Aceasta este fișa de lucru: enunțurile, scheletele de cod R și răspunsurile finale pentru exercițiile marcate „Dacă timpul permite” și „Pentru acasă”. Rezolvările complete vor fi publicate ulterior.
Planul seminarului și laboratorului
În Cursul 3 am învățat să descriem o mărime numerică aleatoare — câte răspunsuri corecte, câți pasageri, câte retransmisii, câte cereri pe minut — prin funcția de masă și prin funcția de repartiție și am întâlnit modelele discrete uzuale. Astăzi le punem la lucru: pornim de la un enunț „cu poveste”, recunoaștem modelul, calculăm probabilitățile cu formulele din curs și apoi le regăsim în R, prin calcul exact și prin simulare.
Fiecare exercițiu are două părți care se completează: una matematică și una în R (în fișă, partea de R are un schelet de cod, marcat cu eticheta Laborator). Exercițiile sunt legate între ele: un model sau o funcție R dintr-un exercițiu este refolosită în cele care urmează. De aceea blocurile de cod se rulează în ordine, în aceeași sesiune R: funcțiile definite pe parcurs (compara, rep_functie, risc, err_pois și celelalte) trebuie să rămână disponibile, iar după fiecare bloc comparăm rezultatul afișat cu cel obținut de mână.
Obiective. La sfârșitul ședinței studentul trebuie să poată:
construi funcția de masă și funcția de repartiție a unei variabile aleatoare discrete pornind de la un experiment și trece de la una la cealaltă;
calcula probabilități de tipul \(\PP(a<X\le b)\), \(\PP(X<a)\), \(\PP(X=a)\) cu ajutorul funcției de repartiție și determina repartiția unei funcții \(g(X)\);
recunoaște într-un enunț repartițiile binomială, hipergeometrică, geometrică, negativ binomială și Poisson și preciza parametrii lor;
folosi în R funcțiile d, p, q, r ale acestor repartiții, ținând cont de convențiile diferite pentru repartițiile geometrică, negativ binomială și hipergeometrică;
simula o variabilă aleatoare discretă (cu sample(..., prob = p) sau cu funcțiile r...) și compara frecvențele relative cu funcția de masă;
aplica aproximarea Poisson a repartiției binomiale și evalua numeric cât de bună este.
Structura. Breviar; funcția de masă și funcția de repartiție; repartiția binomială și repartiția hipergeometrică; repartiția geometrică și repartiția negativ binomială; repartiția Poisson și aproximarea Poisson a binomialei; exerciții suplimentare; temă. Media și varianța acestor variabile sunt subiectul din Seminarul 4. Pentru aprofundare: (Blitzstein and Hwang 2019, cap. 3–4), (Bertsekas and Tsitsiklis 2008, cap. 2); pentru simulări în R: (Wagaman and Dobrow 2021).
Planul ședinței
De rezolvat la seminar (în această ordine):
Exercițiul 1 — funcția de masă și funcția de repartiție construite dintr-un experiment; vectorii x, p și funcția compara;
Exercițiul 3 (a), (c), (d) — repartiția unei funcții \(g(X)\); funcția rep_functie;
Exercițiul 4 — repartiția binomială: dbinom, pbinom, qbinom și simularea cu rbinom;
Exercițiul 7 — repartiția geometrică, convenția din R și lipsa de memorie;
Exercițiul 10 (a)–(d) — repartiția Poisson și aproximarea Poisson a binomialei; funcția err_pois.
Dacă timpul permite:
Exercițiul 2 — de la funcția de repartiție la tabelul de repartiție;
Exercițiul 6 — repartiția hipergeometrică și aproximarea ei binomială;
Exercițiul 9 — repartiția Poisson ca model: dimensionarea unui server.
Pentru acasă:
Exercițiile 5 (suprarezervarea unui zbor), 8 (repartiția negativ binomială) și 11 (zile de naștere și aproximarea Poisson);
exercițiile suplimentare 12, 13 și 14 (Secțiunea 6);
Rezolvările complete vor fi publicate ulterior; scheletele de cod R se completează în locurile marcate cu ___. Exercițiile marcate „Dacă timpul permite” și „Pentru acasă” au, după enunț, răspunsurile finale, pentru verificare.
1 Breviar
Toate rezultatele de mai jos sunt demonstrate în Cursul 3; le reamintim în forma în care le folosim în exerciții. În rezolvări (publicate ulterior) indicăm de fiecare dată rezultatul aplicat.
Rezultate din Cursul 3 folosite azi
Funcția de masă a unei v.a. discrete \(X\) (Definiția 7 din Cursul 3): \(p_X(x)=\PP(X=x)\). Ea verifică \(p_X(x)\ge0\) și \(\sum_x p_X(x)=1\) (Propoziția 8 din Cursul 3), iar \(\PP(X\in A)=\sum_{x\in A}p_X(x)\). O scriem ca tabel de repartiție: valorile pe primul rând, probabilitățile pe al doilea.
Funcția de repartiție (Definiția 4 din Cursul 3): \(F(x)=\PP(X\le x)\). Pentru o v.a. discretă este o funcție în scară, cu salturi în valorile lui \(X\). Din Propoziția 6 din Cursul 3: \[
\begin{aligned}
\PP(X>x)&=1-F(x), & \PP(x<X\le y)&=F(y)-F(x),\\
\PP(X<x)&=F(x-), & \PP(X=x)&=F(x)-F(x-),
\end{aligned}
\] unde \(F(x-)\) este limita la stânga a lui \(F\) în \(x\) (valoarea de pe treapta dinaintea lui \(x\)).
Funcție de o v.a. discretă (Propoziția 18 din Cursul 3): \(\PP(g(X)=y)=\sum_{x:\,g(x)=y}\PP(X=x)\) — adunăm probabilitățile valorilor care au aceeași imagine.
Binomială\(\Bin(n,p)\) (Definiția 10 din Cursul 3), numărul de succese în \(n\) încercări independente, fiecare cu probabilitatea de succes \(p\): \(\PP(X=k)=\binom nk p^k(1-p)^{n-k}\), \(k=0,1,\dots,n\).
Hipergeometrică\(\HGeom(N,M,n)\) (Definiția 11 din Cursul 3), numărul de bile negre obținute când extragem \(n\) bile fără întoarcere dintr-o urnă cu \(N\) bile, dintre care \(M\) negre: \(\PP(X=k)=\binom Mk\binom{N-M}{n-k}\big/\binom Nn\). Dacă \(N\) este mare față de \(n\), \(\HGeom(N,M,n)\approx\Bin\big(n,\frac MN\big)\).
