Seminarul 2. Probabilități condiționate, formula lui Bayes și independență

Probabilități și Statistică · Seminarul 2 (seminar și laborator) · Fișă de lucru (fără rezolvări)

Alexandru Amărioarei

Universitatea din București · Facultatea de Matematică și Informatică · 2026–2027

Planul seminarului și laboratorului

Exersăm instrumentele din Cursul 2. Fiecare problemă este rezolvată întâi matematic, apoi verificată, ilustrată sau extinsă în R; funcțiile R scrise la un exercițiu sunt refolosite la următoarele.

Tema Exerciții
Breviar rezultatele din Cursul 2 folosite azi; instrumentele R ale ședinței
Probabilitate condiționată și regula înmulțirii 1–3: două zaruri, chei încercate pe rând, urna lui Pólya
Formula probabilității totale și formula lui Bayes 4–6: trei mașini, filtru anti-spam, test de diagnostic
Independență 7–9: două zaruri, fiabilitate, egalitatea a două polinoame
Probleme clasice prin simulare 10 și 11: Monty Hall, ruina jucătorului
Studiu individual și temă exerciții suplimentare, temă

Obiectivele ședinței

La sfârșitul ședinței studentul trebuie să poată:

  1. calcula o probabilitate condiționată prin restrângerea spațiului stărilor și folosi regula înmulțirii și arborii de probabilitate;
  2. aplica formula probabilității totale și formula lui Bayes, inclusiv pentru observații succesive, și explica de ce un test pozitiv pentru o boală rară nu înseamnă, de regulă, boală;
  3. verifica independența a două sau a mai multor evenimente și calcula fiabilitatea unui sistem cu componente independente;
  4. analiza un algoritm randomizat simplu — verificarea egalității a două polinoame;
  5. estima în R o probabilitate condiționată prin simulare: mean(A[B]);
  6. scrie funcții R care simulează experimente în etape (cu for și while): urna lui Pólya, Monty Hall, ruina jucătorului.

Planul ședinței

De rezolvat la seminar (în această ordine):

  • Exercițiul 1 — probabilitate condiționată prin restrângerea spațiului stărilor; p_cond și mean(A[B]);
  • Exercițiul 2 — regula înmulțirii și arborele de probabilitate, fără și cu revenire;
  • Exercițiul 4 — probabilitatea totală, formula lui Bayes, actualizarea succesivă; funcția bayes;
  • Exercițiul 6 — un test de diagnostic și eroarea ratei de bază; funcția posterior;
  • Exercițiul 7 — independență două câte două și independență mutuală.

Dacă timpul permite: Exercițiul 8 (fiabilitate), Exercițiul 9 (egalitatea a două polinoame), Exercițiul 10 (Monty Hall cu \(n\) uși).

Pentru acasă: Exercițiile 3, 5 și 11; exercițiile suplimentare 12, 13, 14, 15; tema.

Rezolvările complete vor fi publicate ulterior. Scheletele de cod R și răspunsurile: în fișa de lucru.

Breviar: condiționare, probabilitate totală, Bayes

Rezultate din Cursul 2 folosite azi
  • Probabilitate condiționată (Definiția 1 din Cursul 2): \(\PP(A\mid B)=\dfrac{\PP(A\cap B)}{\PP(B)}\), \(\PP(B)>0\). În modelul clasic (Definiția 19 din Cursul 1), \(\PP(A\mid B)=|A\cap B|/|B|\): informația \(B\) restrânge spațiul stărilor. \(\PP(\cdot\mid B)\) este o probabilitate (Propoziția 2 din Cursul 2): \(\PP(A^c\mid B)=1-\PP(A\mid B)\).
  • Regula înmulțirii (Teorema 3 din Cursul 2): \(\PP(A_1\cap\dots\cap A_n)=\PP(A_1)\,\PP(A_2\mid A_1)\cdots\PP(A_n\mid A_1\cap\dots\cap A_{n-1})\); într-un arbore, probabilitatea unei frunze este produsul probabilităților de pe drum.
  • Formula probabilității totale (Teorema 5 din Cursul 2): pentru o partiție \(B_1,\dots,B_n\) a lui \(\Omega\) (Definiția 4 din Cursul 2), \(\PP(A)=\sum_{i=1}^n\PP(A\mid B_i)\,\PP(B_i)\).
  • Formula lui Bayes (Teorema 7 din Cursul 2): \(\PP(B_i\mid A)=\dfrac{\PP(A\mid B_i)\,\PP(B_i)}{\sum_{j}\PP(A\mid B_j)\,\PP(B_j)}\) — de la a priori la a posteriori.

