j +
1
2
. Cum
ntotdeauna avem j _
1
4
. rezult a d _
_
: +
1
2
.
S a presupunem c a avem de comparat dou a repartitii binomiale de
acelasi rang : si de parametrii j
t
< j. Distanta dintre mediile corespun-
z atoare este :(j j
t
) . Cnd : este mare distanta aceasta dep aseste
substantial l argimea intervalului de atentie. Avem atunci urm atoarea
concluzie, numit a regula lui
_
: : intervalele de atentie corespunz a-
toare lui j si j
t
au l argimea de ordinul lui
_
: n timp ce distanta dintre
centrele acestor intervale este de ordinul lui :. n consecint a, pentru :
mare, intervalele de atentie devin disjuncte.
n cazul problemei concrete j = 0. 5 si j
t
= 0. 45 avem urm atoarele
rezultate numerice:
2. TEOREMA LIMIT
A CENTRAL
A 175
Figura 5. Histogramele repartitiei binomiale cu : =
100 si j = 0. 5 si cu j = 0. 45. Jos este pus a n evident a
suprapunerea celor dou a reparitii. Pentru claritate am
facut reprezentarea la o alt a scar a.
Figura 6. n gracele de jos se vede suprapunerea
repartitiilor binomiale cu : = 1600 si j = 0. 5 si respec-
tiv j = 0. 45. Gracele de sus arat a practic desp artirea
celor dou a repartitii binomiale cu : = 2500 si j = 0. 5 si
respectiv j = 0. 45.
3. NO TIUNI DE ESTIMARE STATISTIC
A* 177
j :
_
: :j /
1
/
2
j = 0. 5 100 10 50 40 60
j = 0. 45 100 10 45 35 55
j = 0. 5 1600 40 800 760 840
j = 0. 45 1600 40 720 680 760
j = 0. 5 2500 50 1250 1200 1300
j = 0. 45 2500 50 1125 1075 1175
S a presupunem c a arunc am o moned a de 1600 ori si o consider am
echilibrat a dac a ea cade n sus cu aceeasi fat a de un num ar de ori care
este cuprins n intervalul de atentie [760. 840] . Pe de alt a parte, dac a
o variabil a A
t
este repartizat a binomial de rang : si parametru 0. 45.
atunci ea poate avea valori mai mari de 760 cu o probabilitate ce poate
calculat a cu calculatorul si este
1 (A
t
_ 760) _ 0. 023.
Deci la un astfel de test, ne putem nsela si accept am o moned a cu
j = 0. 45 drept echilibrat a, cu o probabilitate mai mic a dect 0. 023.
n mod asem an ator putem calcula pentru o variabil a, A
tt
. reparti-
zat a binomial de rang : = 2500 si parametru j = 0. 45 :
1 (A
tt
_ 1200) _ 0. 0014.
Deci putem stabili testul urm ator: se arunc a o moned a de 2500 ori si
o consider am echilibrat a dac a ecare fat a cade n sus de un num ar de
ori cuprins n intervalul de atentie [1200. 1300] . Posibiltatea ca avnd
o moned a cu j = 0. 45 s a obtinem un rezultat mai mare de 1200 pentru
una din fete are probabilitatea mai mic a de 0. 0014. Deci probabilitatea
de a ne nsela cu un astfel de test, pentru o moned a cu j = 0. 45. este
foarte mic a.
n gurile 5 si 6 sunt reprezentate repartitiile binomiale despre care
am discutat. Reamintim c a repartitia binomial a are valori strict poz-
itive n ecare punct din suportul s au. Totusi marea majoritate a
acestor valori sunt att de mici nct n gracele noastre nu apar. Nu-
mai valorile din jurul modului sunt vizibile n gracele noastre si asta
pentru c a axa valorilor verticale este dilatat a.
3. Notiuni de estimare statistic a*
n aceast a sectiune vom presupune c a pe un spatiu probabilizat,
(. T. 1) . sunt date variabilele aleatoare reale A
1
. .... A
a
. despre care
stim c a sunt independente si c a au aceasi distributie Bernoulli, dar este
necunoscut parametrul j. Presupunem c a parametrul se stie c a se a a
ntr-un interval 1 [0. 1] . Variabilele iau valori atunci n multimea
1 = 0. 1 . 1
a
este spatiul n care ia valori vectorul A = (A
1
. .... A
a
) .
Spunem c a 1
a
este spa tiul e santioanelor sau spa tiul de selec tie, iar A
este o selec tie aleatoare sau un e santion aleator de volum :. Conform
