You are on page 1of 8

Elemente de teoria probabilităţilor

1 Introducere
Bazele teoriei probabilităţilor au fost puse ı̂n secolul XVII de Pascal şi Fermat.
Apărut ca o modelare matematică a şansei la jocurile de noroc, calculul proba-
bilităţilor s-a transformat ı̂ntr-o teorie matematică riguroasă, ı̂n strânsă legătură cu
analiza matematică dar şi cu alte ramuri ale matematicii. Teoria probabilităţilor are
astăzi importante aplicaţii ı̂n fizică, chimie, biologie, medicină, economie, sociologie
şi multe alte discipline.
Din punct de vedere intuitiv, probabilitatea este un număr (cuprins ı̂ntre zero
şi unu) asociat unui eveniment. Chiar şi această descriere imprecisă ne conduce la
ideea definirii probabilităţii ca o funcţie definită pe o mulţime de evenimente.
Prin experienţă sau experiment vom ı̂nţelege realizarea unui complex de condiţii
ce conduc la obţinerea unui rezultat. Ne interesează numai acele experienţe al căror
rezultat nu poate fi prevăzut cu exactitate, aşa–numitele experienţe aleatoare.
O experienţă se poate repeta de mai multe ori fără ca rezultatul să fie neapărat
acelaşi; fiecare repetare a unei experienţe se numeşte probă. Orice situaţie ce se
poate realiza prin una sau mai multe probe se numeşte eveniment.
Exemplu. Experienţa aruncării unui zar. In raport cu această experienţă se pot
considera următoarele evenimente:
A: apariţia feţei cu 4 puncte,
B: apariţia unei feţe cu număr par de puncte,
C: apariţia unei feţe cu cel mult 3 puncte.
Fie Ω = {1, 2, 3, 4, 5, 6} mulţimea punctelor de pe feţele zarului. Se observă că Ω
este mulţimea rezultatelor posibile ı̂ntr–o probă a experienţei şi că fiecărui eveniment
ı̂i corespunde o submulţime a lui Ω, numită mulţimea cazurilor favorabile evenimen-
tului respectiv. Vom identifica evenimentele cu submulţimile cazurilor favorabile
lor. Se poate constata o analogie ı̂ntre evenimente şi mulţimi.
Relativ la o experienţă, distingem două evenimente remarcabile:
• evenimentul sigur, notat Ω: se realizează la orice efectuare a experienţei; ı̂i
corespunde mulţimea tuturor cazurilor posibile
• evenimentul imposibil, notat ∅: nu se produce la nici o efectuare a experienţei;
corespunzător mulţimii vide
Numim sistem de evenimente asociat unei experienţe aleatoare: mulţimea eveni-
mentelor ce pot apărea ı̂n acea experienţă. Evenimentele elementare sunt ace-
lea corespunzătoare submulţimilor formate dintr-un singur element ale lui Ω. În
cazul experienţei aruncării zarului, sistemul de evenimente este mulţimea P(Ω) a
submulţimilor lui Ω.
Operaţii cu evenimente
Fie A şi B două evenimente asociate unei experienţe.
• Evenimentul A implică evenimentul B dacă realizarea lui A atrage după sine re-
alizarea lui B; mulţimea cazurilor favorabile lui A este inclusă ı̂n mulţimea cazurilor
favorabile lui B. A⊂B
• Reuniunea evenimentelor A şi B este evenimentul care se realizează dacă cel
puţin unul dintre evenimentele A sau B se realizează. A∪B
• Intersecţia evenimentelor A şi B este evenimentul care se realizează dacă eveni-
mentele A şi B se realizează simultan. A∩B
• Diferenţa evenimentelor A şi B este evenimentul care se realizează când se
realizează A şi nu se realizează B. A\B
• Evenimentul contrar lui A este evenimentul care se realizează dacă nu se real-
izează A, deci cazurile favorabile lui A corespund complementarei mulţimii cazurilor
favorabile lui A. A
Au loc relaţiile:
A = Ω \ A; A ∪ A = Ω; A ∩ A = ∅.
Evenimentele A şi B se numesc compatibile dacă se pot realiza simultan (A∩B 6=
∅) şi incompatibile ı̂n caz contrar (A ∩ B = ∅).

Fie Ω 6= ∅ şi ∅ 6= K ⊂ P(Ω). Atunci perechea (Ω, K) se numeşte câmp de


evenimente dacă:
(i) A ∈ K ⇒ A ∈ K.
[
(ii) (∀n ∈ N An ∈ K) ⇒ An ∈ K.
n∈N

Fie (Ω, K) un câmp de evenimente. Atunci au loc următoarele proprietăţi:

(i) Ω ∈ K.

(ii) ∅ ∈ K.
\
(iii) (∀n ∈ N An ∈ K) ⇒ An ∈ K.
n∈N

(iv) A, B ∈ K ⇒ A ∪ B ∈ K.
(v) A, B ∈ K ⇒ A ∩ B ∈ K.

(vi) A, B ∈ K ⇒ A \ B ∈ K.

