LUCRAREA DE LABORATOR Nr.

2
TEMA: PROBABILITĂȚI I.
1. SCOPUL LUCRĂRII:
Studiul și calculul probabilităților.
2. PREZENTAREA LUCRĂRII:
Exercițiile se rezolvă utilizând softul matematic Wolfram Mathematica.
Numărul variantei n coincide cu numărul dumneavoastră în registrul profesorului.
1. Să se perfecteze o foaie de titlu în stil obișnuit, folosind instrumentele de tehnoredactare din
Wolfram Mathematica, cu indicarea disciplinei, numelui, grupei, facultății, specialității și
numărului variantei.
2. Să se efectueze un Page Break
3. În continuare, se scrie condiția exercițiului și rezolvarea acestuia.
4. Se salvează fișierul cu extensia .nb cu numele fișierului: [Link]
Lucrarea se prezintă în cadrul orei de laborator.
3. SARCINA DE BAZĂ
1. Se aruncă un zar de două ori. Să se calculeze probabilităţile evenimentelor aleatoare: 1)  A = suma
numerelor apărute nu va întrece m, 2) B = suma numerelor apărute va fi egală cu r, 3) G = produsul
numerelor apărute va fi mai mare ca n. Valorile parametrilor m, n şi r sunt date pe variante.
1) m=4, n=14 , r=5; 2) m=5, n=13 , r=4; 3) m=6, n=12 , r=3;
4) m=7, n=11 , r=6; 5) m=8, n=10 , r=4; 6) m=4, n=13 , r=5;
7) m=5, n=12 , r=6; 8) m=6, n=11 , r=3; 9) m=7, n=10 , r=5;
10) m=8, n=14 , r=6; 11) m=4, n=12 , r=4; 12) m=5, n=11 , r=3;
13) m=6, n=10 , r=6; 14) m=7, n=14 , r=4; 15) m=8, n=13 , r=3;
16) m=4, n=12 , r=5; 17) m=5, n=11 , r=4; 18) m=6, n=10 , r=3;
19) m=7, n=14 , r=5; 20) m=8, n=13 , r=6; 21) m=4, n=11 , r=3;
22) m=5, n=10 , r=5; 23) m=6, n=14 , r=6; 24) m=7, n=13 , r=4;
25) m=8, n=12 , r=5; 26) m=4, n=10 , r=6; 27) m=5, n=11 , r=4;
28) m=6, n=12 , r=3; 29) m=7, n=13 , r=6; 30) m=8, n=14 , r=4.
2. Într-un lot care conţine n piese de acelaşi tip sunt 8 piese cu careva defect. Se extrag fără
revenire 6 piese. Dacă toate piesele extrase sunt calitative, atunci lotul este acceptat, în caz contrar este
refuzat. Să se calculeze probabilitatea evenimentului A = lotul va fi acceptat. Parametrul n este egal cu
100 plus numărul variantei.
3. Un aparat constă din trei elemente care în timpul funcţionării lui pot să se deterioreze
independent unul de altul. Notăm: Ai = elementul i se va deteriora, i = 1, 2, 3. Se cunosc probabilităţile
acestor evenimente: p1 = P(A1), p2 = P(A2), p3 = P(A3), valorile cărora sunt date pe variante după enunţul
exerciţiului. Să se calculeze probabilităţile evenimentelor: A = nu se va deteriora nici un element, B =
se va deteriora un singur element, C = se vor deteriora exact două elemente, D = se vor deteriora
toate elementele, E = primul element nu se va deteriora.
1) p1=0,9, p2=0,8, p3=0,7; 2) p1=0,7, p2=0,8, p3=0,7;
3) p1=0,6, p2=0,8, p3=0,7; 4) p1=0,5, p2=0,8, p3=0,7;
5) p1=0,4, p2=0,8, p3=0,7; 6) p1=0,9, p2=0,8, p3=0,6;
7) p1=0,7, p2=0,8, p3=0,6; 8) p1=0,5, p2=0,8, p3=0,6;
9) p1=0,4, p2=0,8, p3=0,6; 10) p1=0,4, p2=0,6, p3=0,5;
11) p1=0,7, p2=0,6, p3=0,5; 12) p1=0,8, p2=0,6, p3=0,5;
13) p1=0,9, p2=0,6, p3=0,5; 14) p1=0,5, p2=0,8, p3=0,4;
15) p1=0,6, p2=0,8, p3=0,4; 16) p1=0,7, p2=0,8, p3=0,4;
17) p1=0,9, p2=0,8, p3=0,4; 18) p1=0,4, p2=0,8, p3=0,5;
19) p1=0,6, p2=0,7, p3=0,5; 20) p1=0,8, p2=0,7, p3=0,5;
21) p1=0,7, p2=0,8, p3=0,9; 22) p1=0,7, p2=0,8, p3=0,3;
23) p1=0,7, p2=0,8, p3=0,6; 24) p1=0,7, p2=0,6, p3=0,5;
25) p1=0,7, p2=0,8, p3=0,4; 26) p1=0,6, p2=0,8, p3=0,9;
27) p1=0,6, p2=0,7, p3=0,8; 28) p1=0,6, p2=0,8, p3=0,5;
29) p1=0,6, p2=0,8, p3=0,4; 30) p1=0,5, p2=0,6, p3=0,4.
4. Un magazin primeşte pentru vânzare articole cu exterioare identice, fabricate la trei uzine în
proporţie de: n1% de la uzina nr.1, n2% de la uzina nr.2 şi n3% de la uzina nr.3. Procentele de articole
defectate sunt: m1 pentru uzina nr.1, m2 pentru uzina nr.2 şi m3 pentru uzina nr.3. Valorile parametrilor se
conţin, pe variante, după enunţul exerciţiului. !) Care este probabilitatea ca un articol cumpărat să fie
calitativ? 2) Un articol luat la întâmplare este defectat. Care este probabilitatea că acest articol a fost
fabricat la uzina nr.k.
1) n1=20, n2=30, n3=50, m1=5, m2=3, m3=2, k=1;
2) n1=10, n2=40, n3=50, m1=3, m2=2, m3=5; k=2;
3) n1=30, n2=20, n3=50, m1=4, m2=1, m3=5; k=3;
4) n1=40, n2=10, n3=50, m1=1, m2=5, m3=4; k=1;
5) n1=10, n2=50, n3=40, m1=2, m2=4, m3=4; k=2;
6) n1=20, n2=40, n3=40, m1=3, m2=3, m3=4; k=3;
7) n1=30, n2=30, n3=40, m1=4, m2=2, m3=4; k=1;
8) n1=40, n2=20, n3=40, m1=5, m2=1, m3=4; k=2;
9) n1=50, n2=10, n3=40, m1=1, m2=6, m3=3; k=3;
10) n1=10, n2=60, n3=30, m1=2, m2=5, m3=3; k=1;
11) n1=20, n2=50, n3=30, m1=3, m2=4, m3=3; k=2;
12) n1=30, n2=40, n3=30, m1=4, m2=3, m3=3; k=3;
13) n1=40, n2=30, n3=30, m1=5, m2=2, m3=3; k=1;
14) n1=50, n2=20, n3=30, m1=6, m2=1, m3=3; k=2;
15) n1=60, n2=10, n3=30, m1=1, m2=7, m3=2; k=3;
16) n1=10, n2=70, n3=20, m1=2, m2=6, m3=2; k=1;
17) n1=20, n2=60, n3=20, m1=3, m2=5, m3=2; k=2;
