Sunteți pe pagina 1din 413

UNIVERSITATEA ROMNO AMERICAN BUCURETI

Radu Despa
Ctlina Visan t Cristina Coculescu Maria Burac Carmen Pricin Ovidiu Solomon

RADU DESPA CTLINA VIAN CRISTINA COCULESCU MARIA BURAC CARMEN PRICIN OVIDIU SOLOMON

MATEMATICI APLICATE N ECONOMIE

EU
E d itu ra UNIVERSITARA Bucureti, 2006

CUPRINS
CAPITOLUL I: MODELARE I OPTIMIZARE LINIAR....................... 1. Elemente de algebr liniar................................................................... 1. Spaii liniare................................................................................ .......... 2. Spaiul liniar R n .................................................................................... 3. Sisteme de vectori n R n . Dependena i independena liniar. Baz n R n ........................................................................................... 4. Stabilirea naturii unui sistem finit de vectori n R n .............................. 5. Metoda eliminrii complete (Gauss-Jordan) de rezolvare a unui sistem de ecuaii liniare......................................................................... 6. Mulimi convexe n R n ........................................................................ Probleme............................................................................................... 9 14 \ 25 26 5 7 7 7

2. Elemente de programare liniar.......................................................... 32 1. Problema programrii liniare. Modelul matematic al problemei de programare liniar................................................................................ 32 2. Diverse forme ale modelului matematic al problemei de programare liniar................................................................................................... 36 3. Soluii ale problemei de programare liniar i proprietile lo r........... 41 4. Rezolvarea unor probleme de programare liniar prin metode elementare............................................................................................ 43 5. Algoritmul simplex. Bazele teoretice ale algoritmului simplex........... 50 6. Metoda bazei artificiale......................................................................... 65 7. Cazul cnd sistemul de restricii conine inegaliti de acelai sens..... 72 Dualitate n programarea liniar............................................................ g 1 3. Program area transporturilor.................................................................... 91 1. Enunul problemei de transport. Modelul matematic........................... 91 2. Metode de determinare a soluiilor iniiale de baz ntr-o problem de transport........................................ .................................. 94 3. Determinarea soluiei optime a problemei de transport prin metoda potenialelor (Danzig).......................................................................... 97 4. Problema de transport neechilibrat......................................................101 5. Degenerarea n problema de transport.................... ..............................103 Probleme...............................................................................................106 C A PIT O L U L II : E L E M E N T E DE ANALIZ M A T E M A T IC ..... 147 1. Funcii de dou i mai multe variabile reale................. ......................... 147 1. Mulimi i puncte n R"......................................................................... I47 2. Limita i continuitatea funciilor de dou variabile............. ................. 149 419

3. Derivate pariale.....................................................................................152 4. Difereniala funciei de dou variabile...................................................153 5. Funcii de n variabile..............................................................................156 6. Extremele funciilor de dou variabile........................................ ..........158 7. Extremele funciilor de n variabile........................................................ 161 8. Extreme condiionate............................................................................. 163 Probleme................................................................................................ 165

C A PITO LU L : M O D ELE LIN IA RE I N EL IN IA R E DE AJUSTARE A DATELOR EXPERIMENTALE....................................... 174 1. Ajustarea datelor experimentale prin metoda celor mai mici ptrate .... 174 1. Modelul liniar..........................................................................................176 2. Modelul parabolic................................... ............................................... 179 Probleme................ ................................................................................184

C A PIT O L U L IV : E L E M E N T E DE TE O R IA P R O B A B IL IT IL O R ............................................. 189 1. Cmp de evenimente, cmp de probabilitate..............................................189 1. Concepte de baz.................................................................................... 189 2. Relaii i operaii cu evenimente............................................................ 191 3. Definiia statistic a probabilitii.......................................................... 197 4. Definiia axiomatic i clasic a probabilitii....................................... 199 5. Probabiliti geometrice......................................................................... 203 6. Proprieti ale probabilitii.................................................................... 206 7. Probabilitatea condiionat. Regula de nmulire i regula de adunare a probabilitilor.......................................................................209 8. Scheme probabilistice clasice................................................................. 214 2. Variabile aleatoare...................................................................................... 221 1. Variabile aleatoare unidimensionale discrete i continue..................... 221 2. Operaii cu variabile aleatoare. Independena..... ...................................223 3. Caracteristici numerice ale variabilelor aleatoare................................. 236 4. Momente iniiale i momente centrate.................................................. 238 5. Repartiii clasice discrete i continue..................................................... 247 Repartiia hipergeometric............................................................... 247 Repartiia Poisson............................................................................ 249 Repartiia binominal....................................................................... 252 Repartiia geometric....................................................................... 254 Repartiia uniform.......................................................................... 257 Repartiia Gama.............................................................................. . 261 420

Repartiia exponenial negativ...................................................... 262 Renartitia normal 263 Probleme.............................................................................................. 269

C A PIT O L U L V: EL EM EN TE DE STATISTIC M A T E M A T IC . 309 1. Obiectul statisticii matematice. Noiunea matematic de selecie. Funcia de repartiie a seleciei. Momente de selecie........... ............... 309 1. Obiectul statisticii matematice.............................................................. 309 2. Repartiia seleciei. Funcia de repartiie a seleciei.............................. 312 3. Momente de selecie.............................................................................. 31g 2. Selecii dintr-o populaie norm al....................................................... 321 1. Introducere............................................................................................ 321 2. Repartiia mediei de selecie, pentru selecii dintr-o populaie normal................................................................................................. 321 3. Repartiia dispersiei de selecie pentru selecii dintr-o populaie normal................................................................................................. 325 3. Elemente de teoria estimaiei................................................................ 330 1. Noiuni introductive.............................................................................. . 330 2. Estimaii punctuale ale parametrilor...................................................... 332 3. Estimaii deplasate i nedeplasate......................................................... . 333 4. Estimaii consistente............................................................................... 339 5. Estimaii eficiente.................................................................................. . 341 6. Metode de determinare a estimaiilor pentru parametrii repartiiilor statistice................................................................................................. 344 7. Intervalele de estimaie.......................................................................... 353 8. Funcia de repartiie a seleciei, momente de selecie............................ 363 Probleme................................................................................................ 365 CA PIT O L U L VI: E L E M E N T E DE M A TEM A TIC I FIN A N C IA R E I A C T U A R IA L E ........................................................371 1. Operaii financiare certe.......................................... ..............................371 1. Dobnda simpl..................................................................................... 371 2. Dobnda compus................................................................................. 373 3. Pli ealonate (anuiti)........................................................................ 382 3.1. Anuiti constante postcipate........................................................ 383 3.2. Anuiti constante anticipate......................................................... 387 3.3. Pli ealonate fracionate............................................. ................390 4. mprumuturi.......................................................................................... 393 Probleme............................................................................................. 401 421

CAPITOLUL VH: OPTIMIZAREA GESTIUNII STOCURILOR... 409 Modele deterministe i modele aleatoare................................................... 409 1. Modele deterministe...............................................................................409 Modelul 1. Gestiune (stoc) cu perioada fix, cerere constant i fr posibilitatea lipsei de stoc.....................................................................409 Modelul 2. Gestiune (stoc) cu perioad fix, cerere constant i cu posibilitatea lipsei de stoc.................................................................... 412 Probleme..................... ..........................................................................415 Bibliografie .......................................................................................................417

422

PREFT t

Este bine cunoscut faptul c etapa actual de dezvoltare se caracterizeaz printr-o complexitate i diversitate a fenom enelor economice implicnd abordarea lor pe baz tiinific. Aceast abordare nu mai este posibil f r a recurge la folosirea unui aparat matematic auxiliar adecvat. Luarea unei decizii economice presupune antrenarea unor resurse materiale i umane importante neputnd f i eficient i realist dect dac se bazeaz p e un instrument matematic adecvat i p e o analiz temeinic a fenom enului supus modelrii. O modelare economic riguroas exclude cu desvrire o aborda empiric, aduce un plus de informaie i confer cercetrii un grad sporit de ncredere. Prezentul curs cuprinde materia predat la disciplina Matematici aplicate n econom ie n anul I al facultilor economice din cadrul Universitii Romno-Americane: Management-Marketing, Relaii Comerciale i Financiar Bancare Interne i Internaionale, Economia Turismului Intern i Internaional, Studii ale Integrrii Economice Europene. Noiunile prezentate n manual narmeaz studentul economist cu instrumentul matematic necesar abordrii problematicii ce ajut la modelarea fenom enelor economice cu caracter determinist sau aleator. M anualul urmrete ndeaproape programa analitic i vine n sprijinul studenilor cu un mare numr de probleme att rezolvate ct i propuse pentru rezolvare. De asemenea, precizm c aceast carte se adreseaz tuturor studenilor economiti, precum i tuturor specialitilor din diverse sectoare ale economiei i constituie un auxiliar preios n activitatea i practica lor economic.

Autorii

CAPITOLUL I MODELARE I OPTIMIZARE LINIAR 1. Elemente de algebr liniar 1. Spaii liniare. Fie Jt o mulime nevid i Di un corp. Pe Jt se definete o lege de compoziie intern notat aditiv: + : c i XJt (a, b)\ -4 a + b i o lege de compoziie extern notat multiplicativ : : D ix J t-^ J t ( a ,a ) \ - ^ a a , a& D i Definiie'. Mulimea Jt este un spaiu liniar sau vectorial peste corpul Di dac sunt satisfcute condiiile (axiomele spaiului liniar): 1 (a + b) + c = a + (b + c), (\/)a ,b ,c,E j t 2 Oe astfel nct a + 0 = 0 + a a (V )a G Jt 3 - a e astfel nct a + ( - a ) = ( - a ) + a = 0 (V )a G 4 a + b = b + a , (V )a,G Jt 5 l - a = a, (V )a G Jt 6 a ( a ) = (a )a , ( V ) a , eDi, (V )a g J 7 a (a + b) = oca + ab, (V )aG JTi (V )aG of 8 ( a + )a - a a + a, (V )a , G K s i (V)a<= Vom nota spaiul liniar cu dubletul Di ) Observaii: a) Condiiile 1 - 8 se mai numesc axiomele spaiului liniar J? ; b) Am notat cu 1 elementul unitate al corpului Di ; c) Dac avem Di - < R,{ se numete spaiu liniar real Dac Di=, (= C) se numete spaiu liniar complex Elementele a, b, c,...e Di se numesc vectori iar elementele , ,...e Di se numesc scalari. 2. Spaiul liniar R n . Fie n > 1 un numr natural i fie R" mulimea tuturor sistemelor ordonate de n numere reale de forma a = ( a l, a 2,...a,!), a,. G R notat
n ori

R n - R x R x . . . R = {a = {a x, a 2,...an) !

g R , i - 1,2,...}

Dac a e R i a , b e R n, a = ( 2,); b = ( l , 2,... n) atunci definim dou operaii: una intern


def

a +b def

+ x, a 2 + 2,...dn + n) i alta extern

oca = ( a a {, a a 2,...aan)

n R n remarcm prezena elementelor: 0 = (0,0,...0) elementul neutru (vectorul nul n R n ) i - a = (-a , , - a 2 ,...,-CCn) numit opusul lui a Se arat c cele dou operaii satisfac cele opt condiii (proprieti) care definesc staiul liniar precum i proprietile 1 - 3. Rezult c R n este un spaiu liniar. Elementele lui R n astfel definit se numesc vectori linie n- dimensionali, elementele lui R se numesc de asemenea scalari iar R n se numete spaiul real de dimensiune finit n, sau spaiul vectorilor ^-dimensionali peste corpul de scalari R. Dac a e R n, a = ( a , ,a 2,...a) atunci o se numete component sau coordonat de rang i a lui a { ! < / < ) Orice vector aE R" (de dimensiunea n) are n componente. n R n se definete egalitatea a dou elemente i anume dac a = ( a \,a 2,...,ccn) i b = ( l, 2,...,) atunci a = b<^>ai - t (V)t = 1,2,... Deseori este avantajos s considerm vectorii din R n sub form de vectori coloan

a = ( a v a 2,...a ny = aK

a / e R i - 1,2,...

n acest caz R n se va numi spaiul vectorilor coloan 'dimensionali. Exemple. Fie n R 3 vectorii liniari a = ( 2,-1,0^ ; b = (1,2,-3) i scalarul a = 2. Avem: a + b = (2 - 1 ,0 ) + (1,2,-3) = (2 + 1,-1 + 2,0 + (-3 )) = (3,1,-3)

2 a = 2(2 - 1,0) = (2 2 ,2( - l ),2 0) = (4 - 2 ,0 ) a~b o. + (-1 )b = (2 -1 ,0 ) + -1 (1 ,2 -3 ) = (2 -1 ,0 ) + ( - 1 - 2 ,3 ) = (1 -3 -3 ) 3. Sisteme de vectori n R n . Dependena i independena liniar. Baz n R n. Definiie. Mulimea {aj.flj de vectori cu a, R n 1 < i < m , m fixat se

numete sistem finit de m vectori din spaiul R n i-l notm cu S. Definiie: Orice submulime nevid S ' a lui S (S ' C S ) se numete subsistem al lui S. Definiie. Orice sistem de vectori S care conine ca subsistem pe S, ( S ' O S ) se numete suprasistem al sistemului S. Definie: Fie au a2,...an E R n i aE R n . Dac m a = A,flj + 22 + ... + cu 6 R, 1 < i < m spunem c a se ;=i exprim ca o combinaie liniar a vectorilor al,a 2,-..am Definiie. Un sistem finit de vectori {o\,a2,...am} din R n se numete liniar dependent dac exist scalarii , 2 Ajj + 22 + ... + mam = 0 . Definiie. Sistemul finit de vectori { a,,a2,...am} din R n se numete liniar independent dac i numai dac relaia A,, + 22 + ... + = 0 implic A, = 2 = ... = Am = 0 , unica soluie. Exemple: 1. Vectorii j = (1,2,-1) ; 2 = (2 ,-l,l) ; 3 = (- 1 ,3 ,-2 ) sunt liniar dependeni deoarece exist scalarii nenuli A] =1,A 2 = 1, A3 = - 1 astfel nct Ajj " f* 2@ 2 I - A^flj 2. Vectorii 0 adica cix 2 ^ 0 . 3 = (3,0,2) sunt liniari , = (2,1,1) ; 2 = (1-1,0) ; E R nu toi nuli astfel nct

independeni deoarece relaia Aj = A2 = A3 := 0 ;

,, + 22 4- 33 = 0 nu are loc dect dac

ntr-adevr: Aj (2,1,1) + A2(1,-1,0) + A3(3,0,2) = 0 = (0,0,0) care conduce la sistemul omogen n necunoscutele A,, A2, A3 :

2j + A2 + 3A3 = Aj - A2 Aj =0 + 2A3 = 0

a crui soluie este soluia nul A, = A2 = A3 = 0 . n definiia dat lui Rn am afirmat c acesta este spaiul real de dimensiune . Vom lega acum noiunea de dimensiune a spaiului R n cu noiunile de independen liniar a vectorilor prin urmtoarea propoziie pe care o dm far demonstraie. Propoziie: n R n numrul maxim de vectori liniar independeni este egal cu n adic cu dimensiunea spaiului. Prin urmare n R n nu pot exista sisteme de vectori liniar independeni care s conin un numr de vectori mai mare ca n-dimensiunea spaiului, (orice sistem de n +p vectori p > 1, p N n R n este liniar dependent). Baz n R n . Definiie. Orice sistem de n vectori \a x,a 2,...an] liniar independeni din R n se numete baz a spaiului R n . Rezult c orice baz a spaiului R n conine exact n vectori.(numrul maxim de vectori liniar independeni n R n = numrul vectorilor oricrei baze = dimensiunea spaiului R n = n). Notm cu B {,, a2,...a }. o baz din R n Exemple. Fie n R n sistemul de vectori {e],e 2,} e x - (l,0,...0),e2 - (0,1,.0)> = (0,0,...1) S artm c acest sistem formeaz o baz n R n . Va trebui s demonstrm independena sistemului. ntradevr, din Ajg, + A2e 2 + ... + nen = 0 rezult ,,,.,.) + A2(0,1,...0) + ...A(0,0,...l) = (0,0,...0) (Aj ,,.,.) + (0, A2,...0) + ... + (0,0,...A J = (0,0,...0) adic Aj = A2 = ... = A = 0 . Deci sistemul este liniar independent i formeaz o baz n R " . Vectorii e],e 2,...en se numesc vectori unitari ai spaiului R n, iar baza B = {e[,e 2,...en} se numete baza unitar a spaiului R" . Matricea format cu componentele vectorilor unitari este matricea unitate de ordinul n: 10

(\

... ...

... 1 \ / Teorema bazei Fiind dat o baz n spaiul R n , orice vector a E R n se poate exprima n mod unic ca o combinaie liniar a vectorilor bazei. Demonstraie: Fie o baz B - {],2,...} a spaiului R n i un vector a E R n . Vectorii a ,a x,a 2,...an sunt evident liniar dependeni, deci putem scrie: ka + k ]al + k 2a2 + + k nan ~ 0 unde nu toi k t sunt nuli. Numrul k este diferit de zero, deoarece n caz contrar din relaia precedent ar rezulta c a ,, a2,...an sunt liniar dependeni (absurd, formeaz baz) Deducem prin urmare: k1 k2 ^ ^ a = a , a2 ... an = ,, + A2a2 + ... + an adic orice vector k k k a E R n se exprim ca o combinaie liniar a vectorilor bazei. S demonstrm unicitatea. Presupunem c ar exista dou exprimri lui a n baza ,, a2,...a. Fie : a = + 22 + ... + a = (a, + '22 + ... + ' ^ ^ Sczndu-le obinem: (Aj - A,'), + (A3 2)2 + ... + (A - ') = 0 dar din cauza independenei vectorilor a {,a 2,...an rezult Af = 0,1 < i < n deci - \ exprimarea (*) a lui a este unic. a = A|] + A2#2 ^ ,-j + ... + \ < i < n i

Dac a E B fie a = ;, i 1, n Atunci B fiind baz, a se poate scrie:

Am vzut deci c ntr-o baz dat B = {al,a 2,...an}(Z R n orice vector a E R n se exprim prin combinaia liniar a vectorilor bazei: ( 1) a. ,, + A22 "t" " , Aj, 2,.. e R Scalarii ],2,... din ( 1) se numesc coordonatele (componentele) vectorului a n baza B.

a, bG. R n,C C j , i E R, i = 1,2,...n fiind coordonatele vectorilor a i b n baza unitar. Fie , 2, i , 2,... coordonatele vectorilor a, respectiv b n baza B format cu vectorii a ,, a2
+ b + 2 (2 +
^

. Avem:
1^1 J < ~ *

n^n ~

= (A, + ), + (Aj + 2)a 2 +... + (A + )an


relaie care exprim c vectorul a+b are n baza B coordonatele
Ai + / 2 + 2,...,+ ,

De asemenea, vectorul se va scrie - A(A, a, + 2a2 + ... + ) =' ,, + 22 + ... + relaie care exprim vectorul n baza aXia2,...an i din care rezult c coordonatele lui n aceast baz sunt , 2,... . In consecin deducem c i ntr-o baz oarecare (nu numai n baza unitar) la adunarea vectorilor coordonatele lor se adun iar a nmulirea eu un scalar se nmulesc coordonatele vectorului n acea baz cu scalarul. Evident c n orice baz coordonatele vectorului nul sunt egale cu zero. Obs. Fie n R n vectorul a = {(, &2, fie \e l,e 2,...en} baza unitar a spaiului. Suntem acum n msur s facem precizarea: numerele (Xx,(X2i...a n sunt coordonatele vectorului a n baza unitar a spaiului . ntr-adevr avem: a - ( a x, a 2,...a n) = le l + 2e 2 + ... + Xne a - A jO A -O ) + A2(0 ,1,0 ...0 ) + ... + (0.0, 1) =

= (Aj ,,.,.) + (0,A2,0...0) + ...( 0 ,0 , A ) =

= (A, A2 ,...A ) => Aj = ccx,A2 = oi2, - A = a n


De exemplu pentru vectorul a = (2,3,5) R numerele 2,3,5 sunt coordonatele lui, n baza unitar ex = (1,0,0) ; e2 = (0,1,0) ; e3 = (0,0,1) a lui R* i n aceast baz a se va scrie: a ~ 2ex + 3e2 + 5e2 Curn se exprim a ntr- baz oarecare vom arta n continuare. n baza unitar Exemplu: Se consider n R 3 vectorii dai a spaiului: a, = rn fo ! (A ril 1 ; a 2 = 0 ; 3 = 1 i a - 6 0 1 V1 \ V4 y

12

1 S se arate c vectorii ax,a 2,a 3 formeaz o baz n R 3 ; 2 Aflai coordonatele vectorului a n aceast baz. Soluie. ntr-un spaiu de dimensiune n, oricare n vectori liniar independeni formeaz o baz. Vectorii a \,a 2, a 3 sunt liniar independeni deoarece k\U\ + k 2a 2 + k 3a3 = 0 => k x = 0, k 2 = 0, k 3 = 0 ntr-adevr: + k3 = 0 ( 0^ (<0 0 = 1 0 + k 2 0 => + k 3 1 + k-. = 0 => k\ k\ 1 1 0 0 kM , + , = 0 V ^ k 2 V z 1 \ y \ / k } = k 2 = k 3 = 0 . Rezult c a , , a 2, a 3 formeaz o baz Conform teoremei bazei, a se poate exprima c o combinaie liniar a vectorilor bazei i anume a = Aj a, + A2a 2 + A3a 3 (*) scalarii ,,^^ fiind coordonatele vectorului a n baza dat,iar (*) exprimarea lui n aceast baz. Din (*) deducem sistemul: + Aj = 2 + Aj = 6 =4 A, + A * } Sistemul este compatibil unic determinat deoarece r(A)=3; Acest sistem se rezolv fie pe cale elementar i se obine A1 = 4 , A 2 = 0 ,A 3 = 2 fie pe cale matricial. Notnd cu vectorul coloan al necunoscutelor, sistemul se scrie: '0 1 11 f 2l A A = a => A = a 2 = A-1 a unde - 1 0 1 a = 6 A3 1 1 0 4 V^ ^ \ V / Avem deci: 1 1

Rezult Aj = 4, A2 = O, A3 = 2 i deci a = 4< 2j + Oa 2 + 2a 3 exprimat n baza a j, 2, < z3 4. Stabilirea naturii unui sistem finit de vectori n R n . S considerm n R n urmtorii m vectori coloan dai prin coordonatele lor n baza unitar a spaiului: ^U O C jj ^ a,1 = 21 fa U1 2 ; a2 22 ; m= ... a m (a ^

2 m K a nm ,

V! nl J

V2 nl

S artm n ce condiii are loc relaia AjtZj + 22 ^mam ~ 0, A( - 6 R l < i < m (*) Avem: f U1 oc m ^ (a1 f U,j oc ^ 2^ fo l 2 0 21 + A2 22 + . Am m V nm ) V / V*! J din care se deduce sistemul liniar omogen n necunoscutele A,, A2,...A C C j jAj + C C j2A2 + ... + C L X m k m 0 cc2jA, + cc22 2 +... + a 2m m = 0 + 2^2 + + a nm^m = "11 = 21 a .i 12 22 2 im" 2m

cu matricea

format cu vectorii coloan

* dac

considerai, Sistemul omogen admite numai soluia nul Aj = A2 = ... = Am = 0

rang(A ) = m i admite i alte soluii afar de soluia nul dac rang(A ) < m . Dcci dac rang (A ) = m vectorii sunt liniar independeni. Dac ra n g (A ) < m vectorii sunt liniar dependeni. Altfel spus: Dac m > n (numrul vectorilor mai mare ca dimensiunea spaiului)
14

vectorii sunt liniar dependeni. Dac m < n atunci vectorii sunt liniar dependeni dac ra n g (A ) < m i liniar independeni dac rang (A ) = m . Rezult c o condiie necesar i suficient ca un sistem de vectori din R n s fie liniar independent este ca rangul matricii formate cu componentele vectorilor s fie egal cu numrul vectorilor. n caz contrar sistemul de vectori este liniar dependent. Prin urmare pentru a afla natura unui sistem de m vectori n R n procedm astfel: - scriem matricea A avnd drept coloane vectorii dai; - calculm rangul r al matricii A; - decidem natura sistemului de vectori i anume: a) dac r m sistemul de vectori este liniar independent; b)dac r < m sistemul de vectori este liniar dependent. Drept consecine ale regulei precedente deducem: 1. Dac 5 este un sistem de vectori liniar independent i S ' un subsistem al lui S atunci S ' este liniar independent; 2. Dac S este un sistem liniar dependent i S* este un suprasistem al lui S (S a S") , atunci i S* este liniar dependent; 3. Orice sistem care conine vectorul nul O este liniar dependent; 4. Numrul maxim de vectori liniar independeni n R n este egal cu n. Exemple: Aflai natura sistemelor de vectori / f 2) -) ( 3 0 3 = a) = 4 > a2 > 1 2 1 1 ^ y V V y / 0 \ f -n b) = 1 > 2 = 1 > 3 = -1 > 1 1 1 V \ / / ' 2 (4 ^ 5^ 2 1 2 c) | = ; a2 : ; 4 = - 1 ; 4 1 5 3 V V / Soluie: a) Matricea componentelor vectorilor a x,a 2,a^

15

r 2 - 1 3 3 0 -3 A = 4 1 3 are rangul 2. Cum rang(A ) = 2 < 3 rezult c vectorii sunt 2 1 1 liniar dependeni; b) Rangul matricii A este n acest caz '2 - 1 0 1 1 - 1 pentru care se gsete c rang (A ) = 3 egal cu numrul 1 1 1 vectorilor deci sunt liniar independeni; c) Rangul matricii f 1 2 5 4 N 1 2 2 - 1 este egal cu 3 < 4 deci vectorii sunt liniar dependeni. A 1 3 5 4 2. Determinati m & R astfel ca sistemul de vectori
= M 0 \ 1 ; a2 = 2 1

f ; =
V

1 ^

m
-1 /

s fie liniar independent. Soluie: Trebuie ca rangul matricii fm 0 1^ A = 0 2 m s fie egal cu 3 ceea ce revine la faptul c 1 1 -1 m det A 0 adic |^| - 0 1 Cum m2 - 2 m -2 = 0 0 2 1 1 m = m - 2m - 2 * 0 -1 numai soluii complexe, rezult c

admite

(V )m G |A |* 0 i deci vectorii sunt liniar independeni pentru orice m E R . 3. Fie a,b,c vectori liniar, independeni n R 4 . Cum sunt vectorii a + b, a - b ,a - 2 b + c ? Soluie: Rspunsul la ntrebare const n a stabili n ce condiii are loc relaia: ] (a+ b) + 2(a - b) + 3(a - 2b + c) = 0 sau
(A, + 2 + A j)a + (Aj A2 ~ 2^)b + A3c = (0,0,0)

16

Prin ipotez ns vectorii a,b,c sunt liniar independeni i din relaia precedent rezult:

A, + A2 + A3 = 0 Aj A 2 2A3 0 Aj = 0
~

de unde Aj = A2 = A3 = 0 i rspunsul este c vectorii sunt liniar independeni. 4. Ce condiii trebuie s ndeplineasc numerele O C , , astfel ca vectorii: a=

\ \ H2 Soluie: Trebuie ca rangul matricii: 1 1N


A= a oc
f2

f a11. b = 0 0~rn r s fie liniar dependeni n R a2 y2


\ 1 y

s fie mai mic ca 3 ceea ce revine la egalitatea cu zero a

2 a. y2 1 2 1 2

determinantului

1 a a2

)( ~ )(

tip determinantul fiind de ti

Vandermonde. Din condiia (C C - ) ( - ) ( - a ) = 0 rezult C C= O C= y adic numerele C C , , y s fie egale dou cte dou. 5.Metoda eliminrii complete (Gauss-Jordan) de rezolvare a unui sistem de ecuaii liniare. S considerm sistemul de n ecuaii liniare cu n necunoscute: sau y - sau

+ 2 +... + = 2> i a 2ixx + a 21x2 +... + anm xn = b 2


0)
a n \ X l + a m X 2 + - + a nnX n = b n

a crei form matricial este 17

AX = b unde: V b2 'S -O *

(2)

II -c>

A = (a ) , j -

X =

\ Xn nJ

Dac A este nesingular adic (A) O atunci sistemul are o soluie unic reprezentat de vectorul X dat de relaia: X = A~xb (3) Exist o schem de calcul simpl care poate fi aplicat oricrui sistem cu \A\ 0 pentru obinerea soluiei i (sau) pentru obinerea matricii inverse A-1 . Aceast metod se numete metoda eliminrii complete Gauss-Jordan i const n aplicarea unor transformri efectuate n n iteraii (pai) echivalente cu nmulirea ambilor membrii ai ecuaiei (2) cu A~x. n caz de nevoie comcomitent poate fi obinut i matricea invers A-1 . Pentru claritate expunem aceast metod pe un exemplu. Fie sistemul de trei ecuaii cu trei necunoscute: 3*! 4*, 5x, "3 A= 4 \ 5 1 1 2 + x2
+ X-,

+ 2x , 0N

Se verific uor c (A] 0 i matricial, sistemul de mai sus se scrie: \ r2 > 1 0 V Xl ' 6 4 5 Punnd 18 1 2 1 1 x2 9 X, 11 3> V > II

...

=6 + *, + x-. = 9 =>
=

11

v 1 > X = *2 9. b = 9 1 11 \ *3 3J \

' 4 y 0 > 2 1 , a3 \ sistemul se scrie + x 2a 2 + x 3a 3 = b 5 \ 2

' 0N 1

1 , b= 9 \ \

f6l
11 / (4)

Deoarece matricea A este nesingular, sistemul de vectori , 2, 3 este liniar independent i prin urmare formeaz o baz n R . A rezolva sistemul nseamn, n baza relaiilor (4) s determinm coeficienii x x, x 2, x3 ai combinaiei liniare unice de vectori a x,a 2, a 3 care coincide cu vectorul b. Metoda eliminrii complete const n eliminarea treptat a primei, a doua , a treia etc. necunoscute n toate ecuaiile sistemului n afar de prima, a doua, a treia etc., ecuaie respectiv. Pentru sistemul dat primul pas const n eliminarea primei necunoscute X| din toate ecuaiile n afar de prima, ceea ce se poate face adunnd prima ecuaie nmulit cu un numr convenabil ales la a doua i a treia ecuaie. Pasul 1. 3*1 + x 2 =6 4x{ + x2 =9 5.x, + 2 x2 =11 ntruct matricea A este nesingular, sistemul dat poate fi scris astfel nct coeficientul primei necunoscute n prima ecuaie s fie diferit de zero. Acest lucru se realizeaz printr-o nou renumerotare a ecuaiilor sistemului. Mai mult, acest coeficient poate fi fcut egal cu 1 aa cum este n cazul nostru, mrind prima ecuaie la an = 3. Sistemul se scrie:

1
x, + X, = 2

1 4xt

3 2 + x2 + x3 =9

5*! + 2 x 2 + x3 =11 Pentru eliminarea necunoscutei X\ din a doua ecuaie nmulim prima ecuaie cu -4 i o adunm la a doua, iar pentru a elimian pe *i din a treia ecuaie nmulim prima ecuaie cu -5 i o adunm la a treia. Obinem: t

19

X, + , =2 1 3 2 1 x, + x , =1 3 2 3 1 x, + X-, = 1 3 Pasul 2. Eliminm acum a doua necunoscut x2 din ecuaiile 1 i 3 n afar de ecuaia a doua, nmulind n prealabil ecuaia a doua cu -3 pentru a face coeficientul lui x2 egal cu 1. Sistemul precedent devine:
x\
+ ~

3 x2

x 2

- 3x3 = - 3 + x3 =1

I -x 2 3

nmulim ecuaia a doua cu ~ i o adunm la prima respectiv a doua ecuaie. Obinem: X, x2 + x3 - 3*3 =3 = -3
=

2x 3

Pasul 3. mprim ecuaia trei cu 2 i apoi o nmulim cu 3 respectiv cu -1 i o adunm la prima, respectiv la a doua. Obinem: *i x2 *3 =2 =0 =1

care este sistemul transformat n care eliminarea necunoscutelor x lyx 2,x 3 n modul indicat mai sus este complet i care d soluia cutat. Procedeul eliminrii complete expus, mai poate fi prezentat i n modul urmtor: Scrim matricea sistemului i coloana termenilof liberi 3 1 0 6 4 1 1 9 5 2 1 11 Se alege un element numit pivot de exemplu 3 (trebuie s fie nenul). Elementele matricii dup etapa 1 se calculeaz astfel: - linia pivotului se mparte la pivot

20

3 coloana pivotului are elemente 0 n afar de elem entul de pe locul pivotului care este 1. Celelalte elemente se calculeaz cu aa numita regul a dreptunghiului. De exemplu, pentru elementul de pe locul (2,2) se alctuiete un dreptunghi care are ntr-un vrf pivotul iar n vrful opus numrul de pe locul (2,2) n cazul nostru 1 i celelalte vrfuri ale dreptunghiului sunt elementele matricii A de pe locurile (1,2) i (2,1). Astfel dreptunghiul este: 1 4 1

Se calculeaz valoarea ca un determinant de ordinul doi cu meniunea c produsul de pe diagonala pivotului se ia ntotdeauna cu semnul +; Deci avem:

Rezultatul se mparte la pivot i se trece pe locul (2,2) n pasul urmtor: I 3 3


2

1 o 0

o 7

Pentru calculul elementului de pe locul (2,3) se alege dreptunghiul 0 - 1 i se mparte la pivot, adic = 1 1 Procednd analog cu toate elementele care nu fac parte din linia sau coloana pivotului inclusiv elementele termenului liber, se obine etapa a doua.

1 0 0

0 1

2 1

]_

1 1 3 Pentru etapa a treia alegem un alt pivot ( nu de pe linia 1 i care s fie neaprat nenul) de exemplu ! Procednd exact ca mai nainte, vom ilustra numai calculul elementului de pe locul (1,3) 1 0

Astfel etapa a treia este: 1 0 o 0 1 o 1 -3 3 -3

1 0
0

n sfrit ultimul pivot poate fi luat 2 i soluia este dat de etapa a patra 1 0 0 2

0 0

0 1 1

Soluia este deci x ] = 2 ,x 2 = 0 ,x 3 = 1 Foarte adesea este nevoie nu numai s rezolvm sistemul ci s aflm i matricea invers A~l a matricii A a sistemului. n acest scop scriem la dreapta matricii A matricea unitate I de ordin n i aplicm metoda eliminrii complete matricii extinse. Matricea invers se obine pe locul ocupat mai nainte de matricea unitate. Dac avem matricea extins: (A I / I b) i aplicm schema de calcul a soluiei sistemului prim metoda eliminrii complete 22

obinem: ( ~ sau I A ~'I I A -'b )

/ I A -' I X Prin urmare dup cele trei iteraii ale metodei eliminrii complete matricea A a sistemului se transform n matricea unitate, matricea unitate n matricea invers
A~l a matricii A iar vectorul b se transform n soluia X a sistemului. Relund exemplul precedent vom scrie A I b \ 1 0 1 0 0 6

4 5

1 2

1 1

0 0

1 0

0 1

9 11

Pasul 1

1 0 0 1 0 0

0 1 0 0 1 0 I

-1 4 -3 1 / n / - 1 72 - 3/ /2 X

1 -3 1

0 0 1 -X 3/ 72

3 -3 2 2 0 1 X

3
0 0 1

-K 1 / 72 1

Deducem deci: f 1 / 72 A-1 =

Y l -V i Y

-X I X X
,

~ l A

Deci combinaia liniar unic prin care se exprim vectorul b este: 23

+ 22 + X33 = 2 + 2 +1 3 = b ntruct vectori , 2, 3 formeaz baz n R 3 , orice alt vector al acestui spaiu se poate exprima n mod unic ca o combinaie liniar a acestor vectori. Fie acest vector a 4 i y ,, y 2, y 3 componentele lui n baza ax,a 2,a 3. Atunci y ^ \ + y 22 + > > 3 a3 - a4 sau = de unde pentru a afla Y este suficient s nmulim relaia precedent cu A 1 la stnga: A ~ 'A Y = A ~ \ \ Fie de exemplu n baza unitar vectorul: f 4 ^ 4 = - 2 y = A- 1a 4

atunci avem:

Deci

+ 7 a2 5 a 3 a4

iar componentele vectorului a4 n baza {a{, a 2, a 3} sunt y x = 1, y 2 = 7 , y3 = - 5 24

6 . Mulimi convexe n R n . Fie spaiul liniar R n : R n = \a = ( a l, a 2, . . a j p t e R ,i = 1,2,...} Elementele a = ((Xv (X2,...CCn) ale lui R n le-am numit vectori n-dimensionali sau puncte ale spaiului -dimensional R n . Folosirea denumirii de punct n locul denumirii de vector nlesnete nelegerea unor noiuni ce urmeaz s fie definite cu ajutorul unor consideraii geometrice. Deci cnd vom vorbi de mulimi de elemente (vectori) din R " , vom spune mulimi de puncte din R n . Menionm c Ia definirea unor elemente geometrice,punctele din R n vor mai fi notate i cu X (x x, x 2>>*)> -X i 1 < z < fiind coordonatele carteziene ale punctului X & R n . Prin urmare, segmentul determinat de punctele a\ i a2 n R" este mulimea vectorilor a de forma: a - + ( \ - ) 2, 0 < < 1 Pentru < 3 aceast noiune coincide cu ce obinit. Definiie'. Mulimea C C R n de puncte din R n se numete convex dac pentru oricare dou puncte al t a2 Q, segmentul determinat de aceastea este coninut n mulimea C adic,a fiind un punct oarecare al segmentului, are loc apartenena = 1+ ( 1 - ) 2 , 0 < < 1 . n figurile de mai jos a fost reprezentate o mulime convex a) i una neconvex b) n R n .
B

a) Definiie: Un punct a G Q<Z. R n se numete punct extrem sau punct vrf al mulimii convexe Q dac nu exist n Q nici o pereche de puncte a\ i a2 astfel nct a = + (1 - ) 2 , 0 < <1 adic s fie o combinaie liniar convex a lor. 25
V

De exemplu punctele A,B,C din figura (a) sunt puncte vrf ale mulimii convexe Q. PROBLEME: 1. S se determine parametrul real k astfel nct vectorul combinaie liniar a vectorilor v, = (l,l,-l) i v2 = ( - 2,4,l).

v = (l,fc,3) s fie

Rezolvare: Pentru ca vectorul v s fie combinaie liniar a vectorilor vj i v2 este necesar s existe parametrii reali ait ai astfel nct s avem: v = a, v, + a2 v2 care este echivalent cu (l, *,3)= a, (U -l)+ a 2-{- 2,4,1) echivalent cu 1= < 3, - 2 a2 - k = al + 4 a2 3 = - a , + a2 Rezolvm acest sistem

j = 2 a 2 + 1 ,
deci 3= 2 a2 1 + a2 a2 = - 4 deci = 8 +1 a, = - 7 atunci avem: k = ~ l -1 6 = -23 2. S se determine parametrul real astfel nct v2 = ( - 2, &,l), v3 = (2,2,5), s fie liniar dependeni. Rezolvare Pentru ca vectorii vj, v2, v3 s fie liniar dependeni este necesar ca determinantul ale crui coloane sunt formate din cei vectori s fie egal cu zero: 1 -2 1 k
3 1

vectorii

v, = (l,l,3),

2 2 = 5*-12 + 2 -6 * + 10-2 = - i t - 2
5

26

Deci avem: - k -2 = 0 k = -2. 3. Se dau vectorii din R 3 : V , =(1,2,3), v2 = (0,1,1), v3= (2,1,2). Se pot determina scalarii a i b astfel nct combinaia liniar , + bv2 s fie egal cu v3 ? Rezolvare. Combinaia , + bv2 se scrie astfel: , + bv2 = (a,2a + b,3a + b), i din egalitatea: , + bv2 = v3 rezult urmtorul sistem de ecuaii a =2 2a + b = 1 3a + b = 2 Din primele dou ecuaii avem c: a = 2 i b = -3, ns aceste dou valori nu verific cea de-a treia ecuaie, prin urmare scalarii a i b nu se pot determina. 4. Determinai natura sistemului de vectori: a) x = (2,1,5^ = (2,4,1)
b) * = (1, 0 , 1b = ( , , )

c) X = (l,0,-l),}' = (2,l,l^z = ( - 1,2,1). Rezolvare: n general, pentru a determina natura unui sistem de vectori x u x2, se formeaz sistemul de ecuaii liniare (scris vectorial): a lx ] + a2x2 + ... +axn = 0 , cu o scalari reali. Dac din rezolvarea acestui sistem rezult c ct\ sunt nuli atunci sistemul de vectori este liniar independent. Dac exist mcar un singur scalar nenul printe cei n ca soluie a sistemului de mai sus, atunci sistemul de vectori este liniar dependent. 2a, +2a2 =0 a) oii + 4a2 = 0 5a, + a 2 = 0 Rezult ai = 0 i a2 = 0, prin urmare sistemul de vectori este liniar independent. b) sistemul este liniar dependent. c) sistemul este liniar independent. 27

5. Fie vectorii ,,2,3 R 4 liniar independeni. S se arate c vectorii a t + a2, a\ - a2 + 3, a2 - a3 sunt, deasemenea liniar independeni. Rezolvare: Vectorii au a2, < 2 3 sunt liniar independeni dac pentru oricare a u a 2, a 3e Z ? cu proprietatea ,, + 22 + 33 = 0 rezult, ct| a2 = 3= 0 . , + 2, - 2 + sunt liniar independeni dac pentru oricare u z , } e R cu proprietatea: i (i + a2)+ 2(fl, - a2 + a3)+ 3(a2 - a3)= 0 rezult: y = 2 = 3 = 0. Avem:
A fl, + (A

\a2 +
+

& f li - 0 2 fl2 +

iai

ia2 - iai

= 0 !

i )+

2 { i~ i

+ i )+

3 ( &

)= 0

Cum vectorii a,, a2, < 2 3 sunt liniar independeni vom avea: \ + i = 0; \ - i +i = 0; 2 - i = 0, de unde rezult uor i - i = i = 0. Deci vectorii ax+ a2, a \ - a2 + ait a2 - a3 sunt liniar independeni. 6. Este vectorul z = (4, -1,3, -2) o combinaie linear a vectorilor: X = (2,1, 3, -1) i>> = (0,1,1,0) ? Cu ce scalari este format? Rezolvare: Se determin a i astfel nct: [2a = 4 ax + y = z < = > a + = -1 3a + /3 = 3 - a = -2

Acest sistem admite soluie unic a= 2, = -3, deci 2x - 3y - z '3 ' 7. Fie vectorii a, = 4 \5 T V

' 6n 9 11 / II
\

1 3 = 1 1 ^2 y

a) S se arate c vectorii a,, a2, a3 formeaz o baz b) S se scrie vectorul a n aceast baz. Rezolvare: a) Dac vectorii a\, a2, a3 sunt liniar independeni atunci determinantul format 28

de componentele celor trei vectori este diferit de zero: 3 1 0 D = 4 1 1 = 3+ 5 - 6 - 4 = - 2 , 5 2 1 deci vectorii formeaz o baz. b) Componentele vectorului a n baza at, ut, pot fi determinate ca soluii ale sistemului: ,, + a 2a2 + 33 = 0 , sau 3a, + a 2 = 6 4a, + a 2 + a, =9 5a, + 2az + a 3 = 11 Soluiile acestui sistem sunt C L \ = 2, ofc = 0, a3 = 1, deci r2' a(a,,a2.a3)

8. S se rezolve problema precedent folosind metoda Gauss-Jordan Rezolvare: Trecerea unui vector dintr-o baz n alta se poate efectua i prin metoda Gauss-Jordan: Se scrie matricea sistemului i termenii liberi : <D 4 5 1 1 2 0 1 1 6 9 11

Se alege un pivot, de exemplu 3 (trebuie s fie nenul). Elementele matricei dup etapa I se calculeaz astfel: - linia pivotului se mparte la pivot: 1 1/3 0 I 2

- coloana pivotului devine vector unitar cu 1 pe poziia pivotului i n rest zero; - celelalte elemente se calculeaz dup regula dreptunghiului: de exemplu, pentru elementul de pe poziia (2,2) se alctuiete un dreptunghi care are ntr-un vrf pivotul, n vrful opus numrul de pe poziia (2,2), n cazul nostru 1, iar celelalte vrfuri ale dreptunghiului sunt elemente de pe poziiile ( 1,2) i (2,1). 29

Astfel, dreptunghiul este:

I 4

Se calculeaz valoarea ca un determinant de ordinul , cu meniunea c produsul de pe diagonala pivotului se ia ntotdeauna cu semnul plus, deci avem: 3-1 1-4 = 1 Rezultatul se mparte la pivot i se trece pe poziia (2,2). La fel se procedeaz cu restul elementelor din etapa a doua i se obine:

Pentru etapa a treia alegem un alt pivot, de pe alt linie dect cea de pe care am ales primul pivot i se calculeaz elementele la fel ca n etapa anterioar. Se obine: 1 0 0 0 1 o 1 -3 3 -3 2

n ultima etap se alege pivotul C D i dup efectuarea calculelor ca n etapele anterioare se obine: 1 0 0 0 1 0 0 0 1 2 0 1

n acest moment algoritmul ia sfrit, iar soluia problemei este ' \ (.2.,) 10. S se determine natura sistemelor de vectori a) v, = (2, 3, 4, 2), v2 = (-1, 0, 1,1), v3 = (3, 3, 3, 1) b) v, = (2, 1, 1), v2 = ( - 1, 1, 1), v3 = (0, - 1, 0) 30

c) V , = (1, -1 , 1), v2 = (2, -2, 3), v3 = (5, 2, 5), v4 = (4, -1 ,4 ) Soluie: a) liniar independeni; b) liniar independeni c) liniar dependeni 11. S se determine m astfel nct sistemul de vectori:. vi = (im, o, 1), v2 = (0, 2, 1), v3 = ( 1, m, - 1) s fie liniar independeni Soluie', m e R 12. Fie e\, e2, e3 vectori liniar independeni din R 4. S se arate c: e\ + e2 + e3 , ex - 2eit e \ - e2 + 3e3 sunt liniar independeni. 13. Scriei vectorul v = (7,4, 0, 2) n baza: v, = (1,2, -1 ,1 ); v2 = (1, -1 ,1 , -1); v3 = (0, 0, 1,1); v4 = (1, 1, -1 , 0) din R \ Soluie: ^(yy2,y3,y4) = (l.2,3,4) 14. Se dau dou sisteme de vectori din spaiul liniar R 3: a, = (1,4,2); a2 = (-1 ,2 ,0 ); a3 = (3 ,l,5 ) i bt = (2,4, 5); b2= (-1,1, 0); b3= (-2, 0, 2) S se arate c sistemul {flj, a2, a3} i sistemul. cte o baz. , b2, b3} formeaz fiecare

31

2. Elemente de programare liniar

1. Problema programrii liniare. Modelul matematic al problemei d programare liniar. Introducere. Este bine cunoscut faptul c n prezent, activitatea n domeniul produciei industriale i conducerii activitilor economice a devenit extrem de complex. O mare parte din problemele care se pun n conducerea economic a ntreprinderii sunt probleme de optimizare. Modelarea matematic a acestor probleme ofer posibilitatea determinrii soluiilor optime, contribuind pe aceast cale la ridicarea eficienei economice a ntreprinderilor. n multe cazuri concrete, problemele economice pot fi modelate astfel: Dac notm prin x ,,l < j <n nivelele (necunoscute iniial) la care trebuie s se desfoare cele n activiti luate n considerare i prin f(xhx2 ,...,xn) funcia obiectiv (sau funcia criteriu sau nc funcia de eficien), problema poate fi pus n felul urmtor: s se afle valorile variabilelor X j , l < j < n astfel nct
f(xi,x 2 ,...,xn ) s ia valoarea maxim (sau minim).

[m ax]f(x1,x 2,...,xn) i s fie ndeplinite condiiile: f i(xl,x 2,...,xn)> 0 ,0 < i< m

(1)

(2)

care sunt restriciile problemei. Problema este cunoscut sub numele de problema programrii neliniare. Dac n locul inecuaiilor (2) avem ecuaii, obinem problema clasic a extremului condiionat (cu legturi). n cazul n care funciilef i f i 1 < i < m sunt funcionale1 liniare, atunci problema ( 1) i (2) este o problem liniar sau un program liniar. Pentru a nelege cum se construiete modelul matematic al unui program liniar vom considera urmtoarele exemple:

1 Fie X un spaiu liniar peste corpul de scalari X , Aplicaia / * : X X este o funcional liniar dac: 1. este aditiv adic f ( x { + x2)~ f (X\ ) + f ( x 2)(V)jCi, E X 2. este omogen: adic /(c t) = Cf(x)(V)xE X i C CE X 32

1. Problema de planificare a produciei O ntreprindere industrial dispune de mai multe resurse (materii prim for de munc, maini unelte, resurse financiare etc.) n cantiti limitate. Vom nota cu i numrul de ordine al resursei i cu cantitile disponibile din aceste resurse. Cu ajutorul acestor resurse se pot desfura mai multe activiti (de exemplu, procese de producie). Vom nota cu j numrul de ordine a! activitii desfurate i cu xj nivelul (necunoscut) la care urmeaz s se desfoare aceast activitate. De exemplu, dac considerm procesul de producie j care const n fabricarea unui anumit produs, vom nota cu xj cantitatea ce va fi produs. Vom nota cu ay cantitatea din resursa i necesar pentru producerea unei uniti din produsul j (din activitatea j n general). Presupunem c atj nu depinde dect de tipul resursei i i de tipul produsului j i nu de cantitile produse. Cantitile ay sunt cunoscute i poart numele de consumuri specifice sau coeficieni tehnologici. Beneficiul obinut pe o unitate de produs j realizat, n uniti bneti l notm cu cj. Datele problemei se pot prezenta sub forma tabelului 1.

Tabelul 1 Folosind elementele tabelului putem exprima urmtoarele mrimi: - Cantitatea de resurs i folosit pentru producerea cantitii xj, care este a^f, - Cantitatea total din resursa i folosit pentru producia total format din n produse: aiIx l + ai2 x2 + ... + ainxn Deoarece nu putem consuma din resursa i mai mult dect cantitatea bi de care dispune, trebuie s fie respectat condiia: anx { + ai2x 2 +... + amxn < b, , 33

pentru fiecare resurs i dintre cele m resurse pe care le avem la dispoziie, adic: an x x + a l2x 2 +... + alnx n <bx a2lx x + a 22x 2 +... + a2nx n <b2 :
* 1 * 1 + a m 2 * 2 + + , *

(3)

Deoarece xj reprezint cantitatea ce trebuie produs din sortimentul j, ea nu poate fi un numr negativ x j> 0, 1 < j < n (4)

Inecuaiile (3) se numesc restriciile problemei, iar (4) pot fi condiiile de nenegativitate. Sistemele de inecuaii liniare (3) i (4) pot avea o infinitate de soluii, o soluie sau nici o soluie (sistem incompatibil). Cazul cel mai frecvent pentru problemele practice corect puse este cazul n care sistemul (3) (4) are o infinitate de soluii. Cu alte cuvinte, este posibil s organizm procesele de producie pentru fabricarea sortimentelor j (l < j < n ) ntr-o infinitate de feluri respectnd condiiile de folosire a resurselor limitate (3). Acest fapt face evident imposibilitatea practic a conductorului de ntreprindere de a cunoate toate variantele de plan posibile pentru adoptarea unei decizii adecvate. Adoptarea unei variante de plan (luarea deciziei) se face pe baza unui criteriu economic, ca de exemplu beneficiul maxim. Prin urmare, funcia de eficien este beneficiul total:
n

f = clx l + c2x 2 +... + cnx n = ^ C jXj M

(5)

care trebuie maximizat. n consecin, problema care se pune este aceea de a afla acea (acele) variante de plan, adic acea (acele) soluie a sistemului de restricii (3), (4) care dau pentru beneficiul (5) valoarea maxim. Aceast problem economic devine n acest moment o problem matematic al crei model este: n [m ax]/ = ^j Cj Xj j=t 34 (6)

cu condiiile:
n

^EjUyXj <bt 1 < i < m M Xj > 0 1 < j < n

(7) (8)

i care este o problem de programare liniar sau un program liniar. 2. Problem de amestec. Una din problemele practice, formulat i rezolvat ca problem de programare liniar este aa numita problem a dietei, de amestec. Ea const n determinarea unei anumite diete dintr-un numr dat de alimente, care s satisfac anumite cerine biologice i s fie din principiul nutritiv i, 1 < i < m , coninut ntr-o unitate din alimentul j, 1 < j < n . Este necesar ca dieta s conin cel puin uniti din principiul nutritiv i, 1 < i < m . Dac cj, 1 < j < n sunt costurile unei uniti din alimentul j, problema const n aflarea cantitilor xj, 1 < j < n de alimente pe care trebuie s le conin dieta, astfel nct s obinem costul total minim. r t [minj/ = YjCjXj M cu condiiile:

< - b . x J: > 0

1Z i * 1< j <n J

Probleme de acelai tip apar atunci cnd se urmrete formarea unor amestecuri de ingrediente, care s aib anumite proprieti (specificate n fiecare caz concret) astfel nct o caracteristic a amestecului s fie optim dintr-un punct de vedere. Probleme de diet apar de exemplu, n alctuirea raiilor pentru animale n zootehnie, pentru calcularea amestecului optim de ngrminte n agricultur, n industria chimic pentru diverse amestecuri, n industria petrolier pentru amestecuri de benzin etc. 3. Problem de planificare a investiiilor O ntreprindere dispune de o sum B de uniti bneti, sum ce poate fi folosit n diverse activiti pe care le notm simbolic cu l,2,...,j...n. 35

Se mai tie c fiecare activitate de tipul j, n urma investiiilor aduce un beneficiu unitar de bj uniti bneti. Dac notm cu xj, j=l,2,...,n suma investit n activitatea de tipul j, rezult urmtorul model matematic al problemei: Aflai sumele xj ce trebuie investite cu condiiile r j, 2 Xj > 0 , j = l,n
n

3 [m ax]/ =

beneficiul total

Se pot da multe exemple de probleme economice care conduc la modelul matematic al unui program liniar, dar avnd n vedere expunerea limitat pe care o avem n acest capitol, ne mrginim la acestea trei. 2. Diverse forme ale modelului matematic al problemei de programare liniar Din exemplele precedente rezult c o problem de programare liniar poate avea urmtoarea form mai general: [max/ m in i/- = c\x \ + cix i + + cx cu condiiile: + a l2x 2 +... + a u xXbx a2yx x+ a 22x 2 +... + a2nxX b2

V 1+ V 2 + - + V X j> 0, j = 1,2,..., n

n care,dup cum se vede,sistemul de restricii conine inegaliti de sens < sau >. Cnd sistemul de restricii al modelului problemei de programare liniar conine inegaliti de acelai sens, se spune c modelul se prezint sub form canonic. Vom arta n cele ce urmeaz c orice problem de programare liniar 36

sub form canonic poate fi transformat ntr-o problem n care restriciile sunt egaliti dup cum se deduce din urmtoarea teorem: Teorem. Fie dat sistemul de m inecuaii liniare cu ti necunoscute: a\\X\ + an x 2 + + au x n <b{

(a)

i sistemul de ecuaii: au x { + 12:2 +... + alnx n a21X\ + a22x 2 + ... + a22x n (> + x.n+ 1
+ ,n+2
= b[

= b.

+ *4 .= b n+m m Atunci, oricare ar fi soluia :,0,* * a lui (a) exist m constante nenegative x+I,x+2v , * + m astfel nct :,0,* .....*n ,x n +1)...,*n + m s constituie o soluie a lui (). Reciproc, dac ^ ^ .... x ^ e s t e o soluie a lui (), atunci x ,x 2,...,x (primele n constante) constituie o soluie pentru (a).

Demonstraie: Fie x,x2,...,xn o soluie a lui (a), adic:

1*1

+ a i2 X 2 +

+ a in X n

^ 1

a 2 \x \ + a22x 2 +... + a2nxn < b 2 amlx + am2x \ +... + a ^ x l < bm Toi membri stngi ai inegalitilor sunt constante mai mici dect respectiv care s satisfac egalitile: anx { + a l2x j +...+ \ +*+i bK ()
a2lX2 a22X2 *
" * ^ 2 2 * n ^

bi,b2 .... bm . Atunci exist constantele

Xn=2 =

^2

+ am2x2 +... + a ^ x l + xn+ m = bn 37

iar: O r 0 O Ov *+, =*>,-<*,1*1 - an x 2 - ~ - a inx n > 0 Dar sistemul de egaliti () arat c () Reciproc,fie x,x%,...,x+ m o soluie a lui (),atunci nseamn c este ndeplinit sistemul ; cum xn+ i >0
Xn

este o soluie a lui

(i = 1,2,....,m) rezult:
Xn ~

+1 = b X ~

a \\X \ ~ a U X 2

X L

m l X

a m 2 X

sau reinnd numai inegalitile i ducnd monoamele cu semnul membrul drept, rezult: + - - au x n^ an xy +... + a2nxx < b2

amix i + + am nxn < bm adic Xj, x e s t e o soluie a lui (a). Teorema este astfel demonstrat. Observaie: Pentru inegaliti de tipul: t aux j *** i = (l,2,...,m) i=l se scade o variabil nenegativ xn + 1>0 devin egaliti:
n

(i = 1,2,..., m) i inegalitile

' Z ax j ~ x n ^ = bi 7 = 1

i = (1,2.... m)

n consecin, rezolvarea unui sistem de inegaliti liniare se reduce la rezolvarea sistemului asociat de tip (). Introducerea noilor variabile

38

+ x n+ 2 Xn+ m nu trebuie s schimbe funcia de eficien n problemele economice. Aceste variabile reprezint m activiti fictive care consum plusul de resurse i din aceast cauz le atam beneficii (costuri) nule. Funcia de eficien se prezint sub forma: / = c,*, +c2x2+...+cx + 0x+l +... + 0xn+m = = ,*1+^*2 + +i n variabilele xn+ i,x n+ 2 *+ se numesc variabile de compensare (de abatere sau cart). Atunci problema de programare liniar sub form canonic poate fi adus ntotdeauna la forma: [min/ m a x ]/ = cxx x + c2x 2 +... + cnx n cu condiiile:
a UX l a 2 \X \ a \2 X 2 a 22X 2

" "

a \n X n a 2nX n

\ X n*\

^ 1 ^2

&2X n+2 ~

ml*l + m2X2 + - + am nXn + n > Xm + n=K X j> 0 ( j = 1,2,..., n), *n + 1 > 0 (i = 1,2,..., m) n care , = 1 (i = 1,2,..., m ).

Se numete forma standard a unei probleme de programare liniar urmtoarea problem:

adic problema n care sistemul de restricii conine egaliti. Fie A matricea sistemului de restricii:
*12

In
2n

21

22

ml

cu m linii i n coloane. Matricea A = (aij) \ < i < m , \ < j < n

se

numete matricea coeficienilor tehnologici i elementele atj sunt stabilite pe baza unor observaii repetate ale fenomenului studiat. Vectorul coloan: u \ b\ b=

reprezint n probleme de minimizare a costului, cererea (sau cererea pe unitatea de timp) i atunci inegalitile corespunztoare sunt > sau n probleme de minimizare a beneficiului reprezint disponibilul i atunci i corespund inegaliti <. Vectorul linie C = (chc2 ,.--,c) reprezint costul unitar n probleme de minimizare a costului sau beneficiul unitar n problemele de maximizare a beneficiului. n sfrit, vectorul

X =
\

este nivelul activitilor i practica arat c trebuie s fie ntotdeauna nenegativ. Prin definiie X > 0 dac Xj > 0 , j = 1,2,..., n Cu aceste notaii matriciale, forma general a problemei de programare liniar de primul tip exemplificat prin problema de planificare a produciei este: [m ax]/ = CX AX < b X >0 sau de al doilea tip exemplificat cu problema de amestec este:
40

[min]/ = CX AX>b X >0 . Ambele cazuri pot fi reduse la forma standard n baza teoremei demonstrate mai nainte, de transformare a inegalitilor n egaliti i anume se cere: [min/ m ax ]/ = CX cu condiiile: AX = b X>0 . ntruct dezvoltrile teoretice ulterioare se vor face lund n considerare problema de programare liniar sub forma standard, vom prezenta-o pe aceasta sub aa numita form vectorial util n demonstraiile ce vor urma i anume: Notm:
' 1 2 '

a 2 \ a , = \ a 2

a 22 " > a n

2n

~
\ m n )

coloanele matricii A.

v a

m l

^ a

m 2 >

Modelul sub forma standard se va scrie: [min/m a x ]/ = CX cu condiia: + 22 +... + =b X>0 Observaie: Evident c n modelul sub form canonic egalitatea vectorial precedent devine o inegalitate. 3. Soluii ale problemei de programare liniar i proprietile lor Aa cum am artat la punctul 2, consideraiile teoretice precum i algoritmul de rezolvare a problemei de programare liniar se vor face pe forma standard a modelului problemei i n plus, pentru a fixa ideile, optimul funciei de eficien f se va considera

41

[m in]/ = j c j X j 1 S considerm deci, modelul problemei de programare liniar sub forma standard: [m in]/ = CX (1) AX =b (2 ) X>0. (3) Sunt necesare cteva precizri: 1. Aa cum s-a mai spus, matricea A a sistemului de restricii are m linii i n coloane. 2. Sistemul (2) se presupune c are cel puin o soluie, n caz contrar rezolvarea problemei i-ar pierde sensul. 3. Dac rangul matricii A ar fi mai mic dect m,sistemul restriciilor fiind totui compatibil, o parte dintre ecuaiile cuprinse n (2) ar fi consecine ale celorlalte, deci ar putea fi nlturate. De aceea, vom considera nc de la nceput c rang(A)=m. 4. De asemenea, vom considera c numrul variabilelor n este strict mai mare dect numrul restriciilor m, aceast condiie evitnd unicitatea soluiei sistemului de restricii. Deci m<n. n continuare vor fi formulate unele definiii i se vor stabili cele mai importante proprieti ale soluiilor problemei generale de programare liniar. Definiie 1. Se numete soluie posibil (realizabil) a problemei de programare liniar, vectorul X = (xj,x2,...,xn) care satisface condiiile (1) i (2), adic restriciile i condiiile de nenegativitate. Definiia 2. Soluia posibil X = (xt,x2.....xn) se numete soluie de baz dac vectorii aj din expresia:
n

avnd coeficienii x} strict pozitivi, sunt liniari independeni. Din definiia soluiei de baz, rezult c numrul componentelor sale pozitive este cel mult egal cu m. Definiia 3. O soluie se numete nedegenerat dac ea conine exact m componente strict pozitive. Definiia 4. Soluia posibil care optimizeaz (minimizeaz) funcionala liniar ( 1) se numete soluie optim a problemei de programare liniar. Teorema 1. Mulimea soluiilor posibile ale problemei de programare liniar este o mulime convex.

42

Teorema 2. Funcionala liniar / a problemei de programare liniar i atinge minimul ntr-un punct vrf al mulimii convexe K a soluiilor posibile ale problemei. S-a n'otat cu K mulimea soluiilor posibile ale problemei de programare liniar. Dac funcionala/ia valoarea minim n mai multe puncte vrf, atunci/ia aceeai valoare minim n orice punct care se exprim ca o combinaie liniar convex a acestor puncte vrf. 4. elementare.

Rezolvarea unor probleme de programare liniar prin m

Am prezentat la punctele precedente unele rezultate pe baza crora o problem de programare liniar n anumite cazuri particulare poate fi rezolvat prin metode elementare, fr a aplica metoda simplex al crei algoritm este propriu programrii liniare i care va fi expus mai departe. Aceste metode elementare de care ne vom ocupa aici constau n metoda grafic i metoda algebric. n cele ce urmeaz vom aplica pe exemple adecvate cele dou metode menionate. a) Metoda grafic 1. S se determine [m ax]/ = 3.x, + 2 x 2 cu condiiile: 2xx + x 2 > 5

3;^ - 2 x2 < 6
xl + x 2 < 4 x x > 0 , x 2 >0 Se observ c problema conine numai dou variabile ceea ce permite rezolvarea pe cale grafic folosind mprirea planului n regiuni pentru determinarea poligonul K al soluiilor realizabile i faptul c optimul funciei de eficien are loc ntr-un punctvrf al lui K. Prin urmare reprezentm grafic dreptele (dx)2xl + x 2 - 5 = 0; (d2)3x, - 2x 2 - 6 = 0; (dz)xx+ x 2 - 4 = 0 care conform sistemului de inegaliti determin soluiile K din figur ale crei vrfuri sunt punctele A 7 7 5 5

43

se deplaseaz mturnd poligonul K i ultimul punct comun cu domeniul K este punctul C adic pentru xj = 1 i x2 = 2, / ia valoarea maxim =./(l,3) = 9. Un raionament analog ne conduce Ia faptul c valoarea minim a lui f are loc n punctul i este egal cu f ^ n =

Observaie, este clar c n cazul unui numr mic de restricii, poligonul soluiilor are un numr mic de vrfuri i valoarea maxim sau minim a funciei obiect/v / se afl calculnd valoarea lu i/n toate punctele vrf ale lui K. n cazul cnd K are un numr mare de vrfuri metoda folosit evit cunoaterea coordonatelor tuturor vrfurilor precum i calculul lu i/n toate vrfurile. 2. S considerm acum o problem cu enun economic concret pe care o vom rezolva prin aceeai metod. Pentru realizarea a dou produse Pj (j =1,2) se gsesc la dispoziie patru feluri de materie prim M, (i = 1,2,3,4) n cantitile 12, 8, 20, respectiv 12 uniti. O unitate din produsul Pi consum din Mj, M2, i Mj cte 2,1 respectiv 4 uniti i aduce un beneficiu de 2000 u.m. iar o unitate din produsul P2 consum din Mh M2 i M4 cte 2, 2 respectiv 4 uniti i aduce un beneficiu de 3000 u.m. S se determine numrul de uniti ce trebuie realizate din cele dou produse astfel nct s se obin un beneficiu maxim. 44

Cnd am prezentat modelul teoretic al unei astfel de probleme de optimizare a unui plan de producie, am prezentat datele problemei ntr-un tabel ca cel de mai jos.