Breviar: independență și probleme clasice

Rezultate din Cursul 2 folosite azi (continuare)
  • Independență (Definiția 8 din Cursul 2): \(A\indep B\) dacă \(\PP(A\cap B)=\PP(A)\,\PP(B)\); se păstrează la trecerea la complementare (Propoziția 9 din Cursul 2). \(A_1,\dots,A_n\) sunt (mutual) independente (Definiția 10 din Cursul 2) dacă relația de produs are loc pentru orice subfamilie; atunci \(\PP(\text{cel puțin unul})=1-\prod_{i}\big(1-\PP(A_i)\big)\).
  • Independență condiționată (Definiția 11 din Cursul 2): \(\PP(A\cap B\mid C)=\PP(A\mid C)\,\PP(B\mid C)\).
  • Fiabilitate (Secțiunea 6 din Cursul 2): sistem serie \(p_1p_2\cdots p_m\); sistem paralel \(1-(1-p_1)\cdots(1-p_m)\).
  • Probleme clasice (Secțiunea 8 din Cursul 2): Monty Hall (Exemplul 18 din Cursul 2), urna lui Pólya (Propoziția 12 din Cursul 2), ruina jucătorului (Propoziția 13 din Cursul 2).
  • Interpretarea frecvenționistă (Secțiunea 2 din Cursul 2): în \(N\) repetări, \(\PP(A\mid B)\approx N(A\cap B)/N(B)\) — frecvența lui \(A\) printre repetările în care \(B\) s-a realizat.

Breviar: instrumentele R ale ședinței

Instrumente R folosite azi
  • vectori logici: A & B, A | B, !A; sum(A) numără valorile TRUE, mean(A) este frecvența lor relativă;
  • selecție logică: x[B]. Ideea centrală a laboratorului: \(\PP(A\mid B)\) se estimează prin mean(A[B]), adică sum(A & B) / sum(B);
  • runif(n) < p — n încercări independente, reușite cu probabilitatea p; sample(x, size, replace = TRUE, prob = p) — extrageri cu probabilități inegale;
  • ifelse(cond, a, b), which(cond), setdiff(x, y), x %% 2, x %in% y;
  • for (k in 1:m) {...}, while (cond) {...}; prod, cumsum, cumprod;
  • sapply(v, f), apply(M, 1, f); replicate(nsim, f()) cu rowMeans; table(x); all.equal(a, b);
  • o capcană: pentru x = 5, sample(x, 1) alege din 1:5; scriem x[sample(length(x), 1)] (Exercițiul 10).

Probabilitate condiționată și regula înmulțirii

Două zaruri: ce schimbă o informație

Exercițiul 1 (Două zaruri: ce schimbă o informație)

La seminar Aruncăm două zaruri echilibrate, unul roșu și unul albastru, și considerăm evenimentele: \[ \begin{aligned} A&=\text{„suma punctelor este cel puțin 9”},\qquad B=\text{„zarul roșu arată 5”},\\ C&=\text{„cel puțin unul dintre zaruri arată 5”}. \end{aligned} \]

  1. Calculați \(\PP(A)\), \(\PP(A\mid B)\) și \(\PP(A\mid C)\). Care dintre informațiile \(B\) și \(C\) îl face pe \(A\) mai probabil?

  2. Calculați \(\PP(B\mid A)\) și comparați cu \(\PP(A\mid B)\).

  3. Enumerați în R cele \(36\) de rezultate, scrieți o funcție p_cond(A, B) care calculează \(\PP(A\mid B)\) prin numărare și verificați rezultatele de la (a) și (b).

