#> prob_5_rosii p_estimat
#> 0.1979 0.1000
Probabilități și Statistică · Cursul 1
Universitatea din București · Facultatea de Matematică și Informatică · 2026–2027
| Partea | Conținut |
|---|---|
| I | Probabilități și statistică; experiment aleator, spațiul stărilor, evenimente, operații cu evenimente, \(\sigma\)-algebre |
| II | Interpretarea frecvenționistă, axiomele lui Kolmogorov, proprietăți ale probabilității, modelul clasic (Laplace) |
| III | Elemente de combinatorică: regula sumei și a produsului, aranjamente, combinări, partiții, combinări cu repetiție |
| IV | Problema potrivirilor |
| V | Exerciții rezolvate; recapitulare |
La finalul acestui curs, studenții ar trebui să poată:
Cele două discipline privesc aceeași realitate din direcții opuse:
Calculul probabilităților s-a născut, în forma sa modernă, în corespondența din 1654 dintre Blaise Pascal și Pierre de Fermat, pornind de la câteva probleme legate de jocurile de noroc propuse de cavalerul de Méré (vezi Exemplul 19).
Fundamentarea axiomatică, pe care o prezentăm în acest curs, a fost dată abia în 1933 de A. N. Kolmogorov, în lucrarea Grundbegriffe der Wahrscheinlichkeitsrechnung.
Vom lucra de-a lungul întregului curs cu un exemplu-reper: urna cu bile roșii și verzi.
O urnă conține bile roșii și verzi; proporția bilelor roșii este \(p\). Efectuăm \(n\) extrageri cu revenire și notăm culorile.
Problemă de probabilități. Știm că \(p=0.23\). Extragem cu revenire \(n=20\) de bile. Care este probabilitatea să obținem exact \(5\) bile roșii? Vom vedea că \[ \PP(\text{exact 5 bile roșii din 20}) = \binom{20}{5}\,(0.23)^5\,(0.77)^{15}\approx 0.1979 . \] \(\binom{20}{5}\) numără pozițiile bilelor roșii, \((0.23)^5\) — probabilitatea ca acele \(5\) extrageri să dea roșu, \((0.77)^{15}\) — ca celelalte \(15\) să dea verde.
Problemă de statistică. Nu cunoaștem \(p\). Am efectuat \(20\) de extrageri cu revenire și am observat \(5\) bile roșii. Ce putem spune despre \(p\)? Estimăm proporția necunoscută prin proporția observată: \[ \hat p=\frac{5}{20}=0.25 . \] Cât de precisă este estimarea? Putem afirma că \(p<0.3\)? — răspunsuri în partea a doua a semestrului (începând cu Cursul 8).
Simulăm \(20\) de extrageri cu revenire dintr-o urnă cu \(p=0.23\) și comparăm probabilitatea calculată cu proporția observată:
În limbajul statisticii, conținutul urnei este populația, iar bilele extrase formează un eșantion.
Teoria probabilităților descrie ce eșantioane putem obține dintr-o populație cunoscută; statistica inferențială face drumul invers.
Se numește experiment aleator un experiment (sau fenomen) al cărui rezultat nu poate fi prezis cu exactitate (cu siguranță) înaintea realizării lui.
Mulțimea tuturor rezultatelor posibile asociate unui experiment aleator se numește spațiul stărilor (sau spațiul probelor, spațiul eșantion) și se notează cu \(\Omega\). Elementele \(\omega\in\Omega\) se numesc evenimente elementare.
Alegerea lui \(\Omega\) face parte din modelare și nu este unică. Evenimentele elementare trebuie să fie:
Altfel spus, se realizează unul și numai unul dintre evenimentele elementare. În plus, \(\Omega\) trebuie să aibă o granularitate potrivită: suficient de fină pentru evenimentele care ne interesează, dar fără detalii inutile.
\(\Omega=\{H,T\}\) (\(H\) = cap, \(T\) = pajură). Spațiul \(\Omega'=\{(H,\text{plouă}),(H,\text{nu plouă}),(T,\text{plouă}),(T,\text{nu plouă})\}\) are tot elemente mutual exclusive și exhaustive, dar vremea este irelevantă: granularitate nepotrivită.
La aruncarea unui zar, \(\Omega=\{1,2,3,4,5,6\}\) (spațiu discret și finit). La aruncarea a două zaruri distincte (unul alb, unul negru), \[ \Omega=\{(x,y)\mid 1\le x\le 6,\ 1\le y\le 6,\ x,y\in\N\},\qquad |\Omega|=36, \] unde \(x\) = punctele primului zar, \(y\) = punctele celui de-al doilea.
Reprezentare: tabel \(6\times 6\) (slide-ul următor) sau arbore cu \(6\) ramuri pentru primul zar și încă \(6\) din fiecare pentru al doilea; fiecare dintre cele \(36\) de drumuri este un eveniment elementar. Atenție: \((4,5)\neq(5,4)\).

Fiecare pătrat este un eveniment elementar; evidențiate: „suma este 7” și „suma este cel puțin 10” (câte \(6\) rezultate).
O mulțime se numește discretă dacă este cel mult numărabilă (finită sau numărabilă). Există experimente naturale cu \(\Omega\) numărabil sau chiar nenumărabil (continuu).
În ultimele două cazuri \(\Omega\) este nenumărabil (cursurile despre v.a. continue, Cursul 4 și Cursul 5).
Intuitiv, un eveniment este o afirmație despre rezultatul experimentului, despre care, după efectuarea experimentului, putem spune dacă este adevărată sau falsă. Îi asociem mulțimea rezultatelor pentru care ea este adevărată.
Se numește eveniment o submulțime \(A\subseteq\Omega\). Spunem că evenimentul \(A\) s-a realizat dacă rezultatul \(\omega\) al experimentului aparține lui \(A\), adică \(\omega\in A\).
Fie \(\Omega=\{1,\dots,6\}\): a) „rezultatul este \(3\)”: \(\{3\}\); b) „impar”: \(\{1,3,5\}\); c) „prim”: \(\{2,3,5\}\); d) „cel mult \(4\)”: \(\{1,2,3,4\}\). Pentru \(\omega=3\) s-au realizat toate patru; pentru \(\omega=4\), doar ultimul.
| Notație | Teoria mulțimilor | Teoria probabilităților |
|---|---|---|
| \(\Omega\) | mulțimea \(\Omega\) | spațiul stărilor; evenimentul sigur |
| \(\omega\) | element al lui \(\Omega\) | eveniment elementar |
| \(\emptyset\) | mulțimea vidă | evenimentul imposibil |
| \(A\) | submulțimea \(A\subseteq\Omega\) | evenimentul \(A\) se realizează |
| \(A^c\) (\(\complement_A\), \(\bar A\)) | complementara lui \(A\) | evenimentul contrar lui \(A\) |
| \(A\cup B\) | reuniunea | se realizează \(A\) sau \(B\) (cel puțin unul) |
| Notație | Teoria mulțimilor | Teoria probabilităților |
|---|---|---|
| \(A\cap B\) | intersecția | se realizează \(A\) și \(B\) (simultan) |
| \(A\setminus B\) | diferența | se realizează \(A\), dar nu și \(B\) |
| \(A\,\triangle\, B\) | diferența simetrică | se realizează \(A\) sau \(B\), dar nu amândouă |
| \(A\subseteq B\) | incluziunea | \(A\) implică \(B\) (\(\omega\in A\Rightarrow\omega\in B\)) |
| \(A\cap B=\emptyset\) | mulțimi disjuncte | \(A\) și \(B\) sunt incompatibile |

Diferența și diferența simetrică se exprimă prin celelalte operații: \[ A\setminus B=A\cap B^c,\qquad A\,\triangle\,B=(A\setminus B)\cup(B\setminus A)=(A\cup B)\setminus(A\cap B). \]
Reuniunea și intersecția sunt comutative, asociative și distributive una față de cealaltă: \[ A\cap(B\cup C)=(A\cap B)\cup(A\cap C),\qquad A\cup(B\cap C)=(A\cup B)\cap(A\cup C). \]
Legătura dintre reuniune, intersecție și complementară este dată de relațiile lui De Morgan.