Notnd cu x t i cu x2 cantitile de produs P, respectiv P2 conform condiiilor problemei, modelul matematic se scrie: 2xx + 2 x 2 <12 xx+ x 2 < 6 + 2 x2 <8 ^1 xx + 2 x 2 < 8 4xx < 20 sau 0 < xx < 5 <12 4 x2 0 < x 2 <3 x1 > 0

[maxi/ = 2000^! + 3000x2 Procednd ca n exemplul precedent poligonul K al soluiilor realizabile este cel de mai jos:

IV o

A(5,0)

45

2 / Funcia obiectiv se scrie sub forma x 2 = x, + i reprezentm

Deci X, = 4,x2 = 2 i /max = /(4 ,2 ) = 2000 4 + 3000 2 = 14000 Se vor realiza deci 4 uniti de produs Pi i 2 uniti de produs P2 cu beneficiul maxim egal cu 14.000 u.m. Conform planului optim din cele patru resurse se utilizeaz urmtoarele cantiti: , :2 4 + 2 2 = 12 M2 :1 4 + 2 2 = 8 :4 4 + 0 2 = 16 , : 0 4 + 4 2 = 8

Rmn din M3:20 - 16 = 4 uniti neutilizate iar din M4:12 - 8 = 4 uniti neutilizate.

3. Folosind metoda grafic expus mai sus vom considera cteva probl de programare pe care le propunem cititorului, probleme ce ilustreaz diverse situaii referitoare la forma lui K i la valoarea optimului lui f. 1. Aflai [m ax]/ = x l - x 2 i [m in]/ = xl - x 2 cu condiiile: + x2 xx> 0 x2 > 0 <5
<2

Soluie: Problema are optim finit cu / ^ = -5 , x, = 0, x 2 = 5 i fmu = 2, Xi = 2, x2= 2, mulimea K fiind mrginit. 2. [m ax]/ = 2xt + 2x2, cu condiiile

+ x2
*1

<5 <3

x. > 0 x, > 0
46

Soluie: Problema are soluie optim multipl i anume toate punctele de pe segmentul BC din figur:

C(0,5)

Avem: f(C) = f(0,5y,f(B) =f{ 2,3) = 1 0 ;M ) =/(3,0) = 6;/(0,0) = 0. Deci: W = 10 pentru jc/ = 0, x2 = 5 i de asemenea pentru xi = 3, x2 = 2. Avem deci dou soluii optime:

reprezentat de funcia de eficien cu segmentul BC, orice punct de pe acest segment este de asemenea soluie optim a problemei. ntr-adevr segmentul fiind o mulime convex orice punct X de pe BC se scrie ca o combinaie liniar a vrfurilor i anume: X = + ( \ - ) = + ( - ) 2, 0 < A < 1 sau X - '3
+(i a

i N,x 2=i 3 l . ^2/

Se observ c din cauza paralelismului dreptei

5 -3 3 ) A
pentru care j{ 1,4) = 10 deci X este

Lund A = i , gsim soluia X = optim.

v y 3 Se cere [m ax]/ = xx - x 2] [m in]/ = - x 2 cu condiiile:

jc,

47

Xi U

+ 2 >5 3

jcl > , * 2 > 0 n acest caz K este:

f(C) =/(0,5) = 0 - 5 = - 5 ; f ( B ) = 3 - 2 = 1;/(1,6) = 1 - 6 = -5; /( 2,8) = 2 - 8 = - 6; rezult c valoarea minim a lui f = Xi - xi este infinit deci: / m in = (optim infinit). Pentru [m ax]/ = - x 2 el este infinit, atins n punctul B i este egal cu / max = / (B) = / (2,3) = 1. 4. Problema de programare liniar care cere maximul sau minimul unei funcii obiectiv oarecare n variabilele Xi i x2 cu condiiile: +x 2 x2 ^3 >4

xx > 0, x2 > 0 nu are soluii aa cum se vede din figur, deoarece sistemul de inegaliti este incompatibil neexistnd astfel mulimea K a soluiilor realizabile

48

b) Metoda algebric. Ca i la metoda precedent, forma particular a u probleme de programare liniar permite s se aplice i alte metode mai simple pentru soluionarea lor, de exemplu metoda algebric. 1. S se determine: [m in]/ = 3x, - 2x2 + 4x, cu condiiile: xx + 3x2 + 2x3 = 3 3xt + 3*2 + x3 = 4 Xj > 0 , j = 1,2,3 Caracterul particular al acestei probleme este acela c conine trei variabile i restriciile sunt egaliti, fapt ce permite un procedeu de rezolvare algebric dup cum urmeaz: exprimm dou variabile n funcie de a treia:
3x2 + 2x} = 3 - x x

3x2 + x3 = 4 - 3, din care deducem x3 = 2xt - 1, x 2 = (l jc, ) .

Dar condiiile de nenegativitate x 3 > 0, x 2 > 0 conduc la 2xt - 1 > 0 0 < , < fl . 1 2 =>
X, <1 I-2

49

Funcia obiectiv n care am pus x2 = | ( - , ) i * 3 = 2 *, - 1 , 43 se scrie n funcie de x {, f - Vom avea deci: < 4 < 1 22 - care este o funcie cresctoare n x;.

/
f

< /( * ,) < /( ! )
= ~ * / _ = / < 1) = 7

Rezult c f ^ n = / v2 / Prin urmare *

pentru

=1- , * 2 = - ^ 1 - * , ; =1-

x3 = 2*, - 1 = 0 iar / m ax = 7 pentru x, = 1, x 2 = 2 i x i = 1. 5. Algoritmul simplex. Bazele teoretice ale algoritmului simplex. n paragraful de fa vom prezenta bazele teoretice ale metodei simplex precum i etapele de calcul ale algoritmului acestei metode. Metoda simplex permite ca pornind de la o soluie de baz cunoscut a problemei de programare liniar s obinem dup un numr finit de iteraii (pai) soluia optim. Fiecare din aceste iteraii const n gsirea unei noi soluii creia s-i corespund o valoare a formei liniare mai mic dect cea corespunztoare soluiei precedente. Procedeul se repet pn cnd se obine soluia optim. Aa cum s-a artat n capitolul precedent, fiecare soluie de baz i n particular soluia optim este legat de un sistem de m vectori liniar independeni. De aceea, este firesc ca n procesul cutrii soluiei optime s ne mrginim la acele soluii care sunt legate de sisteme de m vectori liniar independeni, adic la soluii de baz, al cror numr este finit. a) Aflarea soluiei optime a problemei de programare liniar S presupunem c problema de programare liniar admite soluie i orice soluie de baz este nedegenerat. S admitem, de asemenea, c cunoatem o astfel de soluie de baz. n cele ce urmeaz se va arta c presupunerile fcute nu micoreaz n nici un fel generalitatea raionamentelor. Fie X = {xl,x 2,...,xm) soluia de baz cunoscut i legat de aceasta sistemul acelor vectori liniar independeni ax,a 2,...,am. Au loc astfel relaiile: 50

x xax + x 2a2 +... + xmam = b xlcl + x 2c2 +... + xmcm = f 0

( 1)
(2)

unde toi xt > 0, c, sunt coeficienii formei liniare corespunztoare soluiei de baz date. Deoarece vectorii ax,a 2,...,am sunt liniar independeni, orice vector al sistemului de vectori ax,a 2,...,an se poate exprima n mod unic ca o combinaie liniar a lor. S admitem c vectorul aj se exprim prin combinaia: *ijOx + x2ja2 +... + xmjam= o ,, j = 1,2,...,n (3)

(4) unde Ci este coeficientul formei liniare a problemei, corespunztoare vectorului a,. Teorema 1. Dac pentru indicele j fixat este ndeplinit condiia f j ~ C j > 0 , atunci se poate construi o astfel de mulime de soluii nct pentru
fiecare dintre aceste soluii s fie satisfcut inegalitatea f < f 0 unde / este valoarea formei liniare corespunztoare soluiei considerate. Cazul /. Dac marginea inferioar a numerelor / este finit se poate construi o nou soluie de baz creia s-i corespund o valoare a formei liniare mai mic dect precedenta. Cazul II. Dac marginea inferioar a numerelor / este infinit se poate determina o nou soluie care conine exact m+1 componente pozitive i creia i corespunde o valoare a formei liniare orict de mic. Demonstraia n ambele cazuri se sprijin pe urmtoarele consideraii suplimentare: nmulim (3) i (4) cu numrul i scdem rezultatele din (1) i (2) respectiv. Obinem: (x1- e x l)ax + (x2 - e x 2)a2 +... + (xm- e x m)am+ eaJ = b

i x xjcx + x 2jc2 + ... + xm jcm = / , , j = 1,2.... n

(5)

(xx - QxX J]t, + (x2 - 0x2j H + - + (* - &xm j K + Ocj = /o - (fj - Cj ) (6) n relaia (6) s-au adunat ambii membri. Dac toi coeficienii vectorilor ax,a 2,...,am ,...,aj din (5) sunt nenegativi, obinem o nou soluie creia conform lui (6) i corespunde valoarea formei liniare / = f 0 - e ( f j - Cj ) . ntruct variabilele xx,x 2,...xm n (5) sunt pozitive, exist 51

0 > pentru care coeficienii vectorului n (5) devin pozitivi. Din condiia f j - Cj > 0 pentru j fixat deducem:

/ = - ( - ;) < /. 0 > 0 . Observm astfel c n ambele cazuri se poate obine o nou so creia i corespunde o valoare a formei liniare mai mic. S considerm acum cazul 1. Dac pentru j fixat cel puin un x tj (i = 1 , 2 din (3) este pozitiv, cea mai mare valoare a lui pentru care toi coeficienii din (5) devin negativi, este dat de relaia: 0O= min
'

(7)

XJ

unde minimul se ia pentru toi Xy > 0 ntruct presupunem c problema este nedegenerat, adic toate soluiile de baz conin m componente pozitive, minimul n (7) va fi atins pentru un singur indice i. nlocuind pe cu 0 n (5) i (6) coeficientul corespunztor acestui indice unic i se va anula. Obinem astfel o nou soluie de baz legat de vectorul a} i de m-1 vectori ai bazei iniiale. Cu noua baz efectum aceleai operaii ca i cu cele precedente. Dac iari una din diferenele / . c > 0 i corespunztor x tj > 0, se poate trece la o alt soluie de baz creia i corespunde o valoare a formei liniare, de asemenea, mai mic. Procesul se continu pn cnd sau toate diferenele devin nepozitive ( f . - Cj < O) sau se ntmpl ca pentru o diferen f . - c; s avem toi Xy < 0 . Dac toate diferenele f j - c} < 0 procesul se ncheie. n cazul 2, dac la o anumit iteraie pentru un anume indice j diferena f j - Cj > 0 i toi Xy < 0 atunci este nemrginit superior i forma liniar poate lua o valoare orict de mic. Se vede c n acest caz pentru > 0 , toi coeficienii din (5) sunt pozitivi. Obinem astfel o soluie care are m+1 componente pozitive, i dac lum pe suficient de mare, valoarea corespunztoare a formei liniare dat de membrul doi al egalitii (6) poate fi orict de mic. Teorema 2.Dac la o anumit iteraie creia i corespunde soluia de baz X = (*,,*2,...,*,,,) sunt ndeplinite inegalitile f j Cj < 0 pentru toi indicii atunci soluia X este optim. Demonstraie'. Fie Y = (y,, y 2 y n) o soluie oarecare

y\a\ + y2a2 + + ynan = b


yx cx + y 2c2 +...+ yncn = f * 52

(8)
(9)

unde f * este aa cum rezult din (9), valoarea formei liniare corespunztoare soluiei Y. S artm c f 0 < f * (menionm c demonstraia nu presupune condiii de nedegenerare). Prin ipotez f - c;. < 0 pentru toi indicii j i prin urmare, prin nlocuirea lui cj cu fi obinem:

y x ^ + y 2z2 +... + ynzn < f *

(10)

nlocuind expresiile lui j pentru fiecare j= l,2,...,n date de (3) n (8) avem:
( m \

^ J , + >'2 k 1=1

N
+ + > '
J

* < l )

* / < l

i = 1

i schimbnd ordinea de sumare

1 (" 1 f " ^ a\ + l y j x2j a2 + ...+ l y s * {m j { ;=i J l J


Analog nlocuind expresiile lui inegalitatea ( 10) obinem f " pentru fiecare j= l,2,...,n dat de (4) n

f" ^ c, + % { ;=i , J=l

f n ^ c2 + ...+ l y j xm i cm< f * (12) J { ;=i J


av a2,...,am este liniar independent,

ntruct sistemul de vectori

coeficienii corespunztori vectorilor a.j(j = 1,2,...,n) din expresiile ( 1) i ( 11) trebuie s fie egali. n consecin, din (12) rezult:
X l C l + X 2C 2 + . . . + XmCm < / * ,

sau n baza relaiei (2) f 0 < f *. Teoremele 1 i 2 dau posibilitatea ca ncepnd cu o soluie iniial a problemei s se obin un ir de noi soluii de baz care s conduc la soluia optim sau la concluzia c nu exist soluie optim. Presupunerea asupra nedegenerrii asigur obinerea soluiei optime dup un numr finit de pai. Dac nu facem aceast presupunere se poate ntmpla ca printre cele m componente Xj ale soluiei, una sau mai multe s fie nule. n acest caz 0 poate fi egal cu zero, iar prin trecerea la o nou soluie de baz valoarea formei liniare s rmn aceeai. Forma liniar poate s pstreze aceeai valoare n 53

decursul mai multor etape succesive i dup un numr oarecare de pai este posibil revenirea la o baz anterioar. Avem de-a face cu ceea ce se cheam fenomenul de ciclare. n procesul de calcul, apariia degenerrii se manifest atunci cnd soluia de baz are mai puin de m componente strict pozitive x-, i (sau) 0 - m in cu x u > 0 corespunde mai multor indici i. Aceast neunicitate a
i X
V

X.

indicelui i face ca unele componente jc, din noua soluie de baz s fie egale cu zero. b) Criteriile de intrare i ieire din baz. Criteriul de optim. n prezentarea algoritmului simplex vom considera dou situaii: 1. Soluia iniial de baz corespunde unei baze iniiale format din m vectori liniar independeni, ceilali vectori coloan ai sistemului de restricii fiind exprimai n aceast baz. 2. matricea sistemului de restricii conine m vectori unitari care alctuiesc matricea unitate de ordinul m care poate servi drept baz unitar corespunztoare soluiei iniiale de baz. 1. n prima din aceste dou situaii fie av a2,...,am vectorii coloan liniar independeni ai matricii sistemului de restricii i fie B matricea de ordin m alctuit cu aceti vectori: B = (al,a 2,...,am). Pentru determinarea soluiei de baz X corespunztoare bazei B i pentru exprimarea celorlali vectori dup vectorii bazei este necesar n primul rnd s calculm B'1. Deoarece: BX=b obinem: i unde i X=B'!b
Xj=B'1 aj

X = (x,,x2,

xt >0 .....Xmj)

sunt vectori coloan. S grupm acum vectorii matricii problemei de programare liniar partiionnd-o n felul urmtor: ( % , a 2,...,am|am +1,...,a) 54 (13)

nmulind n (1) cu B'1 i innd seama de relaiile precedente obinem: ( x |i |x ......X,,) Calculm diferenele - Cj j = 1,2,..., n i verificm dac exist sau nu

cel puin un indice j pentru care s avem f j ~ c } > 0 . n caz afirmativ, procedeul de calcul continu aa cum a fost descris n teorema 1. Dac toate diferenele f j - Cj < 0 atunci nseamn c s-a obinut soluia optim. n general, cu deosebire n problemele de programare liniar de dimensiuni mari este greu de artat c un subsistem arbitrar de m vectori din sistemul de vectori al,a 2,...,an este liniar independent i c formeaz o baz i cu att mai mult de calculat matricea B'1 despre care a fost vorba mai sus. Este necesar, prin urmare s dispunem de metode care s ne permit alegerea mai lesnicioas a bazei iniiale i cteva astfel de metode vor fi expuse mai departe. Menionnd ns c n mai multe probleme practice este ntlnit cea de a doua situaie semnalat i de ea ne vom ocupa n detaliu n continuare. Considerm deci c sistemul dat de vectori alfa2,...,an conine m vectori unitari care pot fi grupai astfel nct s formeze matricea unitate de ordinul m (vezi tabelul 1). S presupunem c acetia sunt vectorii a x, a 2,..., am. Atunci matricea: B = (al,a 2,...,am) = l m este o baz. ntruct B''=Im , obinem soluia iniial de baz: X = b, b > 0 Xj = aj X = (jcp x2,...,xm) x, > 0
^ j ~

i unde:

(*lj ) X 2 j

X mj

Pentru a ncepe procesul de calcul dup metoda simplex vom scrie desfurat matricea problemei de programare liniar aa cum este artat n tabelul 1 (de obicei n practic, vectorii nu se grupeaz mpreun, noi i-am grupat totui pentru ca expunerea teoretic s fie mai clar).

55

Tabel 1
C i 1 B a z a c b C 2 0 2 0 1

...

C l a i 0 0

a 1 0

... ...

C m a m 0 0

...... a m + l X l . m +1 X 2.m +2

... ...
...

C j

...

C *

O j

...
...

O *

... ...
...

c H

1 2

f l/ 0 2

C i c 2

...

x / j x y

X ik X 2k

X lm X 2m

* 2

a i

C l

x i

...

...

X 2* + l

...

x v

...

X lk

...

X b ,

m - m + 1

a m

< - ?

X m

x m , r n + j .... fm + rC m + l ...

x * i f t - C ,

X m k

X m n

f o

...

...

...

f k - C k

...

f n ~ C n

n baza relaiilor precedente, n sistemul de restricii al problemei considerate scris sub forma A X = b vom pune x, = bt i x t j = a( j , iar f j , j = 0,1,2,... este egal cu produsul scalar dintre vectorul a, i vectorul coloan al coeficienilor funcionalei liniare,adic: m /o /I m f j = l L cix ij> y = 1,2,...,n i= I Elementele / 0 i f j ~ Cj sunt plasate pe locurile corespunztoare ale liniei m +1 din tabelul 1. Diferenele f j Cj corespunztoare vectorilor bazei sunt ntotdeauna egale cu zero. Dac toate diferenele f j cy < 0 pentru

j = 1,2,...atunci soluia de baz X = ( x, x 2,..-,xm) = este optim i valoarea minim a formei liniare este egal cu f S presupunem ns c cel puin una dintre diferenele f } - Cj > 0 . Vom trece atunci la o nou baz care s conin m -1 vectori ai bazei iniiale av a2,...,am ea poate fi completat cu orice vector cruia i corespunde diferena f j c > 0 . Aa cum arat Danzig, numrul de pai necesari pentru obinerea soluiei optime poate fi considerabil micorat dac n baz se introduce acel vector a.j cu care la iteraia respectiv conduce la micorarea maxim posibil a formei liniare. Vectorul a; n acest caz corespunde valorii: m a x 0o( / y - c y) unde 0 se determin pentru flecare j din relaia (7). Dac numrul indicilor j pentru care f j ~ cj > 0 este mare,criteriul mai sus indicat devine greoi. Un criteriu mai simplu de alegere a vectorului ce urmeaz s intre n noua baz const n alegerea vectorului aj care realizeaz m a x (/; ~ Cj ) . Acest criteriu se aplic adesea i prin folosirea lui,trecerea de la soluia iniial de baz la soluia optim, se realizeaz dup m pai. Presupunem n acest sens c: m ax(/y - c j ) = f k - c k > 0 Atunci vectorul ck va fi introdus n noua baz. Calculm:

57

0 min pentru xik > 0 .


x ik

X.

Dac toi xik ^ 0 se poate determina o soluie creia s-i corespund o valoare orict de mic a funcionalei liniare / (teorema 1,cazul 2) i procesul de calcul ia sfrit. S admitem c exist un xik > 0 i
Xi xi 0 = min =

X ik

X lk

Urmeaz atunci ca vectorul a/ s fie scos din baz. Noua soluie va corespunde bazei alctuit din vectorii al ,a 2,...al_l ,aM ,...,am,am+l. S determinm mai departe noua soluie de baz i coordonatele vectorilor care nu fac parte din baz, n aceast baz. ntruct baza iniial este {ax,a 2,...am) = I m atunci:

i Din

b = xlal + ...+ x,al +... + xm am at = xlkax +... + xI,k^ mk m k +... + xmla d j X(i\ + . + Xijdi +... + xm jam

(14) (15) (16)

a l ----------- ( a k X lk

Xlka i

X mka m )

(17)

nlocuind expresia lui a, n (14) obinem: 1


(a k Klk a \ka 1
+ . . . + Xm mCLm m

sau:
/ N / \

b=

X \ -------X tK lk V

Xl

ax +

Xl Xm xk \

-----

xt -X m k XlL * ) X

relaie care este echivalent cu (5) pentru j - k i = . n acest mod, noua v/jt soluie X ' (x\,...xk,...,x'm) definit de relaia:

b = x[al +x'2a2 +... + x'm am


are componentele x[,...,x'k,...x'mce se calculeaz dup formulele: x'i = x i -X ik, i = 1,2,.J Vk 58
X

(18)

n mod analog nlocuind (17) n (16) se obine exprimarea fiecrui vector a, care nu face parte din noua baz ca o combinaie liniar de vectorii acestei baze:

aj = x'j a, +... + xkjak +... + xmjam,


unde: Xu x i j = x i j ----- * l Xlk
, X lj

(19)

x kj = XU ntruct:
fj ~Cj
=

xijCj

-x'kjCk

...xm Jcm - Cj

innd seama de formulele (7) obinem: x lk De asemenea, nlocuind expresiile lui x[ i x'k date de (18) n relaia : f ' = clx ' l + ... + ckx'k +... + cmx'm obinem: /o = / o - ( f k ~ Ck) Xlk Observm acum c pentru obinerea noii soluii de baz X \ noilor vectori X j i diferenelor corespunztoare f j ~ cj , fiecare element al tabelului 1 din liniile i = 1,2,..., m + 1 i coloanele j = 0,1,..., n se transform dup formulele:

__ f

__ /

/./

__ t
Cj ~ Xm+\,j

Xi XiO J O ~ Xm + l,0 J j

Formulele generale (20) se aplic tuturor elementelor tabelului inclusiv coloanei lui b i celei de a m+l-a linii. Transformrile exprimate de formulele (20) sunt echivalente cu cele proprii metodei eliminrii complete n care ca element pivot se ia elementul xlk. Dup ce tabelul iniial a fost completat, calculul fiecrei iteraii se efectueaz conform cu urmtoarea succesiune de operaii: 1. Se examineaz valorile diferenelor

f j ~ cj-

Dac toate

diferenele

f j - Cj < 0 pentru vectorii a, ce nu intr n baz, soluia nu mai poate fi mbuntit, este optim (minim).
2. Dac f j - Cj > 0 pentru unul sau mai muli o, ce nu sunt n baz se introduce n baza urmtoare vectorul ak pentru care: f j - Cj = m a x ( f j - Cj > 0 ) (criteriul de intrare n baz). 3. Se stabilete vectorul ce trebuie s ias din baz. Pentru aceasta se efectueaz X rapoartele , i = 1,2,..., m i alegem vectorul a, pentru care:
x ik

= m in pentru toi xik > 0 .


x kl 1 x ik

X,

X:

Conform criteriului de eliminare din baz, noul vector akia locul vectorului a ; . Dac toi xik ^ 0 forma liniar a problemei este nemrginit (inferior). 4. Se stabilete elementul pivot xtk i vechea soluie precum i toate elementele tabelului se transform dup formulele (20). Ca rezultat al fiecrei astfel de iteraie se obine o nou soluie de baz. n baza teoremelor 1 i 2 n final, fie obinem soluia optim fie ne convingem c funcionala liniar / este nemrginit (inferior). Dup efectuarea primei iteraii se obine tabelul 2.

60

Tabel 2

Cl ' c 2 i 1 2 Baza ai a2
C

... ... ... ...

Cl ai x n x 2i

... ... ... ...

Cm am 0 0

Cm+l a m+i X'l.m+1 X2.m+ 2

... ...

Cj ai x'if x 'ij

...

ck ak 0 0

... ... ... ...

c an X'in
X'2n

XB x'i x'2

Cl c2

ai 1 0

a2 0 1

... ... ...

... ...

at

Cl

x'i

...

x u

...

x'2.m+I

...

...

...

X'in

m m+1

Cm

X'm

0 0

0 0

... ...

Xml

;
...

1 .0

X m.m+1 fm + rC m + l

x 'ny

0
...

X mn

fo

fl

-C l

... f j ' c i

...

fm ~ C n

Exemplu: S se determine: [mini/ = x2 - 3x3 + 2xs


cu condiiile: X, + 3x2 - 3 2x2 +3;c3 + 2x5 + x 3 +

=7 = 12

-4 x 2 Xj > 0 j = 1,2,...,6

+ 8x 5 + x6 = 10

Cu notaiile folosite n expunerea teoretic avem: ' 1 3 1 4^ 4 3 *3 1 0 1 0 2 0 8 0 " 0 1 / 6 ' 7N . b = 12 > 10 \ y

A =

0 - 2 0

al

a 4 5

c = (0, 1 , - 3 , 0 , 2 , 0 )
Baza iniial (vezi tabelul 3, iteraia 0) este format cu vectorii unitari a{,a 5,a 6 i i corespunde soluia iniial de baz X = ( 15:5, 6) = (7,12,10). ntruct cx = c 4 = c6 = 0 valoarea formei liniare f 0 este egal cu zero. n baz se introduce a 3 deoarece m a x (/ ; Cj) = /3 c3 = 3 > 0 , Raportul
o xi 0 = mm pentru ' *,3

xi3 > 0 adic:

min

Prin urmare, vectorul a4 va iei din baz i va fi nlocuit de a3. Transformnd tabelul (vezi tabelul 3 iteraia 2) se obine noua soluie de baz X' = ( jtj.jtj, jr4) = (10,3,1) creia i corespunde valoarea formei liniare egal cu -9 . Avem:

62

max ( f j - c j ) = f ' - c 2 ^ ~ > 0

de aceea n a doua iteraie se introduce n baz vectorul a2 n locul lui a Transformnd tabelul iteraiei a doua obinem a treia soluie: X ' = (*2>*3>*6) = (4 5>11) creia i corespunde valoarea formei liniare egal cu -11. Deoarece:
m a x ( / ' - C ;) = 0

aceast soluie este optim. Dac pentru soluia optim o diferen oarecare , iar vectorul ajnu face parte din ultima baz ( f r baz optim) atunci el poate fi introdus n baz far ca valoarea formei liniare s se schimbe. Soluia de baz corespunztoare va fi, de asemenea, optim. Orice combinaie liniar convex a acestor soluii optime este, de asemenea, o soluie optim a problemei.

Observafie. Problemele n care / se cere maximizat se reduc la probleme de minim deoarece pentru funciile liniare putem scrie:
n

max CjXj = - min J (-Cj Xj ) X J 7= 1 X > 7= 1


sau

max / = -m in (-/ )
Urmeaz c la maxim schimbm semnul lui C j, aflm minimul i schimbm semnul numrului gsit.

63

Tabel 3

64

6. Metoda bazei artificiale Pn acum am presupus c problema de programare liniar considerat admite soluie i c matricea sistemului de restricii conine vectori unitari cu care s se alctuiasc o baz unitar care, dup cum tim, nlesnete gsirea imediat a unei soluii iniiale de baz. Multe probleme de programare liniar sub forma standard nu conin ns aceast baz unitar i ntr-o astfel de situaie se recurge la aanumita metod a bazei artificiale pe care o vom descrie n cele ce urmeaz. S considerm problema:
[m in ]/

= cxx + C 2X2 + + C nxn

cu condiiile:

a\ \ x\+ al2x2 + ... + aX n xn = bx a 2lxx + a22x2 +... + a 2nxn =bn Xj> 0


a m l Xl + a m 2 X2 + - + a m n Xn = K

la care matricea A = ( ), t = l,2 ,...,m

j = 1,2,...,n nu conine matricea

unitate Im. Vom construi pornind de la problema dat (iniial) o alt problem numit problema extins i anume: [mini/' = c \x \ + C2X 2 cu condiiile:
+ +

Cn Xn + t e n+l + k c n+2 + -

f a , n+m

+ aX 2x2 +... + a lnxn + xn + x


@ 2\%2 Ct'yjX') 22 2 ^ ... Cl'^rtXl 2

+X ,n+2
+

= bl = b.

a m\X\ + a a m 2 X2 +

a m n Xn

+ Xn+m = b m

n care variabilele nenegative x n+1, +2,< > + se numesc variabile artificiale. Pentru ca ele s nu fac parte din soluia optim li se asociaz costuri foarte m ari, denumite costuri de penalizare ( evident > 0) i ale cror valori nu este necesar s fie cunoscute. Vectorii an+ x,a n+2,...,an + m ataai variabilelor artificiale sunt dup cum se vede vectori unitari i formeaz o baz iniial unitar numit baz artificial. Dac problema iniial admite soluie optim atunci ea este optim i pentru problema extins. Aplicarea algoritmului simplex problemei extinse asigur determinarea
65

unei soluii optime n care fiecare dintre variabilele artificiale x+ l este nul. Vectorul:
X = (*n+l > *11+2 > Xn+m ) = (Pl^^,)

reprezint soluia iniial de baz a problemei extinse iar valoarea funcionalei liniare corespunztoare acesteia este:

1 = 1 Deoarece baza iniial este unitar (baza artificial) rezult:


X j ~ (* 1 j * X 2j

) ( a \ j > a 2 j > a m j )

f i ~ ^ j xiji=l

De fiecare dat cnd baza va conine vectori artificiali, diferenele f j -C y vor fi funcii liniare de . Pentru soluia iniial avem:

/ = 1 Fiecare dintre diferenele f j~ C j se prezint aa cum am mai spus ca funcii liniare de . Criteriul de intrare n baz este dat de linia (m+1) i anume va intra n baz
m m

vectorul a k pentru care f k ~ ck~ m ax ^


j i=l

xij - ^
j-l

xik

adic de elementul maxim de pe linia (w + 1) (Tabelul 4).

66

Tabel 4 Cl i
1 2 Baza C A P0 *+/

c2 P2 X ]2 X 22

... ... ...

C k Pk Xik X 2k

... ... ...

C n Pn % ln X 2n

... ... ...

... ... ...

Pn+l P n+ 2

p, Xu X 21

P n+ 1 1
0

P n + < 0
0

ak 0
0

% n + 2

Pn+ i

xn + i

Xu

X l2

...

xik

...

X ln

...

...

m m+l m+2

P n -H n
...

A ...

X n + m
0 -

X m l -Cl

X m 2 -c2
...

X m k -ck
* ...

% m n -cn

0 0 0 ...

0 0 0 ...

1 0 0

< >

O N -J

Criteriul de ieire este acelai ca la algoritmul simplex primai. Criteriul de intrare indicat mai sus se aplic att ct n baz mai figureaz vectori artificiali. Dac la o anumit iteraie n baz nu mai figureaz vectori artificiali, dar condiia de optim nu este ndeplinit (nu toi Xj - Cj < 0) se continu algoritmul obinuit pn se obine soluia optim. ntruct vectorii artificiali ieii din baz nu vor mai reveni niciodat n baz componentele lor n iteraiile ulterioare nu se mai calculeaz. Pot avea loc urmtoarele situaii: 1. Dup un anumit numr de iteraii vectorii artificiali an + \,an+2,...,an + m se elimin din baz i se obine o soluie realizabil de baz a problemei iniiale. Se arat c n cazul folosirii bazei artificiale complete, adic atunci cnd baza artificial conine m vectori, obinerea soluiei optime a problemei iniiale are loc dup aproximativ 2m iteraii. 2. Unul sau mai muli vectori artificiali au rmas n baza optim (cnd toate diferenele f j Cj < 0 , iar variabilele artificiale corespunztoare acestora au valoarea zero; n acest caz soluia problemei iniiale este degenerat, adic numrul variabilelor structurale X], x 2 ,* nenule este mai mic dect m . 3. Unul sau mai muli vectori artificiali au rmas n baza optim iar variabilele artificiale corespunztoare sunt nenule; n acest caz problema iniial nu are soluie. Observaia 1. Se poate ntmpla ca la o iteraie oarecare s nu ias din baz nici unul dintre vectorii artificiali. Observaia 2. n cazul n care restriciile sunt tot egaliti, dar funcia de eficien/ se cere minimizat, costurile de penalizare se vor lua negative A < 0 , aa nct prin aplicarea algoritmului simplex s fie eliminate din baz. n concluzie, modelul unei probleme n care apar variabilele artificiale se prezint dup introducerea acestora n dou moduri: [m in ]g = clxl + c2x 2 + ... + cnxn + ( + + X n+2
n 'X n+m )

X j> 0, xn+ i > 0, i =


sau:
[ m a x jg

= c,x, + c2x 2 + ... + cnxn - A(x+ 1 + xn+ 2 + ... + xn+ m )

68

aljx j+ x n+l=bi H
X jZ 0, x+i> 0 i = 1, 2 ,..., Observaia 3. Dac o parte din vectorii structurali ax,a 2,...,an din matricea A a problemei iniiale sunt unitari, se adaug un numr mai mic de variabile artificiale att ct este necesar pentru ca vectorii ataai acestor variabile mpreun cu vectorii unitari din A s formeze o baz unitar n Rm. Exemplu. S se determine:
[m a x i/' = *i + 2 * 2 + 3 * 3 - x4 cu condiiile: *, + 2 * 2 +3*3 2 *j + * 2 + 5*3 15 = 20

*, + 2*2 + * 3 + * 4 = 10

* , > 0 j = 1, 2 ,3,4
Matricea problemei iniiale ale crei coloane sunt vectorii structurali flj, a 2, a 3 , a 4 corespunztori variabilelor structurale * 1, * 2 * 3, *4 este:

1 2 1

2 1 2

3 5

0 0 1

a3 aa 1 a2 care conine un vector unitar a 4 . Vom introduce variabilele artificiale x5 i x6 la prima i a doua ecuaie procurnd astfel vectorii unitari a5 i a6 (vectori artificiali) care completeaz baza unitar iniial i care este baza artificial a5,a6,a4 . Problema extins corespunztoare este: [m ax]g = *, + 2*2 + 3 * 3 - * 4 - (* 5 + * 6) cu condiiile:
69

X{ + 2*2 + 3*3
2xj + x2 + 5x3
Xj +

+ x<

= 15 + x6 = 0 =2 20

2x2

+ Xj

+ X4

= 10

IV o

XJ
cu matricea extins:

j = 1 ,2,. .,6

(1 A =
\ 2 1

2 1 2

3 5 1

0 0 1

1 0 0

0" 1 0 /

a \ a 2 03 a 4 *5 6 Soluia de baz iniial corespunztoare bazei artificiale a5,a 6, a 4 este X = (x 5,x 6,x 4) = (15,20,10).
Putem aplica algoritmul simplex problemei extinse (vezi tab. 6) Valoarea funcionalei liniare / corespunztoare acestei soluii este /0 = 10 + 3 5 A . Fiecare f} este produsul scalar dintre vectorul a} i vectorul coloan c, de exemplu: / j - c , = A + 2A +1 - (- 1 ) = 2 + 3 A . n baz se introduce vectorul a3 deoarece elementul maxim ( m+2j) de pe linia m+2 i coloana j= 3 adic (jn + 2,3) este egal cu 8. Valoarea 0 O corespunztoare
. 20 este 0 = se obine pe linia lui a< j care va iei din baz. Transformnd toate

elementele primei iteraii din tabelul 6 dup formulele (8) noua soluie de baz este: X ' = (x 5,x 3,x 4) = (3,4,6)

70

Tabelul 5

-1 Baza
ai a6 a4

-2
a2

-3
a3

1
a4

c
1

a3

a6

a,

j fj -C
a5 a3 a<

-3 1

15 20 10 10 35 3 4
6 -6

1 2 1 2 3 _ 1
5 2 5 3 5 2 5

2
1 2 4 3
7 5 1 5 9 5 16 5 7 5

3 5 1 4 8 0 1 0 0 0 0 1 0 0 0 0 1 0 0

0 0 1 0 0 0 0 1 0 0 0 0 1 0 0
1 6 _3 6 7 5 -1

1 0 0 0 0 1 0 0 0 0

0 1 0 0 0

fj cj

5
a2 a3 a4

-2 -3 1

|5 5 25 7 15 7 _ 90 7

1
7 3 7 6 7 6 7

0 0 0 0 1 0 0 0

fj 'C j
a2 a3 ai
fj

0 -2 -3
-1 5 2 5 2

0 0 0 1

2
2

C j

-15

71

creia i corespunde valoarea funcionalei liniare f '

6 + 3 . Introducem n

baz vectorul a2 deoarece elementul maxim de pe linia m + 2 egal cu J/ se afl 7 n coloana a doua i cum 0 = se obine pe linia vectorului a$ din baz, aceasta din urm va iei din baz. Noua baz va fi format numai cu vectori structurali 2, 3, 4 creia i corespunde soluia de baz. y# , , ( 1 5 25 \5 X = (x 2,x ,x 4) = Toi vectorii artificiali au fost eliminai din baz, dar nu s-a obinut soluia optim deoarece nc exist o diferen pozitiv J
. ,

c\ ~ ~ ,

_ 6

deci soluia nu este optim. Se va introduce n baz vectorul a \ i se va obine soluia optim: ( 5 5 5^ i x 4 = 0 ia valoarea formei liniare egal cu -15. Rezult c / max = 15 obinut pentru *i 5
= ~>x2

- ~*4 - 0

7. Cazul cnd sistemul de restricii conine inegaliti de acelai sens. n prezentarea bazelor teoretice ale algoritmului simplex am considerat modelul matematic al problemei de programare liniar sub forma standard (restriciile sunt egalitati) i am presupus cunoscut soluia iniial de baz pe care am mbuntit-o la fiecare iteraie a algoritmului. Sunt cunoscute metode de aflare a unei asemenea soluii dar din punct de vedere practic ele nu prezint mari avantaje. Determinarea unei baze comode - baza unitar - i a unei soluii iniiale de baz este nlesnit de natura restriciilor problemei. n problemele puse de practic de cele mai multe ori restriciile problemei sunt inegaliti; de aceea, pentru a fi concordan cu cerina algoritmului simplex prezentat pe cazul cnd restriciile sunt egaliti, va trebui s transformm inegalitile n egaliti. n cele ce urmeaz vom considera dou tipuri de probleme de programare liniar i anume cnd restriciile sunt inegaliti de sens < sau de sens > i vom rezolva problema pus mai sus a determinrii unei soluii iniiale de baz i a reducerii inegalitilor la egaliti ca astfel s aplicm algoritmul simplex.
72

1. S considerm problema:

[m ax j f = Y J cj Xj
7=1

( 1)

cu condiiile:

i = l,2,...m
7=1

(2)

Xj > 0 , j = 1,2,... (3) care aa cum am artat n paragraful 1 este o problem de planificare a produciei, n care se cere aflarea nivelului activitilor Xj, j = 1 ,2 ,..., astfel nct beneficiul unei ntreprinderi industriale s fie maxim innd seama de resursele disponibile ,. Vom transforma fiecare din restriciile (2) n egaliti prin introducerea unei noi variabile pozitive numit variabil de compensare (de abatere sau cart).
Restriciile devin: auxx + al2x2 +... + a]nxn + *+ 1

= bx ^ Xn + 2
X n+m

a2\X\ + a 22X2 + :
a m\X\ ^ a m2X 2

a2nXn
a mnX n

= ^2 (4)
fym

Am stabilit n paragraful 2 c soluia sistemului de ecuaii (4) este echivalent cu soluia sistemului (2) dac x+ 1 > 0 , i - 1,2,...m . Pentru ca sistemul (2) s aib o soluie Xj ^ 0, j = 1,2,... este suficient ca sistemul
n
Y j a i j X j + x n +i = b i

I= l,2 ,...m

7=1

Xj > 0, xn + i > 0 , ; = 1,2,...,


s admit o soluie pozitiv. Variabilele de compensare pot fi interpretate economic ca reprezentndm activiti fictive pe care ntreprinderea nu le efectueaz; de aceea, n funcia de eficien, le vor corespunde beneficii nule: / = c,x, + c2x 2... + cnx + 0x+ 1 + ... + 0xn + m n acest mod am trecut de la problema dat iniial la aa-numita problem extins care se formuleaz astfel:
73

[m ax ]/ = * , + c2x2 + + cnx cu restriciile: n


^ a j X j + x + = b i, i = 1 , 2 . . .m

x ; > 0 , xn+iZO, j = 1 ,2 ,..n i = 1 ,2 ,..m Matricea sistemului de restricii a problemei extinse este:
a , 1 0 a\ \ a\ 2 a21 a22 ... 2 0 1 ...

(5)

0 0

A =

flm 2 - am n 0 0 ... 1 care se mai poate scrie punnd n eviden vectorii coloan, A = (a],a 2,...an,ev e2,...em) n care el,e2,...em sunt vectorii unitari ai spaiului Rm care alctuiesc matricea unitate de ordinul m. O 0 0 1

Em =
0 o Putem alege atunci baza iniial unitar format cu vectorii ex,e2,...em,mi orice alt vector care nu aparine bazei (vectorii matricii A ) se exprim cu uurin n aceast baz: = a\je\+ a 2 j e
2

+ + am jem, j = 1 ,2 , ..n

a\j a 2 j am j fiiHd elementele coloanei j din matricea A. Dac nu am fi procurat n modul artat baza unitar, exprimarea vectorilor ce nu fac parte din baz, n aceast baz, ar fi necesitat un calcul suplimentar. Soluia iniial este prin urmare:
*1 == >' = 0>*n+l ^1 ~

deoarece bt > 0 , i 1,2 Avnd fixat o baz (baza unitar) i dispunnd de o soluie iniial de baz corespunztoare, inegalitile fiind transformate n egaliti, putem aplica algoritmul simplex.
74

Exemplu: ntr-o secie a unei ntreprinderi se folosesc patru feluri de materie prim, M y,M 2,M 3 i M 4 , pentru producerea a trei tipuri de produse, PltP2 i P3. Consumurile specifice corespunztoare se gsesc n tabelul care
conine, pe coloana D, cantitile din materiile prime , 2 i M 3, disponibile n secie.

Stocul de materie prim M4 este suficient de mare pentru a rspunde oricrui plan de producie. Se pune ns problema unui consum ct mai mare din aceast materie prim, datorit stocului mare existent, ce necesit cheltuieli suplimentare (de ntreinere). S se determine un plan de producie, care s nu necesite mai mult dect cantitile disponibile din M VM 2 i M 3 i care s foloseasc o cantitate maxim din M 4 . Apoi s se analizeze, din punct de vedere economic, rezultatele obinute, lund drept criteriu producia total realizat. Se presupune c cele trei tipuri de produse nu se deosebesc din punct de vedere al ctigului net unitar, adus de ele ntreprinderii.

Rezolvare: Notm cu xx, x2 i * 3 cantitile ce trebuie produse, respectiv, din Px, P2 i P3. Astfel, modelul matematic al problemei are forma urmtoare:
[m ax]/ = 4*[ + 3:2 + 4 * 3

2xx + 3 * 2 + 5*3 < 25


4 *j + 2 *2 + 2*3 < 16 5*j + 6 *2 + 2*3 < 40 * ; > 0 , j = 1,2,3
75

Introducnd variabilele de compensare x4,x 5,x6 sistemul de restricii devine: + 3x2 + 5;c3 + x4
4jtj + 2 x2 + 2 x 3 5 *! + 6 x 2 + 2 x3 + x5

= 25
= 16 + jc6 = 4 0

Rezolvarea modelului cu ajutorul algoritmului simplex este realizat n tabelul 6. Tabelul 6 4 03 5 2 2 4 (1) X 2 1 0 0 0

CB
0 0 0 0

B a4

Xb 25
16 40 0 17

4 01 2

3 a2 3 2 6 3 2

0 4 1 0 0 0 1 0 0 0 X -X

0 O s 0 1 0 0

0 06 0 0 1 0 0 0 1 0 0 0 1 0

% 4 8 % 8 -

05 6 C i ft

(J>
5 4 0 1 0 0 0 1 0 0

do)

a\

~Yl
X -5 / /4 -1 X &

4
0 4

a\ 06
3

4
20 0

Yl
X 1 K X

(/.)

C i -fi a\ a6

4
0

"/< '%
17% 4%

Oi)

C j -fj

V /4 0

-% /4 Yl - V

Deoarece toate diferenele c ; - f j , din iteraia I2 a tabelului, sunt nepozitive, soluia corespunztoare acestei seciuni este o soluie optim. Aceast soluie este urmtoarea: *i = 1 5
n ; *3 ^2= 0 1 7 ; 4 = 5 = 0 n ; 6 = 1 7 7 ; l* 49 =

Observaie: Pe. linia diferenelor c ; - /; exist ns un element egal cu zero, n dreptul vectorului a2, care nu este n baz, ceea ce nseamn c modelul mai are o soluie optim de baz. Aceasta se obine continund aplicarea algoritmului simplex, prin introducerea vectorului a2 n baz, Suntem astfel condui la seciunea /2 din tabelul din care extragem cea de-a doua soluie optim de baz a modelului:

76

2 59 13 n . 49 * 1 = 7 ; * 2 = ; * 3 = ; X* ~ X 5= X (,= ; f* = y 15 j 2 n 5 9 . 2 X, = A + (1 - A ) = H 8 5 40 5
* 2 = ^ (1 -^ ) (*)

17 , 13 59, 13 X = A + (1 -A ) = + 3 4 10 20 10 Se observ c nu mai exist alte soluii optime de baz, n afar de cele gsite mai sus. Deoarece problema are dou soluii optime de baz, rezult c ea are o infinitate de soluii optime, soluia optim general fiind de forma unei combinaii liniare convexe a celor dou soluii optime de mai sus. Aceast soluie optim general are urmtoarele componente:

CB
4 4 3

4 a\
0 1 0 0

a2
0 0 1 0

a3 a\ a2 ci -fj

%
%

4 3 1 0 0 0

0 4 Ko ~%5 Ko

0 5 Xo

0 06

~V\5 5 V\5
0

%
-

%
-K o -3 / /4

(h)

unde A e [0 ,l] Comparnd cele dou soluii de baz, coninute n seciunile /2 i /3, ambele optime, observm c, n cazul aplicrii soluiei din /3, se consum toat materia prim din tipurile M {,M 2 i M 3 , pe cnd n cazul aplicrii soluiei din /2, mai rmne o cantitate de uniti din materia prim M3. Aceast observaie ne

face s comparm cele dou planuri optime dup criteriul produciei totale (*! + x2 + * 3) care este, n cazul aplicrii planului din I3, egal cu 7,6 uniti, ia r , n cazul aplicrii planului din /2, egal cu 6,125 uniti. Mai mult, calculnd producia total n cazul unui plan optim oarecare, avem: 59 . 2 5 9 ., 59 , 13 , X , + x2 + x3 = A i (1 A) H Ah = 1,475A + 7,6 1 2 3 40 5 10 20 10
77

Aceast funcie liniar fiind descresctoare n raport cu , maximul ei va fi atins pentru A = 0 , deci n cazul soluiei optime din 73. Pentru a obine un beneficiu ct mai mare, acesta fiind un al doilea scop, pe lng cel legat de consumarea unei cantiti maxime din materia prim n situaia dat trebuie folosit planul de producie dat de seciunea h. 2. S considerm acum problema de programare liniar de tipul:
n

[m in ]/ - ^ C j Xj H
n

(6)

cu

^ - bi
7=1

(7)

Xj > 0 , j = 1,2,...n Recunoatem n acest model pe acela al problemelor de nutriie sau pe cel al problemelor n care se cere minimizarea cheltuielilor de producie, innd seama de necesarul stabilit. Pentru rezolvare se are n vedere i aici teorema de echivalen a soluiilor pentru inegaliti de forma >. n acest caz trecerea la egaliti se face scznd din fiecare cele m inecuaii cte o variabil de compensare pozitiv. Sistemul (7) se va scrie:
2 ~^a i2X2
"*"

n Xn

~ ~ Xrt2 ~^2

(8)

a m\X\

~^a n a X2

'* '

^ a m>tXn

~ Xr* m

~^m

Noile variabile nenegative x n+1,...xn+ m se interpreteaz ca surplusul de produse peste necesarul reprezentat de bx, b2,. .bm. Ele sunt tot activiti fictive ale ntreprinderii; de aceea li se asociaz costuri nule, astfel c n funcia de minimizat apar cu coeficieni nuli, deci: / = cx xx + c2x 2 + ... + cxn + 0 * n+ 1 + ... + oxn + m rmne de fapt aceeai. Avem de rezolvat prin urmare problema [m in i/ = q x j + c2x2 + ... + cnxn cu condiiile:

78

+ ^ +fl22*2

+ + V + "^"^2^'

Jini -JC. ' + 2

=A
(9)

. \

^~a m 2 X2

'* "

"*"m A

X n+m

Xj > 0, j = 1,2,...n, * n+ 1 ^ 0 , j = 1,2,...m care este de asemenea problema extins a problemei iniiale. Matricea coeficienilor A a problemei extinse este:
a 11 A = a 21
12

a ln

1 o

o -1

0 o

a 22

a.2n

= (4 - 0
a ml

am2
' - f 0 n + l :

-1

Se vede c vectorii coloan corespunztori variabilelor de compensare:


f o N -1 +2 _ j 0

f 0 N
0

"a n+m

>

>

nu sunt unitari. Pentru a obine totui o baz unitar ca baz de pornire, vom transforma sistemul (8) n aa fel nct s putem aplica metoda bazei artificiale. n acest sens, alegem bk = m ax bt i se scad celelalte ecuaii ale sistemului de
i

restricii (8) din ecuaia k . Astfel sistemul se scrie:


n

K
j =1

~ aj

+ x =b*~ b> * = 12- m * * k

1
j =1

Xn+k=bk

( 10)

*, > O, *+i > 0 , j = 1 , 2 i = 1,2 ,...m Pentru noua problem (10) matricea coeficienilor A este: A ( 1, 2 ++ +)) unde:
79

f 1! 0
a n +1 ' - a n+k
\

M
'
-1 " n+m

f l 0
V 1 /

adic toi vectorii an+ i sunt unitari, cu excepia celui de ordin k. Adugm la egalitatea de ordin k variabila artificial yk

^ j akjx j - x n + k+ yk= bk Deoarece aceast egalitate trebuie s fie echivalent cu cea de la care s-a pornit, trebuie ca yk s fie nul. Fiind o problem de maxim, asociem variabilei yk un cost mare n funcia de eficien: / = Cj*, + c2x 2 + .... + cnxn + Xyk Matricea coeficienilor se modific din nou; ea conine n+m+1 coloane dintre care m sunt unitare i pot forma o baz iniial format cu vectorii: n + i (i k) i = 1 ,2 ,...m i cu vectorul C tk corespunztor variabilei artificiale

yk . Se poate aplica mai departe algoritmul simplex conform metodei bazei


artificiale. Aa cum s-a vzut la expunerea acestei metode putem fi condui la una din cele trei situaii de mai jos: 1. Dup un numr de iteraii C C k prsete baza, yk = 0 program al problemei iniiale. i deci se obine un

2. Dup un numr de iteraii C X k rmne n baz, dar yk = 0 . Soluia este degenerat i se continu algoritmul pn cnd toate diferenele f ) c ; < 0 ; 3. Dup un numr de iteraii diferenele f j Cj satisfac criteriul de optimalitate, ns soluia de baz conine yk > 0 . n acest caz, problema dat nu are soluie.

80

Dualitate n programarea liniar 1. Prin dualitate n programarea liniar nelegem un concept des ntlnit n matematic n general, conform cruia oricrei probleme de programare liniar considerat ca iniial {primal) i corespunde o alt problem zis duala ei, ambele formnd un cuplu denumit cuplu de probleme duale. Dualitatea n programarea liniar prezint un real interes att din punct de vedere teoretic i calculatoriu ct mai ales prin interpretarea economic a celor dou probleme care formeaz cuplul. n dezvoltarea care urmeaz vom considera dou cazuri i anume: - dualitatea simetric ce se refer Ia modele date sub forma canonic; - dualitatea nesimetric la care modelele sunt date sub forma standard sau sub forma general. a) Dualitatea simetric Cuplul celor dou probleme duale n cadrul dualitii simetrice este: [max]/ = clxl +c2x2+...+ cnxn
1 * 1 + 12

c2 +...+alnxn <b{
( 1)

x, + ... + 2 n ji-K] +a222 . X . ^b , J


(P)

am iXi+am 2x1 +... +am n xn<bm Xj> 0 j = \,n


i duala ei [min ]g = blyl + b2y2 +...+ bm ym U>'l+21>'2+ - + a m l>'m ^ C1 ^ 12^1 + o22y2 + ^ + a m 2ym> c2 (D)
(2)

a u y i + a 2ny2+ - + an U ,y n ^ Cn y j > 0 i = 1, m Spunem c n cele dou modele fiecare dintre ele poate fi considerat dualul celuilalt. ntre cele dou probleme primala (P) i duala ei (D) exist o strns legtur pus n eviden de regulile de mai jos, reguli care permit ca tiind modelul uneia s putem scrie modelul celeilalte. Astfel: - n primal se cere [max]/ iar n dual se cere [min]g (i invers); - modelul de maxim din primal are ca restricii inegaliti de sens < iar modelul de minim din dual are inegaliti de sens > ; - matricile celor dou sisteme de restricii sunt transpuse una alteia ;
81

- termenii liberi dintr-un model, sunt coeficieni n funci a de eficien ai celuilalt model (pstrndu-se ordinea); - xi,x2,...x sunt variabilele primale i sunt supuse condiiilor de nenegativitate Xj> 0 j = l,n;

- yi,y2,-ym sunt variabilele duale i de asemenea sunt supuse condiiilor yt >0 i= l,m . Cu notaii adecvate este evident c cele dou modele se pot scrie i matricial. Astfel notnd

V
X= x "J
i

fM
y= ( y i.y 2. - , y m) ;
b=

b 2 >C(Cj,C2...Cn)

-i \b 5J *11
A=
2 21

w12
a 22

lrt
*2 n

ml

m2

avem [max]/ = cX (P) AX<b ( ) (D)

[min]g = Yb YA>c

(2)

X>0 Y> 0 Legtura dintre cele dou modele ale cuplului dual evideniat mai nainte, poate fi prezentat ntr-un tabel de forma celui de mai jos: Tabelul 1 < X2 Xn Xi y <-N an ai2 b, din yi b2 a2i a22 2n yi

ym >

<*ml Cl

Qm2 C2

Q-mn Cn

bm
^ m ax

n caremodelul primalei se citete pe linii i modelul dualei pe coloane. n literatura de specialitate se spune c am transformat prin dualitate modelul (P) n modelul (D). Un alt cuplu de probleme duale date tot sub forma canonic i scris sub forma matricial este urmtorul:
82

[min]/ = cX (P,)

[max]g = Yb

AX> 0 (1 ) (D,) YA<,c (2 ) X>0 y> o Exemple: 1. S scriem modelul dual al problemei de programare liniar considerat ca model primai: [3x. +Xn>\ 3 v .+ 2 y, < 6 (P) { Modelul dual este: (D) i [2xl +6x2 >2 [ y i+ 6 y 2 <3 > 0, * 2 0 [min]/ = 6xj + 3x2 2. n cazul modelului primai
*, +3:2 -x-i '2.2 (P0 x2 + 2x3 > 1 \-x> modelul dual este: (Di) >,>0,

y 2 >0 [max]g = y l + 2y2

y\-y2 ^ 4 3 y , - y 2 <18 - y i +2y2 <6

y i>0 [min]/ = 4*| +182 + 6 x 3 [max]g = 2yx+ y2 Observaie Pentru fiecare din cele dou cupluri duale de mai sus se pot alctui tabele de forma tabelului 1.
2. Consideraii teoretice asupra dualitii Consideraiile teoretice care urmeaz se fac pe cazul unui cuplu de probleme duale date sub forma canonic. Vom da fr demonstraie cteva propoziii ajuttoare care vor conduce la aa numita teorem a dualitii. Deci fie cuplul de probleme duale (P)-(D) date de ( ) i (2): [max]/ = cX [min]g = Yb

Xj >0

AX<b i (D) YA>c X>0 Y> 0 Propoziia 1 Dac X i Y sunt soluii realizabile ale modelelor (P) respectiv (D) atunci: g(Y)>f{X). Propoziia 2 Dac X i Y sunt soluii realizabile ale modelelor (P) respectiv (D) astfel nct f(X)=g(Y) atunci ele sunt soluii optime pentru modelul (P) respectiv (D). Propoziia 3 Dac unul din modelele (P), (D) are optim infinit, atunci cellalt nu are soluii realizabile iar dac unul dintre cele dou modele are optim finit i cellalt are optim finit.
(P)
83

Teoremafundamental a dualitii (fr demonstraie) Oricare ar fi cuplul (P), (D) de probleme duale este posibil una i numai una dintre situaiile; a) Ambele modele au optime finite i valorile optime ale funciilor obiectiv sunt egale; b) Unul dintre cele dou modele are optim infinit iar cellalt nu are soluii realizabile; c) Nici unul dintre cele dou modele nu are soluii realizabile. Prezentm n continuare o teorem foarte important care pune n eviden legtura existent ntre soluiile cuplului de probleme duale i care folosete la determinarea acestor soluii. Teorema ecarturilor complementare Fie dat cuplul de probleme duale(P)-(D) din (1) i (2). O condiie necesar i suficient ca soluiile realizabile X i y ale modelelor (P) respectiv (D) s fie optime este s fie ndeplinite condiiile: (a) Y(b-AX) = 0 i (b) (YA-c)X =0 (3) Demonstraie: Pentru uurina demonstraiei s notm u = Y (b-A X ) i v = (YA-c)X.
Amintim c X i Y sunt soluii optime ale cuplului (1) de probleme duale i c Y> 0 , AX <b de unde rezult u> 0 . De asemenea din YA>c i X >0 rezult v > 0 . Fcnd suma u+v avem: u + v = (b-A X ) + (A- c)X =b-AX + AX - cX = b - cX , conform propoziiei 2 avem Yb = cX i deci m+v=0 i cum > 0 , v> 0 deducem c ele sunt nule adic u=0 i v=0 rezultnd astfel necesitatea condiiilor din enun. S considerm condiiile (3) adevrate i s demonstrm c X i Y sunt optime. ntr-adevr din Y b - c X - 0 adic conform lemei 2, Yb = cX deci X i Y sunt optime. Pentru a putea da o interpretare util n cele ce urmeaz relaiilor 3 vom scrie modele duale (1) i (2) sub forma standard, introducnd variabilele de compensare. Avem: [max]/ = c,jcx+ c2x +... + cnxn

(p )

2 1 * 1 + f l2 2*2 + - +

a 2nXn

+ Xn+2

= b2

a m l X \ + a m 2 X2 + -

+ a m n Xn

+X ,

= b, m

84

X j >

0,

j - 1,2.... n + m

[min]g = >,?, + 2> > 2 +... +bm ym O ll>'l+a2l)'2+- + a ml}'m- } 'm + 1 (D)
a 12>'l+ a 22>'2+ - + a m2)'m y
m+2

= C,
= C,

(5)

lrt> l+a2n>2 + - + a m n}'m -y m + n= C n Aceste modele se vor scrie ntr-un tabel asemntor tabelului tabelul 2

i anume Tabelul 2

Facem precizarea c n modelele precedente avem: Xi,x2,...,xn- variabilele structurale ale modelului (P) xn+ !,xn + 2,...,xn + m- variabilele de compensare ale modelului (P) yi,y2,-,ym- variabilele structurale ale modelului (D) ym +i,ym +2, ,ym + n - variabilele de compensare ale modelului (D) Dac X i Y sunt soluii optime ale celor dou modele respectiv, convenim s notm:

X =(x l ,x2,...,xn) , Y = ^,>2 > ,ym ) i de asemenea s notm variabilele de compensare cu +,...+ m respectiv ym + l,.-ym + n la etapa optim a tabelelor
simplex ce rezolv cele dou probleme ale cuplului dual. Suntem acum n msur s artm cum teorema ecarturilor complementare stabilete o coresponden ce exist ntre variabilele structurale ale unui model i variabilele de compensare ale celuilalt model, valorile acestor variabile fiind
85

considerate ca fcnd parte din cele dou soluii optime X i Y ale primalei respectiv dualei; cu alte cuvinte legtura dintre aceste variabile, la etapa optim (notate barat). S lum n considerare mai nti prima egalitate din teorema ecarturilor complementare: (4) Se observ uor c vectorul coloan b - AX este un vector m dimensional care cu notaiile anterioare se scrie: (5) i se vede c componentele sale sunt tocmai variabilele de compensare la etapa optim a modelului primai. Cum Y este vector linie /n-dimensional, vectorul produs Y\b - AX ) are sens i va fi:

yip ~ Ax)= yxX n + \ + y2Xn+2 +...+ y m X n + m =0

(6)

Datorit condiiei de nenegativitate Y > 0 ct i faptului c AX <b implic i la etapa optim AX <b adic b -A X >0 rezult c (6) are loc dac i numai dac toi termenii sumei sunt nuli adic:

y, X n+ 1 = o , y 2X n+2 = 0 ,... y mxn + m= 0 sau pe scurt y .x+i = 0 , (7) i = 1,2,..., m Consideraii analoge se fac i asupra celei de a doua egaliti din teorema ecarturilor complementare (Fa - c)x =0 care conduc la relaii de forma:
ym + i = 0 - *2 y m + 2 = 0 ,... X n ym + n = o sau pe scurt xj ym + J =0 (8)

j =1,2..... n
S trecem acum la interpretarea relaiilor (7) i (8) care decurg dup cum s-a vzut mai sus, din teorema ecarturilor complementare. Se constat c: - fiecrei linii i=l,2,...,m din tabelul 2 i corespunde o restricie (inegalitate cu <) n modelul (P) i o variabil structural y, n modelul (D) - fiecrei coloane j,j= l,2 .....n din acelai tabel, i corespunde o restricie n modelul (D) (inegalitate cu >) i o variabil structural x, n modelul (P). n baza acestor observaii pentru dou soluii optime X i y ale celor dou

86

modele duale, rezult urmtoarele proprieti legate de valorile variabilelor de compensare i structurale: - Dac n soluia optim Y a dualei (D) variabila structural y, * 0 , atunci variabila de compensare *+ , a restriciei de pe linia i din tabel are valoarea nul pentru X adic aceast restricie este verificat ca egalitate strict pentru soluia X aprim alei; - Dac n soluia optim X a primalei, variabila de compensare xn + ia restriciei de pe linia i a tabelului este nenul, adic aceast restricie este verificat ca inegalitate strict pentru X , atunci variabila structural y, a modelului dual are valoare nul n soluia optim Y . Referindu-ne la relaia (8) vom deduce proprieti analoge n legtur cu soluiile optime X i Y analiznd coloanele tabelului 2 Rezultatele obinute mai sus, care decurg din teorema ecarturilor complementare i din teorema fundamental a dualitii, ne ajut s rezolvm efectiv un cuplu de probleme duale simetrice. S considerm urmtorul exemplu : [max]/ = 4*, + 52 + 4*3 + 6 jc4 [min]g = 20^! +30y2 +15)'3 2^1 +5^2 +3>3 >4 (D) 3^1 +4;y2 + 4y3 >5 4>i+ 3 y 2 +2>'3>4 3^1 +4>2 +5)>3 >6 y,.>0, i = 1,2,...7

2*, + 3 x 2 + 4*3 + 3*4 < 20 (P) 5jcj + 4*2 + 3*3 + 4*4 < 30
3*t + 4*2 + 2*3 + 5*4 < 15

Xj >0 j - 1,2,3,...7

Tabelul simplex coninnd numai prima iteraie i iteraia optim, pentru modelul primal (P) este cel de mai jos: Baz a5 a a7 C j fi
. .. ...

C 0 0 0

Xb 20 30 15

4 ai 2 5 3 4
...

5 a2 3 4 4 5
...

4 a3 4 3 3 4 !
. . . .

a3 a ai Cj-fj

4 0 4

% Yl 25

0 0 1 0

X -2 X

~Yl

1 0 0 0

0 0 0 a a7 a5 1 0 0 0 1 0 0 0 1 6 0 0 0 .... j .............................. 0 -X X -X 1 -3 % X -X 0 / -X X 0 -1 -X 'X


.

6 34 3 4

87

Soluia optim a primalei (P) este

jc i = , X 2 =

!2

0,X 3 = , x a =0 4

adic

X =(xi,X2,X3,X*)

iar

[m ax]/= 4 .-+ 5.0+ 4. + 6.0 = 10 + 15 = 25. L u 2 4 Acum pentru fixarea ideilor s precizm: - Variabilele structurale din modelul (P) sunt xi,x2,X3,X 4' , - Variabilele de compensare din modelul (P) sunt 5,6,7; - Variabilele structurale din modelul (D) sunt yi,y2,y3 , - Variabilele de compensare din modelul (D) sunt y4,ys,y6,y7 Din etapa optim a tabelului simplex pentru rezolvarea primalei rezult pentru X : 5 15 25 X\ = - , * 3 = , X6 = 2 4 4 componentele bazice i xi =0,*4 = 0,^5 =0,*7 =0 componentele nebazice la etapa optim. Din considerarea primei relaii din teorema ecarturilor anume xj ym + j =0, j = 1,2,3,4 rezult urmtoarele corespondene (cupluri):

xi cu yA, xz cu y5, X3 cu y6,


X 4 cu y 7, iar din considerarea celei de a doua relaii din teorema ecarturilor anume yt -X n+ i =0, i = 1,2,3 rezult urmtoarele corespondene:

*5 cu y , , X6 cu y 2 ,
Xl CU > > 3,

Deoarece n X avem x\ = 0 , rezult yA= 0 . 2 Deoarece n X avem *3 =

* 0 , rezult y6 = 0 .

