TEMA 4 ELEMENTE DE TEORIA PROBABILITILOR Obiective

Cunoaterea principalelor concepte de teoria probabilitilor Analiza principalelor metode pentru calculul probabilitii evenimentelor Analiza principalelor reguli ale probabilitilor

Cuprins
4.1 4.2
4.2.1 4.2.2 4.2.3

Introducere Experimente, spaii de eantionare, evenimente

Experimente aleatoare Spaii de eantionare Evenimente

4.2 4.2
4.2 4.3 4.3

4.3 4.4 4.5 4.6 4.7 4.8 4.9 4.10

Probabilitatea unui eveniment Evenimente compuse Probabiliti marginale Probabiliti condiionate Arbori de probabilitate Regulile probabilitilor Reguli de numrare Concepte cheie

4.3 4.5 4.6 4.6 4.7 4.8 4.9 4.10

4.2

MODULUL 2 DISTRIBUII STATISTICE

4. ELEMENTE DE TEORIA PROBABILITILOR

4.1 Introducere
n temele anterioare am analizat metodele grafice i numerice pentru descrierea datelor statistice, cu ajutorul crora am determinat modelul empiric al distribuiei frecvenei relative, precum i statisticile eantionului Pentru inferen, respectiv pentru trecerea de la eantion la populaie i de la modelul empiric la modelul teoretic avem nevoie de probabiliti. Probabilitile reprezint n mod intuitiv posibilitatea sau ansa ca un anumit fenomen s se produc. Vom utiliza probabilitile pentru a evalua ansele de apariie a unui anumit fenomen care face obiectul unei analize statistice

4.2 Experimente, spaii de eantionare, evenimente

4.2.1 Experimente aleatoare Vom ncepe prin a reaminti noiunea de experiment statistic, realizat n condiii aleatoare, ntmpltoare. Definiia 4.1 Un experiment statistic aleator este procesul de observare a unui anumit fenomen, care conduce la apariia unuia sau a mai multor rezultate posibile. En: Random Experiment n tabelul urmtor este prezentat o list de experimente aleatoare i rezultatele posibile ale acestor experimente:

Prima caracteristic a unui experiment statistic este caracterul aleator, adic rezultatele sunt ntmpltoare, fr a fi determinate de anumite cauze speciale. Lista rezultatelor unui experiment aleator trebuie s fie exhaustiv, adic s includ toate rezultatele care pot s apar. Rezultatele experimentului trebuie s fie reciproc exclusive, adic nu pot s apar n acelai timp dou rezultate diferite.

TEMA 4 ELEMENTE DE TEORIA PROBABILITILOR

4.3

4.2.2 Spaii de eantionare Definiia 4.2 Spaiul de eantionare al unui experiment aleator este mulimea tuturor rezultatelor posibile ale acelui experiment. Rezultatele trebuie s fie exhaustive i reciproce exclusive. En: Sample space Vom nota spaiul de eantionare cu S i rezultatele posibile cu R1, R2, ..., Rm, adic: S = {R1 , R2 ,..., Rm }. Spaiul de eantionare al unui experiment aleator se poate reprezenta grafic prin aa-numita diagram Venn. Diagrama Venn este o curb nchis, care conine, reprezentate prin puncte, toate rezultatele posibile ale experimentului, aa cum se poate observa din Figura 4.1.

Figura 4.1 Diagrama Venn a unui spaiu de eantionare

4.2.3 Evenimente Definiia 4.3 Un eveniment simplu este un rezultat individual al unui spaiu de eantionare. Din definiiile anterioare rezult faptul c spaiul de eantionare al unui experiment este alctuit din mulimea tuturor evenimentelor simple ale acelui experiment. Definiia 4.4 Un eveniment simplu este un rezultat individual al unui spaiu de eantionare.

4.3 Probabilitatea unui eveniment

Probabilitatea unui eveniment simplu este msura numeric a posibilitii efective de apariie a evenimentului respectiv. Aceast msur numeric poate fi considerat frecvena relativ de apariie a acelui eveniment, realiznd o serie suficient de lung de repetri ale experimentului respectiv. Dac aceast informaie nu este ns disponibil, vom alege probabilitatea pe baz de raionament sau experien. De exemplu, putem s presupunem c frecvena relativ a celor dou evenimente simple n experimentul aruncrii unei monede experiment efectuat de un numr suficient de mare de ori va tinde ctre 0,5 i deci probabilitatea asociat celor dou evenimente simple va fi 0,5.