cu propozi tia 4.4, repartitia lui A este m asura produs
j
j
= (o
0
+ jo
1
)
...
(o
0
+ jo
1
) .
care este o m asur a de probabilitate pe 1
a
. iar = 1j. Se urm areste es-
timarea parametrului necunoscut j 1 prin metode statistice pornind
de la rezultatele unui experiment care ofer a realiz ari concrete pentru
selectia aleatoare, adic a pentru variabilele A
1
. .... A
a
.
Exemplul 1.
Acesta este modelul potrivit pentru cazul problemei controlului de
calitate. Se caut a determinarea proportiei j de piese defecte care sunt
produse ntr-un proces de fabricatie. Pentru aceasta, la punctul de
iesire din procesul de fabricatie sunt testate un num ar de : piese.
Secventa A
1
(.) . .... A
a
(.), pentru . , reprezint a un esantion
sau o selectie f acut a printre obiectele produse. n cazul controlului
de calitate not am cu 1 rezultatul testului n cazul n care piesa este de-
fect a si cu 0 rezultatul n cazul n care piesa este corespunz atoare din
punct de vedere calitativ. Efectuarea unui control la un esantion de :
piese conduce la consemnarea unei secvente de tipul 0. 0. 1. 0. 1. ...1. 0. 0,
n care sunt : cifre de zero sau unu. n continuare vom vedea cum se
prelucreaz a aceast a secvent a de numere pentru a determina parametrul
j necunoscut. De fapt ceea ce vom utiliza concret va doar un num ar,
anume num arul care reprezint a de cte ori apare cifra 1 n secventa de
: cifre.
3.1. Intervale de ncredere.
Denitia 7.1. Fiind data o aplica tie , : 1
a
1. vom spune ca
variabila aleatoare compusa , (A
1
. .... A
a
) reprezinta un estimator. Fi-
ind da ti doi estimatori o
i
= ,
i
(A
1
. .... A
a
) . i = 1. 2. se spune ca inter-
valul aleator (o
1
. o
2
) este un interval de ncredere pentru j. Aplica tia
: 1 [0. 1] denita prin
(j) = 1 (o
1
< j < o
2
) .
este numita coecientul de ncredere asociat intervalului de ncredere
(o
1
. o
2
) .
Desigur c a aceast a denitie este cam vag a, n sensul c a obiectele
sunt prea putin xate. n cazuri concrete trebuiesc considerate intervale
de ncredere care au relevant a, adic a sunt rezonabil construite pentru a
prinde valorile lui j n interior. Repartitiile estimatorilor o
1
si o
2
depind
de repartitia variabilelor A
i
si de aceea este o functie de j n general.
Pentru a avea relevant a, un coecient de ncredere trebuie s a e ct
mai apropiat de 1. independent de j (0. 1) . n mod practic, uneori se
reuseste construirea unui interval de ncredere care d a un coecient de
ncredere constant. Alteori, intervalele de ncredere se construiesc n
asa fel nct se poate obtine o margine inferioar a, uniform a si apropiat a
de 1. pentru coecientul de ncredere. Mai observ am c a dac a (o
1
. o
2
) si
A* 179
_
o
0
1
. o
0
2
_
sunt dou a intervale de ncredere astfel nct o
0
1
_ o
1
si o
2
_ o
0
2
,
atunci coecientii de ncredere corespunz atori si
0
satisfac relatia
(j) = 1 (o
1
< j < o
2
) _ 1
_
o
0
1
< j < o
0
2
_
=
0
(j) .
Cu ct este mai mic intervalul de ncredere cu att estimarea lui j
este mai precis a, dar n acelasi timp coecientul de ncredere se micsore-
az a. Alegerea unui interval de ncredere are de rezolvat si acest aspect
contradictoriu: intervalul trebuie s a dea o precizie sucient a n deter-
minarea lui j. dar n acelasi timp s a asigure un coecient de ncredere
ridicat.
Media empiric a.
Variabila aleatoare A =
1
a
a
i=1
A
i
poart a numele de media empiric a.
Acesta este un estimator care estimeaz a media j a variabilelor date.
(Legea numerelor mari d a un sens mai precis cuvntului estimeaz a,
armnd c a media empiric a converge la valoarea medie, aproape sigur,
pentru : . ) Functia , : 1
a
R, denit a prin , (r
1
. .... r
a
) =
1
a
a
i=1
r
i
satisface relatia A = , (A
1
. .... A
a