Pentru orice familie de evenimente \((A_i)_{i\in I}\) (finită sau infinită) avem \[ \Big(\bigcup_{i\in I}A_i\Big)^c=\bigcap_{i\in I}A_i^c,\qquad \Big(\bigcap_{i\in I}A_i\Big)^c=\bigcup_{i\in I}A_i^c . \]
Demonstrație. \(\omega\in\big(\bigcup_i A_i\big)^c\) \(\iff\) \(\omega\) nu aparține niciunui \(A_i\) \(\iff\) \(\omega\in A_i^c\) pentru orice \(i\) \(\iff\) \(\omega\in\bigcap_i A_i^c\). A doua relație se obține din prima aplicată evenimentelor \(A_i^c\) și trecând la complementară.■
În limbaj probabilist: „nu se realizează niciunul” = „nu se realizează \(A_1\) și nu se realizează \(A_2\) și …”; „nu se realizează toate” = „cel puțin unul nu se realizează”.
Două evenimente \(A,B\) se numesc incompatibile (disjuncte, mutual exclusive) dacă \(A\cap B=\emptyset\), adică nu se pot realiza simultan. Evenimentele \((A_i)_{i\in I}\) sunt incompatibile două câte două dacă \(A_i\cap A_j=\emptyset\) pentru orice \(i\neq j\). O familie de evenimente incompatibile două câte două a căror reuniune este \(\Omega\) se numește sistem complet de evenimente (sau partiție a lui \(\Omega\)).
Exemple: \(\{A, A^c\}\) este întotdeauna un sistem complet; pentru \(\Omega\) discret, evenimentele elementare \(\{\omega\}\), \(\omega\in\Omega\), formează un sistem complet. Sistemele complete joacă un rol central în formula probabilității totale (Cursul 2).
\(\Omega=\{(x_1,\dots,x_{10})\mid x_i\in\{H,T\}\}=\{H,T\}^{10}\), \(|\Omega|=2^{10}=1024\). Fie \(A_j=\{(x_1,\dots,x_{10})\in\Omega\mid x_j=H\}\) = „cap la aruncarea \(j\)”, \(j=1,\dots,10\). Atunci:
Notăm cu \(\F\) mulțimea evenimentelor asociate unui experiment: \(\F\subseteq\mathcal P(\Omega)\) (mulțimea părților lui \(\Omega\)).
Ce proprietăți minimale trebuie să aibă \(\F\)? Natural: \(\Omega\) să fie un eveniment, iar operațiile logice „nu”, „sau” (deci și „și”) aplicate unor evenimente să producă tot evenimente.
O colecție \(\F\subseteq\mathcal P(\Omega)\) care verifică proprietățile
se numește algebră (de evenimente) peste \(\Omega\).
Din a) și b): \(\emptyset=\Omega^c\in\F\). Prin inducție, c) implică închiderea la reuniuni finite oarecare. Dar c) nu este suficientă pentru toate evenimentele care ne interesează…
Aruncăm o monedă până obținem prima dată cap; \(\Omega=\N^*\). Evenimentul \[ \begin{aligned} A&=\{\text{am obținut pentru prima dată cap după un număr par de aruncări}\}\\ &=\{2,4,6,\dots\}=\bigcup_{i\ge 1}\{2i\} \end{aligned} \] este o reuniune numărabilă de evenimente elementare. Dacă dorim ca toate \(\{2i\}\) și \(A\) să fie evenimente, avem nevoie ca \(\F\) să fie închisă la reuniuni numărabile.
Vom calcula \(\PP(A)\) în Exercițiul 3.
O colecție \(\F\subseteq\mathcal P(\Omega)\) care verifică proprietățile
se numește \(\sigma\)-algebră (sau \(\sigma\)-corp) peste \(\Omega\). Elementele lui \(\F\) se numesc evenimente.
Orice \(\sigma\)-algebră este o algebră: pentru \(A,B\in\F\) alegem \(A_1=A\), \(A_2=B\), \(A_n=\emptyset\) (\(n\ge3\)) în c). Reciproca este falsă pentru \(\Omega\) infinit (Exercițiul propus 3); pentru \(\Omega\) finit noțiunile coincid.
Fie \(\F\) o \(\sigma\)-algebră peste \(\Omega\). Atunci:
Demonstrație.
■
Fie \(\Omega\) o mulțime nevidă.
Fie \(\mathcal C\subseteq\mathcal P(\Omega)\). Intersecția tuturor \(\sigma\)-algebrelor peste \(\Omega\) care conțin \(\mathcal C\) este o \(\sigma\)-algebră, notată \(\sigma(\mathcal C)\) și numită \(\sigma\)-algebra generată de \(\mathcal C\): cea mai mică \(\sigma\)-algebră care conține toate mulțimile din \(\mathcal C\).
Pentru \(\Omega\) cel mult numărabil, \(\F=\mathcal P(\Omega)\) este posibil și natural. Pentru \(\Omega=[0,1]\) se poate arăta însă că nu există nicio funcție definită pe toate submulțimile lui \([0,1]\) care să extindă noțiunea de lungime, să nu se modifice prin translații și să verifice axiomele probabilității; de aceea ne restrângem la \(\sigma\)-algebra boreliană, suficient de bogată pentru aplicații.
Perechea \((\Omega,\F)\), unde \(\Omega\) este spațiul stărilor unui experiment aleator și \(\F\) este o \(\sigma\)-algebră peste \(\Omega\), se numește spațiu probabilizabil (sau spațiu măsurabil).
Repetăm experimentul de \(N\) ori, în condiții identice, și notăm cu \(N(A)\) numărul de realizări ale evenimentului \(A\). Raportul \(N(A)/N\) este frecvența relativă a lui \(A\).
Experiența arată că, pe măsură ce \(N\) crește, frecvența relativă se stabilizează în jurul unei valori, pe care o interpretăm drept probabilitatea lui \(A\): \[ \PP(A)=\lim_{N\to\infty}\frac{N(A)}{N}. \]
Relația nu poate servi drept definiție matematică (limita nu are sens precis pentru un șir „aleator” de rezultate — vom reveni în Cursul 7, la Legea Numerelor Mari), dar sugerează proprietățile probabilității.

Patru serii independente de câte \(5000\) de aruncări ale unei monede echilibrate: frecvența relativă a capetelor după primele \(N\) aruncări.
Extinzând ultima proprietate la cazul numărabil obținem \(\sigma\)-aditivitatea: dacă \((A_n)_{n\ge1}\subseteq\F\) sunt incompatibile două câte două, atunci \[ \PP\Big(\bigcup_{n=1}^\infty A_n\Big)=\sum_{n=1}^\infty\PP(A_n). \]
Fie \((\Omega,\F)\) un spațiu probabilizabil. O funcție \(\PP:\F\to[0,1]\) care satisface
se numește măsură de probabilitate (sau probabilitate) pe \((\Omega,\F)\).
Tripletul \((\Omega,\F,\PP)\), unde \((\Omega,\F)\) este un spațiu probabilizabil și \(\PP\) este o măsură de probabilitate pe \((\Omega,\F)\), se numește câmp de probabilitate (sau spațiu de probabilitate).
Un experiment aleator este modelat prin trei obiecte: \(\Omega\) (evenimentele elementare), \(\F\) (evenimentele) și \(\PP\) (măsura de probabilitate).
\(\PP(\emptyset)=0\) este o consecință a celorlalte axiome: șirul \(A_n=\emptyset\), \(n\ge1\), este format din evenimente incompatibile, cu reuniunea \(\emptyset\), deci \(\PP(\emptyset)=\sum_{n\ge1}\PP(\emptyset)\). Dacă \(\PP(\emptyset)=c>0\), membrul drept ar fi \(+\infty\) — contradicție.
\(\Omega=\{H,T\}\), \(\F=\mathcal P(\Omega)=\{\emptyset,\{H\},\{T\},\Omega\}\). Este suficient să fixăm \(\PP(\{H\})=p\in[0,1]\): din aditivitate, \(1=\PP(\Omega)=\PP(\{H\})+\PP(\{T\})\), deci \(\PP(\{T\})=1-p\); \(\PP(\emptyset)=0\). Ban corect: \(p=1/2\).