25 Deoarece n X avem xe = 0 rezult y2 = 0 . nlocuind n sistemul de restricii al dualei extins y2 = 0,>4 = 0 ,y 6 = 0 obinem sistemul: 2 ,+ 3 3 =4 3}1 ! + 4 y 3 + y 5 =5 4 y t +2y3 =4 3 y !+ 5 y 3 + y7 = 6 i deoarece am obinut y2 = 0 , rezult c soluia obinut ^ dualei este Y = -,0 ,1 j iar: [min]g = 20 ~ + 30.0 +15.1 = 25 . Am rezolvat i duala iar teorema dualitii [max ] f = [min ] g este verificat. Observaie important. Dac cercetm linia diferenelor c j - fi la etapa optim a tabelului simplex pentru rezolvarea primalei, constatm c diferenele cr fj,j=5,6,7 situate sub vectorii unitari ehe2,e3 corespunztori bazei unitare iniiale format din vectorii a5,a<s,a7 din etapa iniial, sunt respectiv --^ ,0 ,-1 , care luate cu semn schimbat dau chiar soluia optim a dualei Y = a ^ 1 ?3 - 1 > ^1 T 2

0 1

direct din tabelul

simplex al primalei. Acest fapt este datorat unei propoziii pe care o vom enuna n continuare. a) valorile optime ale variabilelor structurale yi,y2,...,ymdin modelul dual se gsesc pe linia diferenelor Cj-fj, respectiv n dreptul coloanelor vectorilor de compensare an + i,an + 2,...,an+ mdin modelul primai, luate cu semn schimbat. b) Valorile optime ale variabilelor de compensare yn+i,ym + 2> ,ym + n din modelul dual, se gsesc pe linia diferenelor Cj-fj, respectiv n dreptul coloanelor vectorilor structurali ai,a2,...,a din modelul primai, cu semnele schimbate. 3, Dualitatea nesimetric Aa cum am menionat la nceput, dualitatea nesimetric se refer la modelele date sub forma standard sau sub forma general. Este evident c n acest caz se pot construi mai multe cupluri de probleme duale nesimetrice dintre care vom exemplifica unul care este de forma:
89

[max ] f = cX (P) AX = b

[min]g = (D) YA>c

X >0 Y = oarecare Pentru a nelege scrierea modelului dual (D) n cazul de mai sus precum i n alte cazuri, vom introduce unele noiuni care ne vor ajuta s stabilim legtura dintre cele dou probleme ale cuplului n cazul dualitii nesimetrice. - Orice restricie cu < n cadrul unui model de maxim, respectiv o restricie cu > n cadrul unui model de minim se numesc restricii concordante. Analog orice restricie cu > la un model de maxim,respectiv o restricie cu < la un model de minim se numesc restricii neconcordante. Suntem acum n msur s formulm legturi dintre dou modele de programare liniar: - ntr-unul dintre modele se cere maximul funciei obiectiv, n cellalt se cere minim. - Matricile sistemelor de restricii sunt transpuse una alteia. - Termenii liberi din restriciile unui model sunt coeficienii funciei de eficien din cellalt, pstrndu-se ordinea. - Fiecrei restricii concordante dintr-un model i corespunde o variabil n cellalt modei care se supune condiiei de nenegativitate >. - Fiecrei restricii neconcordante dintr-un model i corespunde o variabil n cellalt model care se supune condiiei de nepozitivitate <0 . - Fiecrei restricii de egalitate dintr-un model i corespunde o variabil liber n cellalt model (variabil oarecare, pozitiv, negativ sau zero). Exemple: 1 Modelul dual al modelului de programare liniar: [maxi/ 7= *i + 2*2 + 5*3 [min]/ = lOyj +9y2+ 15 y3 xl +x2 +2xi <lQ > i + y2 + y3 > 1 (P) *, + 2*2 + 3*3 > 9 este (D) y, + 2 y2 + y 3 > 2 *1+ *2 +*3=15 2 y ,+ 3 y 2 + y3 ^ 5 *! > 0 , *2 > 0 , *3 > 0 > 0 , y 2 < 0 , y 3 = oarecare Conform cu regulile prezentate mai sus, vom explica modul de scriere al dualei (D). ntr-adevr deoarece variabilele *;, j=l,2,3 din (P) sunt nenegative, toate trei restriciile din modelul dual vor fi concordante i fiind vorba de minim ele vor fi cu >. Lund n discuie restriciile din primal deducem: Prima restricie a modelului primai fiind concordant, variabila yi se supune condiiei de nenegativitate adic y, > 0 . Restricia a doua fiind neconcordant, variabil y2 este nepozitiv adic y 2< 0 . Cea de a treia restricie a modelului primai fiind egalitate, variabila y 3 este liber.
90

2. Problema considerat, primala: [max]/ = 3jc, - 6 jc3 + jc4


2jc, + 5 x 2 - x3 + 2 x 4 > 3

[min]/ = 3 y x+ 5y2 - 2 y 3

2y\ ~y2 + 2> > 3 >3


are duala (D)
5>-i + 2 y 2 - y3 > 0

(P)

- jc, +

2x2 + jc3

=5
+ jc4 = - 2

2jc, - x 2

- yi + y 2 = -6 2 y, + y3 < 1

oarecare,jc4 < 0 y ,< 0 , y 2oarecare, y 3 - oarecare Privind cuplul celor dou probleme duale ne dm seama c pentru rezolvarea lor trebuie s facem unele transformri prealabile pentru a le aduce la forma aplicrii algoritmului simplex i de asemenea s folosim noi algoritmi etc. ntruct nu vom trata aceste metode, ne vom opri aici cu expunerea problemei dualitii n programarea liniar.
>0,
jc2

>0,

jc3

3. Programarea transporturilor 1. Enunul problemei de transport. Modelul matematic Un acelai produs omogen este depozitat n centrele de expediie Aj,A2,...Am n cantitile a,,a2,...am i se cere s fie transportat n centrele de consum B,,B2,....Bn n cantitile bi,b2,--.bn respectiv. Se cunosc costurile unitare de transport c , i = 1, m, j = 1, n de la depozitul A, la centrul de consum Br Rezolvarea problemei de transport const n determinarea unui plan optim de transport de la depozite la consumatori astfel nct costul total al transporturilor s fie minim. Cu alte cuvinte se cere determinarea cantitilor jc transportate pe toate rutele (ij),i = l,m, j = 1,n , astfel nct s se realizeze un cost minim de transport. Cu datele problemei de transport se poate alctui tabelul urmtor:

91

Costul transportului a Xy uniti de produs de la depozitul A, la centrul Bj este egal cu C ij-X ij, deci costul integral al transportului de la toate depozitele A, (/ = 1,m) Ia toi consumatorii B j(j = l,n ) va fi egal cu / =

v
1 = 1
j-l

n practic astfel de probleme pot fi de dou feluri: n m 1) = ^ b j adic necesarul pentru toate centrele de consum egal cu
,=1 ;= 1

totalul expediat din centrele de depozitare (problem echilibrat); m n 2) ^ ai * 'jbj - (problem neechilibrat). i=l j= 1 Vom rezolva mai nti cazul problemei echilibrate. Pentru ambele cazuri, din necesitatea de a avea sens economic trebuie ndeplinite condiiile xy >0,(i = \,m),i = l,n, cantitile transportate fiind esenial pozitive. Disponibilul a, i necesarul bj (i = 1,m i = l,n) sunt mrimi nenegative, deci

< 2j > 0 ,bj > 0 . Ipoteza de echilibrare implic transportul integral al disponibilului ctre centrele de consum ceea ce revine la condiiile: a) , , +, 2 =c,

Xm l Xm 2 + + X m n i satisfacerea integral a fiecrui centru Bj adic:


*11 + * 2, + - + *1 = bi

x \n + * 2 n + + * * = b n

Cu aceste precizri putem construi modelul matematic al problemei de transport care este urmtorii!:
( 1)

cu condiiile:

92

(2) 0 =ai
m

i = 1,2,..jn ;

0 )'% x ij=bj j = 1,2,.. ;


(4) 0 z = 1,2,...m, j - 1 , 2 .

Recunoatem modelul unei probleme de programare liniar cu variabilele xy n numr de mn care satisfac restriciile liniare (1) i (2), condiiile de nenegativitate (4) i care fac minime cheltuielile totale de transport/, unde/este liniar n variabilele xy. O condiie necesar pentru compatibilitatea sistemului de ecuaii (2) i este ca sumnd grupul (2) de ecuaii dup i i grupul (3) dup j s avem egalitatea
m

/= :!/ ceea ce antreneaz i egalitatea termenilor liberi adic j= * l j=l i=l

, = ^ care rePrezint condiia de ecilibru impus de ipoteza 1. i-i M


Evident c problemei de transport privit ca o problem de programare liniar i se poate aplica algoritmul simplex care ns devine destul de greoi din cauza numrului mare de variabile i restricii. innd seama de forma specific a modelului problemei de transport n care toi coeficienii variabilelor Xy n restricii sunt egali cu 1, s-au imaginat aii algoritmi de calcul pentru obinerea soluiei optime. n acest sens datorit formei speciale amintite, menionm unele propoziii valabile pentru problema de transport. Propoziia 1. Mulimea soluiilor realizabile ntr-o problem de transport adic soluiile ale cror componente xy satisfac (2), (3) i (4) nu este vid. Pentru demonstraie vom arta c orice problem de transport are ntotdeauna o soluie realizabil i anume de forma: m m n n (5) Xy = , i = 1,2,...m, j = 1,2,..ji unde T = ] ; = b} * = 1 i'= l ntr-adevr soluia (5) satisface restriciile (2):

;= i

i= i 1

1 i= i

93

Menionm c n general soluia (5) nu este optim i de asemenea sistemul (2), (3) este totdeauna compatibil. Dm fr demonstraie propoziia: Propoziia 2. Matricea A a coeficienilor restriciilor liniare (2) (3) are rangul m+n-1. Din cele de mai sus rezult c o soluie realizabil de baz ntr-o problem de transport are cel mult m+n-1 componente nenule, fiind nedegenerat dac are exact m+n-1 componente nenule i degenerat cnd numrul componentelor nenule este mai mic dect m+n-1. Observaie important. Se poate arta c dac a, i bj sunt numere naturale atunci valorile variabilelor X y sunt numere naturale n orice soluie realizabil de baz i deci soluia optim are numai componente numere naturale. Algoritmul de rezolvare a problemei de transport presupune dou etape: a) Aflarea unei soluii iniiale realizabile de baz; b) mbuntirea soluiei iniiale pn la obinerea soluiei optime dup mai multe iteraii. n continuare vom da cteva procedee de obinere a unei soluii iniiale de baz ntr-o problem de transport. 2. Metode de determinare a soluiilor iniiale de baz ntr-o problem de transport. Metodele pe care le vom considera, vor fi expuse pe exemplul enunat la punctul precedent, pe care l vom scrie mai schematic punnd n eviden costurile, beneficiile i resursele.
( 1)
(2 )

(1) 3

(2) 2

(3) 2 3

(4) 4

50
1 3 2 5

20 4 5
2 1

70/

/2i 20

5 50

(3)
(3)

10 15/ /10

10 10

20 /10

a) Metoda colului Nord-Vest ncepem din colul Nord-Vest adic de la csua (1,1) creia i corespunde xx, = min{50,70}= 50 mii tone Pe prima coloan necesarul este satisfcut deci trebuie s lum x2i=x3i=0. Pe prima linie au rm as20 mii tone disponibile din cele 70 care vor fi plasate n csua (1,2) deoarece x2 = min{20,25}= 2 0 . Depozitul A; i-a epuizat resursa deci
X j3 = X l4 = 0 .

Pornind acum de la csua (2,2) vom pune n aceast csu x22 - min{l0,5}= 5 unde 5 reprezint consumul rmas pentru B2 i rezult x32=0,

94

A2 are nc un disponibil de 5 mii tone pe care le repartizeaz centrului B3 deoarece min{5,15}= 5 deci x23 = 5 astfel A2 i-a epuizat resursa i deci x24=0 . Centrul de consum Cj mai are nevoie de 10 mii tone de produs ce pot fi repartizate n csua (3,3) deci x33 =1 0 . Lum n sfrit xM= min{l0,10}= 10. S-a obinut soluia iniial de baz pe care o vom nota cu Xo.
50

5 10 10 cu m+n-/=6 componente strict pozitive deci nedegenerat, avnd componentele. xu=50; xI2 =20; X i3 = 0 ; xl4=0 X 21 O x22 5 x2 3= 5 x24= 0 X 3i = 0 X 32= 0 X 33-IO X 34 10 b) Metoda costului minim al matricii Procesul de repartizare are drept criteriu costul minim deci vom pomi de la csua (3,4) creia i corespunde costul minim egal cu 1 deci xM= min{20,10}= 10 rmnnd din resursa A3 10 mii tone de repartizat. Deci x24=x]4 =0. 2
3

Xo :

20 5

2 25 15
3

4 4 1 10 10

% /

/30

30 1 10
3

2 5 25

10
20

2 15

10 50/ /%

/10

Ne oprim n continuare la csua cu costul imediat egal sau superior i anume la csua (2,1) lund x2l = min{l0,50}= 10 ceea ce imphc 22=23=24=0. Trecem la csua (1,2) lund xl2 = min{70,25}= 25 se impune x22=x32 =0 . Trecem la csua (1,3) lund xn = min{45,15}= 15 ceea ce conduce la x22=x32=0. n csua (1,3) scriem xl3 = min{45,15}= 15. Urmeaz csua (1,1) n care punem xu = min{30,40}= 30 i x,4 =0. n final lum = min{l0,10}= 10. Avem soluia de baz iniial nedegenerat xn=30; xi2=25; X i3 = 1 5 ; x2!=10; x3]=10; x 34 = 0 care verific sistemul restriciilor. Soluia va fi:

95

30 10 10

25

15

10

c) Metoda costului minim pe linie


3 2 2 4

30
1 2

25
3

15
4

O O
1

y%
10
20

10
3 5

O
2

O O 15

10
50/

O 25

10
10

/10

/%

Costul minim pe linia nti este 2 i figureaz n csuele (1,2) i (1,3). Avem xl2 = min{70,25}= 25 rezult X 22-X32-O i xn = min{45,15}= 15 deci x23=X 33=0 . Trecem la linia a doua la csua (2,1) i lum x2l = min{l0,50}=10 care implic xi2=x23=X24-0 iar costul Ci devine 50-10=40. Pe linia a treia costul minim este 1 din csua (3,4) n care punem *34 = min{20,10}= 10. Pe prima linie costul minim rmas este 3 n csua (1,1) n care punem xu = min{30,40}= 30. Pe linia a doua nu se mai poate repartiza i trecnd la linia a treia costul minim rmas este 3 n csua (3,1) deci *31 = min{l0,10}= 10. Rezult soluia de baz. 30 10 10
25

15

Xo

10 adic X n= 30 ; xi2= 25; x i3= 15 ; x 2i=10; x3i= de restricii.

d) Metoda costului minim pe coloan este similar cu precedenta c deosebirea c se vor considera costurile minime pe coloane. Vom schia numai rezultatul:

96

40
1 2

25
3

5
4

70/, /3 X
10

10
3 5 2 1

10 50/ /40 25 15/ /10

10 10

20/

Avem pe prima coloan csua (2,1) cu costul minim 1 deci x2l =min{l0,50}=10 rezult X22~X23-X24=0. Costul imediat superior pe coloana nti este 3 n csua (1,1) avem jcu = min{70,40} i ca urmare x3I=0. n coloana a doua avem csua (1,2) cu costul imediat superior 2 deci xn = min{70,25}= 25 care implic x22=0 i x32=0. Pe coloana a doua considerm csua tot cu costul 2 i anume (1,2) cu xl2 = min{30,25}= 25 care implic X22=X32 = 0 . Trecnd la coloana a treia ncepem cu csua (1,3) n care punem jc13 = min{5,15}= 5 . Trecem la csua (3,3) i punem *33 = min{20,10}= 10 ceea ce implic x23=0. Trecnd n sfrit la coloana a patra ne fixm asupra csuei (3,4) cu costul 1 i deducem x34 = min{l0,10}=10 ceea ce conduce la x24=xI4=0. Rezult soluia iniial de baz este: 40 10 25 5

X o:

10 10 x 12=25; xn=5; X2i=0; x2i=0; X33=10; x33=10; x34=10. adic Xn=40;; Xi2=25;

3. Determinarea soluiei optime a problemei de transport prin metod potenialelor (Danzig) Metoda potenialelor se datoreaz lui B.Danzig i se bazeaz pe teorema urmtoare. Teorem. Fiecrei componente xy din soluia de baz i corespunde perechea de numere (Ui,vj) astfel nct w,+v/=C. Dac pentru variabilele xtj nebazice notm C jj = U j + Vj, soluia optim se obine cnd toate diferenele ctJ - ctj < 0 . Conform teoremei precedente, rezult urmtoarele etape de calcul n gsirea soluiei optime prin metoda potenialelor cnd se cunoate o soluie de baz.
97

1 Se rezolv sistemul (8) pentru costurile C y corespunztoare componentelor nenule ale soluiei iniiale de baz. 2 Se calculeaz sumele C y i se efectueaz diferenele C y- C y pentru costurile C ycorespunztoare componentelor nenue ale soluiei. 3 Se aplic criteriul de optim: dac toi C y - ctj < 0 soluia este optim; dac mcar un C y- C y > 0 se alege max^~ - ctj > } i se modific soluia formnd ciclul celulei goale corespunztoare maximei alese. Mecanismul de calcul va fi explicat de exemplul considerat mai nainte. Vom porni de la soluia iniial de baz pe care am obinut-o deja prin procedeul colului Nord-Vest i pe care o vom nota cu X0.
3

2 50 20 2 5
5

2
3

4 4

70
10

Xo=

1
3

10 10 20 50 25 15 10 Formm sistemul Ui+Vj-Cy pentru fiecare Xy din baz adic pentru xu, xu, * 22, *23, X33, X 34. Avem : ux+ Vj =3 w2 +v3 =3

ux+v2 =2 m +v3 = 2 sistem cu m+n-1- 6 ecuaii cu m+n=7 w3 +v4 : 1 2 + v 2 =2 necunoscute. Lund U]=3 gsim u2-3, u3=2, v,=0, v2=-7, v3=0, v4~-l. Alctuim un tabel n care sunt trecute costurile C y corespunztoare componentelor xy*0. n acest tabel am calculat diferenele C y = w, + v; pentru calculele necompletate.
3

T2 x vj 3 N 30 3 10 2 10 0 -1 25 0 15 10 T3 1 2 -1 -4 -2 -2 -1

98

Diferenele ci} - c le obinem scznd din tabelul T2 pe cy din Tt corespunztoare lui cy. Obinem astfel tabelul T3. ntruct nu toate diferenele

C y -Cy < 0

soluia

de

baz

X0

nu

este

optim.

Cum

m ax^-c,, > o}= max{l,2}= 2 corespunde la c2l- c 21 lum 2= i obinem tabelul T 4 pentru aflarea ciclului corespunztor lui ( 2 , 1). T4 50- H 20+0 /t1 5 4 ^ 5 -0 10 10 Deoarece noua soluie de baz trebuie s conin numai elemente strict pozitive, vom lua pentru valoarea min{5,50}= 5 adic valoarea cea mai mic din care se scade i obinem tabelul T4 care prezint soluia de baz X, i ea nedegenerat.

70 5 10 10 10 20 50 25 15 10 Valoarea funciei de eficien pentru soluia Xj este f(Xi)=3.45+2.25+l.5+3.5+2.10+1.10=235. Se observ c f(Xi)<f(Xo) adic valoarea funciei de eficien a sczut. Cu soluia X] procedm la fel ca i cu soluia iniial Xo adic determinm k, i v; pentru xy>0 din soluia de baz Xi i C y pentru xy nebazici. Avem:
X i=

45 5

25

u, + V j =3 M , + v2 = 2

m 2 + v3 = 3

M 3 +V3 =2 Lund i aici u,=3 gsim

m3 + v4 = 1 U2 +Vt =1 v2= -1, vj=2, v4=l. Matricea valorilor C y este cea din tabelul T6 iar a diferenelor c -Cy n T7.

ca =

u i\ 3

0
3

-1 2 0 -1

2
5 3 2

T6 -1 4

1 0

1 0

2 1
99

-2

0 -2
=3

-6 -3 Deoarece avem o diferen pozitiv i anume m ax^ ~ci} > }= c 1 3

'1 3

soluia Xi nu este optim. Lund Xi3=0 obinem ciclul din tabelul Tg i noua soluie X2 obinut pentru = 5 n tabelul T9.

45-0 5+0

25

0 5-0 10
25

10
T9 5

X2=

40 10

10 10 Pentru aceast soluie f(X2)=3.40+2.25+2.5+l. 10+2.10+1.10=220. Calculm acum corespunztor soluiei X2 valorile , i y, soluii ale sistemului asociat componentelor pozitive xtJ ale soluiei X2. Avem: U j + vt = 3 2 +Vj =1 w3 + v3 = 2 Lund i aici uj=3 gsim +v
1 2 = 2

m 3 + v4 = 1 U 2+V 3 ~2 u2=l, 113=3 ,v1 =0,v 2=-l, v3=-l, v4=-2. Matricile ctj i ci} +c,y sunt cele din tabelele Tio i Tu.

T,o
.21. " 3

0
3

-1 2 0 2

-1 2 0 2 Tn -3 -5

-2 1 -1 1

1 3

1 3

C J ~ C U= 0
ntruct
fmin=f(X2)=220. 100

-2
-3 diferenele toate

-3

c,y - c,y < 0

soluia

X2 este

optim

Soluii multiple Observaie Dac n cercetarea optimului lui f unei soluii realizabile de baz matricea diferenelor c - ctj corespunztoare soluiei optime nu conine nici un element strict pozitiv dar conine i alte diferene nule dect cele din csuele (i,j) corespunztoare variabilelor bazice problema mai are i alte soluii optime. In exemplul tratat mai sus corespunztor soluiei optime, n Tn diferena c3l - c 3, =0 fr ca X3 s fie nul. Aceasta nseamn c mai exist o soluie optim care conine X 31 i care se obine din X 2 efectund ciclul lui (3,1).
4 0-0* 25

.-5+\j?
> 10 -b
10

1 0 'w
30 25

15
10

X '2=

10 10

Lund 0 =0 se obine soluia optim X 2 cu componentele Xn=30, xi2=25, xi3=15, x2i=10, X3i= 10 , x 34=10 iar
f(X 2)=3.30+2.25+2.15+l. 10+3.10+1.10=220.

Se tie c dac dou soluii X2 i X 2 ale unei probleme de programare liniar n particular cea de transport, sunt optime, atunci orice combinaie liniar convex a lor este deasemenea o soluie optim pentru problema respectiv. Deci i soluia dat de: X = 2 + (1-A )X 2, 0 < < 1 este optim. 4. Problema de transport neecbilibrat S considerm acum cazul cel mai frecvent ntlnit n practic, anume cel al problemei de transport neechilibrate pentru care
m n

> = 1 ;= 1 Rezolvarea problemei de transport neechilibrate se face adugnd fie un centru fictiv de aprovizionare fie un centru fictiv de consum, care s preia restul produsului, diferena dintre necesar i disponibil. Avem de considerat dou cazuri: m n a) caz n care introducem un centru Bn + ] de consum, cu
i=!

j=i

101

necesarul bn + l=
,= 1 ;= 1

* toate costurile cin+1 = 0 . Problema devine

echilibrat cu m centre de aprovizionare i n+1 centre de consum i se rezolv aa cum s-a artat mai sus. Dac se obine o soluie optim, rezult c mcar o component a soluiei de pe coloana n+1, nou adugat este diferit de zero, de exemplu xi n + x 0 . Aceasta nseamn c n centrul de aprovizionare A, mai rmn netransportate x, n + 1 tone de marfa. b) Analog dac n problema dat avem:
m
i=t

n
j= l

* <
vom introduce un centru fictiv de aprovizionare Am + , care deine cantitatea

am + i = ^ / - < toate C0Stur^e cm+i,j=0 Problema devine echilibrat cu m+1 centre de aprovizionare i n centre de consum.
n acest caz, dac s-a obinut o soluie optim, aceasta presupune mcar o component a soluiei de pe linia m+1 nou adugat, diferit de zero, de exemplu xm +ij * 0 nseamn c un centru de consum Bj rmne cu necesarul nesatisfcut, total sau parial.

Exemplu Fie problema de transport, ale crei date se gsesc n tabel. Deoarece cantitatea total necesar n centrele consumatoare egal cu 850 depete cantitatea total disponibil egal cu 800, pentru echilibrarea problemei vom introduce un centru fictiv de producie A 3, care s asigure diferena de 50 uniti;astfel problema capt forma din tabelul T12 n care costurile unitare de transport corespunztoare centrului A3 au fost considerate nule.
T1 2 Disp. 400 400
8 5 0 \

Ai

Ai a2 Nec.

B, 3 4 250

b2 5 2 300

b3 2 4 300

102

Bi b2 3 A! 5 4 2 a2 a3 0 0 Nec. 250 300 Problema devine echilibrat.


Ai

b3
2

4 0 300

Disp. 400 400 50 850

5. Degenerarea n prpblema de transport Metoda descris de obinere a soluiei optime se poate aplica numai dac la fiecare iteraie se cerceteaz o soluie realizabil de baz nedegenerat. Dac n cadrul rezolvrii obinem o soluie de baz degenerat, metoda trebuie puin modificat. O astfel de soluie degenerat poate aprea n dou situaii i anume: a) pe parcursul algoritmului n cadrul unei iteraii i b) la nceputul aplicrii algoritmului cnd se determin soluia realizabil de baz iniial. Situaia a) apare cnd dup determinarea valorii , modificrile ce se efectueaz asupra vechii soluii fac s se anuleze mai mult de o component a acestei soluii, deci s rmn mai puin dect m+n-1 celule ocupate. In aceast situaie nu vom lsa necompletat dect una dintre csuele ocupate ale cror componente s-au anulat, toate celelalte completndu-se cu cte un zero. Astfel de componente nule care se scriu efectiv n cadrul unei soluii se numesc zerouri eseniale i au rolul de a completa de fiecare dat un numr de m+n-1 csue ocupate. Aceste zerouri sunt deci componente bazice ale soluiei i se lucreaz cu ele ca i cu celelalte componente bazice diferite de zero. Exemplu Fie problema de transport cu datele din tabelul T i pentru care s-a obinut o soluie iniial Xo prin metoda elementului minim al matricei. Aceast soluie aflat n tabelul T2 este o soluie realizabil de baz nedegenerat avnd m+n-l=3+3-l componente strict pozitive. T, B, b 3 Disp. b2 Ai 4 4 3 150 Ai 4 2 6 50 A2 A3 5 3 150 9 Nec. 50 150 150 350 T2 100 50 100 50
103

50

n tabelul T 3 sunt calculate att matricea costurilor cy ct i matricea diferenelor c - c . Cea mai mare diferen pozitiv este egal cu 3. ndreptndune atenia asupra celulei (2,1) cu diferena 3 ne propunem s facem ca n viitoarea soluie csua corespunztoare acestei diferene s fie ocupat. Punnd n acest csu a soluiei X0 i determinnd ciclul corespunztor csuei obinem situaia din tabelul T4 n care =50. Aceast nlocuire face s se anuleze n acelai timp trei componente ale vechii soluii ceea ce ar conduce la o soluie degenerat cu numai trei csue ocupate. T3 \ v j 4 -2 3 ui CiJ ~ C j 0 4 5 3 7 8 -2 2 3 4 8 9 0 3 3 -6 0 0 0 2 0

50-0 50-0 100+ De aceea vom lsa necompletat n noua soluie numai o singur csu din cele trei, de exemplu csua (3,3) celelalte dou fiind completate cu zerouri eseniale ca n tabelul T5 Un criteriu n alegerea csuei ce se las necompletat, este acela c renunm de obicei la completarea csuei creia i corespunde un cost unitar de transport mai mare, n cazul costurilor alegnd csua la ntmplare: (Xi) _______________ 0 150 0 50 150 i

50-

T4 100+0

zerouri eseniale necompletate Cea de a doua situaie cnd apare o soluie de baz degenerat este aceea cnd chiar soluia iniial este o soluie degenerat. n acest caz se modific problema dat n sensul c la fiecare cantitate disponibil se adaug o valoare e>0 foarte mic, iar ultimei cantiti necesare i se adaug valoarea me (pentru echilibrare). Aceast nou problem va avea o soluie iniial nedegenerat. Deoarece problema dat se deduce din cea modificat pentru e=0 se face aceast nlocuire n soluia iniial aflat care depinde de , indicndu-se astfel ce zerouri eseniale trebuie considerate pentru ca ea s conin m+n-1 csue ocupate. Astfel n problema de transport cu datele din tabelul T6, metoda colului Nord-Vest :
104

T6
Ai

Aj A2 A3 Nec.

B, 7 3 3 150

b2 4 4 5 50

b3 2 3 5 100

b4 2 1 3 100

Disp. 200 150 50


'\ 4 0 0 4 0 0 \

150

50 100 50 50

ne d soluia iniial degenerat Xo din tabelul T7. Problema modificat are datele din tabelul T8.
T8
Ai

Bi
7

Ai A2 a3 Nec.

3 3 150

b2 4 4 5 50

b3 2 3 5 100

b4 2 1 3 100+3

Disp. 200+ 150+ 50+ 400+

iar soluia iniial a ei depinznd de , obinut prin metoda colului Nord-Vest este cea din tabelul T9.

X( oe)
150 50 100-

T9 50+2 50+

(X o )

zero esenial N __________ T ip

150

50

X) 100

50 50

Fcnd n aceast soluie =0 obinem soluia din tabelul T 10care conine un zero esenial n csua (1,3) astfel nct s existe exact m+n-1 csue ocupate.

105

Probleme 1. S se rezolve prin metoda grafic problema de programare liniar: [max]/ = 3x + y x -y < 1 x + y < 3 x,y> 0 Rezolvare: Determinm domeniul plan care reprezint mulimea soluiilor posibile ale sistemului dat. Pentru aceasta reprezentm grafic dreptele: (Dx) : x - y = 0 + - -1 = 0 (D2):x + y - 3 = 0 | + | " 1 = 0
Se obine poligonul convex OABC din figura alturat. Punctele situate n interiorul i pe laturile acestui poligon satisfac simultan cele dou inegaliti, inclusiv condiiile de nenegativitate. S lum un punct oarecare Mx(1,1) din domeniul haurat. Avem: 3* + .y = 3- l + l = 4. Am obinut relaia 3x + y - 4 = 0 care reprezint D' paralel cu dreapta 3x + y = 0 sau y = -3 x . Mai putem scrie D ':y = -3x + /. Pentru toate coordonatele punctelor de pe dreapta ()') valoarea lui / =4 rmne neschimbat. Avem /0 = 0 i rezult /0 < /,. Deci cu ct ne vom deprta de origine, meninndu-ne ns n cadrul poligonului convex OABC i pe laturile lui, vom obine valori mai mari. Valoarea maxim a lui / = 3x + y este dat de dreapta cea mai ndeprtat de dreapta care trece prin origine, care este paralel cu aceasta i care nu depete conturul poligonului haurat, numit i poligonul soluiilor posibile (realizabile). Dreapta este (Dm ) care trece prin vrful B. Determinm coordonatele acestui punct rezolvnd sistemul: x - y =1 dm care se obine B (2,l) x + y =3 Avem: [max]/ = 3 2 + 1 = 7 La acelai rezultat se ajunge i prin calcularea valorii funciei obiectiv n fiecare dintre vrfurile poligonului OABC. Acest procedeu se bazeaz pe proprietatea c soluia optim a problemei se gsete ntr-unul dintre vrfurile poligonului convex ce reprezint domeniul soluiilor realizabile.
106

2. [m a x i/ = 3*i + 2 * 2 - 2 *, + x2 < 1

xx+ x2 < 3
* i < 2 ; x ,,x 2 > 0

Rezolvare: d\. -2 * i +*2=1 i/2: *1 + *2 = 3 dy. *i = 2 2 7 A(0,1); B ; C (2,1); D (2,0); 0 (0 ,0 ) 3 3


- 2 *, + * 2 = 1
2 7

(b } =

n d2 *! + * 2 = 3 * ,+ * 2 = 3

; 3*! = 2 = > *!= => * 2 = 3 3 =>*2=1

*j = 2 Mulimea soluiilor posibile este poligonul convex OABCD. Soluia optim se afl n vrfurile ale cror coordonate maximizeaz funcia obiectiv.
/o = 0

/ = 3 0 + 2 1 = > 2 o 2 7 20 20 3 3 ~ 3 =* ~ 3 /c = 3 - 2 + 2 - l = 8=> /c = 8 / = 3 2 + 2 0 = 6= > / = 6


=> /m ax = 8 ; * 1 = 2 ; * 2 = 1

3. O rafinrie prepar doi carburani auto i A2 din patru componente de benzin Bu Bi, B}, B4 n compoziie volumetric de 20%, 30%, 30% respectiv 20% pentru Ai i de 10%, 10%, 60%, 20% pentru A2. Rafinria dispune de 9000 m 3 din Bu 14000 m3 din BAn timp ce cantitile B2 i S 3 sunt nelimitate, dar trebuie s se utilizeze cel puin 6000 m3 din B2 i 18000 m din B3. tiind c beneficiul pentru A 1este de 6 u.m. pe m3 i la A2 de 5 u.m. pe m3 s se realizeze un astfel de amestec nct beneficiul global s fie maxim. Rezolvare: Notm cu * i y volumele n m3 ale celor doi carburani i cu / beneficiul. Vom avea:
107

[m a x ]/ = 6x + 5y

2x + y < 90
3x + y > 60 3x + 6>>>180

2x + 2 y < 140
X>

>,: D2: Dy. D \ = [m a x ]/ = 370000 u.m. X = 20; y = 50 Mulimea soluiilor realizabile este poligonul convex ABCDE, iar soluia optin afl n vrful 0(20,50) => 20000 m3 de Ai i 50000 m3 A2 => n aceste condiii se utilizeaz: 9000 m3 de Bi 11000 m3 dcB2 36000 m3 de 14000 m3 de BA .
4.
plex: [max]/= Rezolvai urmtoarea problem de programare liniar folosind algoritmul sim

0 ,y > 0 2 x + y - 90 = 0 3 x + y -6 0 =0 X + 2y - 60 = 0 x + y - 70 = 0

x} + x2

< 24 3x{ + x2 < 21


X, + 4 x 2 X, +

x2 < 9

xv x2 > 0
Introducem trei variabile de compensare x3 > 0, x4 > 0, x5 > 0 pentru a aduce problema la forma standard (transformm inegalitile n egaliti). Coeficienii variabilelor de compensare x 3, x4,x5 sunt zero n funcia obiectiv, deci obinem: [max]/'= Xj + x 2+ 0x3+ 0x4+ 0x5

jc, + 4 x 2 + x3 = 24

3x, + x2 + x4 = 21 *, + X2 + , = 9

Scriem matricea sistemului obinut: fl A=


v

1 0 0

( 1

1 0

1 0

1 1 0

Observm c vectorii a3, a4, a5 formeaz matricea unitate de ordinul 3: /3. Deci baza iniial va fi: B = (a3, a4, a5). Coeficienii lui x3, x4, *5 din [max]/sunt Cg = (0, 0, 0). Toi coeficienii din [max]/sunt C, = (1, 1, 0, 0, 0). Coloana termenilor liberi este ~ (24, 21, 29). n probleme de maxim calculm diferenele Dj = Cj -fj. Calcularea lui / se face prin nmulirea elementelor de pe coloana CBcu elementele de pe coloana , i adunarea rezultatelor. Elementele de pe coloana lui se calculeaz prin mprirea coloanei XB la coloana maxim, mprirea facndu-se numai la numere strict pozitive de pe coloana maxim. Coloana maxim este coloana corespunztoare diferenei maxime i strict pozitive Dj. De asemenea elementele de pe coloana XB , trebuie s fie > 0, n caz contrar se nmulete cu - 1 inegalitatea i se schimb sensul ei. Se iau n considerare valorile pozitive. Se alege cel mai mic i cea mai mare diferen Dj iar la intersecia liniei lui min cu coloana max se afl pivotul care trebuie s fie ntotdeauna 0. n urmtoarea etap iese din baz vectorul corespunztor liniei pivotului i intr n locul su cel de pe coloana pivotului. Linia pivotului se mparte la pivot, coloana pivotului se completeaz cu zero iar restul elementelor se calculeaz cu regula dreptunghiului ca la Metoda Gauss-Jordan. De exemplu:
3 r 4 1 109
X = --------------=

3 4 - 1 1

11

Problema se termin cnd toate diferenele ultima coloan

dj sunt < 0, iar soluiiile X j se citesc pe

xB , pe liniile corespunztoare vectorilor ;, din baza final. CBcu coloana XBpe elemente

Dac nu exist un vector a, n baza final, : corespunztor este 0. Maximul funciei/ se calculeaz nmulind coloana i adunnd rezultatele.

C, = l

C2 = 1

C3 = 0 C4 = 0 3 1 0 0 0 1 0 0 0 1 0 0 0

C5 = 0

B
fl3 ^ #4

cB
0 0 0

X,
24 21 9 0

1 i
1 1 1* 0 1 0 0 0 1 0 0

2
4 4 1 1 1 11/3 1/3 2/3 (2/3*) 0 0 1 0

a4
0 1 0 0 -1/3 1/3 -1/3 -1/3 3/2 1/2 -1/2 0

a5 0 0
1 0 0 0 1 0 -11/2 -1/2 3/2 -1

0 24

a5
a3 a\ <r-a5

7* 9
51/11 21 3*

0 1 0 0 1 1

17 7 2 7 6 6 3 9

!
3

a\ a2 Di

Deci [max]/'= 9; x, = 3,

x2 - 3, x3 = x4 = x5 - 0.

5. S se rezolve problema: [max]/ = Xj + x2.

-Xj + 2x 2 <
2xx -

x2 < 1

xx + x2 >\ xx, x2 0
Introducem variabilele de compensare x3, x4, x5. [max]/= X] + x 2 + 0x3 + 0x4 + 0x5.

110

a\

a2

a3 a4

a5

- x, + 2x, + x 3 = l 2x, - x 2 + x4 = 1 :, + x2 - *5 = 1
X ,, X5

'- 1

2 1 0

1 0

0"

A=
v

2 - 1 0 1 0 1 0 - 1 /

>0

Observm c din matricea A, lipsete vectorul unitar


v y

deci mai introducem o 1

variabil x6 n ultima ecuaie. Aceast variabil are n funcia obiectiv coeficientul M n probleme de maxim i +M\n probleme de minim i se numete variabil artificial. Dac la sfritul problemei xb nu este zero, nseamn c problema nu are soluie final. Un alt caz cnd problema nu are soluie este cnd mai exist un Dj > 0, dar nu putem determina pivotul, deoarece toi sunt negativi (< 0). Coeficientul M se numete coeficient de penalizare i este un numr pozitiv, foarte mare (M + oo), De aceea aceast metod se numete METODA PENALIZRII sau METODA BAZEI ARTIFICIALE. Deci am obinut: [max]/'= x} +x2 + 0x3 + 0x4 + 0x5- Mx6.
Cl j @2 Cl Cl Cl

- xx + 2x2 + * 3 = 1 2x, - x2 + x 4 =1
X, + X2 X5 + X6 = 1

f -\ A' =
V

2 -1 0 1 0

1 0 1

0 0

0 0 /

2
1

0 - 1 1

x , , ... x6 > 0

B = (a3, a4, a6) CB= (0, 0 ,-M ) = (1, 1,0, 0, 0 ,-M )

Ai, = (1,1, 1).


111

B a3 < 4 D r Sr J j ai

CB ;
o 0 M

C, = 1 C2 = l c 3 0 C4 = 0 C5 = 0 C6 = -M| d\ a2 a
4 --------Jr-1 2 2

-1 1

1 0 0

0
1

40

0
0

-M
0 1 -M 3/2

1 +M* 0 0

0 3/2
-

0 -M
1/2 1/2
-

1/2 1

1/2
1/2

1/2

3/2

1 0 0

0 0

1/2

0 0 1

1
1/3*

l- M

Dj r C i - f , < < a3 C lj a2 Dr cj~ fj

3 + 3M * - l- M 0 ----- 0 ---------------- ------ -M

1 2/3 1/3 1

0 1 0
0 1 0

0 0 1
0 0 1 0

1 0 0
1 1/3 2/3 -1

1 1/3 -1/3 0
1 2/3 1/3 -1

1 -1/3 -2/3 1*
1 0 0 0

1*

DJ =cJ-fJ

= l,x 2 = 1, x5 = 1, x3 = x4 = *6 = Observaie: Dac un vector artificial (a6) iese din baz, putem s nu mai calculm pe (*) coloana lui n urmtoarea etap pentru c diferenele corespunztoare (D6) vor fi mereu negative.

6 . [max]/= 5X| -x2 + 2x3. Jx2 + 2 *3 < - 1 / ( - 1) => - x2 - 2*3 > 1


[-2 * 1 + *2 - *3 ^5 * ,, x2, * 3 ^ 0 Introducem x4, x5 variabile de compensare, obinem:
[max]/= 5xx- x 2 + 2x3 + 0x4 + 0x5.

112

- *2 - 2*3 - x4 = 1 I2*, + x2 - * 3 + * 5 = 5

A=

0 2 1 1 0

-1

* , , . . . , *5 >0 Introducem variabila artificial x6 n prima ecuaie pentru a obine vectorul unitar 0

v y Vom avea: [max]/=

5x, - * 2 + 2x3 + 0x4 + 0x5- Mx6. f - x2 - 2*3 - *4 + *6 = 1


[-2 *1 + * 2 - *3 + * 5 = 5
* , , . . . ,

*6> o
1

A' B = (a5, a6) CB= ( - M, 0) xB= (h 5) Cj - (5, -1 , 2, 0, 0,-M )

' 0

- 1 - 2 - 1 0

-2

1 -10

10

(sJ

B
6 a5 O 1 irs

cB -M 0

XB

1 5 -M

C, = l a\ 0
-2

C2 - l a2 -1 1 -1 -A f

0 C6 = -M
6

II

II

II

a3
-2

a 4

-1
2 - 2

-1 0

5 0 1 0

1 0 0

s>

5*

-M

Problema nu are soluii, deoarece algoritmul simplex nu mai poate continua (nu exist nici un > 0) 7. S se rezolve problema: [min]/= *j + 2*2. 3*, + * 2 = 2
3*2 > - 3 / (-1 ) = > - * , + 3*, < 3 *,, * 2 >0 113

II

Introducem variabila de compensare x 3 n a doua restricie, obinem: [min]/'= jtj + 2 x 2 + 0 x 2 3 * ,+ * 2 = 2 j - * , + 3*2 + * j = 3


*p * 2, *3

(3

1 0"

- 1 3 1 ^

>0 Introducem variabila artificial x4 n prima restrictie pentru a obine vectorul unitar

fr
J
[max]/= x, + 2x2 + 0x3 + MxA .
3*, + *2 + * 4 = 2 [ - * , + 3*2 + * 3 = 3
1 2 3 1 0
f 3

0
y

I I < 3

-1

* , , * 4 >0

B = (a4, a3) CB~ (M, 0) x* = (2, 3) . = (1 ,2 , 0, AO


cj C, = l C2 = 2 o
II II

B
4 3

xB
M 0 1 0 2 3 2M 2/3 11/3 2/3

1 i CD -1 3M*-1 1 0 0

a2
1 3

3 0 1 0 0 1 0

0 2/3* -

1 0 0

D/ = Cy 1
3

M -2 1/3 10/3
-5/3

[max]/-=2/3; x x = 2/3, x3 = 11/3, x2 = x4 = 0 8. [min]/'= 2xt + 3x2 + x3.

n cazul n care trebuie s calculm minimul unei funcii iar n sistemul de restricii avem inegaliti cu > O , putem rezolva problema prin METODA DUALITII. Construim problema dual, astfel: vom calcula maximul unei alte funcii g, dual, ale crei variabile le notm cu yt. coeficienii din [max]g sunt dai de coloana termenilor liberi (6, 8), deci [max]g = 6y, + 8y2. sistemul de restricii pentru g, are matricea egal cu transpusa matricei din sistemul

f 1
iniial: A' = - 1 3

2 1 1

toate inegalitile din sistemul pentru g sunt cu <

'2 '
3 coloana termenilor liberi yBeste dat de coeficienii din [min]/" : yB = 1 v [min]/ = [max]g, iar soluiile pentru / se citesc pe ultima linie Dj n dreptul coloanelor vectorilor care au format baza iniial, cu semne contrare. Deci PROBLEMA DUAL este: [max]g = 6y, + 8y2
.

y, + 2y2 < 2 '- > 1+ ^ 3 3yt + y2 < 1

yi>y2>y3*o Introducem y 3,y 4, y5 variabile de compensare, obinem: [max]g = 6yx+ 8y2 + 0y3 + 0y4 + 0y5
+ 2 y 2 + y3 = 2

b2 b3 b4 f 1 2 1 0
h\

b5

- ?1 + ^2 +

= 3

5 =

-1
V

1 0 1 0

1 0 0 1

3>i + y 2 + y 5 = 1

yB= (

...,y3 > 0 B = (by, b4, b3) CB= (0, 0, 0) 2,3, 1) Cj = (6, 8, 0, 0, 0)


115

o --0 * 1 ! O

C, =6 C2 = 8 C3 = 0
B CB

c 5= o
b5

yB
2 3
1

b\ i

b2 i
1

b3

1*

b3 h bs

0 0 0 8 0 0 8 0 6

1 -1

0
1

3 6 1/2 -3/2 < 2* 0 0 1 0

1 8* 1 0 0 0
1

0 0 0 1/2 -1/2 -1/2 -4 3/5 -4/5 -1/5 -18/5

0 0 0 1 0 0 0 1 0 0

0 0 1 0 0 0 1 0 -1/2 3/5 2/5 -4/5

3 1 2

D \ ~ Cj
b2 b4 b5

0 1 2 0 8 1 2 0 8

<-

0*

D ,-C , -s, b2
b4

*1 Dr C. - s ,

0 0 0

[max]g =[min]/'= 8; y x= 0, y2 = 1, y4 = 2; _ y3 = j> 5 = 0. X] = 18/5, x2 - 0, x3 - 4/5 9. S se rezolve problema:

[max]/ = 2 x j + x 2
X|-X2 S 4 3x, - x 2 <18 - x{+ x2 6 xx2 0

Pentru aplicarea algoritmului simplex, punem, cu ajutorul variabilelor de cart problema sub forma standard:

[maxi/'= 2*] + x2
xx- x2 + *3 = 4 3xx- x2 + x4 = 18
- ac, +

x2 + xi

= 6

x, > 0,i = 1,5

de unde dcducem c:

' 1 A=
3 -1 \

-1 -1 1

0 (f

0 1 0 0 0 1/
(\

0 0 0

B = {03, 04,^ 5) = 0 1
v

0 0 1/

X b = B~' -b = b = (4,l$,6) f j = C B B~l -aj,(\/)j = 3 Funcia de eficien rmne neschimbat. Putem aplica acum algoritmul simplex:
2 1 1 a2 -1 -1 1 1 -1 0 3* 0 1 0 0 0 1 0 0 0 3 1 0 0 0 1 -3 1 -2 -1/2 -3/2 0 5/2* 0 0 1 0 0 a4 0 1 0 0 0 1 0 0 1/2 1/2 0 -3/2 1/2 1/2 0 -3/2 0
as

Cb

4 6
-

B
0 < 2 3 0 4 0 as Ci-A 2 a\ 0 a 0 5 C \-fi 1111111 2 1 02 0 as c-rf, i l ! i l l 2 ai 1 a2 0 3 Ci-/ 1 !1 8 S 1
.4

4 18 6 0 4 6 10 8 7 3 10 17 12 18 10 42

3 -1 2* 1 0 0 0 1 0 0 0 1 0 0 0

0 0 1 1 0 0 1 0 0 0 1 0 1/2 3/2 1 -5/2

3
-

10

Deci soluia optim este: X \ = 12; x2 = 18; x3 = 10; x4 = xs = 0,

[maxi/' 42
117

10. Rezolvai problema de programare liniar:

[maxjg = 4xj + 3x2


2*j + x 2 < 8

3xj + 2x2 < 24

Xj + 3x2 ^ 18
x ,,x 2 ^ 0

Rezolvare: Aducem problema la forma standard, prin transformarea inegalitilor n egaliti, introducnd variabilele de compensare x3, x4, x5:

[max]g = 4 + 3x2 2xj + x2 + x3 = 8 3xj + 2 x2 + x4 = 24 X, + 3x2 + x5 = 18 X, > 0,/ = 1,5


Matricea asociat sistemului de restricii este: C l\ f2
2 03

04 a5 1 0 0N

A= 3 1

20 30

1 0

0 1

Deoarece A cuprinde vectorii unitari a3, a4, as putem trece la aplicarea algoritmului simplex:

118

B CB 0 a3 0 4 0 05 c-f\ B l l l l 4 a\ 0 4 0 as Ci-fi 4 ai 0 4 3 02 Cr/i lillll l

Xb 8 24 18 0 4 12 14 16 6/5 46/5 28/5 108/5

4 a\ 3 1 4 1 0 0 0 1 0 0 0

3 a2 1 2 3 3 1/2 1/2

0 aj 1 0 0 0 1/2 -3/2 -1/2 -2 3/5 -7/5 -1/5 -9/5

0 4 0 1 0 0 0 1 0 0 0 1 0 0

0 O s 0 0 1 0 0 0 1 0 -1/5 -1/5 2/5 -2/9

0 4 8 18 8 24 28/5

1 0 0 1 0

Deoarece diferenele ct f 0 ,(V )i = 1,5 soluia gsit la ultima iteraie este optim:

r i = 108 L m axjg
6

28 * 2 = ; *3=0

11. [min]/ = xx + 2 x 2 + x5

2xx + x2 + x 3 > l
Xy + 3 x 2 < 0

2xx + l x 2 + *3 + x4 + x5 = 5
,.> 0 ,=

Rezolvare: Aducem problema la forma standard (1):


[m in ]/ = *i + 2 * 2 + xs + M * 8

119

Matricea asociat acestei probleme este:

2 -1 \ 2

1 3 2

1 0 1

0 0 1

0 0 1

-1 0 0

0 1 0

1 0 0 /

Putem trece la aplicarea algoritmului simplex: Cb B M 8 0 7 0 a4 f\ -C \ iiii^ 1 a\ 0 0 fi-Ci 1 0 0 fi-a 1 2 X b a\ 02 1 1 0 -1 3 2 2 5 M 2M-1 M-2 1/2 1 1/2 1/2 4 1/2 0 1 4 0 0 0 0 1 0 0 0 0
a-i

1 0 1 M 1/2 1/2

0 fl4 0 0 1 0 0 0 1 0 0 0 1 0

1
a$

0 0 1 -1 0 0 1 -1 0 0 1 -1

0 06 -1 0 0 -M -1/2 -1/2 1 -1/2 0 -1 1 0

0 7 0 1 0 0 0 1 0 0 -1 2 0 -1

M a 1 0 0 0

1/2 5/2 1 1 -

H l i
a\ a-i

a4

a4

1 0 -3/2 1/2* 0 -3 7 1 1 0 -5 0

n SI p 111 pit

[mini/'= 0 ; * i = 0 ; *2 = ; * 3 = 1 ; * 4 = 4 ; * 5 = 0 ; 12. Rezolvai urmtoarea problem de programare liniar: [maxi/ = *i + *2 + * 3

3xj + x2 - x3 = 5

3xj + 2 x2 + x3 = 7 X , > , = 1,3 Rezolvare: Matricea ataat sistemului este: (3 1 - A = 1 V3 2 Avem deci nevoie de introducerea a dou variabile artificiale x4 i xs pentru a avea n matrice vectori unitari. Problema devine: [maxi/' = X, + x2 + x3 - x4 - M x5 3xj + x2 - x3 + x4 = 5 3xj + 2 x2 + x3 + x5 = 7 Xi > 0 ,/' = 1,5 Aplicm algoritmul simplex:

[max]/" = 3
X \ 2 ; X2 0 ; X3 1.

13. S se rezolve problema de programare linear: [m in]/ = 4xj + 3x2 + 6x3 -

121

2xj + x2 + 2xj > 4 2x, + 2x2 + Xj 2:2


(1)

x^+ xj 2:3

X, > 0,i = 1,3


Rezolvare: Construim problema dual:

[max]g = Ayx+ 2y2 + 3y3

2y.t + 2y2+y34 y\ + 2>2 S 3


(2) '

2yl + y2 + y36 yt > 0,i = 1,3

Aducem problema () la forma standard introducnd variabilele de compensare^, ys, y6 i aplicm apoi algoritmul simplex:

[maxjg = 4y, + 2y2 + 3y3 2>i + 2y2 + y3 + y4 = 4

yt+2y2 + ys = 3
2 y t + y 2 + y* + y < >r *

y{ > 0,i = 1,6


Matricea sistemului este:

122

1 0

1 0 0

1 2 \ 2 1

1 0 0 1 7

1 0

Rezolvm problema dual; n final gsim i soluiile pentru problema iniial Cb 0 0 0 c -f 4 0 0 C-f 3 0 0 Crf B
a4 as a6

Yb 4 3 6 0 2 1 2 8 4 3 2 12

4
ai

tlllll
a\ a5 a6
3

as a6

1 2 4 1 0 0 0 2 1 0 -2 Xa

2 a2 2 2

3
03

0
4

0
a$

1 2 1 1 -1 -2 2 2 -1 -4
-*5

1 0 0 0 CX!2> 1/2 -1/2 1/2 0 1 1 -2 1 1 0 1 0 1 0 -3 -X \ -*6

1 0 1 3

0 1 0 0 0 1 0 0 0 1 0 0 -x2

0 06 0 0 1 0 0 0 1 0 0 0 1 0
-*3

2 3 3 4
-

Soluia problemei (2) este [maxjg = 12 ; y x= 0 ; y 2 = 0 ; y 3 = 4 ; y 4 = 0 ; y 5 = 3 ; y 6 = 2 . Avem deci pentru problema (1) [mini/' = 12 , cu soluia Xj = 3 ; x2 = 0 ; x 3 = 0 ; x4 = 2 ; x5 = 4 ; x6 = 0 ; Not: Soluiile pentru pentru problema primal se gsesc pe ultima linie de diferene c - f , cu semne schimbate, ncepnd cu diferenele aferente variabilelor de compensare. 14. S se rezolve problema urmtoare cu ajutorul dualei:
[m in i/ '= 2*i + 3x2 + x3

123

JC, - x 2 + 3 x 3 > 6

jc ,

+ x2 + jc3 > 8

x( >0,z' = 1,3

Rezolvare: Construim duala acestei probleme:


[m a x ]g = 6 y , + 8 y 2

y, + 2y2 < 2 -y\ + y 2 ^ 3 3^1 + JV 2^ 1

Pentru rezolvare aducem problema la forma standard, adugnd variabilele de compensare > > 3, y4, ys [m axfe = 6 y x+ 8y 2 y\ + 2 y 2 + y 3 = 2

- y 1 + y2 + y4 =3
3^i + y 2 + y s = 1 y, > 0,i = 1,5 Matricea ataat sistemului este: /1 2 1 0
1 0

A= - 1 1 0

3
124

1 0

Se poate trece la aplicarea algoritmului simplex:

B Cb 0 03 0 04 0 O Crfi M i l l ! 8 a2 a4 0 0 as c\ -f\ 8 0 6 C \ -f\ l a2

Yb 2 3 1 0 1 2 0 8 1 2 0 8

6 O l 1 -1 3 6 1/2 -3/2 G/> 2* 0 0 1 0

8 a2 1 1 8* 1 0 0 0 1 0 0 0

0 a3 1 0 0 0 1/2 -1/2 -1/2 -4 3/5 -4/5 -1/5 -18/5

a4
0 1 0 0 0 1 0 0 0 1 0 0

0 as 0 0 1 0 0 0 1 0 1/5 3/5 2/5 -4/5

1 3 1 2

, 1/2 3 1

aA
a\ iill

Deci soluia problemei duale este: [max]g = 6 ; =* [min]/ = 6 cu X \ = - ; x2 = 0 ; x3 = .

15. [m a x i/' x1 + 2 x 2 + x3 + x4 + 2xs 2xj + 4 x 2 + x3 + 4x5 < 100 Xj + 5x3 + jc4 + 6xs ^ 200

x2 + 4x3 + 2x4 < 200 xt > 0,i = 1,5

Soluie: [m ax ]/ = 15 0 ; Xt = 25 ; X2 = 0 ; X3 = 0 ; X4 = 10 0 ; JC 5 = 25 ;

125

16. [min ] f = x, - x 2 + x3 - x 4 + x5 - x 6
jc,

+ 3jc4 - x5 + x6 = 2

x 2 + 2 x 4 + x5 - 2x6 = 1

x3 -

jc4

- x5 + 3jc6 = 1

xt > 0 ,i = 1,6
Soluie: [mini/' = - 2 ; x, = 0 ; x2 - 1 ; x3 1 x4 ~ 2 XS ~ 0 X f>' 17, [maxi/' = 3x] x, + 4jc2 < 24 3x, + x2 < 21 x j+ x 2 < 9
x ,,x 2 > 0

+ 4x2

Soluie: [maxi/ = 32 ;

jc ,

= 4 ; jc2

18. [m in i/ '= 3xj 2x, + x 2 > 5

+ 2

jc 2

3x, - 2 x 2 < 6
*

x, + x 2 < 4
jc , , jc 2

> 0

, = 54 ; x, = 16 ; x 2 Soluie: r [m in]/

126

19. [maxI/' = x, + 2 Xj - 2 2 > - 1

2, - 2 < 1
Xj+X2 > l

2 > 0
Soluie: [max]/ = 2 ; , = 1 ; 2 = 1

20. [min I/' = 3, + 5x2 + 4x3


2xj + x2 > 12
x, + 2 x 2 + 2 x 3 ^
<
2 0

x2 + 2x3 > 15
x, > 0,i = 1,3

S o / u / z'e: [mini/' = 48 ; x, = 6 ; x2 = 0 ; x 3 = -y- ;

21. [mini/' = 12x, + 10x2 2x, + 5 x2 > 20 3x, +x2 > 12

x2 - 2 x{ > 0,z = 1,2 U 840 40 - x 2 = 36 Soluie: r Lmin \f = x, = ---13 1 13 13

127

22. [m in i/' = 5* + 2 x2 + x3 + 3x4 + 3x5 2x, + x 3 + x 5 > 700 - Xj + x2 + 2x4 + x5 > 400 x,. >0,/ = 1,5 Soluie: [min ] f = 1300 ; x, = 0 ; x 2 = 0 ; x 3 = 700 ; x 4 = 200 ; x 5 = 0

Determinai o raie alimentar de cost minim, tiind c sunt necesare 3000 calorii, 100g proteine i se folosesc dou feluri de alimente A\ i A2. Primul aliment A \ de 500g, conine 1000 de calorii i 25 g proteine, iar al doilea aliment A2 tot de 500g conine 2000 de calorii i 100g de proteine. Preul pe unitate (500g) este de 1,80 u.m. pentru A t i 8 u.m. pentru A2.
23.

Soluie: [min ]/ = 7,60 u.m. x = 2\y- = > 1000g; 250 g.

La o fabric de stofe se produc dou sortimente A i B. Primul sortiment conine 200g bumbac i 800g ln, iar al doilea conine 400g bumbac i 600g ln pe unitatea de produs (m2). Fabrica dispune de 20 tone bumbac i 60 tone ln. Beneficiul este de 80 u.m./m2 pentru A i 60 u.m./m2 pentru B. S se determine cantitatea de stofa din cele dou sortimente, exprimat n m2, care trebuie fabricat astfel nct beneficiul s fie maxim.
24.

Soluie. 60 000 m2; 20 000 m2; 6 000 000 u.m.


25. Trei depozite au n stoc 15 tone, 32 tone, respectiv 30 tone de marfa care trebuietransportat la trei magazine ce au nevoie respectiv de 2 2 1,3 0 1,2 0 1. Matricea costurilor de transport este:

f2

2 1

C= 1 2

1 2 4 V S se prezinte un plan de transport care s conduc la un minimum de cheltuieli.

Rezolvare. Deoarece Disponibilul este de 77 t i necesarul este de 72 t problema este neechilibrat. O echilibrm prin introducerea unui m agazin fictiv care are
128

necesarul de 5 t. Costurile unitare de transport: c14 = c24 = c34 = 0. Vom determina o soluie iniial de baz prin metoda colului Nord-Vest: C1 D x
d2

c2 3 0 1 * 0 V " ' X 20 30 20 # 2 0 0 0

c4 0 0

Disp

% K
1 0 22 *

^3 Nec

X
5 N . 77 77

jtn = min(15, 22) = 15 = \ 2 = 3 = : \ 4 ~ 0 x2\- min(7, 32) = 7 =>x3 1=0 x 22 = min(25, 30) = 25 = >x23 = x24 = 0 x32 = min(5, 30) = 5 x33 = min(20, 25) = 20 34 = min(5, 5) = 5 Avem m + - 1 componente strict pozitive ale soluiei iniiale de baz (adic 3 + 4 - 1 = 6). Deci soluia este nedegenerat. pentru a decide dac soluia de baz nedegenerat este optim se folosete metoda potenialelor care se bazeaz pe teorema lui Dantzig: Fiecrei csue (i, j) i asociem perechea (,, vj). Rezolvm sistemul w, + V j = cy, pentru csuele n care soluiile Xy > 0. Calculm cu ajutorul soluiilo sistemului anterior diferenele: Dy - ut + V j- C y, pentru csuele n care soluiile Xy = 0. Soluia este optim dac toate diferenele Dy < 0. n caz contrar vom determina o alt soluie. Deci soluia iniial a problemei este: 15 7
V

0 25 5

0 0 20

0 0 5
/

129

) + V] = 2 u2 + Vj = 1
u2

u3 + v2 = 2
3 + V 3 = 4

v2

- 2

3 + v4 = 0

Deoarece numrul de necunoscute mai mare dect numrul de ecuaii alegem prin convenie variabila ux= 0 Rezult uor: v, = 2 u2 = - 1 v2 = 3 w3 =1 v3 = 5 v4 = 1 Calculm diferenele Dn = U \ + v2 -~C1 2= 0 Dn = ux+ v3 -' c13 = 3 D\4 = u. + v4--C14= 1 ^23 = 2 + v3- c23 = 3: -^24 = m2 + v4-- c24 = 0 > 31 = 3 + vr ' C 3 1 =0 Deci soluia nu este optim pentru c exist trei diferene strict pozitive. Alegem cea mai mare diferen strict pozitiv i din csua corespunztoare ei, vom construi o linie poligonal nchis notnd cu semnul +, vrful ei n csua (2, 3), apoi alternativ - , +, Dintre vrfurile cu semnul - alegem cea mai mic valoare Xy. Aceast valoare o scdem n vrfurile cu - i o adunm n vrfurile cu +, restul soluiilor rmnnd neschimbate. Pe fiecare linie sau coloan ale liniei poligonale nu trebuie s existe mai mult de dou vrfuri ale ei, iar soluiile din csuele n care se afl vrfurile trebuie s fie > 0. dup determinarea noii soluii, procedm la fel ca pentru soluia iniial, pn cnd toate Dtj < 0. Costul de transport se calculeaz dup formula:
m n

Ct 130

Cjix) = 2 15 + 1- 7 + 2 - 2 5 + 2- 5+ 4 - 2 0 + 0- 5 = 177. 15 Noua soluie este: 0 20 5

X = 7 5 1 25

, + V!

=2

] = :

v. =2
u2

2 +

V, = 1

- 2

^2 ^2 2 2 + V 3=1 + 2 = 2 3+V 4=0

2 - 2 3 = 2
3 =

4 = 2 0,3 = 0 + 2 - 3 = - 1 D23 = - l + 2 - 2 = - l D24 = - 1 + 1 - = )24 = - 1 + 1 - = > 3 = 1 + 2 1= 0 )33 = 1 + 2 4 = 5

Pentru c Z)y < , soluia x, este optim, iar costul optim de transport este CjixJ = 2- 15 + 1- 7 + 2- 5 + 1-20 + 2- 25 + 0- 5 = 117 < ( C ^ ) )
131

26. Rezolvai urmtoarea problem de transport:

1 1 2
22

5 2 3 30

2 1 4 25

13 30 34

Rezolvare: Pentru c disponibilul este egal cu necesarul (77), problema este echilibrat. Determinm soluia iniial prin metoda colului N-V.

'1 3 9

0 21

0 0

0 9 25 V Soluia iniial x() este nedegenerat (are 5 componente 0). Costul C^Xq) = 1 13 + 1 9 + 2 21 + 3 9 + 4 25 = 191. Rezolvm sistemul: + V, = 1 u2 + V, = 1 u2 + V 2=2 + V2 = 3 W 3 + V3 = 4
M 3

w, = 0 =

v,

=1

m 2= 0
v2 = 2

3= 1 U J i! 0 +2 - 5 = D D : O+ 3 - 2 : > 23 = O+ 3 - 1 = 2* D 31 1 + 1 - 2 = 0

132

13 Noua soluie va fi: x, 9 9

0 0 30

0 21 4

il, + V 1= 1 u2 + v>= 1 u2 + V 3 = 1 U , +V 2=3 M , + V3 = 4

u - 0 = >

v, = 1 u2 = 0 v3 = 1 v2 = 0

Du = 0 + 0 - 5 = - 5 Z)13 = 0 + 1 - 2 = - 1 D22 = 0 + 0 - 2 = - 2 Z > 31 =3 + 1 - 2 = 2* 13 Noua soluie va fi: x2 = 5 4 0 0 30 0 25 0

133

, +

V, = 1

] = :

, = 1
Vj = 1

2 + V, = 1
U2 + V 3 = 1

w3 + v, = 2 3 + 2 = 3 > 12 = 0 + 2 - 5 = - 3 > 13 = 0+ 1 - 2 = - 1
>22 = 0
+

3= 1

2 = 2

2- 2= 0

> 33 = 1 + 1 - 4 = - 2 Pentru c < 0, soluia x2 este optim. Costul optim de transport este: Cj(x2) = 1 13 + 1 5 + 1 25 + 2 4 + 3 30 = 141 < Cj{x0) 27. Rezolvai urmtoarea problem de transport 4 2 3 22 1 2 3 30 2 1 4 22 15 34 30

Rezolvare: Pentru c problema nu este echilibrat deoarece disponibilul nu este egal cu necesarul, introducem nc o coloan cu necesarul de 5 i costurile Cj4 = c24 = c34 = 0. Astfel am echilibrat problema i determinm soluia iniial de baz prin metoda colului N-V.

