ELEMENTE DE TEORIA PROBABILITILOR

Obiectivul principal este nelegerea modelelor aleatoare. Aceast parte este necesar
abordrii ulterioare a disciplinelor de statistic economic i econometrie, pentru studii de analiz
statistic, prognoz economic i studii de pia.

4.1. Cmp de evenimente (definiie; operaii cu evenimente)
O mulime nevid A se numete algebr Boole dac, nzestrat cu operaiile
, , , C satisface axiomele:
- comutativitate
- asociativitate
- distributivitate
- absorbie { e = = B A A A CB A A A CB A , ) ( ; ) ( ; ) ( A
- complementaritate { e = = B A B B CA A B B CA A , ; ) ( ; ) ( A
Spunem c elementul AeA este coninut n elementul BeA i notm A c B, dac A B = A.
Observaii:
Relaia de incluziune c pe algebra A definete o relaie de ordine.
ntr-o algebr Boole exist dou elemente notate .eA - element nul i veA element total care
verific proprietatea: e v = . = A CA A CA A ) ( ; ; A
ntr-o algebr Boole funcioneaz regulile lui de Morgan:

C A B CA CB
C A B CA CB
( )
( )
=
=

O mulime nevid KeP(O) se numete corp de pri dac este nchis la complementar i reuniune
finit.
1 () A e K CA e K
2 () A,B e K AB e K
n teoria probabilitilor noiunea de baz este aceea de eveniment care ne intereseaz din
punct de vedere al realizrii sau producerii sale n anumite condiii date
Dac A este un eveniment oarecare, numim, eveniment contrar lui A i notm (A),
evenimentul care se produce atunci i numai atunci cnd nu se produce evenimentul A.
Daca A i B sunt dou evenimente oarecare, atunci numim evenimentul sau A sau B i
notm (AB) acel eveniment care se produce cnd cel puin unul din A respectiv B se produce.
Dac A i B sunt dou evenimente oarecare, atunci numim evenimentul i A i B i notm
AB acel eveniment care se produce cnd se produc simultan A i B.
Observaii:
Mulimea evenimentelor notate cu aceste operaii formeaz o algebr Boole, numit algebra Boole a
evenimentelor.
Elementelor . i v le corespunde n algebra evenimentelor, evenimentele: (C) (evenimentul
imposibil); (O) (evenimentul sigur).
Diferena a dou evenimente A-B este un eveniment care se produce atunci cnd primul eveniment
se realizeaz i al doilea element nu se produce.
Dac producerea unui eveniment A atrage dup sine producerea unui alt eveniment B, atunci
spunem ca evenimentul A implic evenimentul B i notm AcB.

Perechea {O,K} se numete cmp de evenimente, unde O este mulimea evenimentelor
elementare i K este cmpul de evenimente.
Matematici aplicate n economie

110

Un eveniment AeK se numete eveniment compus dac - evenimentele B, C = A astfel nct acesta
se poate scrie: A= B C. n caz contrar evenimentul se numete elementar.

4.2. Cmp de probabilitate (definiia axiomatic a funciei probabilitate);
Proprietile funciei probabilitate

Fie {O,K} un cmp de evenimente.
Se numete probabilitate pe K o funcie
P : K R
care satisface axiomele:

+ = = K e
= O
K e >
) ( ) ( ) ( , ) ( 3
1 ) ( 2
) 1 . 17 ( ) ( 0 ) ( 1
0
0
0
B P A P B A P B A B si A
P
A A P
|

Observaie:
1. Evenimentele A i B pentru care AB = C se numesc evenimente incompatibile
2. Dac axioma (3) este nlocuit cu axioma (3'):()(A
n
)
n
cK cu A
i
A
j
=C, i=j P (
n
n
A

=1
) =
n
n
P A
=

1
( ),atunci se poate spune c probabilitatea este complet aditiv.
3. Tripletul {O,K,P} se numete cmp de probabilitate.

Principalele proprieti ale funciei probabilitate sunt:
1. ) ( 1 ) ( ) ( A P A P A = K e
2. ( ) 0 = | P
3. ) ( ) ( ) ( B P A P B A s c
4. 1 ) ( ) ( s s e A P K A Pentru o
5. ) ( ) ( ) ( , ) ( B A P A P B A P K B A = e
6. ) ( ) ( ) ( ) ( , ) ( B A P B P A P B A P B A + = K e
7. ) ( ) ( ) ( , , ) ( A P B P A B P B A B A = c K e
Demonstraie:
) ( ) ( 1 ) ( ) ( ) (
0 0
2 3
A P A P A P A P P A A CA A
axioma axioma
+ = + = O = = O
| | = = = O O P P
ax ax
( ) ( )
1 2
0 0
1 1 1 0
Fie

= =
= = = =
| ) (
) ( ;
A B A C A
B A B A C A A B A B C
o
o
>
>
+ =
) (
) 1 ( ) (
) ( ) ( ) (
0
C P
axioma C P
C P A P B P

Evident: | c A c O, ceea ce trebuia demonstrat


A B A B A B A B A B B
A B A B A B B
A A
P A P A B P A B P A B P A P A B
= =
= =

`

= =
= + =
; ( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
|
O


Elemente de teoria probabilitilor i statistic matematic


111
111

| |
A B A B A B P A B P A B
P A P A B P A P B A
P A P B P A B
P
P P
P
= = =
= + +
+
( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( )
1
1 1 1
5
5 5
5


( ) B A P B P A B P A B A B A
P
= = c ) ( ) (
5


Definiia n sens clasic a probabilitilor
Dou evenimente A,BeK se numesc egal posibile P(A)=P(B).
ntr-un cmp finit de evenimente numrul cazurilor posibile este numrul evenimentelor
elementare, adic card O, iar numrul cazurilor favorabile unui eveniment AeK este numrul de
evenimente elementare a cror reuniune este evenimentul A.
card O=n , A=
i
m
=1
U
A
i
, A
i
= evenimente elementare, m= numrul cazurilor favorabile lui A.
Dac toate evenimentele elementare ale unui cmp finit de evenimente K sunt egal posibile, atunci
probabilitatea de realizare a unui eveniment A, (P(A)) este raportul dat de numrul cazurilor
favorabile producerii evenimentului A i numrul cazurilor posibile:
n
m
A P = ) (
Demonstraie


= = =
= = = =
m
i
m
i
i
m
i
i
mp A P A P A P
1 1 1
) ( ) ( ) ( |

O = = = =
= =

A P A n p p
n
K K
K
n
K
n
1 1
1
1 1
( )
U
= P A
m
n
( )

Probabiliti condiionate i evenimente independente
Considerm aplicaia:
Extragem fr ntoarcere, cte o bil dintr-o urn n care se afl a = bile albe i b = bile negre.
Notm cu A = evenimentul obinerii unei bile albe la a doua extragere.
P A
a
a b
dac la prima extragere bila a fost alb
a
a b
dac la prima extragere bila a fost neagr
( )
, ,
, ,
=

+
+

1
1
1

Observm c probabilitatea evenimentului A depinde de realizarea altui eveniment B,
corespunztor obinerii unei bile albe la prima extragere.

