Elemente de teoria probabilităţilor

December 2, 2018

Imensa majoritate a fenomenelor din natură şi societate sunt stochastice

(aleatoare, modelabile probabilistic şi statistic). Studiul acestora nu poate fi
făcut pe cale deterministă şi, de aceea, ştiinţa hazardului a apărut ca o nece-
sitate.
Teoria probabilităţilor este ramura matematicii care studiază fenomenele
aleatoare de masă şi legile cărora li se supun aceste fenomene.
Definiţie. Prin fenomen aleator se ı̂nţelege un fenomen care reprodus de
mai multe ori ı̂n aceleaşi condiţii se desfăşoară de fiecare dată mai mult sau
mai puţin diferit.
Exemple de fenomene aleatoare din sfera economică:
• apariţia de rebuturi la un strung,

• defectarea maşinilor unelte ı̂ntr-o zi de lucru,

• numărul apelurilor telefonice ı̂ntr-un schimb la o centrală telefonică,

• o persoană face zilnic drumul ı̂ntre casa şi locul de muncă. Timpul dru-
mului nu este constant, ci prezintă variaţii datorate factorilor ı̂ntâmplători
(trafic, condiţii meteo, etc.),

• nu se poate prevedea numărul de rateuri la un anumit număr de trageri

asupra unei ţinte.

Definiţie. Fie Ω o mulţime nevidă.

• O proprietate luată ı̂n consideraţie faţă de elementele mulţimii Ω se numeşte
criteriu de cercetate.

• Realizarea practică a complexului de condiţii corespunzător criteriului de

cercetare se numeşte experienţă.

• Orice reluare a experienţei se numeşte probă.

• Rezultatele observabile ale unei experienţe se numesc evenimente.

Exemplu. Se consideră următoarea experienţă: dintr-o urnă ı̂n care se

găsesc bile identice ca mărime, formă şi greutate, numerotate de la 1 la 10 se
extrage la ı̂ntâmplare o bilă. Se pot considera evenimentele:

1
 1) apariţia bilei cu cifra k, ∀k = 1, 10;
2) apariţia bilei cu cifra k sau j, k 6= j, k, j = 1, 10;
3) apariţia unei bile;
4) apariţia unei bile cu număr par;
5) apariţia unei bile cu număr mai mic sau egal cu 4.

Din exemplul de mai sus rezultă următoarele observaţii:

• un eveniment este precizat printr-o propoziţie logică şi se realizează sau
nu după cum propoziţia logică este adevărată sau falsă;
• considerând Ω mulţimea tuturor rezultatelor posibile ale experienţei, se
observă că fiecărui eveniment ı̂i corespunde o submulţime a lui Ω care se
va numi mulţimea cazurilor favorabile ale lui Ω. Evenimentele asociate
experienţei se indentifică cu submulţimi ale lui Ω, adică sunt elemente
ale mulţimii părţilor lui Ω, notată P (Ω).
• elementele mulţimii Ω corespund evenimentelor ce se pot realiza la o sin-
gură probă şi numai una. Ele se mai numesc şi evenimente elementare
care se identifică cu submulţimile formate cu un singur element. Un
eveniment care nu este elementar se realizează ı̂ntr-o probă dacă ı̂n
acea probă s-a realizat unul din evenimentele elementare ce intră ı̂n
componenţa sa.
• unei experienţe ı̂i corespund două evenimente speciale: evenimentul
sigur căruia ı̂i corespunde mulţimea Ω şi se va nota cu Ω şi evenimentul
imposibil, căruia ı̂i corespunde mulţimea vidă şi se notează cu ∅. Eveni-
mentul sigur se realizează ı̂ntotdeauna ; evenimentul imposibil nu se
realizează la nici o efectuare a experienţei.
Definiţie. Vom ı̂nţelege prin sistem de evenimente asociat unei experienţe,
mulţimea evenimentelor ce pot apare ı̂n acea experienţă.
Fie M sistemul de evenimente asociat unei experienţe şi A, B ∈ M . În
cazul ı̂n care mulţimea Ω este finită, M = P (Ω), ı̂n general ı̂nsă putem avea
M ( P (Ω).
Definiţie. Spunem că evenimentul A implică evenimentul B dacă realizarea
lui A atrage după sine realizarea lui B. Se notează A ⊂ B.
Definiţie. Evenimentele A, B, cu proprietatea A ⊂ B şi B ⊂ A se numesc
echivalente şi se notează A = B. Evenimentele echivalente nu sunt consid-
erate distincte.
Pe mulţimea M se introduc următoarele operaţii:
• Reuniunea a două evenimente A, B este evenimentul care se realizează
dacă cel puţin unul din evenimente se realizează şi se notează A ∪ B.
• Intersecţia evenimentelor A, B este evenimentul care se realizează atunci
când evenimentele se realizează simultan şi se notează A ∩ B.