* r
27

134

1 15 Xo = 7 V 0

0 27 3

0 0 22

0 0 5

Soluia iniial x este nedegenerat (are 6 componente 0): Cj(xo) = 4 15 + 2 7 + 2 275 + 3 3 + 4 22 + 0 5 = 225 Rezolvm sistemul: w, + V ] =4 u2 + V j =2 2 + v2 = 2 3 + v2 = 3
m3

M , =0 :

ti3 = - 1 v3 = 5 v4 = 1

+ v3 = 4

3 + V4 = 0

D 12 = 0 + 4 - 5 = 3 >,3 = 0 + 5 - 2 = 3
>14 = 0
+

1 -0

Z)23 = 2 +5 1 = 3* > 24 = - 2 + l - 0 = - l > 3i = 1+ 4 3 =0 05 Noua soluie va fi ' 1


JC =
v

0 5 25

0 22 0

0^ 0 5

7 0

U,

4 15
2

1 0 2

2 0 1

0 0 0 0

u2
3

-5 3 25

^ ^ 22 4
0

3
0

0
135

M , +

=4

, = :

v ,= 4

u2 + = 2 u2 + V2 = 2 u2 + V 3 = 1 + V2 = 3
m3

2 = 2
v2 = 4
v3

=3

u3 = 1
v4 = 1

+ V4 - 0
Z),2 = 0 + 4 - 1 = 3* 0 ,3 = 0 + 3 - 2 = 1 Z>,4 = 0+ 1 - 0 = 1 d 24 = - 2 + 1 - 0 = - 1 *> 31 = - 1 + 4 - 3 = 0 ^33 = - 1 + 3 - 4 = - 2

Ui

Noua soluie va fi: x, = 12

22

25

M , +V , =4 M | + v2 = 1
m2 k2 m3

W , =0 :

v, = 4 v2 = 1 v3 = 3
3 = 2
v4

+ v, = 2 + v3 = 1 + v2 = 3
= 0 Z)|3 0 +2 2 0 +( - 2 ) - 0 =- 2 D : 2 + 1 2 3

M j +V 4=0

= - 2

> 24 = - 2 - 2 - 0 = - 4 D : 2 + 4 - 3 = 3* D :2 +3 -4 = 1

136

0 Noua soluie va fi:


12

15
0

0
22

0
0

v V1 M ] u2 w 3 4 0 2 ""12 3 10
M ] + V2 = 1 M 2 + V1 = 2
2 +
m3
V3

10 15 v2 1

y V 3 2 0 0 1 0 ^22 4 0 0 5
v2 = 1

V 4 0 0

15 2 0 3 15

W j = 0 =>

3 = 2
V ]=1 V 4=- 2

=1

+V , =3

i, + V2 = 3 w3 + V 4 =0

u2 = 1 v3 = 0

> = 0 + 1 -4 = D13 0 + 0 - 2 = - 2 > 14 = 0 - 2 - 0 = 2


>2 2 = 1+ 1 - 2 = 0 >2 4 = 1 - 2 - 0 = - 2

> 33 = 2 + 0 - 4 = - 2 Soluia x3 este optim pentru c toate diferenele DtJ < 0. Costul optim este Cj(x2) = 1 15 +2 12 + 1 22 + 3 10 + 3 15 + 0 5 = 136 < Cj(x0) 28 Dou depozite au n stoc 100 tone respectiv 140 tone de marf ce trebuie transportat la trei magazine care au nevoie respectiv de cantitile 70 t, 80t, 90t. Matricea costurilor de transport este:

(30
C =

20 60

40' 30
y

10

S se prezinte un plan de transport care s prezinte un minium de cheltuieli. Soluie: Vom determina o soluie iniial de baz prin metoda colului de N-V: 137

( 70
Verificm dac soluia :
\

30 50

0 ^ este optim: 90

Formm sistemul de ecuaii:

ui+ vj = ci j (V)(i J ) t B
M j + Vj = 30 v, = 3 0 + v 2 = 2 0
u2

u, = 0
v2 = 2
0

+ v 2 = 60

u2 = 4 0 v3
= - 1 0

u2 + v 3 = 30
Calculm :

Sy = w, + vy - ctf,

< 5 j3 = m , + v 3 - Cj3 = - 1 0 - 40 = - 5 0 < 0 < 5 2j = w2 + Vj - c2 1 = 40 + 30 - 1 0 = 60 > 0 Deoarece nu toate Alegem atunci

< 0 = soluia nu este optim.

< 5 fe = max(<5) = < 5 2 1 => (2,1) va intra n noua baz. Pentru a

vedea cine iese din baza anterioar, plecnd de la (2 , 1 ) formm un ciclu cu elementele bazei, astfel nct pe orice linie sau coloan ale liniei poligonale s nu existe mai mult de dou vrfuri ale ei. ncepnd cu (2 , 1 ) notm alternativ vrfurile liniei poligonale cu + i - , vrful (2,1) avnd semnul +. Dintre vrfurile cu semnul alegem xio jo = min (Xy) =*(iQ ij 0) iese din baz. Noua soluie de baz este:

138

Xy, => (U j)t C


x9 m
Xij + x i J o d tj)& C +

Verificm dac acesat soluie este optim: h, + Vj = 30 V! = 30

U \ + v2 = 20
u2 + vi = 1 0
w2 + v 3 = 30

Wj = 0

v2 = 20 1^2 = 20 (V3 = 50

3 = ! + v 3 - c

13

= 5 0 - 4 0 = 10 > 0

22 = u2 + v 2 - c2 2 = - 6 0 < 0 =(1,3) intr n noua baz.

deci soluia nu e optim.

(W o = ( y ) Se alege * Wo = 20 i

noua soluie de baz este:

1
2

139

Verificm dac noua soluie este optim: M, + v 2 = 20


o (N II

>

Mj + v 3 = 4 0

Mj = 0 v2 = 2 0 u2 = -1 0 v3 = 4 0

li2 + vj = 10
w, + v, = 30

=0 + 2 0 - 3 0 = - 1 0 < 0

1^22 =U2 + V2~ C22 = "10 + 20 - 60 = -5 0 < 0


Deoarece toate < 5 ,y < 0 = soluia este optim.
/ 0 70 80 0
20 N

70

Cost optim = 0-30 + 20*80 + 40-20 + 10-70 + 60-0 + 30-70 = 5200 U.M. 29, Rezolvai urmtoarea problem de transport: 3 3 3 1 5 2 3 1 3 5 6 3 4 1 5 4 2 2 2 5 9 7 2 2

Soluie. Vom determina o soluie iniial de baz:


Vl V2 V 3 V4

1 2 3 M 4

3 3 3 1 ,

2 ..5 7 ] / 1 3 ^

6 4

3 S 5 1/ 4 2 !/ yT 2 1 2 .1 / / 2 ^ /T

140

Verificm dac soluia este optim:

u, + v, = 3 ! + v2 = 2 u2 + v2 = 3 u2 + v3 = 3
2

1 = 0 2 = 1 3 = 1 4 = 1

Vl = 3 V2 = 2 V3 = 2 v4 = 1

+ v4

= 2

Uj + v 4 = 2
4

+ v4 = 2
i 1 ;
2

^13 ~
^33

^ ^14 ~

3; 5 2

1 i < 5 32 2

= 1 ^4 i = 3 ; 4 2 = 0 ; < 5 43 = = max & = 41 = 3

min = x 22 = 1 Jo = ( i,J )e C -

Noua soluie este:

141

u j + v, = 3 M l +V2
=

2
1 = 0 2 = - 2 3 = -2 tt 4 = - 2 Vl

w2 + v 2 = 3

=3

2 +V4 = 2
3

V2 = 2

+ v4 =

V3 = 5
V4

U4 + V, = 1
4

=4

+ v4

5,3 = 1 ; < 5 1 4 = 0 ; S2i = 2 ; 22 ~ ~ 3 ; < 5 3 1 = 2 ; 32 1 ; 5 33 = 1 ; S42 = 3; < 5 43 = 2 => <5^ = max<5 = < 5 43 = 2
X. i =

'o'

(i,j)eC- ,J

min

X., = x ^

44

= 1

Noua soluie este:


Vi V2

V 3

V4

i
2

3_

142

M j+ V , m, + v 2 2 +Vj 2 +V4 W3 + V 4 4+ V ,

=3 =2 =3 =2 =2 =1
4

U \= 0 u2 = 0
=>

V1

V2

=2
=3

0
2

II

V3

=-

V4 = 2

+ V3 = 1 5
22

-2;<521

= -

II

; 2

5 3i ; 32 1 ; 33 1 ; 42 3 ; => = max , = 32 = 1

X: : = min
' ) J)e C -

jc .

= x dl
41

= 1

Noua soluie este: V ] M l 2


3 4

v2
6 3

v3
4

v4

% 3 3 1

1 3

3 ^ / 3 4

X
2

1 U J

II

143

M , + V, = 3 u, + v 2 = 2

II o

u2 + v3 = 3 u2 + v4
= 2

Vi = 3 v2
= 2

3 + v 2 = 1
3

u2 = - l =* 3 = - 1

+ v4 = 2

u4 = - 3

4+V3 = l 5,3 2 ; < 5,4 1 ; 5 2j 1 ; 2 ;

S 3 , = ~1 > 33 = 1 ; < 5 4, = 1 ; 5 4 2 = 4 ; = 2

Deoarece toate ^< 0 => soluia gsit este optim r5 0 4 0 0 3 0N 4

1 0

0 0 2 0
Costul optim = 53 + 24 + 3*3 + 2-4 + 1*1 + 21 + 12 = 45 30,

3 1 1
500

2 2 3
50

1 2 1
50

370
10 220

Soluie:

144

< o I I v4 = 3

'n o

so 5(
0

X = 10
220

-'o p tim= 1190


31. 10 2 1 10

6 8 3 20

4 6 3 70

50 30 30 Soluie: 0 X = 10

0 0

50 10

0 20 10 = 370 32. 2 5 1 6 10 3 2 1 4 20 1 7 2 2 50 10 20 20 30 Soluie: 0 X= 10 0 33. 1 1 40 1 3 20 3 2 60

0 20 0 0

10 0 10 30

Coptim140 50 70 Soluie: X=
30
10

20
O

0N
10

C optim , =180
145

34. 8 2 1 100

6 3 7 150

2 5 2 90

1 4 9 110

200

150 100

Soluie: ' 0 x= 0 100 0 150 0 90 0 0 0 0

Coptim . =840 35. 1 3 7 3 2 6 4 10 3 1 1 20 2 2 1 15 Soluie: "3 4 0 6


70

7 14 27

0 6

0 0 15

0 0 14

optim

CAPITOLUL ELEMENTE DE ANALIZ MATEMATIC

. 1. Funcii de dou i mai multe variabile reale 1. Mulimi i puncte n RD ncepem acest paragraf prin definirea unor puncte i mulimi speciale din Rn necesare pentru studiul unor noiuni ca limita, continuitatea, derivabilitatea n Rn. La capitolul de algebr liniar s-a definit spaiul liniar real n dimensional Rn a crei definiie o reamintim. Definiie. Se numete spaiu real -dimensional i se noteaz R", mulimea R" = R x R X...R = {x = U i, x2,...x)/ X j /?,i = l,2,...n} (1)
nori

unde x = (xl,x2,..jcn)& R" se numete punct al spaiului Rn iar numerele reale x,,x2,...xnse numesc coordonatele punctului x din Rn. Definiie. Aplicaia d :RnxRn definit prin: d (x ,y )= ^ jp x i - y i)2 (2)

unde x = (xl,x2,..jc)e Rn, y = (yl,y2,...yn)e R n sunt puncte n R" se numete distan n Rn. Distana definit de (2) are urmtoarele proprieti: ( dx) d(x,y)> 0 (V )xeR n i y& Rn;d(x,y) = 0 & x = y ; (d2) d(x,y) = d{y,x), (V )xeR n, y e R n; (t?3) d(x,y)<d(x,z) + d{z,y), (V )xe Rn,y s Rn,z R . Pentru n=l i n=2 din (2) regsim formulele de calcul ale distanei dintre dou puncte de pe dreapt i n plan: d(x,y) = \x - y \ d(x,y) = J ( x x - y {)2 +(x2 - y2)2 Definiie Fie jc0 = (x, x2,...x) un punct din Rn i r > 0 Mulimea Sr(x0) = {xe R"/d(x,x0) < r} de puncte din R" se numete sfer deschis cu centrul n X o i de raz r. Sferele deschise din R i R2 sunt intervale deschise centrate n x0 de forma (xor,xo+r) repectiv discuri circulare reprezentate prin inegalitile de forma y](xx- x)2 + (x2 - x < r . Definiie Se numete interval n-dimensional, mulimea de puncte din Rn notat i definit prin produsul cartezian lx xl2...ln = /" = {(* x2,...xn)lx k e Ik, k = 1,2,...},
147

unde Ik^akA), k=l,2,...n, sunt n intervale deschise pe dreapta real. Se poate demonstra urmtoarea: Propoziie. Orice sfer cu centrul n X o conine un interval n-dimensional care conine x0 i reciproc, orice asemenea interval conine o sfer cu centrul n x0. Definiie. Mulimea V c Rn se numete vecintate a punctului X qS Rn dac exist o sfer deschis cu centrul n x0 (sau un interval n-dimensional ce conine pe x0) nclus n mulimea V, adic x0 e Sr ; x0 c V sau x0 e 1" c V . Din definiia vecintii rezult c orice sfer deschis cu centrul n x0 i orice interval -dimensional ce conine pe x0 sunt vecinti ale lui x0. n particular orice interval (a,b) din R care l conine pe x0 este o vecintate a lui x0, intervalul (x0-r, x0+r) centrat n x0 numindu-se vecintate simetric a lui x0 n R2 mulimea punctelor din interiorul unui cerc cu centrul n x0 i intervalele bidimensionale ce conin pe x0 sunt vecinti ale lui x0. Definiie Punctul x0 e Rn se numete punct interior mulimii AC.R* dac exist o vecintate V a lui x0 inclus n mulimea A, adic x0 e V c A. Definiie Mulimea AdR" care conine numai puncte interioare se numete mulime deschis. Sferele i intervalele -dimensionale sunt mulimi deschise. Definiie Punctul X g e R" se numete punct exterior mulimii A d R n dac este interior complemetarei lui A, adic exist o vecintate a lui xo astfel c x0 e V c Ac. Definiie Punctul x0 e Rn se numete punct frontier al mulimii A d R n dac orice vecintate a sa conine i puncte din A i puncte din A. Mulimea punctelor frontier ale mulimii A se noteaz Fr(A) i se numete frontiera mulimii A. Definiie Fie x0 e Rni A d R n. Punctul x0 se numete punct de acumulare al mulimii A dac orice vecintate Va a lui x0 conine cel puin un punct al mulimii A diferit de x0 adic (V -{ x 0})n A 0 . Din definiie rezult c punctul de acumulare x0 poate s aparin sau poate s nu aparin mulimii A. Definiie Punctul x0 e A c Rn se numete punct izolat al mulimii A dac exist o vecintate V a punctului x0 astfel ca V A = {x0}. Exemplu Fie A d R 2 o mulime: A = ^x,y)l x2 + y2 <A,y> o}U {(2,3)} Mulimea A conine punctele din interiorul semicercului cu centrul n origine i de raz 2 situat deasupra axei Ox inclusiv cele de pe semicerc, conine punctul Q(2,3) i nu conine punctele de pe axa Ox. S (l,l) este punct interior lui A i este punct de acumulare. (l,3)gA deci este punct exterior lui A. 7X1,0) A este punct de acumulare i este punct de frontier.

148

Q(2,3) este punct izolat al mulimii A i este punct frontier V(V2, V 2)e A este punct de acumulare i punct frontier.

2. Limita i continuitatea funciilor de dou variabile tim c R2 = {x = (xl,x2)/xl Rix2e R} este mulimea perechilor ordonate (xhx2) de numere reale, sau mulimea punctelor din plan. Orice mulime A c i ? 2 este deci o mulime de puncte din plan care au coordonatele xi i x2 respectiv abscisa i ordonata acestor puncte fa de reperul xj0x2. Rezult c o funcie/ \AczR2 >R este o funcie de punctul (xbx2) adic o funcie de dou variabile f(xi,x2). n cele ce urmeaz ne vom ocupa de funcia de dou variabile pe care o vom nota f(x,y) amintind ca mai sus coordonatele x,y ale punctului M din plan, aceasta pentru a simplifica scrierea. Exemple: 1. Funcia de eficienf(x,y)=cix+c2y, x> 0,y> 0 ntr-o problem de programare

liniar,vectorul program fiind vectorul coloan


[y) 2. Fie p preul pentru produsul X n uniti date, v venitul mediu al unui consumator i x cantitatea din produsul X cerut pe pia n uniti date. Atunci x este o funcie de p i v care poate fi scris ca o funcie de dou variabile: x = f (p,v), p > 0, v > 0 . 3. Notnd cu V venitul naional, cu x orele de munc productiv prestate, cu y fondurile fixe angajate n producie putem scrie funcia de dou variabile: V(x,y) = kxay P, k, a, constante, x > 0 ,y > 0 . Funcia definit mai sus se numete funcia de producie de tip Coob-Douglas. 149

Definiie. Fie (x0,y 0) e R2 un punct de acumulare al mulimii A c/ ?2 i fie / : A R . Spunem c numrul real l e R este limita funciei f(x,y) n punctul (xoiVo) dac pentru (V) > 0 exist o vecintate V a punctului (^) astfel nct pentru orice (x, y) e V A s avem: \f(x,y)-l\<e i scriem: Hmf(x,y) = l. (x,y)-*(.xa,y0) O definiie echivalent cu precedenta este urmtoarea: Definiie. Fie (xo^o) un punct de acumulare al lui A c/ ?2 i / : A R. Spunem c le. R este limita lui f n punctul (x0lyo) i scriem lim f(x,y) = l dac (x,y)^ > {x0.yo) pentru orice ir {(x, yn)} . de puncte din A pentru care lim (x, yn) = (x0, y0)
ti

avem M mf ( x n,yn) = l .
-oo

Exemple: 1. S se arate c

lim

(x2 + xy + y 2) = 7 . Avem:

/(x, y) - 7 = (x2 - 4) + (xy - 2) + (y 2 -1) = (x - 2)(x + 2) + + [(x -2 )y + 2 ( y - l) ] + ( y - l) ( y + l) = (x -2 )[x + y + 2 ]+ (y -l)[y +3] Vom considera funcia f(x,y) n vecintatea patratului de latur egal cu 1 a punctului (2,1) n care jx 2j< 1, |y-l|< l, adic [xj<3,i[yj<2 i prin urmare jx + y + 2|< 7, |y + 3j < 5 i de aceea avem j/ (x,y)-7 | < 7 . s Fie 5 cel mai mic dintre numerele i 1, atunci n < 5 vecintatea punctului (2,1) avem: |x- 2|+ |y - 1 |< 20 , de unde |/(x, y) - 7|< astfel spus ^ lim^ ^(x2 + xy + y 2) = 7 . 2. S se calculeze lim - - . *->0 x y-> 2 sin xy sinxy sinxy _ , Avem hm ------- = lim y ------- = hm y lim ------- = 2-1 = 2 .
->0 y >2
X

x->0

x y

y->2

y >2

x->0 2

xy
*

3. S se studieze existena limitei n origine a funciei / : R2 >R ,

150

f(x , y) =

*2

- 2 dac (x, y) ^ O

O dac(x,y)= 0 Fie irul de puncte (*, yn)nl cu y= m xme R . Acest ir de puncte se afl pe dreapta y=mx ce trece prin origine. Dac xn >0 atunci (0,0). Pentru acest ir avem lim f(x ,yn) = ,lim . Observm c valoarea J \ n s n* ^ 0 ^ j'"/ 2 + 2 2 =- l + m 2 y,-*0 " limitei depinde de m deci de irul considerat. Rezult de aici c funcia nu are limit n origine. Definiie. Fie f : Ac. R2 R . Spunem c funcia f este continu n punctul (x0,y 0)e dac: lim /(x,y) = /(x0,> -0). (.x.y)-*(xo,yo) Continuitatea definit mai sus se numete continuitate n raport cu ansamblul variabilelor. Putem defini i continuitatea parial n raport cu x n punctul (x0ly0) sau n raport cu y n (x0xyo) dac avem respectiv lim/(x,;y0) = /(x0,)>o) i X -* X q lim/(jc0,y ) = /(xq, y0). y-> yo Propoziie. O funcie continu ntr-un punct n raport cu ansamblul variabilelor este continu n acest punct i n raport cu fiecare variabil n parte. Exemple 1. S se studieze continuitatea funciei

l - J l + x2 + y 2 . . . ,daca (x ,y )* 0 f(x ,y ) = x2 + y2 0, dac n punctele (x, y) (0,0) funcia este continu ca un raport de dou funcii continue iar x2 + y2 0. n punctul (x, y) = (0,0) avem: lim /(x,.y) =
(x,y)-> (0 ,0 ) ( * .r ) - ( 0 ,0 )

lim

l-^/l + x 2 + y 2
X

+ y

-------17-1 ~i f :2 + z !L = = - 1 * 0 = /(0,0); y 2 )(l + yjl + x 2 + y 2 2 deci funcia dat nu este continu n origine. = lim
l , 'y H ( 0'0) ( x 2 +

151

2. S se studieze continuitatea funciei


2 2

f(x ,y ) =

xy ~ ~ r j dac (jyO 0
x +y1

0, daca (x ,y) = 0. Pentru a calcula lim / (x, y ) observm c:


(* ,y ) >(0,0)

I 2 | L x2 _y| 0 < |/(x, _ y)|= Ixyl-L-r----- f < Ixyl iar de aici urmeaz c 'x +y lim f(x,y) = 0 => lim f(x, y) = 0 = /(0,0) adic f este continu n (0,0).
(,>)-(0,0)

(x,y) >(0,0)

3. Derivate pariale Fie f :A<zR2 i (xo^o) un punct interior lui A Definiie Funcia f(x*y) este derivabil parial n raport x n punctul (xotKo) dac: lim f(x ,y 0)-f(xo,yo)
x~>*o X - Xq

exist i este finit. Vom nota aceast limit cu / ' (x0, y 0 ) sau -^0 i o vom numi derivata parial de ordinul nti n raport eux a funciei f(xjO n punctul (xo^o) n mod analog spunem c f(x,j) este derivabil n raport cu y n punctul (x0tyo) interior lui A dac: lim y->y0 f ( xo;,yo) exiti i estc finit. y -y 0

Notm i n acest caz limita de mai sus / ' (x0, y0 ) sau _ 0 i o vom y numi derivata parial de ordinul nti n raport cu y a funciei f(x,>0 n punctul (x0,y0). Din definiia derivatelor pariale rezult c pentru a calcula derivata parial f x n punctul (x,y) se deriveaz f(x,>0 ca funcie de o singur variabil considernd pe y constant. Analog se calculeaz derivata parial f y{x,y) n raport cu y considernd pe y constant. Definiie Fie / :A c.R 2 -*R derivabil parial n raport cu x respectiv y, oricare ar fi (x,;y)e A . Dac derivatele pariale f x(x,y) i f y(x,y) definite pe A sunt la rndul lor derivabile parial n raport cu x i y, derivatele lor pariale se numesc derivatele pariale de ordinul doi ale lui f i se noteaz (fx)x = fxi(x,y) sau cu cealalt notaie
152

d_r df {x>y ) dx dx y) sau

d 2f ( x , y )

dx2
_ d 2f ( x , y )

dy

derivatele . . i pariale mixte:

(f'(r ~ _ r" (r v\_ 9 fd / (x ,y))_ d 2/(x,y)

( * > )) =/"

)= f Q ^ L i V i M l

Exemplu Calculai derivatele pariale de ordinul nti i doi ale funciei f :R2 >R, f(x, y ) = ln(x2 + y2) (x,y)* (0,0). Avem 2x . r , . . . a _ 2y /,(*> y ) - ^2 , ,.2 fy(X y) 2 2
2 _ 2 (x 2 + y 2) - 4 x z _ 2 ( / - ^ 2) .
-,

f s (x,y) =

(x2 + y 2J

(x2 + y 2f

f r v ) .2 ( x 2 + y2) - 4 y 2 _2(x2- y 2). f l(X'y )~ (x2 + y2J


/ 2*

~ V ^ T 4xy

y ) = ( f x1

= x2 + y2

V+y'J

=7 , "to i se observ c f xy(x,y)= f (x,y) egalitate a ^ 2 + / jx Ve +y / derivatelor pariale mixte de ordinul doi care n general nu este valabil dect n condiiile criteriului: Criteriul lui Schwarz. Dac funcia / : A c 2- ) are derivate pariale mixte de ordinul doi ntr-o vecintate V a punctului (x0, y0)e A i dac sunt continue n (xoO o) atunci are loc:

/(*> y )

'

2y

'

fxy{Xo>yo)=fyx(Xo>yo)
4. Difereniala funciei de dou variabile

Fie funcia / : A c R2 - R i (xolVo) un punct interior lui A


153

Definiie Funcia fCxjO este difereniabil n punctul QcoJo) dac exist dou numere reale A i i o funcie co:A~>jR continu i nul n (xoj'o) (cu(x0, yQ )= O), astfel nct: f(x , y ) - f(x 0,y0) =(-) + ( - y0) +co(x, y)p(x, y ) , unde p(x,y) = fix -x o )2 +(y - y0)2 Teorem Dac / : A c .R2 - este difereniabil n punctul (x q ,) ^ ^ atunci admite derivatele pariale de ordinul nti n {x0,y0), f x(x0,y0), f y(x,^) i plus A = f x(x0,y0), = f'y(x0,y 0) . Pentru demonstraie, fixm y = y0 i x x a astfel c (x,;y)e A Avem f{x ,y 0) - f( x 0,y0) = Mx-Xo) +co(x,y0)p(x,y0) i /<*,i t M . +(: ) k ^ l . x -x 0 X-Xo Trecnd la limit pentru x >x0 obinem: lim /(*>yo)~/(*Q..y_ o .) _ ^ ( Xoj-yo) = ^deoarece lim ( ,y0) = co(x0,y 0) = 0 *-> *0 X- X q Analog pentru x=x0 y * y0 se obine f y(x0y0) = . Deci dac f(x,y) este difereniabil n (xo^o) putem scrie: f(x ,y )- f(x o y< > ) = /^)( - )+ f y(xo yo )(y-yo )+0)(x y)P(x y) Teorem Dac f(xj>) este difereniabil n (x0ly0) atunci este continu n (x0ly0) ntr-adevr f(x,y) fiind difereniabil n (xojo) avem: f(x, y)- f(x 0,y0) = fx(xo>y ) ( - ) +f y(*o>yo)(y ~yo)+ ( >y)P(x> y) Dar lim (,>') = (0,^0) = 0 i lim p (x,y) = 0. (i j HK.Jo ) U.yHUo.yo) Rezult c lim ,[f(x, y )~ f(x 0, y o)]=0 sau lim J ( x ,y ) = f(x 0,y o), U.yHl^o.yo; ceea ce exprim continuitatea funciei f(x,> > ) n punctul (xo^o). Teorem (far demonstraie) Dac / : A R2 >R admite derivate pariale f x(x0, y0) i f y(xo >Jo) continue n (xoj'o), atunci f este difereniabil n (xoj'o). Definiie Fie / : 2 >R difereniabil n (xojo), interior lui A. Se numete difereniala funciei f(x^) n punctul (xo^o) funcia liniar: df(x, y-,x0, y0)= fxixo- > ' - )+ fy(xo,yoy- yo)
154

Expresia de mai sus a diferenialei se mai poate scrie i altfel punnd <p(x,y)=x, y/(x,y)=y i deci ^ - = 1 , ^ = 0 , ^ - = 0 , ^ = 1. dx dy dx dy Astfel diferenialele celor dou funcii n baza definiiei se vor scrie: df(x, y,x0,y0)= f x(x0,y0)dx + f y(x0, y0)dy. ntr-un punct oarecare {x,y) avem: 4 f = f x(x,y)dx + f'y(x,y)dy sau df =^-dx + -d y , dx dy pornind de la expresia ultim a diferenialei df putem defini operatorul de difereniere d0 = ^ -d x + ^ d y . Definiie Fie / : A ; R2 >R i (xoiVo) un punct interior lui A, Spunem c f admite diferenial de ordinul n n (xo^o) dac toate derivatele pariale de ordinul n1 exist ntr-o vecintate a punctului (xovVo) i sunt difereniabile n (xoiVo) Diferenialele de ordin superior se definesc n mod recurent prin relaia dnf= d(d"-lf ) , din care se obin succesiv diferenialele de diverse ordine dup cum urmeaz:

^ dxn +Cl n-?-n{ - - dxn -ldy + ... + Ck n - f -T dxn-kdyk dxn dxn -ldy dx dy + ... + C" ^-dy", " By" sau concentrat cu ajutorul operatorului de difereniere: 9 dx , +~ dJy dnf = dx dy n care (n) nseamn ordinul de difereniere care formal este asemntor dezvoltrii binomului lui Newton. Exemplu. Fie funcia f : R 2 ~*R f{x ,y ) = -Jx2 + y2 . S se calculeze df i df2. Avem:
155

d/ _

W_

y
2

V ^ + 1 3)1 V ^ +
pariale de ordinul doi sunt: d2f _ y2 d2f _

deci:

df = ~ d x + ^f~dy = ..= J L ^ tic + ,------ dy = . ------ (x<t + y<iy) Derivatele ax * ' ^ ^ 77 7 7 7 7 V T + 1 x2 2/ _ xy

3 ? > + , 2

a / > + / r a- ^ = >

3 2/ = 7 - w * 2 2 7 301 w dxdy + -, rrr<6>2 (r +,)* (2 +/ f (x2 + / f 1 -(yd x- xdy) (y ' 2i&2 -2xydxdy + x2dy2)=-. ' ! *-------->* > ^ \ / t

5. Funcii de n variabile Fie A c i? " i / : Ac. R". Valoarea funciei ntr-un punct x = (xl,x2,..jcn)e A o notm f(x) sau f(xi,x2,..jcn). Spunem c funcia / este o funcie real de variabil vectorial x sau o funcie real de n variabile reale xj,x2,...xn. Exemple 1. Funcia de eficien cost sau beneficiu ntr-o problem de programare liniar n care vectorul program este x' = (x,,x2 iar vectorul costurilor unitare sau al beneficiilor unitare c = (cl,c2,-..cn), este: n / (x ,, x2,...x ) = C X= c,x, + c2x2 +... + cnx = C jXj J= 1 adic o funcie de n variabile xx> 0, x2 > 0,...xn > 0 2. Funcia cost total al transportului ntr-o problem de transport este
m
f ( x l l x l 2 ' " x m n ) = c l l x l l + C 12X 12 + + c m n X mn ~

n
^ j ClJXtJ'

M j.I

xij > 0, cij >0, 1 < m, 1 ^ j < n, adic o funcie & p-m -n variabile. n cele ce urmeaz vom prezenta succint extinderea de funcii de n variabile a noiunilor introduse n cazul particular al funciei de dou variabile. Definiie Fie x0 = (\2,... 0) punct de acumulare al mulimii A q R". Spunem c le. R este limita lui/n punctul x0 dac pentru orice vecintate V a lui

156

/ exist o vecintate U a lui x0 astfel nct oricare ar fi x e U f]A s avem / (* )6 V . Vom scrie: lim / (x) = lim f(x l,x2,...xn) = l. x2-*x

Definiie Fie xe. A,Rn i f:A - > R Funcia /este continu n punctul xu dac lim f(x ) = /(Xq) astfel scris
x-*x0

lim / (xx2, jr > J T | 2~ *

f(xx,x0 2,...xn)

Se mai spune c/este continu n raport cu ansamblul variabilelor sale. Definiie Funcia f :A Q R n->R este continu n / (x ,x2 ,..._, xi,x_l,...x') are limita f(x0) n punctul x^x,0

punctul

x0 = (x,0, x2 ,...x ) e A n raport cu componenta x -, dac funcia de o variabil Propoziie Dac fimcia f :AQ Rn ->R este continu x0e A n raport cu ansamblul variabilelor, atunci ea este continu i n raport cu fiecare dintre variabile. Reciproca acestei propoziii nu este adevrat. Definiie Fie f :A ,R n >Ro funcie de n variabile f(xi,x2,...xn) i fie x0 = (x,x2 ,..jcn)un punct interior lui A. Spunem c / are derivat parial n punctul (x,x2 n raport cu variabila x -, dac:
O *

lim exist { este finit Li ita n *,-> *< X j- X j nsi poart numele de derivat parial a funciei / n raport cu x -, n punctul (x,x2,...xn) i se noteaz: f'xy x,x2,...xn) sau
.n

Avem i aici derivate pariale de ordin superior analog cu cele de ordinul doi. Astfel derivata parial de ordinul k = ^
;=i

i a funciei / de ordinul k ^ n raport cu

x\, de ordinul k2 n raport cu x2, ... de ordinul k^n raport cu xn este:


157

dkf( x x,x2 ,..j tH )_ w Definiie Dac funcia f :A ^ R n de variabile admite derivate pariale de ordinul nti ntr-o vecintate V a punctului (x ,x f ,...x) continue n (x,x2 ,...xn ), atunci funcia / este difereniabil n acest punct i difereniala sa este:

< vU** < )=


( * ~ *)

(*, - , )+

)+

Punnd \=, difereniala se poate exprima cu ajutorul operatorului de difereniere: j = -^dxx 3/ j + -d f dx2 j +... + -d f dxn\ j d dx-, dx dxx sau )= V ( * f , x2 ) ' ^ s Difereniala de ordin it> la funciei / se definete recursiv printr-o relaie asemntoare df{x , V d*/= 4* '7 ) sau: <**/(*!% *2 +^ ~ + "* + ^ " /(1 0 20. " ^ )

unde la fel ca la funcia de dou variabile exponentul k semnific dezvoltarea formal a sumei din parantez dup regula binomului lui Newton nmulirea apoi cu f(x , x2 ,...xn) fiind de asemenea formal. Astfel pentru k = 2 avem: d2f df j df 1 +'" +5 3V j 2 3 2/ . 2 = f , +... + -,-dx: dx2 x 1 dx] " a 2/ 32 dxx dx2 + dxx dx2

f f f - dx2dx3 +... + 2 ^ dxn _x dxn + 2 _ / ... dxxdxn + 2 dx2dx3 dxx dxn dx_x dx 6. Extremele funciilor de dou variabile Fie A q R2, f-.AzR i (a,fo)e A.
158

Definiie. Punctul (a,b) se numete punct de maxim local dac exist o vecintate V a lui (a,b) astfel nct f{x, y) < f(a,b )pentru orice punct (, y)sV . Analog punctul (a,b) este un punct de maxim local dac f(x ,y )> f(a ,b ) pentru orice (x ,y )e V . Aceste puncte se numesc extreme locale ale funciei f Propoziie. Dac funcia / are derivate pariale ntr-un punct de extrem (a,b) interior mulimii A atunci derivatele pariale ale lui / se anuleaz n acest punct adic: f x(a,b) = f y(a,b) = 0. Pentru demonstraie s considerm funcia f|(x)=f(x,b) definit pe mulimea Af, ={jte R/(x,b)e \. Funcia f| admite un extrem local n punctul x=a, deci /, (a) = 0 . Dar /;<)=l i m i b j W , . /> w *-* x -a *-< x -a de unde rezult c f x(a,b) = 0. Analog se obine f y{a,b) = 0 considernd funcia

00 =f ( a >y )
Definiie. Se numete punct staionar al funciei fix,y) un punct (a,b) interior lui A n care f(*,>0 este difereniabil iar difereniala sa este nul dfia,b)=0. n baza acestei definiii a punctului staionar deducem echivalena: df(a,b) = f x(a,b)dx + f'y(a,b)dy = 0 < = f'x(a,b) = f y(a,b) = 0 adic putem spune c (a,b) este punct staionar al funciei f dac funcia este difereniabil, si are derivatele pariale nule n acest punct. Propoziie Orice punct de extrem local al funciei/n care/ este difereniabil, este punct staionar. ntr-adevr n baza propoziiei anterioare avem f x(a,b) = f y(a,b)~ 0 deci (a,b) este punct staionar al funciei. Reciproca acestei propoziii nu este adevrat, adic exist puncte staionare care nu sunt puncte de extrem, fapt ce rezult din exemplul urmtor: Fie funcia {(x,y)=x2-y2, (x, y)e R2 Avem f x(0,0) = 2*|(010) = 0; //0,0) = 2y|(00) = 0; /(0,0) = 0 Funcia / este difereniabil n punctul (0,0) deoarece derivatele pariale sunt continue deci (0,0) este punct staionar. Totui punctul (0,0) nu este punct de extrem. ntr-adevr n orice vecintate a punctului (0,0) funcia ia att valori pozitive ct i negative deoarece f(x,0) = x2 >0> /(0,0) pentru punctele de pe axa Oy i /(0, y) = - y 2 < 0 < /(0,0) pentru punctele de pe axa Ox. Deci n (0,0) funcia nu are nici minim local nici maxim local.
159

Stabilirea faptului c o funcie admite ntr-un punct un extrem precum i natura extremului (maxim sau minim) reiese din urmtoarea teorem pe care o dm fr demonstraie: Teorem. Fie A ; R2, f : A >R i (a,b) un punct staionar al funciei f(x,y) interior lui A. Presupunem c pe o vecintate V a punctului (a,b) funcia f(x,y) admite derivate pariale de ordinul doi continue. Notm

(, y )

(X, y) f

y*(X, y )

- [ f l y (x, y ) J

I. Dac A(a,b) > 0 atunci (a,b) este un punct de extrem local al funciei f(x,y) i anume: 1 punct de minim, dac /2 (a,b) > 0 ; 2 punct de maxim, dac f ' t (a,b) < 0 ; II. Dac A(a,b)<0 atunci (a,b) nu este punct de extrem local. Un astfel de punct se numete a. III. Dac A(a,b) = 0 teorema nu poate afirma nimic despre punctul staionar (a,b). Exemplu S determinm extremele funciei / :R2 R (x,y) = / + / -2x2 + 4xy -2 y2- 1. Determinm punctele staionare rezolvnd sistemul obinut prin anularea derivatelor pariale de ordinul nti n raport cu x respectiv y: f jx , y ) = 4x3- 4 x + 4y = 0 jjt3-x + ;y = 0 < fy(x,y) = 4y3 + 4 x -4 y = 0 {y3+ x - y = 0 =>x3 + y 3 =0<=>(jc + y)U 2- r y + > > 2) = 0 x + y= 0 saujc2- x y + y 2 = 0 rezult y=X i x2 -x y + y2 =0 = > x,ye C . Pentru y=-x prima ecuaie ne d x3 - 2x = 0 x(x2 - 2) = 0; jc = sau x = V2 . A(0,0); B(-V 2,V 2);C(V 2,-V 2). f" x2 (x,y) = \2x2 -4\ f '^{x,y) = l2 y 2 - 4 ; =4 A(x, y) = (12jc2 - 4)(12/ - 4) -1 6 . S analizm natura punctelor staionare. Pentru A(0,0) avem: (0,0) = 0 nu avem rspuns, deci nu putem stabili natura punctului A(0,0). Pentru B(-V2,V2) avem: (-/2,-\/2) = 384 > 0 deci B(-V2,V2) este un punct de extrem i anume punct de minim deoarece / 2( > /2, 42) = 20 > 0. n mod analog se arat c C(V2, J2) este punct de minim.
160

Rezult

punctele

staionare

7. Extremele funciilor de n variabile Fie / : A Q Rn - R o funcie de n variabile f(xi^2-.jcn). Dac ntr-o vecintate V a punctului (aua2,...an)s A are loc relaia f(x l,x2,...xn) - f ( a l,a2,...an)>Opentru orice x< (x1,x2,...x)e V atunci (ax,a2,...an) se numete punct de minim local, iar dac f(x ,x2,...xn) - f ( a l,a2,...an)< 0 pentru orice x e V , atunci (],2,...) se numete punct de maxim local. Definiie Un punct a = (al,a2,...an) se numete punct staionar al funciei / dac: , (aua2,...an) =0 f x^ ax,a2,...an) = 0 f i , (aua2,..xin) = 0 Punctul a = (al,a2,...an)e A este punct staionar al funciei dac f este difereniabil n a i df(a)=0. Pentru a determina punctele staionare ale unei funcii difereniabile f{xx,x2,...xn) pe mulimea A q R", se rezolv sistemul obinut prin anularea derivatelor pariale de ordinul nti:

f x M X Z -X n ^ 0 fX n(xx,x2,..jcn) = 0 Teorem Fie a = (al,a2,...an) un punct staionar al funciei f(x x,x2,...xn) . Presupunem c f admite derivate pariale de ordinul doi continue ntr-o vecintate V a lui a = (al,a2,...a). Notm } = f'X iX j(av a2,...an), i,j = l,2,...n I. Dac toate numerele: , - an ; 2 = % d2l
12 a 22 a 3l

On ; 3 a 2l

a \2 a 22

a1 3
f l23
a 33

au ,.. =
a 21

a1... a22... a2-

Oln a 2n

f l32

nl

a nn

sunt pozitive atunci punctul a = (ax,a2,...an) este un punct de minim.


161

. Dac toate numerele - 1,2)- 3,...(-1)" sunt pozitive, atunci punctul a - (ax,a2,...an) este un punct de maxim. Exemplu. S determinm extremele funciei f: v2 z2 2 f ( x ,y ,z ) - x + + + , ,x>0,>'>0, z> 0 Ax y z Sistemul care ne d punctele staionare este: fxix,y,z) = 1 - - J - J - 0 4x f y( x , y , z ) = - 2 - ~ = 0 2x y f z(x,y,z) = 2 =0 y z Care admite n domeniul dat soluia

Derivatele pariale de ordinul al doilea sunt: f xi(x,y,z) = ^ ; fxyf.x,y,z) =


y y

(H
f n (.x,y,z) =0

f'i(x,y,z) = ^ - + ^ r , f'yz(x,y,z) = - 2 - ^ ;/ ", (x,y,z) = 2 - A y 2x y y yy z j iar matricea A = (ai})s,sn n punctul staionar este: lsysn ' 4 A= -2 V . 0 -2 3 -2 0 ' 4 - 3 cu , = 4 > 0, 2 = -2 6 -2 3

8>0

4 - 2 i 3 = - 2 3 0 - 2 strict i fm in=4.
162

0 - 2 = 32 > 0 deci punctul lT 2JJ) ) 6

- Extreme condiionate n studiul diverselor modele matematice de optimizare din economie aa cum s-a vzut la problemele de programare liniar i n cele de transport, trebuie s se in seama de unele restricii (legturi, condiii pe care trebuie s le satisfac variabilele modelului). Avem prin urmare de considerat aa numitele extreme condiionate sau cu legturi ale unor funcii crora trebuie s le determinm maximul sau minimul, n cele ce urmeaz prezentm pe scurt (far demonstraie) metoda multiplicatorilor lui Lagrange pentru determinarea extremelor condiionate ale unei funcii: Fie / : A c i ? -^ fi i sistemul de p < n ecuaii:
8

Fi(xl ,x2,..jc) = 0
F 2 ( x 1, x 2 , . . . x ) = 0

Fp(xl ,x 2,...x)=0, funciile reale Fi,F2,...Fp fiind p funcii definite implicit tot pe mulimea A. Extremele funciei f i(xl,x2,..-xn) cnd punctul (xl,x2,...xn) parcurge numai mulimea A0 a soluilor sistemului (1) se numesc extremele funciei f condiionate de sistemul (1) sau extremele funciei f supus legturilor (1). Punctele staionare ale funciei f cnd punctul parcurge numai mulimea A a soluiilor sistemului (1) se numesc puncte staionare legate sau puncte staionare condiionate ale funciei f. Metoda multiplicatorilor lui Lagrange comport urmtoarele etape: 1. Se formeaz funcia auxiliar de n+p variabile numit funcia lui Lagrange: f(x , , x2,...xn\, 2,..)= f{ x Y , x2,..jcn)+ AjF, (x,, x 2,...xn) + + 2F2(xx,x2,...xn)+...+ pFp (.x! , * 2 ) unde ,2,.. sunt p parametri reali care se numesc multiplicatorii lui Lagrange. 2. Se anuleaz cele n+p derivate pariale ale funciei F n raport cu xl,x2,...xn , \ , 2,... obinndu-se sistemul de ecuaii Fx, =0, FX i =0,...FX n =0; FA | =F1=0, F^ =F2 =0,...FA p =Fp=0 i se rezolv acest sistem de n+p ecuaii cu n+p necunoscute. 3. Fie (r1 ,x20,...xn0;A1 0,A20,...An) o soluie a acestui sistem deci punct staionar pentru funcia F. Atunci punctul {x,x2,...xn) este punct staionar condiionat pentru f. Punctele de extrem condiionat ale funciei f se gsesc printre punctele staionare condiionate.

163

4. Stabilim care dintre punctele staionare condiionate sunt punctc de extrem condiionat pentru f, considernd semnul diferenialei de ordinul doi a funciei F calculat n punctul xx,x2,...xn i pentru [ ={,2 =^,.. =0 adic d2F(x,x2,...xn) care are expresia:

I
J

d 2F = V 3 ^ ^ / ^ . d d x.dx Hxpxj vHv iJm, 3

Dac d2p{x,x2,-..xn )<0 atunci punctul {x,x2,...xn) este un punct de maxim condiionat pentru f iar dac d2F[x,x2 ,...x)> 0 punctul (x ,x2 ,...xn) este punct de minim condiionat pentru f. Exemplu S se determine extremele condiionate ale funciei: ffo j^x+ y cu legtura \ + ~ = , a ,x ,y * 0 x y a Fie F(x,y,X) = x + y - k Aflm punctele staionare:
X

( \_ _1___ \ } x! + y2 a2

F = 1 - - =0 y ' > - 7 +7 w +w 7

9/1

x3 = y3 =2 ( * 0 )

- ^ (2 ^ v ^ A=a! aj

=? 35 w

x, ( a i ; y i = x yi - X 2 i punctele staionare sunt: M ,(aV2,aV 2), M 2(~0V2 , ^ );


F j =

x4

->

F''2( M , ) =

2a

f " 2( M 2) = -

2a

164

Cercetm care sunt punctele de extrem: 18 A(x, y ) = j >0 > Mi i M2 puncte de extrem. 4a Pentru a > 0 Mi punct de minim i M2 punct de maxim. Pentru a < 0 Mi punct de maxim i M2 punct de minim.
Probleme 1. S se determine punctele de extrem pentru funcia: f(x ,y ) = xz +y2- 4 x - 2 y +5 f : R 2->R. Rezolvare: Punctele staionare sunt soluiile sistemului:

W ) =2 * - 4 =0 ts =(2,1) punct stationar. y -(x ,y ) = 2 y - 2 = 0 dy Calculm: E(x,y) = dxdy \ ^2 r tj2 r p i2 s ^ r (X,y) = 2 ; - { , ) = 2 l J - ( x , y ) = 0 d f, 3 7 2 (x> y )^ r(x>y)

= > (2,1) = 4~ 02 =4>0=> (2,1) punct de extrem local; dV -- (2,1) = 2 > 0 => (2,1) punct de minim local. dx 2. S se determine punctele de extrem pentru funcia: f(x ,y ) = x3+ y3- 3 x - 1 2 y + 4 f : R 2-*R Rezolvare. Punctele staionare sunt soluiile sistemului urmtor: df . (x,y )=o 3xz - 3 = 0 L 2 =1 dx ----------^-{.x,y) = o dy A (l,2) B(l,-2) C(-l,2) D(-l,-2) puncte staionare.

37 2/ 37, (x,y) (*,y)=:^ r r ( x>y)-TT(x>y)dxdy dx2 v 8 / (1,2) = 6 12 > 0 =>A(1,2) punct de extrem local; 3 7 -(1,2) , = 6 > 0 =>A (l,2) punct de minim local; ar (1,-2) = 6 (-12) < 0 =* B(l,-2) punct de a; (-1,2) = -6 12 < 0 =>C(-1,2) punct de a; (-1,-2) = -6 -(-1 2 ) > 0 =>D(-l,-2) punct de extrem local; 3 7 -(-1,-2)< , 0 => D(-l,-2) punct de maxim local.
dx:

3. S se determine punctele de extrem ale funciilor: a) y : i ? 2 > f{x,y) = 3xy2 - x 3 -15x-36jv +9 R: nu are puncte de extrem b) f : R 2->R A x,y) = (x+y)-e-<xW) (l A 1 R: A punct de maxim; B , punct de minim v2 2 J I 2 2 f c)/: R 2 >R f(x,) = x3+y3- 6x2 - 9 y 2 +9x+\5y+l R: A(3,5) punct de minim; B (l,l) punct de maxim d ) f :R 2 >R f(x,y) = x3 +3ry2-15x-12j> R: A (2,l) punct de minim; B(-2,-l) punct de maxim e )/ :/ ?2 >R f{x,)= x2+y2+xy-3x-3y+ 5 R: A (l,l) punct de minim; f) f\ R 2->R f(x,y) = x2 ~y2 + 2 x y -4 x -6 j +3 R: nu are punct de extrem. g ) f : R 2->R A x ,y ) = x y + - + X y

R: A(5,2) punct de minim: h ) f :R 2 *R f(x,) = x2 - y 1 + 4x-2y +3 R: nu are puncte de extrem 4. S se determine punctele de extrem pentru funcia: f ( x ,y ,z ) = l6 - ( x + l) 2 - ( y + 2)2 - ( z + 3)2 Rezolvare. Punctele staionare sunt soluiile sistemului:
166

- 2( + 1) = ^ - ( , , ) = < = > -2> + 2) = 0 dy - 2( + 3) = L ( x ,y ,z )= dz = ( - 2,3) * - 2< (-1 -2 -3 ) | ^ -(-l-2 ,-3 )j 3b cc| y dx 2 a2/ (-1 -2 -3 ) (-1 -2 -3 ) dy3bc dy 0 ( - l -2,-3) = -2 ;
-2

( , , ) =

(-1,-2,-3) punct staionar

= 4>0
0 -21

(-1,-2,-3) = -2 ;

0 ( - l - 2 - 3 ) = -2 ;

| ^ -(-l,-2 ,-3 ) = 0; (-1,-2,-3) = 0 ; (-1 ,-2 ,-3 ) = 0 ; dxcy dtcdz dydz d / ( - 1 - 2 -3) a*2 ( ' xc^
_ 2 _3) t.. (_i _ 2 -3) 5 } a*az( *

f-f

3 - | (-l,-2 ,-3 ) 0 ( - l , - 2 , - 3 ) dydx >

|^-(-l,-2-3)| qydz

| ^ (-l,-2 ,-3 ) | ^ ( - l,- 2 - 3 ) 0 ( - l , - 2 , - 3 ) dzoc dz


-2 0 0

3 = 0 - 2

> (-1,-2,-3) punct de maxim 0 = -8< 0 =

-21

5. S se determine de extrem pentru funcia: f(x,y,z) = x2 +y2 +z2 - 2 x - 4 y - 6 z


167

Rezolvare: Punctele staionare sunt soluiile sistemului: (x,.y,z) = 0 2x" 2 = 0 x= l * y (x,y,z)-= 0 < = > 2 y - 4 = 0 <=>y = 2 <=>(1,2,3) punct staionar dy Z= 3 2 z -6 = 0 V (x,.y,z) = 0 dz i2 | W ) - 2 ; f ( W ) =2 ; f^ -0 ; j* - 0 : f -0 dx > 5z xdy dydz dzdx
2 0 0 2 0 , = 2 > 0 ; 2 = 0 2 0 0 2 = 4 > 0 ; 3 = 0 2 0
=

8 >0

=> (1,2,3) punct de minim


6. S se determine punctele de extrem local ale funciilor: a) fix, y) - x3 + 3xy1 15x 12y Sol. Determinm derivatele pariale:

f (x,z) = 3 *2 + 3;y2 - 15 = 0 f'(x , y ) = 6xy - 12 = 0

< = > soluiile sistemului (punctele staionare)

sunt P , ( l , 2); P2( 2, 1); P 3( - 2, - 1); P4( - l , -2 )

C = 6 r fxy = 4

= 6 y /> = 6*

Determinm matricea corespunztoare fiecrui punct staionar: "6 I) (1,2) 12 n 6 /

Di = 6 > 0 > ai crei minori sunt ^ - - 72 < 0 =

=> nu sunt nici toi pozitivi, nici cu semne alternante ncepnd cu = Pi ( l , 2) - p c t. .a.

"12
II) Analog ,,) =

6 N A = 12 > 0 => 12 = 118 > 0 D2 /

toi minorii pozitivi P2(2, 1) - punct de minim 168

III) Analog obinem P 3( - 2, - 1) - punct de maxim iar P4( - 1, - 2) - pct .a. 7. S se determine punctele de extrem local pentru funcia: f : R2

f(x, y) = x3 + y 3 + 3xy + 2
Soluie. I) Punctele staionare sunt soluiile sistemului

f x(x, y ) = 0 f(x,y) =0

| 3x2 + 3 y = 0 |3y2 + 3jc = 0

jj =- x 2

, Ix (r+ 1 ) = 0

\y = - x 2 < = > 1 (-x")2 + x = 0

< = >

j y =- x 2 i x4 + x = 0

< = >

Iy = -

X-

Lv(.v3 + 1) = 0

xx= 0 i x2 = - 1 (soluii reale).

y x= 0, y 2 = - 1. Aadar punctele obinute sunt M ,(0, 0) i M 2( - 1 , - 1 ) .


I) Verificm dac sunt puncte de extrem local:

f i (x, y ) = 6x ;

f yl (x, y) = 6y;

f xy (x, y) = 3 = f " (x, y )

Semnul expresiei E( x, y ) = [fxy(x, y )]2 - f xi ( x, y ) f y2 (x, y ) n punctele M, i M , = > E(x, y) = - 36xy + 9, pt. M] = > E(0, 0) = 9 > 0 - pct. .a. pt. Mj = > E(0, 0) = - 27 < 0 => punct de extrem local i cum / 2( 1, 1) = 6 < < = > M 2( - 1 , - 1 ) - punct de maxim local. 8. S se determine extremele funciei/ : R3 >R

J{x, y, z) = x2 +y2 + z2 - xy + x - 2 z.
169

/ > 2 x - ;y + l = 0
Soluie. I) Rezolvnd sistemul

f'= 2y - x = 0 f = 2 z - 2 = 0

_i !
3 II) Calculm derivatele de ordinul II: / ; = 2; = 2; /. Matricea corespunztoare este: '/ ; A = fx fl
' 2

f~t - 2; /,; o;

/,;

/ - - l: / ; = / ; = o.

4 f}fy

/ fz h

-1 2 0

0"
0

Dl = 2 > 0

-1
V

=> D 2 = 3 > 0 => A y

D3 = 6 > 0

2 1 v~ 3 ~ 3 J y
'

este punct de minim. 9. S se determine extremele funciei/ : R2 - R


/(x, y ) = x4 +y4- x 2 - y 2.

/
Soluie:

= 4 :3 - 2x

0
^

j jc(2jcz - ) = 0
'I x(2 ~ - ~y2 2 - 1) = 0

fi

= 4y3 - 2y = 0

170

Obinem punctele staionare:

^ ( 0 ,0 ) ; P2 0 , - 4 = V2 1

0,

- 4 = ,o 42 n n(

\
,0

Df i

42

42
1 N V 2y

4i y

i ) 4 2 ' 42 y

' 1 vV2

D 1 1 *9 1 ,4 2 '4 2 ,

Verificnd fiecare punct dac este sau nu punct de extrem local, obinem:

P }- punct de maxim; P2 - punct .a.; P3 - punct .a.; P4,P5 - punct .a.; , punct de minim; P8, P9 - punct de minim.
10- S se determine punctele de extrem pentru funciile: a ) ./ : R 3 ->R f ( x ,y ,z ) = x 2 + 2 y 2 +3 z2 + xy + yz + xz- x - \ 2 y ~2\z + 7 R: A (l,2,3) minim b) f : R * - > R f ( x ,y ,z ) = x 2 + ;y2 + Z2 +xy + z x - 4 x - 4 y - 4 z + 5 + yz R: A (l,1,1) minim
c ) / : (0 ,)3 -*R

f ( x , y , z ) = x +^ - + +4x y z

R: A (-j,l,l) minim d)/: R 3 f(x ,y,z) = 2x2 +2y2 +z2 + 2(xy + ,yz + x + y + 3z) R: A(-3,5,-8) minim e)/: R 3 ->R / (x , y, z) = x 2 - y 2 + z2 + xy + yz + zx - 4x + 6y - 4z + 3 R: nu are extreme 11. S se determine extremele funciei f(x ,y ) = x2 + y2 - 4 x - 4 y +5 cu x + y = 3 Rezolvare: Construim funcia: F(x,y,) =/(,) +(2 + -3 ) cu XeR

F(x,y,k) = x2 + y 2 - 4 x - 4 y + 5 +X(2x +y - 3 ) Punctcle staionare ale funciei F sunt soluiile sistemului: dF (,;>,) = 0 2 - 4 + 2 = 0 dx (4 7 6 dF_ punct staionar = > (x,y,) = 0 < = > 2y-4+X =Q < 5*5*5 dy dF 2 + y - 3 = 0 (x,>>,A) = 0 d 4 7 este punct de extrem condiionat pentru funcia dat, Pentru a vedea dac A 55 /4 7 n calculm d F 55 4 d2F r'4 7 , 2 d2F 1 . 2 - d 2F ( 4 1 \ , . dx + dy +2-T-T----- ,\dxdy d2F dxdy 55 55 dx2 5 5 V a 2F f 4 7 32F 4 7 d2F ( 4 7 n =2 ; =2; 55 0JC 2 55
=

= 2i/x2 + 2dy2 5 5 Difereniind legtura obinem: 2dx +dy = 0=$dy = -2 dx 4 7 ^ d 2F\ - , = 2dx2 +8dx2 =\0dx2 >0 5 5 ' 4 71 punct dc minim condiionat. 55 12 S se determine punctele de extrem condiionat pentru funcia: / : 3 >R f(x,y,z) = jc2 + > 2 +z2 + ;ry + )'z + zx +A,cu* + ;y + z= 3 Punctcle staionare ale lui F sunt soluiile sistemului: dF {x,y,z,X) = 0 2x+y+z+X=Q dx dF (x,y,z, )- Q 2y + x + z +A = 0 dy < = > =* (1,1,1,-4) punct staionar. dF 2z + y + x +X = Q (x,y,z,X)~ 0 dz x + y + z =0 dF _ \x,y,ztX) = 0 dX Pentru a vedea dac (1,1,1) este extrem condiionat calculm /2F(1,1,1)
172

d2F(\,1,1) = (\\)2 + -( \ W +^(1,1,1 )dz2 + dx dy dz2 + 2 f( lX l) d x d z + 2 f ( l X l )dxdy + 2~ (iX \ )d yd z dxdz dxdy dydz d2F d2F d2F -(1,1,1) = 2 ; ^-(1,1,1) = 2 ; ^ (1 ,1 ,1 ) = 2 ; dx2 d2F (U ,i)= i; 4-?0,1,1) = 1 ; 4 ^ ( 1 ,U ) =1 dxdyv / dxdzx ' dydz d2F( 1,1,1) = 2dx2 + 2dy2 + 2dz2 + 2dxdy + Idydz + 2dxdz Difereniind legtura obinem: dx +dy + dz = 0=> dz = -dx - dy d2F( 1,1,1) = 2dx2 + 2dy2 + 2dz2 + 2dxdy + 2dx(-dx - dy) + + 2dy(-dx - dy) = 2dy2 + 2(dx2 + dy2 + 2dxdy) - 2dxdy - 2dy2 = Idy2 + 2 dx2 + Idxdy > 0 Deci (1,1,1) punct de minim condiionat. 13.S se determine punctele de extrem condiionat pentru funciile: a) f : R 3->R f(x ,y ) = xy cux +y = l R: A
2 2

maxim condiionat

b ) f:R 3 )R f(x ,y ,z )-x y z cux+y +z = 3 R: A (1,1,1) maxim condiionat c) f :R 3->R f( x ,y ,z ) = x + 2 y - 2 z cux2+y2 + z2 - 1 6 R: A (4 8 8 . . maxim condiionat 3 3 3 ( 4 8 8^ B - , -j , j j minim condiionat

d) f : R 3->R f(x ,y,z) = x +y + z c u ~ +- +- = l x y z R: (3,3,3) minim condiionat.

173

CAPITOLUL MODELE LINIARE I NELINIARE DE AJUSTARE A DATELOR EXPERIMENTALE 1. Ajustarea datelor experimentale prin metoda celor mai mici ptrate

Se tie c n general un fenomen economic este deosebit de complex, el depinznd de muli factori a cror influen determin modelarea sa matematic printr-o funcie de mai multe variabile. Astfel dac aceti factori sunt X, U,V,... atunci avem de considerat o dependent pe care analitic o scriem: Y=f(X,U,V,...) (1) unde cu Y am notat mrimea care msoar evoluia fenomenului economic (mrimea economic) cercetat, mai exact modelul matematic al acestei evoluii. Evoluia fenomenului luat n studiu este observat din punct de vedere practic (experimental) obinndu-se iruri de date care constituie informaii asupra fenomenului n desfurarea lui concret. Aceste date ne furnizeaz informaia asupra legturii dependenei sau legitii obiective (1) ce exist ntre variabilele independente ale fenomenului , ceea ce din punct de vedere matematic revine la gsirea dependenei funcionale, a formei analitice, a legturii. Evident c datele observate comport att erori accidentale datorate impreciziei msurrii ct i a erorilor sistematice datorate unor defeciuni sau dereglri n procesul de msurare. n cele ce urmeaz vom considera numai cazul a dou mrimi variabile X,Y n care se studiaz dependena existent ntre aceste mrimi exprimat analitic printr-un model de forma: Y=f(X) (2) care s descrie ct mai fidel fenomenul cercetat i care s serveasc la un studiu aprofundat fcnd posibile unele previziuni asupra evoluiei fenomenului. n cazul modelului (2) observaia asupra evoluiei practice a fenomenului se concretizeaz prin obinerea experimental a perechilor de valori observate (xjj',) a variabilelor independente X respectiv variabila independent Y care n cazul a n determinri ne permite s alctuim tabelul: X Y
X,

yi

X 2 y2

X i ... x y> - y n

al datelor experimentale. nelegem prin a descrie ct mai fidel fenomenul cercetat, obinerea unor diferene ct mai mici ntre valorile observate yt corespunznd valorilor observate jc, i valorile f(xj care sunt ordonate punctelor curbei de ecuaie y = f(x). Notm cu E i aceste diferene i avem , =y-f(xi). Aceast situaie este ilustrat n fig. 1:
174

n care M^x^y) este punctul observat, Pi(xh f(x)) este punctul de pe y =f(x) de abscisa observat *, i ordonataf(X i), , = MiP, =MiQi - PiQi =yt -f(xj) Una din problemele importante n modelarea fenomenelor economice este aceea legat de aa numita adecvare a modelului matematic ales adic de tipul de funcie ce trebuie adoptat care s fie conform cu evoluia fenomenului cercetat. Aceast adecvare se face avnd n vedere unele ipoteze privitoare la legea de desfurare a fenomenului respectiv, ct i pe baza studiului poziionrii irului de puncte observate Mi(xu yd n plan. Aceste observaii ne furnizeaz indicaii asupra trendului adic asupra tendinei de desfurare (de evoluie) a fenomenului cercetat. O alt problem ce se pune dup ce tipul modelului a fost ales, este aceea a procedeului matematic de determinare a parametrilor ,,... existeni n model, pe baza datelor observate, model care se scrie n general: Y=F(X, ,,.) ( 2 ) Procedeul matematic folosit este aa numita metod a celor mai mici ptrate care const n determinarea acelor valori ale parametrilor ,,... din funcia f(X, ,,...) astfel nct suma ptratelor diferenelor , = y, - y, ' s fie minim, adic
2

< 2 = 5 > - ) > - / ( * ,. a , / 3 . r ~ . ) ] = m inim . ( 3 ) i= l i= l i= l Se urmrete deci minimizarea sumei ^ , 2 ceea ce revine la gsirea acelor valori ale parametrilor ,,... adic a acelei dependene f(X) al crei grafic s treac cel mai aproape de punctele observate (x;.y); altfel spus, din familia de funcii f(X;,,..) de acelai tip ales, s determinm pe aceea care este cea mai concordant cu datele observate, adic cea care descrie cel mai veridic fenomenul
175

cercetat stabilindu-i trendul adic evoluia ulterioar cea mai probabil. Problema formulat n (3) este o problem de extrem al unei funcii de mai multe variabile. Aflarea valorilor parametrilor ,,... ai modelului f(X;,,...) care descrie legtura dintre mrimile variabile X i Ype baza observaiilor (x^yj poart numele de ajustarea datelor experimentale (x y ) dup curba de ecuaie Y =f(X;,,...). n cele ce urmeaz valorile numerice obinute pentru parametrii ,,... sau cum se mai spune estimaiile parametrilor ,,... le notm cu *,*,*... iar modelul ajustat (funcia f ajustat) se scrie: n continuare vom efectua ajustarea datelor experimentale pe diverse modele ca cel liniar, parabolic, polinomial etc. 1. Modelul liniar. S considerm modelul liniar de forma Y - a + , (4) a i fiind parametri reali ai modelului pe care i vom determina pe baza datelor experimentale ce constau n n perechi de valori observate (xuy i) prin metoda celor mai mici ptrate. Din condiia de minim a sumei
rt n
^

Y *= f(X ; *,*,*...).

S(a, ) * = ^ ' / = ! i=l


i=l

adic a sumei:

S(.a,) = ^ { y ,- ( a + xt)] . Punctele staionare sunt soluii ale sistemului de ecuaii:

da
sau

ds = 0 sau
W

[ - 2 5 > , - ( a + M =0 [ - 2 5 > i - ( a + /fc,)]=0 (5)

<+ = ^

> * .+ 4 - Sistemul (4) poart numele de sistemul ecuaiilor normale ale lui Gauss, necunoscutele fiind a i i care rezolvat ne d estimaiile *,*. Aplicnd formulele lui Cramer gsim:

a*=*

*.

