Documente Academic
Documente Profesional
Documente Cultură
CURS 7
ELEMENTE DE
TEORIA
PROBABILITĂŢILOR
FENOMENE – lumea reală
DETERMINISTE NEDETERMINISTE
PROPRIETATE:
Suma probabilităţilor tuturor evenimentelor posibile este
egală cu 1.
Exemple de fenomene aleatoare:
Aruncarea unei monede
AB
A B
Diagrame Venn
OPERATOR LOGIC: AND
AB
A B
Diagrame Venn
Se numeşte DIFERENŢA evenimentelor A şi B, A – B,
evenimentul care se realizează atunci şi numai atunci când s-a
realizat A şi nu s-a realizat B.
Exemplu. Dacă A={2, 4, 6} şi B={2, 5}, atunci
A-B={4, 6}.
A-B
A B
Diagrame Venn
Se numeşte DIFERENŢA SIMETRICĂ a evenimentelor A şi B, A
B, evenimentul care se realizează atunci şi numai atunci când
s-a realizat unul şi numai unul dintre cele două evenimente.
Exemplu. Dacă A={2, 4, 5} şi B={1, 3, 5}, atunci
(A-B)U(B-A)={1, 2, 3, 4}.
AB
A B
Diagrame Venn
Două evenimente A, B S se numesc INCOMPATIBILE dacă şi
numai dacă este verificată relaţia: P(AB) = 0
Exemplu. Dacă A={1, 3, 5} şi B={2, 4, 6},
atunci A B = .
OBSERVAŢII:
Reuniunea a două evenimente complementare este evenimentul sigur, iar
intersecţia a două evenimente incompatibile (care în particular pot fi şi
complementare) este evenimentul imposibil.
Evenimentele complementare sunt incompatibile, dar evenimentele
incompatibile nu sunt obligatoriu complementare (pot fi sau nu
complementare).
Evenimentele sigur şi imposibil sunt complementare şi nu sunt compatibile.
Dacă A implică B, atunci A şi B sunt compatibile dar în mod cert nu sunt
complementare.
Două evenimente A, B S se numesc INDEPENDENTE dacă şi
numai dacă este verificată relaţia: P(AB) = P(A) P(B)
P( A B)
P(AB) =
P( B)
Exemple de evenimente care se pot
realiza la aruncarea unui zar:
A. Apariţia unui număr mai mic sau egal cu 3.
B. Apariţia unui număr par.
C. Apariţia unui număr impar.
D. Apariţia feţelor 1 sau 2.
E. Apariţia unui număr mai mare sau egal cu 4.
F. Apariţia feţei 3.
Observaţii:
Perechea de evenimente A şi E sunt Evenimentele A şi D sunt
complementare, deoarece dacă nu compatibile (deoarece au în comun
obţinem un număr 3, atunci el este numerele 1 şi 2).
sigur 4.
Realizarea evenimentului D atrage
Evenimentele D şi E sunt după sine realizarea evenimentului
incompatibile, dar nu A.
complementare. Dacă nu se
realizează evenimentul D, se poate Evenimentele A, E şi B sunt
realiza sau nu evenimentul E incompatibile, deoarece nu se pot
(deoarece 3D şi 3E). Faţa cu realiza simultan.
numărul 3 aparţine sigur
complementarului lui D, dar nu
aparţine şi lui E. Intersecţia dintre E
şi D este evenimentul imposibil.
Principiul certitudinii practice:
PROPRIETĂŢI:
P( A) = 1 – P(A)
P2: A, B S 2 evenimente, are loc relaţia: P(AB) = P(A) + P(B) – P(AB).
Dacă evenimentele A, B sunt incompatibile, atunci relaţia devine:
P(AB) = P(A) + P(B).
GENERALIZARE: A1, A2, ... An n evenimente mutual exclusive două
câte două (Ai Aj = , i j) :
n
P( A ) = P(A1) + P(A2) + ... + P(An)
i 1
i
𝑃 ( 𝐷 )=1 − 𝑃 ( 𝐷 )
𝑃 ( 𝑇 ∨ 𝐷 )=1− 𝑃 (𝑇 ∨𝐷)
Valoarea Predictivă Negativă a testului :
Este probabilitatea ca subiectul să nu aibă boala atunci când
testul de screening are un rezultat negativ.