18) n1=30, n2=50, n3=20, m1=4, m2=4, m3=2; k=3;
19) n1=40, n2=40, n3=20, m1=5, m2=3, m3=2; k=1;
20) n1=50, n2=30, n3=20, m1=6, m2=2, m3=2; k=2;
21) n1=10, n2=40, n3=50, m1=7, m2=5, m3=4; k=3;
22) n1=20, n2=60, n3=20, m1=6, m2=3, m3=7; k=1;
23) n1=30, n2=20, n3=50, m1=4, m2=5, m3=6; k=2;
24) n1=40, n2=20, n3=40, m1=5, m2=7, m3=6; k=3;
25) n1=40, n2=30, n3=30, m1=5, m2=4, m3=6; k=1;
26) n1=40, n2=10, n3=50, m1=3, m2=8, m3=4; k=2;
27) n1=50, n2=30, n3=20, m1=3, m2=4, m3=5; k=3;
28) n1=20, n2=50, n3=30, m1=5, m2=6, m3=4; k=1;
29) n1=30, n2=20, n3=50, m1=7, m2=5, m3=6; k=2;
30) n1=40, n2=50, n3=10, m1=5, m2=6, m3=8, k=3.
5. O monedă se aruncă de n ori. Să se calculeze probabilităţile evenimentelor: A = stema va
apare de k ori, B = stema va apare nu mai mult de 2 ori, C = stema nu va apare niciodată. Numărul
n este egal cu 25 plus numărul variantei, iar k este egal cu 10 plus numărul variantei.
6. Probabilitatea ca un aparat electric să se defecteze în perioada de garanţie este p=0,12. Să se
calculeze probabilitatea ca din 1000 aparate cumpărate, în perioada de garanţie, se vor defecta exact m
aparate. Numărul m coincide cu numărul variantei adunat cu 100.
7. Într-o urnă sunt n bile de trei culori: n1 bile albe, n2 bile negre şi n3 bile albastre. Se extrag
succesiv cu revenire m bile. Să se calculeze probabilităţile evenimentelor: A = toate bilele extrase vor fi
albe, B = m1 bile vor fi albe, m2 vor fi negre şi m3 vor fi albastre, C = m1 bile vor fi albe iar restul vor
fi de alte culori.
1) n=15, n1=4 n2=5, n3=6, m=10, m1=2, m2=3, m3=5;
2) n=15, n1=3, n2=6, n3=6, m=10, m1= 2, m2=4, m3=4;
3) n=15, n1=5, n2=4, n3=6, m=10, m1=3, m2=2, m3=5
4) n=15, n1=6, n2=5, n3=4, m=10, m1=5, m2=3, m3=2;
5) n=15, n1=4, n2=6, n3=5, m=10, m1=2, m2=4, m3=4;
6) n=15, n1=3, n2=5, n3=7, m=9, m1=1, m2=3, m3=5;
7) n=15, n1=5, n2=6, n3=4, m=9, m1=2, m2=5, m3=2;
8) n=15, n1=6, n2=4, n3=5, m=9, m1=3, m2=2, m3=4;
9) n=15, n1=7, n2=4, n3=4, m=9, m1=5, m2=3, m3=1;
10) n=15, n1=7, n2=3, n3=5, m=9, m1=4, m2=2, m3=3;
11) n=18, n1=4, n2=6, n3=8, m=10, m1=2, m2=3, m3=5;
12) n=18, n1=5, n2=5, n3=8, m=10, m1=4, m2=1, m3=5;
13) n=18, n1=4, n2=8, n3=6, m=10, m1=2, m2=4, m3=4;
14) n=18, n1=5, n2=8, n3=5, m=10, m1=3, m2=5, m3=2;
15) n=18, n1=5, n2=6, n3=7, m=10, m1=3, m2=4, m3=3;
16) n=16, n1=5, n2=7, n3=6, m=9, m1=3, m2=3, m3=3;
17) n=18, n1=6, n2=5, n3=7, m=9, m1=3, m2=2, m3=4;
18) n=18, n1=6, n2=7, n3=5, m=9, m1=4, m2=4, m3=1;
19) n=18, n1=6, n2=8, n3=4, m=9, m1=4, m2=3, m3=2;
20) n=18, n1=6, n2=4, n3=8, m=9, m1=3, m2=2, m3=5;
21) n=16, n1=5, n2=5, n3=6, m=8, m1=2, m2=3, m3=3;
22) n=16, n1=5, n2=6, n3=5, m=8, m1=3, m2=2, m3=3;
23) n=16, n1=5, n2=7, n3=4, m=8, m1=3, m2=4, m3=1;
24) n=16, n1=5, n2=4, n3=7, m=8, m1=3, m2=2, m3=3;
25) n=16, n1=6, n2=5, n3=5, m=8, m1=4, m2=3, m3=1;
26) n=16, n1=6, n2=4, n3=6, m=9, m1=3, m2=3, m3=3;
27) n=16, n1=6, n2=6, n3=4, m=9, m1=2, m2=4, m3=2;
28) n=16, n1=7, n2=4, n3=5, m=9, m1=4, m2=2, m3=3;
29) n=16, n1=7, n2=5, n3=4, m=9, m1=5, m2=2, m3=2;
30) n=16, n1=4, n2=5, n3=7, m=9, m1=2, m2=3, m3=4.
8. Să se calculeze probabilităţile evenimentelor A, B şi C din exerciţiul 7 cu condiţia că bilele
extrase nu revin în urnă.
9. 1) Care este probabilitatea că numărul 3 va apărea pentru prima dată la a m-a aruncare a
zarului? 2) Care este probabilitatea că la primele m aruncări ale zarului numărul 3 nu va apărea?
Numărul m este numărul variantei adunat cu 4.
10. Probabilitatea unui eveniment A într-o experienţă aleatoare este p: p = P(A). 1) Să se calculeze
probabilitatea ca în decursul a 1000 repetări a acestei experienţe evenimentul A se va realiza de k ori (să
se folosească formula care rezultă din teorema locală Moivre-Laplace şi formula care rezultă din teorema
Poisson). 2) Să se calculeze probabilitatea că numărul de realizări ale evenimentului A să fie cuprins între
k1 şi k2.
1) p=0,008, k=9, k1=5, k2=13, 2) p=0,009, k=10, k1=6, k2=14,
3) p=0,011, k=11, k1=7, k2=15, 4) p=0,011 k=9, k1=7, k2=15,
5) p=0,012, k=10, k1=8, k2=16, 6) p=0,008, k=10, k1=7, k2=13,
7) p=0,009, k=11, k1=8, k2=14, 8) p=0,01, k=12, k1=9, k2=15,
9) p=0,011, k=10, k1=9, k2=14, 10) p=0,012, k=11, k1=10, k2=15,
11) p=0,008, k=11, k1=6, k2=13, 12) p=0,009, k=12, k1=7, k2=13,
13) p=0,01, k=13, k1=8, k2=15, 14) p=0,011, k=11, k1=9, k2=14,
15) p=0,012, k=13, k1=10, k2=15, 16) p=0,008, k=7, k1=5, k2=10,
17) p=0,009, k=8, k1=6, k2=16, 18) p=0,01, k=9, k1=7, k2=17,
19) p=0,011, k=10, k1=6, k2=17, 20) p=0,012, k=11, k1=8, k2=18,
21) p=0,008, k=9, k1=5, k2=15, 22) p=0,009, k=10, k1=6, k2=15,
23) p=0,01, k=9, k1=4, k2=14, 24) p=0,011, k=10, k1=6, k2=17,
25) p=0,012, k=11, k1=5, k2=14, 26) p=0,008, k=9, k1=5, k2=15,
27) p=0,009, k=8, k1=4, k2=14, 28) p=0,01, k=9, k1=7, k2=17,
29) p=0,011, k=12, k1=8, k2=18, 30) p=0,012, k=11, k1=6, k2=17.
 3. NOTE DE CURS