\(\Omega=\{1,\dots,6\}\), \(\F=\mathcal P(\Omega)\). Fixăm \(\PP(\{i\})=p_i\in[0,1]\). Cum \(\Omega=\{1\}\cup\dots\cup\{6\}\) (disjunctă), trebuie \(p_1+\dots+p_6=\PP(\Omega)=1\); în general, \(\PP(A)=\sum_{i\in A}p_i\).
Construcția funcționează pentru orice spațiu discret (slide-ul următor).
Fie \(\Omega=\{\omega_1,\omega_2,\dots\}\) finit sau numărabil și \((p_i)_{i\ge1}\) cu \(p_i\ge0\), \(\sum_ip_i=1\). Atunci \[ \PP(A)=\sum_{i:\ \omega_i\in A}p_i,\qquad A\in\mathcal P(\Omega), \] este o măsură de probabilitate pe \((\Omega,\mathcal P(\Omega))\), cu \(\PP(\{\omega_i\})=p_i\). Reciproc, orice probabilitate pe \((\Omega,\mathcal P(\Omega))\) este de această formă.
Demonstrație. \(\PP(\emptyset)=0\), \(\PP(\Omega)=\sum_ip_i=1\). Dacă \((A_n)_n\) sunt disjuncte, fiecare \(\omega_i\in\bigcup_nA_n\) aparține unui singur \(A_n\); seria are termeni nenegativi, deci o putem regrupa: \(\PP(\bigcup_nA_n)=\sum_n\sum_{i:\,\omega_i\in A_n}p_i=\sum_n\PP(A_n)\). Reciproc, \(p_i=\PP(\{\omega_i\})\) și \(A=\bigcup_{\omega_i\in A}\{\omega_i\}\) (reuniune cel mult numărabilă, disjunctă), deci \(\PP(A)=\sum_{\omega_i\in A}p_i\).■
Fie \((\Omega,\F,\PP)\) un câmp de probabilitate și \(A,B\in\F\). Atunci:
Demonstrație.
\(\sigma\)-aditivitatea pentru \(A_1=A\), \(A_2=B\), \(A_n=\emptyset\) (\(n\ge3\)): \(\PP(A\cup B)=\PP(A)+\PP(B)+\sum_{n\ge3}\PP(\emptyset)=\PP(A)+\PP(B)\).
\(\Omega=A\cup A^c\), \(A\cap A^c=\emptyset\), deci \(1=\PP(\Omega)=\PP(A)+\PP(A^c)\).
Dacă \(A\subseteq B\), atunci \(B=A\cup(B\setminus A)\), reuniune disjunctă; din a), \(\PP(B)=\PP(A)+\PP(B\setminus A)\ge\PP(A)\).
\(A\setminus B=A\setminus(A\cap B)\), cu \(A\cap B\subseteq A\); aplicăm c).
\(A\cup B=(A\setminus B)\cup(A\cap B)\cup(B\setminus A)\), disjuncte două câte două; din a) și d): \[ \PP(A\cup B)=\big[\PP(A)-\PP(A\cap B)\big]+\PP(A\cap B)+\big[\PP(B)-\PP(A\cap B)\big]. \]
■
Interpretare vizuală pentru e): adunând \(\PP(A)\) și \(\PP(B)\), „zona comună” \(A\cap B\) este numărată de două ori, deci o scădem o dată.
Pentru trei evenimente (aplicând e) de două ori): \[ \begin{aligned} \PP(A\cup B\cup C)={}&\PP(A)+\PP(B)+\PP(C)\\ &-\PP(A\cap B)-\PP(A\cap C)-\PP(B\cap C)+\PP(A\cap B\cap C). \end{aligned} \] Zona \(A\cap B\cap C\) este adunată de trei ori, scăzută de trei ori și adunată din nou o dată. Formula se generalizează la \(n\) evenimente.
Pentru orice evenimente \(A_1,A_2,\dots,A_n\in\F\), \[ \begin{aligned} \PP\Big(\bigcup_{i=1}^nA_i\Big)&=\sum_{i=1}^n\PP(A_i)-\sum_{i<j}\PP(A_i\cap A_j)+\sum_{i<j<k}\PP(A_i\cap A_j\cap A_k)-\dots\\ &\quad+(-1)^{n+1}\PP(A_1\cap A_2\cap\dots\cap A_n)\\ &=\sum_{k=1}^n(-1)^{k+1}\sum_{1\le i_1<\dots<i_k\le n}\PP(A_{i_1}\cap\dots\cap A_{i_k}). \end{aligned} \]
Demonstrație. Inducție după \(n\). Pentru \(n=2\) este Propoziția 14 e). Presupunem formula adevărată pentru orice \(n\) evenimente; fie \(A_1,\dots,A_{n+1}\) și \(B=\bigcup_{i=1}^nA_i\). Din cazul \(n=2\), \[ \PP\Big(\bigcup_{i=1}^{n+1}A_i\Big)=\PP(B)+\PP(A_{n+1})-\PP(B\cap A_{n+1}),\qquad B\cap A_{n+1}=\bigcup_{i=1}^n(A_i\cap A_{n+1}). \] Aplicăm ipoteza de inducție pentru \(\PP(B)\) și pentru \(\PP\big(\bigcup_{i=1}^n(A_i\cap A_{n+1})\big)\):
Împreună cu \(\PP(A_{n+1})\) obținem formula pentru \(n+1\) evenimente.■
Pentru orice \(A,B\in\F\): \(\ \text{(i)}\ \PP(A\cup B)\le\PP(A)+\PP(B)\), \(\quad\text{(ii)}\ \PP(A\cap B)\ge\PP(A)+\PP(B)-1\). Mai general, pentru \(A_1,\dots,A_n\in\F\), \[ \PP\Big(\bigcup_{i=1}^nA_i\Big)\le\sum_{i=1}^n\PP(A_i),\qquad \PP\Big(\bigcap_{i=1}^nA_i\Big)\ge\sum_{i=1}^n\PP(A_i)-(n-1). \]
Demonstrație.
■
Pentru orice șir de evenimente \((A_n)_{n\ge1}\subseteq\F\), \(\ \PP\big(\bigcup_{n=1}^\infty A_n\big)\le\sum_{n=1}^\infty\PP(A_n).\)
Demonstrație. „Disjunctăm” șirul: \(B_1=A_1\), \(B_n=A_n\setminus(A_1\cup\dots\cup A_{n-1})\), \(n\ge2\). Evenimentele \(B_n\) sunt incompatibile, \(B_n\subseteq A_n\) și \(\bigcup_nB_n=\bigcup_nA_n\) (\(\omega\) din reuniune aparține lui \(B_n\) pentru cel mai mic \(n\) cu \(\omega\in A_n\)). Din \(\sigma\)-aditivitate și monotonie, \(\PP\big(\bigcup_nA_n\big)=\sum_n\PP(B_n)\le\sum_n\PP(A_n)\).■
Fie \((A_n)_{n\ge1}\subseteq\F\).
Dacă șirul este crescător (\(A_1\subseteq A_2\subseteq\dots\)), atunci \(\PP\big(\bigcup_{n=1}^\infty A_n\big)=\lim_{n\to\infty}\PP(A_n)\).
Dacă șirul este descrescător (\(A_1\supseteq A_2\supseteq\dots\)), atunci \(\PP\big(\bigcap_{n=1}^\infty A_n\big)=\lim_{n\to\infty}\PP(A_n)\).
Demonstrație.
■
Aruncăm o monedă de o infinitate de ori; \(\PP(\text{cap})=p\in(0,1)\) la fiecare aruncare. \(\Omega=\{H,T\}^{\N^*}=\{(\omega_k)_{k\ge1}\mid\omega_k\in\{H,T\}\}\). Fie \[ \begin{aligned} A&=\{\text{capul apare mai devreme sau mai târziu}\},\\ A_n&=\{(\omega_k)_k\in\Omega\mid\exists\,i\in\{1,\dots,n\}\text{ cu }\omega_i=H\}\ \ (\text{cap în primele } n \text{ aruncări}). \end{aligned} \] Avem \(A_1\subseteq A_2\subseteq\dots\) și \(A=\bigcup_nA_n\). Contrarul lui \(A_n\): „primele \(n\) aruncări au dat pajură”; vom vedea (Cursul 2, independență) că \(\PP(A_n^c)=(1-p)^n\).