) .
Deoarece suma A
1
+... +A
a
este repartizat a binomial cu ordinul :
si parametrul j. rezult a c a media mediei empirice este 1A =
aj
a
= j.
iar dispersia este 1
2
A =
1
a
2
1
2
(A
1
+ ... + A
a
) =
1
a
2
:j =
jq
a
.
3.2. Evaluarea coecientului de ncredere. Vom utiliza acum
estimarea lui Uspensky sub forma 2.3 ca s a obtinem o margine infe-
rioar a pentru coecientul de ncredere asociat unui interval de ncredere
centrat n jurul mediei empirice.
Propozitia 7.3. Daca 1 (0. 1) .
_
j _ c si
_
:j _ 5. pentru
orice j 1. atunci intervalul de ncredere
_
A
3c
_
a
. A +
3c
_
a
_
are un
coecient de ncredere mai mare de 0. 98. iar intervalul
_
A
2c
_
a
. A +
2c
_
a
_
are un coecient de ncredere mai mare de 0. 94.
Demonstra Tie. Deoarece o
a
=
a
i=1
A
a
= :A si
_
j _ c. putem
scrie
_
A 3
c
_
:
< j < A + 3
c
_
:
_
_
A 3
_
j
_
:
< j < A + 3
_
j
_
:
_
=
=
_
o
a
:j
_
:j
< 3
_
.
Pentru evaluarea ultimului eveniment aplic am 2.3:
1
_
o
a
:j
_
:j
< 3
_
-
_
3
3
,(r) dr = 0. 9972
cu o eroare mai mic a de 0. 014. ceea ce implic a armatia din enunt
referitoare la primul coecient de ncredere.
Pentru cel de al doilea coecient de ncredere aplic am acelasi ration-
ament si aproximarea
1
_
o
a
:j
_
:j
< 2
_
-
_
2
2
,(r) dr = 0. 9546.
Exemplul 1.
Un laborator si propune s a determine coecientul j care reprez-
int a raportul dintre num arul de pui masculi si num arul total de pui,
la nastere, pentru o anumit a specie de iepuri. n acest scop se face
un recens amnt la fermele de iepuri nregistrndu-se 56.680 familii de
iepuri ecare cu cte 8 pui, n total 56680 8 = 429.440 de pui din
care 221.023 sunt masculi.
Solu tie. Model am problema n felul urm ator: variabilele A
1
. .... A
a
reprezint a rezultatele uneia din cele : = 429.440 nasteri, iar media
empiric a calculat a pentru esantionul nostru este
A = 221.023 : 429.440 = 0. 5146.
Mai departe calcul am
_
: = 655 si, dat a ind situatia concret a, putem
face presupunerea c a j apartine intervalului 1 =
_
1
4
.
3
4
_
. Prin urmare
este satisf acut a cerinta
_
:j 5. Mai facemmajorarea
_
j =
_
j (1 j) _
1
2
si atunci propozitia anterioar a ne asigur a c a intervalul
_
0. 5146
3
2 655
; 0. 5146 +
3
2 655
_
= (0. 51230; 0. 51689)
are un coecient de ncredere mai mare dect 0. 98.
Exemplul 2.
Observ am c a n exemplul anterior parametrul j a fost determinat
cu dou a zecimale exacte. Se pune ntrebarea: care ar num arul minim,
:. de pui ce ar trebui luat n calcul pentru a obtine trei zecimale exacte
n estimarea parametrului j. cu aceeasi margine pentru coecientul de
ncredere? Si care ar num arul minim pentru a avea dou a zecimale
exacte?
Solu tie. Pentru a obtine trei zecimale exacte trebuie ca marginile
intervalului de ncredere
_
A
3
2
_
a
. A +
3
2
_
a
_
s a difere printr-o valoare
mai mic a dect 10
3
. Deci trebuie s a avem
3
_
a
<
1
1.000
. adic a :
9.000.000. Un rationament similar arat a c a pentru a avea dou a zecimale
exacte, trebuie ca : s a satisfac a
3
_
a
<
1
100
. adic a s a avem : 90.000.
3.3. Alt interval de ncredere. Vom examina mai nti propri-
et atile de monotonie n raport cu parametrul ale probabilit atilor asoci-
ate unei repartitii binomiale. Vom presupune : N
+
xat si j (0. 1)
A* 181
variabil. Pentru ecare / = 0. .... : not am
1 (j. /) =
I
|=0
C
|
a
j
|
(1 j)
a|
.
asa numita probabilitate cumulata de la 0 la /. Urm atoarea lem a rezult a
din studiul derivatei functiei corespunz atoare.
Lema 7.2. Daca j _
I
a
si j
t
< j. sau daca
I
a
_ j si j < j
t
. n
ambele cazuri are loc inegalitatea
j
I
(1 j)
aI
(j
t
)
I
(1 j
t
)
aI
.
Lema 7.3. Fie 0 _ / < : xe. Aplica tia j 1 (j. /) este strict
descrescatoare.
Demonstra Tie. Fie j < j
t