Geometrică\(\Geom(p)\) (Definiția 13 din Cursul 3), numărul de încercări până la primul succes, inclusiv: \(\PP(X=k)=(1-p)^{k-1}p\), \(k=1,2,\dots\); \(\PP(X>n)=(1-p)^n\). Lipsa de memorie (Propoziția 14 din Cursul 3): \(\PP(X>n+k\mid X>n)=\PP(X>k)\).
Negativ binomială\(\NBin(r,p)\) (Definiția 15 din Cursul 3), numărul de încercări până la al \(r\)-lea succes, inclusiv: \(\PP(X=k)=\binom{k-1}{r-1}(1-p)^{k-r}p^r\), \(k=r,r+1,\dots\)
Poisson\(\Pois(\lambda)\) (Definiția 16 din Cursul 3): \(\PP(X=k)=e^{-\lambda}\frac{\lambda^k}{k!}\), \(k=0,1,2,\dots\)Aproximarea Poisson (Teorema 17 din Cursul 3): dacă \(n\) este mare și \(p\) este mic, \(\Bin(n,p)\approx\Pois(np)\).
Pe lângă instrumentele din Seminarul 1 și Seminarul 2 (vectori, sample, replicate, mean(conditie), expand.grid, funcții proprii, grafice simple), astăzi apar câteva instrumente noi; fiecare este explicat la prima folosire.
Instrumente R folosite azi
O repartiție discretă = doi vectori: x (valorile) și p (probabilitățile), cu sum(p) egal cu \(1\). cumsum(p) calculează sumele cumulate \(p_1,\ p_1+p_2,\ \dots\), adică valorile funcției de repartiție în punctele de salt; diff(c(0, Fx)) face drumul invers (salturile).
Cele patru familii de funcții: prefixul spune ce calculăm, restul numelui spune pentru ce repartiție.
d — funcția de masă \(\PP(X=k)\): dbinom(k, n, p), dhyper, dgeom, dnbinom, dpois(k, lambda);
p — funcția de repartiție \(\PP(X\le k)\): pbinom(k, n, p), phyper, pgeom, pnbinom, ppois;
q — cuantila: cel mai mic \(k\) pentru care \(\PP(X\le k)\ge u\): qbinom(u, n, p), qgeom, qnbinom, qpois (noțiunea este definită în Cursul 4);
r — generarea de valori aleatoare: rbinom(B, n, p), rgeom(B, p), rpois(B, lambda).
sample(x, B, replace = TRUE, prob = p) — generează \(B\) valori independente din repartiția cu valorile x și probabilitățile p.
Grafice. Funcția de masă: plot(x, p, type = "h") (diagrama cu bețe) sau barplot(p, names.arg = x). Funcția de repartiție, în scară: stepfun(x, c(0, cumsum(p))), desenată cu plot, sau direct plot(..., type = "s").
table(sim) / length(sim) — frecvențele relative ale valorilor dintr-un eșantion simulat; tapply(p, g(x), sum) — adună probabilitățile p pe grupuri date de valorile g(x).
Atenție! (Convențiile din R nu sunt întotdeauna cele din curs)
Geometrică. În curs, \(X\sim\Geom(p)\) numără încercările până la primul succes, inclusiv (valori \(1,2,\dots\)). Funcțiile dgeom, pgeom, qgeom, rgeom numără eșecurile dinaintea primului succes (valori \(0,1,\dots\)), adică lucrează cu \(X-1\). Conversia: \(\PP(X=k)=\)dgeom(k - 1, p), \(\PP(X\le n)=\)pgeom(n - 1, p), o valoare simulată a lui \(X\) este rgeom(1, p) + 1.
Negativ binomială. La fel, dnbinom numără eșecurile dinaintea celui de-al \(r\)-lea succes: pentru \(X\sim\NBin(r,p)\), \(\PP(X=k)=\)dnbinom(k - r, r, p) și \(\PP(X\le n)=\)pnbinom(n - r, r, p).
Hipergeometrică.dhyper(x, m, n, k) primește numărul de bile negre m, numărul de bile alben (nu numărul total!) și numărul de extrageri k: pentru \(X\sim\HGeom(N,M,n)\), \(\PP(X=x)=\)dhyper(x, M, N - M, n).
Figura 1 arată, pentru repartiția \(\Bin(10,0.3)\), ce calculează primele trei funcții: dbinom dă înălțimile bețelor, pbinom dă înălțimile treptelor, iar qbinom(u, ...) citește graficul funcției de repartiție „invers”: prima valoare \(k\) la care treapta ajunge la nivelul \(u\) sau îl depășește.
Arată codul R
k <-0:10g1 <-plot_pmf(k, dbinom(k, 10, 0.3), titlu ="dbinom(k, 10, 0.3)",xlab ="k", ylab ="P(X = k)") +scale_x_continuous(breaks = k)g2 <-plot_cdf_discret(k, dbinom(k, 10, 0.3), titlu ="pbinom(k, 10, 0.3)",xlim =c(-1, 11)) +geom_hline(yintercept =0.9, linetype =2, colour = culori[["rosu"]]) +annotate("segment", x =5, xend =5, y =0, yend =pbinom(5, 10, 0.3),linetype =3, colour = culori[["rosu"]]) +annotate("text", x =5.3, y =0.08, label ="qbinom(0.9, 10, 0.3) = 5",colour = culori[["rosu"]], size =3.1, hjust =0) +scale_x_continuous(breaks = k) +labs(x ="k", y ="P(X <= k)")g1 + g2
Figura 1: Funcțiile dbinom, pbinom și qbinom pentru repartiția \(\mathrm{Bin}(10,0.3)\). Stânga: funcția de masă. Dreapta: funcția de repartiție; linia întreruptă este nivelul \(u=0.9\), atins prima dată în \(k=5\), deci qbinom(0.9, 10, 0.3) este \(5\).
2 Funcția de masă și funcția de repartiție
Începem cu cele două obiecte de bază. În primul exercițiu le construim pornind de la un experiment; în al doilea parcurgem drumul invers, de la funcția de repartiție la tabelul de repartiție (metoda din Exemplul 5 din Cursul 3), și calculăm probabilități în care contează dacă inegalitățile sunt stricte sau nu; în al treilea determinăm repartiția unei funcții \(g(X)\). Funcțiile R scrise aici, compara și rep_functie, sunt refolosite în toate secțiunile următoare.