Fie (O,K,P) = cmp de probabilitate, A
1
, A
2
e K, A
1
= C
Numim probabilitatea evenimentului A
2
condiionat de evenimentul A
1
valoarea dat de
relaia:
) (
) (
) ( ) / (
1
2 1
2 1 2
1 A P
A A P
A P A A P
def
A

= =

Dou evenimente A,BeK se numesc evenimente independente dac P(AB)=P(A) P(B).

Se pote arta c dac A,B independente atunci
( ) ( ) ( )
A B A B A B , , , , , sunt evenimente
independente.

Matematici aplicate n economie

112
4.3. Formule probabilistice

- formule de calculul probabilitii reuniunii de evenimente (pentru evenimente
incompatibile 2 cte 2, respectiv compatibile),
- formule de calculul probabilitii interseciei de evenimente (pentru evenimente
independente, respectiv dependente),
- formule de calculul probabilitii pentru sisteme complete de evenimente (sisteme de
ipoteze) (formula probabilitii totale i formula lui Bayes).

Formula de calcul a probabilitii reuniunii de evenimente incompatibile dou cte dou
( ) , , e = A K i n
i
1 ,

= =
=
n
i
i
n
i
i
A P A P
1 1
) ( ) (

Demonstraie: Este generalizarea axiomei 3 din definiia funciei probabilitate.

Formula de calcul a probabilitii reuniunii de evenimente compatibile(Formula Poincare)
( ) , , e = A K i n
i
1
) ( ) 1 ( ......... ) ( ) ( ) ( ) (
1
1
1 1 1
3 2
i
n
i
n
n
i
k j i
C
k j i
j i
C
j
i
n
i
i
A P A A A P A A P A P A P
n n
=

= < < < =

+ + =



Demonstraie: Se face prin inducie dup n.
Pentru n=2 ) ( ) ( ) ( ) (
2 1 2 1 2 1
A A P A P A P A A P + = (proprietatea 6 )
Presupunem relaia adevrat pentru n i demonstrm c are loc pentru n+1, adic

+
= <
+
=
+
=
+
+ + =
1
1
1
1
1
1
2
1
) ( ) 1 ( ...... ) ( ) ( (
)
n
i
C
j i
i
n
i
n
j i i
n
i
n
A P A A P A P
i
P
A



n
i
n
i
n
i
n i n i n i
n
i
i
A A P A P A P A A P A P
1 1 1
1 1 1
1
1
) ) (( ) ( ) ( ) ( ) (
= = =
+ + +
+
=
+ = =
=
=
+
=
+
n
i
n i
n
i
n i
A A A A
1
1
1
1
) ( ) (

n
i
n
i
C
j i
n i
n
i
n
n j i n i n i
n
A A P A A A P A A P A A P
1 1
1
1
1
1 1 1
2
) (( ) 1 ( ....... ) ( ) ( ) ) ((
= = <
+
=

+ + +
+ + =

Formula probabilitii interseciei evenimentelor compatibile



n
i
n
i
C
j i
C
k j i
n
i
i
n
k j i j i i i
i
n n
A P A A A P A A P A P A P
n i A
1 1 1
1
2 3
) ( ) 1 ( ).... ( ) ( ) ( ) (
, 1 , ) ((
= = < < < =

+ + =
= K e

Demonstraie: Fie se folosete din nou procedeul de inducie matematic, fie
) ( ) 1 ( .... ( ) ( 1 ) ( 1 ) ( ) (
1
1
1 1 1 1
3 2

n
i
i
n
C
k j i
k j i
n
i
C
j i
j i i
n
i
i
n
i
i
n
i
i
A P A A A P A A P A P A P A P A P
n n
=

< < = < = = =

+ +

= = =

se folosete probabilitatea lui P A P A ( ) ( ) = 1
n foarte multe aplicaii formula de mai sus se nlocuiete cu inegalitatea cunoscut a lui
Boole:
Elemente de teoria probabilitilor i statistic matematic


113
113
Boole lui a inegaltate n A P A P
n
i
i
n
i
i
= =
>
1 1
) 1 ( ) ( ) (

Formula de nmulire a probabilitilor
) ( )..... ( ) ( ) ( ) ( : , ) (
1 2 1
3 2 1
1
n A A A
n
i
i i i
A P A P A P A P A P avem A A
n
= C = K e
=

Demonstraie:
inducie dup n:
) ( ) ( )..... ( ) ( ) ( ) ( ) ( ) ( ) (
) ( ) ( ) ( 2
1 3 2 1 1
1
1
1
1
1
2 1 2 1
1
1
1
2 1 1
1
1
+ +
=
+
=
+
=
=

= =

=
= =
= n
A
n
A
A A A
ipoteza
induciei
n
n
i
i
Baza
induciei
n
n
i
i
n
i
i
A
A P A P A P A P A P A P A P A A P A P
A P A P A A P n
n
i
i
n
i
i
n
i



Fie :{ } O K P , , cmp de probabilitate. Un sistem de evenimente H i n
i
e = K, , 1 formeaz
sistem complet de evenimente, dac :
1 1
2
3
1

=
= C =
= C =
=
o
o
o
U
H i n
H H i j
H
i
i j
i
i
n
, ( ) ,
( )
O

Dac { } O K P , , este un cmp de probabilitate, X un eveniment din cmpul de evenimente i
H
i
un sistem complet de evenimente ( , ) i n =1 din K, atunci are loc formula:

=
=
n
i
H i
X P H P X P
i
1
) ( ) ( ) (
numit formula probabilitii totale.
Demonstraie
X X X H X H
X H X H X H H P X P X H
P X H P H P X q e d
i
i
n
i
i
n
i j i j i
i
n
i i H
i
n
i
n
i
= = =
= = C = =
= =
=
=
= =