. Vom analiza trei cazuri.
Cazul 1. Presupunem c a
I
a
_ j. Atunci ecare termen din expresia
lui 1 (j. /) se compar a cu termenul de acelasi rang din expresia lui
1 (j
t
. /) . dup a cum precizeaz a lema anterioar a:
C
|
a
j
|
(1 j)
a|
C
|
a
(j
t
)
|
(1 j
t
)
a|
. | = 0. .... /.
De aici se deduce 1 (j. /) 1 (j
t
. /) .
Cazul 2. Presupunem j
t
_
I
a
si atunci ration am exact ca n cazul
anterior, dar pentru termenii expresiei
1 1 (j. /) =
a
|=I+1
C
|
a
j
|
(1 j)
a|
.
Avem
C
|
a
j
|
(1 j)
a|
< C
|
a
(j
t
)
|
(1 j
t
)
a|
. | = / + 1. .... :.
ceea ce implic a 1 1 (j. /) < 1 1 (j
t
. /) . adic a inegalitatea dorit a.
Cazul 3. Presupunem c a j <
I
a
< j
t
si atunci ne baz am pe cazurile
anterioare pentru a deduce 1 (j. /) 1
_
I
a
. /
_
1 (j
t
. /) . ceea ce
ncheie demonstratia.
nainte de a construi un nou interval de ncredere, mai precis si cu
coecientul mai bine estimat, vom pune n evident a noua metod a de
analiz a pe un exemplu.
Exemplul 3.
Pentru a determina calitatea unui produs se testeaz a 2500 de buc ati.
Dintre acestea 95 sunt g asite cu defect. Proportia de produse defecte
pare a de
95
2500
= 0. 038 sau, n procente, 3. 8%.
Solu tie. Pentru a determina un interval n care se a a raportul j
dintre num arul produselor defecte si num arul total al produselor fab-
ricate model am problema ca mai nainte. Avem : = 2500. o
a
= 95
si A =
95
2500
= 0. 038. Deci se contureaz a concluzia c a valoarea lui j
trebuie s a e aproape de num arul 0. 038. Scoatem din calculator urm a-
toarele date, pentru j = 0. 049 si pentru j = 0. 0288 :
1 (0. 049; 95) =
95
I=0
C
I
2500
(0. 049)
I
(0. 951)
2500I
= 0. 004892
1 1 (0. 0288; 94) =
2500
I=95
C
I
2500
(0. 0288)
I
(0. 9712)
2500I
= 0. 004829.
Aplicnd lema precedent a pentru j = 0. 049 si j
t
_ 0. 049 se deduce
pentru cazul c a variabilele A
1
. .... A
a
sunt de parametru j
t
1 (o
2500
_ 95) = 1 (j
t
. 95) _ 1 (0. 049; 95) < 0. 005.
Prin urmare, probabilitatea de a gresi eliminnd din discutie cazul
j _ 0. 049 este foarte mic a.
La fel, pentru j = 0. 0288 si j
t
_ j se deduce, pentru acelasi caz,
1 (o
2500
_ 95) = 1 1 (j
t
. 94) _ 1 1 (0. 0288; 94) < 0. 005.
Aceste inegalit ati fac neacceptabile valorile lui j din afara intervalului
(0. 0288; 0. 049) si suntem condusi la concluzia c a este mai verosimil ca
parametrul j s a se ae n acest interval.
Trecem acum la exploatarea ideii din solutia de mai sus ntr-un sens
mai general. Anume, vom ar ata c a intervalul anterior este un interval
de ncredere cu un bun coecient de ncredere.
Vom presupune n continuare c a avem 0 _ / < :. Functia j
1 (j. /) este continu a si are limitele
lim
j0
1 (j. /) = 1. lim
j1
1 (j. /) = 0.
deci ea poate inversat a. Vom nota cu q (c. /) inversa aplicatiei
j 1 (j. /) . Pentru ecare c (0. 1) . num arul q (c. /) (0. 1) este
determinat de egalitatea 1 (q (c. /) . /) = c. Pentru / = : punem
q (c. :) = 1.
Dac a 0 < / _ :. vom deni q (,. /) = q (1 ,. / 1) . Pen-
tru ecare , (0. 1) . num arul q (,. /) este determinat de relatia
1 (q (,. /) . / 1) = 1,. sau altfel exprimat, acest num ar este deter-
minat de relatia 1
j(o,I)
(o
a
_ /) = ,. n care se presupune c a repartitia
variabilelor A
1
. .... A
a
are parametrul q (,. /) . Pentru / = 0 denim
q (,. 0) = 0.
Cu aceste notatii putem enunta urm atorul rezultat.
Teorema 7.3. Fie c. , (0. 1) . Atunci intervalul de ncredere
(q (,. o
a
) . q (c. o
a
)) are un coecient de ncredere mai mare dect 1
c ,. pentru j (0. 1) .
Demonstra Tie. Are loc egalitatea
1
j
(q (,. o
a
) < j < q (c. o
a
)) _ 1
j
(q (,. o
a
) < j)+1
j
(j < q (c. o
a
))1
si evalu am separat cele dou a probabilit ati din membrul drept.
A* 183
ncepem prin a observa c a inegalitatea j < q (c. |) este echivalent a