Exercițiul 1(Numărul de bile albe)
La seminar Dintr-o urnă cu \(5\) bile albe și \(3\) bile negre se extrag la întâmplare, simultan (deci fără întoarcere), \(3\) bile. Fie \(X\) numărul de bile albe extrase.
Determinați mulțimea valorilor lui \(X\) și funcția sa de masă (tabelul de repartiție).
Determinați funcția de repartiție \(F\) a lui \(X\).
Calculați \(\PP(X\ge2)\), \(\PP(X<2)\), \(\PP(1<X\le3)\) și \(\PP(1\le X<3)\).
În R: memorați repartiția în doi vectori, reprezentați grafic funcția de masă și funcția de repartiție, apoi simulați experimentul de \(10^5\) ori și comparați frecvențele relative ale valorilor lui \(X\) cu funcția de masă.
Laborator Schelet de cod pentru (d) — completați locurile marcate cu ___ (funcția compara, dată, pune frecvențele relative alături de funcția de masă și va fi folosită în toate exercițiile următoare; factor(sim, levels = x) păstrează în tabel și valorile neobservate):
x <-0:3# valorile lui Xp <- ___ # funcția de masă, cu choose()Fx <- ___ # F(0), F(1), F(2), F(3): sume cumulateround(rbind(x, p, Fx), 4)c(suma =sum(p), P_X_min_2 = ___, P_1_X_3 = ___) # P(X >= 2), P(1 <= X < 3)par(mfrow =c(1, 2))plot(x, p, type ="h", lwd =3, xlab ="x", ylab ="P(X = x)")plot(stepfun(x, ___), verticals =FALSE, pch =16, xlab ="x", ylab ="F(x)")compara <-function(sim, x, p) { # frecvențe relative vs. p frecv <-table(factor(sim, levels = x)) /length(sim) tab <-rbind(simulat =as.vector(frecv), teoretic = p)colnames(tab) <- xround(tab, 4)}set.seed(301)urna <-rep(c("alba", "neagra"), times =c(5, 3))sim1 <-replicate(1e5, ___) # (1) extragem 3 bile, numărăm albelesim2 <-sample(x, 1e5, replace =TRUE, prob = ___) # (2) direct din repartițiecompara(sim1, x, p)compara(sim2, x, p)
În exercițiul precedent am pornit de la funcția de masă și am obținut funcția de repartiție prin sume cumulate. Drumul invers se face prin diferențe: probabilitatea unei valori este mărimea saltului.
Exercițiul 2(De la funcția de repartiție la tabelul de repartiție)
Dacă timpul permite Un planificator de sarcini alocă fiecărui job \(1\), \(2\), \(4\) sau \(8\) nuclee de procesor. Fie \(X\) numărul de nuclee alocate unui job ales la întâmplare; funcția de repartiție a lui \(X\) este \[
F(x)=\begin{cases}0, & x<1,\\ 0.15, & 1\le x<2,\\ 0.40, & 2\le x<4,\\ 0.85, & 4\le x<8,\\ 1, & x\ge8 .\end{cases}
\]
Determinați tabelul de repartiție al lui \(X\).
Calculați \(\PP(2<X\le8)\), \(\PP(2\le X\le8)\), \(\PP(X<4)\), \(\PP(X=3)\) și \(\PP(X>2)\).
Știind că jobul a primit mai mult de un nucleu, care este probabilitatea ca el să fi primit cel puțin \(4\) nuclee?
În R: obțineți funcția de masă din valorile lui \(F\), definiți \(F\) ca funcție R, recalculați probabilitățile de la (b) și (c) și verificați-le prin simulare.
Laborator Schelet de cod pentru (d) — completați locurile marcate cu ___ (diff calculează diferențele dintre elementele consecutive ale unui vector; limita la stânga \(F(t-)\) se obține evaluând funcția puțin la stânga lui \(t\)):
x <-c(1, 2, 4, 8) # punctele de saltFx <-c(0.15, 0.40, 0.85, 1) # valorile lui F în aceste punctep <- ___ # salturile = funcția de masărbind(x, p)Frep <-stepfun(x, ___) # Frep(t) = P(X <= t)eps <-1e-9# Frep(t - eps) = limita la stângac(Frep(8) -Frep(2), ___, Frep(4- eps), ___, 1-Frep(2)) # cele cinci probabilități de la (b)___ # (c): P(X >= 4 | X > 1)set.seed(302)sim <-sample(x, 1e5, replace =TRUE, prob = p)c(mean(sim >2& sim <=8), mean(sim >=2& sim <=8), mean(sim <4),mean(___)) # ultima: P(X >= 4 | X > 1)
R dă exact valorile de la (b) și (c); frecvențele simulate sunt apropiate de \(0.60\), \(0.85\), \(0.40\) și \(0.7059\).
De multe ori variabila care ne interesează este o funcție \(g(X)\) de o variabilă a cărei repartiție o cunoaștem. Exercițiul următor reia enumerarea rezultatelor cu expand.grid din Seminarul 1 și aplică Propoziția 18 din Cursul 3.
Exercițiul 3(Diferența a două zaruri)
La seminar Se aruncă două zaruri echilibrate, unul roșu și unul albastru. Fie \(X_1\) numărul de pe zarul roșu, \(X_2\) numărul de pe zarul albastru și \(D=X_1-X_2\) diferența lor.
Determinați funcția de masă a lui \(D\).
Determinați repartiția distanței \(Y=|D|\) dintre cele două numere.
Într-un joc, dacă zarul roșu arată mai mult decât cel albastru, jucătorul primește diferența (în lei); altfel nu primește nimic. Determinați repartiția câștigului \(V=\max(D,0)\) și calculați \(\PP(V\ge3)\).
În R: obțineți repartiția lui \(D\) prin enumerarea celor \(36\) de rezultate; scrieți o funcție care calculează repartiția lui \(g(X)\) pornind de la repartiția lui \(X\) și aplicați-o pentru \(|D|\) și \(\max(D,0)\); verificați (c) prin simulare.