O ( ) ( )
( ) ( ) ( ) ( ) ( ( ))
( ) ( ) ( ) ( . . . )
1 1
1
1 1
U U
U



Formula lui Bayes
Fie : { } O K P , , un cmp de probabiliti, { } X H
i
i n
e
=
c
K K ,
, 1
un sistem complet de evenimente
i X = C. Atunci are loc relaia:

=

=
n
i
H i
H i
i X
X P H P
X P H P
H P
i
i
1
) ( ) (
) ( ) (
) (
Demonstraie:
Din definiia probabilitilor condiionate avem:
P X H P H P X P X P H P H
P H P X
P X
i i H X i X i
i H
i
i
( ) ( ) ( ) ( ) ( ) ( )
( ) ( )
( )
= = =
P(X)se exprim din formula (19.1) (q.e.d)
Matematici aplicate n economie

114

4.4. Scheme clasice de probabilitate
(schema lui Poisson; schema lui Bernoulli; schema hipergeometric)

Experimente repetate; Schema lui Poisson
Se consider n experimente independente i n fiecare din ele putndu-se realiza un
eveniment A cu o probabilitate cunoscut. Fie A
i
evenimentul care const n realizarea
evenimentului A la experimentul numrul i, P A pi cu i n
i
( ) , = =1 .
Probabilitatea ca evenimentul a s se realizeze de k ori, cu Ksn, n cele n experimente
independente, notat cu P(n,k), este egal cu coeficientul lui x
k
din dezvoltarea polinomial :

[
=
= = + =
n
i
i i i i i n
p A P q cu q x p x
1
, 1 ) ( ); ( ) (
q
i
= probabilitatea evenimentului contrar.

Observaie:
n limbajul urnelor schema Poisson este formulat astfel :
Se dau urnele: U
1
,U
2
U
n
care conin bile albe i negre n proporii date, adic se cunoate p
i
=
probabilitatea cu care se extrage o bil alb din urna U
i
. Se cere probabilitatea de a extrage k bile
albe i n-k bile negre, atunci cnd se extrage cte o bil cu revenire.

Schema lui Bernaulli cu dou stri
Schema lui Bernaulli este un caz particular al schemei Poisson, n care
P A p i n
i
( ) ( ) , = =1 , adic fiecare experiment A care ne intereseaz se realizeaz cu aceeai
probabilitate
p q q p k n P
k n k
k
n C
= =

1 , ) , (

Schema hipergeometric (schema bilei fr revenire)
Fie o urn cu N bile albe i negre. N=a+b a=bile albe, b=bile negre. Se extrage cte o bil
pe rnd, fr revenire. Evenimentul a crui realizare ne intereseaz este obinerea unei bile albe la o
extragere. P(n,k) se calculeaz dup formula clasic a probabilitii pentru un cmp finit de
evenimente i evenimente elementare egal posibile. Numrul cazurilor egal posibile se determin
observnd c extragerea consecutiv a n bile fr revenire coincide cu extragerea simultan a unui
n uplu de bile (bile deodat).

C
C C
n
N
k n
b
k
a
k n P

= ) , (


4.5. Variabile aleatoare

Tipuri de variabile aleatoare i repartiiile lor probabilistice
Se numete variabil aleatoare pe cmpul de evenimente {O,K} o funcie X : O R a.i.
X
-1
(A) e K, () A e K.

a) Fie {O,K,P} un cmp finit de probabilitate, sau cel mult numrabil.
Se numete variabil aleatoare discret, o funcie
X:OR , X=X(e)
Elemente de teoria probabilitilor i statistic matematic


115
115
definit pe mulimea evenimentelor elementare cu valori reale astfel nct {e|X(e)=x
i
}eK, unde
ieI (mulimea de indici cel mult numrabil).
b) n cazul unui cmp infinit de evenimente, se numete variabil aleatoare continu
aplicaia :
X:OR a. . {e(X(e)eI}eK , IcR

Dac X,Y sunt dou variabile aleatoare, atunci au sens operaiile de adunare algebric, de nmulire,
de mprire, de compunere i rezultatele lor sunt de asemenea variabile aleatoare.

n cazul variabilelor aleatoare de tip discret, ansamblul format din valorile variabilei
aleatoare i probabilitile evenimentelor corespunztoare se numete funcie de repartiie, adic:

=
=
|
|
.
|

\
|
n
i
i
n
n
p
p p p
x x x
X
1 2 1
2 1
1 ;
..... ,
..... ,
: pentru variabile aleatoare de tip discret i finit;

=
=
|
|
.
|

\
|
1 2 1
2 1
1 ;
.... ..... ,
..... ..... ,
:
n
n
n
n
p
p p p
x x x
X pentru variabile aleatoare de tip discret i numrabil;

n cazul unei variabile aleatoare de tip continuu numim funcie de repartiie o aplicaie
F:R[0,1] astfel nct F(x)= P(X<x);
Aceast notaie este formal, ea reprezentnd probabilitatea:
P({eX(e)<x}) = P({X<x}) = P(X<x)

Principalele proprieti ale funciilor de repartiie
p1) Funcia F este monoton cresctoare
Demonstraie: fie x
1
<x
2
cu x
1
, x
2
e R {e,X(e)<x
1
} c {e,X(e)<x
2
} sau : {X<x
1
} c
{X<x
2
} P(X<x
1
) s P(X<x
2
) F(x
1
) s F(x
2
)
p2) 0 ) (
lim
=

x F
x

Demonstraie: fie 0 ) ( 0 ) ( ) ( , ) ( < u < c
x n n n n n n n
x F x X P x X x R x
n

p3)
x
F x

=
lim
( ) 1
Demonstraie: analog
{ } ( ) , ( ) ( ) x R x X x P X x F x
n n n n n n n n x
c < <

O 1 1
p4) F(x) este o funcie continuu la stnga F(x)=F(x-0) () xeR
Se poate arta i reciproc: dac o funcie F:R[0,1] are proprietile de la p1p4, atunci
pentru ea se poate construi un cmp de probabilitate i o variabil aleatoare X pentru care F s
reprezinte funcia sa de repartiie.
p5) () a,b e R; P(a<X<b) = F(b) - F(a) (19.9)
Demonstraie: {e,a<X(e)<b} = {a<X<b} = {X<b} - {X<a}
P(a<X<b) = P((X<b) - (X<a)) = P(X<b) - P((X<b) (X<a)) = P(X-b) - P(X<a)
(X-b) c (X<a)
p6) P(X>x) = 1- F(x)
Demonstraie: (X>x) = (X<x)

Variabila aleatoare X de tip continuu are o densitate de repartiie dac (-) o funcie
| ) , 0 : R f astfel nct
}

=
x
dt t f x F ) ( ) ( , unde F este funcia de repartiie a variabilei X.