  4. Estimați \(\PP(A\mid C)\) prin simulare, folosind \(10^5\) aruncări ale celor două zaruri.

Chei încercate pe rând

Exercițiul 2 (Chei încercate pe rând)

La seminar Pe un inel sunt \(8\) chei, dintre care exact una deschide ușa. Încercăm cheile una câte una, alese la întâmplare, până când ușa se deschide. Fie \(D_k\) evenimentul „ușa se deschide la încercarea \(k\)”. Comparăm două metode:

  • metoda A (fără revenire): o cheie încercată este pusă deoparte;
  • metoda B (cu revenire): după fiecare încercare nereușită cheile se amestecă din nou, astfel că aceeași cheie poate fi încercată de mai multe ori.
  1. Pentru metoda A, desenați arborele de probabilitate al primelor trei încercări și calculați \(\PP(D_k)\) pentru \(k=1,\dots,8\).

  2. Pentru metoda B, calculați \(\PP(D_k)\) pentru \(k\ge1\).

  3. Pentru fiecare metodă, care este probabilitatea să fie necesare mai mult de \(5\) încercări?

  4. Simulați în R cele două metode și comparați frecvențele cu rezultatele de la (a)–(c).

Urna lui Pólya în trei pași

Exercițiul 3 (Urna lui Pólya în trei pași)

Pentru acasă O urnă conține \(2\) bile albe și o bilă neagră. Extragem o bilă la întâmplare, îi notăm culoarea și o punem înapoi împreună cu încă o bilă de aceeași culoare; repetăm procedeul (urna lui Pólya din Propoziția 12 din Cursul 2, cu \(a=2\), \(n=1\), \(d=1\)). Fie \(A_k\) = „a \(k\)-a bilă extrasă este albă”.

  1. Desenați arborele de probabilitate al primelor două extrageri și calculați \(\PP(A_2)\).

  2. Calculați probabilitățile succesiunilor (albă, albă, neagră), (albă, neagră, albă) și (neagră, albă, albă). Ce observați?

  3. Determinați probabilitatea ca, în primele trei extrageri, să apară exact \(j\) bile albe, \(j=0,1,2,3\).

  4. Știind că în primele trei extrageri au apărut exact două bile albe, care este probabilitatea ca prima bilă extrasă să fi fost albă?

  5. Scrieți o funcție R care simulează \(m\) extrageri și verificați prin simulare (a)–(d).

Formula probabilității totale și formula lui Bayes

Trei mașini și o cutie suspectă

Exercițiul 4 (Trei mașini și o cutie suspectă)

La seminar Reluăm modelul din Exercițiul 4 din Cursul 2, cu alte date și cu o întrebare nouă. Trei mașini \(M_1\), \(M_2\), \(M_3\) produc \(45\%\), \(35\%\), respectiv \(20\%\) din piesele unei fabrici, iar proporțiile de piese defecte sunt \(1\%\), \(2\%\), respectiv \(4\%\).

  1. Care este probabilitatea ca o piesă aleasă la întâmplare să fie defectă?
  2. O piesă aleasă la întâmplare este defectă. Care este probabilitatea să provină de la fiecare mașină?
  3. Piesele sunt ambalate în cutii, toate piesele dintr-o cutie provenind de la aceeași mașină; o cutie aleasă la întâmplare provine de la \(M_1\), \(M_2\), \(M_3\) cu probabilitățile \(0.45\), \(0.35\), \(0.20\). Odată cunoscută mașina, piesele din cutie sunt defecte independent una de alta. Dintr-o cutie verificăm două piese și ambele sunt defecte. Care este acum probabilitatea ca ea să provină de la fiecare mașină? Care este probabilitatea ca a doua piesă să fie defectă, știind că prima este defectă?
  4. Scrieți o funcție R bayes(prior, veros) care primește probabilitățile a priori și verosimilitățile și întoarce probabilitățile a posteriori. Verificați (b) și (c), apoi estimați aceleași probabilități simulând \(10^6\) cutii.

Un filtru anti-spam cu trei cuvinte

Exercițiul 5 (Un filtru anti-spam cu trei cuvinte)

Pentru acasă Extindem filtrul din Exercițiul 5 din Cursul 2. Dintre mesajele primite de un server, \(30\%\) sunt spam. Cuvântul „ofertă” apare în \(40\%\) dintre mesajele spam și în \(5\%\) dintre cele legitime; cuvântul „urgent” apare în \(30\%\), respectiv \(10\%\); cuvântul „ședință” apare în \(2\%\), respectiv \(25\%\). Presupunem că aparițiile celor trei cuvinte sunt independente condiționat de tipul mesajului.