Laborator Schelet de cod pentru (d) — completați locurile marcate cu ___ (tapply(p, g(x), sum) adună probabilitățile p pe grupurile date de valorile g(x); pmax(t, 0) calculează maximul element cu element; funcția rep_functie va fi folosită și în temă):
zaruri <-expand.grid(x1 =1:6, x2 =1:6) # cele 36 de rezultated <- ___ # valoarea lui D pe fiecaretab <-table(d) /36# funcția de masă a lui Dx <-as.numeric(names(tab)); p <-as.vector(tab)rbind(x, nr =36* p) # numărătorii 36 * P(D = d)rep_functie <-function(x, p, g) ___ # repartiția lui g(X)pozitiv <-function(t) ___ # g(d) = max(d, 0)36*rep_functie(x, p, abs) # Y = |D|36*rep_functie(x, p, pozitiv) # V = max(D, 0)set.seed(303)B <-1e5rosu <-sample(1:6, B, replace =TRUE)albastru <-sample(1:6, B, replace =TRUE)v <- ___ # câștigul din fiecare joccompara(v, 0:5, as.vector(rep_functie(x, p, pozitiv)))mean(___) # P(V >= 3)
3 Repartiția binomială și repartiția hipergeometrică
Trecem la modelele uzuale. Ambele repartiții din această secțiune numără „succesele” dintr-un număr fixat de încercări: binomiala atunci când încercările sunt independente (extrageri cu întoarcere), hipergeometrica atunci când extragem fără întoarcere dintr-o populație finită. În fiecare exercițiu primul pas este același: identificăm încercările, succesul și parametrii.
Exercițiul 4(Test grilă cu răspunsuri ghicite)
La seminar Un test grilă are \(8\) întrebări, fiecare cu \(4\) variante de răspuns, dintre care exact una este corectă. Un student nepregătit alege la fiecare întrebare un răspuns la întâmplare, independent de celelalte întrebări. Fie \(X\) numărul de răspunsuri corecte. Un test cu \(10\) întrebări a fost analizat în Exercițiul 5 din Cursul 3; aici mergem mai departe: punctaj cu penalizare, alegerea pragului de promovare și simulare.
Care este repartiția lui \(X\)? Calculați \(\PP(X=2)\).
Testul se promovează cu cel puțin \(4\) răspunsuri corecte. Care este probabilitatea ca studentul să promoveze?
Pentru a descuraja ghicitul, punctajul este \(S=X-\frac13(8-X)\): un punct pentru fiecare răspuns corect și o penalizare de \(\frac13\) pentru fiecare răspuns greșit. Exprimați evenimentele \(\{S>0\}\) și \(\{S\ge4\}\) cu ajutorul lui \(X\) și calculați probabilitățile lor.
În R: verificați (a)–(c). Apoi, pentru un examen cu \(40\) de întrebări de același tip, calculați probabilitatea de a obține prin ghicire cel puțin \(20\) de răspunsuri corecte și determinați cel mai mic prag \(c\) pentru care \(\PP(X\ge c)\le0.01\). Simulați \(10^5\) teste cu \(8\) întrebări.
Laborator Schelet de cod pentru (d) — completați locurile marcate cu ___ (atenție la evenimentele de tipul „cel puțin”: \(\PP(X\ge k)=1-\PP(X\le k-1)\); qbinom(u, n, p) este cel mai mic \(k\) cu \(\PP(X\le k)\ge u\)):
n <-8; pr <-1/4round(dbinom(0:n, n, pr), 4) # P(X = 0), ..., P(X = 8)c(P_X2 = ___,promovare = ___, # P(X >= 4)S_pozitiv = ___, # P(S > 0), cu evenimentul de la (c)S_min_4 = ___) # P(S >= 4)1-pbinom(___, 40, pr) # P(X >= 20) la 40 de întrebăriqbinom(___, 40, pr) # cel mai mic k cu P(X <= k) >= 0.991-pbinom(c(16, 17), 40, pr) # P(X >= 17) și P(X >= 18)set.seed(304)un_test <-function() ___ # 8 răspunsuri alese din 1:4; corect = 1sim <-replicate(1e5, un_test())c(direct =mean(sim >=4), rbinom =mean(___)) # 10^5 valori cu rbinom
În exercițiul precedent numărul de încercări era dat și am calculat probabilități. În cel care urmează problema este inversă: alegem numărul de încercări astfel încât o probabilitate să nu depășească un nivel dat.
Exercițiul 5(Suprarezervarea unui zbor)
Pentru acasă O companie aeriană știe că fiecare pasager cu bilet se prezintă la îmbarcare cu probabilitatea \(0.9\), independent de ceilalți. Pentru un avion cu \(30\) de locuri compania vinde \(32\) de bilete.
Care este repartiția numărului \(X\) de pasageri care se prezintă? Dar a numărului \(Y\) de pasageri care lipsesc?
Calculați probabilitatea ca toți pasagerii prezenți să aibă loc în avion.
Care este cel mai mare număr de bilete pe care compania îl poate vinde, astfel încât riscul ca măcar un pasager să rămână fără loc să fie cel mult \(5\%\)?
În R: verificați (b) și (c); scrieți o funcție risc(n, locuri, p) și rezolvați punctul (c) pentru un avion cu \(180\) de locuri.
Răspunsuri
\(X\sim\Bin(32,0.9)\) și \(Y=32-X\sim\Bin(32,0.1)\).
\(31\) de bilete: riscul este \(\approx0.0382\) pentru \(31\) de bilete și \(\approx0.1564\) pentru \(32\).
Pentru \(180\) de locuri se pot vinde \(193\) de bilete (risc \(\approx0.0448\); la \(194\) de bilete riscul este \(\approx0.0734\)).
Când „încercările” sunt extrageri fără întoarcere dintr-o populație finită, ele nu mai sunt independente, iar locul binomialei este luat de repartiția hipergeometrică. Ultima întrebare a exercițiului următor face legătura cu Exercițiul 1.
Exercițiul 6(Controlul unui lot: hipergeometrică sau binomială)
Dacă timpul permite Un lot de \(N=25\) de routere conține \(M=5\) routere defecte. Un inspector alege la întâmplare, fără întoarcere, \(n=4\) routere și le testează; fie \(X\) numărul de routere defecte găsite. Lotul este respins dacă \(X\ge2\). Situații asemănătoare apar în Exemplul 8 din Cursul 3 și în Exercițiul 6 din Cursul 3; aici urmărim în plus cât de bine aproximează binomiala hipergeometrica atunci când lotul crește.
Care este repartiția lui \(X\)? Scrieți tabelul de repartiție.
Calculați probabilitatea ca lotul să fie respins.
Refaceți (a) și (b) în ipoteza că fiecare router testat este pus înapoi în lot înainte de alegerea următorului (extrageri cu întoarcere).