Din Teorema 18, \[ \PP(A)=\lim_{n\to\infty}\PP(A_n)=\lim_{n\to\infty}\big(1-(1-p)^n\big)=1 . \] Deci, oricât de mică ar fi \(p>0\), capul apare aproape sigur.
\(A\neq\Omega\) (șirul \(TTT\dots\) nu aparține lui \(A\)), dar \(\PP(A)=1\): un eveniment de probabilitate \(1\) nu este neapărat evenimentul sigur (analog, un eveniment de probabilitate \(0\) nu este neapărat imposibil).
Cel mai vechi model: experimentul are un număr finit de rezultate, toate la fel de probabile (ban, zar echilibrat, pachet bine amestecat, loterie).
Fie \(N\ge1\) și un experiment aleator cu \(N\) rezultate posibile, \(\Omega=\{\omega_1,\dots,\omega_N\}\). Considerăm \(\F=\mathcal P(\Omega)\) (cu \(2^N\) elemente) și măsura de probabilitate definită prin \[ \PP(\{\omega_i\})=\frac1N,\qquad i=1,\dots,N, \] numită echirepartiție (repartiția uniformă discretă). Tripletul \((\Omega,\F,\PP)\) se numește câmpul de probabilitate al lui Laplace (modelul clasic).
Pentru orice \(A\in\F\), \[ \PP(A)=\PP\Big(\bigcup_{\omega_i\in A}\{\omega_i\}\Big)=\sum_{\omega_i\in A}\PP(\{\omega_i\})=\sum_{\omega_i\in A}\frac1N=\frac{|A|}{N}, \] adică \[ \PP(A)=\frac{|A|}{|\Omega|}=\frac{\text{numărul cazurilor favorabile}}{\text{numărul cazurilor posibile}}. \]
În modelul clasic, calculul probabilităților se reduce la numărarea elementelor unor mulțimi finite — motivația pentru Partea a III-a (combinatorică).
\(\Omega=\{1,\dots,6\}^2\) cu echirepartiția, \(|\Omega|=36\). „Suma este \(7\)” \(=\{(1,6),(2,5),(3,4),(4,3),(5,2),(6,1)\}\), probabilitate \(6/36=1/6\). „Suma cel puțin \(10\)”: \(3+2+1=6\) elemente, tot \(1/6\); „dublă”: \(6/36=1/6\).
Formula lui Laplace se aplică doar când rezultatele din \(\Omega\) sunt egal probabile, iar alegerea lui \(\Omega\) contează.
Regula practică: considerați obiectele (zaruri, monede, persoane) distincte, chiar dacă par identice.
Notăm cu \(|A|\) cardinalul (numărul de elemente al) unei mulțimi finite \(A\).
Dacă \(A\) și \(B\) sunt două mulțimi finite și disjuncte (\(A\cap B=\emptyset\)), atunci \[ |A\cup B|=|A|+|B|. \] Reformulare: dacă un obiect \(a\) poate fi ales în \(n\) moduri și un obiect \(b\) în \(m\) moduri (fără moduri comune), atunci există \(n+m\) moduri de a alege \(a\) sau \(b\).
Dacă \(A\), \(B\) nu sunt disjuncte: \(|A\cup B|=|A|+|B|-|A\cap B|\). Justificare: în câmpul lui Laplace pe un \(\Omega\) finit care conține \(A\) și \(B\), \(|A|=\PP(A)\cdot|\Omega|\); înmulțim formula reuniunii cu \(|\Omega|\).
La fel, formula lui Poincaré (Teorema 15) dă, pentru mulțimi finite \(A_1,\dots,A_n\): \[ \begin{aligned} |A_1\cup\dots\cup A_n|={}&\sum_{i=1}^n|A_i|-\sum_{i<j}|A_i\cap A_j|+\sum_{i<j<k}|A_i\cap A_j\cap A_k|\\ &-\dots+(-1)^{n+1}|A_1\cap A_2\cap\dots\cap A_n| . \end{aligned} \]
Demonstrație directă, prin numărare: un element care aparține exact la \(m\ge1\) dintre mulțimile \(A_i\) este numărat în membrul drept de \[ \binom{m}{1}-\binom{m}{2}+\binom m3-\dots+(-1)^{m+1}\binom mm=1-(1-1)^m=1 \] ori (binomul lui Newton), adică exact o dată, ca în membrul stâng.
Pentru \(n\ge2\), fie \(\varphi(n)\) numărul numerelor din \(\{1,\dots,n\}\) prime cu \(n\). Dacă \(p_1,\dots,p_r\) sunt divizorii primi distincți ai lui \(n\), atunci \[ \varphi(n)=n\prod_{p\mid n,\ p\text{ prim}}\Big(1-\frac1p\Big). \] Fie \(A_i\) = numerele din \(\{1,\dots,n\}\) divizibile cu \(p_i\). Un număr nu este prim cu \(n\) exact când aparține lui \(A_1\cup\dots\cup A_r\), iar \(|A_{i_1}\cap\dots\cap A_{i_k}|=n/(p_{i_1}\cdots p_{i_k})\). Din includere–excludere: \[ \varphi(n)=n-\sum_i\frac n{p_i}+\sum_{i<j}\frac n{p_ip_j}-\dots=n\Big(1-\frac1{p_1}\Big)\cdots\Big(1-\frac1{p_r}\Big). \]
\(360=2^3\cdot3^2\cdot5\), deci \[ \varphi(360)=360\cdot\frac12\cdot\frac23\cdot\frac45=96 . \] Echivalent: alegând la întâmplare un număr din \(\{1,\dots,360\}\), probabilitatea ca el să fie prim cu \(360\) este \(96/360\approx0.267\).
Fie \(A\) și \(B\) două mulțimi finite și \(A\times B=\{(a,b)\mid a\in A,\ b\in B\}\). Atunci \[ |A\times B|=|A|\cdot|B| . \] Reformulare: dacă \(a\) poate fi ales în \(n\) moduri și apoi \(b\) în \(m\) moduri, atunci perechea \((a,b)\) poate fi aleasă în \(n\times m\) moduri.
a) Alegem recipientul (hârtie sau vafă) și aroma (ciocolată, vanilie, fructe): \(2\times3=6\) variante (sau \(3\times2\), dacă alegem întâi aroma).
b) \(10\) alergători; locurile \(1\), \(2\), \(3\) pot fi ocupate în \(10\times9\times8=720\) moduri. c) \(n\) aruncări ale unei monede: \(|\{H,T\}^n|=2^n\).
O urnă cu \(n\) bile numerotate \(1,\dots,n\) (populația); extragem \(k\) bile (eșantionul): cu revenire sau fără revenire, ținând cont sau nu de ordine.
Numărul de șiruri \((x_1,\dots,x_k)\) de lungime \(k\) cu termeni oarecare din \(\{1,\dots,n\}\) (rezultatele a \(k\) extrageri cu revenire dintr-o urnă cu \(n\) bile) este \(n^k\).
Numărul de șiruri \((x_1,\dots,x_k)\) cu termeni distincți din \(\{1,\dots,n\}\) (\(0\le k\le n\)), adică numărul aranjamentelor de \(n\) luate câte \(k\), este \[ A_n^k=n(n-1)(n-2)\cdots(n-k+1)=\frac{n!}{(n-k)!}. \] Pentru \(k=n\), numărul permutărilor unei mulțimi cu \(n\) elemente este \(n!\).