Matematici aplicate n economie

116
Dac f: R R este o densitate de repartiie atunci :

=
e >
}

1 ) ( )
) ( 0 ) ( )
dx x f b
R x x f a
, f integrabil
Proprietatea densitii de repartiie:
}
= < s
b
a
dx x f b X a P ) ( ) (

Caracteristici numerice ale variabilelor aleatoare
Momente iniiale de ordin k, k e N
Pentru variabilele aleatoare de tip discret i finit, momentul iniial de ordinul k este dat de
relaia :
o
k
= M[X
k
] = x p
i
k
i
i
n

1

Pentru variabilele aleatoare de tip discret numrabil, momentul iniial de ordinul k este dat de
relaia :
| |

=
= =
1 n
n
k
n
k
k
p x X M o , dac seria este convergent
Pentru variabilele aleatoare de tip continuu, momentul iniial de ordinul k este dat de relaia:
| | o
k
k k
M X x f x dx = =

}
( ) , dac integrala este convergent.
Caz particular: pentru k=1, o
1
= M[X] = m se numete valoarea medie a variabilei aleatoare X
sau sperana matematic
i)

=
=
n
i
i i
p x m
1
pentru variabile aleatoare de tip discret i finit
ii)

=
=
1 n
n n
p x m pentru variabile aleatoare de tip discret i numrabil
iii)
}

= dx x f x m ) ( pentru variabile aleatoare de tip continuu
Expresia U = X m se numete abatere aleatoare a variabilei X de la valoarea medie.

Proprieti ale mediei:
p1) valoarea medie a unei abateri aleatoare are valoarea cuprins ntre cea mai mic i cea
mai mare valoare a lui X.
xe[x
o,
x
p
] x
o
f(x) s x f(x) sx
p
f(x)
f(x) = densitate de repartiie; integrnd | | x f x dx M X x f x dx
p o
( ) ( ) s s

} }
p2) valoarea medie a abaterii variabilei aleatoare X de la valoarea medie este 0: M[U] = 0.
Demonstraie: M[U] = M[X-m] = 0.

Momente centrate de ordin k, keN
Se numete moment centrat de ordin k al variabilei aleatoare X momentul de ordinul
k al abaterii variabilei X de la valoarea medie.

k
= M[(X-m)
k
]
pentru X = valoarea aleatoare discret i finit, momentul centrat este:
Elemente de teoria probabilitilor i statistic matematic


117
117

k i
k
i
i
n
x m p =
=
( )
1

pentru X = valoarea aleatoare discret, numrabil, momentul centrat este:

k i
k
i
i
m
x m p dac seria este convergent =
=
( )
1

pentru X = valoare aleatoare continu, momentul centrat este:

k
k
x m f x dx dac egrala este convergent =

}
( ) ( ) int
Observaie: 1. Momentul centrat de ordinul 0 este 1.
Relaia dintre momente centrate i momente de ordin k este:

}

}
}

+

= =
=
k
i
i
i k i
k
i k
k
k
k
m C dx x f m x
dx x f m x
0
) 1 ( ) ( ) (
) ( ) (
o

Caz particular:
| | | | D x C m C m C m m M X M X ( ) = = + = = o o o o
2 2
0 2
0 2
1
1 2
2 0
2 2
2 2 2


Momentul centrat de ordinul 2 reprezint dispersia variabilei aleatoare X
D(x) = M[(X-m)
2
]
i are proprietatea:
| | | | X M X M x D
2 2
) ( =
Dac notm cu
2
2
2 2
) ( m x D = = o o o
Expresia
k
k k
x) ( o = se numete abaterea medie de ordinul k
Pentru k=2, o = = ) ( ) (
2
x x D se numete abaterea medie ptratic.

Probleme Rezolvate:
Experimente repetate, scheme clasice de probabilitate

1. n 3 loturi de produse 4%, 3% i 8% sunt defecte. Se extrage la ntmplare cte un
produs din fiecare lot. S se afle probabilitatea ca :

a) un produs s fie defect ;
b) un produs s fie corespunztor ;
c) toate produsele extrase s fie corespunztoare ;
d) toate produsele extrase s fie defecte.
Soluie: (Schema Poisson )
08 , 0 ; 03 , 0 ; 04 , 0
3 2 1
= = = p p p iar
nk
P este coeficientul lui
k
X din dezvoltarea polinomial:

) (
1
i i
n
i
q x p + H
=
; n=3, deci ) ( ) ( ) ( ) (
3 3 2 2 1 1
q x p q x p q x p x P + + + =
a)
3 2 1 3 2 1 3 2 1 1 , 3
p q q q p q q q p P + + =
b)
3 2 1 3 2 1 3 2 1 2 , 3
p p q p q p q p p P + + =
Matematici aplicate n economie

118
c)
3 2 1 0 , 3
q q q P =
d)
3 2 1 3 , 3
p p p P =

2. O firm se aprovizioneaz de la 4 furnizori. Din datele statistice privind furnizorii, firma
estimeaz c probabilitile cu care furnizori pot onora contractele sunt :
9 , 0 ; 8 , 0 ; 9 , 0 ; 8 , 0
4 3 2 1
= = = = p p p p
S se determine posibilitatea ca :
a) toi furnizorii s-i onoreze contractul ;
b) nici un furnizor s nu-i onoreze contractul ;
c) cel puin un furnizor s-i onoreze contractul ;
d) cel mult un furnizor s-i onoreze contractul .
Soluie: ( Schema Poisson ); n=4
a)
4 , 4
P ; b)
0 , 4
P c)

=
>
=
4
1
, 4 1 , 4
k
k k
P P d)
1 , 4 0 , 4 1 , 4
P P P
k
+ =
s

3. O societate comercial are 6 debitori. Probabilitatea ca la fritul unei luni un debitor
sa fie solvabil este 0,8. S se determine probabilitatea ca :
a) toi debitorii s fie solvabili ;
b) nici un debitor s nu fie solvabil ;
c) 4 debitori s fie solvabili ;
d) cel puin 2 debitori s fie solvabili ;
e) 3 debitori s nu fie solvabili ;
f) cel puin 2 debitori s nu fie solvabili .
Soluie: ( Schema Bernoulli sau schema bilei revenite )

2 , 0
6
8 , 0
=
=
=
q
n
p

k n k k
n k n
q p C P

=
,

a)
6 0 6 6
6 6 , 6
p q p C P = = ; ; ) (A P p = A = evenimentul debitorul s fie solvabil
b)
6 6 0 0
6 0 , 6
q q p C P = =
c)
2 4 4
6 4 , 6
q p C P =
d)