În R: calculați funcția de masă cu dhyper și comparați-o cu dbinom pentru loturi cu \(N=25\), \(250\) și \(2500\) de routere, dintre care \(20\%\) sunt defecte; verificați (b) prin simulare. Ce repartiție are variabila din Exercițiul 1?
Laborator Schelet de cod pentru (d) — completați locurile marcate cu ___ (pentru \(X\sim\HGeom(N,M,n)\) scriem dhyper(x, M, N - M, n): al treilea argument este numărul de routere bune; sample(lot, 4) extrage fără întoarcere):
x <-0:4hiper <-dhyper(x, m = ___, n = ___, k =4)binom <-dbinom(x, size =4, prob = ___)round(rbind(x, hiper, binom), 4)c(respins_hiper = ___, # P(X >= 2), cu phyperrespins_binom =1-pbinom(1, 4, 0.2))abatere <-function(N) { # lot cu N routere, 20% defecte M <- N /5 ___ # max |dhyper - dbinom| pe 0:4}sapply(c(25, 250, 2500), abatere)set.seed(306)lot <-rep(c(1, 0), times =c(5, 20)) # 1 = defect, 0 = bunsim <-replicate(1e5, ___) # nr. de defecte în eșantionmean(sim >=2) # frecvența respingerilor56*dhyper(0:3, m = ___, n = ___, k =3) # urna din Exercițiul cu bilele albe
Răspunsuri
\(X\sim\HGeom(25,5,4)\): \(\PP(X=k)=\binom5k\binom{20}{4-k}\big/\binom{25}4\), adică \(0.3830\), \(0.4506\), \(0.1502\), \(0.0158\), \(0.0004\) pentru \(k=0,\dots,4\).
Cea mai mare diferență dintre cele două funcții de masă este \(\approx0.041\), \(0.0037\), \(0.0004\) pentru \(N=25\), \(250\), \(2500\) (scade de aproximativ \(10\) ori când lotul crește de \(10\) ori); frecvența simulată a respingerilor este apropiată de \(0.1664\); variabila din Exercițiul 1 are repartiția \(\HGeom(8,5,3)\).
4 Repartiția geometrică și repartiția negativ binomială
În secțiunea precedentă numărul de încercări era fixat, iar noi număram succesele. Acum fixăm numărul de succese pe care le așteptăm (unul sau \(r\)) și numărăm încercările. Aici convenția din R diferă de cea din curs (vezi caseta „Atenție!” din Secțiunea 1): la fiecare apel scriem explicit conversia.
Exercițiul 7(Până la primul succes)
La seminar Un senzor trimite un pachet de date către o stație de bază printr-o legătură radio cu pierderi. Fiecare transmisie reușește cu probabilitatea \(p=0.4\), independent de celelalte, iar pachetul este retransmis până la prima reușită. Fie \(X\) numărul de transmisii efectuate (inclusiv cea reușită).
Care este repartiția lui \(X\)? Calculați \(\PP(X=3)\) și \(\PP(X\le3)\).
Calculați \(\PP(X>5)\).
Care este cel mai mic număr \(n\) de transmisii care trebuie permise pentru ca pachetul să ajungă la destinație cu probabilitate de cel puțin \(0.95\), adică \(\PP(X\le n)\ge0.95\)?
Primele două transmisii au eșuat. Care este probabilitatea să fie nevoie de mai mult de \(3\) transmisii suplimentare? Comparați cu \(\PP(X>3)\).
În R: verificați (a)–(d) cu dgeom, pgeom, qgeom; simulați experimentul și verificați pe datele simulate proprietatea lipsei de memorie.
Laborator Schelet de cod pentru (e) — completați locurile marcate cu ___ (funcțiile geom din R numără eșecurile dinaintea primului succes, adică lucrează cu \(X-1\); rbinom(1, 1, p) întoarce \(1\) cu probabilitatea \(p\) și \(0\) altfel):
p <-0.4c(P_X3 = ___, # P(X = 3)P_X_le3 = ___, # P(X <= 3)P_X_gt5 = ___, # P(X > 5)n_min = ___) # cel mai mic n cu P(X <= n) >= 0.95, cu qgeomcoada <-function(n) ___ # P(X > n)c(coada(5) /coada(2), coada(3)) # P(X > 5 | X > 2) și P(X > 3)round(coada(0:6+3) /coada(0:6), 4) # P(X > n + 3 | X > n), n = 0..6set.seed(307)pana_la_succes <-function(p) { # numărul de încercări până la succes k <-1while (___) k <- k +1# eșec: mai încercăm o dată k}x1 <-replicate(1e4, pana_la_succes(p)) # experimentul, pas cu pasx2 <- ___ # 10^5 valori ale lui X, cu rgeomcompara(x2, 1:6, dgeom(1:6-1, p))c(mean(x1 >5), mean(x2 >5)) # P(X > 5), în două moduric(mean(___), mean(x2 >3)) # lipsa de memorie: P(X > 5 | X > 2)
Dacă nu ne oprim la primul succes, ci așteptăm al \(r\)-lea, obținem repartiția negativ binomială. Exercițiul următor continuă modelul senzorului și face legătura cu repartiția binomială din Secțiunea 3.
Exercițiul 8(Un mesaj din trei pachete)
Pentru acasă Senzorul din Exercițiul 7 are de trimis un mesaj format din \(3\) pachete, pe rând: fiecare transmisie reușește cu probabilitatea \(p=0.4\), independent de celelalte, iar un pachet este retransmis până când reușește. Fie \(T\) numărul total de transmisii necesare pentru întregul mesaj.
Care este repartiția lui \(T\)? Calculați \(\PP(T=3)\) și \(\PP(T=5)\).
Calculați probabilitatea ca \(6\) transmisii să fie suficiente, \(\PP(T\le6)\).
Arătați că \(\{T\le6\}\) este același eveniment cu „printre primele \(6\) transmisii sunt cel puțin \(3\) reușite” și regăsiți rezultatul de la (b) cu ajutorul repartiției binomiale.
În R: verificați (a)–(c) cu dnbinom, pnbinom și pbinom; simulați \(T\) ca sumă a trei variabile geometrice. Câte transmisii trebuie prevăzute pentru ca mesajul să fie livrat cu probabilitate de cel puțin \(0.95\)?
(demonstrație) \(\PP(T\le6)=\PP(S\ge3)\), cu \(S\sim\Bin(6,0.4)\); se obține din nou \(0.45568\).