2
 • Diferenţa evenimentelor A, B,( ı̂n această ordine) este evenimentul care
se realizează atunci când se realizează A şi nu se realizează B ; se
notează A \ B.

• Evenimentul contrar unui eveniment A este evenimentul care se real-

izează atunci când evenimentul A nu se realizează ; se notează Ā sau
CA.

Definiţie. Două evenimente A, B se numesc compatibile dacă ele se pot

realiza simultan.
Evenimentele se numesc incompatibile dacă nu se pot realiza simultan.
Observaţie. Pentru două evenimente compatibile A, B avem A ∩ B 6= ∅, iar
pentru două evenimente incompatibile A ∩ B = ∅.
Proprietăţi ale operaţiilor cu evenimente. Fie A, B, C evenimente ale
unei experienţe. Atunci:
1) C∅ = Ω; CΩ = ∅;

2) A ∩ B = B ∩ A; A ∪ B = B ∪ A;

3) (A ∩ B) ∩ C = A ∩ (B ∩ C); (A ∪ B) ∪ C = A ∪ (B ∪ C);

4) A ∩ ∅ = ∅, A ∪ ∅ = A;

5) A ∩ Ω = A, A ∪ Ω = Ω;

6) A ∩ A = A, A ∩ CA = ∅;

7) A ∪ A = A, A ∪ CA = Ω;

8) C(A ∪ B) = CA ∩ CB; C(A ∩ B) = CA ∪ CB;

9) A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C), A ∪ (B ∩ C) = (A ∩ B) ∪ (A ∩ C).
Definiţie. Evenimentele {A1 , A2 , . . . , An } formează un sistem complet de
evenimente, dacă :
• sunt incompatibile două câte două, adică Ai ∩Aj = ∅, ∀i, j = 1, n, i 6= j;

• A1 ∪ A2 ∪ · · · ∪ An = Ω.

Câmp de evenimente

Definiţie. Fie Ω mulţimea nevidă a evenimentelor elementare care pot apărea

ı̂ntr-o anumită experienţă, P (Ω) mulţimea părţilor lui Ω. Se numeşte corp de
evenimente o familie nevidă K de mulţimi din P (Ω), cu proprietăţile:
1. Pentru orice eveniment A ∈ K, CA ∈ K;

2. Pentru orice evenimente A, B ∈ K, A ∪ B ∈ K.

Definiţie. O mulţime finită de evenimente Ω pe care s-a definit un corp de

evenimente K se numeşte câmp finit de evenimente şi se notează (Ω, K).

3
1 Definiţia probabilităţii
Fie M mulţimea evenimentelor ataşate unei experienţe cu un număr finit de
rezultate posibile. Evenimentele din M se deosebesc ı̂ntre ele prin posi-
bilitatea de apariţie sau grad de realizare. Pentru a măsura gradul de re-
alizare al unui eveniment se defineşte noţiunea de probabilitate ı̂n sens cla-
sic. În definiţia clasică a probabilităţii se presupune că orice eveniment aso-
ciat experienţei este ori elementar, ori se exprimă ca o reuniune de eveni-
mente elementare. Evenimentele elementare sunt considerate egal posibile
(au acelaşi grad de realizare). Reamintim că evenimentele elementare care
intră ı̂n componenţa unui eveniment A se numesc cazuri favorabile, iar toate
evenimentele elementare se numesc cazuri posibile.
Definiţie. [Definiţia clasică a probabilităţii] Raportul dintre numărul cazurilor
favorabile şi numărul cazurilor posibile realizării unui eveniment A se numeşte
probabilitatea evenimentului A şi se notează cu P (A).
Definiţie. [Definiţia axiomatică a probabilităţii] Fie (Ω, K) un câmp finit de
evenimente. Se numeşte probabilitate pe acest câmp, o funcţie

P :K→R

care verifică axiomele:

1. P (A) ≥ 0, pentru orice eveniment A ∈ K.

2. P (Ω) = 1.

3. P (A ∪ B) = P (A) + P (B), ∀A, B ∈ K evenimente incompatibile (A ∩ B =

∅).