2.2. Calculul probabilităţilor clasice

Pentru început vom formula definiţia clasică a probabilităţii în varianta ei modernă.
Definiţia clasică a probabilităţii. Vom spune că avem de a face cu o probabilitate clasică P
dacă
a) Spaţiul de evenimente elementare  conţine un număr finit de evenimente elementare;
b) Familia de evenimente aleatoare F este reprezentată de toate submulţimile posibile ale lui 
c) P este o aplicatie definită pe F cu valori in mulţimea numerelor reale calculate conform formulei
card A
P( A )=
card Ω , (2.3)
unde card A înseamnă numărul de elemente ale submulţimii respective A din . P(A), reprezentând un
numar, se numeşte probabilitatea evenimentului A, iar tripletul (,F, P) - câmp de probabilitate clasică.
Se observă că probabilitatea clasică este un caz particular al probabilităţii definite axiomatic. În plus,
observăm că din această definiţie rezultă că toate evenimentele elementare sunt echiprobabile şi egale cu
1/card. Or, semnele după care aflăm dacă putem aplica definitia clasică sunt cele care atestă
echiprobabilitatea evenimentelor elementare, cum ar fi sintagmele „ extragere la intamplare”, „monedă
perfectă” sau „simetrică”, zar „perfect” sau „simetric” etc.
Exemplul 1. Să se calculeze probabilitatea că la aruncarea unui zar perfect, de două ori succesiv,
suma numerelor de puncte apărute va fi egală cu 5 (evenimentul aleator A).
Rezolvare. Spaţiul de evenimente elementare  = (i, j): 1  i, j  6. Favorabile evenimentului
A sunt evenimentele elementare A = (1, 4), (2, 3), (3, 2), (4, 1). Cum card A = 4 şi card  = 36, avem
In1:=N4/36
Out1=0,111111.
Exemplul 2. O urnă conţine 60 de bile albe şi 40 de bile negre. 1) Să se calculeze probabilitatea
că o bilă extrasă la întâmplare va fi albă (evenimentul A). 2) Să se calculeze probabilitatea că
douăsprezece bile extrase fără întoarcere vor fi albe (evenimentul B).
Rezolvare. 1) Printre cele 100 de bile din urnă 60 sunt albe. Deci card  = 100 şi card A = 60.
Prin urmare valoarea exactă P(A) = 60/100 = 0,6.
12
2) Deoarece 12 bile din 100 pot fi extrase în C100 moduri, iar 12 bile din cele 60 existente
12
pot fi extrase în C60 moduri, conform definiţiei clasice a probabilităţii şi formulei de calcul a
numărului de combinări din n elemente luate câte m:
n!
C mn =
( m!)(( n−m) ! ) (2.4)
avem:
60 ! 100 !
/
In2:=N ( 12! )∗( 48 ! ) ( 12 ! )∗( 88! ) 
Out2]=0.00133219
Am obţinut rezultatul P(B)=0,00133219.


Probabilitate discretă
Aria de aplicabilitate a probabilităţii clasice este, după cum o arata si urmatoarele exemple, limitată.
Exemplul 1. Considerăm aruncarea o singura dată a unui zar, a cărui centru de greutate este deplasat
astfel încât probabilităţile apariţiei feţelor 1,2,3,4,5,6 se raportează ca 1:2:3:4:5:6. Sa se afle
probabilitatea apariţiei unui număr par de puncte.
Din acest exemplu se vede că formula probabilităţii clasice este inaplicabilă deoarece rezultatele
posibile nu sunt echiprobabile, chiar dacă mulţimea lor.(spaţiul de evenimente elementare) este finita.
Un alt motiv pentru care formula probabilităţii clasice poate fi imposibil de aplicat este faptul că
mulţimea de rezultate posibile intr-un experiment este infinită, fie şi numerabilă (cazul discret).
 Exemplul 2. Considerăm experimentul aleator ce constă în aruncarea unei monede „perfecte” până
la înregistrarea prima dată a „Stemei”. Ne interesează, de exemplu, probabilitatea că experimentul se va
termina în urma a cel mult zece aruncari. Exemplul 4 din p.2.1. arată că acestui experiment âi
corespunde un spaţiu de evenimente elementare infinit, numarabil ca mulţime, ceea ce face imposibilă
aplicaţia formulei probabilităţii clasice.
În scopul posibilităţii abordării cazurilor mentionate în exemplele 1-2, se foloseşte noţiunea de
probabilitate discretă sau de camp de probabilitate discretă.
Definiţia probabilităţii discrete. Vom spune ca avem de a face cu o probabilitate discretă P dacă:
a) spaţiul de evenimente elementare  reprezintă o multime finită sau infinită, cel mult, numerabilă,
adică ={ω1, ω2, ω3,..., ωn , …};
b) familia de evenimente aleatoare F este reprezentată de toate submulţimile posibile ale lui 
c) P este o aplicatie definită pe F cu valori in multimea numerelor reale calculate conform
formulei:
P(A)=suma probabilitatilor pentru fiecare eveniment elementar ce favorizeaza evenimentul A=
∑ P{ωi }
ω i :ωi ∈ A
, unde P verifica urmatoarele 2 axiome:
A1. P{ωi }≥0, pentru orice i≥1;
∑ P{ωi }
ω i :ωi ∈Ω
A2. P(Ω)= =1.
P(A), reprezentînd un numar, se numeste probabilitatea evenimentului A, iar tripletul (,F, P) - câmp
de probabilitate discretă.
Exemplul 3. (continuare Exemplul 1). Observăm că în acest exemplu sunt întrunite toate condiţiile
aplicabilităţii definiţiei probabilităţii discrete:
={ω1, ω2, ω3,..., ω6}={1.2,…,6}, adică spaţiul de evenimente elementare este o mulţime
finită;
2. Familia de evenimente aleatoare F este reprezentată de toate submultimile posibile ale lui
iar in ea regăsim şi evenimentul nostru A={va apare un număr par de puncte}={2,4,6}.
3. Tinând cont de cum se raportează probabilităţile P{i}, deducem că P{i}=i/21. i=1,2,…,6,
ceea ce inseamnă că sunt verificate axiomele A1 şi A2 de mai sus.
In concluzie P(A)=2/21+4/21+6/21=12/21. Or, spre deosebire de cazul clasic (zarul nefiind
„perfect”) P(A)=12/21>1/2.
Exemplul 2 (continuare). Observăm că şi în acest exemplu sunt intrunite toate conditiile
aplicabilităţii definiţiei probabilităţii discrete:
={ω1, ω2, ω3,..., ωn,…}={S, BS,BBS,BBBS,...} , adica spatiul de evenimente elementare
este o mulţime infinită numarabilă;
2. Familia de evenimente aleatoare F este reprezentată de
toate submulţimile posibile ale lui iar in ea regasim şi
evenimentul nostru A={experimentul se va termina în urma a
cel mult 10 aruncări}={ω1, ω2, ω3,..., ω10,}=
={S, BS,BBS,BBBS,...,BBBBBBBBBS}.
3. Deoarece experimentul vizează aruncarea unei monede „perfecte”, putem afirma că
P{ωi}=1/2i, pentru orice i=1,2,…,n,… . Într-adevar evenimentul elementar ωi reprezintă unul din
cele 2i evenimente elementare în experimentul cu aruncarea unei monede „perfecte” de i ori.
Cum acestea sunt echiprobabile, rezultă că şi ωi are aceeasi probabilitate 1/2i. Or, axioma A1
este valabilă. Este valabila şi axioma A2 , deoarece 1/2+1/22 +1/23+…=(1/2)/(1-1/2)=1.
În concluzie,
P(A)= 1/2+1/22+…+1/210= (1/2)[1-(1/2)10]/(1-1/2)=1-(1/2)10.