=
>
=
6
2
, 6 2 , 6
k
k k
P P
e)
3 3 3
6 3 , 6
q p C p =
f)
2 4 4
6
1 5 5
6
0 6 6
6 4 , 6 5 , 6 6 , 6
q p C q p C q p C P P P + + = + +

4. Profitul unui agent economic la sfritul lunii poate s creasc fa de luna precedent
cu probabilitatea de 0,6. Se anticipeaz profitul agentului economic pentru urmtoarele 4 luni. S
se afle probabilitatea ca profitul :
a) s creasc n 3 din cele 4 luni ;
b) s creasc cel puin n 2 din cele 4 luni ;
c) s nu creasc n 2 din cele 4 luni ;
d) s nu creasc n cel mul 2 din cele 4 luni ;
e) activitatea agentului economic s nu fie rentabil n nici una din cele 4 luni ;
f) activitatea agentului economic s fie rentabil pe ntreaga period.
Soluie: ( Schema Bernoulli sau schema bilei revenite )
0,6 ) ( = = A P p ; evenimentul A = profitul s creasc fa de luna precedent
a )
1 3 3
4 3 , 4
q p C P =
Elemente de teoria probabilitilor i statistic matematic


119
119
b)
0 4 4
4
1 3 3
4
2 2 2
4 4 , 4 3 , 4 2 , 4
q p C q p C q p C P P P + + = + +
c)
2 2 2
4 2 , 4
q p C P =
d)
0 4 4
4
1 3 3
4
2 2 2
4 4 , 4 3 , 4 2 , 4
q p C q p C q p C P P P + + = + +
e)
2 2 0
4 0 , 4
q p C P =
f)
0 4 4
4 4 , 4
q p C P =

5. La deschiderea bursei se pun n vnzare 100 de aciuni cu aceeai valoare nominal
dintre care 30 sunt ale firmei A, iar restul sunt ale firmei B. S presupunem c pn la nchidera
bursei s-au vndut 10 aciuni. S se afle probabilitatea ca :
a) 3 aciuni vndute s fie de la firma A ;
b) 4 aciuni vndute s fie de la firma B ;
c) toate aciunile vndute s fie ale firmei A ;
d) cel puin 6 aciuni vndute s fie ale firmei A ;
e) toate aciunile vndute s fie ale firmei B ;
f) cel puin 7 aciuni vndute s fie ale firmei B ;
Soluie: ( Schema hipergeometric pentru dou stri )
N=100, a=30, b=70, n=10

10
100
7
70
3
30
3 , 10
C
C C
P = ;b)
10
100
4
70
6
30
6 , 10
C
C C
P = ;c)
10
100
0
70
10
30
10 , 10
C
C C
P = ;
d)
k
k k
k
k
C C P

= =
=

10
70
10
6
10
6
30 10
100
, 10
C
1
; e)
10
100
10
70
10 , 10
C
C
P = ; f)
k
k k
k
k
C C P

= =
=

10
70
3
0
3
0
30
10
100
, 10
C
1


Probleme Rezolvate:
Formule probabilistice

1. Un aparat electronic e alctuit din 3 module ce funcioneaz independent unul de altul.
Pe baza datelor statistice firma apreciaz c probabilitatea
i
p
de funcionare far defect ntr-
un interval dat de timp a modulului
i
este : 0,9 ; 85 , 0 ; 8 , 0
3 2 1
= = = p p p . S se calculeze :
a) probabilitatea ca aparatul s funcioneze ;
b) aparatul s nu funcioneze ;
c) s fie necesar nlocuirea unui singur modul pentru ca aparatul s poat funciona.

Soluie:
a) Fie
i
A
evenimentul ca modulul
i
s funcioneze far defect ; 3 , 1 ; ) ( = = i A P p
i i
.
Fie A evenimentul ca aparatul s funcioneze. Atunci
3 2 1
A A A A = i cum evenimentele
i
A

sunt independente, 612 , 0 9 , 0 85 , 0 8 , 0 ) ( ) (
3 2 1 3 2 1
= = = = p p p A A A P A P .
b) Fie B evenimentul cerut, ca aparatul s nu funcioneze. Evident : A B = . Deci :
388 . 0 612 . 0 1 ) ( 1 ) ( = = = A P B P .
c) Fie C evenimentul cerut. El se realizeaz daca i numai dac un singur eveniment
i
A
din
cele trei nu se realizeaz. Deci : ) ( ) ( ) (
3 2 1 3 2 1 3 2 1
A A A A A A A A A C = .
Matematici aplicate n economie

120
Cum evenimentele reunite sunt incompatibile dou cte dou, pentru calculul lui ) (C P se folosete
finit aditivitatea funciei probabilitate.
329 , 0 068 , 0 108 , 0 153 , 0 1 , 0 85 , 0 8 , 0 9 , 0 15 , 0 8 , 0 9 . 0 85 , 0 2 , 0
) 1 ( ) 1 ( ) 1 (
) ( ) ( ) ( ) (
3 2 1 3 2 1 3 2 1
3 2 1 3 2 1 3 2 1
= + + = + + =
= + + =
= + + =
p p p p p p p p p
A A A P A A A P A A A P C P


2. O firma are n trei orae diferite cte o filial. Consiliul de administraie al firmei a fixat
o valoare S faa de care se raporteaz profitul fiecrei filiale.
Din datele statistice ale firmei rezult c probabilitile cu care fiecare filiala obine un profit ce
depete suma S sunt aproximate de valorile 8 , 0 ; 6 , 0 ; 5 , 0
3 2 1
= = = p p p .
S se afle probabilitatea ca :
a) cel puin o filial s aib un profit ce depete pe S ;
b) o singura filiala s aib profit mai mare dect S ;
c) profitul la toate filialele s fie mai mare ca S ;
d) profitul la toate filialele s fie mai mic ca S ;
e) profitul la cel mult 2 filiale s depeasc pe S.
Soluie:
a) Fie
i
A
evenimentul ca filiala
i
s obin un profit mai mare dect S. Fie A
evenimentul ca cel puin o filiala s aib un profit mai mare ca S. Deci

3
1 =
=
i
i
A X i cum
evenimentele sunt compatibile P(X) se calculeaz cu formula Poincare :
= + + + =
|
|
.
|