Observaţie.

1. Axioma 3. din definiţia (1) se poate extinde prin inducţie la orice reuniune
finită de evenimente incompatibile două câte două.

2. Se poate verifica că definiţia clasică şi axiomatică a probabilităţii sunt

echivalente.

Definiţie. Un câmp finit de evenimente (Ω, K) ı̂mpreună cu o probabilitate P

definită pe acest câmp se numeşte câmp finit de probabilitate şi se notează
(Ω, K, P ).
Direct din definiţie rezultă următoarele proprietăţi ale probabilităţii.
Propoziţie. Fie (Ω, K, P ) un câmp de probabilitate. Atunci:

1. P (CA) = 1 − P (A), ∀A ∈ K.

2. P (∅) = 0.

3. 0 ≤ P (A) ≤ 1, ∀A ∈ K.

4
 4. P (A \ B) = P (A) − P (A ∩ B), ∀A, B ∈ K.

5. Dacă B ⊂ A, atunci P (A \ B) = P (A) − P (B) şi P (A) ≥ P (B).

6. P (A ∪ B) = P (A) + P (B) − P (A ∩ B), ∀A, B ∈ K.

Fie A1 , A2 , . . . , An , n evenimente. Probabilitatea producerii a cel puţin unui

eveniment este dată de formula :
n
! n n n
!
[ X X \
P Ai = P (Ai ) − P (Ai ∩ Aj ) + · · · + (−1)n−1 P Ai (1)
i=1 i=1 i,j=1,i6=j i=1

Aceasta se numeşte formula lui Poincare.

Pentru n=2, formula lui Poincare devine:

P (A1 ∪ A2 ) = P (A1 ) + P (A2 ) − P (A1 ∩ A2 ), ∀A1 , A2 ∈ K.

Fie (Ω, K, P ) un câmp de probabilitate.

Definiţie. Două evenimente A, B ∈ K cu proprietatea

P (A ∩ B) = P (A) · P (B)

se numesc independente.
Dacă P (A ∩ B) 6= P (A) · P (B), evenimentele se numesc dependente.

2 Variabile aleatoare
Se ı̂nţelege prin mărime aleatoare o mărime ale cărei valori se schimba sub
influenţa unor factori ı̂ntâmplători. Pentru astfel de mărime, faptul că atinge o
valoare reprezintă un eveniment ce se realizează cu o anumită probabilitate.
De exemplu, ı̂n experienţa aruncării zarului, o mărime aleatoare core-
spunzătoare este numărul de puncte care apare la o singură aruncare a zaru-
lui. Notând această mărime cu X, realizarea evenimentului ”apare faţa cu trei
puncte” ı̂nseamnă că mărimea ia valoarea 3. Vom numi mărimile aleatoare
variabile aleatoare.
Definiţie. Fie (Ω, K, P ) un câmp de probabilitate. O aplicaţie

X : Ω → R,

dată de
ω 7→ X(ω)
se numeşte variabilă aleatoare ı̂n raport cu corpul K dacă pentru orice x ∈ R
mulţimea
{ω ∈ Ω, X(ω) < x}
este un element din K.
Observaţie. {ω ∈ Ω, X(ω) < x} reprezintă reuniunea evenimentelor ele-
mentare ω care au proprietatea X(ω) < x.

5
 Deci
{ω ∈ Ω, X(ω) < x}
este un eveniment şi X este variabilă aleatoare ı̂n raport cu câmpul K dacă
acest eveniment aparţine câmpului K. Vom nota acest eveniment cu (X < x).
Observaţie. Se pot considera şi următoarele evenimente:
not
{ω ∈ Ω, X(ω) ≤ x} = (X ≤ x)
not
{ω ∈ Ω, X(ω) = x} = (X = x)
not
{ω ∈ Ω, X(ω) ≥ x} = (X ≥ x)
not
{ω ∈ Ω, X(ω) > x} = (X > x)
not
{ω ∈ Ω, a < X(ω) ≤ b} = (a < X ≤ b)
not
{ω ∈ Ω, a ≤ X(ω) ≤ b} = (a ≤ X ≤ b)
not
{ω ∈ Ω, a ≤ X(ω) < b} = (a ≤ X < b)
not
{ω ∈ Ω, a < X(ω) < b} = (a < X < b)
Se poate demonstra că evenimentele de mai sus aparţin câmpului K.