cu 1 (j. |) c si atunci putem scrie
1
j
(j < q (c. o
a
)) = 1
j
(1 (j. o
a
) c) .
Pentru a estima ultima probabilitate vom introduce num arul
/ = /(j. c) = inf /,1 (j. /) c .
denit pentru orice j. c (0. 1) . Deoarece aplicatia / 1 (j. /) este
cresc atoare, rezult a c a inegalitatea 1 (j. |) c este echivalent a cu
| _ / si c a, n caz c a avem / _ 1. are loc inegalitatea
1 (j. / 1) _ c.
De aceea putem exprima probabilitatea de dinainte sub forma
1
j
(j < q (c. o
a
)) = 1
j
(o
a
_ /) .
care este 1 n cazul / = 0. iar dac a / _ 1. aceast a probabilitate devine
= 1 1
j
(o
a
_ / 1) = 1 1 (j. / 1) _ 1 c.
Am obtinut, deci,
1
j
(j < q (c. o
a
)) _ 1 c. (+)
Mai departe, trecem la evaluarea celeilalte probabilit ati care mi-
noreaz a expresia coecientului de ncredere. Inegalitatea q (,. |) < j
este echivalent a cu
1 , = 1 (q (,. |) . | 1) 1 (j. | 1) .
Facem conventia 1 (j. 1) = 0 si not am
/ = /(j. ,) = sup /,1 1 (j. / 1) ,
si observ am c a are loc inegalitatea 1 , 1 (j. / 1) . pentru orice
/ _ /. iar dac a / _ : 1 pentru / = / + 1 avem 1 , _ 1
_
j. /
_
.
De aceea, putem spune c a inegalitatea q (,. |) < j este echivalent a cu
| _ / si putem exprima evenimentul ce ne intereseaz a astfel:
q (,. o
a
) < j =
_
o
a
_ /
_
.
Rezult a c a
1
j
(q (,. o
a
) < j) = 1
j
_
o
a
_ /
_
= 1
_
j. /
_
si aceast a expresie face 1 dac a / = :. iar dac a / _ : 1. atunci avem
1
_
j. /
_
_ 1 ,. n orice caz, am dedus
1
j
(q (,. o
a
) < j) _ 1 ,.
Aceast a inegalitate mpreun a cu (*) permit estimarea membrului
drept al minor arii coecientului de ncredere cu care am nceput:
1
j
(q (,. o
a
) < j < q (c. o
a
)) _ 1 c ,.
ceea ce termin a demonstratia.
ntorcndu-ne la exemplul 3. dinainte, pentru c = , = 0. 005.
putemaplica teorema anterioar a si deducem c a intervalul (0. 0288; 0. 049)
este un interval de ncredere cu coecientul de ncredere mai mare dect
1 0. 005 0. 005 = 0. 99. Astfel, concluzia teoriei noastre este: cu un
coecient de ncredere mai mare dect 0. 99 proportia de produse de-
fecte este n jurul lui 3. 8%. cu o aproximatie de cel mult 0. 92% sau
+1. 1%.
Privitor la aplicabilitatea ultimei teoreme, trebuie notat c a este
esential s a se poat a calcula usor functiile q si q. n cazul exemplului
3. calculul a fost posibil prin determinarea probabilit atilor cumulate
utiliznd un PC. Dac a : este mult mai mare acest lucru poate deveni
dicil.
n concluzie, putem spune c a estim arile statistice permit punerea n
evident a a gradului de relevant a pe care l are o medie empiric a pe care
o face orice persoan a neavizat a. Rezultatele, intervalul de ncredere si
coecientul de ncredere, nu dau informatii sigure n mod absolut, ci
numai cuantic ari numerice pentru fenomene probabiliste. Pentru a
se ntelege utilitatea, ecienta practic a a acestor rezultate, este nevoie
de o experient a a m asur arii fenomenelor aleatorii. De exemplu, cine a
aruncat cu banul de mai multe ori a nteles c a rezultatele experimen-
tului nu sunt arbitrare. Ele sunt aleatorii dar respect a legile teoriei
probabilit atiilor.
Bibliograe
[1] J. Bertoin, Cours de Probabilits, Internet, 1999.
[2] P. Billingsley, Probability and Measure, editia a doua, John Wiley & Sons,
New York - Chichester - Brisbane - Toronto - Singapore, 1986..
[3] K.L. Chung, Elementary Probability Theory with Stochastic Processes, editia
a doua, Springer, New York - Heidelberg - Berlin, 1975.
[4] Gh. Ciucu, C. Tudor, Teoria Probabilit atilor si Aplicatii, Editura stiintic a si
enciclopedic a, Bucuresti, 1983.
[5] I. Cuculescu, Teoria probabilit atilor, Editura All, Bucuresti, 1998.
[6] D. Dacunha -Castelle, M. Duo, Probabilits et statistiques, tome 1, Masson,