Regula produsului: prima bilă — \(n\) variante, a doua — \(n-1\) etc. Ex. \(n=4\), \(k=2\): \(4\times3=12\) șiruri.
a) „Cuvinte” de \(4\) litere din \(M,A,T,E\): cu repetare (cu revenire) \(4^4=256\); fiecare literă exact o dată (fără revenire) \(4!=24\).
b) Ionel are \(10\) CD-uri: \(4\) rock, \(3\) clasică, \(2\) pop, \(1\) electronică. În câte moduri le poate așeza pe raft astfel încât CD-urile de același gen să fie grupate? Genurile se ordonează în \(4!\) moduri; în interiorul grupelor: \(4!\), \(3!\), \(2!\), \(1!\) moduri: \[ 4!\cdot\big(4!\cdot3!\cdot2!\cdot1!\big)=24\cdot288=6912 . \]
Într-o încăpere se află \(n\) persoane. Care este probabilitatea ca cel puțin două dintre ele să fie născute în aceeași zi a anului?
Ipoteze: anul are \(365\) de zile (ignorăm \(29\) februarie); o persoană se naște într-o zi dată cu probabilitatea \(1/365\); ziua de naștere a unei persoane nu le influențează pe ale celorlalte.
Formalizare. \(\Omega=\{(x_1,\dots,x_n)\mid x_i\in\{1,\dots,365\}\}\), \(x_i\) = ziua de naștere a persoanei \(i\); \(|\Omega|=365^n\), \(\F=\mathcal P(\Omega)\), \(\PP\) = echirepartiția. Evenimentul de interes: \[ A=\{(x_1,\dots,x_n)\in\Omega\mid\exists\,i\neq j\text{ cu }x_i=x_j\}. \]
Mai simplu numărăm \(A^c\) = „nicio pereche cu aceeași zi”: șiruri cu termeni distincți (aranjamente): \[ \PP(A)=1-\PP(A^c)=1-\frac{365\cdot364\cdots(365-n+1)}{365^n}=1-\frac{A_{365}^n}{365^n}. \]
| \(n\) | 10 | 15 | 22 | 23 | 30 | 40 | 50 | 55 | 57 |
|---|---|---|---|---|---|---|---|---|---|
| \(\PP(A)\) | 0.117 | 0.253 | 0.476 | 0.507 | 0.706 | 0.891 | 0.970 | 0.986 | 0.990 |
Pentru \(23\) de persoane probabilitatea depășește \(1/2\)! Explicație: contează numărul de perechi, \(\binom{23}{2}=253\), fiecare cu șansa \(1/365\).
Avem \(n\) persoane și formăm comisii de \(k\) persoane: câte submulțimi cu \(k\) elemente are o mulțime cu \(n\) elemente? Ordinea nu contează.
Fie \(0\le k\le n\). Numărul submulțimilor cu \(k\) elemente ale unei mulțimi cu \(n\) elemente (numărul combinărilor de \(n\) luate câte \(k\)) este \[ \binom nk=C_n^k=\frac{n!}{k!\,(n-k)!}. \]
Pentru \(k=0\) sau \(k=n\): \(\binom n0=\binom nn=1\); simetrie: \(\binom nk=\binom n{n-k}\) (a alege cine intră = a alege cine rămâne).
Demonstrație. Numărăm în două moduri șirurile de lungime \(k\) cu termeni distincți din \(\{1,\dots,n\}\): pe de o parte sunt \(A_n^k=n!/(n-k)!\); pe de altă parte, alegem mulțimea termenilor (\(C_n^k\) moduri) și apoi ordinea lor (\(k!\) moduri). Deci \(A_n^k=C_n^k\cdot k!\).■
Pachet de \(52\) de cărți: \(4\) culori × \(13\) figuri (\(2,\dots,10,J,Q,K,A\)). O mână = submulțime de \(5\) cărți; \(\Omega\) = mulțimea mâinilor, \(\F=\mathcal P(\Omega)\), \(\PP\) = echirepartiția.
O mână are exact o pereche \(\iff\) printre cele \(5\) cărți apar exact \(4\) figuri distincte. Simulăm \(10^5\) mâini (reținem doar figurile cărților):
Care dintre următoarele evenimente are probabilitatea cea mai mare?
În 1693, Samuel Pepys (celebru pentru jurnalul său) i-a adresat lui Isaac Newton această întrebare, fiind interesat de un pariu. Pepys credea că varianta c) este cea mai avantajoasă; Newton a răspuns corect că varianta a) are cea mai mare probabilitate.
a) \(\Omega=\{1,\dots,6\}^6\), \(|\Omega|=6^6\), echirepartiția. „Niciun \(6\)” conține șirurile cu termeni din \(\{1,\dots,5\}\): \[ \PP(A)=1-\PP(A^c)=1-\frac{5^6}{6^6}\approx0.6651 . \] b) \(\Omega=\{1,\dots,6\}^{12}\). Contrarul: „niciun \(6\)” \(\cup\) „exact un \(6\)” (incompatibile); pentru „exact un \(6\)” alegem poziția lui (\(\binom{12}1\)), celelalte \(11\) valori din \(\{1,\dots,5\}\): \[ \PP(B)=1-\frac{5^{12}}{6^{12}}-\frac{\binom{12}{1}5^{11}}{6^{12}}\approx0.6187 . \]
c) \(\Omega=\{1,\dots,6\}^{18}\), \(C\) = „cel puțin trei valori de \(6\)”. Contrarul: „zero, unu sau doi de \(6\)” în \(18\) aruncări: \[ \PP(C)=1-\frac{5^{18}+\binom{18}{1}5^{17}+\binom{18}25^{16}}{6^{18}}\approx0.5973 . \] Așadar \(\PP(A)>\PP(B)>\PP(C)\): varianta a) este cea mai avantajoasă, deși în toate cele trei cazuri numărul „așteptat” de valori de \(6\) este proporțional cu numărul de zaruri (\(1\), \(2\), respectiv \(3\)).
p_cel_putin <- function(m, zaruri) { # P(cel puțin m valori de 6)
j <- 0:(m - 1) # contrar: exact j valori de 6
1 - sum(choose(zaruri, j) * 5^(zaruri - j)) / 6^zaruri
}
set.seed(1693) # simulare pentru varianta b)
sim_b <- mean(replicate(1e5, sum(sample(6, 12, TRUE) == 6) >= 2))
c(a = p_cel_putin(1, 6), b = p_cel_putin(2, 12), c = p_cel_putin(3, 18),
b_simulat = sim_b)#> a b c b_simulat
#> 0.6651 0.6187 0.5973 0.6176
Simularea variantei b) confirmă valoarea exactă \(0.6187\).
De Méré observase că pariul „cel puțin un \(6\) în \(4\) aruncări ale unui zar” este avantajos și presupunea că „cel puțin o dublă de \(6\) în \(24\) de aruncări a două zaruri” ar fi la fel de avantajos (\(4/6=24/36\)). Experiența îl contrazicea: \[ \begin{aligned} \PP(\text{cel puțin un 6 în 4 aruncări})&=1-\Big(\frac56\Big)^4\approx0.5177,\\ \PP(\text{cel puțin o dublă de 6 în 24 de aruncări})&=1-\Big(\frac{35}{36}\Big)^{24}\approx0.4914 . \end{aligned} \] Primul pariu este favorabil (\(>1/2\)), al doilea nu; diferența (\(\approx0.026\)) arată cât de atent observa cavalerul frecvențele relative.
#> unu_din_4 dubla_din_24
#> exact 0.5177 0.4914
#> simulare 0.5178 0.4943
Diferența mică dintre cele două probabilități cere un număr mare de repetări pentru a fi observată empiric: cu \(10^5\) simulări, eroarea tipică a unei frecvențe este de ordinul \(0.0016\).
Numărul de moduri de a extrage \(k\) bile dintr-o urnă cu \(n\) bile:
| ordinea contează | ordinea nu contează | |
|---|---|---|
| cu revenire | \(n^k\) | \(\binom{n+k-1}{k}\) |
| fără revenire | \(A_n^k=\dfrac{n!}{(n-k)!}\) | \(C_n^k=\dbinom nk\) |
Căsuța „cu revenire, ordinea nu contează” va fi justificată în Propoziția 26.
Fie \(A\) cu \(n\) elemente și \(n_1,\dots,n_k\in\N\) cu \(n_1+\dots+n_k=n\). În câte moduri putem partiționa \(A\) în \(k\) submulțimi disjuncte numerotate \(A_1,\dots,A_k\), cu \(|A_i|=n_i\) (partiție de tip \((n_1,\dots,n_k)\))?