; * >

* *= *

(6)

< 2
x,2 - ( ^ x , )2 0 pentru a fi asigurat

n care determinantul de la numitor


176

compatibilitatea sistemului. Punctul (*,*) este un punct de minim pentru funcia S(a,). ntr-adevr:

Dreapta de ajustare sau modelul ajustat va fi conform cu (4): Y*= a*+*X Obs.l Un caz simplificator este acela n care se opereaz astfel cu datele observate xt astfel nct ^ jc, = 0 . Sistemul (5) devine:

(7) Obs. 2. Sistemul (5) al ecuaiilor normale se poate obine i altfel, fr a mai pomi de fiecare dat de la minimizarea prin metoda celor mai mici ptrate. Vom aplica un procedeu mnemonic dup cum urmeaz: Scriem relaia yi=a+xi (8) care exprim ordonata punctului Pt de pe graficul de ecuaie y -f(X ) (flg. 1). Summ n (6), nmulim (6) cu xt i iari summ i obinem sistemul: = + = * ;+ 0 * '2 care este tocmai sistemul (4) al ecuaiilor normale. Menionm c aceast regul mnemonic o vom folosi n mod curent i la celelalte metode pe care le vom studia n continuare. Obs. 3. n problemele aplicative cnd cunoatem irul de observaii concrete (x^yj pentru aflarea coeficienilor sistemului (5) sau pentru aplicarea formulelor (6) organizm calculele ntr-un tabel ca cel de mai jos:
177

yt
(1 )
*1

xf (?) x\ x2 n \
(4)
*1*1

* y, =

x.

i=yi -y't e f= ( y ,- y ,Y
(6) (7)

(2)

(5)

y\ =*+ /3*,

-y\

el 2 =(?,-yj 1 \

*2

y2 yn

x2y2 xny

y2 = a + x2 ez=y2-y'i
e, =y* -y .

y =+*

n
1

n 1

Este clar c un tabel corespunztor de calcul se alctuiete pentru cazul oricrui model de ajustare cu modificrile ce se impun. Coloanele (5) - (7) din tabelul precedent figureaz pentru a putea calcula n
n

coloana (7) suma

Vi~yi)2 a ptratelor abaterilor valorilor ajustate i= l yi - a * + * x i de la valorile observate yh a crei mrime d indicii asupra calitii ajustrii, n sensul c ea trebuie s fie mic. Aceast sum prin comparaie cu cea obinut printr-o ajustare dup alt curb (alt model matematic) ne permite s optm asupra modelului cruia i corespunde valoarea cea mai mic a acestei sume. Exemplu: Studiind evoluia unui indicator economic, anual, timp de 7 ani sau gsit urmtoarele mrimi ale acestuia: (Xj) anii (yO indicatorii 1 3 2 4 3 6 4 6 5 8 6 9 7 10

S se ajusteze datele dup o dreapt i s se precizeze nivelul indicatorului pentru anul urmtor. Rezolvare: Pentru uurina calcu elor rc:scrien datei e sub j orma: (Aii) anii -3 -2 -1 0 1 2 3 4 6 6 8 10 (yi) indicatorii 3 9 Ecuaia dreptei de ajustare este: Y=a+X, parametrii a i fiind determinai din sistemul de ecuaii normale ale lui Gauss:

178

+ / 3 * ;= * / = 1 / = !
. 1=1 /=! =1

Aranjm calculele n tabelul urmtor:

hy>
-3 -2 -1 0 1 2 3
7

y,=a+fc
3,03 4,21 5,39 6,57 7,75 8,92 10,10 45,97 -0,03 -0,21 0,61 -0,57 0,25 0,08 -0,10 0,03

f - W 0,0009 0,0041 0,3721 0,3249 0,0625 0,0064 0,0001 0,7710

3 4 6 6 8 9 10
7

9 4 1 0 1 4 9
7 /I

-9 -8 -6 0 8 18 30

< ~
=0

*
/I

i> ? =

=46

28

33

Sistemul devine: 7a = 46 46 - 33* =>a = , = 28/? =33 7 28

_ . , . , . . 46 33 v Ecuaia dreptei de ajustare va fi: / = + X (1) 7 28 Nivelul indicatorului cercetat pentru anul urmtor se obine pentru X= 4 n ecuaia (1), deci 7 2. i anume:
+

28

4 =

= 1 ,,3 .

Modelul parabolic. Vom considera acum modelul parabolei de grad do

^++2 (9) cu parametri ,, i /reali. Pentru obinerea sistemului ecuaiilor normale vom folosi de asemenea metoda celor mai mici ptrate minimiznd suma S(a,,) = [y, -(.a + x'+yxf] .
i=l

179

^ *=-

>
2 ?
_,2

*? - *; = 1 / *1 Aplicnd regula mnemonic adoptat scriem yl - a + xi +yxf (13) pe

care o summ apoi nmulim succesiv (13) cu x, i x] i summ, obinem astfel sistemul (10) al ecuaiilor normale, ntr-adevr avem:

* =<+ ' +

*'^ = > +0 *<2+?


^ = a ' Z x + ^ ' L x + Pentru obinerea efectiv a soluiei sistemului simplificat (11) alctuim i n acest caz un tabel pentru organizarea calculelor:
Nr. 1 1

Xi 2 Xi

yi 3 yi

xf 4 xf

x-.yi 5 xiyi

6 x\ xi

xt 7 xt xt

y.

xn 2

x yn

<

? < * > >

181

xfyt
8

y; = a + -xi+ 5'x f 9 * * * 1 y x - a + p X|+d Xj

<= yi - y* 10 e, =y\-y\ 11 ,2 =G,i - y * ) 2

x\yn
2*y,

* * c ** 2 y n = a + + xn -

= ( - )2

?= ^ - > ( 7

Observaii. n aplicaiile concrete dup ce am obinut valorile sumelor din tabelul pentru organizarea calculelor le nlocuim n expresiile care dau valorile estimaiilor *, *, * adic n formule ca (6), (7) sau (12), sau n sistemele de ecuaii normale ca (5), (10) sau (11) obinnd sisteme numerice n necunoscutele , , pe care le rezolvm. o parabol datele dina jelui i rmtor Exemplu. S se ajuste ze dup> 2 3 -2 -1 0 1 -3 (*i) 5 2 4 5 7 6 3 (Vi) Rezolvare: Ecuaia parabolei de ajustare este: y = a + + 2, iar parametrii reali , , se determin din sistemul: + ^ , + y ^ x f ^ y ,
(=1 (=1 1=1

* ' + + = * * i= l (= 1 i=l (=1 7 7 7 7 <+^ <+ = yi


(=1 i=l =1 1= 1

Organizm calculele n tabelul urmtor: X1 x3 y. -3 6 9 -27 -2 4 -8 5 -1 3 1 -1 0 0 2 0 4 1 1 1 2 4 5 8 7 3 9 27 7 32 0 28 0

i= l

A 81 16 1 0 1 16 81 196

-18 -10 -3 0 4 10 y ' 21 4

x fy , 54 20 3 0 4 20 63 164

182

=* + *x,+Y*xf

I l ss 1 V*

* =(y, - y ' ) 2

6,27 4,29 3,1 2,9 3,43 4,86 7,1 31,95

-0,27 0,71

-, -,

-0,9 0,57 0,14 0,05

0,0729 0,5041 0,01 0,81 0,3249 0,0196 0,01 1,7515

Introducnd valorile calculate n sistemul de ecuaii obinem:

7a+ 28y
28+

28y

=32 |-(-4) =4 ^ =

196y =164 36

j - 2 8 a - 1 2 r = -.2 8 1 2 8 + W , =164 / 84y = 36

- - 7

S. = T

Ecuaia parabolei de ajustare va fi:

= 2 0 + + 1 2. 7 7 7

*/ 1 i.l
2 3 4 5

y xi

'_r , x . 1 0,25 0,11 0,06 0,04

yt *i
1 2 2,33 2 1,8

= a . o* +0
X i
1,88 5,46 6,75 7,4 7,79

yi-y\

h-yif
0,77 2,13 0,0625 0,36 1,36

1
4 7 8 9

1 0,5 0,33 0,25 0,20

-0,88 -1,46 0,25 0,6 1,21

15

29

2,28

1,46

9,13

29,28

-0,28

4,68

183

X . 1 = 2,283; 2 ^ 1 = 1,463; = 3 4 ,7 6 6 ; M */ /l Xi i=l Xi /I

=63

a 2,283 + b 1,463 = 34,766


5 + 62,283 = 63 / ( ) = 6,086 + 14,265

5 = 6,086 6 = 14,266:

Prognoza consumului de combustibil pe anul urmtor este: / (6 ) = 6 , 0 8 6 + 1 ^ = 8,463. 6

4 . Ajustai dup o dreapt datele:


*i 1 2 3 4 5 200 190 180 170 172

= -7,6 R: => b = 205,2 /(*) = - 7,6 *+205,2

x = 15 1= 1 =912 1= 1 x,y t = 2660 . (=i

5. Ajustai dup o dreapt datele de observaie: X i y\ -3 2 -2 5,10 -1 9 0 1 13,5 24,5 2 17 3 19

R: 5 = 2,15; 0 = 12,87 / ( ) = 2,15*+ 1,87.

187

6. Volumul vnzrilor pe primele cinci luni de zile ale anului la un articol de uz casnic (n milioane lei) e dat n tabelul de mai jos: Luna Volumul vnzrilor Ianuarie 8 Februarie 9 Martie 10 Aprilie 10,2 Mai 11

S se stabileasc funcia de ajustare a vnzrilor i s se stabileasc prognoza pe luna iulie a volumului vnzrilor.

R: f (x ) = x + b unde 5 = 0,22 i b = 8,03 /(*) = 0,22*+8,03 / ( 3) = 0,22-3+ 8,03 /(4) = 8,69 prognoza volumului vnzrilor pe luna iulie.
5

Se face o translaie a originii i ^ x , =0 / = t X i -2 8 -1 9 1 2 0 10 10,2 11

y\

188

CAPITOLUL IV ELEMENTE DE TEORIA PROBABILITILOR 1. Cmp de evenimente, cmp de probabilitate. 1. Concepte de baz Unul din conceptele de baz ale teoriei probabilitilor este noiunea de experien aleatoare prin care se nelege orice experiment cu rezultat ntmpltor, .adic rezultat influenat de factori ntmpltori (aleatori). Vom nota cu < fj>rice experien aleatoare. Rezultatul ntmpltor al unei experiene aleatoare/, se numete .rezultat posibil sau caz posibil sau nc eveniment elementar i l notm cu . . Mulimea tuturor rezultatelor posibile ale unei experiene aleatoare se numete spaiul cazurilor posibile sau spaiul evenimentelor elementare i-l notm cu < 32.
. A Y f i n u t a g -fiL

Exemple 1. Experiena aleatoare care const n aruncarea o singur dat a unei monede, conduce la spaiul: = {,} prin s i v nelegnd evenimentele elementare: al apariiei stemei, respectiv al apariiei valorii. 2. Experiena^" a aruncrii simultane a dou monede conduce la spaiul : = {m , sv, vj, vv} prin prin sv exemplu nelegnd cazul posibil al apariiei stemei la primul zar i al valprii la al doilea zar. 3. Experiena^" a aruncrii unui zar, conduce la spaiul : = 2, 3,>4, 5, 6} unde ,, = 1,6 reprezint evenimentul elementar (cazul posibil al apariiei feei cu i puncte. 14. Experienei aleatoare care const n aruncarea simultan a dou zaruri i se asociaz ca spaiu al evenimentelor elementare mulimea: = {(/, 1 < * < 6,1 < y < 6} i fiind numrul de puncte aprute la primul zar, iar j numrul de puncte aprute la al dilea zar. 5. Experiena aleatoare care const n alegerea la ntmplare a unui numr natural conduce la spaiul: = {1,2,3,...n,...}. 6. n sfrit,experienei aleatoare care const n alegerea Ia ntmplare a unui numr real pozitiv, i se asociaz spaiul care este un interval mrginit sau nu al axei reale: = (,)
189

Se observ c spaiul corespunztor fiecreia din primele patru experiene aleatoare este finit. n cazul experienei aleatoare de la exemplul 5, spaiul este infinit numrabil,iar spaiul de la exemplul 6 este infinit nenumrabil. Din cele de mai sus se remarc faptul c orice mulime poate fi considerat ca spaiul al cazurilor posibile (evenimentelor elementare) punnd n coresponden biunivoc elementele mulimii cu rezultatele posibile ale unei experiene aleatoare convenabil aleas. n cazul unei experiene aleatoare cu un numr finit n de cazuri posibile vom s c rir = {1, 2,..>}, unde , 6 este un eveniment elementar i = l,n. n cazul cnd este infinit numrabil cu o infinitate de cazuri posibile scriem: = {aj1,)2,<a3 e , = 1,2,... Observaii. Trebuie remarcat faptul important c orice experien aleatoare ^ se soldeaz cu un singur rezultat (caz) posibil i numai unul, altfel spus rezultatul unei experiene aleatoare este un singur eveniment elementar i numai unul al spaiului . In teoria probabilitilor se opereaz cu evenimente pe care le definim cu ajutorul evenimentelor elementare ale spaiului corespunztor unei experiene aleatoare Le numim evenimente compuse sau simplu evenimente. Prin eveniment compus nelegem orice situaie (enun) legat de experiena aleatoare , despre care n urma experienei aleatoare se poate spune c s-a realizat sau nu (c enun ul este corect sau fals). Exemple. 1 n exemplul 2 al experienei aleatoare creia i corespunde spaiul = {5s,5v,v5,vv}, situaia care const n faptul c rezultatul primei aruncri este identic cu rezultatul celei de a doua este evenimentul compus notat cu A = {, vv} adic evenimentul care se realizeaz fie cnd se realizeaz evenimentul elementar {ss}, fie cnd se realizeaz evenimentul elementar {vv}. Se vede c A = {ss, vv} este o parte (o submulime) a spaiului . 2 n exemplul 3 al experienei aruncrii cu zarul enunul: apariia unei fee cu un numr par de puncte reprezint evenimentul A = {2,>4, 6} care este de asemenea o parte a lui = ^olto)2,(03,4,5,6}. Prin urmare evenimentul A conform enunului, este mulimea cazurilor posibile pentru care enunul este corect adic: A = { e /enunul este corect}.
190

n general putem spune c un eveniment compus A legat de o experien aleatoare este o parte a lui i se scrie: unde evenimentele ( . ,<u(j ,..xoit care l realizeaz pe A (intr n componena lui A) se numesc evenimente favorabile lui A. Dac n urma experienei aleatoare se realizeaz evenimentul elementar favorabil lui A, aceasta nseamn c se realizeaz A. Evenimentele compuse legate de o experien aleatoare vor fi notate cu litere mari A,B,C... i le vom numi evenimente aleatoare sau pe scurt evenimente. ntregul spaiu al evenimentelor elementare va fi numit evenimentul sigur, deci n interpretarea ca eveniment, este evenimentul sigur i se noteaz i el tot cu . Evenimentului sigur i este favorabil orice eveniment elementar (orice caz posibil al experienei aleatoare/. Evenimentul cruia nu i este favorabil nici un eveniment elementar deci care este vid de evenimente elementare se numete eveniment imposibil i se noteaz ca i mulimea vid. Justificarea acestor denumiri i notaii este evident: evenimentul sigur are loc la orice realizare a experienei aleatoare iar cel imposibil nu are loc n nici o realizare a experimentului. 2. Relaii i operaii cu evenimente ntruct aa cum am artat evenimentele aleatoare sunt submulimi de evenimente elementare, adic mulimi, relaiile ct i operaiile cu evenimete sunt cele de la mulimi: incluziunea, reuniunea, intersecia, complementarea, diferena etc. Implicaia. Spunem c evenimentul A implic evenimentul B sau c B este implicat de A, dac B se realizeaz de fiecare dat cnd se realizeaz A i scriem: A c.B Altfel spus realizarea lui A atrage dup sine realizarea lui B. Mai spunem n accepia asamblist a evenimentelor c mulimea evenimentelor elementare favorabile lui A este inclus n mulimea evenimentelor elementare favorabile lui B. Avem evident pentru orice eveniment A: adic evenimentele A i B sunt egale sau echivalente. O proprietate pe care o au numai evenimentele elementare este aceea c un eveniment elementar nu este implicat de nici un alt eveniment. Vom intoduce acum cteva operaii cu evenimente prin intermediul crora se pot forma noi evenimente cu evenimentele date. Aceste operaii corespund construciei de enunuri complexe pe baza unor enunuri simple date, cu ajutorul operaiilor logice de disjuncie, conjuncie i negaie. Reuniunea. Fie A i B dou evenimente asociate aceluiai spaiu . Reuniunea evenimentelor A,B se noteaz A u B i reprezint evenimentul care const n
191

realizarea fie a lui A fie a lui B, astfel spus evenimentul care const n realizarea cel puin a unuia dintre evenimentele A,B. Evenimentul A u B se citete A sau B i este deci: 5 = { / Asaucoe }. Operaia de reuniune are proprietile: = , ( 0 ) = ( ) 0 ; = ; = ; A u A = A ,A u 5 = A dac B c A. Intersecia evenimentelor A,B este evenimentul notat A n B care const n realizarea simultan a evenimentelor A i B i este mulimea evenimentelor elementare favorabile i lui A i lui B. Intersecia A n B se citete A i B i deci A n B = {coeQ/coe A iiu e i?} . Intersecia A n B are proprietile: A n = f in A ,A n ( f in C ) = ( A n ) n C ;A n Q = ;A n O = ; A n A - , = A dac f i c A Evenimentele contrare (opuse). Fiecrui eveniment A i corespunde contrarul sau opusul su A notat i Ac a crei realizare const n ne realizarea lui A. Evenimentele A i A se zic evenimente contrare. Avem: Ac = A = {iue /Jg A}, mulimile de evenimente elementare favorabile fiecruia fiind coplementare fa de . Sunt variabile relaiile: (a c )f = A; A u Ac = ; A n Ac = , = ;. Dac A c B atunci Ac z>Bc\(Av B J = Ac n B c\{A n B j =Ac u B c. Evenimente compatibile i incompatibile. Dou evenimente A i B se numesc compatibile dac se pot realiza simultan adic dac exist evenimente elementare favorabile att lui A ct i lui B. Rezult c pentru dou evenimente A i B compatibile putem scrie . n cazul cnd evenimentele A i B nu se pot realiza simultan ele se numesc evenimente incompatibile astfel spus mulimile de evenimente elementare favorabile lui A respectiv lui B sunt disjuncte. Scriem pentru evenimentele A i B incompatibile = . n particular, dou evenimente contrare sunt incompatibile i avem A n A c = ; A u Ac = . Diferena A \ B a evenimentelor A,B este evenimentul a crui realizare const n realizarea lui A i nerealizarea lui B deci A\B = A n B c Dac B a A atunci A\B = A. Exemplu Dac considerm experiena aleatoare care const n aruncarea unui zar o singur dat, atunci const din numerele ntregi i, 1 < i < 6 i dac lum A = {i este par}, B = {i> 4} atunci:
192

A u B = {/este par sau i > 4}= {2,4,5,6}, A n B = {i este par i i > 4}= {4,6}, Ac = { / ' este impar}= {l,3,5}, Bc = {/< 4}= {1,2,3}, A \B = {2}. Rezult din cele de mai sus o reprezentare a evenimentelor i operaiilor n limbajul teoriei mulimilor ilustrat n tabelul urmtor: Nr 1 2 3 4 5 6 7 8 Limbajul evenimentelor Evenimentul sigur Evenimentul Imposibil Contrariul lui A A implic B A sua B A i B A,B incompatibile A,B compatibile Limbajul mulimilor Mulimea total Mulimea vid Complementara lui A A este coninut n B Reuniunea lui A i B Intersecia A i B A,B disjuncte A,B nedisjuncte Notaii A =Ac A cB A uB A nB A n B = *

Avnd n vedere dualitatea de limbaj ilustrat n tabelul de mai sus, vom exprima figurativ cu ajutorul diagramelor lui J.Wenn corespondenele din tabel.

Mai

general
n

reuniunea

evenimente

Ai,A2,...An

notat

u A j u ...u A n =i^jA este evenimentul care const n realizarea cel puin a H unuia dintre evenimentele Ai,A2,...A i const din acele evenimente elementare favorabile cel puin unuia dintre evenimentele Ai,A2,...An. n Avem: u A, = { 6 A,, sau e A2 sau...sau e A }. i= l Similar reuniunea unui ir infinit de evenimente Ai,A2,... notat
193

A, u 2 . . . = ^ , este evenimentul care const n realizarea cel puin a unuia l dintre evenimentele A i,A 2,... Deci: uA, ={<ye /tue A{ sau coe A2sau...}. De intersecia a n evenimente A 1,A2,...An notat n A, n A2 n ... n An = A , es*e evenimentul care const n realizarea simultan a i tuturor evenimentelor Ai,A 2,...An i i sunt favorabile evenimentele elementare favorabile i lui Ai i lui A2 i lui A, deci: QA;. = { Icoe. A1 i cue A2 $7... An}. Aceeai definiie rmne valabil pentru un ir infinit (A, )l de evenimente astfel c: Q A ={)e Icoe Aj i coe A2 i coe A3...}. n ceea ce privete compatibilitatea evenimentelor, spunem c evenimentele A|,A2,...A sunt incompatibile n ansamblul lor (n totalitate) dac sunt incompatibile dou cte dou adic At n A - = 0 , i j , i, j - 1, n. Aceeai definiie se extinde i la cazul unei infiniti numrabile de evenimente. Definiie. Un sistem de evenimente A],A2,...An incompatibile n totalitate se numete sistem complet de evenimente dac reuniunea lor este evenimentul sigur:
_
n
1=1

asemenea

Ai n A , = 0 i j , i, j = l,n , i u A, = . Cu alte cuvinte, nseamn c n experiena aleatoare cel puin unul dintre evenimentele incompatibile Ai,A2,...An se realizeaz cu certitudine. Definiie. Spunem c evenimentele Ai,A2,...A constituie o partiie a
S

____

evenimentului A, dac u A; = A i Ai r\ A = j, i, j = 1, s . i= l Rezult c un sistem complet de evenimente este o partiie a evenimentului sigur . n particular dou evenimente opuse formeaz un sistem complet de evenimente deoarece A n Ac = i = . Observaie. O legtur ntre operaiile de reuniune, intersecie i complementaritate cu evenimente, este dat de relaiile lui De Morgan dintre mulimi: f \C ( n \C u A f = r>A* i n A k = l k c ; k= 1 *= 1 4=1 k = \ y unde A i,A 2,...A sunt evenimente asociate unei experiene aleatoare/.

194

Exemple 1. Care este spaiul al evenimentelor n cazul experienei aleatoare care const n a scrie un numr de dou cifre distincte alese la ntmplare dintre cifrele 1,3,4,? Rezolvare. Spaiul = {13,14,31,34,41,43}, numrul evenimentelor elementare fiind

Al = 6 .
2. Experiena aleatoare: se extrag simultan i la ntmplare dou bile dintr-o urn cu 3 bile albe i 2 bile negre. Care este spaiul ? Rezolvare. Notm cu aba2,a3 bilele albe i cu nh n2 bilele negre. Evenimentele elementare ale experienei aleatoare sunt: extragerea bilelor a/ i a2 pe care o notm simbolic cu = { . . . } (aha2) i (a,,a3); ( ahn,); (a,,n2)\ (a2,n,)\ (.o2,n2); (a3,n,)\{a3n2)\ (n,,n2). Numrul cazurilor posibile este C\ =10. 3. Dintr-o urn cu 3 bile albe i 2 bile negre se extrag la ntmplare dou bile. a) Se consider evenimentele: A) - obinerea a dou bile negre; A 2 - obinerea cel puin a unei bile albe; A 3 - obinerea unei singure bile albe; A4 - obinerea unei singure bile negre; A 5 - obinerea o dou bile roii. Folosind definiiile precizai pentru fiecare eveniment dac este aleator, sigur, imposibil, elementar sau compus. b) S se regseasc rezultatele de la punctul a) folosind mulimile de evenimente elementare. Rezolvare, a) 1, 2, 3,4 sunt evenimente aleatoare deoarece la o efectuare a experienei (o extragere) oricare dintre ele se poate sau nu se poate realiza. De exemplu, dac rezultatul experienei este (/,2), Ai nu s-a realizat, dar dac rezultatul experienei este (nhn2), Ai s-a realizat, unde am notat bilele ca n problema precedent. Evenimentul A 5 este imposibil, Ai este elementar deoarece se realizeaz numai prin rezultatul ( tii,n2). 2 este eveniment compus deoarece se realizeaz prin mai multe rezultate posibile: ( a,,a2); (a2,a3); (a2,n2) etc. A 3, A4 sunt evenimente compuse; A5nu este nici elementar nici compus. b) Avem A{ = {(n,,n2)} eveniment aleator elementar. A2 = {{^,a2\(al,a3),(a,,nl ),(al ,n2),(a2,a3),(a2,nl),(a2,n2), (a2, n2), (a 3,nl),(a3, n2)}eveniment aleator compus A3 = {(al,nl),(al ,n2),(a2,nl),(a2,n2),(a3,nl),(a3,n2)} eveniment aleator compus.
195

= {(.0) .( . 2 )-(> 3)-( 2( 2> 2 )-( 2 3)} eveniment aleator compus. 4. Se consider evenimentele Ai,A2,A3,A 4 din problema precedent. S se precizeze perechile de evenimente egale, perechile de evenimente compatibile, incompatibile, contrare, perechile de evenimente la care primul implic pe al doilea. Rezolvare. A3 =A4 deoarece obinerea unei singure bile albe (realizarea lui A3) implic obinerea unei singure bile negre (realizarea lui A4) i reciproc. Sunt compatibile perechile de evenimente (A2,A3); (A2,A4); (A3,A4) deoarece se pot realiza simultan. Sunt incompatibile perechile (A/,A2), (Aj,A3), (Aj,A4) deoarece (respectiv) nu se pot realiza simultan. Sunt contrare Aj i A2 deoarece obinerea a dou bile negre (realizarea lui Aj) face imposibil obinerea cel puin a unei bile albe (realizarea lui 2) i reciproc. Relaiile A3 c A4 i A4 c A3 sunt imediate. Relaia A3 c A2 rezult din incluziunea dintre mulimile de evenimente elementare ataate. 5. Se controleaz calitatea a cinci produse. Fie A evenimentul ca cel puin unul dintre produse s fie defect i B evenimentul ca cel mult dou din produse s fie defecte. Ce nseamn evenimentul A i B ? Rezolvare: A este evenimentul ca toate produsele controlate s fie bune, iar B este evenimentul ca cel puin trei produse s fie defecte. 6. Din irul primelor 100 numere naturale se alege la ntmplare un numr. Fie A evenimentul ca numrul ales s nceap cu cifra 1; B evenimentul ca numrul ales s se termine cu cifra 2. Ce nseamn A\B? Rezolvare. Avem A\B= A n B d eci numrul natural ales trebuie s se termine cu orice cifr diferit de 2. 7. Din irul primelor 2000 de numere naturale se alege la ntmplare un numr. Fie A evenimentul ca numrul ales s fie divizibil cu 2; B evenimentul ca numrul ales s fie divizibil cu 3 ;C evenimentul ca numrul ales s se termine cu cifra 0. Ce reprezint evenimentele: a ) C n { A u B \ b) ( A n f i ) u C, c) (A n b ) kj ( a n C ) ? Rezolvare', a) Numrul natural ales trebuie s se termine cu zero i s se divid prin 2 sau prin 3 sau prin 6. b) Numrul natural ales trebuie s se divid prin 6 sau s se termine cu 0. c) Numrul ales trebuie s se divid prin 6 (se realizeaz n acest caz A n B ; sau s se termine cu 0 se realizeaz n acest caz A n C ; sau s se divid cu 6 i s se termine cu 0.
196

Se observ ns c ntr-o clas foarte larg i important de cazuri repetnduse o anumit experien de un numr mare de ori, frecvena apariiei evenimentului A maifest o anumit stabilitate adic ea difer rareori n mod esenial de un anumit numr pozitiv constant. Un exemplu cunoscut i adesea citat n literatura de specialitate n care stabilirea frecvenelor poate fi intuit este urmtorul: s considerm experiena aruncrii unei monede, aproape omogen, n urma creia se pot produce dou evenimente A apariia stemei i A apariia banului i ne fixm atenia asupra apariiei stemei (evenimentul A). S repetm de n ori experiena i fie m numrul de apariii efective ale stemei. Frecvena experimentul lui A este conform definiiei n Doi cercettori de seam din istoria probabilitilor Buffon i Pearson, au ajuns dup efectuarea unui numr mare de astfel de experiene la urmtoarele rezultate:
Numrul de probe

Buffon Pearson Pearson

n 4 040 12 000 24 000

Numrul de apariii m

Frecvena relativ

fM)
0,5080 0,5016 0,5005

2 048 6 019 12012

Tabelul de mai sus arat c n msur ce n crete, frecvena relativ a evenimentului A oscileaz n ju rai mrimii V2-0,5. Se presupune c odat cu creterea lui n ea se apropie tot mai mult de V2 adic devine stabil. Deci ntr-un numr mare de experiene, evenimentul aleator A apare aproximativ n 50% din cazuri adic msura ansei de realizare a evenimentului A este egal cu . Considernd acum experiena aruncrii unui zar omogen, fie A evenimentul apariiei feei cu ase puncte de exemplu, asupra cruia ne ndreptm atenia. Dac vom repeta aceast experien de un numr mare de ori se poate deduce c, frecvena relativ a evenimentului A oscileaz n jurul mrimii Vg=0,1666 aa cum rezult din tabelul : Numrul de aruncri n 50 100 500 1000 5000 Numrul de apariii ale evenimentului A m 5 13 88 159 822 Frecvana relativ

fM)
0.1000 0.1300 0.1760 0.1590 0.1666

198

Un rezultat analog se poate obine dac ne referim la oricare din celelalte cinci fee care apar la aruncarea zarului. Cele descrise n exemplele precedente ne conduc la concluzia c n general n cazul linei experiene repetate avnd drept rezultat un eveniment oarecare A, exist o mrime constant n jurul creia oscileaz frecvenele relative ale evenimentului A i de care se apropie din ce n ce mai mult odat cu creterea numrului n al probelor. Aceast constant pe care o notm cu () i care reprezint estimaia cantitativ a posibiliilor apariiei evenimentului A, adic msoar ansa de realizare a evenimentului, se numete probabilitatea evenimentului A. Probabilitatea evenimentului A este o caracteristic intrinsec a sa n timp ce frecvena sa n diversele serii de experiene concrete este numai o manifestare ntmpltoare a acestei caracteristici constante, care exprim o legtur bine determinat deci specific dintre condiiile n care are loc experiena de mas i evenimentul aleator A. Probabilitatea P(A) reflect structura obiectiv a experienei nsi n care se observ evenimentul A. Valoarea ei este strns legat de condiiile experienei de mas i se modific ndat ce se modific aceste condiii. Ca valoare numeric aproximativ a probabilitilor (), poate fi luat frecvena f n(A) obinut dup un numr mare n de experiene efectuate n aceleai condiii. Precizia unei astfel de msurri empirice a probabilitii crete odat cu numrul experienelor. 4. Definiia axiomatic i clasic a probabilitii Din punct de vedere filosofic, probabilitatea unui eveniment aleator este o msur a gradului de posibilitate a acelui eveniment, grad de posibilitate care merge de la valoarea 0 (pentru evenimentul imposibil) pn la valoarea 1 (pentru evenimentul sigur). Pentru un eveniment aleator A, 0 c A c , probabilitatea lui A aa cum am artat n paragraful precedent va trebui s reflecte stabilitatea asimptotic a frecvenei relative a lui A ntr-un numr arbitrar de mare de repetri independente ale experimentului cruia A i este asociat. innd seama de proprietatea 3 a frecvenei relative f n{A) , rezult c probabilitatea evenimentului A u B trebuie s fie egal cu suma probabilitilor lui A i a lui B. Prin urmare, probabilitatea va trebui s posede o proprietate de aditivitate pentru evenimente incompatibile. Aceste considerente nematematice au influenat definirea conceptului matematic de probabilitate. S considerm mai nti cazul n care spaiul evenimentelor elementare este finit sau numrabil infinit. n acest caz vom considera ca evenimente asociate lui toate submulimile lui . S notm clasa acestor submulimi (pri) cu fi (). Observm ( ) satisface n mod banal urmtoarele proprieti: (kj) ()
199

( k2) A i,A2,...g fi () implic u A, e fi () il (j) A e fi () implic Ace fi(Q ) n acest caz mulimea prilor fi () ale lui care este mulimea tuturor evenimentelor legate de un experiment aleator asociat spaiului i .care satisface condiiile ki)-k 2 ) se numete cmp de evenimente asociat spaiului i se noteaz prin dubletul ( ^ ()). Proprietile ki)-k3) se numesc axiomele cmpului de evenimente. Exemplu de cmp de evenimente. Se consider experiena aleatoare de extragere a unei bile dintr-o urn care conine patru bile albe numerotate 1, 2, 3, 4 i o bil neagr numerotat cu 5. a) S se scrie cmpul de evenimente ataat acestei experiene. b) Cte evenimente sunt n cmp. c) S se scrie evenimentele elementare. d) S se scrie implicaiile dintre evenimente. Rezolvare. a) Cmpul este {, }= {, {k}, {/, {/, j,k},{i,j,k,l},{i,j,k,l ,m}} unde i,j,k,l,m iau independent valorile de la 1 la 5 dar cu restricia c n cadrul unei grupe toi indicii s tie diferii, iar dou grupe cu acelai numr de indici s difere prin cel puin un indice. Am notat cu {k\ extragerea bilei cu numrul k; evenimen tele de forma {i,j},{i,j,k},^,j,k,l} arat c am extras sau bila i sau bila j (i*j) etc. iar [i,j,k,l,m }= reprezint evenimentul sigur. b) Cmpul de evenimente se compune din: 1 + Cj + Cj + C5 + C 5 + C| = (l + 1)5 = 2 5 evenimente c) Evenimentele elementare sunt: {1}.{2},{3},{4},{5} d) {l}c {l,2},{l}c {1,3},{l}c {1,4},{l}c {1,5},{l}c {1,2,3},... {2} c {1,2}, {2}c {2,3},{2}c {2,4},{2}c {2,5} {l,2}c {1,2,3}.. {l,2,3,4}c {l,2 ,3,4,5} iar evenimentul imposibil 0 implic oricare eveniment. Prin probabilitate pe f i () vom nelege o funcie P care asociaz fiecrui eveniment A e f i (), un numr P(A) care satisface condiiile: (Pl)P (A )> 0, (V )A efi(Q ) ( () =7

200

(Pi) p (u Af )= P(Aj) oricare ar fi evenimentele iii A,,A2... f i () incompatibile n ansamblul lor. Cele trei condiii de mai sus pe care le satisface probabilitatea unui eveniment A se numesc axiomele probabilitii. Ultima relaie (p3) ne arat c probabilitatea P este complet aditiv. S observm c din proprietatea de aditivi tate complet rezult mai nti lund At = 0 , / 1 c P ( 0 ) adic probabili tatea evenimentului imposibil 0 este egal cu zero, apoi At = 0 , i > n rezult c: \ n , = P ( A , ) , oricare ar fi evenimentele Ai,A 2, A incompatibile n ) i= i ansamblul lor. Ultima relaie ne arat c probabilitatea P este i finit aditiv. Tripletul (, <(), P) se numete cmp de probabilitate ataat unui eveniment aleator cruia i este asociat spaiul finit sau infinit numrabil. O probabilitate P pe <() poate fi construit dup cum urmeaz. Fie p(i) numere nenegative de sum 1 puse n coresponden biunivoc cu evenimentele elementare , ale lui . Definim ( ,) = p(i) i pentru un eveniment Ae f i () punem:
P(A) = 5 > ( o
(ilaifiA)

Se vede imediat c P este ntr-adevr o probabilitate n sensul definiiei date mai nainte. Reciproc, orice probabilitate P pe () poate fi construit ca mai sus lund p(i)-P(a>) . n cazul particular cnd = {,,)2,...,)} lund p(i) = P(coi) = i n scriind A = u j,2 u ...u c o im unde ncoik = j k i 1< i,< i2<..< im < n, probabiltatea lui A va fi P(A) = P(coi{)+ p(), )+... + P ( w J = - + - + ...+ - = 1 2 " ^ T n J
dem ori

Rezult c n cazul finit, probabilitatea oricrui eveniment A este: n, n _ nr.even.elementare din A _ nr. cazurilor favorabile lui A r\A) nr.total de ev. elementare nr. tuturor cazurilor egal posibile Aceasta este aa numita definiie clasic a probabiltilor care dup cum vedem este aplicabil n condiii deosebit de restrictive. Cazul particular considerat poate fi materializat printr-o urn coninnd n bile care difer ntre ele numai prin culoare. Este natural atunci s presupunem c probabilitatea extragerii oricreia dintre ele este . Dac n urn avem nt bile de n
201

culoarea i, 1 < /< r, ^ n , = n atunci probabilitatea extragerii unei bile de culoarea i


i '= l

va fi egal cu . S observm c att experimentul aruncrii monedei ct i cel al n aruncrii zarului sunt cazuri particulare ale evenimentului extragerii unei bile dintro urn de tipul celei descrise. n primul caz n=2, ni=n2~l culorile 1 i 2 corespund stemei, respectiv valorii. n cel de al doilea caz, n-6, n!z =n2=n3 =n4=ns=n6=l, culorile 1,2,3,4,5,6 corespund celor ase fee ale zarului. n cazul n care este o mulime infinit nenumrabil nu este ntotdeauna posibil s lum ca evenimente asociate lui toate prile sale, ntruct se poate ntmpla s nu existe nici o probabilitate pe (). Ieirea din aceast dificultate se bazeaz pe suprimarea calitii de eveniment unor submulimi ale lui . Vom considera c evenimente numai elementale unei clase K de submulimi ale lui care satisface (1), (2), (3) n care ()&$\. nlocuit cu K (evident aceste condiii nu vor mai fi acum satisfcute n mod banal). Vom avea deci: ,) e K (kz) A i,A2,... e K implic u A ^ K > 1 (k3 ) A eK implic Ac K i n acest caz, clasa K de pri ale lui care satisface condiiile k|) - k3) se numete cmp de evenimente asociat spaiului infinit nenumrabil i se noteaz cu dubletul (,). Proprietile (k)-(k3) se numesc axiomele cmpului de evenimente. O probabilitate pe K va fi prin analogie cu cazul infinit numrabil sau c cazul finit, o funcie P:K >R care asociaz fiecrui eveniment A e K, un numr P(A) ce satisface condiiile: (pi) P(A) > 0 (V) A e K (P2) () =7 ( v ) 4 , 2...e * fl incompatibile ntre ele. Alegerea cmpului K este o problem care se rezolv de la caz la caz n funcie de specificul experimentului i de posibilitatea de a defini o probabilitate pe K. S observm c c=<PeK i dac AhA2,...e K, atunci A,c,A |,...e K , deci u A f e K . Una din regulile lui Morgan implic apoi c n A( = |u A fJ K . Aceste observaii erau evident banale n cazul K= P (). Se poate arta c n cazul general K* () aditivitatea complet a probabilitii P implic aditivitatea finit. Tripletul (,,) se numete cmp de probabilitate i st la baza
202

(Pi)

construciei teoriei probabilitilor. Observaii. Am vzut c orice evenimente mpreun cu probabilitile lor, cu care operm n diverse probleme au la baz un cmp de evenimente (,) respectiv un cmp de probabilitate (,,), cmpuri pe care nu le mai menionm de fiecare dat, ele fiind subnelese.

5. P robabiliti geometrice. S preusupunem c am dispune de un procede prin care putem alege la ntmplare un punct din intervalul [a,b] al axei numerelor reale. n plus vom presupune c acest procedeu ne asigur c nu exist poriuni privilegiate ale intervalului [a,b] nelegnd prin aceasta c oricare ar fi dou subintervale de aceeai lungime este la fel de probabil ca punctul s cad ntr-unul din subintervale ca i n cellelt. Deci dac am folosi de mai multe ori procedeul pentru a alege un numr mare de puncte, acestea vor fi distribuite aproximativ uniform n intervalul [a,b), adic nu vor exista puncte din [a,b] n vecintatea crora punctul ales s cad sistematic mai des dect n vecintatea altora. Din cele spuse reiese c probabilitatea ca punctul ales s cad ntr-un subinterval al lui [a,b] dinainte ales, depinde de lungimea acestui subinterval nu i de poziia sa n interiorul intervalului [a,b]. Aceast afirmaie ne conduce pe baza proprietilor enunate mai nainte la concluzia c probabilitatea ca punctul ales s cad ntr-un anumit subinterval este proporional cu lungimea intervalului. Se poate observa analogia cu definiia clasic a probabilitii n sensul c dac considerm evenimentul A care const n faptul c punctul ales cade n intervalul [ c,d] unde [c,d](z[a,b], mulimea punctelor intervalului [a,6] reprezint mulimea cazurilor posibile (i avem motive s le considerm egal posibile) ale experienei, iar mulimea punctelor intervalului [c,d],mulimea cazurilor favorabile evenimentului A. Este deci natural s lum probabilitatea acestui eveniment egal cu raportul dintre lungimile celor dou intervale: P(A) =~~~~ b -a n particular, probabilitatea ca punctul ales s coincid cu un anumit punct dinainte stabilit este zero, deoarece este natural s considerm c este vorba de un eveniment cu un caz favorabil dintr-o infinitate de cazuri posibile. Aceast observaie ne permite s nu inem seama cnd lucrm cu probabiliti geometrice, dac intervalele sau subintervalele care intervin sunt nchise sau deschise. n plus ntrezrim posibilitatea teoretic ca un eveniment s aib probabilitatea nul fr s poat fi considerat imposibil. d ~~c De fapt afirmaia P(A) = ------ rezult imediat din proportionalitatea b -a probabiltii evenimentului A cu lungimea intervalului [c,d] dac inem cont de proprietile probabilitii. Tot din aceste proprieti rezult c dac A este un interval sau o reuniune finit de subintervale disjuncte ale lui [a,b\ i 1(A) este suma
203

lungimilor acestor subintervale atunci probabilitatea ca punctul ales s cad n A

este raportul . b -a n mod analog dac se ia la ntmplare un punct dintr-un domeniu plan D astfel nct s nu existe poriuni privilegiate, atunci probabilitatea ca punctul s cad n subdomeniul D 'cD este egal cu raportul ar* a^~. ariaD

La fel n spaiul cu trei dimensiuni probabilitatea geometric se exprim ca raportul a dou volume. Aplicaie. Pe un plan sunt trasate drepte paralele, distana dintre dou drepte consecutive fiind 2a. Se arunc la ntmplare un ac de lungime 2l<2a. Care este probabilitatea ca acul s taie una din dreptele reelei? Rezolvare. Vom determina poziia acului prin distana d de la mijlocul su M la cea mai apropiat dintre dreptele reelei i prin unghiul a pe care-1 face acul cu aceast dreapt fig .l, d i a iau valori la ntmplare pe intervale respectiv de [O.a]; ae[0,n]. Poziia acului fiind determinat de dou numere, poate fi reprezentat printr-un punct din plan.

204

Dac lum un sistem de axe a Od se observ c a lua la ntmplare un punct n [0,a] i independent un punct din [,] nseamn a lua la ntmplare un punct din dreptunghiul D (fig.2). Deci mulimea poziiilor posibile ale acului este reprezentat de mulimea punctelor domeniului D.

Fig. 2

Fig. 3

Din fig. 2 reiese c acul va tia una din dreptele paralele dac MP<MQ adic 0 < d < ls in a (l). Graficul funciei d = Isina este cel din Fig. 3 Se vede c inegalitatea (1) este satisfcut n domeniul D ' haurat. Mulimea punctelor domeniului D' n care este verificat (1) reprezint mulimea cazurilor favorabile. Probabilitatea cutat este: j, _ aria D' ariaD Dar aria D = an iar pentru aria D avem: n aria D'= J Lsinadx = /(-cosa)|* = 21 ; o Deci: P = , an Se vede c P depinde de a i / i efectund un numr mare de n aruncri putem estima probabilitatea P cu ajutorul frecvenei relative/, a evenimentului ca acul s taie una din dreptele reelei. Presupunnd c n n aruncri ale acului s-au produs m astfel de intersecii, putem scrie egalitatea aproximativ: m 21 , , 21n = , de unde n ------ , n an ma relaie prin care pentru n suficient de mare s-au obinut pe cale experimental aproximri bune
205

ale numrului

. Astfel dac lum

/ = nseamn c 2

P = adic n

> ~ . S-au fcut astfel de experiene: de exemplu o persoan aruncnd n m de n -5000 ori un ac de 36 mm pe o suprafa haurat cu drepte paralele la distana de 45 mm una de alta, a realizat intersecia de m=2532 de ori. De aici a dedus =3,159. 6. Proprieti ale probabiliii. Urmtoarele proprieti ale probabilitii decurg din axiomele probabilitii i sunt valabile att pentru cmpurile finite ct i pentru cmpuri infinite de probabilitate, prin urmare ele pot fi demonstrate folosind i definiia clasic a probabiliii, lucru ce-I lsm pe seama cititorului. Avem: 1. Dac Au A2,-,A n e K sunt incompatibile dou cte dou, atunci

Pentru demonstraie scriem: A, u A 2 U ...U An = A, u A2 u Aj U ...U A , ... i aplicnd (p2) adic proprietatea de aditivitate complet,rezult proprietatea de aditivitate finit de mai sus. n particular pentru o partiie A,,A2,...A a evenimentului sigur (sistem complet de evenimente) avem / P UA,. ] = ( ) = 5 > ( 4 ) = 1 > , - , i * j ;=i I
i- l

2. Dac A .B eK i BcA=*P(A\B)=P(A)-P(B) unde A\B = A n B c. Avem evident A\Be K i A = Bu(A\B) iar B i A\B sunt incompatibile. Avem conform cu 1. P{A) = P(B) + P(A\ B) sau P(A \B) = P(A) - P(B ). 3. Dac, A, B e K, B c A > P(B) < P(A) (proprietatea de monotonie a probabilitii). ntr-adevr B c A >P(A) - P(B) =P(A \B) >0 conform cu (p,) i 2. 4. Pentru orice AeK, P(AC )=1-P(A); ()=0 avem i n acest caz A u Ac ~.,\ = deci P(A) +P(AC) = () = 1 conform cu 1. Deci P(AC ) = 1- P (A ). Apoi () = ( ') = 1 - ( ) = 0. 5. Pentru orice AeK, 0<P(A)<1. ntr-adevr =$()< <()<() conform cu 3. Rezulta 0<P(A)<1 conform cu 4 i 3. 6 .A ,B e K=>P(A\B) =P(A)-P(A B) Avem A \ = A \ (A n ) i A n f i c A , deci (conform P( A \) = p [a \ B{ A n 5 )] = P( A) - ( A n B).
206

cu

2.),

7. A, B e K, P (A u ) = P(A) + P(P) - P( A P) Pentru demonstraie avem A u B = B v(A \B ) iar B i A\B sunt incompatibile. Conform cu 1. scriem: P( A u P) = p [b < u (A\B)]= P(B) +P(A\B) i innd cont de 6, deducem: P( A u B) = P( A) + P(B) - P( A n B) n continuare vom da far demonstraie unele proprieti n care intervin iruri de evenimente i probabilitile acestora, proprieti ce sunt consecine ale aditivitii complete a probabilitii. 8. Pentru orice ir descendent de evenimente A p A p . . . avem p|QAj=Umi-(A,) 9. Pentru orice ir ascendent A, c A2 c ... de evenimente avem: P (u A , J= lim P(An) i> l Proprietile 8. i 9. poart numele de proprieti de continuitate ale probabilitii pe cmpul ( ,,). Exemple 1. Dintr-o urn n care se afl 35 de bile de aceeai mrime numerotate. Se extrage la ntmplare o bil. Care este probabilitatea ca numrul astfel obinut s fie divizibil cu 3 ? Rezolvare. Fie (,) cmpul finit de evenimente ataat experienei, unde: = {1,2,...35} n acest cmp evenimentele elementare {l},{2},...,{35} sunt echiprobabile. Fie A evenimentul c numrul extras din urn e divizibil cu 3. Atunci P(A) se poate calcula cu definiia clasic: P(A) = - , n unde n=30 i m =

35 = 11 i deci P(A) = -^ 3 2. Din mulimea {l,2, . n e N , se alege la ntmplare un numr. Car este probabilitatea ca numrul ales s fie divizibil cu k,ke N,k < n ? Rezolvare. Fie (,) cmpul finit de evenimente ataat experienei, unde: = {,2,...,/}, i evenimentele elementare {l}{2},...,{n} sunt echiprobabile. Fie A evenimentul ca n\k. Atunci P(A) se poate calcula cu definiia clasic: n P(A) =

n 3. ntr-o urn se afl bile numerotate de la 1 la 10. Se extrag la ntmplar toate bilele. Care este probabilitatea ca primele dou numere extrase s fie n 207

ordinea natural? Rezolvare. Fie A evenimentul a crui probabilitate se cere. Numrul cazurilor egal posibile este 10!, iar numrul cazurilor favorabile este (10-1)!=9!. Rezult:

4. Dintr-o urn cu 15 bile identice numerotate de la 1 la 15 se extrage la ntmplare o bil. Se cere probabilitatea ca numrul nscris pe bil s fie a) un numr prim. b) un numr par. c) un numr divizibil cu 3. Rezolvare. Numrul cazurilor posibile pentru fiecare punct din problem este acelai i anume 15. Cazurile favorabile pentru fiecare punct n parte sunt: 6 2 a) cazuri favorabile 6: numerele 2,3,5,7,11,13, deci P = = 7 b) cazuri favorabile 7: numerele 2,4,6,8,10,12,14, deci P = c) cazuri favorabile 5: numerele 3,6,9,12,15, deci P = = 15 3 5. Zece bile numerotate de la 1 la 10 se aeaz la ntmplare una dup alta ntr-un ir. Care este probabilitatea ca dup bila numerotat 5, s urmeze bila numerotat cu 6. Rezolvare. Cazurile posibile sunt n numr de P,0-lO ! iar cazuri favorabile 9-8! 1 9-8! Prin urmare P ------- = . 10! 10 6. Se arunc dou zaruri de n ori. Se cere probabilitatea ca dubla ase s apar cel puin o dat. Rezolvare. S calculm probabilitatea evenimentului contrar adic s nu apar nici o dat dubla ase. Cazuri posibile: (36)n, ntr-adevr la fiecare aruncare a dou zaruri sunt 36 de cazuri posibile deoarece fiecare din cele 6 fee ale primului zar se pot combina cu oricare din cele 6 fee ale celui de al doilea zar, deci n total 6 6 = 36. n n aruncri ale celor dou zaruri sunt posibile (36)" cazuri diferite. Cazuri favorabile: (35)". n adevr la fiecare aruncare a celor dou zaruri sunt 35 cazuri favorabile (din cele 36 cazuri posibile trebuie s eliminm cazul cnd la ambele zaruri apare 6 iar la n aruncri sunt (35)" cazuri favorabile.

7. S se arate c evenimentele A ,A n B ,A u B formeaz un sistem complet de evenimente. Rezolvare. S artm mai nti c evenimentele date sunt dou cte dou
208

incompatibile. Pentru aceasta observm c A u B = A n B i cum = rezult imediat c ( )= , ( )= i ( n ) n ( A u ) = . Apoi reuniunea evenimentelor trebuie s fac . Avem:

A u (n )u

A u (n )u ( )=

jU jn A^ u b ))^ u L4 nB {/ = u A ) )= = = | A u A ju ( A n | n [( A u ) u ( n jj= Q

Deci P(A) + P (A n 5 ) + P( u ) = 1 7. Probabilitatea condiionat. Regula de nmulire i regula de adunare probabilitilor. a) Fie (,,) un cmp de probabilitate i B e K, P(B)>0. Pentru orice A e definim: Pb(A) = P(AIB) = ~ F>{A- B) P(B) aplicaie numit probabilitatea evenimentului A condiionat de realizarea evenimentului B. Pentru ca definiia s aib sens, trebuie s artm c probabilitatea condiionat P(A/ ) verific cele trei axiome ale probabilitii. ntruct P (A nB ) i P(B) satisfac axioma (pt), rezult i P(A/B)> 0 . Pentru axioma (p2), facem = i avem: P(B) P(B) Pentru verificarea axiomei (p3), s considerm evenimentele A/ i A2 incompatibile i s demonstrm c Pi A, u A2/B)= P(A, IB)+ p (a 2 /B) P(A u A .'B) n A . u A j n g J ^ P K A n ^ u A .n f i) ] ; V1 2 P{B) P(B) Dar 1 2 = d e c i^ , n ) n ( A 2 n )= (A , n A 2) n B = 0 Axn B i A2 n B sunt incompatibile deci: [{ ) { 2 )]=( nB )+ P{A 2 nB), P(A, u At I B )- P(A' = p f a , B)+ P(A2 /B) adic

Observaie. Dup definiia (1) putem scrie: P(B n A ) P(A) i deducem: P(A n ) = P(B) P(AIB) = P(A) P(B /A) Relaia (1) care definete probabilitatea condiionat i pe care am justificato cu ajutorul axiomelor probabilitii poate fi obinut i prin intermediul definiiei
209
p {b /a )=

clasice a probabilitii. S presupunem c din cele n cazuri posibile ale unei experiene aleatoare, m cazuri sunt favorabile evenimentului A, p cazuri sunt favorabile lui B, q cazuri sunt favorabile lui A n B . Din cele m cazuri favorabile lui A, q sunt favorabile lui B sau ceea ce este tot una, din cele p cazuri favorabile lui B, q sunt favorabile i lui A. Avem: P(A) = \P(B) = Z -,P (A n B )= l

n ipoteza c A s-a realizat, rmn m cazuri posibile, din acestea q sunt favorabile lui B deci P{B) = S - . Avem evident: m = sau p (a /B)= - ^ ~ ~ ~ adic definiia (1), p P _ P(B) n i de asemenea din egalitatea: -2- = -^- deducem p {b /A) = , m m v ' P(A) n b) Independena. Dou evenimente A i B se numesc independente, dac P(a ) = P(A) P(B) Mai general, s considerm A/,A2,...A (n>2) evenimente din K. Spunem c evenimentele Au i-l,2,...n sunt dou cte dou sau mutual independente dac p(a, n Aj )= P(A; ) P(Aj ) oricare ar fi irf, i,j=l,2,...,n. Evenimentele A ,, i=l,2,...,n se numesc independente, dac pentru orice ir de indici 1 <i/< i2 <...<in< (1 <k <n) are loc egalitatea: ( k \ * n A J= 1 's j=l
210

Observaie. Dac Ai,A2,...An sunt independente atunci sunt i dou cte dou independente, reciproc ns, nu. Vom demonstra c reciproca nu este adevrat prin contraexemplul dat de S. Bernstein. ntr-o urn se afl patru bile identice numerotate cu numerele 1,2,3,4. Experiena aleatoare const n extragerea la ntmplare a unei bile. Fie A ev. apariiei bilei numerotate cu 1 sau cu 2 Fie B ev. apariiei bilei numerotate cu 1 sau cu 3 Fie C ev. apariiei bilei numerotate cu 1 sau cu 4. Avem: P(A) = P(B) = P(C ) = 1 + 1 = 1 4 4 2 P( A n B ) = P( A n C ) = P(B n C) = ~ ^ = - deoarece A,B,C sunt independente dou cte dou. Deoarece ns
p (A n n C

) = P (l) = * P(A) P(B) P(C) = ^ evenimentele A,B,C nu sunt

independente n ansamblul lor. DacA/,A2,...,A sunt evenimente independente, are loc: ( \ n A : = (1)( 2)... ( ),
i=1

formul cunoscut sub denumirea de regula de nmulire a probabilitilor pentru evenimente independente. Relaia P(A n )= P(A) P(BI A) se poate extinde la cazul a n evenimente A;,A2,...,A i anume:
f n-l
.

-1

P(A2 /A, ) P(A3 /A, n A3 )... P A/n A, n A, = P( A, ) " i-l 1=1 Vom demonstra relaia precedent prin inducie. Pentru n=2 relaia rezult din definiia probabilitii condiionate. Presupunem relaia adevrat pentru - 1 evenimente adic:
Cn - l
i=l

n-2
i=l '

n A , = ()(2/)... A/ n A,

i s demonstrm c este adevrat i pentru n evenimente. n acest scop, notm A = n Aj i avem: P(a n A ) = P(A) P{ A /A ). i-1
/ n- i -1 i =1 \ 1 H 1

Dar A n A = o A, o An = r>Aj , deci:


n -l > in-1 ( n - l ^ n A, = P n A ,. Pt A /n A. i " i- l i= l i=l

n virtutea ipotezei de inducie

rezult:
211

Relaia precedent exprim regula de nmulire a probabilitilor evenimentelor condiionate. Exemplu: ntr-o anumit localitate, n medie, 6 zile dintr-o lun sunt cu cerul acoperit. Se cere probabilitatea ca n primele trei zile din luna iulie s avem cer senin. Notm cu A,: evenimentul ca ziua i s fie senin (i=l,2,3). Avem de calculat:
4

, , 4s j ^ ^ . a \ / ia AS 25 24 23 2300 P(A, n A 2r\Ai )-P (A {)-P(A1 l AX )-P(A3! \ n ^ ) - 5

c) Regula de adunare a probabilitilor pentru evenimente incompatibile i compatibile. Fie evenimentele A/,A2,...An definite pe acelai cmp de probabilitate. Dac evenimentele sunt dou cte dou incompatibile atunci probabilitatea
/ n
\ f n \

reuniunii lor P

se calculeaz cu formula: P V A i= l

i '= l

Dac evenimentele A i,A2,...A sunt compatibile ntre ele, probabilitatea ca cel in \ puin unul dintre ele s se realizeze, adic P se calculeaz cu formula lui Poincar: V

M4 ) ! = p(A< ) - p(A n AJ ) + P(A n A j r\Ak) + ..


)
i= l

Kj

i< j< k

formul ce se demonstreaz prin inducie. innd seama c pentru n=2 avem: P(A, u A2 ) = P(Aj ) + P(A2) - P(Aj n A2) , relaie deja demonstrat, pentru n=3 succesiv
/ A

Axu A2 u A3 = p (A u A3)= P(A) + P(A3) - P(A, n A3) : p[a. u A3]+ P( A-, ) - p[(A, u A 2 )n A 3]= P(A ,) + P (A ,) - P(A, n A ,) + -P (A l n A 2)-P (A i n A 3)- P ( A 2 n A 3) + P(A 1 n A 3 n A 2 n A 3) = i= l i< j Aa cum am spus printr-un raionament inductiv se poate arta c se obine formula Poincar de mai sus.

= p(A' ) - PA nAJ) +P(At nA2nA^

n cazul n care evenimentele Ai,A2,...A sunt i independente punnd Pi = P(Ai),p{Ai h a J = pipj\P{Ai n A j n A it)= PiPjPk etc formula lui Poincar se scrie: n y ^ " -;+ / " - + ( 1)"2
V / i= l K J K jc k

Exemple: 1) Dintr-o urn cu n bile, dintre care a albe, b negre, c roii i d verzi se extrage la ntmplare o bil. Care este posibilitatea ca bila extras s fie alb sau roie? Fie A i,A2 evenimentele ca bila extras s fie alb, respectiv roie. A, i A2 sunt evenimente incompatibile. Avem de calculat p (a { u A2)= P(A{) + P(A2) = += a + c n 2) ntr-un circuit sunt introduse n serie trei rezistene. ntr-un regim de suprasolicitare, acestea se pot arde respectiv cu probabilitile 0,02; 0,05 i 0,01. S se calculeze probabilitatea ca circuitul s nu funcioneze. Fie Ai, A2, A3 evenimentele ca prima rezisten, a doua i respectiv a treia s se ard. Probabilitatea cerut este P(A,uA2uA3 ) care se calculeaz cu formula lui Poincar pentru n=3 evenimentele Aj,A2iA3 fiind compatibile i independente. P(A, u A2 u A3) = P(A ,) + P(A2) + {3)- { ){2) - P(A t) P(A3) - P(A 2) P(A3) + P(A,) P(A2) P(A3) unde P(A,) = 0,02, P(A2) = 0,05, (3) = 0,01 Problema precedent poate fi generalizat astfel: Fie sistemul de evenimente independente:{A,,A2,...Ar}, i sistemul de evenimente opuse:{i,A 2,...Ar}, care este format de asemenea din evenimente independente. Evenimentul A1u A 2 u ...u A r semnific faptul c se realizeaz cel puin unul dintre evenimentele Ah A2,... Ar iar evenimentul Ai n A i n . . . n Ar nseamn c se produc toate opusele Ai, A 2 ,...Ar deci nu se produce nici un , (i-l,2,...r).
r r

Rezult deci c evenimentul u A , i n A ; sunt evenimente opuse i deci: / = ! / '= !


l p i n

Ai = 1 de unde:
)

l M

= 1 -/ | = - ^ ) = - ( 1- ()) i= l i= l Dac P(Ai) =p 1=1,2,...n, avem n final: / | u A ,.j = l - ( l - p ) \


213

8. Scheme probabilistice clasice a) Formula probabilitii totale Fie Ai,A2,...,An un sistem complet de evenimente. Pentru orice eveniment Xe K are loc egalitatea P (X ) = P (A ,.)-P (X / A ( .) i= l numit formula probabilitii totale. Pentru demonstrarea formulei, observm c: = = | u A , = (X n A (X n A2)..(x n An)= u (X A, )i innd

seama c evenimentele X n A, i X n Aj sunt incompatibile pentru orice i*j, obinem: P (X ) = / | ( X n A j] = p ( X n A ,.) . \1 / i= l Dar { n A,)= P(A; ) P(X /A, ) , deci rezult formula probabilitii totale: P(X) = ^ P ( A i)-P(X/Ai). i= l Exemplu: S considerm 3 urne identice, cu urmtoarele compoziii : nr. de bile negre Urna nr. de bile albe 1 1 u, u2 3 5 u3 3 1 Se alege la ntmplare una din urne i din ea se extrage o bil. Se cere probabilitatea ca bila s fie alb. Soluie. Se aplic formula probabilitii totale. Fie X evenimentul ca bila extras s fie alb i Ak , evenimentul ca bila s provin din urna Uk, k = . X = (a, X ) u (Aj X ) u (a 3 X ) i deci: ( ) = ( 1 . )( / 1 . ) = - - +- - + - - = t 3 2 3 8 3 4 24 b) Formula lui Bayes Considernd sistemul complet de evenimentele A,,A2, ,An ne propunem s calculm probabilitile p(A; /X ) adic probabilitatea evenimentului A, condiionat de X. Pentru aceasta, folosim relaia: P(A,. X ) = P (X ) P(A, /X )= P(A, ) P(X /A,. ). De aici, obinem probabilitatea cerut:
214

P( )= P W ^ A ) v ' P(X ) i folosind formula probabilitii totale, se gsete relaia:

* y x ) . * !'* ) ,
p ( A ) H x /A) i= l numit formula lui Bayes. Exemplu: Trei ntreprinderi trimit acelai tip de produse la un magazin, n proporie de 50%, 30% respectiv 20%. Cele trei ntreprinderi dau rebuturi 1%, 3% respectiv 2%. Produse n valoare de 36 milioane lei s-au dovedit rebuturi. n ce proporie trebuie mprit suma de 36 milioane ntre cele trei ntreprinderi? Soluie. Notm cu A ;, evenimentul ca un produs s provin de la ntreprinderea i, i=l,2,3 i cu^f: evenimentul ca un produs s fie rebut. P(Ai)-0,5, P(Az)=0,3, P(A3 )=0,2 P(X /A ,) = 0,01 P(X/A2) = 0,03 P(X/A3) = 0,02 Aplicnd formulele lui Bayes obinem: fx y P ^ - P jx / A ) f /P(Ai) P ( x / A i) i= l 5 18

,x y

P(/j,)P(X/A,)
j^ P W - P iX I A ,)
1=1

9
18 4

/xy

P(A3)-P(X/A3)

f J P(Ai)-P(X/Ai) 18 i= l Deci sumele imputate fiecrei ntreprinderi sunt respectiv: 36 mii. = 10 milioane le i, 18 9 36 mil. = 18 milioane le i, 18 4 36 mii. = 8 milioane le i. 18 c) Inegalitatea lui Boole Am vzut c pentru dou evenimente compatibile A, i A2 avem: P(AX u A2 ) = P(A, ) + P(A2) - P{A, n A2) Lund pentru P{AX u A2) valoarea sa maxim egal cu 1, obinem:
215

P^nA^Pi/g +i W - l

Analog, considernd evenimentele A3 i Axn A2 putem scrie P(A, n A2 n A3)> P(A, n A2) + P(A3) - 1 i aplicnd primului termen din dreapta din nou inegalitatea (*) avem: PIA, n A 2 n A 3)> [P(A ,) + P(A2) - 1]+ P( A3) -1 deci P n A , > P ( A ) - 2
i=l
i=l

Presupunnd inegalitatea valabil pentru (n-l) evenimente, vom demonstra c este adevrat i pentru n.
( n-l
i=l

i n -1

PlA; = P
1

n A, n Ai >P n A j + P(An)~ 1, '= 1 i'= I

i n continuare, aplicnd ipoteza de inducie rezult: ] p (A( . ) - ( h - 2) + P(A ) -1,


. i= l

n -l

adic: P n A ; i= 1 Relaia obinut se numete inegalitatea lui Boole i ne d o limit inferioar pentru probabilitatea realizrii simultane a evenimentelor AhA2. ,An Exemplu. Un produs este standard dac ndeplinete trei condiii C/,C2,Cj. Din 1000 de produse, 92% ndeplinesc Ch 85% Q i 89% condiia C3. S se calculeze probabilitatea minim i maxim ca un produs s fie standard. Soluie. Notm cu A i,A2,A3 evenimentele ca piesa s ndeplineasc C/,C2 respectiv C3. Probabilitatea ca un produs s fie standard este P(At A2 n A} ). Aplicnd inegalitatea lui Boole, obinem: p (A n A2 n A, ) > P( A, ) + P( A3 ) + P( A, ) - 2 = = 0,92 + 0,85 + 0,89-1 = 0,66 Deoarece A , n A 2 n A 3 c At (v) i = 1,2,3 avem p (a , n A2 n A3)< min{P(A)}= 0,85 deci
i
i=l

p (a, o A j P i A j )e [o,66; 0,85] d) Schema lui Poisson i schema lui Bernoulli cu dou i mai multe stri. S considerm o experien care const n efectuarea a n experiene independente 2,, < fn,iar Ai,A2,...,A n evenimente legate de experienele 1, 2 , n Probabilitatea realizrii a k (0 < k < n) din cele n evenimente, atunci cnd se efectueaz este coeficientul lui xk din polinomul Q(x)=(p,x+qi) (p2x +q2) - (P*x+qn) 216

undepi=P(A), q i-1- i-l,2,...,n Pentru a justifica aceast afirmaie inem seama c pentru a se realiza k din cele n evenimente i deci n-k s nu se realizeze, trebuie s se realizeze un eveniment de forma: A = Aiin A ii n ...n A i i n A iM r\Ail+ 1 n ...n A in unde ii,i2,'...in este permutare a indicilor 1,2,...ti. Probabilitatea evenimentului A este P{A) = phph...pitqiM...qin unde am notat P { \ ) = ph, P(A,2) = ph , P(A,t+ 1) = ...P(in) = q^ . Rezult c evenimentul a crui probabilitate ne intereseaz este
) = < > ,^ % . % suma lundu-se dup toate permutrile indicilor 1,2,...n. Aceasta revine ns la a calcula coeficientul lui xkdin polinomul Q(x) = (p,x+q,)(p2 x+qi)...(pnx+qrj Aceast schem se numete schema lui Poisson. Exemplu. ntr-un lot de produse 5% sunt defecte,n al doilea 6%, n al treilea 3%. Se extrage cte un produs din fiecare lot i se cere probabilitatea ca din trei produse extrase unul singur s fie defect. Avem: p t-0,05; p2-0,06; ps-0,03; qi=0,95; q2=0,94; q}-0,97. Probabilitatea cerut este coeficientul lui t din produsul (0,05t+0,95) (0,06t+0,94)(0,03t+0,97) adic: 0,05-0,94-0,97-K), 06-0,95 -0,97+0,03 0,95-0,94=0,13. Fie acum o experien i A un eveniment, care se realizeaz cu probabilitatea p la o efectuare a experienei. n aceste condiii probabilitatea ca evenimentul A s se realizeze de k ori i de n-k ori s nu se realizeze cnd este efectuat de n ori experiena , este egal cu Ck npkqn ~ k, (q = 1 - p). Aceast schem probabilistic se numete schema lui Bernoulli cu dou stri i este un caz particular al schemei lui Poisson. ntr-adevr, dac la schema lui Poisson considerm c cele n experiene//, 2 . n constau n repetarea n aceleai condiii a experienei , atunci evenimentul considerat se realizeaz cu aceeai probabilitate p n fiecare din cele n experiene,adic pi~p2=...=pn-p i de asemenea qt=q2-...=qn=q=l-p. Rezult c probabilitatea ca acest eveniment s se realizeze de k ori i de n-k s nu se realizeze este coeficientul lui xkdin polinomul (px + q\px + q)...(px + q)=(px + qy adic este egal cu Pn(k) = Ckp kq"~k

'------------------V ----------------- '


n factori

Atunci cnd aplicm schema lui Bernoulli, trebuie s ne fie clar car4 e este experiena ce se repet, care este evenimentul pe care-1 ateptm n fiecare prob i care este probabilitatea acestui eveniment cnd se efectueaz o singur dat experiena.
217

Deoarece P(k) este chiar coeficientul lui xk din dezvoltarea binomului (px+q)n, aceast schem se mai numete i schema binomial. Schema lui Bernoulli se poate realiza cu ajutorul unei urne cu bile de dou culori, din care se poate extrage pe rnd cte o bil, de fiecare dat punndu-se bila extras napoi n urn, de aceea este cunoscut i sub numele de scheme bilei revenite. Exemple. 1) Probabilitatea nimeririi ntr-o int la o singur tragere este p=0,8 . S se calculeze probabilitatea ca n ase trageri consecutive inta s fie nimerit de 5 ori. Fie A evenimentul ca inta s fie nimerit la o tragere. Deci P(A)=p=0,8 constant n fiecare tragere i p ( )= l-p = 0,2 probabilitatea de a nu nimeri. Avem n=6, k=5 i deci probabilitatea cutat este P6 5 = C lp 5q{ = Cl (0,8)5(0,2) = 0,3932 2) ntr-o urn sunt 4 bile albe i 2 bile negre. Se fac 8 extrageri succesive c revenirea bilei n urn dup fiecare extragere. Se cere probabilitatea de a obine de 4 ori bila alb. 4 2 Fie A: evenimentul apariiei bilei albe. Avem P(A) = = = p p ( )= = 1 , n = 8, k = 4 deci calculm 8! 4!-4! 6561 S considerm acum cazul mai general al schemei lui Bernoulli cu mai multe stri, cnd n urn sunt bile de s culori i se fac n experiene cu revenire. La fiecare extragere poate s apar numai unul dintre evenimentele A/,A2,...,AS care formeaz un sistem complet de evenimente, Ai fiind evenimentul bilei de culoarea P & A = C ep4? 4 = c i i = (: = 1, s). Notnd p{ = P(A), avem ^ Pi ~ 1
1=1

Probabilitatea ca n cele n extrageri, evenimentul A, (bila de culoarea 1 s apar de nt ori, evenimentul A2 (bila de culoarea 2) s apar de n2 ori,..., evenimentul As (bila de culoarea s) s apar de ns ori este P{n\nx,n2,...,ns)= -- ------p ? p ? ...p? =n nx.n2...jis. ;= l Exemplu. Se arunc un zar de 12 ori. Se cere probabilitatea ca fiecare fa s apar de 2 ori. Definim Ak: evenimentul apariiei feei cu k puncte k = 1,6 1 P \ - P2 - ~ Pe T
218

= 12, ,= 2 =... = 6 = 2 Probabilitatea cerut este: 2 12 n i! / jV 2 12! f l (12; 2,2.....2)= 22L.2! \6 26 e) Schema bilei nerevenite cu dou i mai multe stri ntr-o urn sunta bile albe i b bile negre. Din aceast urn se extrag consecu tiv n bile (n < a+b) far ntoarcerea bilei extrase n urn (ceea ce este echivalent cu a extrage deodat n bile). Probabilitatea ca din cele n bile extrase x s fie albe i restul de n-x negre este:
/ -*n-x Cx a b

cn Dac n urn sunt bile de m culori, n, de culoarea cly n2 de culoarea c2,...,nm de culoarea cm i se extrag bile (n < ni+n2+...+nm ) atunci probabilitatea de a obine xt bile de culoarea c/, x2 bile de culoarea c2,...jcm bile de culoarea cm (xj+x2+... +xm =n) este:
''a+b

c 1 x,c " x\..cx m 2 n m


C" v-'fli+n2+...+nm ntr-adevr, pentru cazul urnei cu bile de 2 culori, numrul cazurilor posibile este C+b. Un grup de x bile albe dintr-un total de a poate fi luat n C ~ a moduri, pentru fiecare din aceste moduri existnd C~x moduri de a lua n-x bile negre din totalul de n. Deci numrul cazurilor favorabile este C*C~X i astfel se obine formula probabilitii n cazul schemei bilei nerevenite cu dou stri (m=2). n situaia cnd n urn sunt bile de m culori (m>2) raionamentul este absolut analog. Exemple. 1) ntr-o magazie se gsesc 1200 piese dintre care 30 sunt defecte. Care este probabilitatea ca o comand de 155 de piese s cuprind 145 piese bune? Conform schemei bilei nerevenite cu dou stri (este vorba despre piese bune sau defecte) avem: a - 1170 piese bune b = 30 piese defecte
x s-* 145 y^ilO

n=155

n C a+b

= i>m_3L -.155
^1200

x=145 2) La un concurs se prezint 12 concureni dintre care 6 americani, 4 francezi i 2 italieni. Prin tragere la sori, cei 12 concureni sunt mprii n grupuri de cte 4, fiecare grup urmnd s susin probele de concurs ntr-o zi. Care este probabilitatea ca n prima zi s concureze 3 americani i 1 francez?