  1. Un mesaj conține cuvântul „ofertă” (despre celelalte cuvinte nu știm nimic). Care este probabilitatea să fie spam?
  2. Un mesaj conține „ofertă” și „urgent”, dar nu conține „ședință”. Aceeași întrebare.
  3. Un mesaj conține „ofertă” și „ședință”, dar nu conține „urgent”. Aceeași întrebare. Comentați.
  4. Scrieți o funcție R care calculează probabilitatea de spam pentru orice combinație de cuvinte prezente și absente, și construiți tabelul celor \(8\) tipuri de mesaje. Filtrul marchează drept spam mesajele cu probabilitatea de spam mai mare decât \(1/2\): ce proporție din mesaje sunt clasificate greșit? Verificați prin simulare.

Un test de diagnostic

Exercițiul 6 (Un test de diagnostic)

La seminar Un test de depistare pentru o afecțiune cu prevalența de \(0.8\%\) are senzitivitatea \(0.92\) și specificitatea \(0.96\) (noțiunile sunt cele din Exemplul 7 din Cursul 2). O persoană aleasă la întâmplare din populație efectuează testul.

  1. Testul este pozitiv. Care este probabilitatea ca persoana să aibă afecțiunea? Dar probabilitatea ca persoana să fie sănătoasă, dacă testul este negativ?
  2. Scrieți o funcție R posterior(prev, sens, spec) care calculează probabilitatea bolii după un test pozitiv și reprezentați grafic această probabilitate în funcție de prevalență. De la ce prevalență un test pozitiv înseamnă boală cu probabilitate cel puțin \(1/2\)?
  3. Persoana repetă testul, iar al doilea rezultat este tot pozitiv. Presupunând că cele două teste sunt independente condiționat de starea persoanei, care este acum probabilitatea bolii?
  4. Simulați o populație de \(10^5\) persoane, fiecare testată de două ori, și estimați probabilitățile de la (a) și (c) ca frecvențe relative condiționate. Sunt rezultatele celor două teste independente?

Independență

Independență pe două zaruri

Exercițiul 7 (Independență pe două zaruri)

La seminar Aruncăm două zaruri echilibrate. Ca în Exercițiul 1, notăm cu \(x\) și \(y\) rezultatele celor două zaruri.

  1. Fie \(S_7\) = „suma este \(7\)” și \(U_i\) = „primul zar arată \(i\)”. Arătați că \(S_7\) și \(U_i\) sunt independente pentru orice \(i\in\{1,\dots,6\}\). Rămâne afirmația adevărată pentru \(S_6\) = „suma este \(6\)”?

  2. Fie \(I_1\) = „primul zar arată un număr impar”, \(I_2\) = „al doilea zar arată un număr impar” și \(I_3\) = „suma este impară”. Arătați că \(I_1,I_2,I_3\) sunt independente două câte două, dar nu sunt (mutual) independente.

  3. Fie \(A\) = „primul zar arată \(1\), \(2\) sau \(3\)”, \(B\) = „primul zar arată \(3\), \(4\) sau \(5\)” și \(C\) = „suma este \(9\)”. Arătați că \(\PP(A\cap B\cap C)=\PP(A)\,\PP(B)\,\PP(C)\), deși nicio pereche dintre cele trei evenimente nu este independentă.

  4. Scrieți o funcție R indep(A, B) care verifică, pe spațiul stărilor enumerat, dacă două evenimente sunt independente, și verificați cu ea punctele (a)–(c).

Fiabilitatea unui sistem

Exercițiul 8 (Fiabilitatea unui sistem)

Dacă timpul permite Componentele sistemelor de mai jos funcționează independent una de alta. Un sistem funcționează dacă există un drum de la \(S\) la \(T\) format numai din componente funcționale.

  1. În sistemul I, componenta \(1\) (un distribuitor de sarcină) funcționează cu probabilitatea \(0.95\), iar componentele \(2\) și \(3\) (două servere) cu probabilitatea \(0.9\) fiecare. Calculați probabilitatea ca sistemul să funcționeze.