Paris - Milan - Barcelone - Mexico, 1990.
[7] W. Feller, An Introduction to Probability Theory and Its Applications, vol.1,
editia a treia, John Wiley & Sons, New York - London - Sidney, 1968.
[8] D. Guinin, B. Joppin, Mathmatiques, Terminale S, Bral, Rosny, 1998.
[9] A. Gut, An Intermediate Course in Probability, Springer, New York -Berlin
-Heidelberg..., 1995.
[10] M. Iosifescu, Gh. Mihoc, R. Theodorescu, Teoria Probabilit atilor si Statistic a
Matematic a, Editura tehnic a, Bucuresti, 1966.
[11] J. Jacod, Cours de Probabilits, Internet, 1999.
[12] R.J. Larsen, M.L.Marx, Mathematical Statistics and Its Applications, Prentice
- Hall, Englewood Clis, New Jersey, 1986.
[13] O. Onicescu, Calculul probabilit atilor, Editura tehnic a, Bucuresti, 1956.
[14] O. Onicescu, Gh. Mihoc, Calculul Probabilit atilor, Bucuresti, 1939.
[15] O. Onicescu, Gh. Mihoc, C.T. Ionescu Tulcea, Calculul probabilit atilor si apli-
catii, Editura Academiei, Bucuresti, 1956.
[16] E. Partzen, Modern Probability Theory and Its Applications, John Wiley &
Sons, New York - London, 1960.
[17] J. Pitman, Probability, editia a sasea, Springer Texts in Statistics, Springer,
1997.
[18] A. Rnyi, Probability Theory, Acadmiai Kiad, Budhapest, 1970.
[19] D. Stirzaker, Probability and Random Variables, Cambridge University Press,
1999.
[20] C. Tudor, Teoria Probabilit atilor, Editura Universit atii din Bucuresti, 2004.
[21] J.V. Uspenski, Introduction to Mathematical Probability, McGrow-Hill Book
Company, New York - Toronto - London, 1937.
185
Index
abaterea medie p atratic a, 96
absolut sumabil a, 70
admite medie, 151
dAlembert, 8
algebr a de p arti, 1
algebr a nit a, 1
algebra generat a, 58
aplicatie m asurabil a, 65
atom, 60
Bernoulli, 99
cmp de probabilitate, 4
Cebsev, 98, 152
clopotul lui Gauss, 152
coecient multinomial, 14
coecientul de ncredere, 178
corp, 1
corp borelian, 3
de Moivre, 159
de Moivre-Laplace, 163
densitate, 141
deviatia standard, 96, 152
dispersia, 96, 152
esantion aleator, 177
estimator, 178
evenimente triviale, 41
Fermat, 9
formula probabilit atii totale, 35
functia lui Laplace, 154
histogram a, 111
ncarc a, 2
independenta nsens extins, 48
independenta -algebrelor, 49
independente, 43
independente cte dou a, 41
inegalitatea Cauchy -Buniakovschi,
93
inegalitatea Cebsev, 97, 98
inegalitatea Cebsev -Bienaym, 97
inegalitatea lui Schwartz, 93, 151
integrabil a, 73, 89
interval de ncredere, 178
Kolmogorov, 4
Laplace, 159
legea numerelor mari, 98
m asur a aleatoare Poisson, 129
m asur a de probabilitate, 4
media, 88, 151
media p atratic a, 93
media probabilit atilor conditionate,
35
momentul de ordinul doi, 93
multime m asurabil a Jordan, 1
multimile boreliene, 59
partitia asociat a, 64
partitie cel mult num arabil a, 60
Pascal, 9
Poisson, 120
probabilitate conditionat a, 32
probabilitate cumulat a, 181
Quetelet, 157
regula nmultirii, 35
repartitia, 76
repartitia Bernoulli, 97, 104
repartitia binomial a, 106
repartitia exponential a, 145
repartitia gaussian a standard, 154
repartitia geometric a, 104
repartitia hipergeometric a, 112
repartitia multinomial a, 127
repartitia negativ -binomial a, 114
repartitia normal a standard, 154
repartitia Poisson, 120
186
INDEX 187
repartitia uniform a, 6, 145
repartitii continue, 141
aditiv a, 56
-algebr a, 3
schema lui Bernoulli, 97
selectie aleatoare, 177
spatiu m asurabil, 3
spatiu m asurabil nit, 1
spatiu probabilizat, vi, 4
spatiu probabilizat nit, 1
spatiul de selectie, 177
spatiul esantioanelor, 177
speranta, 88
Stirling, 160
suport a, 2
urma, 3
valoarea medie, 88
variabil a aleatoare, 75
variabile independente, 76