Trebuie prevăzute \(14\) transmisii: \(\PP(T\le14)\approx0.9602\), iar \(\PP(T\le13)\approx0.9421\). Frecvențele relative ale sumei a trei variabile geometrice simulate sunt apropiate de funcția de masă calculată cu dnbinom, iar frecvențele evenimentelor \(\{T\le6\}\) și \(\{T\le14\}\) de \(0.4557\) și \(0.9602\).
5 Repartiția Poisson și aproximarea Poisson a binomialei
Repartiția Poisson descrie numărul de apariții ale unui eveniment „rar” într-un interval de timp (cereri, apeluri, erori). În primul exercițiu o folosim ca model dat, în al doilea măsurăm cât de bine aproximează ea binomiala pentru \(n\) mare și \(p\) mic, iar în al treilea o aplicăm unei probleme cunoscute din Seminarul 1.
Exercițiul 9(Cereri către un server)
Dacă timpul permite Numărul de cereri care sosesc într-un minut la un server intern este o variabilă aleatoare \(X\sim\Pois(4)\).
Calculați \(\PP(X=0)\) și \(\PP(X=4)\).
Arătați că \(\PP(X=k+1)=\dfrac{4}{k+1}\,\PP(X=k)\) pentru orice \(k\ge0\) și folosiți această relație pentru a calcula \(\PP(X\le5)\) și \(\PP(X\ge6)\).
Serverul poate prelucra cel mult \(c\) cereri pe minut; spunem că un minut este supraîncărcat dacă \(X>c\). Care este cea mai mică valoare a lui \(c\) pentru care probabilitatea de supraîncărcare este cel mult \(0.01\)?
Numerele de cereri din minute diferite sunt independente, iar \(c\) are valoarea de la (c). Care este probabilitatea ca într-o oră să existe cel puțin un minut supraîncărcat? Ce repartiție are numărul de minute până la primul minut supraîncărcat?
În R: verificați (a)–(d) cu dpois, ppois, qpois și prin simulare cu rpois.
Laborator Schelet de cod pentru (e) — completați locurile marcate cu ___ (qpois(u, lambda) este cel mai mic \(k\) cu \(\PP(X\le k)\ge u\); any(v) este TRUE dacă măcar o componentă a vectorului logic v este TRUE):
lam <-4c(dpois(0, lam), ___) # P(X = 0), P(X = 4)c(___, 1-ppois(5, lam)) # P(X <= 5), P(X >= 6)k <-0:9data.frame(k, masa =round(dpois(k, lam), 4), F =round(ppois(k, lam), 4))c_max <- ___ # cel mai mic c cu F(c) >= 0.99q <-1-ppois(c_max, lam) # P(minut supraîncărcat)c(q = q, binomial = ___, # P(cel puțin un minut supraîncărcatgeometric = ___) # într-o oră), în două moduriset.seed(309)ora <-function() ___ # 60 de minute: există supraîncărcare?mean(replicate(1e4, ora()))
\(c=9\): \(\PP(X\le9)\approx0.9919\), deci \(\PP(X>9)\approx0.0081\) (iar \(\PP(X\le8)\approx0.9786<0.99\)).
\(1-(1-q)^{60}\approx0.3873\), unde \(q=\PP(X>9)\approx0.008132\); numărul de minute până la primul minut supraîncărcat are repartiția \(\Geom(q)\).
R dă exact valorile de la (a)–(d); frecvența orelor simulate cu cel puțin un minut supraîncărcat este apropiată de \(0.3873\).
În exercițiul precedent au apărut multe încercări independente (minutele unei ore), fiecare cu o probabilitate mică de succes: exact situația în care binomiala poate fi înlocuită cu o repartiție Poisson. Exercițiul următor studiază această aproximare.
Exercițiul 10(Aproximarea Poisson a binomialei)
La seminar O linie de fabricație produce cipuri; fiecare cip este defect cu probabilitatea \(p=0.004\), independent de celelalte. Un lot conține \(n=500\) de cipuri; fie \(X\) numărul de cipuri defecte din lot.
Care este repartiția exactă a lui \(X\)? Calculați \(\PP(X=0)\) și \(\PP(X=1)\).
Aproximați \(\PP(X=0)\), \(\PP(X=1)\) și \(\PP(X\ge4)\) cu ajutorul repartiției Poisson (Teorema 17 din Cursul 3).
În R: comparați, într-un tabel și pe un grafic, funcțiile de masă ale repartițiilor \(\Bin(500,0.004)\) și \(\Pois(2)\).
În R: pentru \(np=2\) fixat și \(n\in\{5,8,10,20,50,100,500,5000\}\), calculați eroarea maximă a aproximării, \(\max_k\big|\PP(\Bin(n,p)=k)-\PP(\Pois(2)=k)\big|\). Cum depinde ea de \(p\)?
Cât de bună este aproximarea Poisson pentru testul grilă din Exercițiul 4 și pentru pasagerii absenți din Exercițiul 5?
Laborator Schelet de cod pentru (c)–(e) — completați locurile marcate cu ___ (funcția err_pois va fi folosită și în temă):
n <-500; p <-0.004; lam <- ___; k <-0:8binom <-dbinom(k, n, p); pois <- ___round(rbind(k, binom, pois), 4)max(abs(binom - pois)) # cea mai mare diferențăc(exact = ___, Poisson = ___) # P(X >= 4)plot(k -0.12, binom, type ="h", lwd =3, xlab ="k", ylab ="probabilitate")lines(k +0.12, pois, type ="h", lwd =3, col =2)err_pois <-function(n, p) { # eroarea maximă a aproximării k <-0:n ___}n <-c(5, 8, 10, 20, 50, 100, 500, 5000)eroare <-sapply(n, function(m) err_pois(m, ___)) # np = 2data.frame(n, p =2/ n, eroare =round(eroare, 5),raport =round(eroare / (2/ n), 3))c(test =err_pois(8, 0.25), avion =err_pois(___, ___)) # (e)
Observație (când folosim aproximarea Poisson)
Pentru aproximarea Poisson există și o margine teoretică a erorii: se poate demonstra că, dacă \(X\sim\Bin(n,p)\) și \(Y\sim\Pois(np)\), atunci pentru orice mulțime \(A\)\[
\big|\PP(X\in A)-\PP(Y\in A)\big|\le np^2 .