219

_12!_ 9 10-11 12 9 10-11-12 99 41-8! 1-2-3-4 f) Problema concordanelor O urn conine n bile numerotate l,2,...,n. Se fac extrageri succesive fr a pune bila napoi n urma golirii urnei. Se cere probabilitatea obinerii cel puin a unei concordane. Prin concordan nelegem evenimentul ca la extragerea f s obinem exact bila numerotat cu i. Soluie. Fie At: evenimentul obinerii unei concordane la extragerea de rang i, (V) i-l,2,...,n. Avem de calculat P(At u A2 < j ...kj A) unde evenimentele At sunt compatibile, deci se aplic formula lui Poincar. p{Al u A 2 v ... u A n)= % P (A i)-' p (A i n A J ) + f J P{Ai n A j n A k)+
i<j<k

C,4 2

! n ntr-adevr, sunt nl moduri egal posibile, diferite, de extragere a celor n bile i deoarece una dintre ele este extras exact la extragerea cu numrul de pe bil, avem (n-l)! cazuri favorabile (celelalte n-l bile pot fi extrase n (n-l)! moduri la cele n-l extrageri rmase).

, ( V ) iJ ,k c u i< j< k ,

Deci, probabilitatea cerut este:

220

2. Variabile aleatoare 1. Variabile aleatoare unidimensionale discrete i continue Am vzut c evenimentele unui cmp de evenimente sunt legate de un experiment aleator. Cele mai multe dintre evenimentele considerate, se refer la anumite mrimi legate de experimentul aleator, mrimi care iau valori n funcie de rezultatul ntmpltor al experimentului. Realizarea unui astfel de eveniment nseamn luarea de ctre mrimea corespunztoare, a unei valori date sau a unei valori dintr-o mulime dat. Exemplu. Experiena aleatoare: aruncarea unui zar i urmtoarele evenimente legate de aceast experien: A: apariia feei cu trei puncte; B: apariia feei cu un numr de puncte < 3; C: apariia unei din feele 2, 3, 4; D: apariia unui numr par de puncte; E: apariia uneia din feele 1, 2, 5. Se observ c fiecare dintre aceste evenimente se refer la numrul de puncte care apar la o aruncare a zarului (mrimea la care se refer evenimentele considerate mai sus). S notm cu X acest numr (aceast mrime). Cu aceast notaie evenimentele precedente se scriu: A = {X = 3}, B = {X < 3}, C = {2 < X < 4}, D = {X e {2,4,6}}, = {*{1,2,5}} De asemenea mai putem scrie: Ac ={X * 3},B C = { X > 3 } ,S u C = { X < 4 } ,fln D = {X=2}. Mrimea Xt legat de experiena aruncrii zarului care ia valori n funcie de rezultatul ntmpltor al experienei aleatoare este o variabil aleatoare. Valorile posibile ale v.a. X sunt 1,2,3,4,5,6. Variabila aleatoare care ia un numr fin it de valori se numete v.a. simpl. Exist v.a. care iau o mulime numrabil de valori. Ex.: Se arunc o moned pn la prima apariie a stemei. Notm cu X numrul de aruncri pn la prima stem aprut. Valori posibile ale lui A ": 1,2,3,... Variabilele aleatoare care iau o mulime finit sau numrabil de valori posibile se numesc variabile aleatoare discrete. Variabila aleatoare a crei mulime de valori posibile este un interval al dreptei reale (nu neaprat mrginit) se numete variabil aleatoare continu. Exemplele prezentate ne conduc la observaia c dac este mulimea rezultatelor posibile ale unei experiene aleatoare, atunci X este o aplicaie pe >R, adic X ^ -> R . Pentru studiul unei variabile aleatoare nu este suficient numai cunoaterea mulimii valorilor posibile ci este necesar s se cunoasc i probabilitile cu care v.a. ia fiecare din aceste valori.
221

Vom nota schematic o v.a. discret printr-un tablou cu dou linii: prima linie conine valori posibile ale variabilei, iar linia a doua probabiliti corespunztoare fiecrei valori. n exemplele noastre:
/

X: 1

,X = m . de steme ce apar la o aruncare cu banul, 2 3 4 5 6 1 2 3 ... k

X :

1/6 1/6 1/6 1/6 1/6 1/6

V i y*

x ... x

Vom numi lege de probabilitate sau repartiie a variabilei aleatoare discrete aceast coresponden ntre valorile posibile ale v.a. i probabilitile corespunztoare. Evident c suma probabilitilor din linia a doua a tabelelor = 1. n general scriem:
.

X:
[Pi P2 Pn

pk >0, k=\,2 ,.,.,;

=> k = \ sau X:
P\
2

pk >0, k = l,2,...,n;
Pn

P2

*= i n cazul v.a. de tip continuu, legea de probabilitate este corespondena dintre intervalele dreptei reale i probabilitile corespunztoare acestor intervale: I P (X e I), X v.a., I c R interval. Aceasta, deoarece valorile posibile ale unei astfel de v.a. nu mai pot fi scrise ntr-un ir i n plus aa cum se va arta P(X=x), x e R dac X este continu. Cu aceste noiuni putem da o definiie matematic a variabilei aleatoare care trebuie s permit s se lucreze cu probabiliti de forma:P(X=x), P(X<x), P(x<X<b), P(X>x). Suntem condui la urmtoarea definiie: Se numete v.a. variabil aleatoare {v.a.) real pe cmpul de evenimente (,) orice aplicaie . ^Rpentru care: {>: X(ct))e /}e K , oricare ar f i intervalul I al dreptei reale. ntr-adevr, pentru a putea vorbi de P(a<X<b) de exemplu, trebuie ca { < X < b}= {to : ( ) {a,b)} s aparin domeniului de definiie al lui P, adic
222

lui K, altfel spus ca {X ( ) e /} s fie eveniment. Dm un exemplu din care s se neleag mai bine definiia de mai sus. Persoanele A i B arunc pe rnd un zar. Se acord celui care arunc zarul: 1 punct dac apare una din feele 1,2; 2 puncte dac apare una din feele 3,4; 3 puncte dac apare una din feele 5,6. Notm cu X variabila aleatoare care reprezint numrul de puncte obinute de o persoan (de exemplu A) la o aruncare a zarului. Remarcm c avem de-a face cu experiena aleatoare a aruncrii zarului la care spaiul al cazurilor posibile este: = {1,2,3,4,5,6}. Variabila aleatoare X este aa cum am vzut o aplicaie: R deoarece X ia valori reale n funcie de rezultatul ntmpltor al experienei. Se observ c x({l})= 1;X({2})= 1;X({3})= 2;X({5})= 3;X({6})= 3 Egalitile de forma {X = x} sunt evenimente. De exemplu egalitatea X=1 este evenimentul {1,2}, deoarece nelegem c X=1 este echivalent cu a spune c s-a realizat evenimentul {l,2}. Rezult c P(x = l)= /*({l,2})=|. La fel P (X =2)= P({3,4})=^; P ( x =3)= P({5,6})=^. Deci repartiia tabelar a variabilei X este: (l 2 3

U x xj
Se observ c pentru x*l,2,3, P(X=x)=0 deoarece evenimentul {x = x}= . Inegalitile de forma X < x, X < x, X > x, X > x, (x eR ) sunt de asemenea evenimente astfel: {X < 2}= {1,2,3,4},{X < l}= ;{ > l}= {3,4,5,6},{x < 4}= De aceea de exemplu P ( x < 2)= P({l,2,3,4})= ^ .

2. Operaii cu variabile aleatoare. Independena a) Va fi vorba aici de variabile aleatoare simple care iau un numr finit d valori. Dac X este o variabil aleatoare i a e R o constant, aX este variabila care ia valoarea ax, cnd X ia valoarea x,. Dac X are repatiia ( x. x2 ... x N ; Y J p i =0, p( . >0, p i = P(X =x,), [Pi Pi - Pn) variabila aleatoare aX are repartiia!
223

aX

,
^

...
,

; pi = P(aX = ;).

Variabila + ia valoarea +, cnd X ia valoarea ,, deci repartiia sa este: f a + x{ a + x2 ... a + x n> ; / ?, = P(a + X = a + x,). +X : Pi P2 Pn Fie X i Y dou variabile aleatoare. Vom numi suma lor variabila X+Y care ia valoarea x,+ty dac X ia valoarea x, i Y ia valoarea yr Dac X i Y au repartiiile: 1 A2
v Pi

i y
P ,

y\

y2 Qi

yn

Pi

< 7 i

; c u ? , =1 Pi * 0 , i < ?; =1,

atunci X+y are repartiia: x +y

'x \+ y\ x2+yz - xi+yj


P il Pl2

xm+y
Pmn

Pij

unde pij (1 <i <m; 1 < j <n) este probabilitatea evenimentului:


{X = xt) n (y = y j ) iar p , y = 1
i= l

j=\

Definiia pe care am dat-o sumei a+X (ae R) rezult din definiia sumei X+Y, dac V1 y Produsul XY al variabilelor X i Y este variabila care ia valoarea x ^ cnd X=Xi i y=y Dac X i Y au repartiiile
X
I P I)

considerm F s a c a o variabil aleatoare cu repartiia

9j variabila XY are repartiia XY W j

i = 1,2,...m, j = 1,2,..., p ; = 1,

= 1,

\ - ^ =1>

Pij ) i1 ;'= i

iar pij are semnificaia de mai nainte. Produsul <xY fa e Pj se obine din aceast definiie dac lum Y=a. De asemenea este uor de observat c variabila 2X coincide cu variabila X+X. Mai general kX = X + X + ... + X ,(ke N) kori Puterea r e Z a variabilei aleatoare simple X este variabila X care ia valoarea xf dac X ia valoarea x,. Dac repartiia variabilei X este

224

i
x rf x[

Pi

P2

Pn

l - 1 .
(= 1

atunci repartiia variabilei X este


xr 2

n Pn

. -
i=I

KP\

P2

unde Pf = P{X = *,)= p {x ' = x\ ) i = 1,2,... Vom numi inversa variabilei aleatoare X care ia valori nenule, variabila Z care ia valoarea cnd X ia valoarea x,. Acesta este un caz particular al puterii X pentru r = -1. Avem: 1 1 j r 1- Y j P i = 1 X , * 0 (v) i = l, i= l P 1 Pi Pn, i Pi =P(X = X.)= P 1 1' , 1 = 1, n.

Fiind date dou variabile aleatoare X i Y astfel ca Y s nu ia valori egale cu X x zero, vom numi raportul lor variabile care ia valoarea cnd X ia valoarea x, Y yj i Y ia valoarea yj. X Repartiia variabilei aleatoare este X
Y ii. iL

yi
Pn

y2
P 22

h. yj Pa

yn
Pmn

^ =1
i= l 7=1

Py = ( [ = ( 7 = ^ }

y j * 0 j = l,n

b) Independena a dou variabile aleatoare simple Att n problemele teoretice ct i practice suntem condui s considerm mpreun perechi de variabile aleatoare care iau valori independent una de cealalt sau mai precis probabilitatea ca una din variabile s ia o anumit valoare nu depinde de faptul c cealalt a luat o anumit valoare. Rezult c dac X i Y sunt astfel de variabile aleatoare, atunci dou evenimente de forma {X = x,},{^ = yj\ sunt independente i vom spune c variabilele X i Y sunt independente . Aceste consideraii sunt valabile i n cazul
225

mai multor variabile aleatoare. Deducem urmtoarea: Definiie. Variabilele aleatoare simple X,Y,...V sunt independente dac evenimentele {X = xt },{/ = y } = vk} sunt independente n totalitatea lor. Dac variabilele X sunt independente, atunci: fx ^ ( y ^ , Y J , Pi ~ <P ) [ qJ ) = 1 ^ J= l =

p = P({X =x, }n {r =y, })=P(X =, )p(r =y,)= ,


Observaie. Operaiile cu variabile aleatoare simple definite mai sus, ca adunarea i nmulirea pot fi extinse la un numr oarecare finit de variabile aleatoare i de asemenea proprietatea de independen. Este util s scoatem n eviden o legtur ntre numerele Pi,qj,P. Efectund experiena de care sunt legate cele dou variabile aleatoare X i Y, variabila Y ia n mod sigur una din valorile yi,y2,---yn Dac X ia valoarea xt nseamn c evenimentul X=xt se realizeaz mpreun cu unul din evenimentele: {y = yi W =y2}.-{y = yn } Putem scrie: {X = xi}={X = xiJ = y {} v { X = xiJ = y 2} v ...u { X = xi,Y = y n}, de unde n baza incompatibilitii evenimentelor ce se reunesc putem scrie:

pl =p(X =xl) = jj P{x =xl,Y =yJ)~'pt .


j= i

7=1

La fel se arat c: / m / \ m qj = P{Y = y j )= % P {X = x ,,Y = V j)= Pij . i=l 1= 1 Se poate arta c dac X, Y sunt v.a. n sensul definiiei de mai sus, atunci aX, X+Y, a+X, X-Y, X , X-Y, - (()*0) sunt variabile aleatoare. Pentru v.a. simpl (discret) se pot scrie repartiiile tabelare ale acestor v.a.
Pn

=>.
1 *1 m ^ =1 (= 1

ym
Im C=

Este uor de vzut c pentru a cunoate probabilitatea tuturor evenimentelor de forma {X e /} unde I este un interval al dreptei reale, este suficient s cunoatem probabilitatea evenimentelor de forma {X <x},(y)xG R. Definiie. Se numete funcie de repartiie a v.a. X, aplicaia F:R >[0,1] dat
226

de:

F(x)=P(X<x). Orice funcie de repartiie are proprietile: 1) (v)x, ,x2 6 R,xx < x2 => F (x,)< F( x2) (nedescresctoare pe R), 2 )F (-o o )= Hm F(x) = 0,F(+) = lim F (x ) = l ;
X - > x >

3 )F (x 0 0)= lim F(x) = F (x 0) este continu la stnga (v)x0 e R.


x-*x0 x<x0

Nu vom da demonstraia tuturor proprietilor. Avem pentru 1), deoarece x2 > X / evenimentul X <x2 se scrie: X < x2 ={X c x j u f o < X <x2), unde evenimentele ce se reunesc sunt incompatibile. Prin urmare: P(X <x2) = P(X < x, )+/*(*, < X <x2), de unde F ( x2) - F ( x,)= P ( x1< X < x2)> 0 , deci F( x2) - F ( x,)> 0 i F (x ,)< F (x 2). Mai departe dac valorile posibile ale v.a. X aparin intervalului [a,b] atunci F(x)=0 dac x <a i F(x)-1 dac x > b. ntr-adevr dac xj<a evenimentul X<xt este imposibil (deoarece X nu ia valori mai mici ca a) i deci F(X])-P(X < Xl) =0 dac x2> b evenimentul X <x2 este sigur (deoarece X nu ia valori mai mari ca b) i F(x2 )=P(X < X2) 1 O consecin imediat a acestei proprieti este: lim F (x ) = 0 i lim F (x ) = l.
X->-ee

x-*x>

Deoarece F(x) este monoton i mrginit ntre 0 i 1 graficul funciei y=F(x) are dou asimtote orizontale y=0 cnd x >-i y - 1 cnd x Pentru o v.a. continu X, graficul funciei de repartiie F(x) este cel din

227

Pentru variabila aleatoare discret, funcia de repartiie are expresia:

F(x) = P(X<x)='JP(xi),
X f< X

adic egal cu suma probabilitilor valorilor x, ale v.a. X mai mici dect valoarea dat x. n intervalul dintre dou valori consecutive, funcia F(x) definit de relaia de mai sus este constant. n punctele x, care sunt valorile posibile ale v.a. X, funcia este discontinu avnd un salt egal cu Pi-P(xj). Graficul funciei de repartiie F(x) pentru o v.a. discret este un grafic n scar. Astfel pentru v.a. discret X cu repartiia: JO 1 3 4 ^ 0,1 0,3 0,2 0,4 funcia de repartiie este: 0 pentru x < 0 0,1 pentru 0 < x < l F (x ) = 0,4 pentru l< x < 3 0,6 pentru 3 < x < 4 1 iar graficul este cel din figur: pentru x > 4,

Pentru multe v.a. de tip continuu ce apar n practic legea de probabilitate este exprimat prin densitatea de repartiie (densitatea de probabilitate). Definiie. Spunem c v.a. X are o densitate de repartiie, dac exist o aplicaie f:R >[0,] astfel ca: F (x ) = ]f( t)d t, unde F este funcia de repartiie a v.a. X. Funcia / se numete densitate de repartiie a repartiiei v.a. X.
228

Proprieti: l/ (jc)> 0, ( v ) x e ; 2 / / (* )& = 1.


oo

Presupunnd c F este derivabil pe R n acest caz f =F sau altfel spus F este o primitiv a lui f. Atunci: v b J f(x)dx = F(b) - F (a) = P {a< X < b )
a

relaie care permite calculul probabilitilor ca variabila aleatoare continu X s aparin intervalului ( a,b), cu ajutorul densitii de repartiie f sau al funciei de repartiie F. Vom ilustra n continuare prin grafice, interpretrile geometrice ale noiunilor introduse mai sus n legtur cu o v.a. continu. Faptul c densitatea de repartiie f(x)>0, (V) xe R, (proprietatea 1) graficul lui f(x) se va afla deasupra axei Ox ntr-un sistem xOy ca n figur:

Proprietatea 2 semnific faptul c aria haurat de sub graficul densitii f(x) este egal cu unitatea adic: -H J/(x)<& = 1.

fOO

De asemenea, din definiia funciei de repartiie F(x) = | f(t)dt deducem c F(x)=P(X< x) este probabilitatea ca v.a. X s ia valori mai mici ca xe R i este egal cu aria haurat din fig. 5:

Fig. 5 n consecin P(X >x) = l- P ( X < x ) - l - F ( x ) este reprezentat de aria

n sfrit P{xy < X < x2 )= F(x2 ) - F (xi ) este aria haurat din figura 7:

ncheiem cele prezentate n legtur cu variabila continu unidimensional, cu demonstrarea proprietii c probabilitatea P(X=a) ca variabila continu X s ia exact o valoare a este egal cu 0. Pentru aceasta s calculm probabilitatea evenimentului a < X < , , e R, a<. Vom exprima aceast probabilitate cu
230

ajutorul funciei de repartiie F(x) a variabilei X. n acest scop vom considera urmtoarele trei evenimente: - evenimentul A care const In faptul c X < ; - evenimentul B care const n faptul c X < a ; - evenimentul C care const n faptul c a <X < . Dar A=BuC iar = adic B i C sunt incompatibile. n baza regulei de adunare a probabilitilor avem succesiv: P(A) -P(BuC)=P(B) +P(C), P(X < )=( < a)+P(a <X < ) sau F()=F(a)+P(a <X < ), de unde P (a <X < )=F()-F(a). Trecnd la limit pentru >a se obine P{X = cc)= lim P (cc< X < )= lim[F() - F ( a ) ] .
-*a -*

Valoarea acestei limite depinde de faptul dac funcia de repartiie F(x) este continu sau nu n punctul a. Dac n punctul a funcia F(x) este discontinu, limita probabilitii P(oc<X<) este egal cu valoarea saltului funciei F(x) n punctul a . Dac ns funcia F(x) este continu n punctul a, aceast limit este egal cu zero. n cele ce urmeaz vom spune c o variabil aleatoare este continu dac funcia ei de repartiie este continu peste tot. Proprietatea demonstrat se mai poate formula: Probabilitatea unei valori oarecare a unei variabile continue este nul. Exerciii'. 1. Probabilitatea extragerii unei piese stas dintr-un lot este p. Din acest lot se fac dou extrageri, punndu-se dup prima extragere piesa napoi n lot. Se consider variabilele aleatoare A" i Y.X reprezentnd numrul de piese stas ieite la prima extragere, iar a doua numrul de piese stas ieite la a doua extragere. S se scrie repartiia sumei i produsul celor dou variabile. Rezolvare. Evident X i Y sunt independente i au repartiiile:

p
[ X +Y

0'

, Y=

o"

p +q = 1

Conform definiiei sumei variabilelor aleatoare scriem: 0 + 1 1+ 0 0 + 1 0 + 0

pp

pq
' 2 1

< jp
0

qq

sau

X +Y

\P2

2 pq

q- /

Variabila aleatoare X+Y reprezint numrul de bile albe aprute n cele dou extrageri din urn. Pentru repartiia produsului obinem:
231

XY

(1-1
[p p

10
pq

01
qp

0-0

1 2pq + q2 p 2 2. Variabila aleatoare X are repartiia: J - 1 0 1'


I XY

x y* X)
S se scrie repartiiile variabilelor X1, X+X1, X+X?. Rezolvare. Dac X= - 1 , atuncLY^=7. Dac X=0 atunci X*=0 iar dac X=1 atunci X !=11. Rezult c X* ia valorile 0 i 1. Putem scrie \ 2 = }= {X = i}u {X = -l}, \x '2 = }= {X = 0} i deci P {X 2 = l)= P (X = 1)+ P{X = - l ) =| Repartiia lui X2 este:
( 0 \\

1 =| .

x {%X;
Dac X= - 1 , atunci X2 = / i deci X+X = 0. La fel X 0 =^)^=0 ==>X+X? =0 =$ X=1 =>X?=1 =*X+X?=2. Repartiia variabilei X + X 2 este: /O 2 X +X 2 Raionnd analog obinem:

k J

-2 0

2N

h k ; Repartiia lui X2 se poate obine pe baza definiiei produsului variabilelor aleatoare innd seama cX2=XX. ntr-adevr, cei doi factori ai produsului X X iau fiecare valorile -1,0,1 dar este evident c de exemplu {X = -l}n{A = -l}= {X = l}, sau { * = - } { * = }= La fel repartiia variabilei X+X2 rezult din definiia sumei de variabile aleatoare.

232

Variabila X ia valorile -1,0,1, iar X1 ia valorile 0 i 1. Dar i acum nu orice valoare a primei variabile poate fi luat mpreun cu orice valoare a celei de a doua variabile. Astfel: {X = -l} n {X = 0}= 0 , adic nu putem avea n acelai timp X= -1 i Xs =0. 3. Variabila aleatoare X are repartiia: 2 3 f 1 1 1 2 7 4P 3 6j Se cere P(X< 3). 1 1 _ 1 + 1 rezult valoarea admisibil ~ Ap + 3 6~

Repartiia v.a. X se scrie 2


7 3 1

1 6,

16 Evenimentul

{X 3}= {X = l} u {X = 2}u {X = 3}. i> (xs3)= /> (jr = i) + p ( jr = 2 ) + / > ( x = 3 ) = ^ + ^ + i= | . Se mai poate raiona i astfel: P(X < 3)= \ -P (X = 4 ) = 1 - 1 = 6 6 4. Variabilele aleatoare independente X i Y au repartiiile: -1 0 1 0 1

(p+y6

xj '[K

i2 p2j

S se scrie repartiia variabilei X-Y. Rezolvare. Din condiiile 1 1 1 , p + +q++= l 6 3 3 ^ + 2 p -q + l2 p 2 =1 Obinem (-1 o
,

[ x X X,

'-10
y ,

i conform tabelului de mai jos deducem


233

X -1

Y -1 0 1

XY 1 0 -1 0 0 0 -1 0 1

P(XY= -1)=(= -1, =1)+(=1,= -1)-=(= -1)(=1)+(=1)(= - 1)= _ ,1 + 1 .1 = 1 ~ 3 3 3 3 9' Analog (=0)=(=-1, =0) +(=0, =0)+ +(=0, 7= -1)+(=0, =1)+ +(=, = ;= + 1 + + + = 1 . y 9 9 9 9 9 9 (=1)=(= -1, 7= -1) +(=1, =1)= - 1 1= 2 9 +9 9'

-1 0 1

-1 0 1

Rezult repartiia variabilei XY:

5. Se consider variabilele independente

M iy,

"-10

y, y,,
-
U x x j
n

r-1
U x x j

S se scrie repartiia variabilei X*+Y* Rezolvare. Avem 2( n 2f 0

U
2

J-

kJ

Se observ c variabila X*+Y* ia valorile 0 ,1 ,2 . innd cont c A* i 3^ sunt v.a. independente rezult : X 2 +Y2 / 4 / 1/9 A ) 6. a) S se determine a,b,c astfel ca funcia a dac x^O F (x ) = bx2 dac 0 < x < l c dac x > l

2 f0 2

s fie funcie de repartiie. Avem F(-)=a=0 i F(+oo)=c-l. Deoarece F este continu


234

3. Caracteristici numerice ale variabilelor aleatoare , Cazul variabilelor aleatoare unidimensionale Media variabilelor aleatoare. Fie {,,} un cmp de probabilitate i . R o variabil aleatoare. Definiie. Se numete media variabilei aleatoare X,numrul () = , (1) te/ unde / este o mulime de indici cel mult numrabil, iar variabila aleatoare discret X are repartiia X
\PtJ

i Pi 0 ,/ / , ^ =1 i *e/
H *

M (X )= jx f(x )d x ,

(2)

dac X este variabila aleatoare continu cu densitatea de repartiie / continu i integrala improprie are sens (este convergent). Exemplul . Fie X variabila aleatoare care reprezint numrul de uniti ce sosesc n unitatea de timp ntr-un sistem de ateptare (n fir sau la servire). Variabila aleatoare X este discret i are repartiia ( ) = ~ - , x =0,1,2... x! numit repartiia Poisson. Avem: (X ) = ^ ( , ) = * jc = 0 *= 0 * deoarece: = ex .
x=l -*

= he~X eX =
= 1

Deci media variabilei aleatoare X este parametru al repartiiei i reprezint numrul mediu de uniti ce sosesc n sistemul de ateptare n unitatea de timp. Exemplul 2. Fie X variabila aleatoare care reprezint diirata de funcionare far defectare a unui element sau unei aparaturi a crei densitate de repartiie este /(,) = ~ > 0 , > 0 Durata medie fr defectare este M(X) dat de
fee + 00

M (X) = J xie^dx = J xe^ d x = - . o * S considerm acum variabila aleatoare vectorial Z (X, }):Q *R2 i funcia (p:D->R2, D-Z(Q)czR2.
236

Definim ~() variabila aleatoare pentru care are loc propoziia: Dac Z are o repartiie discret adic () = I xn yt) e R 2/X = xt,Y = y j,i = 1,2 = 1,2,...,)) atunci prin definiie: M(U) = < (^
/
m
i=l

(3>

n care py = P (X = xY = y j) i ? = L
j =1

Dac vectorul aleator Z-(X, Y) are densitatea de repartiie f(x,y) continu de D, atunci prin definiie:
+eo

M(U) = M[<p{x,Y)h jj<p(x,y)f(x,y)dxdy

(4)

Proprietile mediei: 1 M(C) = C (C o constant real); 2 M(CX) = CM(X), (C constant real); 3 M(X+9 = MfA? + 4 A/fX-r; = M(X) (), X, Y independente. S demonstrm propriatile 3 i 4. 3. Fie f(x,y) densitatea vectorului Z=(X,Y) i fi(x),fi(y) densitile marginale ale lui X respectiv Y. Considerm funcia (p(x,y)=x+y, (x,y)eR2 i variabila aleatoare (, Y)=X+Y. Aplicnd (4 ), deducem: [( , Y)]= M {X + Y) = J J ( x + y) f( x , y)dxdy =
+00 4-00 4-00 4-00 4-o

= J xdx J f( x , y)dy + j ydy j f(x , y)dx = J xfx(x)dx +


4-00

+ j y f 2(y)dy=M(X) + M(Y). Proprietatea 3 se poate extinde la un numr oarecare n de variabile aleatoare M(X,+X2+...+Xn )=M(X,)+...+M(Xn ), sau: * = (**> \ k= ' *1 4 In baza independenei avem f(x,y)-fi(x)f2 (y)
237

deci
+00 +00

[{,)]= ()=
+00 +00

J jx,yf(x,y)dxdy =

= \xf{{x)dx \yf2(y)dy=M(X)-M(Y) Avem i n acest caz: M(X, 2,.. -XJ =M(X,) -MfXi)... -M(X), sau M k = l fc = I dac Xi, X2, ...Xk sunt independente n totalitate. Exemplul 3. Dintr-un lot de produse se fac n extrageri cu revenire. Probabilitatea ca un produs extras la ntmplare s fie rebut este p. S se afle numrul mediu de produse rebut ce apar n cele n extrageri. k=l,2,...,n. Avem X l \ p 1- p ) care reprezint numrul de rebuturi aprute la extragerea de rang k. Numrul de rebuturi aprute n cele n extrageri este variabila aleatoare
*= 1 i numrul mediu de rebuturi aprute n cele n extrageri este:

Y[x, = M (Xt ),

x=xi+x2+...+xn=YJxk
M (X) = M * . k = \

Dar: ( )=1+(1-)=, k-1, 2, ...n i prin urmare M(X)=np. 4 . Momente iniiale i momente centrate Fie variabila aleatoare X:Q > Ri Y=Xk , keN*. Se numete moment iniial de ordinul k al variabilei aleatoare X, media variabilei aleatoare Y -X k notat cu mk sau Mk (X): mk=M(Y)=M(Xk ) dac X este discret atunci: mk = , iei iar dac X este continu cu densitatea de repartiie/ contiunu pe R atunci fe e mk = Jx * f(x )d x ,
238

dac integrala din partea dreapt este convergent. Momentul absolut de ordinul k este media variabilei || adic

*
* =/(|*)=
fO O

J\ x \ kf (x)dx (cazul continuu) unde seria i integrala sunt convergente. Propoziie. Dac exist momentul absolut de ordinul k, a* exist i momentul iniial de ordin k, Mk i are loc inegalitatea: \M k(X)\ < a k(X). ntr-adevr:
fco +00

\M k(X )|= j x kf(x)dx < J|*|kf(x)dx = a k(X) Fie . >R variabila aleatoare cu media M(X)-m finit. Variabila abatere este variabila aleatoare definit prin: ^ -m Se numete moment centrat de ordin k, momentul iniial de ordinul k al variabilei aleatoare sau media variabilei aleatoare 4: = () = M((X-m)k ). i avem: > . - m)pi,
ie/

dac X este discret

* = +00 j ( x - m ) kf(x)dx, dacX este continu cu densitatea f continu Pentru k= 1 avem i=M(X-m)=M(X)-m=m-m=0 adic media variabilei aleatoare este nul. Propoziie. Dac X:Q > R admite momente iniiale de ordinul s, s=l, 2,.... k are loc egalitatea: * Demonstraie. Avem
4-00 +00

s= l k I
5=1

* = / (*-)* /(*)<&* J

f(x)dx =

= ( " O'C*m' J xk~ sf{x)dx = ( - 1 y Cs kmk_sm


,=l

0 0

JS1

239

relaie care leag momentele centrate de momentele iniiale. Momentul centrat de ordinul doi este prin definiie dispersia variabilei aleatoare X notat i D (X ): (xt - mf p ;,
iei

dac X

este discret

< ( )^ 2= + J (x -m)2f(x)dx, dac Xeste continu


o o

i integrala este convergent. O formul de calcul a dispersiei se obine astfel:

+ 0 0 +. 2 - D (X ) = j (x -mf f (x)dx = 0 0
00 +00 +00

J(t2 -2m + m2Jf(x)dx +00

= J x2f ( x)dx -2m jxf ( x)dx + m2 / ( x)dx = m2-2m2 + m2 = m2 -m2


0 0 0 0 00

Se numete abatere medie ptratic a variabilei aleatoare X i se noteaz cu rdcina ptrat cu semnul + a dispersiei:

= 4

()

3. Proprietile dispersiei: 1. D(C)-0 dispersia unei constante este nul. 2. D(CX)=C2 D(X); 3. D(XY)-D(X)+D(Y) dac X i Y sunt independente sau mai general D(X,+X2+... +Xn )=D(X,)+D(Xz )+.. +D(XJ, X hX 2 ,..Xn independente n totalitate,
(

prescurtat E a ^ ,X k ^k = \

k = \
JO .

4. Combinnd 2 cu 3 avem i

n k ~ \

_ _

c c k X k = ^ j a D(Xk )> a k e R,k = \ ,n i X k independente.

Demonstraie. 1 Avem:
D (C ) =

M [C -M (C)f = M(C -C)2 = A /( 0 ) =

2o
3.

D(CX) = m\X- M{CX)2]= M[CX-CM (X)f = = C2M[X-M(X)Y = C 2 D (X )


D (X Y ) = m [X Y- M(X Y)Y =M[{X-mx )(Y-mY)f =

= m [(X -mx f ] 2 M[(X -mY\Y -mY)]+ m [{Y -mYf ]= D (X ) 2 M { X -mx )m {Y -mY)+ D(Y) = D (X ) + D(Y)

240

deoarece din independena variabilelor X i 7 rezult independena abaterilor X-m x, Ym yiar din proprietile mediei:

M[(X-mx %Y-mY)] = M { X - mx )M{Y-mY) i \i(X -mx )= 0 (A m notat mx=M(X) i mY =M(Y) ).


Generalizrile de la 3 i 4 se stabilesc prin inducie.

Proprieti: 1 Dac variabila aleatoare X are densitatea de repartiie f(x) simetric fa de dreapta x-m, atunci momentele centrate de ordin impar (dac
exist) sunt nule. ntr-adevr dac f(x) este simetric fa de dreapta x-m atunci f(x+m)-f(-

x+m) pentru (V) xeE.


Atunci: 4

^ 2k + i = j(x-m)2k +lf(x)dx=j(-x-m)2k + 'f(x)dx+ j(x-m)2 k + lf(x)dx Cu


o schimbrile de variabil x-m - t i x - m = t respectiv n prima i a doua integral, obinem:

0
2 *+ = f t2 k + lf(m -t)dt +
oo

+
0

J +1/(m

+ t)dt = 0.

4. Fie X o variabil aleatoare cu M(X) = m i abaterea medie ptratic =. Definim variabila abatere normat Z dat de:

Avem M(Z)=0 i D(Z)=1. ntr-adevr

= - M (X - m ) = 0 i
< r

= ^ 'D { X - m ) = \ D { X ) = ~ = 1 g n ncheiere vom meniona c media M(X) a unei variabile aleatoare X D{Z)

"

exprim centrul de greutate al valorilor variabilei aleatoare A^iar dispersia msoar gradul de mprtiere al valorilor aleatoare X n jurul centrului de greutate, adic n jurul mediei sale. Exerciii: 1. Se efectueaz o prob avnd sau nu ca rezultat un eveniment A cu P(A)=p. Fie X variabila aleatoare care reprezint numrul de apariii ale evenimentului A ntr-o singur prob. a) S se scrie repartiia variabilei aleatoare X. b) Funcia de repartiie i graficul.

c)M(xj,D(X),to(X).

241

Rezolvare.
a) Avem evident X

fO 1
Q P
O,

,p+q =l.

x< 0
0 <x<l
X > 1.

b) F (X ) = P (X < x ) = q,

p + q = 1,
Graficul funciei de repartiie F(x):

c) M(X)=Oq+lp=p; M(X?)=& q+l2 p=p; D(X) =M(X)-M2(X) =p-p2=p(l-p) =pq }(X)=(0-p)3 q+(1 p )3 p =pq(q-p). 2. Variabilele aleatoare independente Jfi Y au repartiiile:

(1
[Pi

9iJ

L
X

yl
1 0

f I

0"

Pi+<li =1 Pi +<li = 1
Z=X-Y

K p2 92,
Y

1 0 1 0

0 1 -1 0

S se determine repartiia, media i dispersia variabilei aleatoare Z = X- Y

Rezolvare. Conform tabelului, deducem: P(Z = -1) =P(X=0)P(Y=1)-qiP2 P(Z=0)=P(X=0)P(Y=0)+P(X=l)P(Y=l)=qiq2+p,P2 P(Z=1) =P(X=1)P(Y=0) Piq2
Repartiia variabilei Z este:

J -1
Q\P2

0 < hQ2+ P\P2

\
PlQ2,

242

i M(Z)=(-l)q1 p2+0(qiq2+pipz )+lp1 q2=: q ip 2+Piq2 =PrP2

M cz)! =(-l)2 qip2+(r(qiq2+pip2)+l2 piq2::::qip2+piqiz = pi+p2-2pip2

D(Z) =M(Z2 )-M(Z)2=pi+p2-2p1 p,-(prPi) =Piqi+P2^2

3. Durata T necesar pentru repararea unui televizor ce sosete la atelierul de reparaii este o variabil aleatoare care are funcia de repartiie:

0,

pentru < 0

1 - e ** , pentru t > 0
S se afle M (T ), D(T). Rezolvare. Densitatea de repartiie este:

>0

0
i pnn urmare:
.
00

M (T ) =

J tf{t)dt = A J te^dt = -te'*

+ je ^d t = - ;

M ( T 2)-

Aj t2e~**dt = -t2e~h q + 2 J te'^dt = j J


o

foe'^dt = ;

D(T)

2
A2

1
A2

1 2

4. Variabila aleatoare X are densitatea de repartiie

x'e*, / ( * ) = n!
0,
S se afle M (X) i D(X).

'

x>0
x <0

n natural

Rezolvare. M (X ) = fxf{x)dx - fxx"e X dx = ? xn + ]e'xdx = i n'i " !i


( + 2 ) ..(/ + ]) _ n | 1

n \

n \
= (n + lX + 2). t

M { X 2) = x2f (x)dx = ? xn + 2e~ xdx = J !o ! D(X) =M(X?)-M2(X) =(n+l)(n+2)-(n+l)2=n+l.

243

Funcia caracteristic

1. Una dintre noiunile fundamentale ale teoriei probabilitilor este func caracteristic (f.c.) noiune frecvent utilizat att n problemele practice ct i mai ales n problemele cu caracter teoretic.

Definiie. Aplicaia (p:R >C, <p(t)=M(ei t X ), unde i = V- 1 se numete funcie caracteristic a variabilei aleatoare X. Dac X este discret cu repartiia: 'XX
*2 O

, p. > 0 , ^ p k = 1 , atunci funcia caracteristic a lui X


*=i

K P \ p 2 notat i < p x (t ) va fi:

Pn

< p x (t) = M{ei " ) = JeU x 'Pk


*=1
iar n cazul n care variabila aleatoare X ia o infinitate numrabil de valori

() = M ( e ,rf) = j i > to / v
*=i

Dac variabila aleatoare X este continu cu densitatea f(x) atunci:


+00

<Px(t)= jelu f(x)dx,

cu condiia ca integrala s fie convergent i seria de asemenea. Exemple: 1. Variabila aleatoare discret Z e u repartiia:

0N

qt

, p + q= i,

are funcia caracteristic <Px(t)=eU Ip+el t 0 -q^p^+q. 2. Fie variabila aleatoare X care ia o infinitate numrabil de valori avnd repartiia:

p(x)=pqxI,

x = l,2,...,p +q = 1

244

Avem :

= ~-^-=17 ^ -
< 7

l-qe

\-qe

deoarece seria geometric (<?e" J este convergent cu raia:

I qettI= "| = q(cos2 + sin2 f)= q < 1.


3. S se determine funcia caracteristic a variabilei aleatoare X cu repartiia:

f(x, )- **
Avem : () =

x >0, > 0

J e^Xe'^dx = Je -** )xdx = -.

4. Funcia caracteristic a variabilei aleatoare uniforme repartizat n intervalul

[a,b] avnd densitatea de repartiie:


/(*) =

b-a
--

xe [a,b\.

Avem: ( t ) = --J =

e ibl- P ia l

b- aJ

it(b -a)

2. Proprieti: 1. (0) - 1 ;
2,

\ ()\ < 1, (v)re;


X-m
-i I

3. () = (), a e ; 4. Dac: 2 = D (X ) ;
n

Z =

, atunci () =

unde

m=M(X)

iar

5. Dac X = ^ X k ,\meXh,k=l,2,...,n sunt independente atunci:

k = l
<Px

( 0= . ( 0= ,(*)<2 (0 -<Px. ( 0= v * .W *=1


**

relaie care exprim c funcia caracteristic a sumei de variabile aleatoare independente este egal cu produsul funciilor caracteristice ale variabilelor.

6 . mr = ^\) adic momentul iniial de ordinul r al variabilei aleatoare X este


egal cu valoarea derivatei de ordinul r a funciei caracteristice pentru t-0 mprtit la f.

245

Demonstraie. Pentru 1 avem <p(0) = /(e* ) = M ( 1) = 1.


Pentru 2 avem:
foo
+00

je i t x f (x)dx <
_o o

J |etoj/ (x)dx = J / (x)& = 1 , ntruct


eo

4 o o

oo

|e't tJ= |cos tx+ isin t x \= cos2 tx+ sin2 tc = 1 . n cazul 3 () = M[ei t a X]= M[ei{a t )X) = {at). Pentru 4 avem:

( it -------X~ m\ )= M e f
k .

(
\

1 l- X

\
=e /

II

i 'l 1 ;

n cazul 5 scriem:

() = ("(*+* +"+**))= M(ei l X ' e*2 ... ei t X " )= Afe"*' ) A/je " * 2 )
... M(e itX * )= (/) () ... (), n baza independenei variabilelor ,2 ,,
H

n sfrit pentru 6 innd seama de relaia (p x (t) = jeaf(x)dx derivare n raport cu parametrul t deducem

prin

+00

(p x\t) = ifxei l x f(x)dx; + O 0 + 0 0 <Px(t) = i2 J x2ei t x f(x)dx...( x )(t) = ir J xre,t x f (x)dx i fcnd
oo oo

n ultima relaie t = O obinem:


4oo

ir<p/r)( 0) =
sau:

J xrf(x)dx = mr,

r = 1,2 ,...

fHo)
presupunnd c derivarea integralei este posibil. n ceea ce privete momentele centrate de diverse ordine exprimate cu ajutorul funciei caracteristice, avem din 4 pentru = 1, . (/) = e~ 'im (p x {) i prin derivare de r ori n raport cu t, gsim:

+ 00
= =*' j(x-myei l (x n ,)f(x)dx,

246

unde pentru t=0 gsim:

K = 4 - ^ > ( . Exemplu: A m vzut c funcia caracteristic a variabilei aleatoare cu


densitatea de repartiief(x,X)=L'^, x>0, >0 este:

A m vzut c relaia care definete funcia caracteristic pentru o variabil aleatoare continu X cu densitatea de repartiief(x) este:

<Px(0 = je laf(x)dx.
Exist o relaie numit formula de inversiune a lui Fourier care definete densitateaf(x) n funcie de funcia caracteristic a variabilei aleatoare X exprimat prin integrala:

Demonstraia i condiiile de existen ale relaiei precedente nu le vom da aici. 5 Repartiii clasice discrete i continue

Repartiia hipergeometric
S presupunem c dintr-o urn cu N bile albe i negre, dintre care a sunt albe, extragem n bile fr a introduce bila extras napoi n urn. Fie X variabila aleatoare care reprezint numrul de bile albe aprute n cele n extrageri. Repartiia acestei variabile se numete repartiia hipergeometric, iar proabilitatea ca x din cele n bile extrase s fie albe i deci n x negre, se calculeaz dup formula schemei bilei nerevenite, deci:

sau

247

C xfin x
a N-a

a eN *,

n e N * , x = 0,1,2,...,n ,
r^n

r n N
n r*x/~<n-x n

unde
x=0

=
x=0

=
W x=0 ''t f

= L

A m folosit identitatea C * C " * = C "+ f c care se obine identificnd coeficienii lui x=0 " din cei doi membri ai egalitii (1 +t)a (l +t)h-(l +t)a + h . V o m calcula n continuare media i dispersia unei variabile aleatoare cu repartiia hipergeometric.
^ N -a
x=0
1

n
V v

al

f n-x _

C N x=0
n

C" L C " xKa- x)! '-JV '-'N x=o /-in- 1 na DlJ _ 0 L N -a ' N -a -

N-a -

cn

n x

fix/m-x

( 2) = * 2
x=0

X=0
u ~ ~

' ' c .*1c r . +

^ > 'N ^ x=0

>

x\(a-x)\

+ M (x ) = f ^ ( - 1)
r

Cn N

to

( - 1) ,, 2 , _

, _ (- l)(n- 1) , ' iv(iv-i)

+ ( )- ~

-2 + 1 " W E

n(n-l) Rezult c D (X ) = M ( X 2)- M 2(X) =

an{a - 1)( - 1) N{N-\)

an

a2n2 _

a N -a N-n N-l '

+ ~N~ N 2 ~n~ N N
Notnd p =

probabilitatea extragerii unei bile albe la prima extragere i

N ~a q= \ -p = , media variabilei X este: N M(X)-np, N- n iar dispersia D (X ) = npq N- 1 Exemplu:


U n lot de 100 de piese conine 10 piese defecte. Se extrag la ntmplare 5 piese din lot, fr revenire, pentru a fi verificate. S se scrie repartiia variabilei 248

aleatoare X care reprezint numrul de piese defecte i s se calculeze numrul mediu de piese defecte din eantionul controlat i dispersia. Soluie. Variabila aleatoare X - numrul pieselor defecte are o repartiie hipergeometric cu N =100, a=10, n=5.

1
1 90 4 ^10
"100

C C 10^90
100

C 2 C 90 3 ^10
C 5 w100

C 10'-' 3 C 90
'1 0 0

c 10 4 c 90 1
'100

ri5 r 0
10 90

'1 0 0

na 5-10 M (X ) = = = 0,5, 100 N 10 90 95 N- a N= 0,432. D (X ) = n-' =5 N N N -1 100 100 99 Repartiia Poisson O variabil aleatoare X are o repartiie Poisson de parametru dac repartiia
sa are forma

x X x \
deci probabilitile diferitelor valori ale variabilei se calculeaz cu formula:
jc =

0,1,...,

A>0,

_ P (X = x) e . x i Evident,P(X=x)>0, (V) xeNi


OO X 00

= 1 .
=0 =0 =0

Legea Poisson descrie, spre exemplu, repartiia numrului de apariii ale unui eveniment oarecare ntr-un interval de timp, dac este cunoscut numrul mediu de apariii ale evenimentului n unitatea de timp i dac momentele apariiilor evenimentului sunt independente. n acest sens, repartiia Poisson are multe aplicaii n problemele de statistic din fizic i tehnic. Repartiia Poisson mai este cunoscut i sub numele de legea evenimentelor rare , denumire justificat astfel: s presupunem c se efectueaz n probe independente i n fiecare din acestea evenimentul A are probabilitatea de realizare p mic n raport cu numrul n al probelor, care este mare. S considerm variabila aleatoare X, numrul de apariii ale evenimentului A n cele n probe. Variabila aleatoare Xare o repartiie binomia: ? (x = x )= c y (i- ^ r .

249

Notnd =, pentru p0, rmnnd constant, numrul probelor - >00 i trecnd la limit n relaia de mai sus, pentru n n= P repartiia Poisson. lim C xpx(1 - pY x = Hm obinem

n(n -!)...( - * + 1) (\ (. \

1- -

'

vrt-x

= lim
>

{_

dar cum lim 0 0

\
-

= i lim 1--

= 1 rezult:

* - lim C x (I -)"~ = e
!

Astfel, n practic, atunci cnd se efectueaz un numr mare de probe asupra unui eveniment A de probabilitate p, acelai n fiecare prob, mic n comparaie cu numrul probelor, atunci numrul de apariii are aproximativ o repartiie Poisson.

Exemplu.

O central telefonic automat, primete, n medie ntr-o perioad de vrf apeluri pe or. S se calculeze probabilitatea ca centrala s primeasc ntr-un minut exact m apeluri. Soluie. Deoarece chemrile sunt independente, numrul de chemri pe minut se repartizeaz dup legea Poisson. Valoarea medie a numrului de apeluri pe minut este: A = , 60 deci probabilitatea ca centrala s primeasc m apeluri pe minut este:

m (J l ) P (X = m) = 60

k
60

m \ Momentele repartiiei Poisson. V o m calcula valoarea medie i dispersia


repartiiei Poisson pornind de la definiie: < 0 0 tX-1 = ^ ' ? = A e-A -eA = | * 1)! Deci valoarea medie a variabilei aleatoare X cu repartiie Poisson este chiar parametrul repartiiei. =0

M (X ) = ~

250

( ) = ' ^ e~ X = (* 2
=0

=0

=0

+ M (A O =A V a -Y * 2 + = 2 ~ + = A2 + S ( * - 2 ) Deci: D (X ) = M ( X 2)- M 2(X) = 2 + - 2 =

Funcia caracteristic. < p x( o = * ~6" = e_A x=0

> to e_A = eAY

= e' A = e A(e"-,). e--.e~

x=0

Avem succesiv A / ( X ) = ^ ^
t

= A ; M ( A 2) = ^
i

= A 2 + A ; >(X) = A .

Exemple'.
1) S se determine repartiia sumei a n variabile aleatoare Poisson independente, de parametrii ,2,...respectiv .

Soluie. Fie X i,X 2,...,X variabilele aleatoare Poisson de parametri ,2,... 0 i Y = X , + X 2+ ...+ X n. V o m determina repartiia variabilei aleatoare Y cu ajutorul funciei
caracteristice. tim c

(t) = eA (e I) (v) k = l,n i folosind independena

variabilelor X hX 2 ,...Xn avem:

{) = .

(0 = ^ ( 0 = 4 ( "') =eMe[ ) e ^
1
k= *=

...

...e (

3 / * \

} = e = l

Rezult c Y = X k este tot 0 variabil Poisson de parametru A = K

k =1

k i

2) U n aparat este alctuit din 1000 elemente care funcioneaz independent unul de altul. Posibilitatea ieirii din funciune a oricruia dintre elemente pe durata T este egal cu 0,002. Aflai probabilitatea ca pe durata T s ias din funciune exact 3 elemente. Soluie. Pentru suficient de mare (adic cel puin de ordinul sutelor), am vzut c putem scrie egalitatea aproximativ:

x Xn-x Cn p < 7

_ -X . _ e , A np.
x\

Deci, probabilitatea cerut este:

P ( X = 3) = C,3 0OO(0,002)3(0 ,9 9 8 )"7 ^ ~ ~ = | - e ' 2 0 ,1 8 ;

251

( =

* 1000-0,002 = 2,

e2

0,13534).

3) fabric livreaz la o baz de desfacere 500 de piese. Probabilitatea ca timpul transportului oricare dintre piese s se deterioreze este 0,002. S se afle probabilitatea ca s se deterioreze: a) exact 3 piese; b) mai puin de'3 piese; c) mai mult de 3 piese; d) cel puin o pies. Soluie, fie X variabila aleatoare care reprezint numrul pieselor deteriorate n timpul transportului. Numrul n = 500 este mare, p - 0,002 este mic, deteriorrile pieselor sunt independente una de alta, deci avem:

P J X = x )~ ex x=0,l,2,... ==5000,02=1. x \

'

%x\

c) P (X > 3 ) = l- P (X< 3) = \- e_1 + e _1+ ^ - +


V

= 1- (0 ,9 1 9 7 + 0,0613) = 0,019 e -1 d )P (A T ^ l ) = l - P ( X < l ) = l - P ( X = 0) = l - ^ - = l- e -1 = = 1-0,36788 = 0,632

Repartiia binominal
O repartiia sa are forma:

variabil aleatoare X are o repartiie binomial de parametri n i p, dac

x = 0,l,2,...n
, p ,q > 0 , p + q = l, n N , x = 0,\,...,n Spre exemplu, variabila aleatoare asociat schemei Bernoulli ( a bilei revenite), are o repartiie binominal de parametri n i p unde n este numrul de extrageri succesive, iar p probabilitatea de a obine o bil alb. Dac notm Pn(x) = C xp xq"~x avem: 1) Pn(x)> 0 ,
n

252

iar mulimea variabilelor aleatoare cu o repartiie binominal de parametri n i p o vpm nota prin B(n,p).

Momentele repartiiei binominale

pxqn+ M (X ) = n(n -\)p2(p + q)n ~ 2+M (X) = n(n-l)p2 +np


Deci: D (X ) = M ( X 2) - 2(X ) - n2p 2 -np2np-n2 p 2 =np{ 1- p)-npq

Funcia caracteristic

J t =0 Se poate uor arta c:

M ( X 2) =

= n2p 2 + npq ;

D (X ) = M ( X 2)- M 2(X ) = npq Exemplu


S-a observat c din 3 vizitatori ai unui magazin, n medie 2 cumpr i unul nu. La un moment dat, n magazin se afl 4 persoane. S se scrie repartiia variabilei aleatoare X care reprezint numrul de cumprtori dintre cele 4 persoane i s se calculeze media i dispersia. Soluie. Variabila X are o repartiie binomial cu n=4,

/ > ( I = 0) = C 4 W

P (X = l) = C\pqi = A ;
/ > ( * = 2) = c 4 W = ! y ;

P (X = 3) = Clp'q = ;
253

Repartiia sumei de variabile binominale independente


Fie variabilele binomiale independente X i Y cu repartiiile P(x) = B(n,p) = C*pxqn ~ x,

x = 0,l,2,...n. p+q=l;

Pm(y) = B(m,p) = C y m p yqm ~ y, y = 0,1,2,...m. p+q=l; avnd acelai parametru p crora le corespund funciile caracteristice ( 0 = (peU + q) i ( 0 = (pe" + ? ) Calculnd funcia caracteristic a variabilei sum Z=X+Y obinem: < P z( 0 =
<Px+y ( 0 =

(0 ( 0 = {pe" + q) (pe + q f = (pe" + q Y " ,

relaie din care deducem c repartiia variabilei sum X+Y de variabile binomiale independente avnd acelai parametru p este:

Pm +n(Z) = B(p,m + n) = C z m + n p zq"z, z = 0,1,2,...m+n, p+q=l,


adic tot o repartiie binomial de parametri p i m+n. Proprietatea de mai sus poate fi generalizat, extinznd-o la un numr oarecare s de variabile binomiale de acelai parametru. Astfel dacX*, k=l,2,...s sunt variabile binomiale independente cu repartiiile:

B(nk,p) = C x n px 'q n *x* , x* = 0,l,2,...nk, p+q =1,


depinznd de acelai parametru p, atunci repartiia sumei

x = x l+x2+...+xs='xk,
*=i / este o repartiie binomial B

k = \ Repartiia geometric
S considerm variabila aleatoare discret X care reprezint numrul de trageri ntr-o int pn la prima nimerire i s presupunem c probabilitatea de nimerire la o tragere oarecare este p. (q=l-p probabilitatea de a nu nimeri).

Valorile posibile ale variabilei aleatoare X sunt numeree dup cum inta este nimerit la prima tragere, la a doua,..., la a xa tragere. Rezult c:

P(A) = p i P( ) = l-p = q.

P (X = l) = P(A) = p ;
P (X = 2) = P(Atn A2) = q p
independente. Analog: deoarece rezultatele tragerilor sunt

P (X = 3) = P(ln T 2n A 3) = q2p ,

P (X = x) = qx~x p.
Deoarece teoretic este posibil ca inta s nu fie nimerit niciodat, urmeaz c numrul de trageri pn la prima nimerire poate fi orict de mare, deci repartiia variabilei aleatoare X va fi:

f\

3
_ _2

...

p> 0
p+q=i

p \p

pq P < pq

pq
oo

*- 1

P ( X = x) = px = q x - 'p .
Trebuie deci s avem: px = 1.
x=l

\-q p deoarece seria din parantez este o serie geometric de raie 0<q<l a crei sum
" este = .

ti

' =

0 + ? + ^ 2 + . + ? ", + ) = />

- =

1-q

Calculul valorii medii i dispersiei variabilei X cu repartiie geometric l vom face pornind de la definiie:

( X)

= *<7*"' = ^ ^ *1
x=l x=l

Pentru a calcula suma seriei * ? * ' folosim seria geometric convergent W

< 1

^ q x =\ + q + q2+... + qx TZ x=o

1 1 -Q q

pe care o derivm membru cu membru i obinem:

255

xA \+ 2q + 3q2 + ... + xqx 1 + ...= *=0


Prin urmare

1 (i - ? ) 2

M (X ) = p ^ x q x l=(1 -

=J L = I t f W

Pentru momentul de ordin doi avem:

M 1(X ) = M ( X 2) = % x 2px = p ' x 2qx '.


x=I
x=l

V
* -1 = x =l *?
x=l

(
=
I

j:1

1+ ^
L(i- )2

^ ^
= 1

Rezult deci M 2(X ) =

p (1 + )

l+ g

(p+q=l)

) ( * ) = 2( ) - 2( ) = - ^ - - ^ = ^ (1-?) P P

( ) =

'p -

Pentru valori mici ale lui p se poate considera q~l i atunci:

{ ) ~- .
Egalitatea mrimilor M(X) i () ne conduce la legtura cu repartiia exponenial care, dup cum vom vedea n cele ce urmeaz, se poate obine din repartiia geometric. Fie At durata unei probe i s considerm intervalul de timp (t, t+At) cu

txAt, xeN. Probabilitatea p, ca evenimentul A s se produc n intervalul (t , t+At)


este egal cu px=ptf. Punnd A = rezult c parametrul reprezint probabilitatea realizrii

evenimentului A n unitatea de timp.

p,=XAt(l-XAt)x
Fcnd acum At > 0, ti fiind fixai rezult c x lim = limi 1 A t-> 0 A t A * -* 1
> i p > 0 .

Rezult c:

t 'x

= e

deci am obinut densitatea de repartiie exponenial. S stabilim acum expresia funciei caracteristice pentru variabila:

256

pq

X -\

x= p +q= 1

p>0
pq' = L j \ q e )
1= 1 * ? 1= 1 1

Exemplu:
Se arunc un zar i se noteaz cu X numrul de aruncri efectuat pn la prima apariie a feei cu un punct. S se scrie tabelul repartiiei variabilei X i s se calculeze media i dispersia. Fie A: evenimentul apariiei feei cu un punct.

P(A) = p

P() = q = I

o *

p ( X = l) = p = i ; p ( ^ = 2 ) = 9 .j p = I . 4 =: A ;.../ > (X = ) = 5 * 1

6 6
1 6
5 * _1

Variabila aleatoare X este o repartiie geometric dup cum urmeaz:

2
5

...

k
5 *-1

.. '"J

62
1

6*
' 5 Y "1

1
6

= 1

6*

6 ft 16 J

= 6 i- l

M (X ) = - = 6 P

D (X )= 4 - = - r =30 p _L 36

Repartiia uniform
Adeseori, n practic, se ntlnesc variabile aleatoare continue, despre care se tie c valorile lor posibile se gsesc n limitele unui anumit interval determinat i n plus, sunt la fel de probabile. Despre aceste variabile se spune c se repartizeaz dup legea densitii uniforme sau rectangulare. D e exemplu, s presupunem c ntro staie de autobuze, vehiculele trec din trei n trei minute. Timpul T ct un cltor ateapt n staie un autobuz este o

variabil aleatoare repartizat uniform n intervalul [0,3]. O variabil aleatoare X are o repartiie uniform de parametri a i b, dac densitatea sa de repartiie este:

257

1
f(x) = \b-a
0

XG

[a,b]

x< \ a ,b \

Graficul funcieif(x) este cel din figura de mai jos:

Evident,/fo) va avea proprietile unei densiti de repartiie, i anume: 1) / ( x ) > 0 +00

(v) x e R ; evident
H

2)

J f(x)dx = 1 . ntr-adevr, avem: J f(x)dx= jf(x)dx +


= 1

+ jf(x)dx + jf(x)dx = J ^ dx =

S exprimm acum funcia de repartiie F(x) a variabilei uniforme.