Calculul Probabilitatilor Oct 2009 PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Calculul Probabilitatilor Oct 2009 PDF

Încărcat de

Drepturi de autor:

Formate disponibile

Introducere n Calculul

A. Cartea de fat a este o introducere elementar a n teoria

, formeaz a o partitie a lui care evident este n

cu un num ar (1. 0) . Deci 1 (1) - c

_ . care d a proprietatea din enunt.

sunt, de asemenea, independente. Atunci o algebrele din familia

si aplicatia : [0. 1)1 prin (r) = (c

= 1 () . Observ am c a orice variabil a m arginit a ad-

va avea repartitia lui Bernoulli cu parametrul j. S a observ am c a pen-

c atre :. Un caz particular

un sir de evenimente independente

A demonstra Tie. n acest scop introducem notatia

pe un spatiu probabilizat (. T. 1) . cu probabilita-

45:1 (A < :) + 40:.

A STIEREA ALEATOARE* 129

este repartizata Poisson cu

= `() pentru orice multime

A STIEREA ALEATOARE* 131

sunt repartizate Poisson. Aceast a conditie este im-

A STIEREA ALEATOARE* 133

este repartizat a Poisson cu parametrul `(). Ca mai

A STIEREA ALEATOARE* 135

. atunci putem exprima conditia aceasta privind unghiul

. trebuie s a e satisf acut a relatia

n felul urm ator:

admit medii si n acest caz

si vom spune c a aceasta este media vari-

un sir de evenimente independente si cu aceeasi probabili-

S-ar putea să vă placă și