2.1 Funcţia de repartiţie a unei variabile aleatoare

Fie (Ω, K, P ) un câmp de probabilitate şi X : Ω → R o variabilă aleatoare ı̂n
raport cu câmpul K.
Definiţie. Funcţia F : R → R definită prin

F (x) = P ({ω ∈ Ω, X(ω) < x}) , ∀x ∈ R

se numeşte funcţie de repartiţie a variabilei aleatoare X.

Cu ajutorul funcţiei de repartiţie se pot exprima probabilităţile evenimentelor
ca o variabilă aleatoare X să ia valori ı̂ntr-un interval şi anume se poate arăta
că

1. P (a ≤ X < b) = F (b) − F (a).

2. P (a < X < b) = F (b) − F (a) − P (X = a).

3. P (a < X ≤ b) = F (b) − F (a) − P (X = a) + P (X = b).

4. P (a ≤ X ≤ b) = F (b) − F (a) + P (X = b).

Observaţie. Dacă funcţia de repartiţie F este o funcţie continuă, toate prob-

abilităţile de mai sus devin egale cu F (b) − F (a).

6
2.2 Tipuri de variabile aleatoare
Fie (Ω, K, P ) un câmp de probabilitate.
Definiţie. O variabilă aleatoare X : Ω → R pentru care X(Ω) este cel mult
numărabilă se numeşte variabilă aleatoare discretă.
Definiţie. O variabilă aleatoare X : Ω → R care ia un număr finit de valori se
numeşte variabilă aleatoare discretă finită.
Mulţimea valorilor unei variabile aleatoare discretă finită X este X(Ω) =
{x1 , . . . , xn }. Evenimentul din câmpul (Ω, K) care constă ı̂n faptul că variabila
aleatoare X ia valoarea xi este {ω, X(ω) = xi }, adică (X = xi ). Fie pi =
P (X = xi ) ce inseamnă că X ia valoarea xi .
Atunci
p1 + p2 + · · · + pn = 1.
Variabila aleatoare discretă se mai poate scrie:
   
x 1 x2 . . . x n xi
X: ⇐⇒ X =
p1 p2 . . . pn pi i=1,n

cu x1 < x2 < · · · < xn şi p1 + p2 + · · · + pn = 1.

Această scriere a lui X se mai numeşte repartiţia lui X.
Funcţia ei de repartiţie F este dată de:
X
F (x) = pi .
{i=1,n, xi <x}

Exemplu. O monedă este aruncată de două ori. Fie X variabila aleatoare

care arată numărul de feţe cu valoare, care apar ı̂n aceste două aruncări.
Mulţimea evenimentelor elementare care apar ı̂n realizarea experienţei
este W = {V V, V S, SV, SS}, unde cu S am notat evenimentul ca la o arun-
care să apară faţa cu stema şi V este evenimentul apariţiei feţei cu valoare.
Variabila aleatoare X va avea repartiţia:
!
0 1 2
X: 1 2 1 .
4 4 4
Funcţia de repartiţie a variabilei aleatoare X este F : R → R:


 0 x ∈ (−∞, 0]
0, 25 x ∈ (0, 1]

F (x) =

 0, 75 x ∈ (1, 2]
1 x ∈ (2, ∞).


7
3 Operaţii cu variabile aleatoare discrete
Fie (Ω, K, P ) un câmp de probabilitate, X şi Y variabile aleatoare ı̂n raport cu
câmpul K, a ∈ R o constantă reală arbitrară.
Teoremă. Funcţiile
X + a, aX, |X|,
1
X n, , X + Y,
X
X
XY, X − Y,
Y
sunt variabile aleatoare ı̂n raport cu câmpul K.
Observaţie.