4.4

MODULUL 2 DISTRIBUII STATISTICE

n alte situaii vom alege probabilitatea pe baza informaiilor generale asupra experimentului respectiv. Probabilitile asociate evenimentelor trebuie s satisfac urmtoarele condiii: [1] Probabilitatea fiecrui eveniment simplu trebuie s fie cuprins ntre 0 i 1, adic: 0 P(Ri ) 1 ; (4.1)

[2] Suma probabilitilor tuturor evenimentelor simple sau rezultatelor posibile trebuie s fie 1, adic:

P (R ) = 1 .
i =1 i

(4.2)

Dac rezultatele sau evenimentele simple ale unui spaiu de eantionare au aceeai ans sau probabilitate de apariie (evenimentele sunt echiprobabile), atunci probabilitatea de apariie a fiecrui eveniment simplu va fi:

P(R1 ) = P(R2 ) = ... = P(Rm ) =

1 . m

(4.3)

De exemplu, n experimentul aruncrii unui zar, probabilitatea de apariie a unei fee va fi (innd cont c rezultatele de baz, respectiv una din feele 1, 2, 3, 4, 5 sau 6, au aceeai ans de apariie): 1 P(1) = P(2) = P(3) = P(4) = P(5) = P(6) = . 6
Definiia 4.5 Probabilitatea unui eveniment A alctuit din evenimentele simple Ai1 , Ai2 ,..., Aik este suma probabilitilor evenimentelor simple ale evenimentului A,

adic
k j =1

P( A) = P Ai j .

( )

(4.4)

Evenimentul care conine toate evenimentele simple ale unui spaiu de eantionare se numete eveniment sigur. Probabilitatea evenimentului sigur este 1. Evenimentul care nu conine nici un eveniment simplu al unui spaiu de eantionare (evenimentul nul sau vid) se numete eveniment imposibil. Probabilitatea evenimentului imposibil (nul) este 0. Pentru evenimentele simple care nu au aceeai probabilitate de apariie, vom asocia probabilitile fie n funcie de frecvena relativ a acestor evenimente, fie pe baz de raionament. S considerm evenimentele simple care alctuiesc un eveniment ca fiind cazuri favorabile producerii acelui eveniment, iar evenimentele simple care alctuiesc spaiul de eantionare ca fiind cazuri posibile producerii acelui eveniment. Atunci probabilitatea unui eveniment A este: ( Numarul cazurilor favorabile P ( A) = ( Numarul cazurilor posibile denumit i formula clasic a probabilitilor

TEMA 4 ELEMENTE DE TEORIA PROBABILITILOR

4.5

Algoritm pentru calculul probabilitii unui eveniment [1] Se definete experimentul, adic se descrie procesul de observare sau msurare. [2] Se determin evenimentele simple A1 , A2 ,..., Am i spaiul de eantionare S. [3] Se calculeaz probabilitatea evenimentelor simple P( A1 ), P( A2 ),..., P( Am ) . [4] Se determin mulimea evenimentelor simple ale evenimentului A, respectiv A : Ai1 , Ai2 ,..., Aik

[5] Se calculeaz probabilitatea evenimentului A,

P( A) = P Ai1 + P Ai2 + ... + P Aik .

( ) ( )

( )

(4.5)

4.4 Evenimente compuse

Un eveniment poate fi considerat ca fiind alctuit (compus) din unul sau mai multe evenimente. Un astfel de eveniment se numete eveniment compus i el poate fi format (compus) n dou moduri: prin reuniune; prin intersecie.
Definiia 4.6 Reuniunea a dou evenimente A i B este evenimentul care apare dac sau evenimentul A sau evenimentul B sau amndou apar la efectuarea experimentului.

Reuniunea a dou evenimente A i B se noteaz A U B .

Definiia 4.7 Intersecia a dou evenimente A i B este evenimentul care apare dac i evenimentul A i evenimentul B (amndou simultan) apar la efectuarea experimentului.

Intersecia a dou evenimente A i B se noteaz A I B . Reuniunea i intersecia pot fi definite i pentru trei sau mai multe evenimente. De exemplu, evenimentul A U B U C va aprea dac oricare din evenimentele simple ale A, B sau C vor aprea. Similar, intersecia A I B I C este evenimentul de apariie a tuturor evenimentelor simple comune ale A, B i C.
Definiia 4.8 Evenimentul complementar al unui eveniment A este evenimentul a crui apariie determin neapariia evenimentului A, adic evenimentul care con-ine toate evenimentele simple din spa-iul de eantionare care nu aparin lui A.