Ca o consecinţă imediată, reuniunea şi intersecţia unui număr finit de evenimente


din K aparţin de asemenea lui K.

2 Câmp de probabilitate
Fie (Ω, K) un câmp de evenimente. Numim probabilitate pe K o funcţie P : K → R,
care satisface proprietăţile:
(1) Pentru orice A ∈ K P (A) ≥ 0,
(2) Evenimentul sigur are probabilitatea P (Ω) = 1.
(3) Pentru orice şir An de evenimente din K, incompatibile două câte două
[ X
P( An ) = P (An ).
n∈N n∈N

Tripletul (Ω, K, P ) se numeşte câmp de probabilitate.

Fie (Ω, K, P ) un câmp de probabilitate. Atunci au loc următoarele proprietăţi:


(i)P (∅) = 0.
(ii) A, B ∈ K, A ∩ B = ∅ ⇒ P (A ∪ B) = P (A) + P (B).
(iii)A, B ∈ K, A ⊂ B ⇒ P (B \ A) = P (B) − P (A).
(iv) A, B ∈ K, A ⊂ B ⇒ P (A) ≤ P (B).
(v) A ∈ K ⇒ P (A) = 1 − P (A).
(vi) A ∈ K ⇒ 0 ≤ P (A) ≤ 1.
(vii) A, B ∈ K ⇒ P (A \ B) = P (A) − P (A ∩ B).
(viii) A, B ∈ K ⇒ P (A ∪ B) = P (A) + P (B) − P (A ∩ B).
(ix) Formula lui Poincaré. Dacă A1 , A2 , . . . An ∈ K atunci

n
[ n
X X
P( Ai ) = P (Ai ) − P (Ai ∩ Aj ) +
i=1 i=1 i<j
X
+ P (Ai ∩ Aj ∩ Ak ) − · · · +
i<j<k
n+1
+ (−1) P (A1 ∩ A2 ∩ · · · ∩ An ).
Demonstraţie.
(i) Alegem A0 = Ω şi An = ∅ pentru n ≥ 1, după care aplicăm proprietatea (3)
din definiţia probabilităţii.
(ii) Alegem A0 = A, A1 = B şi An = ∅ pentru n ≥ 2. Este suficient acum să
aplicăm (3) şi să ţinem cont de (i).
(iii) Fie A şi B două evenimente din K cu A ⊂ B. Atunci B = A ∪ (B \ A) iar
evenimentele A şi B \ A sunt incompatibile. Aplicând (ii) obţinem

P (B) = P (A) + P (B \ A).

(iv) Din axioma (1) şi proprietatea (iii) obţinem

P (B) − P (A) = P (B \ A) ≥ 0,

adică P (A) ≤ P (B).


(v) Luăm B = Ω ı̂n (iii).
(vi) Rezultă din (iv).
(vii)Să observăm că A = (A \ B) ∪ (A ∩ B). Putem acum să aplicăm (ii)
evenimentelor incompatibile A \ B şi A ∩ B.
(viii) Este suficient să observăm că

A ∪ B = (A \ B) ∪ (A ∩ B) ∪ (B \ A)

şi că cele trei evenimente care compun A ∪ B sunt incompatibile două câte două.
Se aplică apoi (ii) şi (vii).
(ix) Formula este o generalizare a proprietăţii (viii) care poate fi demonstrată
prin inducţie. 2

3 Probabilitate condiţionată
Să considerăm următoarele experienţe.
E1 . Dintr-o urnă cu 10 bile, 3 albe si 7 negre, se extrag succesiv 2 bile fără a pune
bila extrasă ı̂napoi ı̂n urnă. Care este probabilitatea ca cea de-a doua bilă extrasă sa
fie albă?
Legat de această experienţă, considerăm evenimentele:
A: prima bilă extrasă este albă
A: prima bilă extrasă este neagră
B: a doua bilă extrasă este albă
B: a doua bilă extrasă este neagră
3
P (A) =
10
Daca ı̂naintea evenimentului B s-a realizat A, atunci
2
P (B) = .
9
Daca ı̂naintea lui B s-a realizat evenimentul A, atunci
3
P (B) = .
9
Deci realizarea evenimentului B depinde de realizarea evenimentului A.
C2 1
P (A ∩ B) = 23 = . Dacă notăm cu PA (B) probabilitatea de să se realizeze
C10 15
P (A ∩ B)
B ştiind că s-a realizat A, observăm că PA (B) = .
P (A)

E2. Se aruncă o pereche de zaruri ideale şi se urmăreşte apariţia sumei 6.