\] Pentru cipuri, \(np^2=500\cdot0.004^2=0.008\), deci nicio probabilitate calculată cu aproximarea Poisson nu se abate cu mai mult de \(0.008\) de la valoarea exactă. Regula practică: aproximarea este bună când \(p\) este mic (de ordinul sutimilor sau mai mic), iar \(n\) este suficient de mare pentru ca \(\lambda=np\) să aibă o valoare „moderată”.
Aproximarea Poisson este utilă și atunci când încercările nu sunt chiar independente, ci doar „aproape” independente. Un exemplu este problema zilelor de naștere.
Exercițiul 11(Zile de naștere și aproximarea Poisson)
Pentru acasă Revenim la problema zilelor de naștere (Exemplul 16 din Cursul 1, Exercițiul 9 din Seminarul 1): într-un grup de \(n\) persoane, zilele de naștere sunt independente și uniform repartizate pe cele \(365\) de zile ale anului. Fie \(W\) numărul de perechi de persoane născute în aceeași zi.
Câte perechi de persoane există în grup? Care este probabilitatea ca două persoane fixate să fie născute în aceeași zi?
Aproximând repartiția lui \(W\) cu o repartiție Poisson, arătați că \[
\PP(\text{cel puțin o coincidență})\approx1-e^{-n(n-1)/730}.
\] Calculați aproximarea pentru \(n=23\) și găsiți cel mai mic \(n\) pentru care ea este cel puțin \(\frac12\).
În R: comparați aproximarea cu valoarea exactă pentru \(n\in\{10,23,30,40,50\}\); pentru \(n=23\), comparați prin simulare repartiția lui \(W\) cu repartiția Poisson de la (b).
Răspunsuri
\(\binom n2=\frac{n(n-1)}2\) perechi; două persoane fixate sunt născute în aceeași zi cu probabilitatea \(\frac1{365}\).
(demonstrație) \(W\approx\Pois(\lambda)\), cu \(\lambda=\frac{n(n-1)}{730}\); pentru \(n=23\), \(\lambda\approx0.6932\) și aproximarea dă \(\approx0.5000\) (valoarea exactă: \(0.5073\)); cel mai mic \(n\) este \(n=23\).
Valorile exacte \(0.1169\), \(0.5073\), \(0.7063\), \(0.8912\), \(0.9704\) și aproximările \(0.1160\), \(0.5000\), \(0.6963\), \(0.8820\), \(0.9651\) pentru \(n=10,23,30,40,50\). Pentru \(n=23\), frecvențele simulate ale valorilor \(0,\dots,4\) ale lui \(W\) sunt apropiate (cu abateri de cel mult \(0.02\)) de \(0.5000\), \(0.3466\), \(0.1201\), \(0.0278\), \(0.0048\); frecvența valorii \(0\) este apropiată de \(0.4927\).
6 Exerciții suplimentare
Pentru studiul individual (cu răspunsuri finale), trei exerciții care reiau metodele de mai sus: funcția de repartiție ca instrument de calcul, repartiția negativ binomială și legătura Poisson–binomială.
Exercițiul 12(Maximul și minimul a trei zaruri)
Pentru acasă În Exemplul 14 din Cursul 3 repartiția maximului a două zaruri a fost găsită numărând perechi. Aruncăm acum \(3\) zaruri echilibrate; fie \(Z\) cel mai mare și \(W\) cel mai mic dintre numerele obținute.
Calculați \(\PP(Z\le k)\) pentru \(k=1,\dots,6\) și deduceți funcția de masă a lui \(Z\).
Calculați \(\PP(W\ge k)\) și deduceți funcția de masă a lui \(W\). Ce legătură este între repartițiile lui \(W\) și \(7-Z\)?
Câte zaruri trebuie aruncate pentru ca maximul să fie \(6\) cu probabilitate de cel puțin \(0.99\)?
În R: verificați (a) și (b) prin enumerarea celor \(216\) rezultate și scrieți o funcție care dă funcția de masă a maximului a \(n\) zaruri.
Răspunsuri
\(\PP(Z\le k)=\big(\frac k6\big)^3\), \(\PP(Z=k)=\frac{k^3-(k-1)^3}{216}\): \(\frac1{216},\frac7{216},\frac{19}{216},\frac{37}{216},\frac{61}{216},\frac{91}{216}\) pentru \(k=1,\dots,6\).
\(\PP(W\ge k)=\big(\frac{7-k}6\big)^3\), \(\PP(W=k)=\frac{(7-k)^3-(6-k)^3}{216}\): \(\frac{91}{216},\frac{61}{216},\frac{37}{216},\frac{19}{216},\frac7{216},\frac1{216}\); \(W\) și \(7-Z\) au aceeași repartiție.
\(n=26\) de zaruri (din \(\big(\frac56\big)^n\le0.01\)).
Enumerarea dă numărătorii de la (a) și (b); de exemplu, pentru \(n=10\) zaruri maximul este \(6\) cu probabilitatea \(\approx0.8385\).
Exercițiul 13(Cine câștigă seria)
Pentru acasă Două echipe, \(A\) și \(B\), joacă o serie „cel mai bun din \(5\)”: câștigă seria prima echipă care obține \(3\) victorii. Echipa \(A\) câștigă fiecare meci cu probabilitatea \(p=0.55\), independent de celelalte meciuri. Seria „cel mai bun din \(7\)” este tratată în Exercițiul 11 din Cursul 3; aici urmărim în plus cum depinde rezultatul de lungimea seriei.
Calculați probabilitatea ca echipa \(A\) să câștige seria.
Determinați funcția de masă a numărului \(L\) de meciuri jucate.
În R: scrieți o funcție p_serie(r, p) care dă probabilitatea ca \(A\) să câștige o serie de tipul „primul la \(r\) victorii”; regăsiți valoarea \(0.7102\) din curs și studiați ce se întâmplă când seria se lungește. Verificați (a) și (b) prin simulare.
Răspunsuri
\(\PP(A\text{ câștigă})=p^3\big(1+3q+6q^2\big)\approx0.5931\), cu \(q=0.45\).
\(\PP(L=k)=\binom{k-1}2\big(p^3q^{k-3}+q^3p^{k-3}\big)\): \(0.2575\), \(0.3750\), \(0.3675\) pentru \(k=3,4,5\).
p_serie(3, 0.55)\(\approx0.5931\) și p_serie(4, 0.6)\(\approx0.7102\); o serie mai lungă o avantajează pe echipa mai bună: \(0.55\) (un meci), \(0.5748\) („din \(3\)”), \(0.5931\) („din \(5\)”), \(0.6083\) („din \(7\)”), \(0.671\) („din \(19\)”), \(0.8413\) („din \(99\)”). Frecvențele simulate sunt apropiate de \(0.5931\) și de \(0.2575\), \(0.3750\), \(0.3675\).