Echivalent: numărul șirurilor de lungime \(n\) care conțin \(n_1\) elemente de tipul \(1\), …, \(n_k\) elemente de tipul \(k\) (elementele de același tip fiind identice); poziția \(j\) indică submulțimea în care este plasat elementul \(j\).
Ex.: \(A=\{1,2,3,4\}\), tip \((2,1,1)\): șirul \(1\,2\,1\,3\) corespunde partiției \(A_1=\{1,3\}\), \(A_2=\{2\}\), \(A_3=\{4\}\).
Numărul partițiilor unei mulțimi cu \(n\) elemente în \(k\) submulțimi (numerotate) cu \(n_1,\dots,n_k\) elemente, \(n_1+\dots+n_k=n\), este \[ \binom{n}{n_1,n_2,\dots,n_k}=\frac{n!}{n_1!\,n_2!\cdots n_k!}\quad(\textbf{coeficient multinomial}). \] Pentru \(k=2\): \(\binom{n}{n_1,\,n-n_1}=\binom{n}{n_1}\).
Ex. (continuare): partițiile lui \(\{1,2,3,4\}\) de tip \((2,1,1)\) sunt \(\frac{4!}{2!\,1!\,1!}=12\).
Demonstrație. Prima submulțime se formează în \(\binom n{n_1}\) moduri, a doua (din elementele rămase) în \(\binom{n-n_1}{n_2}\) moduri ș.a.m.d. Din regula produsului: \[ \begin{aligned} \binom n{n_1}\binom{n-n_1}{n_2}\cdots\binom{n-n_1-\dots-n_{k-1}}{n_k} &=\frac{n!}{n_1!\,(n-n_1)!}\cdot\frac{(n-n_1)!}{n_2!\,(n-n_1-n_2)!}\\ &\qquad\cdots\frac{(n-n_1-\dots-n_{k-1})!}{n_k!\,0!} =\frac{n!}{n_1!\,n_2!\cdots n_k!}, \end{aligned} \] deoarece produsul este „telescopic”.■
\(10\) litere: \(M\) de \(2\) ori, \(A\) de \(3\) ori, \(T\) de \(2\) ori, \(E\), \(I\), \(C\) câte o dată. Un cuvânt = o partiție a pozițiilor \(\{1,\dots,10\}\) de tip \((2,3,2,1,1,1)\): \[ \binom{10}{2,3,2,1,1,1}=\frac{10!}{2!\,3!\,2!\,1!\,1!\,1!}=151\,200 . \]
O grupă de laborator are \(4\) băieți și \(12\) fete, împărțiți aleator în \(4\) grupe (numerotate) de câte \(4\) studenți (toate partițiile egal probabile). Care este probabilitatea ca fiecare grupă să conțină exact un băiat?
\(\Omega\) = partițiile celor \(16\) studenți în grupe de câte \(4\): \(|\Omega|=\binom{16}{4,4,4,4}=\frac{16!}{(4!)^4}\). Fie \(A\) = „fiecare grupă are un băiat”: băieții se distribuie câte unul în \(4!\) moduri, fetele câte \(3\) în \(\binom{12}{3,3,3,3}\) moduri: \[ \PP(A)=\frac{4!\binom{12}{3,3,3,3}}{\binom{16}{4,4,4,4}}=\frac{4!\,12!}{(3!)^4}\Big/\frac{16!}{(4!)^4}=\frac{4\cdot8\cdot12}{13\cdot14\cdot15}=\frac{64}{455}\approx0.1407 . \]
O permutare aleatoare a celor \(16\) studenți, tăiată în patru blocuri consecutive de câte \(4\), produce o partiție aleatoare uniformă:
În câte moduri putem alege \(k\) obiecte din \(n\), cu revenire și fără ordine? Un rezultat este determinat de numărul de apariții \(x_i\) ale fiecărui obiect \(i\): distribuim \(k\) bile identice în \(n\) urne distincte.
Ex. \(n=5\) urne, \(k=7\) bile: \(1\) bilă în prima urnă, \(2\) în a doua, \(0\) în a treia, \(3\) în a patra, \(1\) în a cincea. Echivalent: soluțiile naturale ale ecuației \[ x_1+x_2+x_3+x_4+x_5=7,\qquad x_i\in\N . \]
Numărul de moduri de a distribui \(k\) bile identice în \(n\) urne distincte, egal cu numărul soluțiilor naturale ale ecuației \(x_1+\dots+x_n=k\), este \[ \binom{n+k-1}{k}=\binom{n+k-1}{n-1}. \]
Demonstrație. Reprezentăm bilele prin \(\bullet\) și separăm urnele prin \(n-1\) bare. Distribuirea de mai sus (\(n=5\), \(k=7\)) devine \[ \begin{array}{ccccccccc} \bullet & \Big| & \bullet\ \bullet & \Big| & \phantom{\bullet} & \Big| & \bullet\ \bullet\ \bullet & \Big| & \bullet\\[-2pt] \scriptstyle x_1=1 & & \scriptstyle x_2=2 & & \scriptstyle x_3=0 & & \scriptstyle x_4=3 & & \scriptstyle x_5=1 \end{array} \] Orice distribuire corespunde unui șir de \(k+(n-1)\) simboluri (\(k\) bile, \(n-1\) bare) și reciproc. Un șir este determinat de pozițiile celor \(k\) bile dintre cele \(n+k-1\): \(\binom{n+k-1}{k}\).■
Pentru \(n=5\) urne și \(k=7\) bile: \(\binom{5+7-1}{7}=\binom{11}{7}=330\) distribuiri. Verificare prin enumerarea tuturor celor \(8^5\) vectori \((x_1,\dots,x_5)\in\{0,\dots,7\}^5\):
Numărarea combinărilor cu repetiție este corectă, dar cele \(\binom{n+k-1}{k}\) rezultate nu sunt egal probabile atunci când extragem efectiv \(k\) bile cu revenire dintr-o urnă cu \(n\) bile.
O persoană distrată a scris \(n\) scrisori către \(n\) destinatari diferiți și a pregătit \(n\) plicuri cu adresele acestora. Introduce scrisorile în plicuri aleator (câte una în fiecare plic). Care este probabilitatea ca cel puțin un destinatar să primească scrisoarea corectă?
Formalizare. O introducere a scrisorilor în plicuri este o permutare \[ \sigma=\begin{pmatrix}1 & 2 & \cdots & n\\ \sigma_1 & \sigma_2 & \cdots & \sigma_n\end{pmatrix},\qquad \sigma:\{1,\dots,n\}\to\{1,\dots,n\}\ \text{bijectivă}, \] \(\sigma_i\) = numărul scrisorii din plicul \(i\). \(\Omega\) = permutările lui \(\{1,\dots,n\}\), \(|\Omega|=n!\), \(\PP\) = echirepartiția.
Fie \(A_i=\{\sigma\in\Omega\mid\sigma_i=i\}\) = „plicul \(i\) conține scrisoarea corectă” și \(A=A_1\cup\dots\cup A_n\). Pentru \(i_1<\dots<i_k\), \(A_{i_1}\cap\dots\cap A_{i_k}\) fixează \(k\) valori, iar celelalte \(n-k\) se permută arbitrar: \[ \PP(A_{i_1}\cap\dots\cap A_{i_k})=\frac{(n-k)!}{n!},\qquad \sum_{i_1<\dots<i_k}\PP(A_{i_1}\cap\dots\cap A_{i_k})=\binom nk\frac{(n-k)!}{n!}=\frac1{k!}. \] Din Teorema 15: \[ p_n=\PP(A)=\sum_{k=1}^n\frac{(-1)^{k+1}}{k!}=1-\frac1{2!}+\frac1{3!}-\dots+\frac{(-1)^{n+1}}{n!}. \]
Recunoaștem suma parțială a seriei \(e^{-1}=\sum_{k\ge0}(-1)^k/k!\), deci \[ \lim_{n\to\infty}p_n=1-\frac1e\approx0.6321 . \] Convergența este foarte rapidă: pentru \(n=7\), \(p_n\) coincide cu limita până la a patra zecimală. Probabilitatea este practic aceeași pentru \(10\) scrisori și pentru un milion!