  2. Știind că sistemul I nu funcționează, care este probabilitatea ca distribuitorul să fie defect?

Fiabilitatea unui sistem (continuare)

Exercițiu (Fiabilitatea unui sistem (continuare))
  1. Un sistem cu redundanță triplă este format din trei module identice și funcționează dacă cel puțin două dintre ele funcționează. Dacă fiecare modul funcționează cu probabilitatea \(p\), calculați probabilitatea de funcționare a sistemului. Pentru ce valori ale lui \(p\) este el mai fiabil decât un singur modul?

  2. În sistemul II (puntea din Exercițiul 8 din Cursul 2), componentele funcționează cu probabilitățile \(p_1=p_4=0.9\), \(p_2=p_3=0.8\), \(p_5=0.7\). Calculați probabilitatea de funcționare.

  3. Scrieți o funcție R care calculează exact fiabilitatea unui sistem cu \(m\) componente, enumerând cele \(2^m\) stări posibile, și verificați (a), (c) și (d). Estimați prin simulare probabilitatea de la (b).

Verificarea egalității a două polinoame

Exercițiul 9 (Verificarea egalității a două polinoame)

Dacă timpul permite Un program primește două polinoame de grad cel mult \(d\): \(F\), scris ca produs de factori, și \(G\), scris în formă dezvoltată, \[ F(x)=(x-a_1)(x-a_2)\cdots(x-a_d),\qquad G(x)=c_dx^d+c_{d-1}x^{d-1}+\dots+c_1x+c_0, \] și trebuie să decidă dacă \(F\) și \(G\) sunt același polinom. Dezvoltarea produsului cere un număr de înmulțiri de ordinul \(d^2\). Următorul algoritm randomizat cere doar un număr de operații de ordinul \(d\): alegem la întâmplare, uniform, un număr \(r\in\{1,2,\dots,100d\}\) și calculăm \(F(r)\) și \(G(r)\); dacă \(F(r)\ne G(r)\) răspundem „diferite”, altfel răspundem „egale”.

  1. Arătați că răspunsul „diferite” este întotdeauna corect și că, dacă \(F\ne G\), algoritmul greșește (răspunde „egale”) cu probabilitate cel mult \(1/100\).

Verificarea egalității a două polinoame (continuare)

Exercițiu (Verificarea egalității a două polinoame (continuare))
  1. Repetăm testul de \(k\) ori, cu numere \(r_1,\dots,r_k\) alese independent (cu revenire), și răspundem „egale” doar dacă \(F(r_j)=G(r_j)\) pentru toți \(j\). Arătați că, dacă \(F\ne G\), probabilitatea de eroare este cel mult \(100^{-k}\). Câte repetări garantează o probabilitate de eroare sub \(10^{-9}\)?

  2. Ce margine obținem dacă numerele \(r_1,\dots,r_k\) sunt alese fără revenire? Comparați cele două margini pentru \(d=5\) și \(k=2\). Ce se întâmplă pentru \(k=d+1\)?

  3. Implementați algoritmul în R și aplicați-l polinomului \(F(x)=(x-1)(x+2)(x-3)(x+4)(x-5)\) și polinoamelor: \(G_0\), dezvoltarea corectă a lui \(F\); \(G_1\), obținut din \(G_0\) prin înlocuirea coeficientului \(51\) al lui \(x^2\) cu \(15\); \(G_2=F+D\), unde \(D(x)=(x-10)(x-20)(x-30)(x-40)(x-50)\). Estimați prin simulare probabilitatea de eroare și comparați-o cu marginile de la (a)–(c).

Probleme clasice prin simulare

Monty Hall prin simulare

Exercițiul 10 (Monty Hall prin simulare)

Dacă timpul permite Reluăm jocul din Exemplul 18 din Cursul 2: în spatele uneia dintre uși se află o mașină, în spatele celorlalte câte o capră; concurentul alege o ușă, iar gazda, care știe unde este mașina, deschide uși cu capre dintre celelalte.