2.4. Probabilitate geometrică

În practică se întâlnesc situaţii când modelul probabilist al experimentului aleator are de a face cu
evenimente elementare echiprobabile, dar pentru care spaţiul de evenimente elementare este o mulţime
infinită nenumărabilă (caz continuu). Drept exemplu putem lua următorul experiment imaginar, care în
orice limbaj de programare evoluat (C++, Java, etc.) poate fi reprodus, folosind generatorul de numere
(pseudo)aleatoare realizat de functia RANDOM .
Exemplu (aruncarea unui punct la intamplare pe segmentul [0,1]).
Considerăm experimentul aleatoriu ce constă in aruncarea la întamplare a unui punct pe segmentul [0,1].
Dată fiind sintagma „la întâmplare ”, rezultatele posibile ω în acest experiment, fiind numere reale din
[0,1], sunt echiprobabile, dar definitia clasică este inaplicabilă, deoarece spaţiul de evenimente
elementare Ω=[0,1] este o mulţime infinită nenumărabilă. Pentru astfel de cazuri putem apela la
Definiţia probablitaţii geometrice. Vom spune ca avem de a face cu o probabilitate geometrică P
dacă:
a) spaţiul de evenimente elementare  reprezintă o multime infinită nenumărabilă din Rn pentru care
mesunde mesreprezinta lungimea în R1 , aria în R2 şi volumul in Rn pentru n≥3;
b) Familia de evenimente aleatoare F este reprezentata de toate submulţimile măsurabile A ale lui
adică pentru care mesApoate fi definită
c) P este o aplicaţie definită pe F cu valori în mulţimea numerelor reale calculate conform
formulei:
P(A)=mesA / mes
Astfel, în exemplul invocat, aplicând definitia probabilitatii geometrice aflăm că probabilitatea ca un
punct aruncat la întâmplare pe [0,1] va nimeri în punctul x este egală cu P{x}=mes{x}/mes([0,1])=0/1=0,
pentru orice x din [0,1]. Dacă ne interesează, de exemplu, probabilitatea că un punct aruncat la
întamplare pe [0,1] va nimeri în prima jumătate a acestui interval este egala cu P([0,0.5])= mes([0,0.5]) /
mes([0,1])=0.5/1=0.5. Dealtfel, observam ca P([0,0.5])= P([0.5,1]). În genere, probabilitatea că un punct
aruncat la intamplare pe [0,1] va nimeri într-un interval (a,b) din [0,1] coincide cu lungimea acestui
interval.

2.5. Probabilităţi condiţionate. Formula înmulţirii probabilităţilor. Independenţa

evenimentelor aleatoare
Fie A şi B două evenimente aleatoare legate de acelaşi câmp de probabilitate (,F, P), unde P(B)>0.
Atunci putem da
Definiţia 1. Se numeşte probabilitate a evenimentului A condiţionată de evenimentul B mărimea
notată cu P(A/B) şi calculată după formula
P( A∩B )
P( A|B )=
P (B ) . (2.5)
Din (5) rezultă formula înmulţirii probabilităţilor pentru două evenimente aleatoare:
P( A∩B )=P( A ) P( B|A ) . (2.6)
Are loc urmatoarea
Teoremă (Formula înmulţirii probabilităţilor în caz general).
Dacă (, F, P) este un câmp de probabilitate si A1 , A2 ,..., An sunt evenimente aleatoare legate de
acest câmp cu proprietatea
P( A 1 ∩A 2 ∩.. .∩ A n−1 ) ,
atunci
P( A 1 ∩A 2 ∩.. .∩ A n ) = (2.7)
P( A 1 )P( A 2|A 1 )P( A3|A 1∩ A 2 )... P( A n|A1 ∩...∩A n−1 )
Definiţia [Link] spune că două evenimente aleatoare A şi B, legate de acelaşi câmp de probabilitate
(,F, P), sunt independente dacă
P( A∩B )=P( A )P( B)
Definiţia [Link] spune că evenimentele aleatoare A1 , A2 ,..., An , legate de acelaşi câmp de