Exercițiul 14(Cereri filtrate: o binomială cu număr Poisson de încercări)
Pentru acasă La serverul din Exercițiul 9 sosesc într-un minut \(X\sim\Pois(4)\) cereri. Fiecare cerere provine de la un robot cu probabilitatea \(0.25\), independent de celelalte cereri și de numărul lor. Fie \(Y\) numărul de cereri venite de la roboți într-un minut.
Care este repartiția lui \(Y\) dacă știm că au sosit \(X=n\) cereri?
Folosind formula probabilității totale, arătați că \(Y\sim\Pois(1)\).
Calculați \(\PP(Y=0)\) și \(\PP(Y\ge3)\).
În R: verificați (b) numeric și prin simulare.
Răspunsuri
Condiționat de \(\{X=n\}\), \(Y\sim\Bin(n,0.25)\).
(demonstrație) \(\PP(Y=k)=e^{-\lambda p}\frac{(\lambda p)^k}{k!}\), cu \(\lambda p=4\cdot0.25=1\).
Sumele din formula probabilității totale coincid cu dpois(k, 1): \(0.3679\), \(0.3679\), \(0.1839\), \(0.0613\), \(0.0153\) pentru \(k=0,\dots,4\); în simulare, frecvențele relative ale valorilor lui \(Y\) sunt apropiate de aceste valori, iar frecvența lui \(\{Y\ge3\}\) de \(0.0803\).
7 Temă
Fie \(p(k)=c\,(6-k)\) pentru \(k\in\{1,2,3,4,5\}\). Determinați constanta \(c\) pentru care \(p\) este funcția de masă a unei variabile aleatoare \(X\), scrieți valorile funcției de repartiție în punctele de salt și calculați \(\PP(X>2)\) și \(\PP(1<X\le4)\).
Fie \(X\) o variabilă uniform repartizată pe \(\{-2,-1,0,1,2\}\). Determinați, de mână și în R (cu funcția rep_functie din Exercițiul 3), repartițiile variabilelor \(Y=X^2-1\) și \(U=|X|-X\).
Un cod corector poate corecta cel mult o eroare într-un bloc de \(n\) biți. Fiecare bit este recepționat greșit cu probabilitatea \(0.05\), independent de ceilalți. Calculați probabilitatea ca un bloc de \(12\) biți să fie decodat corect. În R, găsiți cea mai mare lungime \(n\) pentru care această probabilitate este cel puțin \(0.9\).
Răspuns: numărul de erori este \(\Bin(12,0.05)\); \(0.95^{12}+12\cdot0.05\cdot0.95^{11}\approx0.8816\). Cu pbinom(1, n, 0.05) pentru n <- 2:20 se obține \(n=10\) (probabilitate \(0.9139\); pentru \(n=11\): \(0.8981\)).
Dintr-un pachet de \(52\) de cărți de joc se extrag la întâmplare \(5\) cărți. Fie \(X\) numărul de ași extrași. Recunoașteți repartiția lui \(X\), calculați \(\PP(X=0)\) și \(\PP(X\ge2)\) și verificați în R.
Răspuns:\(X\sim\HGeom(52,4,5)\); \(\PP(X=0)=\binom{48}5\big/\binom{52}5\approx0.6588\), \(\PP(X\ge2)\approx0.0417\); în R: dhyper(0, 4, 48, 5) și 1 - phyper(1, 4, 48, 5).
Un program încearcă să obțină o conexiune la un server aglomerat; fiecare încercare reușește cu probabilitatea \(0.15\), independent de celelalte. Calculați probabilitatea ca prima reușită să fie la a patra încercare, probabilitatea să fie nevoie de cel mult \(10\) încercări și numărul minim de încercări care asigură conexiunea cu probabilitate de cel puțin \(0.99\).
Răspuns:\(0.85^3\cdot0.15\approx0.0921\); \(1-0.85^{10}\approx0.8031\); \(n=29\) (din \(0.85^n\le0.01\), sau în R: qgeom(0.99, 0.15) + 1).
Un sistem de integrare continuă rulează versiuni succesive ale unui program; fiecare versiune trece toate testele cu probabilitatea \(0.7\), independent de celelalte. Care este probabilitatea ca a cincea versiune reușită să fie a opta versiune rulată? Scrieți și instrucțiunea R corespunzătoare.
Răspuns: numărul de versiuni rulate până la a cincea reușită este \(\NBin(5,0.7)\); \(\binom74\,0.7^5\,0.3^3\approx0.1588\); dnbinom(8 - 5, 5, 0.7).
Numărul de greșeli de tipar de pe o pagină a unui raport este repartizat \(\Pois(0.5)\), independent de la o pagină la alta. Calculați probabilitatea ca o pagină să nu conțină nicio greșeală, probabilitatea ca o pagină să conțină cel puțin două greșeli și probabilitatea ca o secțiune de \(10\) pagini să nu conțină nicio greșeală.
Un text are \(2000\) de caractere; fiecare caracter este tastat greșit cu probabilitatea \(0.001\), independent de celelalte. Calculați în R probabilitatea ca textul să nu conțină nicio greșeală și probabilitatea să conțină cel puțin \(4\) greșeli, exact și cu aproximarea Poisson. Cât este eroarea maximă a aproximării funcției de masă (funcția err_pois din Exercițiul 10)?
Indicație: numărul de greșeli este \(\Bin(2000,0.001)\approx\Pois(2)\). Se obțin \(0.1352\) (exact) și \(0.1353\) (Poisson) pentru nicio greșeală, \(0.1428\) și \(0.1429\) pentru cel puțin \(4\) greșeli; err_pois(2000, 0.001) este aproximativ \(0.00014\).
Bibliografie
Bertsekas, Dimitri P., and John N. Tsitsiklis. 2008. Introduction to Probability. 2nd ed. Athena Scientific.
Blitzstein, Joseph K., and Jessica Hwang. 2019. Introduction to Probability. 2nd ed. CRC Press.
Wagaman, Amy S., and Robert P. Dobrow. 2021. Probability with Applications and R. 2nd ed. Wiley.