  1. Scrieți o funcție R care simulează un joc cu trei uși și estimați probabilitatea de câștig pentru strategiile „păstrez ușa” și „schimb ușa”. Comparați cu valorile din Exemplul 18 din Cursul 2.

  2. Generalizare: sunt \(n\ge3\) uși, iar gazda deschide \(m\) uși cu capre (\(1\le m\le n-2\)) dintre cele \(n-1\) nealese. Concurentul poate păstra ușa aleasă sau poate alege, la întâmplare, una dintre celelalte \(n-m-1\) uși rămase închise. Calculați probabilitatea de câștig pentru fiecare strategie. Merită întotdeauna să schimbe?

  3. Verificați formula de la (b) prin simulare, pentru câteva perechi \((n,m)\).

Ruina jucătorului prin simulare

Exercițiul 11 (Ruina jucătorului prin simulare)

Pentru acasă Un jucător pornește cu capitalul \(k\) și joacă runde independente: la fiecare rundă câștigă o unitate cu probabilitatea \(p\) sau pierde o unitate cu probabilitatea \(q=1-p\). Jocul se oprește când capitalul ajunge la \(0\) (ruină) sau la ținta \(N\). Notăm cu \(p_k\) probabilitatea de ruină, dată de Propoziția 13 din Cursul 2.

  1. Pentru \(N=3\) și \(k=1\), determinați direct \(p_1\), scriind formula probabilității totale după rezultatul primei runde. Verificați cu formula din Propoziția 13 din Cursul 2.
  2. Calculați probabilitatea de ruină pentru \(k=3\) și \(N=10\), în jocul echitabil (\(p=1/2\)) și în jocul ușor defavorabil cu \(p=0.45\).
  3. Scrieți o funcție R care simulează un joc și întoarce evoluția capitalului. Reprezentați grafic două jocuri simulate.
  4. Estimați prin simulare, în cele două situații de la (b), probabilitatea de ruină și numărul mediu de runde ale unui joc. Comparați probabilitățile cu valorile teoretice, pentru \(k=3\) și apoi pentru toate valorile \(k=1,\dots,9\).

Studiu individual și temă

Pentru studiul individual

Patru exerciții care reiau modelele și funcțiile R din ședință; răspunsurile: în fișa de lucru; rezolvările complete vor fi publicate ulterior.

Exercițiul 12 (Paznicul obosit)

Pentru acasă Paznicul are cele \(8\) chei din Exercițiul 2: odihnit, le încearcă cu metoda A; obosit (într-o noapte din trei), cu metoda B. (a) Primele \(5\) încercări eșuează: care este probabilitatea ca el să fie obosit? (b) Aceeași probabilitate după \(j\) încercări eșuate, \(j=0,1,\dots,8\). (c) Verificați (a) prin simulare.

Exercițiul 13 (Un zar, apoi monede)

Pentru acasă Aruncăm un zar echilibrat, apoi o monedă echilibrată de atâtea ori câte puncte a arătat zarul. Care este probabilitatea: (a) să nu obținem niciun cap; (b) ca zarul să fi arătat \(i\), știind că nu am obținut niciun cap; (c) să obținem exact \(4\) capete? (d) Verificați prin simulare.

Pentru studiul individual (continuare)

Exercițiul 14 (Monty Hall cu o gazdă cu preferințe)

Pentru acasă Concurentul alege ușa \(1\); când are de ales între ușile \(2\) și \(3\), gazda deschide ușa \(2\) cu probabilitatea \(\theta\). (a) Gazda deschide ușa \(2\) (respectiv \(3\)): care este probabilitatea ca schimbarea să aducă mașina? (b) Arătați că „schimb” câștigă, în total, tot cu probabilitatea \(2/3\). (c) Simulați pentru \(\theta=1\) și \(\theta=0.8\).

Exercițiul 15 (Un bit transmis prin relee)

Pentru acasă Un bit trece prin \(n\) relee; fiecare, independent, îl inversează cu probabilitatea \(0.1\); \(a_n\) = probabilitatea ca bitul primit să fie cel trimis. (a) Arătați că \(a_{n+1}=0.9\,a_n+0.1\,(1-a_n)\), \(a_0=1\). (b) Verificați că \(a_n=\frac12(1+0.8^n)\). (c) \(n=4\): știind că bitul a ajuns corect, care este probabilitatea ca primul releu să nu-l fi inversat? (d) Calcul în R și simulare.