#> simulare exact limita
#> 0.6348 0.6321 0.6321
Problema a fost formulată și rezolvată de Pierre Rémond de Montmort în 1708, sub forma unui joc de cărți numit treize („treisprezece”): se întorc una câte una cele \(13\) cărți ale unei culori, numărând „unu, doi, …, treisprezece”; jucătorul câștigă dacă măcar o dată numărul rostit coincide cu valoarea cărții întoarse (\(p_{13}\approx0.6321\)).

Stânga: \(p_n\) exact (puncte pline) și simulat (cercuri); dreapta: repartiția numărului de potriviri pentru \(n=10\) (Exercițiul 8).
Într-o școală, \(60\%\) dintre elevi nu folosesc nici platforma \(F\), nici platforma \(T\), \(20\%\) folosesc platforma \(F\), iar \(30\%\) folosesc platforma \(T\). Se alege un elev la întâmplare. Care este probabilitatea ca elevul:
\(A\) = „folosește \(F\)”, \(B\) = „folosește \(T\)”: \(\PP(A)=0.2\), \(\PP(B)=0.3\), \(\PP(A^c\cap B^c)=0.6\). Din De Morgan, \(A^c\cap B^c=(A\cup B)^c\).
\(\PP(A\cup B)=1-\PP\big((A\cup B)^c\big)=1-0.6=0.4\).
\(\PP(A\cap B)=\PP(A)+\PP(B)-\PP(A\cup B)=0.2+0.3-0.4=0.1\).
„O singură platformă” \(=A\,\triangle\,B=(A\setminus B)\cup(B\setminus A)\), disjunctă: \(\PP(A\setminus B)=0.2-0.1=0.1\), \(\PP(B\setminus A)=0.3-0.1=0.2\), deci \(\PP(A\,\triangle\,B)=0.3\). Verificare: \(\PP(A\cup B)-\PP(A\cap B)=0.4-0.1=0.3\).
\(\PP(A\cap B^c)=\PP(A\setminus B)=0.1\).
Fie \(\Omega=\{1,2,3,4,5,6\}\) și \(\mathcal C=\{\{1,2\},\{3\}\}\). Determinați \(\sigma(\mathcal C)\). Este \(\{1,3\}\) un eveniment în această \(\sigma\)-algebră?
\(\sigma(\mathcal C)\) conține și complementara reuniunii, \(B_3=\{4,5,6\}\). \(B_1=\{1,2\}\), \(B_2=\{3\}\), \(B_3\) formează o partiție, deci \(\sigma(\mathcal C)\) conține toate reuniunile de blocuri: \[ \sigma(\mathcal C)=\big\{\emptyset,\{1,2\},\{3\},\{4,5,6\},\{1,2,3\},\{1,2,4,5,6\},\{3,4,5,6\},\Omega\big\}. \] Colecția (\(2^3=8\) mulțimi) este închisă la complementară și reuniuni, deci este \(\sigma\)-algebră, conținută în orice \(\sigma\)-algebră care conține \(\mathcal C\). \(\{1,3\}\) nu este reuniune de blocuri: \(\{1,3\}\notin\sigma(\mathcal C)\).
Aruncăm o monedă echilibrată până obținem pentru prima dată cap. Care este probabilitatea ca numărul de aruncări necesare să fie par?
\(\Omega=\N^*\) (Exemplul 7). \(\{k\}\) înseamnă \(T\dots TH\) (\(k-1\) pajuri, apoi cap): unul din \(2^k\) rezultate egal probabile ale primelor \(k\) aruncări, deci \(\PP(\{k\})=1/2^k\) (\(\sum_{k\ge1}2^{-k}=1\), Propoziția 13). \(A=\bigcup_{i\ge1}\{2i\}\), reuniune de evenimente incompatibile; din \(\sigma\)-aditivitate: \[ \PP(A)=\sum_{i=1}^\infty\PP(\{2i\})=\sum_{i=1}^\infty\frac1{4^i}=\frac{1/4}{1-1/4}=\frac13 . \] Primul cap la o aruncare impară: \(2/3\) — de două ori mai probabil. Aici \(\sigma\)-aditivitatea (nu doar aditivitatea finită) este indispensabilă.
Un pachet de \(100\) de cărți numerotate de la \(1\) la \(100\) este amestecat aleator (toate cele \(100!\) ordini sunt egal probabile). a) Care este probabilitatea ca imediat după cartea \(1\) să urmeze cartea \(2\)? b) Care este probabilitatea ca în pachet cărțile \(1\) și \(2\) să fie vecine?
Lucrăm cu \(n\) cărți; \(|\Omega|=n!\).
Lipim cărțile \(1\) și \(2\) într-un „bloc” \([1\,2]\): ordinile favorabile sunt permutările celor \(n-1\) obiecte, \((n-1)!\). (Sau: blocul ocupă una din \(n-1\) perechi de poziții consecutive, restul se permută în \((n-2)!\) moduri.) Deci \(\PP=\frac{(n-1)!}{n!}=\frac1n\); pentru \(n=100\): \(\frac{1}{100}\).
Ordinea \(1,2\) sau \(2,1\) (incompatibile, aceeași probabilitate): \(\PP=2/n=0.02\).
La loteria „6 din 49” se extrag, fără revenire, \(6\) numere din \(\{1,\dots,49\}\). Un jucător a completat un bilet cu \(6\) numere. Care este probabilitatea ca exact \(k\) dintre numerele sale să fie extrase, \(k=0,1,\dots,6\)?
Ordinea nu contează: \(\Omega\) = submulțimile cu \(6\) elemente, \(|\Omega|=\binom{49}6=13\,983\,816\), echirepartiția. Exact \(k\) numere câștigătoare: \(k\) dintre cele \(6\) ale jucătorului (\(\binom6k\)) și \(6-k\) dintre celelalte \(43\) (\(\binom{43}{6-k}\)): \[ \PP(\text{exact }k\text{ numere})=\frac{\binom6k\binom{43}{6-k}}{\binom{49}6}. \] Ex.: \(\PP(\text{exact }3)=\frac{20\cdot12\,341}{13\,983\,816}\approx0.01765\), \(\PP(\text{exact }6)\approx7.15\cdot10^{-8}\).
Se formează aleator un număr \(N=\overline{abcde}\) din \(5\) cifre distincte (toate cele \(10\cdot9\cdot8\cdot7\cdot6\) șiruri de cifre distincte sunt egal probabile; prima cifră poate fi \(0\)). Care este probabilitatea ca \(N\) să fie divizibil cu \(495\)?
\(|\Omega|=A_{10}^5=30\,240\). Cum \(495=5\cdot9\cdot11\) (prime între ele), \(495\mid N\) \(\iff\) \(N\) se divide cu \(5\), \(9\) și \(11\):
Cifre distincte: \(10\le S=a+b+c+d+e\le35\), deci \(S\in\{18,27\}\). Iar \(a-b+c-d+e=S-2(b+d)\) are aceeași paritate ca \(S\).
Cazul 1: \(S=18\). \(a-b+c-d+e\) este multiplu par de \(11\), între \(-16\) și \(18\), deci \(0\): \(a+c+e=b+d=9\).
\(e=0\): \(a+c=9\), \(b+d=9\), cifre nenule: \((a,c)\) în \(8\) moduri, apoi \((b,d)\) disjunctă de \(\{a,c\}\), fără \(0,9\): \(6\) moduri. Total \(48\).
\(e=5\): \(a+c=4\), \(b+d=9\). \((a,c)\in\{(0,4),(4,0)\}\) și \((b,d)\in\{(1,8),(8,1),(2,7),(7,2),(3,6),(6,3)\}\): \(12\); \((a,c)\in\{(1,3),(3,1)\}\) și \((b,d)\in\{(0,9),(9,0),(2,7),(7,2)\}\): \(8\). Total \(20\).
Cazul 1 dă \(48+20=68\) de numere.