\
|
=
) ( ) ( ) ( ) ( ) ( ) ( ) (
3 2 1 3 2 3 1 2 1 3 2 1
3
1
A A A P A A P A A P A A P A P A P A P A P
I
I

= + + + =
3 2 1 3 2 3 1 2 1 3 2 1
p p p p p p p p p p p p
= = + + + 8 , 0 6 , 0 5 , 0 8 , 0 6 , 0 8 , 0 5 , 0 6 , 0 5 , 0 8 , 0 6 , 0 5 , 0 96 , 0 .
b) Evenimentul cerut se descompune ca reuniune de evenimente incompatibile:
( ) ( ) ( )
3 2 1 3 2 1 3 2 1
A A A A A A A A A Y = . Deci:
= + + =
3 2 1 3 2 1 3 2 1
) 1 ( ) 1 ( ) 1 ( ) 1 ( ) 1 ( ) 1 ( ) ( p p p p p p p p p Y P 0,26
c) Evenimentul cerut nseamn realizarea simultan a celor 3 evenimente
i
A
. Deci
= =
|
|
.
|

\
|
=
=
3 2 1
3
1
) ( p p p A P Z P
i
i
0,24.
d) Evenimentul cerut este:
= = = = 2 . 0 4 . 0 5 . 0 ) 1 )( 1 )( 1 (
3 2 1 3 2 1
p p p A A A V 0,04.
e) Evenimentul cerut W se poate descompune ca reuniune de evenimente incompatibile
astfel:
( ) ( ) ( ) | |= =
3 2 1 3 2 1 3 2 1
A A A A A A A A A Y Z W
= + + + + = ) 1 ( ) 1 ( ) 1 ( ) ( ) ( ) (
3 2 1 3 2 1 3 2 1
p p p p p p p p p Y P Z P W P
= + + + + = 06 , 0 16 , 0 24 , 0 26 , 0 ) 24 , 0 1 ( 1,48.

3. O main automat produce n medie 3% tricotaje necorespunztoare. Un lot de 100 de
tricotaje e supus controlului de calitate. Condiia ca lotul s fie respins const n depistarea a cel
puin unui tricotaj cu defect n 4 verificri consecutive la ntmplare. S se afle probabilitatea ca :
a) lotul s fie acceptat ;
b) lotul s nu fie acceptat ;
Elemente de teoria probabilitilor i statistic matematic


121
121
c) lotul s fie respins dup a doua verificare.
Soluie:
a) Fie X evenimentul ca lotul s fie acceptat i fie
i
A
evenimentul ca la verificarea cu
numrul i, 4 . 1 = i , tricotajul s fie corespunztor.
Evenimentele
i
A
sunt dependente,

4
1 =
=
i
i
A X , deci se aplic formula probabilitii interseciei de
evenimente dependente.
=
|
.
|

\
|

|
.
|

\
|

|
.
|

\
|
=
|
|
.
|

\
|
=
=
3 2 1
4
2 1
3
1
2
4
1
) 1 ( ) (
A A A
A
P
A A
A
P
A
A
P A P A P X P
I
I

= =
97
94
98
95
99
96
100
97
0,858.
b) Evenimentul cerut notat cu Y ca lotul s nu fie acceptat, este contrarul evenimentului X.
Deci = = = 858 . 0 1 ) ( 1 ) ( X P Y P 0,142.
c)Notm cu Z evenimentul cerut.
= = |
.
|

\
|
= =
99
3
100
97
) ( ) (
1
2
1 2 1
A
A
P A P Z P A A Z 1,02.
4. Dou maini automate care fabric acelai fel de piese i au aceeai productivitate,
realizeaz piese rebut cu probabilitatea . 02 , 0 ; 05 , 0
2 1
= = p p Din producia celor dou maini se
extrage la ntmplare o pies:
a) Care este probabilitatea ca piesa extras s fie corespunztoare;
b) Care este probabilitatea ca piesa extras s fie rebut;
c) tiind c piesa extras este rebut, s se afle probabilitatea ca ea s provin de la prima
main;
d) tiind c piesa extras este corespunztoare, care este probabilitatea ca ea s provin de
la a doua main?
Soluie:
Notm cu
i
A evenimentul ca maina i , 2 , 1 = i s realizeze rebut.
( ) ; 05 , 0
1 1
= = A P p i ( ) 02 , 0
2 2
= = A P p
Probabilitatea evenimentelor contrare, ca maina i s realizeze piese corespunztoare:
( ) 95 , 0 1
1 1 1
= = = p A P q i ( ) 98 , 0 1
2 2 2
= = = p A P q
Fie { } 2 , 1 , = i H
i
evenimentele ca maina aleas s fie maina i
{ } 2 , 1 , = i H
i
formeaz sistem complet de evenimente (ipoteze):
O = = =
2 1 2 1
; ; H H H H H
i
| |
( ) ( )
2
1
2 1
= = H P H P
a) Fie X evenimentul ca piesa extras s fie corespunztoare.
X se poate descompune ca reuniune de evenimente incompatibile:
( ) ( ) ( )
2 1 2 1
H X H X H H X X X = = O =
Aplicm formula probabilitii totale:
( ) ( ) ( ) ,
2
2
1
1
|
.
|

\
|
+
|
.
|

\
|
=
H
X
P H P
H
X
P H P X P unde
2
2
1
1
; q
H
X
P q
H
X
P =
|
.
|

\
|
=
|
.
|

\
|

( ) 965 , 0 98 , 0
2
1
95 , 0
2
1
= + = X P
b) Fie Y piesa extras s fie rebut
( ) ( ) ( ) X P X P Y P = = 1 , sau aplicnd din nou formula probabilitii totale,
Matematici aplicate n economie

122
( ) ( ) ( ) 035 , 0 02 , 0
2
1
05 , 0
2
1
2
2
1
1
= + =
|
.
|

\
|
+
|
.
|

\
|
=
H
Y
P H P
H
Y
P H P Y P
c) Probabilitatea cerut se calculeaz cu formula lui Bayes ( Y este evenimentul realizat)

( )
( )
714285 , 0
035 , 0
05 , 0
2
1
1
1
1
=

=
|
.
|

\
|

=
|
.
|

\
|
Y P
H
Y
P H P
Y
H
P
d) X este evenimentul realizat pentru care se aplic din nou formula lui Bayes

( )
( )
010369 , 0
965 , 0
02 , 0
2
1
2
2
2
=

=
|
.
|

\
|

=
|
.
|

\
|
X P
H
X
P H P
X
H
P
Probleme Rezolvate:
Variabile aleatoare

1. Distribuia variabilei aleatoare X este:


|
|
|
.
|

\
|
6
1
3
1
4
7
4 3 2 1
:
2
P p
X
a) Care este probabilitatea ca variabila X s ia o valoare ? 3 s
b) Calculai | | X M i ( ) X D
Soluie:
a) X este variabil aleatoare => 1
6
1
3
1
4
7
2
= + + + p p