probabilitate (, F, P), sunt independente două câte două dacă

P( A i∩ A j ) =
P( A i )P( A j ) pentru
orice i diferit de j, i,j=1,2,...,n.
Definiţia 4. Vom spune ca evenimentele aleatoare A1 , A2 ,..., An , legate de acelaşi câmp de
probabilitate (, F, P), sunt independente (în totalitate) dacă
P( Ai 1 ∩Ai 2 ∩. . .∩ Aik ) =
P( Ai )P( Ai )...P( Ai )
1 2 k
pentru orice set de indici diferiţi {i1, i2 ,...,ik} din mulţimea de indici {1,2,...,n}, k=2,3,...,n.
Observaţia 1. Din definiţiile respective, deducem că, independenţa (in totalitate) atrage după sine şi
independenţa a două câte două evenimente. Afirmaţia inversă, insă, nu are loc. Drept (contra)exemplu
putem lua experimentul aleator ce constă în aruncarea unui tetraedru „perfect”, cu cele 4 feţe vopsite
astfel: faţa 1 vopsita în albastru, faţa 2-în galben, faţa 3-în rosu si faţa 4-în albastru, galben si rosu. Se
verifica cu usurinţă că evenimentele A={va apare culoarea albastră}, G={va apare culoarea galbenă},
R={va apare culoarea rosie} sunt independente 2 cate 2, dar nu şi în totalitate.
Observaţia 2. În cazul când evenimentele aleatoare A1, A2, ..., An sunt independente, atunci formula
înmulţirii probabilităţilor are forma
P( A 1 ∩A 2 ∩.. .∩ A n ) = P( A 1 ) P( A 2 ) P( A 3 ). . . P( A n ) . (2.8)
Propoziţie (Formula lui Poisson). Daca evenimentele Ak , sunt independente (în totalitate) si
probabilităţile P(Ak)= pk , k=1,2,…,n sunt cunoscute, atunci probabilitatea
P{se va produce cel puţin unul din evenimentele Ak , k=1,2,…,n}=
=1-[(1- P(A1))(1- P(A2))... (1-P(An)]=1-[( 1- p1 )(1-p2)… (1-pn)].
Exemplul 3. Un aparat constă din trei elemente care în timpul funcţionării lui se pot deteriora,
independent unul de altul. Notăm prin Ai = elementul i se va deteriora, i = 1, 2, 3. Să se calculeze
probabilitatea evenimentului A = se va deteriora un singur element, B = se va deteriora, cel puţin, un
elementdacă se ştiu probabilităţile: p1 = P(A1) = 0,13, p2 = P(A2) = 0,06, p3 = P(A3) = 0,12.
Rezolvare. Vom exprima evenimentul aleator A prin intermediul evenimentelor A1, A2 şi A3.
Evenimentul A se va produce atunci si numai atunci cand, se va deteriora primul element iar al doilea –
nu şi al treilea – nu, sau se va deteriora al doilea element, iar primul - nu şi al treilea – nu, sau se va
deteriora al treilea element, iar primul – nu şi al doilea – nu. Prin urmare, conform definiţiilor operaţiior
asupra evenimentelor aleatoare, avem:
A=( A 1 ∩ Ā 2 ∩ Ā 3 )∪( Ā 1∩ A 2 ∩ Ā 3 )∪( Ā 1∩ Ā 2∩ A 3 ) .
Calculăm probabilitatea evenimentului A folosind succesiv: formula de adunare a probabilităţilor pentru
evenimente incompatibile (disjuncte) doua câte două, formula de înmulţire a probabilităţilor
evenimentelor independente (în totalitate) şi formula de calcul al probabilităţii evenimentului opus.
In3:=N0.13*(10.06)*(10.12)+(10.13)*0.06*(10.12)+(10.13)*(10.06)*0.12
Out3]=0,251608
Am obţinut P(A)=0,251608.
Prin analogie, folosind Formula lui Poisson, calculăm P(B).
Exemplul 4. Presupunem că, într-un lot de 100 de piese de acelaşi tip, 7 piese sunt defecte.
Extragem la intâmplare fără intoarcere 5 piese. Dacă toate piesele sunt fără defecte, atunci lotul este
acceptat. În caz contrar este refuzat. Să se calculeze probabilitatea evenimentului A = lotul va fi
acceptat.
Rezolvare. Notăm: Ai = piesa cu numărul de ordine de extragere i va fi fără defecte , i = 1, 2,
3, 4, 5. Are loc egalitatea
A=A 1∩ A 2∩ A 3 ∩A 4 ∩ A5 .
Conform formulei (7) avem
P( A ) =P ( A 1 ) P( A 2|A 1 ) P( A3| A 1∩ A 2 ) P( A4 |A 1 ∩A 2 ∩A 3 ) 
 P( A 5| A1 ∩ A2 ∩ A3 ∩ A 4 ) .
Aplicăm Sistemul Mathematica.
93 92 91 90 89
∗ ∗ ∗ ∗
In4:=N[ 100 99 98 97 96 ]
Out4=0.690304
Obţinem P(A) =0,690304.
În cazul când produsul calculat anterior conţine un număr mare de factori, atunci scrierea lui
necesită timp relativ îndelungat. Dacă factorii pot fi scrişi în formă de o funcţie de un parametru i, atunci
poate fi utilizată funcţia Productf,i,imin,imax. Cum în acest exemplu avem
4
93−i
P( A )=∏
i=0 100−i ,
putem proceda după cum urmează.
93−i
, { i,0,4 }
In5:=Product[ 100−i ]
 824941
Out5= 1195040
Am obţinut valoarea exactă a probabilităţii evenimentului A. Ne vom convinge că o valoare aproximativă
a expresiei obţinute coincide cu cea obţinută în Out4
In6:=N[%]
Out6=0.690304.

2.6. Formula probabilităţii totale. Formula lui Bayes

Teoremă. Dacă A şi H1, H2, ..., Hn,... sunt evenimente aleatoare legate de acelaşi câmp de
probabilitate (,F, P) şi satisfac condiţiile :
a) evenimentul A implică producerea a cel putin unuia din evenimentele H1, H2, ..., Hn,... ;
b) evenimentele H1, H2, ..., Hn,... sunt incompatibile două câte două;
c) P(Hi)>0,
atunci au loc formula probabilităţii totale
P( A )=P( H 1 )P( A|H 1 )+.. .+P( H n ) P( A|H n ) (2.9)
şi formula lui Bayes
P( H j )P ( A|H j )
P( H j|A )=
P( H 1 )P( A|H 1 )+ .. .+P( H n ) P( A|H n )+. . . . (2.10)
Exemplul 5. La un depozit sunt 1000 de piese de acelaşi tip (identice), fabricate de uzinele nr.1,
nr.2 şi nr.3, în proporţie de 5:3:2. Se ştie că ni din piesele fabricate de uzina i sunt cu defecte: n1 = 4, n2 =
5, n3 = 6.
1) Să se calculeze probabilitatea ca o piesă extrasă la întâmplare va fi calitativă. 2) Să se calculeze
probabilitatea că o piesă extrasă la întâmplare va fi una fabricată de uzina nr.1, dacă se ştie că aceasta
piesă este cu defecte.
Rezolvare.1) Notăm: A = piesa luată la întâmplare va fi calitativă. În dependenţă de uzina la
care a fost fabricată piesa extrasă pot fi enunţate ipotezele: Hi = piesa luată a fost fabricată de uzina
nr.i, i = 1, 2, 3. Din condiţiile problemei rezultă că uzina nr.1 a fabricat 500 de piese din cele existente
la depozit, uzina nr.2 - 300 de piese şi uzina nr.3 - 200 de piese. Aplicând definiţia clasică a probabilităţii,
avem: P(H1) = 500/1000 =0,5, P(H2) = 300/1000 = 0,3, şi P(H3) = 200/1000 = 0,2. Cum ni din piesele
fabricate de uzina i sunt cu defecte, rezultă că (1ni)% din piese sunt calitative. Deci
P( A|H 1) =
0,96,
P( A|H )
2 = 0,95 şi
P( A|H )
3 = 0,94. Aplicând formula probabilităţii totale (9).
In7:=N[ (0.5*0.96 + 0.3*0.95 + 0.2*0.94
Out7=0.953
Deci, P( A) =0,953.
2) Conform notaţiei din punctul 1 avem Ā = piesa luată la întâmplare este cu defecte. Cum
P( Ā|H 1 ) = 0,04, P( Ā|H 2 ) = 0,05, P( Ā|H 3 ) = 0,06, din formula lui Bayes (10) avem
P( H 1 ) P( Ā|H 1 )
P( H 1| Ā )=
P( H 1 ) P ( Ā|H 1 ) +P( H 2 ) P( Ā|H 2 )+P( H 3 ) P( Ā|H 3 ) .
0 . 5∗0 .04
In8:=N[ 0. 5∗0 .04∗0. 3∗0 .05+ 0 .2∗0 .06 
Out8=0.425532
Am obţinut P( H 1| Ā ) =0,425532.
2.7. Probe Bernoulli (Experimente independente)
Definiţie. Experimentul aleator E se numeşte probă Bernoulli dacă sunt întrunite următoarele condiţii:
a) mulţimea de rezultate posibile constă numai din două rezultate, numite conventional, „succes” şi
“insucces”;
b) probabilitatea p=P{„succes”} este o mărime ce nu variază de la o probă la alta;
c) rezultatele unei probe nu influenţează rezultatele celorlalte probe, i.e., probele sunt independente.
Drept exemplu, putem lua aruncarea unei monede sau aruncarea unui zar, dacă ne interesează apariţia
sau nu, să zicem, a unui numar par. Mai mult ca atât, orice experiment aleator E poate fi privit ca o
probă Bernoulli, de îndata ce ne interesează doar producerea sau nu a unui eveniment aleator A
legat de acest experiment, cu condiţia că E să poată fi repetat independent unul de altul, practic, în
aceleaşi condiţii. În acest caz, experimentele aleatoare E1, E2,..., En se numesc independente dacă ele
reprezintă repetarea uneia şi aceleiaşi probe Bernoulli E de n ori. Experimentele independente por tratate
ca o experienţă care se repetă de n ori.