Cazul 2: \(S=27\). \(a-b+c-d+e\) este multiplu impar de \(11\), între \(-7\) și \(27\), deci \(11\): \(b+d=8\), \(a+c+e=19\). \(e=0\) ar cere \(a+c=19\) (imposibil), deci \(e=5\), \(a+c=14\): \((a,c)\in\{(8,6),(6,8)\}\); \((b,d)\in\{(1,7),(7,1)\}\). Total \(4\).
În total \(68+4=72\) de cazuri favorabile: \[ \PP(495\mid N)=\frac{72}{30\,240}=\frac1{420}\approx0.00238 . \]
O urnă conține \(r\) bile roșii și \(n\) bile negre, \(r,n\ge1\). Se extrag, fără revenire, două bile.
Determinați compoziția urnei cu cel mai mic număr total de bile pentru care probabilitatea ca ambele bile să fie roșii este \(1/2\).
Aceeași întrebare, dacă \(n\) este par.
\(|\Omega|=\binom{r+n}2\), cazuri favorabile \(\binom r2\): \[ \frac{\binom r2}{\binom{r+n}2}=\frac{r}{r+n}\cdot\frac{r-1}{r+n-1}=\frac12 . \] Pentru \(n\ge1\), \(\frac r{r+n}>\frac{r-1}{r+n-1}\), deci \[ \Big(\frac r{r+n}\Big)^2>\frac12>\Big(\frac{r-1}{r+n-1}\Big)^2 \ \Longrightarrow\ \frac r{r+n}>\frac1{\sqrt2}>\frac{r-1}{r+n-1}. \] Prima: \(r>n(\sqrt2+1)\); a doua: \(r<n(\sqrt2+1)+1\). Singurul candidat: \(r=\big\lceil n(\sqrt2+1)\big\rceil\), de verificat în ecuație.
\(n=1\): \(2.414<r<3.414\), deci \(r=3\) și \(\frac34\cdot\frac23=\frac12\). Urna cu \(3\) roșii și \(1\) neagră (\(4\) bile) este minimă (pentru \(n\ge2\), \(r\ge5\)).
\(n=2\): \(r=5\), dar \(\frac57\cdot\frac46=\frac{10}{21}\neq\frac12\). \(n=4\): \(r=10\), dar \(\frac{10}{14}\cdot\frac9{13}=\frac{45}{91}\neq\frac12\). \(n=6\): \(r=15\) și \(\frac{15}{21}\cdot\frac{14}{20}=\frac12\). Răspuns: \(r=15\), \(n=6\) (\(21\) de bile).
În contextul problemei potrivirilor (Exemplul 22), arătați că probabilitatea ca exact \(k\) destinatari să primească scrisoarea corectă este \[ \PP(\text{exact }k\text{ potriviri})=\frac1{k!}\sum_{j=0}^{n-k}\frac{(-1)^j}{j!},\qquad k=0,1,\dots,n, \] și calculați-o pentru \(n=5\). Ce se întâmplă când \(n\to\infty\)?
Fie \(D_m\) numărul permutărilor de \(m\) elemente fără puncte fixe („deranjamente”). Din Exemplul 22, \(1-p_m=\sum_{j=0}^m\frac{(-1)^j}{j!}\), deci \(D_m=m!\sum_{j=0}^m\frac{(-1)^j}{j!}\) (\(D_0=1\)).
O permutare cu exact \(k\) puncte fixe: alegem mulțimea punctelor fixe (\(\binom nk\) moduri), apoi o permutare fără puncte fixe a celorlalte \(n-k\) (\(D_{n-k}\) moduri): \[ \PP(\text{exact }k)=\frac{\binom nkD_{n-k}}{n!}=\frac{n!}{k!\,(n-k)!}\cdot\frac{(n-k)!}{n!}\sum_{j=0}^{n-k}\frac{(-1)^j}{j!}=\frac1{k!}\sum_{j=0}^{n-k}\frac{(-1)^j}{j!}. \]
Pentru \(n=5\): \[ \begin{aligned} &\PP(0)=\tfrac{44}{120}\approx0.3667, && \PP(1)=\tfrac{45}{120}=0.375, && \PP(2)=\tfrac{20}{120}\approx0.1667,\\ &\PP(3)=\tfrac{10}{120}\approx0.0833, && \PP(4)=0, && \PP(5)=\tfrac1{120}\approx0.0083 . \end{aligned} \] \(\PP(4)=0\): dacă patru scrisori sunt corecte, și a cincea este. Suma este \(1\). Când \(n\to\infty\): \[ \PP(\text{exact }k\text{ potriviri})\xrightarrow[n\to\infty]{}\frac{e^{-1}}{k!}\quad\text{(repartiția Poisson de parametru 1, Cursul 3).} \]
exact_k <- function(n, k) {
j <- 0:(n - k)
sum((-1)^j / factorial(j)) / factorial(k)
}
set.seed(5)
sim <- replicate(1e5, sum(sample(5) == 1:5)) # numărul de potriviri
m <- rbind(exact = sapply(0:5, function(k) exact_k(5, k)),
simulare = sapply(0:5, function(k) mean(sim == k)))
colnames(m) <- 0:5
round(m, 4)#> 0 1 2 3 4 5
#> exact 0.3667 0.3750 0.1667 0.0833 0 0.0083
#> simulare 0.3674 0.3739 0.1667 0.0839 0 0.0080
Câte soluții are ecuația \(x_1+x_2+x_3+x_4=10\) în numere naturale nenule?
Aruncăm simultan trei zaruri identice (nu le putem distinge). Câte rezultate diferite putem observa? Care este probabilitatea ca toate cele trei zaruri să arate aceeași valoare?
\(y_i=x_i-1\ge0\): \(y_1+\dots+y_4=6\), \(y_i\in\N\); din Propoziția 26 (\(n=4\) urne, \(k=6\) bile): \(\binom{9}{6}=84\). (Direct: \(3\) bare în cele \(9\) spații dintre \(10\) bile, \(\binom93=84\).)
Rezultat observabil = soluție a ecuației \(x_1+\dots+x_6=3\) (\(x_i\) = câte zaruri arată \(i\)): \(\binom83=56\). Acestea nu sunt egal probabile! Rezultatele egal probabile sunt cele \(6^3=216\) triplete ordonate, \(6\) cu valori egale: \(\PP=6/216=1/36\approx0.0278\) (nu \(6/56\approx0.107\)).
Calculați probabilitatea ca o mână de poker (\(5\) cărți din \(52\)) să conțină exact două perechi (două cărți de o figură, două de altă figură și a cincea de o a treia figură). Explicați de ce raționamentul „\(13\binom42\cdot12\binom42\cdot44\) cazuri favorabile” este greșit.
Alegem mulțimea celor două figuri ale perechilor (\(\binom{13}2\)), culorile fiecărei perechi (\(\binom42^2\)) și a cincea carte, de altă figură (\(52-8=44\)): \[ \PP(\text{două perechi})=\frac{\binom{13}2\binom42^2\cdot44}{\binom{52}5}=\frac{78\cdot36\cdot44}{2\,598\,960}=\frac{123\,552}{2\,598\,960}\approx0.0475 . \] Raționamentul greșit alege perechile pe rând, ca și cum ordinea lor ar conta: \(\{K\heartsuit,K\spadesuit,7\diamondsuit,7\clubsuit,2\heartsuit\}\) se obține de două ori, deci rezultatul greșit este \(2\cdot123\,552=247\,104\).
#> simulare exact
#> 0.04805 0.04754
Greșeala tipică în numărare: impunerea unei ordini artificiale între obiecte de același fel. Verificați întotdeauna dacă fiecare rezultat favorabil este numărat exact o dată.
Câmp de probabilitate \((\Omega,\F,\PP)\):
Modelul clasic (Laplace). \(\PP(A)=\dfrac{|A|}{|\Omega|}=\dfrac{\text{nr. cazuri favorabile}}{\text{nr. cazuri posibile}}\), doar pentru rezultate egal probabile.
Reguli de calcul.
Numărare (extrageri de \(k\) bile din \(n\)):
Rezultate clasice.
Probabilități și Statistică · Cursul 1 — Câmp de probabilitate