Temă (răspunsuri: în fișa de lucru)

  1. Aruncăm două zaruri echilibrate. Calculați probabilitatea ca cel puțin unul să arate \(6\), știind că: (i) zarurile arată numere diferite; (ii) suma este cel puțin \(10\). Verificați în R cu p_cond (Exercițiul 1).
  2. Un lot de \(12\) plăci video conține \(3\) plăci defecte. Testăm pe rând, fără revenire, \(3\) plăci. Calculați probabilitatea ca: (i) niciuna să nu fie defectă; (ii) prima placă defectă găsită să fie a treia testată.
  3. Un student repartizează \(2\) bile albe și \(2\) negre în două urne nevide; profesorul alege o urnă la întâmplare și extrage o bilă, iar studentul promovează dacă bila este neagră. (i) Care este repartizarea optimă? (ii) Scrieți o funcție R pentru probabilitatea de promovare și găsiți repartizarea optimă pentru \(10\) bile albe și \(10\) negre.
  4. Două categorii de șoferi, la fel de numeroase, au un accident într-un an cu probabilitatea \(0.2\), respectiv \(0.05\), independent de la un an la altul. Fie \(A_1\), \(A_2\) = „accident în primul”, respectiv „în al doilea an”. Calculați \(\PP(A_1)\), \(\PP(A_2\mid A_1)\) și probabilitatea ca asiguratul să fie din prima categorie, știind \(A_1\). Sunt \(A_1\) și \(A_2\) independente?

Temă (continuare)

  1. Un test de alcoolemie este pozitiv cu probabilitatea \(0.99\) pentru un șofer care a depășit limita și negativ cu probabilitatea \(0.99\) pentru unul care nu a depășit-o; \(0.5\%\) dintre șoferi depășesc limita. (i) Care este probabilitatea ca un șofer testat pozitiv să fi depășit limita? (ii) Dar dacă \(30\%\) depășesc limita? (iii) Cu posterior (Exercițiul 6): cea mai mică valoare comună \(p\) a senzitivității și specificității pentru care (i) este cel puțin \(0.95\).
  2. Se transmit biți: \(0\) cu probabilitatea \(0.6\) și \(1\) cu probabilitatea \(0.4\); un \(0\) este recepționat greșit cu probabilitatea \(0.05\), un \(1\) cu probabilitatea \(0.10\). (i) Care este probabilitatea să recepționăm \(1\)? (ii) Dacă am recepționat \(1\), care este probabilitatea să fi fost transmis \(1\)? (iii) Pe un canal care inversează fiecare bit cu probabilitatea \(0.1\), un bit se transmite de trei ori și se decodifică prin vot majoritar: cu ce probabilitate este decodificat greșit?
  3. Cu test_egalitate (Exercițiul 9), verificați identitatea \((x-1)(x-2)(x-3)(x-4)=x^4-10x^3+35x^2-50x+24\), apoi varianta cu \(53\) în loc de \(35\) (\(1000\) de rulări). Câte repetări \(k\) garantează o eroare sub \(10^{-12}\)?
  4. Ruleta europeană: un pariu pe „roșu” se câștigă cu probabilitatea \(18/37\). Un jucător pornește cu \(5\) unități și se oprește la \(0\) sau la \(10\). Estimați din \(10^4\) jocuri (Exercițiul 11) probabilitatea de ruină și durata medie.

Bibliografie

Pentru aprofundare: (Blitzstein and Hwang 2019, cap. 2), (Bertsekas and Tsitsiklis 2008, cap. 1), (Wagaman and Dobrow 2021, cap. 2); pentru algoritmii probabiliști (verificarea egalității a două polinoame): (Mitzenmacher and Upfal 2017, cap. 1).

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.
Mitzenmacher, Michael, and Eli Upfal. 2017. Probability and Computing: Randomization and Probabilistic Techniques in Algorithms and Data Analysis. 2nd ed. Cambridge University Press.
Wagaman, Amy S., and Robert P. Dobrow. 2021. Probability with Applications and R. 2nd ed. Wiley.