81 32 49
0 2 7 4
0 12 2 4 21 12
2
2
= + =
= +
= + + +
D
p p
p p


4
1
8
9 7
1
=
+
= p
0 2
8
9 7
2
< =

p
soluie care nu convine.
Rescriem distribuia variabilei aleatoare,
|
|
.
|

\
|
6 / 1 3 / 1 16 / 7 16 / 1
4 3 2 1
: X

( ) ( ) ( ) ( )
6
5
3
1
16
7
16
1
3 2 1 3 = + + = + + = s P P P X P sau
( ) ( ) ( )
6
5
4 1 3 1 3 = = = s = s X P X P X P ;
b) | |
6
1
4
3
1
3
16
7
2
16
1
1 + + + = X M ; ( ) | | | | ( )
2 2
X M X M X D = ; iar
| |
6
1
4
3
1
3
16
7
2
16
1
1
2 2 2 2 2
+ + + = X M

Elemente de teoria probabilitilor i statistic matematic


123
123
2. Se testeaz trei prototipuri de produse. Probabilitile ca acestea sa fie corespunzatoare
sunt respectiv: 85 . 0 ; 8 . 0 ; 9 . 0
3 2 1
= = = p p p .S se determine repartiia variabilei aleatoare
corespunzatoare numrului de prototipuri care corespund.
Soluie:
Notm cu X variabila aleatoare respectiv . valorile acesteia pot fi 0,1,2,3.
Probabilitile aferente fiecrei valori pe care o poate lua X se calculeaz cu schema lui
Poisson i sunt respectiv coeficienii lui
3 2 1 0
, , , x x x x din polinomul:
( ) ( )( )( ) 15 . 0 85 . 0 2 . 0 8 . 0 1 . 0 9 . 0 + + + = x x x x P
Vom avea:
|
|
.
|

\
|
612 , 0 329 , 0 056 , 0 003 , 0
3 2 1 0
: X

3. Intr-un lot de 100 produse, 10 sunt necorespunztoare. Pentru un control de calitate se
extrag la ntmplare 5 produse din lot.
S se determine repartiia variabilei aleatoare X care ia ca valori numarul produselor
necorespunztoare din cele 5 produse selectate?
S se determine ( ) ( ) 5 1 , 4 < s < X P X P
Soluie:
Variabila aleatoare X poate lua valorile 5 , 4 , 3 , 2 , 1 , 0
pentru calcularea probabilitilor corespunztoare se folosete schema bilei nerevenite i avem:
( )
5
100
5
90 10
, 5
C
C C
k P p
k k
k

= = , 5 , 4 , 3 , 2 , 1 , 0 = k
Repartiia variabilei aleatoare va fi:
|
|
.
|

\
|
k
p
k
X : 5 , 4 , 3 , 2 , 1 , 0 = k .
( ) ( ) 1 007 . 0 070 . 0 340 . 0 583 . 0 4 4
3
0
= + + + = = = <

= k
k
p F X P
( ) ( ) ( ) 41 . 0 007 . 0 070 . 0 340 . 0 1 5 5 1
4
1
= + + = = = < s

= k
k
p F F X P .

4. Se da o funcie R R f : , unde:
( )

e
e
=
] , 0 [ , 0
] , 0 [ , sin
t
t
x
x x k
x f ,k R e
a. S se determine constanta k astfel ca f s fie densitatea de repartiie a unei variabile
aleatoare X .
b. S se afle funcia de repartiie F a lui X
c. S se calculeze |
.
|

\
|
< s
4
0
t
X P , |
.
|

\
|
> < s
6
/
4
0
t t
x X P , |
.
|

\
|
s s >
4
5
4
/
2
t t t
X X P
Soluie:
Condiiile ca f s fie densitate de repartiie a variabilei aleatoare X sunt:
1. ( ) ( ) 0 0 sin , 0 > => > => e > k x k R x x f
2.
2
1
1 2
0
cos sin 1 ) (
0
= => = = = => =
} }

k k x k xdx k dx x f
t

Deci:

e
e
=
] , 0 [ 0
] , 0 [ sin
2
1
) (
t
t
x pentru
x pentru x
x f
Matematici aplicate n economie

124
Deoarece : ( ) => =
}

x
dt t f x F ) (
pentru 0 < x , ( ) 0 = x F
pentru | | b a x , e , ( ) ) cos 1 (
2
1
0
cos
2
1
sin
2
1
0
0
0
x
x
t tdt dt x F
x
= = + =
} }


pentru t > x ( ) 1 0 sin
2
1
0 ) ( ) ( ) (
0 0
0
= + + = + + =
} } } }

tdt dt t f dt t f dt t f x F
x t
t
t


In concluzie: ( )

>
s <

s
=
t
t
x daca
x daca
x
x daca
x F
, 1
0 ,
2
cos 1
0 , 0

c.
|
.
|

\
|
< s
4
0
t
X P =
4
2 2
sin
2
1
4
0

=
}
t
xdx
|
.
|

\
|
> < s
6
/
4
0
t t
X X P =
( )
3 2
2 3 2
6
1
6 4
6
4 6
+

=
|
.
|

\
|

|
.
|

\
|

|
.
|

\
|
=
|
.
|

\
|
>
|
.
|

\
|
< <
t
t t
t
t t
F
F F
X P
X P

2 2
2
2
2
1
2
1
1
2
1
1
4 4
5
2 4
5
4
5
4
4
5
2
4
5
4
/
4 +
=
|
|
.
|

\
|

=
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
=
|
.
|

\
|
s s
|
.
|

\
|
s <
= |
.
|

\
|
s s >
t t
t t
t t
t t
t t t
F F
F F
X P
X P
X X P

5. S se determine , R k e astfel nct R R f : unde:

=
e
=

] 1 , 0 [ , 0
] 1 , 0 [ , ) 1 (
) (
1 1
x pentru
x pentru x kx
x f
b a
a.b>0
s fie o densitate de repartiie.
Soluie:
Se pun condiiile:
a. 0 ) ( , 0 ) ( > => e > k R x x f
b.
}

=1 ) ( dx x f 1 ) 1 (
1
1
0
1
=

}
dx x kx
b a
=> ( ) 1 , = b a kB
=>
) , (
1
b a B
K = unde ) , ( b a B este funcia beta de parametri a si b .