Se calculează folosind Teorema lui Bayes, cu formula :
𝑃 (𝑇 ∨𝐷)∙ 𝑃 (𝐷)
𝑃 (𝐷∨𝑇 )=
𝑃 (𝑇 ∨𝐷)∙ 𝑃 (𝐷)+𝑃 (𝑇 ∨𝐷)∙ 𝑃 (𝐷)
𝑃 ( 𝑇 ∨ 𝐷 )=1− 𝑃 (𝑇 ∨𝐷)
Exemplu:
O echipă de cercetare medicală doreşte să evalueze precizia unui test de
screening pentru boala Alzheimer. Testul a fost aplicat într-un eşantion
aleatoriu de 450 pacienţi cu Alzheimer şi un eşantion aleatoriu,
independent, de 500 patients fără simptome de boală. Cele două eşantioane
au fost extrase dintr-o populaţie de persoane peste 65 de ani. Au fost
obţinute următoarele rezultate:
Boala prezentă
Rezultatul testului DA (D) NU () Total
Pozitiv(T) 436 5 441
)( Negativ 14 495 509
Total 450 500 950
În contextul acestui exemplu:
SENZITIVITATEA 436
𝑃 ( 𝑇 |𝐷 )= =0.9689
testului: 450
SPECIFICITATEA 495
𝑃 (𝑇 ∨𝐷)= =0.99
testului: 500
Presupunem că prevalenţa bolii în populaţie este cunoscută, şi
anume P(D) = 11.3%.
=
TIPURI DE
DISTRIBUŢII ALE
DATELOR
DISTRIBUŢIA UNIFORMĂ
p
Media distribuţiei hipergeometrice: m n
pq
Varianţa 2 p p pqn
n 1
(dispersia): pq p q p q 1
DISTRIBUŢIA BINOMIALĂ
Experienţa dublei extrageri (schema bilei întoarse):
Se consideră o urnă care conţine p bile albe şi q bile negre. Se extrage un eşantion de
n bile, de fiecare dată repunând în urnă bilele extrase – la fiecare extragere
compoziţia urnei este aceeaşi.
Distribuţia de probabilităţi a
valorilor lui r, dată de termenii
succesivi din dezvoltarea binomului
(p+q)n, se numeşte distribuţie
binomială.
EXPRESIA TERMENULUI DE RANG R:
• Termenul de rang 0 = qn;
• Termenul de rang n = pn;
• Termenul de rang r = Cnr p r q n r
n!
P( x r ) p r q nr
r!n r !
Rangul termenului cel
mai probabil:
r n p
Media distribuţiei m n p
binomiale
Varianţa: 2 n pq
Deviaţia standard:
n pq
DISTRIBUŢIA NORMALĂ
Distribuţia normală (gaussiană) este o distribuţie binomială simetrică în
care p = q =1/2, iar n +.
Abraham de Moivre (1730, matematician francez)
Pierre Simon de Laplace, matematician francez, sec. XIX
Carl Friedrich Gauss, matematician german, sec. XIX
Pr
0 r +
x m 2
1 2 2
Pentru n şi p = q: y e
2
X xm
Se defineşte raportul t (ABATERE REDUSĂ DE LA MEDIE)
t2
1
y e 2
2
Se ia ca unitate de măsură a abaterilor, = 1:
t2
ECUAŢIA REDUSĂ A CURBEI: 1
y e 2
2
Forma curbei este determinată de valorile lui :
Curba descreşte de o parte şi de alta a unei valori maxime, la
început mai încet, apoi mai rapid, până la un punct de inflexiune (t
=1, respectiv t=–1) şi apoi iarăşi mai încet de la acest punct în jos,
până devine asimptotică la axa absciselor.
= 0.25
= 0.5
=1
99%
95.50%
68.30%
t
- X
-2.6 -2 -1 0 1 2 2.6
x
m-2.6s m -2s m-1s m m-1s m-2s m-2.6s
DISTRIBUŢIA POISSON
Distribuţia Poisson - „Legea probabilităţilor mici” - reprezintă limita
unei distribuţii binomiale în care termenii q (de exemplu) devin foarte mici
(practic <0.03%), ceea ce dă o distribuţie foarte asimetrică, atunci când n creşte
la infinit.
Este utilă în evaluarea evenimentelor legate de
NUMĂRĂTORI.
Media: Mm M
Varianţa:
2 2
m
n
Deviaţia standard: EROAREA STANDARD A
MEDIEI
m
n
Forma curbei pentru distribuţia mediilor:
Mediile sunt mai puţin dispersate faţă de M, media globală a populaţiei,
decât valorile individuale din populaţie.
σm
(b) Distributia a
σ N valori individuale
M m
Observaţie:
Pentru eşantioane de dimensiune n suficient de mare (n ≥ 30), distribuţia
mediilor tinde spre o distribuţie normală – chiar dacă distribuţia valorilor
individuale din populaţia de origine nu respectă legea normală – TEOREMA
LIMITEI CENTRALE.
Media: Mm 0
Varianţa: v = nr. de grade de
2 v libertate ale eşantionului,
m
v2 v≥2
Curba reprezentativă a acestei distribuţii, pentru o valoare
dată n < 30, este aproximativ o curbă în clopot, simetrică, dar mai
aplatizată decât curba Gauss: curbă “hipernormală”.
Curbele hipernormale
pentru diferite valori ale
n=10
parametrului t
n=1