X F(x) = P{X <x)= jf(t)dt


0,
Deci, F(x) =

x< a
%

x-a b-a
1,

a<x<b x>b

S calculm n continuare media i dispersia variabilei uniforme*

D (X ) = M ( X 2)- M 2(X ) unde M ( X 2)= jx 2f(x)dx =

258

- A h n J b-a'
a

b -ab + a

Rezult z j m - q2~ab+I}2 (a+bf - (b-af 3 4 12 Funcia caracteristic este +00 1 ^

^ ( 0 = A/(eitt)= JV*/(x)<& =
= f (cosfcc + /sinix:)^ =
sintc b

=
a icostc b t a it(b-a)L

b-aJ

b-a

t(b-a)

- --- [(cos bt + isin bt) (sin bt -sin at -icos bt + icos at) = -

- (cos at + isin a/)] = - --- (el b t-e" )

it(b -a)

V o m da n ncheierea celor expuse n legtur cu repartiia uniform, o proprietate important a acesteia care se enun astfel: Dac variabila aleatoare X este continu, cu funcia de repartiie F(x) continu, atunci repartiia variabilei:

U=F(X)
este uniform pe (0 , 1). Pentru demonstraie s considerm graficul din fig.l al unei funcii de repartiie continue U=F(x) U=F(x)

Fig. 1 Datorit monotoniei funciei F(x), la un dat pe axa O U corespunde un x(u) i numai unul pentru care:

F[x(u)]=u

0 <

< \

(1)
259

Considernd u ca variabil independent i difereniind relaia (1) obinem 9F[x(u)] dx(u)

dx(u)
i innd seama c

du

dx(u)

= /[jc(u)], unde / este densitatea de repartiie a

variabilei X, relaia (2) devine:

dx(u)
/[ * ( ) }

du

1.

(3) g (u) = 1
0< u

Aceasta este tocmai formula care reprezint densitatea de repartiie g(u) a funciei de variabil aleatoare X i anume U = F(X). Avem deci:

<1 care este repartiie uniform pe (0 , 1).


Aadar transformarea U = F(.X), face trecerea de la variabila X care are funcia de repartiie F (x ) deci o lege de repartiie fix) la variabila U care are o

repartiie uniform pe (0 , 1). Exemple: 1) ntr-o staie de autobuze, vehiculele trec din 3 n 3 minute. Timpul T ct un cltor ateapt n staie un autobuz este o variabil aleatoare. S se scrie repartiia variabilei T, funcia de repartiie i s se calculeze M(T) i D(T).

Soluie. Variabila aleatoare T are o repartiie uniform pe [0,3], deci


1
/(* ) = 3

0<x<3
m rest.

0,

0,
Rezult F(x) =

x<0 0<x<3 x>3.

1
3*

1,

M () = 2)

D{T) = .

12

Se face o cntrire a unui corp cu greuti exacte, dar nu mai mici de 1

gram. Rezultatele cntririi arat c greutatea e cuprins ntre k i k+J grame. n aceste condiii, greutatea e luat egal cu k+~ grame. Eroarea admis X este o variabil aleatoare. S se scrie repartiia ei i s se calculeze media i dispersia. Soluie. Variabila aleatoare X are o repartiie uniform pe intervalul

22

260

1 xe
/(* )=

.1 i 2*2
22

0 x

Funcia de repartiie este:

F ( x ) = J / = r

x
->^ = X

1 2 1

-K

0,
Deci F(x) = x ,

x<~

xe

2
x > . 2

2 2
1

1,

M ( X ) = 0; D ( X ) =

1
12 48

Repartiia Gama
Spunem c o variabil aleatoare continu X are o repartiie Gama, dac densitatea sa de repartiie este:

f(x,a,b) =

xa ~ x e b ,x>0, a>0, b>0


,x < 0
oo

T M

unde () reprezint funcia gama, () = J x 0-1 e~ xdx i are proprietile: 1) (1) = 1; 2) () = (-)(-); 3) () = (- ) 4) r f - H = V 5 r . Revenind acum la repartiia Gama, se vede uor cf(x;a,b)>0 pentru x>0 i c:
4

jf(x,a,b)dx = 1

261

ntr-adevr: f f(x,a,b)dx = f----- x x e ' bdx = --- 7~[^ x e 'dt = LJK" { b an a ) b r(a){ = ? " ' = ^ = 1, (a)J (a) unde s-a fcut schimbarea de variabil t = .
X

M r(X ) = M ( X r) = j xrf(x)dx = -^~-^j xr ~ e~X / / b dx = = J Z J t~rle, dt = > bar(a){


Deci M ( X ) = (a) H () = ab . .

M ( X 2) = b2r( + 2 = b2a{a + 1) i
() D ( X ) = / ( 2 ) = M \ X ) = a2b2 + ab2 -a2b2 = ab2. Funcia caracteristic este < p x (t) = (l itb)~ a. ntr-adevr obinem:
+O0 oo

(0 = J < * / ( # - j j p o I e' ' x'~' < > '* * =

i>"r(a)Joa
0

'

j v W

. Iv

2- L

* r ( a ) ( ,i !

i f W .-**-& ' .

Dar j x n *a~ ' e~/bdx = T{a+n)'ba *n deci obinem:

( ' .

'

'

iT W t f

a(a + 1)...( + - 1)() = (1 - itb) .

Repartiia exponenial negativ


Repartiia exponenial negativ este un caz particular al repartiiei Gama i se obine pentru a=l i b = .

262

O variabil aleatoare X are o repartiie exponenial negativ de parametru dac densitatea sa de repartiie este dat de:

Particulariznd rezultatele obinute n cazul repartiiei Gam a obinem:

M (X ) = , D (X ) = -L, () = - . 2 it
Funcia de repartiie a unei variabile aleatoare exponeniale este:

Exemplu:
Variabila aleatoare T care reprezint durata de funcionare a unei lmpi are o repartiie exponenial. S se determine probabilitatea ca durata de funcionare a lmpii s fie cel puin 600 de ore, tiind c durata medie de funcionare a unei astfel de lmpi este de 400 de ore.

Soluie.

Se

cere

P(T > 600) = 1- P(T < 600) = 1- F (600)

unde deoarece

F(t) = \-em este funcia de repartiie exponenial, cu

Deci ( > 6 0 0 ) = 1- 1-e 400 = e~ % =0,2231 . /

Repartiia normal
n cele ce urmeaz vom studia repartiia normal care ocup un loc central n teoria probabiliilor i statistica matematic. Spre exemplu, durabilitatea anvelopelor, abaterea diametrului unei piese cilindrice de la dimensionarea standard, rezistena la rupere a unui fir, sunt variabile aleatoare care au o repartiie normal. Densitatea de repartiie normal are expresia:

unde m i sunt parametri repartiiei, a cror semnificaie se va vedea n continuare. Graficul acestei densiti este schiat n figura de mai jos i se numete curba lui Gauss.

263

Funcia f(x,m, ) trebuie s verifice proprietile unei densiti de repartiie i anume: 1) f(x,m,) > 0 ,

(v)xe R -evident, deoarece > 0

2 ) jf(x,m,a)dx = 1 .
OO

ntr-adevr :
+oo ^ +00

\f x-m

1
b 4 l

* )dx =
unde am fcut schimbarea de variabil = t.

13 r *
1 *

Ultima integral obinut este integrala Euler-Poisson: + i 2

j e 2dt = -Jn
+~ j deci obinem | f(x,m, a)dx = = */2 = 1 . i V 2^ V o m nota mulimea tuturor variabilelor aleatoare cu o repartiie normal de parametri m i prin N(m, ). dispersia variabilei aleatoare X. Fie deci XeN(m, ) i s calculm media i

l(x m M {X )= \ x f(x , m,a)dx = j = J .


oo ^ ^ oo

+00

i f (at + m)e 2 dt = ~ == f te 2 dt + ( e 2 dt = m, V2r J i 2 J

264

deoarece prima integral se anuleaz, funcia g(t) = te 2 a doua este integrala Euler-Poisson, egal cu Vjt .

fiind impar, iar cea de-

+00

+00

D (X )= f ( j c m)f(x, m,a)dx - == f (x-m)7 L 42 L

2 +r

dx -

1 ,2

t2e 2 dt4
-i,*

~,2 -te 2 + 0 0 1

dt

y2ni a r__ lim -te 2 V 2n


deoarece lim

+ cr2 7! = ie 2* dt = a 2,

= 0.

Rezult c parametrul m din expresia densitii de repartiie f(x,m, ) este chiar media variabilei aleatoare normale, iar parametrul reprezint abaterea medie ptratic. Pentru determinarea funciei de repartiie, vom utiliza funcia integral a lui Laplace, definit astfel:

1 2 12 () = -= [~2 dt.
S observm c funcia () este impar: () = ==r fe 2 c ft =
1

~ z t 2

1 V ie 2 dt = - ( ) ,

deci curba =() este simetric n raport cu originea axelor i admite dou asimtote orizontale: lim ( ) = ~
y-t-~

lim ( ) = 2

Observaie:
Valorile funciei () sunt tabelate. Funcia de repartiie este:

F(x) =

dt.

265

Fcnd schimbarea de variabil----- = y obinem:

x -m

^2

nx)
_,

VST .

2 >
1

~ T>

cr

< 2y +

< fy =

>/2

_ / jc-

. / -

Dac vrem s determinm o probabilitate de forma: . 1 sJb - m ' 1 J - P(a < X <b) = F(b)~ F(a) = + | --- -- 1=

Legea normal se aplic ns, de cele mai multe ori, nu sub forma iniial, ci sub forma unei repartiii normale, care se obine pentru m=0 i cr=7 prin trecerea de la o variabil X cu legea (;,) la variabila Z = ---densitatea de repartiie: /(* ) =

X f t l
care va avea

V 2 jt

Toate problemele legate de repartiia normal a unei variabile X se rezolv de obicei trecnd la variabila auxiliar Z, adic normnd aceast repartiie. Momentele repartiiei normale normate:

Mm

w - ir

2 dx.

Se observ c pentru n-2k+l funcia de integrat este impar, deci

M,

W - T .r / 2*+,^ y"

x 2* +1 e 2 dx 0

Fie acum n=2k


oo r J * OP e

dx^

-------X 2 Z

, -1 1 lim x 2*-i.eV 2 a . 2 a> - >/2

- i * 2 x 2 * ~ 2 - e 2 < f a =

(2k - \)M 2k~2(X )

266

Rezult:

M 2k( X ) = (2k - 1 )M 2 k _2(X) = (2k + 1X2 - 3 ) M ( X ) =... =


= (2*-lX2*-3)...3-l = 0
2 k \

O,
Deci M n(X ) =

n = 2k + l
= 2*

.2* kV

1 4
7

Putem calcula i momentele centrate ale repartiiei N(m,a).

2 ( ) = ~ ^ \ (x- m )2 M .e^

>dx = O

2 () = j==\(x-m)2 k e ^ >dx=
2 i e 2 dy = QQ--a2 k
i-P* k \ 2

if Jt~l" V

2*
>/2 schimbarea de variabil

unde

sa

fcut

y = -

x-m

v ^F i

Seria de funcii de sub integral este convergent pe R , deci se poate permuta cu integrala i rezult:

) = ^ = ] e ~ 2X ld x = % ^ M n(X) =

"

n \

yl2n i ,

ti

n !

( 2 *)!

Dac YeN(m,a) atunci A" = i

<7

1
f>r( 0 = ? rf+. = M ( e'(( d r+ 'B > )= e i "" . M ( ei< < M )jr ) = eiin () = ^ f.c. a legii normale N(m,a). care este

Repartiia sumei de variabile normale independente


Fie variabilele aleatoare normale X i,X 2,...Xs independente avnd repartiiile:

267

n(xk,mk,a k) = ==e
c k42

~ T ~ r(''"*)2 -a t , xk s R,mke R ,a k > 0 ,k = \,s

i funciile caracteristice corespunztoare:

< P Xt(.t) = e

*,,(,)-

2 ,

k = l,2,...s
s

S considerm suma X = X l+ X 2 + .., + X s = ^ X k a crei funcie *= 1 caracteristic (fix (t) este:

" t=l *= 1 Relaia precedent exprim dup cum se vede, funcia caracteristic a unei
5
S

m o = ^ = ^ ( ') = *

i m i ,J d

>(' *-*

legi normale cu media m = ^ m k i 2 = * adic repartiia sumei de *=1 k=I variabile normale independente este tot o repartiie normal cu media egal cu suma mediilor i dispersia egal cu suma dispersiilor variabilelor. V o m generaliza proprietatea precedent, innd cont de proprietile funciei caracteristice i considernd o combinaie liniar a variabilelor X i ,X 2,...Xs de mai sus de forma:
S

X = at X, + a 2X 2 +...+asX s = ^ a k X k, a ke R , k = l,s
k=1

Avem:

* * i(a k m k )l a lc l 4 ^}~ > > <(0 = < x. ( 0 = 1 1 ^ ( a * 0 = l i e 2 =e ' ceea


*=!

ce

k=l

exprim c combinaia liniar a kX k are o repartiie ( , * * , * 2). *=i

Exemple:
1) standard, urmeaz o lege normal cu m=30mm i a=10mm. S se calculeze probabilitatea ca diametrul piesei s aib abateri ntre 10 i 50 mm. Soluie. Densitatea de repartiie a variabilei X este:

Abaterile X ale diametrelor pieselor fabricate de o main, de la diametr

f(x,m,a) =

\0yj2n

7=

e ^ 10 > . Secere P ( 1 0 < * < 50).


lfs-ttV . 2 _u _

1 *

50

P (1 0 < X <50) =
268

10 2 /0

10 > = - p = f e 2du = (2)- (- 2) = 0,95 _ J2

2) Notele unui examen la disciplina A i ale unui examen la disciplina B sunt aproximativ independente i repartiia mediei acestora este aproximativ normal. Dac repartiia fiecrei mulimi de note are media 8 i dispersia 1, care este proporia studenilor care obin o medie final inferioar lui 7? Soluie. Fie X - nota la disciplina A i Y - nota la disciplina B M ( X + Y ) = M (X ) + M (Y) = 16

D (X +Y ) = D (X ) + D(Y) = 2
X + Y \ ^14-16 _ ( - )~ 0 ,0 8 , Deci, P < 7 = P (X + F < 14) = | . V2 . adic aproximativ 8 % dintre studeni au media la cele 2 discipline inferioar lui 7.

Probleme 1. Se arunc un zar cu feele numerotate de la 1 la 6 i se noteaz cu:

A = evenimentul apariiei unui numr cu so; B = evenimentul apariiei unui numr ptrat perfect;
C = evenimentul apariiei unui numr divizibil cu trei; a) S se scrie sub form de mulimi evenimentele ,,,; b) S se scrie evenimentele A ,B ,C ,A n B ,A r \ C ,B n C ,A n B n C , A kjB ,A v C ,B v C ,A v B v C,A-B,B-A,A-C,C-A,B- C,C- B, A n (B v C ),A v (B r )C ),A - (B n C ),A - (B u C ),(B n C )~ A ,(B u C )- A

Rezolvare: a) A = {2,4,6}; B = {4}; C = {3,6}; = {l,2,3,4,5,6};


b) = {l,3,5}; 5 ={1,2,3,5,6}; C = {l,2,4 ,5}; A n B = {4 }; A n C = {6}; B n C = < P ;

A nB nC = ; A u B u C = {2,3,4,6} ;

A u B = A;
- = {2,6};

A u C = {2,3,4,6}; -=,

5 u C = {3,4,6}; C - /i = {3};

A-C = {2,4};

B-C = {4}; C- B = {3,6}; A (B u C ) = {2,4,6}n {3,4,6}= {4,6};


^ u ( f i n C ) = {2 ,4 ,6 }u = {2,4,6}= A ;

A - (B n C ) = {2,4,6}- = {2,4,6}= A A- (B kjC) = {2,4,6}- {3,4,6}= {2} ( - = - = ( B u Q - A = {3,4,6}- {2,4,6}= {3}.


2. Se arunc dou zaruri obinuite, identice i se noteaz cu S i P suma i respectiv produsul numerelor de pe cele dou zaruri i cu:

A = evenimentul ca suma s fie un numr cu so; Bevenimentul ca suma s fie un ptrat perfect;
C = evenimentul ca suma s fie divizibil cu trei;

D = evenimentul ca produsul s fie divizibil cu patru; E - evenimentul ca produsul s fie un cub perfect;

269

a) S se scrie evenimentele elementare corespunztoare experimentului; b) S se scrie mulimile valorilor S i P; c) S se scrie evenimentele A,B,C,D,E ca mulimi; d) S se scrie evenimentele A ,B ,C ,D , , , n C , A n D

A n E , A n B n C n D n E ,A n B ,B u C ,A v B u C ,A - B ,A - ( B n C ) , (A n B )- C ,A n (B - C ),A - D ,(A n B )- (C n D ),(A - B )n [(C - D )n E ] Rezolvare: Evenimentele elementare corespunztoare apar mai
tabelul urmtor 1 1 2 3 4 5 6 (1,1) (2,1) (3,1) (4,1) (5,1) (6,1) 2 (1,2) (2,2) (3,2) (4,2) (5,2) (6,2) 3 (1,3) (2,3) (3,3) (4,3) (5,3) (6,3) 4 (1,4) (2,4) (3,4) (4,4) (5,4) (6,4) 5 (1,5) (2,5) (3,5) (4,5) (5,5) (6,5) 6 (1,6) (2,6) (3,6) (4,6) 5,6) (6,6) sugestiv din

b) 5 = {2,3,4,5,6,7,8,9,10,11,12};

P = {1,2,3,4,5,6,7,8,9,10,12,15,16,18,20,24,25,30,36};
c) = {2,4,6,8,10,12}; B = {4,9}; C = {3,6,9,12}; > = {4,8,12,16,20,24,36}; E = {1,8}; d) = S-A = {3,5,7,9,11}; B =S- B = {2,3,5,6,7,8,10,11,12}; C = 5 - C = {2,4,5,7,8,10,11};

D = P-Z> = {l,2,3,5,6,9,10,15,18,25,30};

=P-E;
5 = {4}; A n B n C = ; A n D = {4,8,12}; = {8};

A n B n C n D n E = ( A n B n C ) n D n E = ; JrB = S - (A n B ) = {2,3,5,6,7,8,9,10,11,12}; J U c = B n C = {2,3,5,6,7,8,10,11,12} n {2,4,5,7,8,10,11}=


= {2,5,7,8,10,11}; A u B u C ~ n B n C = n ( B n C ) = = {3,5,7,9,11 } n {2,,7,8,10,11}= {5,7,11};

A-B = {2,6,8,10,12}; A - (B rxC) = {2,4,6,8,10,12}- {9}= {2,4,6,8,10,12}= A ; (A n B )- C = {4}-{3,6,9,12}= {4}; A n (B - C ) = {2,4,6,8,10,12}n{4}= {4}; A-D = {4,8,12};
04 n 5 ) - (C n >) = {4}- {l2}= {4 };

(A - B )n [(C - D )n e ) = {2,6,8,10,12 } n {3,6,9,}n {l,8}=


= {2,6,8,10,12 } = ;

270

3. U n ora de afaceri ncheie ntr-o zi trei afaceri care pot fi rentabile (Ai) sau nerentabile (A,),i = 1,3, n final. S se scrie evenimentele care s corespund situaiilor urmtoare: a) una dintre afacerile ncheiate este rentabil; b) cel puin o afacere ncheiat este rentabil; c) cel mult o afacere ncheiat este rentabil; d) nici o afacere nu este rentabil; e) cel mult dou afaceri sunt rentabile.

Rezolvare:
Notm cu A,B,C,D,E evenimentele corespunztoare situaiilor de la punctele a,b,c,d,e. a) A = (Atn A2 n A3)u (A tn A2 n A3)u (A yn A2 n A3); b) B = A u(A, n A 2 3) ( , n 2 n A })u ( ln A 2 n A 3)\j

u (A ln A 2n A J) ;
c) C = (ln 2n 3) u A ; d) D = (tn 2n 3); e) E = C u (A , r\A2 n 3)u (A ln 2n A 3)u ( tn A 2n A 3) . 4. U n student se prezint n sesiune la 4 examene pe care le poate p r om o va^) sau nu (),' = 1,4 . S se scrie evenimentele corespunztoare urmtoarelor situaii: a) studentul promoveaz toate examenele; b) cel puin dou examene sunt promovate; c) cel puin un examen i cel mult trei sunt promovate; d) nici un examen nu este promovat; e) cel mult un examen este promovat.

Rezolvare:
Notm cu A,B,C,D,E evenimentele corespunztoare situaiilor de la punctele a,b,c,d,e. a) A A ^ o A2 o A3 o A4 t b) B = (AIn A 2n 3n A 4)u (A ln 2n A 3n I 4)u (A ,n 2n A 3n A 4) u u ( 4 n A 2 n 3n A 4)u(, n A 2n A 3n 4)u ( ln 2n A 3n A 4) u

u ( A ,n A 2n A 3n 4)u (A ln A 2n 3 r>A4)u (A , n ^ n A j n A 4) u u(, n A2 n A3 n A4)u(A,


u (A, r\2 n A 3n 4)Kj(l

n A 3 n A 4); n 3r\A4)v[B-{Aln A 2 n A 3r\A4)]

c) C = (Aln 1n 3n 4)v ( ln A 2n l n 4) u

e) E = D kj(A{n 2n 3 n 4)\j(xn A 2n 3n 4) u 271

u ( 4 r\A2 n A) n Aa) v (A{n Aj n A i r\Aa) . 5. Un lot de produse ambalate n cutii, oferite de o firm, este acceptat de

beneficiar, dac n urma examinrii a 5 cutii extrase la ntmplare, coninutul lor se constat corespunztor. S se exprime urmtoarele evenimente: a) un lot a fost acceptat; b) un lot nu a fost acceptat; c) dup examinarea a trei cutii extrase la ntmplare, lotul a fost respins; d) lotul a fost respins dup examinarea celei de-a cincea cutii.

Rezolvare:
Notm cu A,B,C,D evenimentele corespunztoare enunurilor de la punctele a,b,c,d i cu () evenimentul corespunztor situaiei c la examinarea cu numrul /, i = 1,5 , cutia examinat are coninutul corespunztor. a) A A o A2 n \A n A^ f ^ \A^ , b ) = A = A 1U i 4 2 u A 3 u A 4 U i 4 5 ; c) C = : At

A2 n A3;

d) D - Axn A2 n A} n A4 nj ;

6. Dintr-o urn cu 5 bile albe i 10 negre se extreg succesiv dou bile fr revenire.
Cu ce probabilitate vor apare: a) dou bile albe; b) prima bil alb i a doua neagr; c) bile de culori diferite; d) o bil alb; e) prima bil alb; f) cel puin o bil alb; g) cel mult o bil alb; h) nici o bil alb.

Rezolvare:
Fie (A, ), i = 1,2 evenimentul constnd din extragerea unei bile albe la extragerea

i, (At) evenimentul contrar i A,B,C,D,E,F,G,H evenimentele corespunztoare


enunurilor a,b,c,...,h. a) A =A x r\A2. P(A) = P(Al)-P b) B = A ln A 2 _5_ _4___2_ 15 ' 14 21 '' ==_5_J _0= Jl _5= _5_ , 15 14 3 '7 21

() = (,)

c) C = (A, n A 2) u (A, n A 2), evenimentele din paranteze fiind independente.

272

/> (C )= f (4 n 4 )+ /> (4 n 4 )= + H ~ = i

d) D = c 3 f ( D ) = f ( q J
e) E = (Aln l 2)u (A ln A 2) =

i ( )= P (i ,n 4 )t f W n 4 )4 4 4
=H

f) F = (Aln 2)u ( A ln ^ 2) u ( ^ , 2) = > P (F ) = P ( ^ 1 n ^ ) + P ( 3 i n ^ ) + P ( ^ n A 2) = ^ + A + A g) G - (t n J 2)u (A tn 2)u ( tn A 2)=>

P(G) = P ( ln l 2) + P(Aln I 2) + P(Aln A 2) = ^ - - ^ + ^ =


_3 ~7 10 = 19 21 _ 21

10 9 3 h) H =A ,nA 2 => P (H ) = = ' 1 2 15 14 7 7. Numerele 1,2,3,-n se aeaz la ntmplare. a) Care este probabilitatea ca numerele 1 i 2 s fie aezate n ordine cresctoare i consecutive? b) Care este probabilitatea ca numerele k,k + l,k + 2 s fie aezate n ordine cresctoare i consecutive nct A:> 1 i

k + 2<n?

Rezolvare
a) Folosim definiia clasic a probabilitii. Numrul cazurilor posibile este

P=n!. Pentru a determina numrul cazurilor favorabile procedm n felul


urmtor: numerele 3,4,..., pot fi aezate n (n-2)1 moduri. Cu numerele 1,2 grupate n felul acesta, din fiecare mod de scriere mai obinem -1 moduri, deci n total (n - 2)1 (n -1) = ( -1)/ moduri, aadar: p - fr- W - 1

b) Dac din numerele 1,2,3, ....,n scoatem cele trei numere determinate Cu ajutorul grupului

k, k+1,

k + 2, pe cele rmase le putem grupa n in -3)/ moduri. k, k+1, k + 2 din fiecare total se mai

formeaz n - 2 moduri

deci n total (n 3)! {n 2)=(n 2)!

273

P . (n - 2 V _ 1 ! n(n - 1)
8. Care este probabilitatea ca din patru aruncri ale unui zar s obinem cel puin o dat faa 6?

Rezolvare:
Observm c evenimentul contrar celui din enun const n neobinerea cifrei 6 din nici o aruncare i c probabilitatea sa este mai uor de calculat. Notm cu q acest probabilitate. 5 Avem: q = 6 6 6 6 5 5 5 64 1296 54 625

625 Rezult c probabilitatea cerut n enun este: P = \-q = l - - ^ ^ 9. Se consider o urn n care se afl 17 bile de aceeai mrime numerotate de la 1 la 17, dintre care 7 sunt albe , restul negre. I. Se extrage la ntmplare o bil. S se afle: a) probabilitatea de a se obine o bil al crei numr s fie : par, impar, divizibil cu 3 sau 5; b) probabilitatea de a obine o bil alb, o bil neagr, o bil alb sau neagr, o bil galben. II. Se extrag la ntmplare 3 bile cu revenire. a) S se afle probabilitatea de a se obine: 1) trei numere consecutive; 2) trei numere distincte; 3) acelai numr de trei ori; 4) trei numere n ordine strict descresctoare; 5) trei numere n ordine strict cresctoare; b) S se afle probabilitatea de a se obine: 1) trei bile albe; 2) trei bile negre; 3) cel puin o bil alb; 4) cel mult o bil neagr; 5) cel puin dou bile albe.

Rezolvare:
I. Cmpul finit de evenimente generat de extragerea la ntmplare a unei bile are 17 evenimente elementare echiprobabile. a) Fie A evenimentul c numrul obinut este par; numrul cazurilor favorabile O este m = 8, n = 17 => P(A) = . 17 Fie B evenimentul c numrul obinut este impar; numrul cazurilor favorabile

274

9 este m = 9, numrul cazurilor posibile este = 17 = () = = 1 - ( ) . Fie C evenimentul obinerii unui numr divizibil cu 3 sau cu 5; atunci m = T,n = 17 => P ( C ) = . 17 7 b) Fie evenimentul obinerii unei bile albe; atunci: P(A) = , Fie 5 evenimentul obinerii unei bile negre; atunci: P(B) = j y . Fie C evenimentul obinerii unei bile albe sau negre; atunci C = =* P ( C ) = P ( Q ) = 1. Fie D evenimentul obinerii unei bile galbene; atunci D este evenimentul imposibil => P(D) = () = 0 . . Cmpul finit de evenimente generat prin extragerea la ntmplare a trei bile cu revenire, are evenimente elementare echiprobabile. a) n acest caz numrul cazurilor posibile este 173 1) Fie A evenimentul obinerii a trei numere consecutive; numrul cazurilor favorabile este 15 => P(A) = -^r 17 2) Fie B evenimentul obinerii a trei numere distincte; atunci: * = 4 J , = /> ( * )= 4 $ . 3) Fie C evenimentul obinerii aceluiai numr de trei ori; atunci m = 17 => P (C ) = = - L . 17 17 4) Fie D evenimentul obinerii a 3 numere n ordine strict descresctoare; atunci m = C,3 7 i P(D) = C3 .

5) Fie G evenimentul obinerii a 3 numere n ordine strict cresctoare; atunci ci P(E) = ^ l m = <3 7 i 173 b) n acest caz numrul cazurilor posibile este = 173 1) Fie A evenimentul obinerii a trei bile albe; atunci m - 73 => 73 ( ) = . 17 2) Fie 5 evenimentul obinerii a trei bile negre, atunci m = IO3 =

17 275

3) Fie C evenimentul obinerii a cel puin unei bile albe, C \ evenimentul obinerii unei bile albe, C 2 evenimentul obinerii a dou bile albe, C 3 evenimentul obinerii a trei bile albe. C = C, u C 2 u C 3 Fie Ai evenimentul obinerii unei bile albe la extragerea i; C, =(Aln 2 n l 3)u ( ln A 2 n A 3)u (A ln A 2n A 3) .

C2=(A, n A 2r)3)u (A 1n 2n A 3)u ( tn A 2n A 3). C3 = (Atn A 2n A3) i C, n C2 = 0 ,C 2 n C 3 =


C, n C 3 = 0 Deoarece ( ,) = i / 5( 4 ) = 17 ' 17 ; P ( C 2) = 3P ( C 1) = 3 - ^ - f ^ 17 l \ 17 / P ( C ) = P (C ,) + P ( C 2) + P ( C 3) = 1 173

10
17 17 ; 17

(30-70 + 30-49 + 343) =

3913 1 -3 (2100 + 1470 + 3 4 3 )= ^ 3 4) Fie D evenimentul corespunztor enunului.

Z) = C 2 u C 3 cu C 2 n C 3 = 0 =>

173 5) Fie E evenimentul ca cel puin dou bile dintre cele extrase s fie albe. Cu notaia de la punctul 3 putem scrie: 1010

P(D) = P ( C 2) + P ( C 3) = (1470 + 343) :

1813

= C2uC3=D=>P() = i ~
10. Trei urne identice conin: prima trei bile albe i dou negre, a doua dou bile albe i una neagr, a treia patru bile albe i cinci negre. Se alege la ntmplare o urn i se extrage o bil. S se determine posibilitatea ca bila extras s fie alb.

Rezolvare:
Fie Ai evenimentul corespunztor alegerii urnei i,i = 1,3 ;

A evenimentul corespunztor extragerii unei bile albe;


1
.

(/) =

^ ) ^ ^ . ] = ^ ) ^ ^ ] + ) ^ ^ 2 77 135 magazin en gross cu acelai produs

+p(A3)-p(yA ]=- - + - - + - -=-

3'

{ /A J

3 5

3 3

3 9

11. Trei furnizori

Fl,F2,F3 aprovizioneaz un

n cantiti proporionale cu numerele 3,2,5, iar calitatea produselor este necorespunztoare n proporie de 2 % , 2 ,5 % i 3 % . O cantitate din produs vndut de magazin clienilor si n valoare de 7800 u.m. este restituit de ctre acetia n baza contractului de garanie; suma urmeaz a fi recuperat de la furnizori. n ipoteza c nu se cunoate furnizorul produsului necorespunztor, s se stabileasc n mod echitabil sumele ce urmeaz a fi recuperate de la fiecare furnizor.

Rezolvare:
Fie

A \ evenimentul

ca un produs s provin de la furnizorul

Fi,i = 1,3

i fie X

evenimentul ca un produs s fie necorespunztor. Evenimentele A\,A2 , A3formeaz un sistem complet de evenimente.

P(X) = f jP(Ai).p (y A \
t = l

)'= 2 % = 0,02 *

P[ X / a 1) = 2,5% = 0,025 ; ^ X / a 3j := 0,03 ;


0,005 +0,015=0,026

P(AX ) = 0,3 ; P(A2) = 2 % = 0,2 ; P(A3) = 0,5 ; P(X) = 0,3-0,02 + 0,2-0,025 + 0,5-0,03 = 0,006 +

Fie Pi = P ^ / \probabilitatea ca un produs necorespunztor s provin de la

V
furnizorul Fj.

P(A)-P
P\

0,3 0,02 _ 0,006 _ 6 0,026 0,026 26

P(X)
P W

0,2 0,025 _ 0,005 _ 5

Pi

P (X )

0,026

0,026

26

277

P(AZ) Pi

X/

0,5-0,03 0,026

0,015 _ 15 . ~ 0,026 2 6 J_5 26 + 26 26

P (X )

Observaie: p3 = 1 - (/?, + p2) = 1 -

Potrivit enunului, sumele ce urmeaz a fi recuperate de la flecare furnizor sunt proporionale cu pi,P2 ,P adic: S l

P \

Pz

Pi

_6_ 26

_5_ 26

11
26

; Deci:

: 7800 = 1800; 26

S, = 7 8 0 0 = 1500;
2 26

S, = 7 8 0 0 = 4500;
3 26 12. ntr-o grup de studeni sunt sunt 14 biei i 16 fete , n alta 15 biei i 15 fete, iar n alta 14 biei i 18 fete. Pentru susinerea unor lucrri la o sesiune de comunicri tiinifice se ofer cte un student din fiecare grup. Care este probabilitatea s prezinte lucrri doi biei i o fat?

Rezolvare: Se aplic schema lui Poisson.


14 Avem: n ' 3, P \ \ v \= 30 ,Q 16 15 15 14 18

30Pl 30q2 3 0 Pi 32qi 32 Probabilitatea cerut este coeficientul lui x2 din dezvoltarea polinomial:
Pi(x) = ( P i X + Q\ ){p2x + <h ) ( P j X
+ <73 )

P3(x) =

/ 14 30

r H ------- I -------r -4--------I ------ ^--------= ----------------------- r

16Y15

1 5 Y 14

18^

14

15

14

30^30

30

32

32

-f

30 30 3 2 '

f i i 1111 I I 1 1 I i 1 1 1 1 1 * } \ x 2+ + { 30 30 32 + 30 30 32 + 30 30 32 /
+ 111111 30 30 32 278 1 I l 30 30 32 16 15 18 I. I I 11 \ x+ -------30 30 32 30 30 32

_ 2940 ^3 , 10800 28800 28800*

; ( 11190 28800*

4320 28800

= 0,1023 + 0,3752 + 0,388 + 0,135. Deci probabilitatea cerut este 0,375. 13. n trei loturi de produse 4 % , 3 % respectiv 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) cel puin dou poduse extrase s fie corespunztoare.

Rezolvare:
Se aplic schema lui Poisson. Fie pi i q, , probabilitatea ca un produs extras la ntmplare din lotul i s fie defect, respectiv corespunztor. Atunci: /7!=0,04; ^ = 0 ,9 6 ; p2 =0,03; q2 -0,97; py= 0,08; q3 = 0,92. Dezvoltarea polinomial folosit n rezolvare este: P3(x) = (0,04x + 0.96)(0,03 + 0,97X0,08* + 0,92) = = ,3 + 0,0065x2 + 0,1367* + 0,8567 a) Fie X evenimentul ca un produs din cele 3 s fie defect; atunci P{X) este coeficientul lui x 1 din P 3(x) adic P (X) = 0,1367 b) Fie Y evenimntul ca un produs s fie corespunztor. Enunul este echivalent cu cel ca dou produse s fie necorespunztoare, deci P (Y) este coeficientul lui x2 din

P3 (x) adic P(Y)=0,0065.


c) Fie Z evenimentul care reprezint enunul. Acesta este echivalent cu evenimentul ca nici un produs s nu fie necorespunztor, deci P(Z)=0,8567. d) Fie U evenimentul corespunztor enunului. Acesta este echivalent cu evenimentul ca cel mult un produs s fie defect.

14. La o banc s-a observat c, n medie, din 10 cereri de creditare de un anumit


tip, 6 sunt aprobate i 4 respinse. Care este probabilitatea ca din 25 de cereri de creditare la un moment dat: a) s fie aprobate 20? b) s fie aprobate cel mult 15? c) s fie aprobate cel puin 10?

Rezolvare:
Suntem n cazul schemei bilei revenite cu dou stri cu:

p = 0,6; q = 0,4; n = 25. a) Notm cu X evenimentul corespunztor enunului. Avem: P (X ) = P (25,20) = C 2 5 (0,6)20 (0,4)5 b) Notm cu Y evenimentul a crui probabilitate se cere
279

P(Y) = P(25,k<l5) = J V ( 2 5 , * ) = ]T C*5 (0,6)* -(0,4)


*=o *=o

25 - *

c) Notm cu Z evenimentul corespunztor enunului

P(Z ) = P(25,k> 0) = % P (2 5,k ) = c * -(0,6)* (0,4)


*=10 *=10

25- *

15. ntr-o urn sunt 5 bile albe, 7 bile negre, 13 bile roii. Se scot consecutiv 10 bile cu revenire. Cu ce probabilitate se extrag: a) dou bile albe, trei bile roii i cinci bile negre; b) opt bile albe?

Rezolvare:
Suntem n condiiile schemei multinominale cu

n 10, Pj = ,p 2 = ,p 3 =
25 25 25
3 f 13 i 25 )

in

13

2
a) P(10,2,3,5) = 2/3/5/
5 ] V 25

v2

b) jP(10,8 albe)= P(10;8;0;2) + />(10;8;1; 1) + P(10;8;2;0) = _ 10/ f 5 Y ~ 8/2/ [ 25 3 25 ( 10/

f 5 " 13 _7_+ 10/


25 25 8/-2/ 25

fi _
25

+ 8/ 1/ 1/ \ 25

16. ntr-o grup sunt 20 studente i 10 studeni. La un examen oral primii 6 pot intra la ntmplare (nu dup catalog). Cu ce probabilitate acest grup este format: a) numai din fete; b) trei fete i trei biei; c) cel mult doi biei; d) numai biei; e) cel puin patru fete.

Rezolvare:
Suntem n cazul schemei bilei nerevenite cu dou stri; avem:

n = 30; a \ = 20; a2 = 10. a) Fie X evenimentul corespunztor enunului; avem: i = 6; n2 = 0 i P (X ) = P( 6,6,0) = ^ ^


'3 0

b) Fie Y evenimentul a crui probabilitate se cere; avem: n(=3; 2 =3 i

P{Y) = P{ 6 ,3 ,3 )= C ^ '^ 3 ( ) r v30

c) Fie Z evenimentul a crui probabilitate se cere; avem: ni<2\ i+w2=6 i

280

t O is '* 5 i /^2 C6 s 20 ** 0 T ^20 Mo T 20 H o --- _ 6 P(Z) = P(6,n2 Z2) _ = ^


'-'30

d) Fie U evenimentul corespunztor enunului; avem: i=0, n2 = 6 i />({/) = P ( 6,0,6) = ^ ^ ^30

e) Fie V evenimentul a crui probabilitate se cere; avem: n{> 4,, + n2 = 6 i


C A r 2 + C 5 - ^10 1 + ^on 6 -V C ''i n . '-'in' ^20 'H P(V) = P(6, n, > 4) = -22-- 2 - ?2_10- 20-- 10. c 6 ^30

17. La o expoziie se gsesc 25 de ghizi studeni, din care 10 biei i 15 fete, ale
cror nume sunt numerotate i trecute pe un tabel. Se aleg la ntmplare 6 numere de pe tabel. Precizai cu ce probabilitate grupul celor ase persoane este format: a) numai din fete; b) numai din biei; c) trei fete i trei biei; d) din cel mult o fat; e) din cel puin cinci biei?

18. ntr-o urn sunt 5 bile albe, 10 bile negre i 15 bile roii. Se scot succesiv trei
bile far revenire. Cu ce probabilitate pot fi extrase: a) trei bile albe; b) trei bile de aceeai culoare; c) trei bile de culori diferite; d) primele dou bile albe; e) prima bil alb, a doua neagr i a treia roie; f) cel puin dou bile albe?

19. ntr-un grup de studeni aflai ntr-o excursie sa constatat c 7 5 % dintre ei sunt
studeni la U .R .A .; 8 % dintre ei sunt fete; 65 % vorbesc engleza i 6 0 % dintre ei ar dori s lucreze n turism dup terminarea studiilor. Alegnd la ntmplare o persoan din grup cu ce probabilitate minim aceasta ar fi: a) student la U R A care vorbete engleza i care dorete s lucreze n turism; b) student la U R A care vorbete engleza i care dorete s lucreze n turism; c) student la U R A care vorbete engleza i care nu dorete s lucreze n turism? 20. ntr-o urn sunt 2 5 % bile albe, 4 5 % bile roii i 3 0 % bile negre. Se extrag succesiv 10 bile punnd napoi bij.a extras. Cu ce probabilitate se pot extrage: a) numai bile albe; b) numai bile de aceeai culoare;

281

c) opt bile albe; d) 2 bile albe, 3 roii, 5 negre; e) bile de dou culori din care cel puin 5 albe. 21.Patru universiti ofer respectiv cte 4,6,8 i 12 burse de studii. O anumit facultate primete 7 astfel de burse care sunt trase la sori din cele 30 de burse acordate. Cu ce probabilitate cele 7 burse ar putea fi: a) de la aceeai universitate; b) una de la prima, 2 de la a doua, 3 de la a treia i una de la a patra; c) 6 de la ultima universitate; d) de la toate universitile. 22. Probabilitatea ca o anumit central telefonic s fie liber la un moment dat este p = 0,75 i ocupat q - 0,25. Se face un apel. Cu ce probabilitate se obine legtura: a) de la prima ncercare; b) la a treia ncercare; c) cel puin la a treia ncercare; d) cel mult la a patra ncercare.

23. ntr-un autobuz cu 3 ui urc la ntmplare 7 persoane. Care este probabilitatea ca pe prima u s urce 4 persoane?
2 3 Ct 37

R:

24. La o loterie sunt 96 de bilete dintre care 8 ctigtoare. O persoan cumpr 12 bilete. S se determine probabilitatea ca: a) Un bilet i numai unul s fie ctigtor. b) Cel puin 3 bilete s fie ctigtoare. c) S ias cele 8 bilete ctigtoare. d) S nu ias nici un bilet ctigtor. Soluie. Folosind schema bilei nerevenite obinem:
a) P i C1C1 1 y ^ 1 2 C 96

b) !\ = p (A^ A
282

a\ j

A 7 u A ) - ( *)
k=3

unde Ak- evenimentul s apar k bilete ctigtoare


Aj , ..., A 8 - sunt incompatibile dou cte dou.
y 't /c ^-12 k ____

t.- _L 3g
8

s~*k

^-12k

^96

*=3

'-'96

Acelai rezultat l putem obine fcnd cel mult dou bilete ctigtoare > ev.
contrar.
2 s ~ i k s ~ i \ 2 k P3 = l - P (A 0 u A , u A 2) = l - ^ - 8 ' 1288 C k= 0 ^96

c ) p8 = P ( ^ ) =

c 8 c 4
ay ^ r l 2 ^96 / '" O ^ 1 2 '' * 8 8

d) Po - P ( \ ) -

12
96

Obs. pm= prob, s ias exact m bilete ctigtoare, iar Pm= probab. s ias cel puin m bilete ctigtoare. 25. Doi studeni se prezint la un examen i au probabilitile de promovare 0,5 i respectiv 0,8. Care este probabilitatea ca: a) Ambii studeni s promoveze examenul; b) U n singur student s promoveze; c) Cel puin un student s promoveze; d) Nici un student s nu promoveze. Soluie. Fie A - ev. ca primul student s promoveze. B - ev. ca al doilea student s promoveze. P(A) = 0,5; P(B) = 0,8. a) ( ) = P(A) P{B) = 0,4 b) p ( ( A n ) n ( n ) ) = p ( A n ) +
p

( o

)=

= ()() + P( ) P(B) = P(A)-[l - P(B)] +

+ [1 - P(A]-P(B) = P (A ) + P (B ) - 2 P(A)-P(B) = 0,5


c) P ( A kj B) = P(A) + P(B) - P ( A n B ) = 0,9 d) p ( n 5 ) = 1 - P ( A u S ) = 0,1. 283

26. U n lot de 100 biciclete este supus controlului de calitate. Condiia ca acest lot s fie respins este gsirea a cel puin unei biciclete defcete n cinci verificri consecutive. Care este probabilitatea ca lotul s fie respins dac el conine 5 % biciclete defecte? Soluie. Fie

At - ev.

ca la verificarea i s gseasc o biciclet bun

i A - evenimentul ca lotul s fie respins. Se determin mai uor probabilitatea ev. contrar

p{a) = ( 1 2 3 4 ^45) = ()( 2 / A , )


P ( A 3 / A,

n A j ) ( 4 / , ^ 3) (5 / , 2 3 4) =
= _95_ 9 4 93 92 91 =

1 0 0 9 9 '9S9196

=> () = 1 -

)= 0,23.

27. U n student trimite scrisoare unui prieten. Exist o ans de 1 0 % ca scrisoarea s fie pierdut n drum spre oficiul potal. tiind c scrisoarea ajunge la oficiul potal, probabilitatea c va fi distrus de maina de tampilat este de 2 0 % . D e asemenea, tiind c a trecut de maina de tampilat, exist o probabilitate de 1 0 % ca potaul s o duc la o adres greit. Dac prietenul nu primete scrisoarea, care este probabilitatea ca maina de tampilat s o fi distrus? Soluie. Fie A - evenimentul ca scrisoarea s fie pierdut

B - evenimentul ca scrisoarea s fie distruas de tampil


c - evenimentul ca scrisoarea s ajung la o adres greit d - evenimentul ca prietenul s nu primeasc scrisoarea. Avem: P (A ) = 0,10 => P() = 0,90.

P ( B / A ) = 0 ,2 0 => P ( B /A ) = 0,80. P (C / 5 ) = 0,10


i

P ( C /B ) = 0,90.

Atunci P ( B /D ) = -------- --------------- = 0,511. Atunc! 0,10 + 0,90-0,20 + 0,90-0,80-0,10

28. Doi adversari cu anse egale joac ah. Pentru unul din ei, ce este mai probabil s ctige: a) 2 partide din 4, sau 6 partide din 8? b) cel puin 2 partide din 4 sau cel puin 6 partide din 8?

284

Soluie, a) Fiecare din cei doi juctori are probabilitatea de ctig > la o partid. Atunci, aplicnd schema lui Bemoulli =>
2

\ 2
'

r = C 4

p x= 0,375

l2 J
2

rn 6rn
i P 2 = Q 6

, 2 ,

p2 = 0,19375. Evidentp x> p2.

J l2 J l2

b) Aplicm din nou schema lui Bemoulli

2 J- + C 3 1 , P \ C 4 P2 = C i
Din nou/?] > p2-

1 2T 0,6875 = 0 ,1 4 4 5 3 1 .

4 r r+ C

+ C7 - ^ + C . i

29. Din 20 de uniti agricole, 15 iau realizat planul la recoltri. Sunt alese la ntmplare 10 uniti agricole i se cere probabilitatea ca: a) 6 dintre acestea si fi realizat planul. b) cel mult 4 uniti agricole s nu i fi realizat. c) toate cele 10 uniti s aib planul ndeplinit. Soluie. Aplicm schema bilei nerevenite, = 0,135449

a) P =

IU

C 20 b) probabilitatea evenimentului contrar: 1 0 s ~ i \ 0 k p (A) = ^ -10 = 0,848297 => P(A) = 1 - P(A) = 0,151703. k =l '20
10

c) P =

_ C , 15_ 5

1 0 '20

0,01625.

30. Dintr-o um cu 35 de bile de aceeai mrime i numerotate se extrage la ntmplare o bil. Care este probabilitatea ca numrul astfel obinut s fie divizibil cu 3?

11

13

31. Din mulimea {1,2, ...,25} se alege la ntmplare un numr. Care este probabilitatea ca numrul ales s fie divizibil cu 5?

a )

c)

d)

32. ntr-o urn se afl bile de aceeai mrime numerotate de la 1 la 10. Se extrag la ntmpalre toate bilele. Care este probabilitatea ca primele dou bile extrase s fie n ordinea natural? 8!

a)

9!

9_

10!

c)

d)

10

33. ntr-o urn se afl bile de aceeai mrime numerotate de la 1 la 15. Se extrage la ntmplare o bil. Care este probabilitatea ca numrul extras s fie prim?

a)

15

b)

15

d)

15

34. Zece bile numerotate de la 1 la 10 se aeaz la ntmplare una dup alta ntr-un ir. Care este probabilitatea ca, dup bila numerotat cu 5 s urmeze bila numerotat cu 6? 9!8

8 - 8!
b)

^9- 8!

9-9! d)

a)

10!

10!

V C)" 10!

10!

35. Se arunc 2 zaruri de 3 ori. Care este probabilitatea ca dubla (6,6) s apar cel puin odat? 35 a) 1 b)lv3 6 , VJ , 3 6 ,

c)

d)l-

v36,

36. Se consider trei urne identice ce conin bile albe i negre dup cum arat tabelul de mai jos: Urna UI U2 U3 286 Nr. bile albe 1 5 1 Nr. bile negre 1 3 3

Se alege la ntmplare una din urne i in ea se extrage o bil. Care este probabilitatea ca bila s fie alb?

U
a)
24 b) 24 c) 24 d) 24

37.

ntro urn sunt 15 bile identice, dintre care 5 sunt albe, 7 sunt roii, iar 3 sunt

negre. Se extrage la ntmplare o bil. Care este probabilitatea ca bila extras s fie alb sau roie?

b)

15

c)

15

d)

15

38. ntro anumit localitate, n medie 6 zile dintr-o lun sunt cu cerul acoperit. Care este probabilitatea ca primele trei zile din luna iulie s avem cer senin? 25 2 4 23 b) 25 2 4 23

(25
c)
31 d)l

'2 5 '3
V 31 y

a)

313131

31 30 29

39. Trei firme de producie P u P2, P 3 trimit la un magazin acelai tip de produse n proporie de 5 0 % , 3 0 % respectiv 2 0 % . Cele trei firme dau rebuturi de 1% , 3 % respectiv 2 % . Valoarea total a rebuturilor este de 36 milioane lei. Cum trebuie repartizat aceast sum ntre cele trei firme?

pt P, : 36 mii = 10 mii (lei)


18

pt P : 36 mii = 14 mii (lei)


18

pt Pt ' . 36 mii = 18 mii (lei)


a)
218 b) 4

pt P, : 36 mii = 10 mii (lei)


2 18

pt P-,: 36 mii = 8 mii (lei)


3 18

pt P,: 36 mii - 12 mii (lei)


3 18

pt P : 36 mii = 8 mii (lei)


1 18

pt P, : 36 mii = 9 mii (lei)


1 18

pt P, : -36 mii = 10 mii (lei)


<0 2 18 9 d)

pt P, : 36 mii = 17 mii (lei)


'1 8

17

pt P,\ 36 mii = 18 mii (lei)


3 18

pt P, : -36 mii = 10 mii (lei)


3 18 287

40. Un produs este standard dac ndeplinete trei condiii Cx, C2, C3. Din 1000 de produse, 92% ndeplinesc C,, 85%, C2 i 89% condiia C3. S se calculeze probabilitatea minim i maxim ca un produs s fie standard. a) 0,67; 0,84 b) 0,68; 0,83 b) 0,65; 0,86 d) 0,66; 0,85

41. Probabilitatea ca un trgtor s nimereasc inta dintr-o singur tragere este p = 0,8. S se calculeze probabilitatea ca n ase trageri consecutive inta s fie numerit de 5 ori. a) C<?(0,2)5 (0,8) c) C g(0,8)5 (0,2) b) C6 5(0,8)3 (0 ,2 )2 d) C 6 5(0,8)5

42. ntr-o urn sunt 4 bile albe i 2 bile negre. Se fac 8 extrageri succesive cu revenirea bilei n urn dup fiecare extragere. Se cere probabilitatea de a obine de 4 ori bila alb.
/.A 4 ^ Y f n 4 V6 ,

a) C8

v6 y
/ t 4

c) CJ

v /

43. ntr-o magazie se gsesc 1200 de piese dintre care 30 sunt defecte. Care este probabilitatea ca o comand de 155 de piese s cuprind 145 de piese bune?
1170 * -.145 1200 ~tl45 v~ill

a)

C,1200
,-.145 .-.10 155 155 '*- 155

155

b)

1170 '*-'30 155

C,1200

--.145

,-.10

c)

c,1200

d)

1200 ' 1 2 00 > .1 5 5


1200

44. Se arunc un zar de 12 ori. Care este probabilitatea ca fiecare fa s apar de 2 ori?
8! a)

(21)

1 6 612

10! r n b )~ A

12

12! r n
c)^T ,6,

d) alt rspuns

288

45.

La un concurs particip 12 concureni dintre care, 6 americani, 4 francezi i 2

italieni. Prin tragere la sori, cei 12 concureni sunt mprii n grupuri de cte 4, fiecare grup urmnd s susin probele de concurs ntro zi. Care este probabilitatea s concureze 3 americani i un francez? i U rii ^ * 1
'-'6 ' '-'4 2 ^3 ^ "6 * / l /n O

4 *^ 2

a)

c,12

b)
'1 2

c)

C,12

d)

c,12

46.

Se iau la ntmplare 4 numere diferite din mulimea {1, 2, 3, 4, 5, 6, 7}. Care

este probabilitatea ca suma lor s fie un numr prim? 11

a)

35

b)

il 35

c)

10

d)

10

47.

O urn conine 220 bile identice numerotate de la 1 la 220. Dac se extrage o

bil oarecare, se cere probabilitatea fiecruia din evenimentele:

a: bila extras s aib un numr divizibil prin 5 sau 7; b \bila extras s aib un numr divizibil prin 6 sau 10;
c: bila extras s aib un numr divizibil prin 10,14 i 21.

P (A )

220
7

P(A) = P(B) =
b)

220
7

P(B) =
a)

220
1

220
13

P(C) =

220

P(C) =

220

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

220
3

220
7

P(C) =

220
289

48. Se arunc o moned de 3 ori. Care este probabilitatea ca stema s apar de 2 ori? 5 a) P = 3 b) P = 1 c) P = 2 d) P = -

4 9 . 0 urn conine 8 bile albe i 10 bile negre. Se extrag consecutiv (far revenire) trei bile din um. S se calculeze probabilitatea fiecruia din evenimentele:

A - ultima bil extras s fie alb

B - ultima bil extras s fie neagr


a ) P ( A ) = -|

pw

= j

b)P04) = !

/><) =

0)/>() = 5

P(B) = i

d) p(/1) = i i

P(B) = T

50. O um conine 5 bile albe, 4 bile roii i 6 bile verzi. Se extrag simultan 4 bile. S se calculeze probabilitatea fiecruia din evenimentele:

A -dou bile s fie verzi

B - toate bilele s fie de aceeai culoare

P(A) =

P(A) =

^15

15

s ~ i 2 /^2

^4 i /i4

F(A) =

P(A) = - 5 ^

^ (s )= ^ k
15

S )=o k ^
15

7 51. Valoarea l u i > 0 pentru care: * =: discret este: 1 a) P = 2p

10 3p

15 p reprezint o variabil aleatoare

1
b) P = c) orice p > 0 d) alt variant

290

1
52. Determinai p > O astfel nct aleatoare discret: 1 a) P = 1
2 4

3 4 1 1

p
7

reprezint o variabil

b) P

c)p = 0,2

d) P

53. S se afle x s R astfel nct variabila aleatoare s aib repartiia:

x-2x

5.x

a) x = 0,6

b) x = 0,4

c) x =

d) x

f 1
54. Variabila aleatoare are repartiia: : 16 1 9 b) 16

2 7 16

3 1 3

4 1 6

Se cere ( > 3)

a)

c)

d)

55. Variabilele aleatoare i au repartiiile: o

p + 6

1
3

1
3,

0 2 p q

S se determine p i q a.. i s reprezinte dou variabile aleatoare: 1 a))P = - ;

1 O P - ;

* < 1

12 p 2
/

s.3

9 = 0

b) p = 0 ;

q= O

291

(- 1
56. Dac variabila aleatoare are repartiia: ' aleatoare 2 i 2 au repartiiile: 2:

0
1 /3

1
1 /3 atunci variabilele

1 /3

2 0 1 /3

2 1/3
2:

1 1/3

0 1/3

3 " 1 /3

1 /3

a)
2: s .

0 1 /3

1 2 /3

b)
2:

- 1

0 1/3

1 ^ 1/3

V
3 1 /9
2:

1/3

' 1
2:

0 1 /9

r-2
1 /3

0 1 /3

2 1/3

1 /9

c)
2:

- 1 0 1 /3 1/3 1 /3

2:

- 1 1 /9

0 1 /9

1 /9

0 57. Dac variabila aleatoare are repartiia aleatoare 1 + , - au respectiv repartiiile: 1 /4 1 /2

1 1 /4

atunci variabilele

-1

0 3 /2

1 5 /4 b)

+ :
a)
- '

5 /4

v
:

1/4

1/2 0 1/2

1/4 1 1/4

'- 1 1/4

- 1/4

- 1/2

-1/4

f
1 + :

1 1/4

0 1/2

1
1 + :

0 1/4

1 1/2 1/4

v
c) :
v

1/4

y
d) -:
v

' 1

f -1 1/4

'

1/4

1/2

1/4

-1/2

-1/4

292

58. D a c i sunt variabile aleatoare independente avnd repartiiile:

0 1/3

1 ^ 1/3

(-1
i r l: 1 /3

0 1 /3

1 1 /3 atunci variabila aleatoare 2 + 2

1/3

are repartiia: ' 0 1 7 /9 1 4/9 2 1 /9 b) /

a)
V

_1
V

0 6 /9 0 4/9

1 N 1 /9 1 -4/9 /
y

1 /9

2 /9

f 0
c)
, 1/9

2 N 4/9 d) >

r -1
V

1/ 9

59. Variabilele aleatoare independente i au repartiiile: -1


V

0 1 /3

l
1 /3

-1 iV1 /3

0 1 /3

1 1 /3

1 /3

S se calculeze P( = - 1): 1 1 b) 1 c) 2 d )5

a)

60. Variabilele aleaoare independente i au repartiiile: -1 : 1 /3 0 1 /3


1/3 i V

f -1
\
1 /3

1 /3

1 1 /3

S se determine repartiia variabilei aleatoare . -1 a) *1'


v

0 5 /9 0 6 /9

1 2 /9 b)
y

0
2 /9

1
7 /9 y

2 /9 1 1 /9

^ c)
V

1 2 /9 / d)

-2
2 /9

0
2 /9

2
5 /9

61. S se calculeze 1. Dac variabila aleatoare are repartiia:

' 1

2 2/5

3 2/5
293

1/ 5

a)

1
5 /1 1 5 /2 1 /2 5/2 5 /2 1/3' 5/2 d> r b )

1 1/5 1 -1/5

1 /2 2/5 2

1/3' 2/5 3 2/5 "

r 1
v

-2/5

62. Fie o variabil aleatoare discret a crei repartiie este: ' : 0 1 /4 1 1 /4 2 1 /4 3 1 /4 y

S se determine funcia de repartiie F(x) 0 1 /4 F (x ) = a) 1/2 3/4 1 x<0 0<x<l l<x<2 2<x<3 x>3 b)
OO

x<0 0<x<l l<x<2

1/4 2/4 Fix) = 3/4 1

x-2 x>2

0 1 xe

x<4 O 1
OO

F(x)
c) 2

x<3 x e [0,3] x>3

xe

>4

2 3< ' d)

Fix) = P
j -o o

2 4 1

f3 x e _ -1-00
4

63. Se d variabila aleatoare discret a crei repartiie este:

0,1

0,3

0,2

0,4

atunci ( < 2) are valoarea:

a) 0,6 294

b)0,3

c) 1

d)0,4

64. S se calculeze F(3/2). dac variabila are repartiia r O


0,15 1 0,30 2 0,40 3 0,15

a) 0 ,15

b)0,85

c = 0,45

d) 1

65. S se calculeze media variabilei aleatoare:


/ 0 : 1 /4 1 1 /4 2 1 /4 3 1 /4

a) ( ) = -

b) () =

10
4

) () = 1

d) ( ) =

66. Fie variabil aleatoare discret a crei repartiie este: ~1


1 /3 0 1 /3 1 1 /3

v S se calculeze media () i dispersia )2():


a) () = 0,

= ^
2() = 0 d ) M ( ) = 0, )2( ) =

c) ( ) = | ,

67. variabil aleatoare are dispersia ^ 2() * + 5 este: aleatoare


9

Atunci dispersia variabilei

a) )2[ + 5/9] ) 10/9 b) 2[ + 5/9] = 5/9 c) >2[ + 5/9] = )2[] + Z)2[5/9] = (5/9)2

d) )2[ + 5/9] = 0

68. Se tie c variabila aleatoare are dispersia D '( ) - . Atunci, variabila aleatoare 2 are dispersia:
14 a) n 49 b ) 2 'TT 28 7

11

c) 11

d) 11
295

69. Fie o variabil aleatoare discret a crei repartiie este: . S se calculeze media i dispersia variabilei aleatoare a) m = 5 c) m = - , w 3

~ =
143 2 25 ~ = 9

b)

m=

2 -, 5 5

143 9 143 9

d) m =

70. S se determine x e R astfel nct media variabilei aleatoare este:

- 1
2 s fie () = 1 a)x=l b ) * = -l

-1
3

2x + 1 l
6

c) x = 0

d) = 2

1 71. Fie o variabil aleatoare. Dac se cunosc: ( ) = i

( ) = . S se
y

determine abaterea medie ptratic a lui 1 c)

a)

b) =

V2

-1 72. Se dau variabilele aleatoare independente

0 1 /3

1 1 /3

'

1 /3

1 /3

1 /3

1 /3

. S se calculeze media variabilei aleatoare

a)

() =
27 32

b) ( ) = 0 c)

() =

12
1 0

d )6

1 73. Se dau variabilele aleatoare ' 1 /3

0 1 /3

1 1 /3 iV i

1 2 /5

2 /5

1 /5

S se determine media variabilei aleatoare + 296

)(+) = +

b) ( +

) = | + I

c) ( + ) =

d) ( + )

1 22 = +

74. Care din urmtoarele tablouri poate fi o repartiie pentru variabila aleatoare discret : 3 0,4

' 1

2 0,2

4)
b)

rn
1

2 2 7

3 3 7

-2" 1 7 y

a)

0,1

49

70 0,38

71 0,49 d)

4 1

-3
2

- 2

- )

c)

3 11

4
u ,

0,12

,11

f i

75. Se d variabila aleatoare P( 10 < < 20)

1
1 9

8 1 9

13
2

17 3 9

28^ 2 9 ,

. S se determine

a)

b)

c)

d)

7 76. Fie variabila aleatoare discret ' 1 '.5

10 ^ 5

13 1 5. . S se decid care dintre aplicaiile

de mai jos este funcie de repartiie pentru variabila aleatoare :

x<l
oo X < 1

7< *<10
j .

a)

F(x)

7<

jc< 13

b)

F (x ) 5 1 10 < * < 13 *>13 297

+ 00

*> 13

<
7<*<10

<
7<<10 10<Jt<13
: >

Fix) =
c)

F(x)
1 0 < jc< 13 d)
jc>13

1 /5 4/5 1

13

77. Se d variabila aleatoare discret ;

1
3

. Atunci:

0 b) F (* ) =

x<-\
-

1/2
1

1<

jc<1

x>l

c)

yf3

d )M (|) = f 4

D 2() = f J 16

78. Se consider funcia de repartiie a unei variabile aleatoare:

0 x /2 F ( jc) =

x<0 0<x<l

x l 2 1 x<2 . Atunci densitatea de repartiie corespunztoare este:


1

x>2

x<0 sau x>2


0 < jc < 2 b) f(x) -

1/2
1

0<x<2 x>2 x<0


0 < x <1 l<x<2

0
f l /2 x e [0, 2]
x

2/4

c) fix)

I 0

n rest

d)

/(* ) =

x1 / 4 x

x>2

298

79. S se determine constanta real k astfel nct funcia: / 0 0 = s fie densitatea de probabilitate a unei varaibile aleatoare : a) k = 1 c) A r= 0 d) k 1

ffcc,
I

x e [0, 2]

0,

n rest

b > * = 5

80. Fie o variabil aleatoare continu a crei funcie de repartiie este: 1 /2 0<x<l 2<x<4 S se calculeze ( < 3)

1/4 = 0

n rest

3 a> I

1 b) i c) 1 d) 0

81. Se d funcia de repartiie corespunztoare unei variabile aleatoare continue, 2x, /(*) =0, x e [0,1]

n rest

. S se determine media i dispersia varaibilei aleatoare:

a) m = - , 9

2 1 " =
18 2 4

b) m =

~ =
18

c) m = , 3

=
9

d) m =

Ike2, 82. S is e determine constanta real k astfel nct / W ~ 0,

x e [0,1]

n rest

. S se

reprezinte funcia de repartiie a unei variabile aleatoare : a) k = e b ) = 0 x e [ 0 , 1] 1 c)) k = c ^d)^=l

[2x 83. Fie / ( * ) I 0

n rest densitatea de repartiie a unei variabile aleatoare

. S se calculeze P 0 <

<-

84. Se arunc o moned de patru ori. S se scrie repartiia variabilei aleatoare care ca valori numrul de apariii ale stemei. Sol. Valorile pe care le poate lua variabila aleatoare sunt: 0, 1,2, 3, 4. Din schema lui Bernoulli obinem: P(x - k) = C kp kq n~ k, 0 Atunci X : k = 0,4, p =q=

T 4
w 2. V2 , v2,

Cj \4 / i 4 V2 , ,

85. Variabila aleatoare x are repartiia f-2 0 2 4

,3 0,2 0,4 0,1 \ / a) S se determine repartiiile variabilelor > >= 2x + 1; z = x2 1N b) S se calculeze P x > 3 3 Soluie, a) y' 0,3 1 0,2 5 0,4 9 N 0,1, i ' 0 [o ,2 4 0,7 16" 0,1^

b)

x> = P((x = 0 ) u ( x = 2 ) u ( x = 4 )) = 3 = P (x = 0) + P(x = 2) + P(x = 4) = 0,7 '-2 3 '

r -\

2
0,5

86. Fie x i y dou variabile avnd repartiiile x -

0,2

0,2 0,8 j ; y -

S se determine repartiiile urmtoarelor variabile aleatoare. x + 3; 2x; x2; - ;y - 2; x + y; x y; x y Soluie. x + 3: f 1 0,2 V


300

' 4 0,2 9 N 0,8

'-4 6 1 ; 2x: 0,8 , 02 J

6 ' p 00

; x 2:

2 :
X

V0,2 y/

"-3 3 ; y - 2: 0,2 0,8 J 0 0,1 2 0,16 3 0,06 0,6 0,24

0 0,5 5 0,4 1,5 0,4

3 N 0,3 8 0,24 2 \ 0,04

' -3
X +

^0,04 3 -1 0,1

- 0 ,4 0,06

0,16

87. Se consider o funcie/ definit prin [l/ x , / (* ) = [ 0, l - c < x < l + c, n rest c& R

S se determine c a.. funcia/ este o densitate de repartiie. S o lu ie./ - densitatea de repartiie < = S\A X ) ^ 0 y x e R i
R

~^< = >fix)

> 0 = > l- c 0 = > c > l ic > 0 . iar|1 + c = 1


X

ln x | = 1 o

ln (l + c) - ln (1 - c) = 1 < = > c e 1

. 1+ c 1 + c < = > In-------= 1 < = > ----------- = e 1 - c 1- c a / (* ) = 88. Se d funcia 0,

e + 1

-< x< l n rest

a) S se determine a, a ../ - densitate de repartiie a unei variabile aleatoare. b) S se afle funcia de repartiie corespunztoare. c) S se calculeze P(0 < x < 1) Soluie, a) Din proprietile densitii de repartiie => r> J_i f ( x)dx = l < = > f1 1 a' - ' J i = = dx -

= a[arcsin 1 - a rc s in (-l)] - - 1

a -
71

301

b) F(x) = [ _ f{ t) d t. Dac x < - 1, cura pentru < t< - 1, f t ) - 0 => F(x) = 0.