2.8. Schema binomială (sau schema bilei întoarse în cazul a două culori posibile).
Distribuţia (repartiţia) binomială
Fie că în fiecare din n experimente independente E1, E2,..., En evenimentul A poate să se realizeze cu
probabilitatea p: p = P(A). Atunci probabilitatea că evenimentul A nu se produce este egală cu q = P(
Ā ) = 1P(A) = 1p. Atunci are loc următoarea
Teoremă. Probabilitatea Pn(k), că evenimentul A se va realiza exact de k ori în n experimente
independente (probe Bernoulli) cu probabiliatatea succesului (0<p<1), în fiecare probă, poate fi
calculată dupa formula
k k n−k
Pn ( k)=Cn p q , k = 0, 1,..., n. (2.11)

Formula (2.11) se numeşte distribuţie (repartiţie) Binomială, iar în cazul n=1 se numeşte distribuţie
Bernoulli.
Exemplu 5.2 (Schema bilei întoarse în cazul a două culori). Presupunem ca avem o urna cu M bile
albe şi N bile negre. Utilizînd definiţia clasică a probabilităţii, putem arăta că probabilitatea PM+N (k)
a evenimentului că din M+N bile, extrăgând la întâmplare n bile cu intoarcere (repetare), vor fi extrase exact k
bile albe, se calculează după formula
k k n−k
Pn(k)=Cn [ M /( M+N )] [1−M /( M +N )] , k = 0, 1,..., n. Observăm că aceasta coincide cu
distributia Binomială (2.11). De altfel, schema bilei întoarse înseamnă că bilele se extrag din urnă una
câte una şi fiecare bilă extrasă, este, după observarea culorii ei, întoarsă din nou în urnă.
Exemplul 6. Considerăm aruncarea unei monede “perfecte” de 100 de ori. Să se calculeze, cu
aproximaţie, probabilitatea că “Stema” va apare exact de 47 ori.
Rezolvare. Fie evenimentul A = va apare “Stema”. Avem: p = P(A) = 1/2 şi q = 1p = 1/2.
Conform formulei Binomiale (11), pentru n = 100, k = 47, p =1/2 şi q = 1/2, avem
47 47 100−47
P100 (47 )=C 100 (1 /2 ) (1/ 2) .
Calculul acestei valori prin metode obişnuite este posibil, dar prezintă dificultăţi. Apelând la Sistemul
Mathematica avem :
100 !
(0 .5 )47 ( 0 .5 )53
In9:= (47 ! )∗( 53! )
Out9=0.0665905
Aşa dar, P100(47)=0,0665905.

2.7. Schema (repartiţia) multinomială (polinomială, sau schema bilei întoarse în cazul
bilelor de mai multe culori
Fie că în rezultatul fiecărui din n experimentele independente E1, E2,..., En pot să se realizeze
evenimentele aleatoare A1, A2, ..., Ar, care formează un sistem complet de evenimente, i.e., acestea sunt
incompatibile două câte două şi suma (reuniunea) lor coincide cu evenimentul sigur. Notăm: pi = P(Ai), i
= 1, 2, ..., r. Evident, p1 + p2 + ... + pr = 1. Atunci are loc următoarea
Teoremă (Distribuţia Multinomială). Probabilitatea Pn(k1,k2,...,kr) că, în urma a n experimente
independente, evenimentele Ai se vor realiza de ki ori fiecare, unde i = 1, 2, ..., r, n = k1 + k2 + ... + kr,
poate fi calculată conform formulei
n!
p1k pk2 . . . pkr
1 2 r

Pn(k1,k2,...,kr) =
k 1 !⋅k 2 !⋅. . .⋅k r ! (2.12) .
Observaţie. Formula (2.12) defineşte, asa numita Distribuţie Multinomială, distribuţie care coincide,
evident, în cazul r=2, cu Distribuţia Binomială definită de formula (2.11).
Exemplul 7. Presupunem că într-o urnă avem următoarea componenţă de bile de trei culori: 5
bile albe, 7 bile negre şi 8 bile albastre. Se extrag succesiv, cu repetare (revenire) 6 bile. Care este
probabilitatea că printre aceste 6 bile una va fi albă, două vor fi negre şi trei vor fi albastre?
 Rezolvare. Fie evenimentele: A1 = bila extrasă va fi albă, A2 = bila extrasă va fi neagră şi A3
= bila extrasă va fi albastră. Atunci: p1 = P(A1) = 5/(5+7+8) = 1/4, p2 = P(A2) = 7/20, şi p3 = P(A3) =
8/20 = 2/5. Aplicând formula (8.1.12) cu n = 6, k1 = 1, k2 = 2, şi k3 = 3, obţinem
1 2 3
6! 1 7 2
P6(1,2,3) =
( )( )( )
1 !⋅2!⋅3 ! 4 20 5 .
Calculăm această expresie cu ajutorul Sistemului Mathematica.
6!
∗(1/ 4 )1∗(7 / 20)2∗(2 /5 )2
In10:= (1! )∗(2! )∗( 3 ! )
147
10= 1250
Out
147
Am obţinut valoarea exactă P6(1,2,3)= 1250 .
Dacă vrem să obţinem o valoare aproximativă sau o valoarea dată exprimată prin fracţii zecimale, atunci
In11:=N%
Out11=0.1176
Am obţinut valoarea P6(1,2,3) = 0,1176.