Evenimentul complementar al lui A se noteaz AC . Din definiia anterioar rezult c dac A este o mulime de evenimente simple ale unui spaiu de eantionare S, atunci evenimentul complementar al lui A conine celelalte evenimente simple ale spaiului de eantionare care nu aparin lui A. S remarcm i faptul c orice eveniment simplu al unui spaiu se eantionare aparine fie unui eveniment A, fie evenimentului complementar AC (Figura 4.2).

4.6

MODULUL 2 DISTRIBUII STATISTICE

Figura 4.2 Diagrama Venn pentru evenimente complementare

Relaia de complementaritate: Suma probabilitilor evenimentelor complementare este egal cu 1, adic: P( A) + P AC = 1 .

( )

(4.6)

Din relaia de mai sus, rezult o formul util pentru calculul probabilitii unui eveniment: P ( A ) = 1 P ( AC ) . (4.7)

4.5 Probabiliti marginale

Probabilitile marginale sunt probabilitile evenimentelor simple calculate cu ajutorul tabelelor de contingen. Tabelele de contingen constituie o modalitate de reprezentare a evenimentelor unui spaiu de eantionare, prin combinarea clasificrii evenimentelor pe linii i coloane, probabilitile obinndu-se prin nsumarea valorilor pe linii sau coloane. Tabelul de contingen poate fi uor transformat ntr-un tabel de probabiliti marginale, prin mprirea la numrul de cazuri posibile (totalul general din ultima linie i coloan), ceea ce faciliteaz calculul probabilitii diferitelor evenimente.

4.6 Probabiliti condiionate

Probabilitile evenimentelor analizate anterior se numesc probabiliti necondiionate pentru c nu am introdus alte condiii speciale n afara celor care definesc evenimentele respective. Atunci cnd dispunem de informaii privind legtura ntre evenimente, informaii care ar putea condiiona rezultatul unui experiment, vom determina probabiliti condiionate.
Definiia 4.9 Probabilitatea condiionat de apariie a evenimentului A, dat fiind apariia evenimentului B, este P ( A i B ) P ( A I B ) P(A B ) = = . (4.8) P (B ) P (B ) Similar, de apariie a evenimentului B, dat fiind apariia evenimentului A este P ( A i B ) P ( A I B ) P (B A) = = . (4.9) P ( A) P ( A)

TEMA 4 ELEMENTE DE TEORIA PROBABILITILOR

4.7

Definiia 4.10 Dou evenimente A i B se numesc evenimente independente dac

P(A B ) = P( A ) ,

(4.10) (4.11)

sau

P (B A) = P(B ) .

Din relaiile de mai sus rezult c dou evenimente sunt independente dac probabilitatea unui eveniment nu este afectat sau condiionat de apariia celuilalt eveniment.

4.7 Arbori de probabilitate

Arborii de probabilitate (Figura 4.3.) constituie o modalitate grafic de reprezentare a probabilitilor marginale sau condiionate. Arborii sunt alctuii din noduri i ramuri. Nodurile conin valorile calculate ale probabilitilor. Ramurile conin evenimentele spaiului de eantionare. Avantajul arborilor de probabilitate const ntr-o bun reprezentare a diferitelor alternative pentru calculul probabilitii evenimentelor.

Figura 4.4 Arbore de probabilitate

4.8

MODULUL 2 DISTRIBUII STATISTICE

4.8 Regulile probabilitilor

Regula multiplicativ Probabilitatea interseciei a dou evenimente A i B este
P ( A I B ) = P ( A B ) P (B ) ,

(4.12) (4.13)

sau

P( A I B ) = P(B A) P( A) .

Regula multiplicativ pentru evenimente independente Probabilitatea interseciei a dou evenimente independente A i B este
P ( A I B ) = P ( A) P (B ) .

(4.14)

Regula aditiv Probabilitatea reuniunii a dou evenimente A i B este

P ( A U B ) = P ( A) + P (B ) P ( A I B ) .

(4.15)

n relaia de mai sus probabilitatea interseciei trebuie sczut din suma celor dou probabiliti, deoarece ea a fost inclus de dou ori n calculul probabilitilor P(A) i P(B).
Regula aditiv pentru evenimente reciproc exclusive Probabilitatea reuniunii a dou evenimente reciproc exclusive A i B este
P ( A U B ) = P ( A) + P (B ) .