6. Se consider funcia f definit prin:

e
+ s s
= R c
rest in
c x c daca
x
x f ,
0
1 1 ,
1
) (
S se afle valoarea constantei c pentru care funcia f este o densiatate de repartiie.
Soluie:
Elemente de teoria probabilitilor i statistic matematic


125
125
Pentru ca f sa fie o densitate de repartiie, trebuie ca R x x f e > ) ( , 0 ) ( i
}
=
R
dx x f 1 ) (
Din 0 ) ( > x f rezult ca 0 > c

Din condiia
}
+

=
c
c
x
dx
1
1
1 rezult c 1
1
1
ln =

+
c
c
x sau 1
1
1
ln =

+
c
c


Rezult c: e
c
c
=

+
1
1
, adic
1
1
+

=
e
e
c .

7. S se determine constanta c astfel ca | | ( )
2
1
, 1 , 0 :
x
c
x f R f
+
= s fie o densitate de
repartiie (repartiia Cauchy) a unei variabile aleatoareX. S se determine ( ) 1 1 s s X P .
Soluie:
f este o densitate de repartiie dac ( ) 0 0 > > c x f

( ) =

}
1 dx x f
t
t
1
1 x arctg
1 1
2
= = = =
+
=
+

} }
c c c
x
dx
c dx
x
c

( ) ( )
( )
=
+
=
+
= = < s
} } }

1
1
2
1
1
2
1
1
1
1
1
1 1
x
dx
x
dx
dx x f X P
t t


2
1
2
1
4 4
1
arctg
1
1
1
= =
(

|
.
|

\
|
= =

t
t
t t
t t
x .

8. Fie R R f : , ( )

>
s
=

0 pentru ,
0 pentru , 0
2
x e
x
x f
x

a. S se determine pentru ca f s fie densitatea de repartiie a unei variabile aleatoare
continue X .
b. S se calculeze ( ) 3 > X P , ( ) 3 > X P , ( ) 3 2 < s X P .
c. S se calculeze ( ) X M si ( ) X D .

Soluie:
a) f densitate de repartiie dac:
( ) ( ) 0 , 0 > e > R x x f ; ( ) = = =
} } }

1 1
2
0
2
dx e dx e dx x f
x x

( ) 2 1
2
1
2
1
1
2
1
0
0
2
= = = =
|
.
|

\
|

e e e
x

b) ( )
6
6
3
0
2
3
0
2
1
1 1 2 3
e
e e dx e X P
x x
= = = = <

}
; ( ) ( )
6
1
3 1 3
e
X P X P = < = >
( )
6
2
6 4
6 4
3
2
2
3
2
2
1 1 1
2 3 2
e
e
e e
e e e dx e X P
x x

= = = = = < s

}

Matematici aplicate n economie

126
c) ( ) ( ) = = = =
} } }

0
2
0
2
2 2 dx xe dx xe dx x xf X M
x x

2
1
2
1
0
0
2
0
2
0
2
= = + =

}
x x x
e dx e xe .
( ) ( ) = = =
} }

0
2 2 2
2
2 dx e x dx x f x X M
x


2
1
2
1
0 2
2
1
2
0
2
0
2
0
2 2
= = +
|
.
|

\
|
=

}
x x x
e dx e x e x .
( ) ( ) ( )
4
1
4
1
2
1
2
2
= = = X M X M X D .

9. Se da funcia:

( )

< <
s <
=
rest in , 0
2 1 daca , 2
1 0 daca ,
x x
x x
x f

a. S se verifice c ( ) x f este o densitate de probabilitate;
b. S se calculeze ( ) X M si ( ) X D
2
.
Soluie:
a)Se verifica uor c ( ) x f > 0
( ) ( ) 1
2
1
2
2
1
2
2
2
2
1
0
2
1
0
2 2
1
1
0
= + =
|
|
.
|

\
|
+ = + =
} } }

x
x
x
dx x xdx dx x f .
Deci ( ) x f este o densitate de probabilitate.
b)
( ) ( ) ( ) = + = =
} } }
2
01
1
0
2
2
0
2 dx x x dx x dx x xf X M
1 2 3
3
1
3
8
1 4
3
1
3 2
2
3
2
1
3
2
1
2
1
0
3
= = + + = + =
x x x

( ) ( ) ( ) = + = =
} } }
2
1
2
1
0
3
2
0
2
2
2 dx x x dx x dx x f x X M
6
7
4 3
2
4
2
1
4
2
1
3
1
0
4
= + =
x x x
.
( ) ( ) ( )
6
1
1
6
7
2
2
= = = x M X M X D .


10. Se considera funcia:
( )

<
>
=

0 , 0
0 ,
2
x
x e ax
x f
kx
unde 0 > k , R ae .
a. S se determine parametrul real a aa nct f s fie densitatea de repartiie a unei
variabile aleatoare continue X ;
Elemente de teoria probabilitilor i statistic matematic


127
127
b. S se afle funcia de repartiie a lui X ;
c. S se calculeze ( ) X M , ( ) X D ,
x
o ;
d. S se calculeze |
.
|

\
|
< <
k
X P
1
0 .
Soluie:
Pentru ca f s fie o densitate de repartiie trebuie ca ( ) 0 > x f , adic
0 > a
si
( ) 1 =
}

dx x f
;
Rezult c:
( )
2
1 3 1 1
2
2
0
2
2
0
2
k
a
k
a
dy e y
k
a
e x a
y kx
= = I = =
} }

.
b) ( ) ( )

>
s
= < =
}

0 ,
2
0 , 0
0
2
2
x dt e t
k
x
x X P x F
x
kt

>
+ +

s
=

0 ,
2
2 2
1
0 , 0
2 2
x e
kx x k
x
kx

c)
( ) ( )
( )
k k
dy e y
k
dx e x
k
dx x xf X M
y kx
3
2
4
2
1
2
0
3
0
3
2
=
I
= = = =
} } }

.

( ) ( )
( )
2 2
0
4
2
0
4
2
2 2
12
2
5
2
1
2 k k
dy e y
k
dx e x
k
dx x f x X M
y kx
=
I
= = = =
} } }

.
( ) ( ) ( )
2 2 2
2 2
3 9 12
k k k
X M X M x D = = = .
( ) 3
1
k
X D
x
= = o .
d)
( )
e
e e F
k
F
k
X P
2
5
1
2
5
1
2
2 2 1
1 0
1 1
0
1 1
= =
+ +
=
|
.
|

\
|
=
|
.
|

\
|
< <

.