2.10. Schema Poisson. Funcţia generatoare de probabilităţi

Fie că în fiecare din experimentele independente E1, E2,..., En evenimentul A se poate produce,
respectiv, cu probabilităţile p1, p2, ..., pn. Atunci are loc următoarea
Teoremă (Schema Poisson). Probabilitatea Pn(k) că, în urma a n experienţe independente descrise
mai sus, evenimentul A să se va produce de k ori, k = 1, 2, ..., n, coincide cu coeficientul lui xk din
expresia
n
∏ ( qi +pi x )
n(x)= i=1 , (2.13)
unde qi = 1pi , i = 1, 2, ..., n.
Funcţia n(x) din formula (13) se numeşte funcţie generatoare de probabilităţi.
Observaţie. Schema Binomială devine un caz particular al schemei Poisson şi anume, atunci
când p1 = p2 = ... = pn = p. În acest caz funcţia generatoare de probabilităţi are forma
n(x) = (q+px)n. (2.14)
Exemplul 8. Din trei loturi de piese de acelaşi tip se extrage la întâmplare câte o piesă. Se ştie că
din piesele primului lot 95 sunt calitative, din al doilea - 90 şi din al treilea - 85. Să se calculeze
probabilităţile evenimentelor: B = toate trei piese vor fi calitative, C = două piese vor fi calitative şi
una nu, D = o piesă va fi calitativă şi două nu, E = toate trei piese vor fi necalitative.
Rezolvare. Aplicând formula (2.13) cu p1 = 0,95, p2 = 0,9, p3 = 0,85, q1 = 0,05, q2 = 0,1, q3 = 0,15,
n = 3, aflăm funcţia generatoare 3(x) cu ajutorul Sistemului Mathematica.
In12:=Collect[(0.05+0.95x)*(0.1+0.9x)*(0.15+0.85x),x]
Out12=0.00075+0.02525x+0.24725x2+0.72675x3.
De unde găsim că: P(B) = 0,72675, P(C) = 0,24725, P(D) = 0,02525, P(E) = 0,00075.

2.11. Schema bilei neîntoarse în cazul a două culori (Repartiţia Hipergeometrică)

Fie că într-o urnă sunt n bile dintre care n1 sunt albe şi n2 sunt negre. Se extrag la întâmplare, fără
întoarcere, m bile, m  n. Atunci are loc următoarea
Teoremă (Schema bilei neîntoarse în cazul a două culori). În schema descrisă mai sus,
probabilitatea Pn(m1,m2), ca printre m bile extrase m1 vor fi albe şi m2 negre, m= m1+ m2 , se calculează
conform formulei
m m
Cn 1 C n 2
Pn ( m1 ,m 2 )=
1 2

. Cmn (2.15)
această probabilitate fiind nulă dacă există cel puţin o valoare i pentru care mi>ni, i=1,2.
Formula (2.15) defineşte, aşa numita, repartiţie Hipergeometrică.
 Exemplul 9. Presupunem că într-un lot de 100 de bilete de loterie 20 de bilete sunt câştigătoare. Să se
calculeze probabilitatea ca din 7 bilete cumpărate 2 bilete vor fi cu câştig.
Rezolvare. Aplicăm formula (2.15) în care, conform datelor problemei, n=100, n1 = 20, n2 =80,
m1 = 2, m2 = 5, m = 7. Avem:
C220 C580
P7 ( 2,5 )= 7
C 100
Calculăm o valoare aproximativă a acestei expresii.
20 ! 80! 100 !
∗ )/( )
In13:=N[( ( 2! )∗( 18 ! ) (5 ! )∗( 75 !) ( 7 ! )∗( 93 ! ) ]
Out13=0.28534
Am obţinut rezultatul
P7 (2,5 ) =0,28534.

2.12. Schema bilei neîntoarse în caz general

Fie că avem o urnă în care sunt n bile, din care ni bile sunt de culoarea i, i = 1, 2, ..., r, n = n1 + n2 + ... +
nr. Se extrag succesiv fără revenire m bile, m  n. Atunci are loc următoarea

Teoremă (Schema bilei neîntoarse în caz general) . În schema descrisă mai sus, probabilitatea
Pn ( m1 ,m 2 , .. . ,mr ) ca printre bilele extrase mi vor fi de culoarea i, i = 1, 2, ..., r, m = m1 + m2 + ... +
mr, se calculează conform formulei
m m m
C n 1 C n 2 . .. C n r
1 2 r
=
Pn ( m1 ,m 2 , .. . ,mr ) Cm
n , (2.16)
această probabilitate fiind nulă dacă există cel putin o valoare i pentru care mi>ni, i=1,…,r.
Exemplul 10. Într-un depozit sunt 200 de piese de acelaşi tip, din care 100 sunt de calitatea întâi,
66 de calitatea a doua şi 34 de calitatea a treia. Se iau la întâmplare fără întoarcere 30 piese. Care este
probabilitatea că printre ele 17 să fie de calitatea întâi, 9 de calitatea a doua şi 4 de calitatea a treia?
Rezolvare. Aplicăm formula (16) cu n = 200, m = 30, n1 = 100, n2 = 66, n3 = 34, m1 = 17, m2 = 9,
m3 = 4. Conform Schemei bilei neîntoarse în caz general, probabilitatea în cauză este
C 17
9 4
100 C 66 C 34
P30 (17,9,4 )=
C 30
200
Calculăm o valoare aproximativă a acestei expresii cu ajutorul Sistemului Mathematica.
100 ! 66 ! 34 ! 200!
∗ ∗ )/ ( )
In14:=N[( (17 !)(83 ! ) ( 9 ! )(57 !) ( 4 ! )( 30 !) (30 ! )(170 !) ]
Out14=0.0278641
Am obţinut P30 (17,9,4 ) =0,0278641.