1. Orice constant
  ă poate fi considerată ca o variabilă aleatoare discretă cu
a
repartiţia .
1
 
xi
2. Dacă X este variabilă aleatoare discretă cu repartiţia X :
pi i∈I
n 1
atunci repartiţiile variabilelor aleatoare X + a, aX, |X|, X , X sunt
   
xi + a axi
X +a: , aX : ,
pi i∈I
pi i∈I
   n 
|xi | n xi
|X| : , X :
pi i∈I
pi i∈I
şi respectiv,
1
 
1 xi
:
X pi i∈I
cu xi 6= 0.
   
xi yj
3. Dacă X = şi Y = sunt variabile aleatoare discrete
pi i∈I qj j∈J
ı̂n raport cu acelaşi câmp K atunci variabilele
X
X ± Y, XY,
Y
(unde evenimentul ca variabila Y să ia valoarea zero este cel imposibil)
vor avea următoarele repartiţii:
     xi 
xi ± yj xi y j X yj
X ±Y : , XY : , ,
pij i∈I,j∈J
p ij i∈I,j∈J Y p ij i∈I,j∈J

unde pij reprezintă probabilitatea ca variabila X să ia valoarea xi şi vari-

abila Y să ia valoarea yj .
Dacă ı̂n repartiţia unei variabile aleatoare se obţin mai multe valori zij
egale, se scrie o singură dată valoarea zij iar probabilitatea corespunzătoare
este egală cu sumă a probabilităţilor tuturor valorilor egale.

8
Definiţie. Două variabile aleatoare discrete X şi Y ı̂n raport cu câmpul K se
numesc independente dacă pentru orice i ∈ I şi j ∈ J,
 \ 
P (X = xi ) (Y = yj ) = P (X = xi ) · P (Y = yj ).

4 Caracteristici numerice ale variabilelor aleatoare

discrete
În aplicaţiile concrete se folosesc diverse caracteristici numerice ale unei vari-
abile aleatoare, care permit o imagine a modului de repartizare a valorilor
sale. Aceste caracteristici pun ı̂n evidenţă tendinţa de grupare a acestor val-
ori, ı̂mprăştierea lor, forma graficelor de repartiţie.
Fie (Ω, K, P ) un câmp de probabilitate şi X o variabilă aleatoare ı̂n raport
cu câmpul K.
Definiţie. Se numeşte media variabilei aleatoare discrete
 
xi
X=
pi i∈I

un număr real, notat M (X) şi egal cu

X
M (X) = xi p i . (2)
i∈I

Observaţie. Media variabilei este un indicator numeric al tendinţei centrale

de grupare. Valoarea medie a unei variabile aleatoare este cuprinsă ı̂ntre cea
mai mică şi cea mai mare dintre valorile posibile ale variabilei.
Propoziţie. (Proprietăţi ale mediei) Fie X, Y variabile aleatoare ı̂n raport cu
câmpul K, a ∈ R.

1. M (X + Y ) = M (X) + M (Y ).

2. M (XY ) = M (X)M (Y ), dacă variabilele aleatoare sunt independente.

3. M (a) = a, adic ă 
media unei constante, privită ca o variabilă aleatoare
a
cu repartiţia , este egală cu acea constantă.
1

4. M (a + X) = a + M (X), ∀a ∈ R.

9
 5. M (aX) = aM (X).

Definiţie. Se numeşte dispersia variabilei aleatoare X şi se notează cu

2
D (X) momentul
p ei centrat de ordin doi.
σ(X) = D2 (X) se numeşte abatere medie pătratică.
 
xi
Pentru o variabilă aleatoare discretă X = , se obţine:
pi i∈I
X
D2 (X) = (xi − m)2 pi
i∈I

unde m = M (X) este media variabilei X.

Propoziţie. (Proprietăţi ale dispersiei) Dispersia unei variabile aleatoare are
următoarele proprietăţi:

1. D2 (X) ≥ 0 pentru orice variabilă aleatoare X;

2. D2 (X) = 0 dacă X este variabilă aleatoare constantă.

3. D2 (X) = M (X 2 ) − (M (X))2 .

4. D2 (aX) = a2 D2 (X), ∀a ∈ R.

5. D2 (a + X) = D2 (X), ∀a ∈ R.

6. D2 (X ± Y ) = D2 (X) + D2 (Y ), dacă X şi Y sunt variabile aleatoare

independente.

10