(4.16)

Formula rezult din faptul c pentru dou evenimente reciproc exclusive (care nu pot s apar simultan) probabilitatea interseciei este 0. Probabilitile condiionate iau n considerare informaia despre probabilitatea unui eveniment pentru a face predicia asupra probabilitii unui alt eveniment. Conceptul poate fi extins pentru a revizui probabilitile, pe baza unor informaii suplimentare, pentru a determina probabilitatea ca un anumit efect s fie datorat unei cauze speciale. Aceast procedur este dat de regula sau teorema lui Bayes. Fie dat evenimentul B i evenimentele reciproc exclusive A1 , A2 ,..., Ak pentru care se cunosc valorile probabilitilor asociate. Probabilitile P( A1 ), P( A2 ),..., P( Ak ) se numesc probabiliti anterioare. Probabilitile P (B A1 ), P (B A2 ),..., P(B Ak ) se numesc probabiliti verosimile. Probabilitile P (A1 B ), P (A2 B ),..., P( Ak B ) se numesc probabiliti posterioare.
Regula (teorema) lui Bayes Probabilitatea evenimentelor reciproc exclusive A1 , A2 ,..., Ak condiionate de evenimentul B este

P ( Ai B ) =

P( Ai ) P(B Ai ) . P( A1 ) P (B A1 ) + P( A2 ) P(B A2 ) + ... + P( Ak ) P(B Ak )

(4.17)

TEMA 4 ELEMENTE DE TEORIA PROBABILITILOR

4.9

4.9 Reguli de numrare

n algoritmul pentru calculul probabilitii unui eveniment unul din paii dificili l constituie determinarea numrului evenimentelor simple ale spaiului de eantionare. Pentru rezolvarea acestei probleme vom analiza n continuare aa-numitele reguli de numrare, cunoscute n matematic sub denumirea de elemente de combinatoric.
Regula multiplicativ Fie k mulimi care conin respectiv n1, n2,..., nk elemente. Numrul de mulimi cu cte k elemente formate prin alegerea a cte unui singur element din fiecare mulime este

n1 n2 ... nk .

(4.18)

Se numesc permutri ale unei mulimi A cu n elemente toate mulimile ordonate de n elemente care se pot forma cu elementele lui A.
Regula permutrilor Numrul permutrilor a n elemente, n { 1,2,..., n,...} , este

Pn = n!= 1 2 ... n . Prin definiie 0!= 1 i 1!= 1 .

(4.19)

Simbolul n! se citete n factorial. Numrul permutrilor cu repetiie a n elemente, n care fiecare element se poate repeta pn la n ori este: Pn = n n . (4.20)

Se numesc aranjamente a n elemente luate cte k, k n, ale unei mulimi A cu n elemente, toate submulimile ordonate cu cte k elemente care se pot forma cu elementele lui A.
Regula aranjamentelor Numrul aranjamentelor a n elemente, luate cte k, este
k An = n (n 1) ... (n k + 1) =

n! ,n k . (n k )!

(4.21)

Numrul aranjamentelor cu repetiie a n elemente, luate cte k, n care fiecare element se poate repeta pn la k ori este: Ank = n k . (4.22)

Se numesc combinri a n elemente luate cte k, k n, ale unei mulimi A cu n elemente, toate submulimile cu cte k elemente care se pot forma cu elementele lui A.
Regula combinrilor Numrul combinrilor a n elemente, luate cte k, este
k Cn = k An n! = ,n k . Pk k!(n k )!

(4.23)

4.10

MODULUL 2 DISTRIBUII STATISTICE

Numrul combinrilor cu repetiie a n elemente, luate cte k, n care fiecare element se poate repeta pn la k ori este:
k Cnk = Cn + k 1 .

(4.24)

Regula partiionrilor Fie o mulime cu n elemente distincte. Numrul partiiilor mulimii date n k submulimi, fiecare coninnd respectiv n1, n2,..., nk elemente este n! , (4.25) n1!n2!... nk ! unde n1 + n2 + ... + nk = n .

4.10 Concepte cheie

Experiment statistic aleator Spaiu de eantionare Eveniment simplu Eveniment Probabilitatea unui eveniment Reuniune Intersecie Eveniment complementar Tabel de contingen Probabiliti marginale Probabiliti condiionate Evenimente independente Arbori de probabilitate Regula multiplicativ Regula aditiv Regula lui Bayes Probabiliti anterioare Probabiliti posterioare Permutri Aranjamente Combinri Partiionri