2.13. Schema (repartiţia) geometrică

Considerăm experimentul aleator, ce constă în repetarea unei probe Bernoulli, cu probabilitatea
„succesului” p în fiecare probă, până la prima înregistrare a „succesului”. Atunci are loc următoarea
Teoremă. În schema descrisă mai sus, probabilitatea
P(k)=P{„succesul” se va realiza prima dată în proba cu numărul de ordine k } se calculează conform
formulei
P(k) = pqk1, k=1,2,... (2.17)
iar probabilitatea P(k)=P{ pâna la producerea prima dată a „succe-sului” vor fi înregistrate exact k
„insuccese”} se calculează conform formulei
P(k) = pqk, k=0,1,2,... (2.17')
unde q = 1p.
Observaţie. Distribuţia definită de formula (2.17) se numeşte geometrică, trunchiată în zero, iar cea
definită de formula (2.17') se numeşte, pur şi simplu, geometrică.
Exemplul 11. 1) Să se calculeze probabilitatea apariţiei feţei 4, pentru prima dată, la aruncarea a
zecea a unui zar „perfect”. 2) Care este probabilitatea evenimentului aleator B = la aruncarea unui zar
„perfect”, faţa 3 nu va apărea mai devreme de primele 10 aruncări?
 Rezolvare. 1) Cum p = 1/6 şi q = 11/6 = 5/6, din formula (2.17) obţinem P(10) = pq9 = (1/6)
(5/6)9.
In15:=N(1/6)*(5/6)^9
Out15=0.0323011
Am obţinut P(10) = 0,0323011.
2) Evenimentul B poate fi definit şi astfel: B = numărul 4 va apărea pentru prima dată la
aruncarea a unsprezecea, sau a douăsprezecea, sau a treisprezecea, .... Deci
k −1
P(B) = P(11) + P(12) + P(13) + ... = ∑ (1 /6 )( 5/6 ) .
Calculăm această sumă cu ajutorul Sistemului Mathematica.
In16:=Sum[(1/6)*(5/6)^(k1),{k,11,}]
9765625
Out16= 60466176
Am obţinut valoarea exactă a probabilităţii lui B. Obţinem o valoare exprimată prin fracţii zecimale.
In17:=N[%]
Out17=0.161506
Aceeaşi valoare poate fi obţinută şi în modul ce urmează.
In18:=NSum[(1/6)*(5/6)^(k1),{k,11,}]
Out18=0.161506.

2.14. Teoreme Limită privind calculul valorilor aproximative ale probabilităţii din schema
Binomială
Pentru n şi m relativ mari calculul probabilităţii conform distribuţiei Binomiale prezintă mari
dificultăţi, dacă nu se aplică Sistemul Mathematica. În acest caz se folosesc formule de calcul ale unor
valori aproximative ale acestei probabilităţi. Una din acestei formule rezultă din
Teorema Limită Locală Moivre-Laplace. Pentru valori întregi ale lui n, suficient de mari, are loc
următoarea formulă de aproximare
1 k−np 2

Pn(k)=Ckn p k q n−k ¿≈
1 −
e
( )¿
2 √ npq

√2 πnpq , (2.18)
unde 0  p  1, iar Pn(k) este probabilitatea ca evenimentul aleator A cu P(A) = p, q = 1p, se va realiza
exact de k ori în urma a n probe Bernoulli cu probabilitatea „succesului” p în fiecare probă.
În cazul când probabilitatea p este aproape de 0 sau q este aproape de 1, atunci o mai
bună aproximaţie ne-o oferă
Teorema Limită Poisson. Dacă np tinde la un număr a>0, când n tinde la +∞ iar p
(0<p<1) tinde la 0, atunci
ak −a
k k n−k
Pn ( k)=C n p q e ,
tinde la k! adică pentru n suficient de mare
k
a −a
Pn ( k )≈ e ,
k! (2.19)
luând a = np.
Observaţie. Se recomandă ca această formula să fie aplicată atunci, când npq  9, iar în
celelelte cazuri – formula (2.18). Probabilităţile din partea dreapta a formulei (2.19) definesc, aşa
numita, distribuţie Poisson.
O valoare aproximativă a probabilităţii Pn(k1 ,k2) că în urma a n experimente independente
numărul total de realizări ale evenimentului aleator A va fi cuprins între k1 şi k2 poate fi calculată,
aplicând
 Teorema Limită Centrală (forma Moivre-Laplace). Daca n tinde la +∞, atunci Pn(k1  ,k2) tinde la
k 2−np k 1 −np
Φ (√ ) (√ )
npq
−Φ
npq ,
adica pentru n suficient de mare
k 2 −np k 1 −np
Pn ( k 1 , k 2 )≈Φ (√ ) (√ )
npq
−Φ
npq , (2.20)
unde (x) este funcţia Laplace care se defineşte prin egalitatea
x
1 2
Φ( x )= ∫ e−t /2 dt
√2 π −∞ .
(2.21)
Formula (2.20) rezultă din teorema integrală Moivre-Laplace.
Având la dispoziţie Sistemul Mathematica în multe cazuri putem aplica atât formula exacta de
calcul, cât si formulele (2.18) – (2.21). Prin urmare, putem cerceta şi compara erorile care se obţin la
aplicarea lor.
Exemplul 12. Presupunem probabilitatea că o piesă, fabricată de o uzină, va avea defecte este
egală cu p = 0,01. 1) Să se calculeze probabilitatea că din 10000 de piese luate la întâmplare 90 vor fi cu
defect, folosind: a) distribuţia Binomială (2.11); b) formula locală Moivre-Laplace (2.18); c) formula
Poisson (2.19). 2) Care este probabilitatea ca numărul de piese cu defect să fie cuprins între 95 şi 105?
Rezolvare. 1) a) Valoarea exactă a probabilităţii căutate este dată de formula Binomială:
90 90 9910
P10000 ( 90) =C 10000 ( 0,01 ) ( 0,99) .
Folosim Sistemul Mathematica
10000!
(0 . 01)90 ( 0 . 99 )10000−90
In19:=N[= ( 90 ! )(10000−90 )! ]
Out19=0.0250257 P 10000 ( 90 )≈ ¿ ¿

Am obţinut rezultatul 0,0250257.

¿

b) Conform formulei (2.18) avem

1 90−10000⋅0. 01 2
− (
1 2 √10000⋅0 . 01⋅0. 99 )
P10000 (90)≈ e
√2 π⋅10000⋅0 . 01⋅0 . 99 .
Pentru calculul valorii acestei expresii folosim Sistemul Matematica.
1 90−10000∗0 . 01
In20:=N
[
√ 2∗π∗10000∗0 . 01∗0 . 99
Exp [−
√ 10000∗0 . 01∗0. 99 (
2/2 ] ]
)
Out20=0.0241965 P 1 00 00 ( 9 0 )≈ ¿ ¿

Am obţinut rezultatul ¿
¿

0.0241965.
c) Calculăm probabilitatea cerută cu ajutorul formulei (2.19). Avem
90
(10000⋅0,01) −10000⋅0,01
P10000 (90)≈ e
90 ! .
Folosim Sistemul Mathematica.
90
(10000∗0,01 )
Exp[−10000∗0 . 01]]
In21:=N 90 !
Out21=0.0250389 P 1 00 00 ( 90 )≈ ¿ ¿

Am obţinut rezultatul 0.0250389.

¿

2) Conform formulelor (2.20) şi (2.21) avem

105−10000∗0 .01∗0,99
√10000∗0 .01∗0 .99
1 2
/2
P10000 ( 95≤k≤105 )≈ ∫ e−t dt
√2 π 95−10000∗0. 1
√ 10000∗0 . 01∗0 . 99 .
Pentru calculul acestei integrale folosim Sistemul Mathematica.
1 95−10000∗0 . 01 105−10000∗0 . 01
Exp[−t 2 /2 ]
In22:=NIntegrate √ 2 π ,{t, √ 10000∗0 .01∗0 . 99 , √ 10000∗0 .01∗0 . 99
}]
Out22=0.384697
P 10000 ( 95≤ k ≤105 )≈¿ ¿

Am obţinut rezultatul 0,384697.

¿