Care este probabilitatea ca la cel puţin unul din zaruri să apară faţa 2?
In legătură cu această experienţă considerăm evenimentele:
A: suma punctelor egală cu 6
B: cel puţin unul din zaruri afişează faţa 2
Cazuri favorabile lui A: {(1, 5), (5, 1), (2, 4), (4, 2), (3, 3)}
A ∩ B: {(2, 4), (4, 2)}.
Probabilitatea ca unul din zaruri să afişeze faţa 2 ştiind că suma punctelor este
egală cu 6, este 2/5. Să mai observăm că P (A) = 5/36, P (B) = 11/36, iar
P (A ∩ B) = 2/36.
Fie (Ω, K, P ) un câmp de probabilitate, A ∈ K, cu P (A) > 0. Atunci funcţia
PA : K → R definită prin
P (A ∩ B)
PA (B) = ,
P (A)
se numeşte probabilitate condiţionată de evenimentul A.
Se poate arăta că funcţia PA este o probabilitate pe K.
Evenimente independente
Dacă realizarea evenimentului B nu depinde de realizarea sau nerealizarea eveni-
mentului A, ne aşteptăm ca probabilitatea lui B să fie egală cu probabilitatea lui B
condiţionată de A. Această observaţie ne conduce la următoarea definiţie formală
pentru independenţă.
Două evenimente A, B ∈ K se numesc independente dacă

P (A ∩ B) = P (A) · P (B).

A1 , A2 , . . . , An din K se numesc evenimente independente dacă pentru orice submulţime


de indici I ⊆ {1, 2, . . . , n} avem:
\ Y
P ( Ai ) = P (Ai ).
i∈I i∈I

Din definiţia probabilităţii condiţionate, rezultă că dacă A este un eveniment cu


P (A) > 0 atunci pentru orice eveniment B are loc:

P (A ∩ B) = P (A)PA (B).

Această formulă poate fi generalizată pentru o mulţime finită de evenimente.


Probabilitatea intersecţiei de evenimente
n−1
\
Dacă A1 , . . . , An ∈ K şi P ( Ai ) > 0 atunci:
i=1

n
\
P( Ai ) = P (A1 ) · PA1 (A2 ) · PA1 ∩A2 (A3 ) . . . PA1 ∩A2 ∩···∩An−1 (An ).
i=1

4 Formula probabilităţii totale. Formula lui Bayes


Fie (Ω, K, P ) un câmp de probabilitate şi (Ai )i∈I o familie de evenimente din K.
Atunci (Ai )i∈I se numeşte partiţie sau sistem complet de evenimente dacă:
(1)∀i ∈ I Ai 6= ∅;
(2) i 6= j ⇒ Ai ∩ Aj = ∅;
[
(3) Ai = Ω.
i∈I
Formula probabilităţii totale
Fie A1 , . . . , An un sistem complet de evenimente. Atunci pentru orice eveniment A
din K, are loc formula:
n
X
P (A) = P (Ai )PAi (A).
i=1
Formula lui Bayes
Fie A1 , . . . , An un sistem complet de evenimente şi A ∈ K cu P (A) > 0. Atunci:

P (Ai )PAi (A)


PA (Ai ) = n .
X
P (Ai )PAi (A)
i=1

Exemple. 1) Se consideră trei urne identice conţinând:


U1 : o bilă albă şi una neagră;
U2 : 5 bile albe şi 3 bile negre;
U3 : o bilă albă şi 3 bile negre.
Se alege o urnă la ı̂ntâmplare şi se extrage din ea, la ı̂ntâmplare, o bilă.
a) Să se afle probabilitatea ca bila aleasă să fie albă.
b) Dacă bila aleasă este albă care este probabilitatea ca bila să fi fost aleasă din
urna U2 ?
Rezolvare. a) Fie evenimentele
Ai : extragerea se face din urna i
B: bila extrasă este albă
Atunci: P (A1 ) = P (A2 ) = P (A3 ) = 1/3.
Pe de altă parte, A1 , A2 , A3 formează un sistem complet de evenimente şi folosind
formula probabilităţii totale, obţinem
P (B) = P (A1 )PA1 (B) + P (A2 )PA2 (B) + P (A3 )PA3 (B) =

1 1 1 5 1 1 11
= · + · + · = .
3 2 3 8 3 4 24
Pentru b) folosim formula lui Bayes:

P (A2 )PA2 (B) 1 5 24 5


PB (A2 ) = = · · = .
3
X 3 8 11 11
P (Ai )P (B/Ai )
i=1

2) A fost elaborat un nou test pentru a determina riscul ca o anumită persoană


să se ı̂mbolnăvească de o anumită boală genetică. Nici un test nu e perfect: vor
exista purtători ai genei respective care vor fi testaţi negativ şi non–purtători care
să fie testaţi pozitiv.
Considerăm evenimentele:
A: pacientul are gena respectivă
B: pacientul este testat pozitiv
a) Ce semnificaţie au probabilităţile: PA (B), PB (A), PB (A) PB (A)?
b) Să presupunem că 1 la 1000 de persoane este purtătoare a bolii. De asemenea
să presupunem că probabilitatea ca un purtător al genei să fie testat negativ este
1%, iar probabilitatea ca un non–purtător să fie testat pozitiv este 5%. Dacă un
pacient a fost testat pozitiv, care este probabilitatea ca pacientul să fie purtător al
genei respective? Dar dacă a fost testat negativ?