Dac -1 < t < 1 = F(x) = J f{t)d t = Jfoo ' f(t)d t + oo

+ f(t)dt + f f(t)dt - [arcsin 1 - arcsin (- 1)] = => 1 Jl = F(x) = 1 pentru xe (1, ). Deoarece pe intervalele (- > ,- 1) i (1, ) densitatea de repartiie este nul ;
0, 1 arcsm x + 1, F(x) = 2 1, x < -l / 1,1) 1 1 xe (-

xe (1, oo)

c) tim c P(0 <x < 1) = F (l) - F(0) P (0 < x < l) 1 2 3 2 7 1 p p 4 3 Care este probabilitatea ca variabila X s ia o valoare < 3 ? Rezolvare: 7 1 1 X este variabil aleatoare =* p2 +p + += 1; y 4 3 6 12/j2 + 21/7 + 4 + 2 - 1 2 = 0 ; 4p 2 + 7/>-2 = 0 ; -7 + 9 1 -7 -9 D = 49 + 32 = 81; p .= L l l = ; p = _ i_ Z . = -2 < 0 ; 89. Distributia variabilei aleatoare X este X :
1 8 4 8

4^ 1
-

6)

' 1 Rescriem distribuia variabilei aleatoare, X :

P (X < 3 ) = P (l) + />(2) + P(3) = - l + T^ + i = | . 10 10 3 O


90 . Ce distribuie are suma variabilelor aleatoare independente: "-1 0 1 2 N ? X: 2 5 1 i 7 : p p *2 f * % K o 3 3

'4 1

" " 1

302

Rezolvare: Se determin mai nti p i q din condiiile :

Avem: 3> p2 + 5 p - 2 = 0 cu P t -

cealalt soluie fiind negativ.

30 q2 + 48 q - 24 = 0 ; 5 q2 +8q - 4 = 0 cu soluia convenabil q = ^ . Rescriind cele dou distribuii vom avea: r-i 1 2 o 4 16 1 1 X: ir : 25 6 y Atunci repartiia variabilei aleatoare X + Y va fi : / _ 2 -1 ') 0 1 -1 0 1 2 0 16 1 1 20 80 5 4 5 X + K: 4 k225 225 54 270 225 225 54 270 75 '-2 -1 0 1 2 3 N smX+Y: 4 _36_ 577 434 100 15 k 225 225 1350 1350 1350 1350

'-1

,25

30,

1 16 75

2 31 1 1 18 90,

91. Se consider variabilele aleatoare independente: 1 1 1 X: ,Y'.

+ +X

X)

lp~q

S se scrie distribuia variabilei X + Y . Pentru ce valoare a lui a avem: P (X + Y = o ) > ! ? Rezolvare: Avem:

i,+% +?+X +X =1
J ^ + 2 p - q + l2 p 2 =1

2 12p + 2 p -q =

1 2 12/>2 + 2/?+ /> -j = - j ; 36p2 + 9 p - l = 0 cu soluia convenabil:

Rescriem repartiiile celor dou variabile aleatoare:

' - 1 0

1V
% r

fa

1'
x ; 303

X!U

:U

Repartiia variabilei X+ Y este: r-\ + a - 1 O O

1+ a

, X
' - l +a JSf+y:
,

X X X X X X X X ,
-1 0 2/ /9 a 1 1+ a 2 ' 1/ 2/ /9 /9

X yj

Se observ c: P(X + 7 = 0) = Pentru realizarea condiiei din enun i cu a * 9 0, * 1 = > 1 + = 0 adic a = -1 . 1 0 1 >X+ Y: 92. Variabila aleatoare X are repartiia: . S se determine a i tiind c M {X) = 1,4 i = + 1. 0,2 0,4 0,4 N > Pentru a i determinate s se calculeze M^(X). Rezolvare: M (X ) = 1 - 0 ,2 + 0,4 + -0,4 = 1,4; = a + l X: 0 ,4 + 0,4/3 = 1,2 + /3 = 3 = = 1, = 2 - a + =1 - a + =1 Variabila aleatoare va avea repartiia: '1 2 ' 1 1 2 N , sau : X: 0,6 0,4 0,2 0,4 0,4 Af,( X) = l3 0,6 + 23 0,4 = 0,6 + 3,2 = 3,8 93. Fie X i Y dou variabile aleatoare independente i a,b e R , constante. S se arate c: D(aX + bY) = a2D{X) + b2D(Y) Rezolvare: Se cunoate c: M(aX + bY) = aM (X) + bM(Y) i
m

[(oX + bY)2]= M [a2X 2 + 2abXY + b2Y2}=

= (2 2) + M{2abXY) + M(b2Y2) = = a 2M (X 2) + 2 apM(XY) + b2M(Y 2)


304

A"i y fiind independente => M(XY) = M (X) M(Y) =* m [(o X + bY)2]= a2M (X 2) + 2 abM (X) M(Y) + b2M(Y2) Folosind formula de calcul a dispersiei rezult: m [(o X + bY)2]= m [(oX + bY)2}- M 2(aX + bY) = = a 2M (X 2) + 2abM(X)M(Y ) + b2M(Y2) - a2M 2( X ) - 2 abM(X) M(Y ) - b2M 2(Y) = = 2|m(X2) - /2( )]+ 62[m (7 2) - /2(7)]= 2>() + b2D(Y) 94. Se d o funcia/ : j? >/?, unde: sin;c x e [ , / (* ) = 0 , >xg[o,7r] a) S se determine constanta astfel ca / s fie densitatea de repartiie a une variabile aleatoare X; b) S se afle funcia de repartiie F a lui X;

/
c) S se calculeze P 0 < , X < -

4J

,p

OZX < - X > 4/ 6 \

X > -/ ~ < X < 2/ 4 \

Rezolvare: a) Condiiile ca/ s fie densitate de repartiie a variabilei aleatoare sunt: 1) f(x)> 0,(V )xeR = > ks\nx> 0= *k> 0
oo Oo

2) I f(x)dx-l= > ^ksm xdx = -kcosx] ( 0 =2k = \=^k = y^.


oo

Deci: / (* ) =

sinx, 0,
X

pentru x e [,] pentru x g [,]

b) Deoarece: F(x) =

J f(t)d t =>
1
r

F(x)= \0dt+ f sin tdt = - cosii = -(l-c o s )


J

5)

305

Dac > atunci:


O
oo

n -t
O

H *) = J / (O * +J fiO dt +J f(t)dt =0 +J - s in tdt +O= 1


7C

n concluzie:
,dac x <0 0 l-c o s jc ,dac 0< < F(x) = 2 ,dac x> n 1
n

c) f i 0 < X < j = f sin xdx =

2-V2

'O ix c / x ^ 4/ 6 _ 2(V3-V2) 2 + V3

V < n <X 4

{>- 1 1 6J

1-fj

UJ

x > <x < = ---------2/4 4 J ' l 4 4 J


1 - i

1 ^

li

F i 51'

2 2

2 + /2

95 S se determine constanta c astfel ca / : R [0,l], / (* ) = ^-=- s fie o l +x densitate de repartiie (repartiia Cauchy) a unei variabile aleatoare X. S se determine P ( - 1 < X < 1).

306

Rezolvare: / (x) este o densitate de repartiie dac: f ( x ) > 0 jf ( x ) d x = 1 f dx r -dx = c \ -------= c arctg x\ 2 J , .+ +x -c -n - 1 i
c +x

c > 0 i

(i

1 c = n

1 e J_ = arctg -1 .4

- - o

41

_ 1

.pentru x < 0

96. F ie/: R->R, / (x ) = A e-2* .pentru x > 0 a) S se determine A pentru ca / s fie densitatea de repartiie a unei variabile aleatoare continue X. b) S se calculeze P ( X >3),P (X <3),P(2 < X < 3) c) S se calculeze M(X) i D(X). Rezolvare'. a)/ densitate de repartiie dac: / (x) > 0, (V)x e i? => A > 0 ;
oo oo oo

J / ( x)dx = 1= J A e~2xdx =A J e~2xdx -1 =


oo o oo

=> ^ ~ ^ ~ 2 = l= > -^ A (e"~ -e)= | -A = l=>A = 2 b) Calculm nti


3 o 3 ,

P(X < 3) = J 2 e~2xdx = - eT2*|o = 1- e-6 = 1


e

P (X > 3) = l- P ( X < 3 ) = ~ . e
3 2

P (2 < X < 3) = f 2e~2xdx = - e2xf = e'4 - e"6 = J Iz e

^ e

e6
307

oo

oo

oo

c) M (X)= J xf(x)dx = j2xe~2xdx = 2jxe~2xdx =


oo

0 2

= -xe~2x\ + le~2xdx = 0 - e~2x lo J 2 o

M2(X) = J x2f (x)dx = J 2x2e~2xdx = 0


oo

=2x1 -

+ 2 jx - e - 2xdx = 0 - - e

308

CAPITOLUL V
ELEMENTE DE STATISTIC M ATEM ATIC 1. Obiectul statisticii matematice. Noiunea matematic de selecie. Funcia de repartiie a seleciei. Momente de selecie. 1. Obiectul statisticii matematice. Statistica matematic are ca obiect studiul pe cale inductiv al fenomenelor aleatoare de mas, folosind metode matematice care sunt fundamentate de teoria probabilitilor. Instrumentul de baz cu care opereaz statistica matematic este conceptul de selecie care constituie informaia cu privire la fenomenul de mas aleator luat n studiu. Cercetarea statistico-matematic pornete de la o mulime numit populaie format din obiecte sau indivizi care se difereniaz prin diverse atribute i care poart numele de uniti ale populaiei. Studiul statistico-matematic al unei populaii se poate face de exemplu cercetnd unitile populaiei dup o anumit caracteristic msurabil sau calitativ (atributiv) pe care o posed unitile populaiei i care poate fi similar cu o variabil aleatoare X considerat pe populaia luat n studiu. Aceast variabil aleatoare poart numele de variabil aleatoare asociat populaiei sau caracteristic sub cercetare sau nc variabil teoretic. Ca orice variabil aleatoare, caracteristica X are o lege de repartiie care descrie repartiia valorilor lui X n populaie. Aceast lege poate fi dat fie de repartiia probabilitilor p(x) fie prin densitatea de repartiie / (x) dup cum variabila aleatoare X este discret sau continu. De asemenea aceast lege poate fi dat i prin funcia de repartiie F(x) a variabilei aleatoare X. Att p(x) i fix), ct i F(x) se numesc legi de repartiie teoretice. Menionm c de regul aa cum vom vedea mai departe, legile de repartiie teoretice conin unul sau mai muli parametri astfel c vom scrie (',, 2 / ( ; 1, 2,.) sau F ( x , e i,0 2,...), parametri ce au interpretri probabilistice ca valori tipice, medie, dispersie etc. Revenind la selecie ca instrument de lucru al statisticii matematice, remarcm c n practic se poate examina numai un numr limitat de uniti ale populaiei considernd c informaia obinut pe acest cale ofer cu suficient precizie elemente n msur s caracterizeze ntreaga populaie, cu alte cuvinte s facem ceea ce se cheam inferen statistic, adic s extindem rezultatele obinute prin observarea unei pri din populaie la ntreaga populaie. Conceptul de selecie, care ntr-un mod mai intuitiv se poate defini pornind de la un experiment aleator, const n extragerea la ntmplare a unei uniti din populaie i cercetarea ei din punct de vedere al caracteristicii X. Dac repetm de n ori n mod independent acest experiment, obinem un ir de valori observate
309

{.Kj,.*2 , . al e variabilei aleatoare X. Vom spune c o astfel de mulime de n valori observate ale unei variabile aleatoare X avnd funcia de repartiie F (x ;0 l,0 2,...) se numete selecie realizat de volum n, efectuat asupra caracteristicii X n populaia a crei lege de repartiie tepretic este F(x;Ov 02,...). Selecia poate fi cu ntoarcere i far ntoarcere; n primul caz elementul extras din populaie este repus la loc iar n al doilea caz el nu mai revine n populaie. Evident dac populaia este infinit atunci aceast deosebire practic nu mai apare, ea se impune cnd populaia conine un numr finit de uniti. Cnd o populaie este infinit sau poate fi considerat practic infinit, singura metod de cercetare a populaiei dup caracteristica X este evident metoda seleciei cu ajutorul creia pe baza analizei unei colectiviti pariale numit colectivitatea de selecie se trag concluzii asupra ntregii colectiviti. Pentru ca aceste concluzii s fie justificate este necesar ca selecia s fie reprezentativ adic toate valorile de selecie xl ,x 2,...xn s aib aceeai probabilitate de a intra n componena ei. S introducem acum mai riguros conceptul matematic al seleciei. Considerm un experiment aleator cruia i se asociaz variabila aleatoare (caracteristica) X. Efectum un ir de n repetri ale experimentului care formeaz un experiment aleator compus i care constituie un sistem de n variabile aleatoare X x,X 2,...X n independente unde X, \ < i< n este rezultatul aleator care corespunde celei de a i-a repetri a experimentului. Suntem condui astfel la o variabil aleatoare -dimensional ( X , , I 2> -^ ) unde componentele Xi sunt variabile aleatoare independente identic repartizate adic avnd fiecare aceeai funcie de repartiie F(x) ca i variabila X ataat experimentului (asociat populaiei). n baza consideraiilor de mai sus, dm urmtoarea: Definiie. Fie X x,X 2,...X n , n variabile aleatoare independente identic repartizate deci avnd aceeai funcie de repartiie F{x)\ funciile de repartiie ale variabilelor X l ,X 2,...X n fiind F fx ,) = F (x x)-F 2(x2) = F (x2)...Fn(xn) = F (x n) iar funcia de repartiie comun variabilelor X x,X 2,...X n F (Xl) -F ( x 2) -...-F (x n) n acest caz se spune c variabilele X x,X 2,...X n constituie o selecie aleatoare de volum n asupra variabilei X avnd funcia de repartiie F. Definiia precedent rmne valabil dac n loc de funcia de repartiie F figureaz densitatea de repartiie f Conform cu definiia de mai sus, noiunea de selecie realizat asupra variabilei
310

aleatoare X din populaia cercetat, introdus anterior i definit de ansamblul valorilor xl ,x 2,...xn reprezint realizarea prin selecie a variabilei aleatoare ndimensionale ( ], X 2,...X n) n sensul c n urma experimentului compus al celor n repetri, X x ia valoarea xu X2 ia valoarea x2 ...X ia valoarea xn. Mai spunem c (xi, x2,...jcn ), formeaz o valoare de observaie a variabilei n-dimensionale Avem deci de considerat selecia aleatoare

{ X l , X 2,...Xn }ca ansamblu al

variabilelor aleatoare X l , X 2,, X n i realizarea ei concret {xv x2,...xn} n urma experimentului repetat. Deci naintea efecturii experimentului, rezultatele aleatoare X, l < i < n sunt privite ca variabile aleatoare independente identic repartizate cu variabila teoretic X considerat pe populaia respectiv, iar dup efectuarea experimentului ele sunt nite valori concrete xt 1 < i < n obinute, pe care le folosim ca informaie asupra caracteristicii X i constituie n observaii independente asupra acestei caracteristici. Rezult c variabilele X ltX 2,...,Xn fiind identice cu X n sensul artat mai sus, putem scrie: M ( X ;) = M ( X r ) = mr 1 < i< n i de asemenea (1) (m [(X - m ) r ]= m [(X

unde m = ( X mr , sunt media i respectiv momentul iniial centrat de ordinul r ale caracteristicii X, numite i momente teoretice ale populaiei. Exemplul 1. Fiecare produs care iese de pe o linie de fabricaie poate fi defect sau nu. Presupunem c probabilitatea ca un produs s fie defect este p i c apariiile produselor defecte sunt independente. Dac lum o selecie aleatoare de n produse de la ieirea acestei linii de fabricaie i definim: l d aca produsul este defect X,. =\ K 1<i < n [0 d aca produsul i nu este defect atunci X l , X 2,...,Xn este o selecie aleatoare de volum n asupra unei variabile aleatoare X cu legea de repartiie teoretic binominal B( 1, p), considerat pe populaia format de produsele care ies de pe linia de fabricaie pe o durat anumit i care se scrie: f ( x , p ) = p x{ l - p ) l' x x = 0 , \ 0 < p < l Exemplul 2. Presupunem c pentru o anumit ntreprindere apelurile telefonice se primesc zilnic ntre orele 7h -23h, acestea constituind evenimentele ce se succed
311

),

dup o repartiie Poisson de parametru = 10 apeluri pe or i c apelurile sunt independente de la o zi la alta. Atunci dac X t, i = 1,2,...,6 reprezint numrul de apeluri zilnice pentru o anumit sptmn, X {, X 2,...,X 6 reprezint o selecie aleatoare asupra unei variabile Poisson de parametru 0 = 1 6 - 1 0 = 160 i care are repartiia teoretic: p ( x ,e ) = e-e ~ = e~m ^ - , * = 0,1,2,... x\ x! 2. Repartiia seleciei Funcia de repartiie a seleciei Descrierea i sistematizarea datelor de selecie se face cu ajutorul aa numitei repartiii a seleciei. Repartiia seleciei (sau cum i se mai spune: repartiia empiric) este repartiia variabilei discrete notat cu X * numit variabil de selecie sau variabil empiric. Aceast repartiie se scrie: (X t i din care se 1 adic: n P(X* = * , ) = - , / = 1,2......n (3) n Dac efectund cele n observaii independente constatm c de ri\ ori a aprut
r

X 2 ... X A i i (2) , vede c X * ia fiecare din valorile xt 1 < i ^ n cu aceei probabilitate

valoarea xu de n2 ori valoarea x2, ... de nr ori valoarea xr unde ^ / n ~ n atunc


i- l

repartiia variabilei X* este: tL _ _r ^ xx x2 ... x X f i - fr unde

(4)

r r ti \ r fi- , i = 1,2,..., r i /; = = n = ^ reprezentnd , n ;= 1 frecvena relativ a valorii x; n selecia realizat de volum n, n practic selecia dintr-o populaie continu este grupat, adic nu se consider valorile individuale x \ ci numai numrul valorilor observate care cad ntr-o anumit clas specificat de intervale. Construim pe fiecare interval luat drept baz, cte un v dreptunghi avnd nlimea , unde h este lungimea intervalului,iar v numrul de nh
312

valori ale seleciei care cad n acest interval. Figura astfel obinut constituie histograma seleciei (fig. 1). Aria fiecrui v dreptunghi al histogramei este egal cu frecvena relativ corespunztoare . Pentru un volum n al seleciei suficient de mare, aceast frecven este aproximativ egal cu probabilitatea ca o valoare observat a variabilei continue X s aparin intervalului corespunztor, ceea ce echivaleaz cu integrala densitii de repartiie a variabilei aleatoare pe acest interval. ntr-adevr, fie variabila aleatoare continu X considerat pe o populaie ale crei valori se afl n intervalul \,b\ i care are densitatea de repartiie / ( ). mprim intervalul \_a,b\ n r intervale pariale (a, ax ), (au a2).... (ijk-i k) . . . ( r - i , b) prin punctele a h a2, ..., r-i n aa fel ca aj a = a2 a x = ...b - ar_x = h . O selecie realizat asupra variabilei X conduce la obinerea frecvenelor V], v2, ...,vr corespunztoare intervalelor de mai sus, unde v, reprezint numrul valorilor x, observate care cad n intervalul (< 2i-i,< Z i). Se obine astfel repartiia variabilei de selecie X* reprezentat prin cele r subintervale i prin frecvenele vb v2,...,vr corespunztoare: X * ^ (fli-1a i ) 'v
1= 1

Densitatea de repartiie a variabilei aleatoare X fiind/ (x), probabilitatea p\ ca X s ia o valoare din intervalul [a M , cl- ) este dup cum se tie dat de relaia: Pt = P ( a M < X < a t)= j f(x )d x ( 6)

Se tie de asemenea c pentru n suficient de mare teorema lui Bemoulli ne permite s scriem:
313

vi cnd > afirm convergena n probabilitate a frecvenei relative ctre

probabilitatea p\ cnd volumul seleciei este mare. S presupunem c am reprezentat pe acelai grafic histograma repartiiei (5) precum i curba de ecuaie y = f ( x ) a densitii lui X. Din relaia (7) de mai sus se poate vedea c dac

a, aw = h 0 i dac n este suficient de mare atunci curba y = f ( x ) a


densitii de repartiie va acoperi n ntregime histograma repartiiei variabilei de s e le c ie i* . Acest fapt rezult aplicnd formula de medie integralei din (6) Pi = } f(x)dx = / ( & ) * , < { < a, aM i innd seama de (7) obinem egalitatea aproximativ: n (8 ) (8)

v Relaia (8) justific afirmaia fcut mai sus, anume frecventa relativ n corespunztoare intervalului [flM , a ( ) se apropie orict de mult de ordonata curbei

y - f ( * ) n orice punct intermediar cnd n crete. Deducem c pentru un


volum mare al seleciei conturul superior al histogramei ne furnizeaz o imagine statistic suficient de exact a graficului densitii de repartiie / (x) adic a curbei reprezantative a legii teoretice pe care o urmeaz caracteristica X n populaia general. O alt noiune care se impune n studiul seleciei este funcia de repartiie a seleciei sau funcia de repartiie empiric. Fie o populaie pe care se consider variabila aleatoare X, avnd funcia de repartiie F (x ) = P (X < x), XE R numit aa cum am spus funcia de repartiie teoretic. Dac {x[, x2 x } este o selecie realizat de volum n din populaia dat i x un numr real arbitrar, s notm cu tix numrul de valori x; din selecie mai mici ca x. Raportul
nx

reprezint frecvena relativ a valorilor x, care cad la stnga

punctului , adic frecvena relativ a evenimentului X < x. Aceast frecven este o funcie de x i poart numele de funcie de repartiie a seleciei sau funcie
314

empiric de repartiie obinut prin selecia realizat {xi ,x 2,,x n} de volum n asupra variabilei X. Notnd aceast funcie cu Fn (x ) avem conform definiiei: n (9)

n cazul variabilei de selecie X * cu repartiia (4), funcia de repartiie F*(x) este: n fr.

( 10)

X j< X

adic este egal cu suma frecvenelor relative corespunztoare tuturor valorilor xt 1 < i < r pentru care x, < x . Vom avea deci: 0 /j f\ + f i Fn (*) = rt-l /, i= l 1 pentru x < x, pentru x, < x < x2 pentru x2 < x < x3 pentru xr_x< x < x r pentru x > xr

( 11)

avnd graficul de mai jos:


F'.W

/-= > Im
w, f,
I 2

A M

Dac datele de selecie sunt grupate pe intervale ( ,.,, ,), i = l,2 ,...r de lungime constant h, funcia de repartiie a seleciei Fn (x ) se definete astfel:
315

pentru x < a 0 = a

X -r

pentru a Q< x < a { pentru a l < x < a 2


(12)

x -a .
f l + f l


x - a t_i + /.
i'= l
n~ l

pentru < x < a t pentru x > a r - b

i= t

Vj unde f , - , j = 1,2,..., r este frecventa relativ corespunztoare intervalului 0 a j _ x, a j ) , j = 1 ,2 ,..., r . Funcia de repartiie a seleciei se bucur de toate proprietile unei funcii de repartiie. Este nul pentru x ^ rnin X; i egal cu unitatea pentru x > nax x t .
i i

i Este cresctoare prin salturi de mrime n fiecare din punctele xl ,x 2,,x n , n graficul fiind o curb n scar. S ilustrm cele de mai sus, efectund o selecie de volum n = 100 asupra unei variabile aleatoare X care a furnizat valorile 1, 3, 7, 10 respectiv cu frecvenele Vj = 20, v2 = 15, v3 = 4 0 ,v 4 = 25. Variabila de selecie X* conform cu (4) are repartiia: 1 20 ,1 0 0

X*

15 100

40 100

25 100

Atunci funcia de repartiie a seleciei F ^ ix ) este:

316

0 0,2

dac dac dac dac dac

x< l l<x<3 3<x <7 7 < x < 10 x > 10

* 0,35
0,75 1 avnd graficul:

F m (x)
1
0,8-

0, 6. 0,4.
0.2-

10

Pentru x fixat funcia de repartiie a seleciei Fn ( x ) , care este frecvena relativ a apariiilor evenimentului X< x, converge n probabilitate conform teoremei lui Bernoulli, ctre probabilitatea P { X < x ) = F (x ) a aceluiai eveniment, cnd volumul n al seleciei este mare. Avem deci convergena: + F (x ) (13) n pentru n > i x fixat, a funciei de repartiie empirice ctre funcia de repartiie teoretic. Convergena lui Fn (x ) ctre F(x) pentru orice x e R adic convergena global este dat de teorema lui Glivenko potrivit creia, dac notm

dn =

sup | f *(x ) - F ( x )I
oo<X<+oo

atunci d converge n probabilitate ctre zero, cnd volumul seleciei n > adic: p lim dn = o J >1 (14) pentru orice x G ( 1 o,+) .
317

Aceast teorem numit de unii autori teorema fundamental a statisticii, d justificarea teoretic a folosirii metodei seleciei. Deducem i aici c, pentru un volum mare al seleciei, graficul funciei de repartiie Fn ( x ) , care poart numele de poligonul frecvenelor cumulate, ne ofer o imagine a funciei de repartiie teoretice F(x). Pentru repartiia unei selecii se pot calcula toate valorile tipice, media, dispersia, etc. Aceste valori tipice se numesc valori tipice de selecie sau valori tipice empirice. Cele mai importante dintre ele aa numitele momente de selecie sau momente empirice, le vom defini n cele ce urmez. 3. Momente de selecie Cnd se consider o selecie aleatoare {X ],X 2,...,X n}, adic X\, X 2,...,X n sunt concepute ca variabile aleatoare, orice funcie Tn( X l,X 2,...,X n) de aceste variabile, adic orice funcie de selecie este la rndul su o variabil aleatoare, a crei funcie de repartiie este unic determinat de funcia de repartiie F{x,Q], 2,...) a caracteristicii X care a generat selecia. Funcia de selecie Tn(X \,X 2,...,X n) o vom numi statistic i aa cum am spus mai sus este o variabil aleatoare. Menionm c pentru o selecie realizat .>*} valoarea statisticii Tn este numrul Tn(xx,x 2,...xn\ adic realizarea prin selecie a variabilei aleatoare Tn(X i,X 2,...,X n) . Dintre funciile de selecie importante menionm aa numitele momente de selecie pe care le definim n continuare. Se numete momentul iniial de selecie de ordinul r, statistica:

n particular, pentru r = 1, obinem momentul de selecie de ordinul nti wz, sau media de selecie X :

n legtur cu momentul iniial de selecie de ordinul r, se pot stabili dup un calcul relaiile: a) M (m * r ) = mr
(17)

n n particular, pentru r - 1 relaiile (17) devin:


318

M(X) = m
D (X ) = m2 ~ mi = (18) n adic valoarea medie a mediei de selecie este egal cu media populaiei M ( X ) = m , iar dispersia mediei de selecie este de n ori mai mic dect dispersia D (X ) = 2 a populaiei. Se numete moment centrat de selecie de ordinul r statistica:

" M n n particular pentru r = 2 obinem momentul centrat de selecie de ordinul doi sau dispersia de selecie lh = S 2 = - f l ( X ,- X f " ti Se nelege c cu ct volumul seleciei este mai mare cu att momentele de selecie vor avea valori mai apropiate de momentele teoretice corespunztoare. Aceast afirmaie care poate fi intuit, are la baz convergena n probabilitate a momentelor de selecie ctre momentele teoretice, justificat de teorema lui A.I. Hinein, conform creia oricrui ir de variabile aleatoare independente Z ],Z 2,...Z n identic repartizate cu aceai valoare medie finit:

A =-(x,-xy -Ifcjr, -xr+(x2-xy + ...+ (x, -xr]

A/(Zj) = Af (Z2) = ...M(Z) = m


i putem aplica legea numerelor mari adic media aritmetic

(Zj + Z2 + ... + Zn) a acestor variabile converge n probabilitate ctre m cnd n n >00 . ntr-adevr momentul de selecie de ordinul r, 1 n = V X t este w

media aritmetic a variabilelor Z, = X t , 1 = 1,2..,n, care urmeaz aceeai lege de repartiie i cu aceeai valoare medie M {Zt) - M (X i ) = mr . Aadar, dac exist momentul teoretic mr al repartiiei teoretice, atunci momentul de selecie mr converge n probabilitate ctre momentul teoretic de acelai ordin, fapt ce se exprim prin relaia:

319

cnd oo _ n mod analog, momentele centrate de selecie /ir converg n probabilitate ctre momentele teoretice . , cnd volumul seleciei >00 . Aplicaie. n tabelul de mai jos este dat repartiia nlimii X n cm a n - 1000 de muncitori, obinut pe baza datelor culese de la o uzin. Datele sunt grupate pe r = 15 intervale de mrime h = 3 cm i am notat cu v, numrul de valori ale seleciei care cad n intervalul Punctele , & [ai_v ai ) se iau chiar mijloacele intervalelor. Tabelul I
V ; 143-146 146-149 149-152 1 5 2 - 155 155 - 158 158-161 161 - 164 1 6 4 - 167 1 6 7 - 170 170-173 173-176 1 7 6 - 179 17 9 -1 8 2 18 2 -1 85 18 5 - 188 1 2 8 26 65 120 181 201 170 120 64 28 10 3 1 * vi 1 2 9 27 65 120 175 198 175 122 66 28 9 2 1

Se observ c frecvenele v, din tabelul respect o anumit legitate care ne conduce la ideea c frecvenele v, urmeaz o anumit lege de probabilitate sau lege teoretic de repartiie. ntr-adevr ele pot fi calculate cu mare precizie dup relaia * _ 3 1000 V' " S - J 2
' e

-~ (20)

unde Xia valorile 1 < z < 15 adic mijloacele intervalelor 6 = 1 4 ,5 , 2 = 1 4 7 ,5 ,...,6 s = 186,5 iar X i S 2 sunt media de selecie i respectiv dispersia de selecie date de

- = ~ [ 1 + 2 2 +8 ' 3 + 1,5]=16.3
S l2=-i^ [ 1'( - ^ ) 2+ 2 - ( & - ^ ) 2 + 8 ( 3 - ^ ) 2 + -..+ l <|15- ^ ) 2]= = 6,047 Din relaia (20), rezult c frecvenele relative v, urmeaz cu destul precizie legea:
_
V,i

(x -1 8 6 ,5 )2

J ________ 2-6,047

1000 ^ 6 ,0 4 7 /2 A cest fapt conduce la ideea c probabilitatea ca valorile caracteristicii X s cad ntr-un interval ( x ,x + d x) este aproximativ dat de produsul
1

_x~m

e 2 2 cbc O-JlTC n care x poate fi orice numr real iar m i nite parametri aproximai prin selecie de valorile X i S. Deducem de aici c, pe baza datelor observate, caracteristica X-(nlimea) poate fi considerat ca o variabil aleatoare care are n populaia de muncitori o repartiie teoretic normal cu legea: I j-U-m)2 f ( x ,m ,a ) = j = - e 2tT x e R ,m e R ^ > 0 (2 l)

*]2

m i cr fiind dup cum se tie media i dispersia populaiei.

2. Selecii dintr-o populaie normal I . Introducere. Am vzut c o anumit caracteristic calitativ sau cantitativ studiat pe o populaie oarecare poate fi asimilat cu o variabil aleatoare unidimensional X creia i corespunde o densitate de repartiie f ( x , 0 ) sau o funcie de repartiie F ( x ,0 ) pe care le-am numit legi teoretice de repartiie ale variabilei X considerat pe populaia general luat n studiu, fiind un parametru al repartiiei. Pe baza unei selecii { , 2,,} de volum n extras din populaia considerat, se pot construi diverse statistici, adic funcii ( , 2,...,) de

321

1 n datele de selecie, ca de exemplu media de selecie X


n k =1

, dispersia de de ordinul r,

selecie

S 2 = ~ ^ \ ( X k X ) 2 1 momentul n

de

selecie

1 " mr ~
n k =1

etc Acestea sunt i ele din cauza caracterului aleator al seleciei,

nite variabile aleatoare care la rndul lor au anumite legi de repartiie numite repartiii de selecie. Cunoaterea legii de repartiie a statisticii T n(X l ,X 2,...,X ) este de mare importan deoarece cu ajutorul ei se poate face studiul probabilistic al statisticii T putndu-se calcula probabiliti de forma P(Tn < a ),P (a < T n < b ) , precum i valorile tipice ale lui T ca M(Tn),D(Tn) etc. Este astfel posibil ca prin intermediul statisticii T s se trag concluzii referitoare la populaia general din care a provenit selecia. Teoria probabilitilor ne ofer procedee de determinare a repartiiei exacte de selecie,'fie a repartiiei asimptotice de selecie a statisticii Tn( X x,X 2,...,X n) . Numim repartiie exact a statisticii T repartiia determinat pentru orice numr natural n, adic pentru volum finit al seleciei. Repartiia asimptotic este repartiia limit a statisticii T , adic repartiia ctre care tinde repartiia exact cnd volumul seleciei n . Repartiia exact a statisticii T n este de mare utilitate n cazul n care condiiile concrete ale caracteristicii studiate n populaia general impun folosirea unor selecii de volum redus ( < 30). n cazul unr selecii de volum mare n > 30 folosirea repartiiei asimptotice conduce de asemenea la rezultate suficient de precise. Repartiia de selecie a statisticii T n este strns legat i unic determinat de legea de repartiie teoretic a variabilei X care a generat selecia. n cele ce urmeaz ne vom ocupa de stabilirea repartiiilor de selecie pentru statistici T constituite pe baza unei selecii extras dintr-o populaie normal. 2. R epartiia mediei de selecie, pentru selecii dintr-o populaie norm al Cele mai frecvente situaii ntlnite n aplicarea metodei seleciei, corespund cazului cnd legea teoretic de repartiie este normal N(m,<j) . Vom stabili aici repartiiile unor statistici importante ca media de selecie X , dispersia de selecie S precum i a unor funcii de acestea, punnd n eviden i unele proprieti ale lor. Ca i pn acum vom folosi selecii de volum n, iar variabilele de selecie X k (\ < k < n ) le vom presupune independente.

322

Teorema 1. (fr demonstraie) Dac X x,X 2,...,X n este o selecie de volum n dintr-o populaie caracterizat de o variabil aleatoare repartizat N {m ,o) atunci media de selecie ^ _ X i + X 2 + ... + X M n are o repartiie (>-=). y/n Deci media de selecie X pentru o selecie dintr-o populaie normal, urmeaz tot o lege normal cu media m (media populaiei) i abaterea medie ptratic egal cu 7= . V Putem deci scrie repartiia lui X : yjn ~ ~ I~ ^ nf x,m , j=r1 ( 1) { ^n ) Pentru selecii din populaii normale, repartiia mediei de selecie X este aceeai dat de (1) att pentru selecii de volum mic ct i pentru selecii de volum mare. S considerm variabila redus: 7 _X -m '~ ~ (2) ) } ntruct 2 II s b yfn se exprim liniar n funcie de variabila normal X ,
_ 4 n -Jn -------- X ----------m , rezult c Z va avea o repartiie normal tip N(0,Y) cu < 7 cr desitatea de repartiie:

n( x - m

1 = ~ ^ 2 ' 2

(3)

Pentru selecii de volum mic repartiia mediei de selecie X trebuie determinat de la caz la caz depinznd de repartiia / (x) a populaiei din care s-a extras selecia. Aplicaie. S-a stabilit c productivitatea muncii unor lucrtori care ndeplinesc o anumit operaie n condiii tehnice asemntoare, are o repartiie normal. ntr-o ntreprindere industrial s-a determinat cu ajutorul cronometrrii proceselor de munc, durata de efectuare a operaiei amintite, la 9 muncitori luai ntmpltor dintr-o serie de grupe care efectueaz aceast aplicaie. Se cere s se
323

determine probabilitatea ca media X observat la cei 9 muncitori s se abat n valoare absolut de la productivitatea medie general m cu mai mult dect 2 buci/om/or tiind c abaterea medie ptratic a productivitii muncii lucrtorilor este G = 3 buci/om/or. Avem:

Probabilitatea cerut este:

y k=1

**

p \ x -n \ > 2 ) = P ( X -m > 2 ) + P ( X - m < - 2 ) = / \ f \ =P +P ; 1 +(2) = P(Z > 2) + P(Z < - 2 ) :

cr V V

__

1- F(2) + F (-2) = 1-

= 1-0,95450 = 0,04550 Prin urmare din punct de vedere practic putem fi siguri c productivitatea medie X observat, nu se va abate de la productivitatea medie general cu mai mult de 2 buci/om/or. Se tie de la studiul repartiiei 2 c variabila ^ = z ,2 + z | + ...+ z ! = z, k=1 unde Zk sunt variabile aleatoare independente iV (0 ,l) are o repartiie 2 cu n grade de libertate h(x ) 1 2 * (^ ) " A -1 7 x/ 2 -e 2 ;x > 0 (4)

pentru care ( 2) = n i (2) = 2 n, iar funcia caracteristic este

Rezult c din punct de vedere al teoriei seleciei dintr-o populaie normal, 2 repartiia % i repartiia normal sunt legate prin teorema urmtoare: Teorema 2. Dac X l , X 2,, X n reprezint o selecie de volum n dintr-o
324

populaie normal /V(0,1) atunci variabila aleatoare 7 = ^ X * urmeaz o jfc= l 2 repartiie X cu n grade de libertate dat de (4). Aplicaie. Se efectueaz n = 10 observaii independente asupra variabilei aleatoare X repartizat ^ (0 ,1 ). Se cere probabilitatea ca suma ptratelor rezultatelor observaiilor s depeasc 15. Fie X k ( l< k < 10) rezultatele observaiilor. Trebuie s calculm iu N ^ X l > 15 . Cum fiecare din variabilele Xkare o repartiie normal cu media ,*=> ) _ Xk 0 i abaterea medie ptratic 2, rezult c variabila are o repartiie normal N (0,1) . Probabilitatea cerut va fi: ( io f -, io ic =F >3,75

=P

k= l

^ 2 5 > 7

10

* 2 >375

= ( 2 > 3,75) = 0,9644

valoarea fiind luat din tabelele repartiiei X la n = 10 grade de libertate. 3. normal Repartiia dispersiei de selecie pentru selecii dintr-o populaie

Dispersia 2 a unei populaii oarecare poate fi evaluat pe baza seleciei X x, X 2,...,X n n urmtoarele moduri : - dac media m a populaiei generale este cunoscut, atunci dispersia de selecie este dat de relaia: 1 " S,2 = - Y ( X * - m ) 2 (5)
n k =1

dac media m a populaiei generale nu este cunoscut, o putem evalua cu media _ 1 n de 'se le c ie X ~ i dispersia dc selecie este: n *= 1
325

S2 = i j T ( X * - X ) 2
n k =1

(6)

- n cazul seleciilor de volum mic este indicat s se evalueze dispersia (X cu dispersia de selecie dat de relaia:
> <7 > n 1 *= 1 n cele ce urmeaz vom stabili repartiiile unor funcii de variabilele
2

= - r r < x * - f

aleatoare S ? ,S 2 i s 2 pentru selecii dintr-o populaie normal N(m,(T). Teorema 3 Dac , X 2,,X n este o selecie dintr-o populaie normal N(m, ) atunci variabila aleatoare : U, nS:
.2
>

(8)

are o repartiie X cu n grade de libertate, ntr-adevr, putem scrie succesiv: nS:


n

*=i 2

= *= 1

i cum Zk (1 < k < n ) simt variabile normale (0 ,1 ), n baza teoremei 2 2 variabila U va avea o repartiie X cu n grade de libertate. Ca urmare a celor de mai sus, putem deduce media i dispersia variabilei S * . Deoarece M (U) = n i D(U * ) = 2 n , rezult:
i C2 S *

M adic

, M (S }) = n

(9) i D n n , 2 D (S t) = 2n sau 2 n

D{Si) =

(10)

326

Aplicaie. Dintr-o populaie normal cu N( 3,2) cu media m = 3 i abaterea medie ptratic < 7 = 2 se extrage o selecie aleatoare de volum n = 6. Se cere r* 2 probabilitatea ca dispersia de selecie S , s fie cuprins n intervalul (2,6), adic P (2 < S* < 6). Avem: P ( 2 < S 2 < 6) - P <-6 4

P (3 < U. < 9) = [ l - [/>(/* > 9 )] + [ l - P(U, > 3)] = 0 ,8 0 8 8 - 0 ,1 7 3 6 = 0 ,6 3 5 2 . 2 Valorile au fost luate din tabela cu repartiia X la 6 grade de libertate. Teorema 4. (fr demonstraie) Dac populaie normal N(m,(J), atunci: a) Variabilele 2> , X este o selecie dintr-o

X = n- 2 > ( i n 1
sunt independente, b) Variabila U= are o repartiie h(u) = n -l /

nS

( 11)

cu - 1 grade de libertate, dat de (12). 1 n -l


- 1

-1 -e 2,w > 0

U 2

( 12)

2 2

de aceea existena acestei dependene face s scad cu o unitate numrul gradelor de libertate n legea (12). nS2 Dup cum se vede din relaia (12) repartiia variabilei ^~de selecie nu
G

depinde de dispersia C7 a populaiei normale din care s-a extras selecia, fapt ce se va dovedi important mai departe. O consecin imediat a teoremei 4 este aceea c dac considerm drept 1 cp 2 A 2 dispersie de selecie dispersia s = ----- - ^ (X k X ) , atunci variabila:
n ^ k=l

327

y =

(n - 1 );

(13)

are de asemenea o repartiie

cu -1 grade de libertate.

Din faptul c variabilele (11) i (12) au repartiii X cu -1 grade de libertate putem deduce media i dispersia i pentru variabilele S 2 i s 2 . Avem pentru S 2 M (U ) = M = - V M ( S 2) = n - 1 sau (14)

n D(U) = D <n S 2 ^ 4 - W 2) = 2 ( n - l ) sau 2(n - 1 ) n n -l 4 (15)

D(S ) = Pentru variabila


m (v
S :

)= m

{" -IV

A/(.s2)= n - l sau (16)

m(s2)= 2
( n - l) s 2 \ ( n - l ) 2 D (s2) = 2 ( n - l ) sau

(17) ( ^ ) = 2 n -l Am vzut n teorema 1 c dac selecia se extrage dintr-o populaie X n o r m a l r e p a r t i i a variabilei Z - este normal tip. n cazul n

care nu se cunoate abaterea medie ptratic atunci ea trebuie evaluat cu abaterea medie ptratic de selecie. Dac volumul seleciei nu este mare ( < 3) atunci este indicat s lum pentru dispersia de selecie expresia dat de relaia (10). X -m n aceste condiii raportul s nu mai este normal distribuit i are o repartiie Tn
328

care rezult din teorema de mai jos, analog teoremei 1. Teorema 6. Dac X x,X 2,...,X n este o selecie dintr-o populaie normal N {m ,a ) atunci variabila aleatoare:

X -m
'= -7 7 . o)

unde s2 = ----- - V (x * - X J are o repartiie Student cu n -1 grade de libertate. n ~ l *=1 Pentru demonstraie vom ine seama de faptul c dac Z este o variabil N(0,1 ) 2 i F o variabil X cu k grade de libertate, iar Z 1 V sunt independente, atunci variabila aleatoare: Z t= (19)

are o repartiie Student cu k grade de libertate:

J k +
r
yfh t

*+ 1 2 V 2 t 1+ ,t e R

(20 )

ntr-adevr conform teoremei 1 variabila:

Z=

X -m

V are o repartiie normal tip N (0,1) iar conform consecinei teoremei 4 variabila: V = Cn - l ) s 2

are o repartiie X cu - 1 grade de libertate. Variabilele Z i V (vezi teorema 4) fiind independente formm raportul (19) lund k =n 1: Z X -m
--1

n-l
329

adic variabila (18) este repartizat Student cu n -1 grade de libertate avnd repartiia (20) n care k = n - 1: .2 y t V i(0= ' 'n - P 1+n -l
n
>t G R

(21)

Astfel teorema este demonstrat. Aplicaie. Dintr-o populaie normal N(m,C) cu parametrii m i necunoscui, se extrage o selecie constnd din n = 10 probe. Media de selecie X = 3,6 . Se cere probabilitatea inegalitii X - m > 0,7 tiind c s = 0,6. Avem:

P (X - m > 0 ,7 ) = P

4n

0,6

Io = P(t > 3,5) =


/

= 1 - P(t < 3,5) = 1 - S 9 (3,5) = 1 - 0,996 = 0,004, unde Sk ( t ) este funcia de repartiie a variabilei Student cu k grade de libertate.

s*(0= f

J oo

(22)

ale crei valori se iau din tabel pentru diverse valori ale lui t i ale numrului gradelor de libertate k. 3. Elemente de teoria estimaiei 1. Noiuni introductive n multe din fenomenele din economie, din tehnic i n general din tiinele experimentale pe care le cerctm cu ajutorul statisticii matematice, exist motive teoretice i practice s afirmm c forma funciei care exprim legea probabilistic pe care o urmeaz fenomenul studiat este cunoscut. Astfel dac n cadrul unui proces de producie considerm variabila X care reprezint numrul de produse necorespunztoare ce se obin ntr-o selecie repetat de volum n, dintr-un lot supus controlului statistic, atunci repartiia variabilei X este cea binomial: p (x ;p ) = C p * ( 1 - p )n~ x;x = < <1 ( 1) unde p este probabilitatea ca un produs cercetat s fie necorespunztor. Dac variabila X reprezint numrul de strunguri dintr-o secie mecanic care ies din funciune n decursul unei anumite perioade de lucru, atunci repartiia variabilei X este repartiia Poisson:
330

p(x;a) = e~a ;* = 0,1,2,...; > , \

_ a

(2)

deoarece n condiii normale de producie, ieirea din funciune a unui strung este considerat un eveniment rar, care nu depinde de ieirea din funcie a altuia dintre strunguri. De asemenea, dac variabila reprezint dimensiunea unor piese fabricate de o main, atunci variabila abatere X - - () de la dimensiunea nominal adic de la media ( ) a dimensiunii are o repartiie normal:

n(x;m,a) = r = e
^2

x ~ m

R',me R-, > 0,

(3)

n sfrit, dac variabila aleatoare T reprezint durata n ore de funcionare far defecte a unei aparaturi, repartiia lui T este repartiiexponenial: j -L f ( t , ) = j e x t> 0 ;A > 0 . (4) Din exemplele de mai sus, se vede c n toate cazurile forma funciei care exprim legea de probabilitate a variabilei aleatoare respective este cunoscut, cum se mai spune specificat. n fiecare din aceste legi de probabilitate figureaz ns anumii parametri ale cror valori sunt necunoscute, astfel n prima parametrul p, n a doua parametrul a, n a treia parametrul m i a i n a patra parametrul . Cunoaterea valorilor numerice ale acestor parametri ne permite sa cunoatem complet repartiia i n acest fel s putem descrie n ntregime fenomenal cercetat, n cazul cnd cunoatem valorile numerice ale parametrilor din legiic de probabilitate, spunem c aceste legi sunt complet specificate. Operaia prin care se evalueaz parametrii necunoscui ai unei legi de probabilitate se numete estimarea parametrilor i ea se face pe baza unei selecii {X ,, X 2,, X } de volum n, extras din populaia pe care este definit variabila X cu legea specificat care conine parametrul ce trebuie estimat. Valorile obinute cu ajutorul seleciei, care aproximeaz parametrii legilor de probabilitate specificate, poart numele de estimaii punctuale ale parametrilor. Problema determinrii valorilor parametrilor ce figureaz n legile de probabilitate pe baza datelor furnizate de experien (selecie) constituie obiectul teoriei estimaiei. Estimarea parametrilor este o metod a statisticii matematice care poate fi privit ca un mod de a face inferen asupra populaiei cercetate, adic de a extinde - n limite specificate de incertitudinea exprimat n termeni probabilistici rezultatele obinute n selecie, la ntreaga populaie. ntruct selecia este o parte a populaiei generale, care const dintr-un numr redus de observaii, ea ne ofer o informaie parial, de aceea exist riscul de a comite erori n aprecierile referitoare la ntreaga populaie deci riscul de a trage
331

concluzii false. Acest risc se micoreaz odat cu creterea volumului seleciei,dar el exist ntotdeauna.
2. Estim aii punctuale ale param etrilor

n paragraful de fa ne vom ocupa de estimaiile punctuale ale parametrilor coninute n legile de repartiie ale populaiilor cercetate i vom defini noiunile cu care opereaz teoria estimaiei. Fie X o variabil aleatoare discret sau continu definit pe o populaie oarecare avnd legea de repartiie f ( x , 0 ) , care pentru uurina expunerii presupunem c depinde de un singur parametru necunoscut . S extragem din populaia considerat o selecie aleatoare {X1(X 2,, X } i fie Tn(X x, X 2,...,X n) o statistic. Definiie. Statistica Tn( X u X 2 , ...,X n) definit ca funcie univoc de variabile de selecie, cu ajutorul creia tragem concluzii cu privire la valoarea necunoscut a parametrului 0 din legea de repartiie f ( x , 0 ) a populaiei generale, poart numele de estimaie punctual a parametrului . O statistic ( 1, 2,..., X ) trebuie aleas bineneles n funcie de parametrul pe care trebuie s-l estimeze. Astfel, dac avem de estimat media m a 1 * unei populaii, evident c drept estimatie vom alege statistica X - ~ X Xk , " ti 2 adic media de selecie, iar dac avem de estimat dispersia cr a populaiei, drept 2 i. n * 2 estimaie vom alege statistica S = > - X ) adic dispersia de selecie.
n k = \

Observm c pentru medie am putea lua ca estimaie i media de selecie iar 1 pentru dispersie, fie dispersia de selecie dat de relaia S* = - ~ V ( X * - m ) n n *=i cazul cnd media m este cunoscut, fie cea dat de relaia I _ s 2 = ----- ( x k - X ) 2 _Re2uit de aici i din cele ce vor urma,c se pot gsi
n ~ 1 k-\

mai multe statistici diferite care ar putea fi propuse ca estimaii punctuale ale aceluiai parametru. Dintre acestea vom alege pe aceea care d aproximaia cea mai bun a parametrului. n acest sens, alegerea unei astfel de statistici T ca estimaie a parametrului trebuie s satisfac condiiile:
332

1. Pentru o selecie realizat, statistica trebuie s dea valoarea adevrat a parametrului , 2. Statistica trebuie s dea valoarea care este cel mai frecvent aproape de valoarea adevrat a parametrului . Uneori estimaia gsit pentru parametrul este nsoit de mrimea erorii medii a estimaiei care ne indic gradul de aproximare a valorii exacte a parametrului. Prin eroarea estimaiei nelegem diferena t - dintre valoarea estimaiei i valoarea adevrat a parametrului (am notat cu t valoarea numeric a estimaiei T n pentru o selecie realizat). Eroarea medie a estimaiei T a parametrului o vom nota cu (7(Tn) i reprezint abaterea medie ptratic a estimaiei. Adesea rezultatul estimrii punctuale a parametrului se scrie sub forma: - t a ( n) (5) Relaia (5) trebuie neleas astfel: cea mai bun evaluare a lui este numrul t iar eroarea medie comis n aceast evaluare este o{Tn) Gsirea unei ct mai bune estimaii pentru un parametru necunoscut este problema fundamental a teoriei estimaiei. Rezolvarea acestei probleme necesit cunoaterea unor proprieti de baz ale estimaiilor punctuale i clasificarea lor dup aceste proprieti. De acestea ne vom ocupa n cele ce urmeaz. 3. Estimaii deplasate i nedeplasate n paragraful precedent am artat c o condiie pe care trebuie s o ndeplineasc statistica Tn pentru a fi o bun estimaie a parametrului , este ca ea s dea valoarea adecvat a parametrului (condiia 1), cu alte cuvinte condiia 1 cere ca repartiia statisticii folosite s aib media egal cu valoarea adecvat a parametrului. S explicm sensul acestei afirmaii. S presupunem c o selecie de volum n ne-a dat pentru parametrul o estimaie TM (1). Extragem o a doua selecie de acelai volum care ne d estimaia T{ n2). Repetnd procedeul obinem estimaiile \ 2 ) ale aceluiai parametru care n general difer ntre ele. Statistica Tn poate fi privit ca o variabil aleatoare avnd o anumit repartiie, iar numerele (1), (2),... ca valorile ei posibile. S presupunem c estimaia Tn d o aproximaie prin exces a lui , adic fiecare din numerele T , i = 1,2,... este mai mare dect valoarea cutat a parametrului 0. n acest caz valoarea medie a statisticii Tn va fi mai mare dect 0, adic (Tn) > . Evident dac Tn d o aproximaie prin lips, M(n) < 6 . Prin urmare folosirea unei estimaii a crei valoare medie nu este egal cu parametrul estimat ne-ar conduce la erori sistematice. Din aceast cauz este
333

natural s cerem ca valoarea medie a lui Tn s fie egal cu . Dei aceast condiie nu elimin erorile (unele valori ale lui Tn pot fi mai mari,altele mai mici dect ), cu alte cuvinte condiia () = ne asigur c Tn estimeaz parametrul far erori sistematice i c n medie estimaia Tn d valoarea exact a parametrului . Consideraiile de mai sus ne conduc la urmtoarea definiie: Definiie. Statistica ( , 2,.,) se numete estimaie nedeplasat a parametrului , dac exist valoarea medie a statisticii Tn i este egal cu , adic dac pentru orice volum n finit al seleciei, () = . (6) Diferena dintre valoarea medie a estimaiei i valoarea parametrului de estimat se numete deplasarea estimaiei. O notm cu Bn i avem: = () - (7) Din relaia (6) i (7) rezult c o estimaie nedeplasat este estimaia a crei deplasare este nul. Nu trebuie s confundm eroarea estimaiei cu deplasarea ei. Prima este Tn - i este o variabil aleatoare, n timp ce deplasarea Bn este pentru n dat o mrime constant i reprezint eroarea sistematic. Statistica Tn pentru care are loc relaia (Tn) > se numete estimaie deplasat i anume pozitiv deplasat dac () > i negativ deplasat dac M(Tn) < . Exemplul 1. Media de selecie X obinut printr-o selecie X\, 2, asupra variabilei aleatoare X dintr-o populaie oarecare, este o estimaie nedeplasat a mediei m a populaiei. Avem: T J X ,, X 2 ......X ) = X = i 2 > t k= l i media (Tn) = (X ) - M * * ) = - 5 > k= 1 n k= 1 deoarece M { X k) - m M {X ) = m W = -m = m

pentru orice 1 < k < n . Deci (8)

relaie care exprim c X este o estimaie nedeplasat a parametrului m.

334

Aplicaia 1. ntr-o secie mecanic cu 10 strunguri s-a efectuat zilnic n decursul unei anumite perioade ntregistrarea numrului de strunguri care nu funcioneaz, n total s-au fcut n = 200 astfel de nregistrri. Repartiia numrului de strunguri care nu funcioneaz determinat pe baza celor 200 de nregistrri este dat n tabelul 2. Tabelul 2 Nr. de 0 strunguri Frecv. abs. , 41 1 62 2 45 3 22 4 16

5 8

6 4

7 2

8 0

9 0

10 0

Se cere s se estimeze numrul mediu de strunguri care nu funcioneaz. Notnd cu X variabila aleatoare care reprezint numrul de strunguri care nu funcioneaz, am artat n 1 c X urmeaz o repartiie Poisson: p(x\a) = e ~ a , x = 0,1,2 ,...,a > 0
jc !

pentru care tim c M ( X ) = a i D (X ) = a deci <7(X) = -J . Prin urmare estimaia nedeplasat a parametrului a va fi media de selecie:
__

1 io

X = - Y ntX , = (0,41 +1,62 + ... + 9,0 + 10,0) = 1,8. -* 200 Repartiia complet specificat a variabilei X, lund a = 1,8 este : ig (1 8)* P(x) = e ------ ; = 0,1,2,... Pentru calculul erorii medii avem: jc! D (X ) = n = - = - = = 0,009 ia r ( ) = 0,09 . n n 200

Conform relaiei (5) rezultatul estimrii fcute se scrie: a = 1,8 0,09 . Aplicaia 2. S-au ncercat 10 aparate de acelai tip nregistrndu-se momentul ieirii din funciune a fiecrui aparat. Rezultatele observaiilor sunt date n tabelul 3.

Tabelul 3. Nr. aparate 1 2 3 4 5 6 7 9 8 10 ti (ore) 200 350 600 450 400 400 500 350 450 550 S se estimeze durata medie de funcionare far cderi a tipului de aparate ncercate.
335

Se tie c durata funcionrii fr cderi este o variabil aleatoare T, care are repartiie exponenial: 1 -f( t ; ) = e , > 0 , > 0 . Cu ( ) = i D(T) = 2 . Prin urmare drept estimaie nedeplasat pentru parametrul al repartiiei lum media de selecie: T - (2 0 0 + 350 + ... + 550) = 425 ore. Repartiia complet specificat a variabilei T va fi lund - 425 i '1=0,0235: f ( t ) = 0,0235 e -0,0235f Eroarea medie este: 4,25 = () 4n 4n -Jn Prin urmare rezultatul estimaiei fcute este: = 425 127,6 ore. ( -n/T = 127,6

Exemplul 2. S considerm un eveniment A de probabilitate p, constant n fiecare prob i fie X variabila aleatoare care reprezint numrul de apariii ale evenimentului A n n probe independente. Rezult c X se prezint ca o sum X = X t + X 2 +... + X n unde variabila aleatoare Xt are repartiia: f 1 X, P sau altfel scris: (9) adic Xi = 1 dac A se realizeaz n proba de rang i cu probabilitatea p i Xt = 0 dac A nu se realizeaz cu probabilitatea 1-p. Frecvena relativ a numrului de realizri ale evenimentului A n cele n probe este: (). . Avem: n
( 10)

0' < ?

; q =l - p

P (x ,p ) = p x( l - p ) ] x, = 0,1; 0 < p < 1,

(/) = / ) = m [

\ n ) n {l i

x,

J " tr

|= - 5 > < X , ) = p = p

deoarece M ( X ; ) - l- p + 0 - q = p . Prin urmare relaia obinut

M { f n) = p
336

(11)

exprim c frecvena relativ n n probe independente a unui eveniment, este o estimaie nedeplasat a probabilitii constante p a evenimentului. X Observaie. Dac n loc de frecvent relativ f n = considerm expresia n X , notaiile fiind cele precedente avem: M (h) = M 1 7 M ( a ) -------nP - _ p -------P - sau ----n +1 n +1 n +1 . X de unde rezult c estimaia propus pentru

n+1

p _ (/) p

parametrul p este negativ deplasat, deplasarea fiind Bn = . n +1 Exemplul 3. S considerm o selecie aleatoare X v 2, dintr-o populaie oarecare avnd dispersia necunoscut O . S lum drept estimaie a parametrului 1 _ necunoscut cr2 dispersia de selecie S 2 = ^ ( X k - X ) 2 . Vom arta c S 2 n *=i 2 este o estimaie deplasat a dispersiei O . n cele precedente s-a artat c media i dispersia mediei de selecie 2 X sunt (X ) m i D (X ) = ---- . Pe de alt parte s considerm identitatea ti uor de stabilit: 2 = - V ( X * - m ) 2 - ( X - m ) 2 n M Lund media n ambii membri ai relaiei de mai sus avem:
.

M ( S 2) = - \ M ( X k - m ) 2 - M ( X - m ) 2 i cum M ( X k - m)2 = 2 pentru orice

( 12)
1< k < n iar

M ( X m) = D (X ) = ----- din relaia (12) rezult: n M ( S 2) = - n a 2 n sau


337

1 2 Din relaia (13) rezult c dispersia de selecie S - , ( * X ) este o n i . 2 estimaie deplasat i anume negativ deplasat a dispersiei a populaiei,

2 eroarea sistematic, deplasarea fiin d -----. n


2 Pentru a obine o estimaie nedeplasat a dispersiei C T este necesar s nmulim dispersia de selecie S - ^ n -l 2 n cu factorul----- -, adic (14)

2 = ^ - ( 4- )2 = 2 n-

1 n 2 l 2 ntr-adevr dispersia s = ----- - / ,(%k ~ X ) este o estimaie nedeplasat, n ~^ = 1 deoarece innd seama de (13): ____ , . n n -l n 2 M ( s 2) =M -5 M ( S 2) = ---------- 2 = 2 (5) 1 n -l n -l n V Aadar estimaia nedeplasat s2 a dispersiei populaiei difer de dispersia
n

deplasat S 2 numai prin aceea c suma ] ^ ( X * ~ X ) 2 nu se imparte la ci la Jt=l 1. n practic aceast modificare se face n cazurile cnd n < 5 0 . F racia----- - se n -l numete corecia lui Bessel i pentru valori mici ale lui n valoarea ei difer simitor de 1, dar odat cu creterea lui n tinde relativ rapid ctre 1. Pentru n > 50 practic nu exist diferen ntre estimaiile S 2 i s2. n cazul cnd media populaiei generale m este cunoscut, atunci estimarea dispersiei <72 este dat de dispersia de selecie S* estimaie nedeplasat. ntr-adevr: 1 n n *=i k . ~ m) care este o

338

M (S*) = M i ] T ( X * - m ) 2 = - ] m ( X * - m ) 2 = - 2 = 2 ( 6) J = n Din relaiile (14), (16), (9) de la 2, rezult c proprietile exprimate de relaiile (13), (15) de mai sus, se verific aa cum era firesc i pentru cazul particular cnd selecia se face dintr-o populaie normal. 4. Estimaii consistente A doua condiie pe care trebuie s o ndeplineasc statistica Tn pentru a fi o bun estimaie a parametrului este ca ea s dea valoarea care este cel mai frecvent mai aproape de valoarea adevrat a parametrului, cu alte cuvinte trebuie ca repartiia statisticii s fie concentrat n jurul parametrului ce se estimeaz. O astfel de concentrare cel puin pentru valori mari ale lui n este asigurat de convergena n probabilitate a statisticii T ctre parametrul 0. Suntem astfel condui la urmtoarea definiie: Definiie. Statistica Tn(X l , X 2,...X n) este o estimaie consistent pentru parametrul dac ea converge n probabilitate ctre parametrul , adic dac avem pentru orice > 0 arbitrar de mic,

H fc - |< )-1,

(17)

cnd n > . Tocmai consistena estimaiei statistice este cea care asigur apropierea cel puin pentru valori mici ale lui n, de parametrul pe care-1 estimm. Din consistena estimaiei nu rezult ns pentru valori mici ale lui n nici o concluzie cu privire la utilitatea sa pentru determinarea cu aproximaie a parametrului respectiv. De asemeni se poate spune c n general, nu orice estimaie consistent este i nedeplasat. Valoarea medie a estimaiei poate s nu fie egal cu ci doar s se apropie indefinit de ea cnd n crete. Pentru o valoare finit a lui , o asemenea estimaie poate fi pozitiv sau negativ deplasat. n legtur cu estimaiile consistente, vom demonstra urmtoarea teorem important: Teorema 1. Dac statistica Tn(X l , X 2,.) este o estimaie a parametrului 0, astfel nct: 1. este nedeplasat, sau dac este deplasat, adic Bn 0 , atunci

339

2. dispersia estimaiei

D(Tn) satisface condiia

n +

lim D(Tn) = 0 , atunci

estimaia Tneste consistent. Pentru demonstraie vom aplica variabilei aleatoare Tn inegalitatea lui Cebev. Avem:

(\ - ( ) \ < ) > 1 - ^ - .
Punnd M (n) = + Bn ,

Dar pentru n avem lim Bn = 0 i conform condiiei 2 lim D(Tn) = 0


n * n > oo

deci: p(|r | < ) >1 cnd n >oo ceea ce demonstreaz consistena estimaiei T Folosind teorema 1, suntem n msur s stabilim cteva rezultate coninute n urmtoarele exemple: * Exemplul 4. Momentul iniial Or de ordinul r, obinut prmtr-o selecie X x, X 2,~; X n de volum n este o estimaie nedeplasat i consistent a momentului teoretic mr. Demonstraia acestei afirmaii rezult din relaiile: M (m *r ) = mr , (18) _, mlr - m2 r D{mr ) = -----n stabilite anterior. Prima asigur nedeplasarea estimaiei, iar a doua pentru lim D(m* ) = 0 asigur consistenta. n >oo Pentru r= 1, ml = X i relaiile (18) ne dau:
~

M ( X ) = m; D( X) = h-ZJUl. = ti n 2 i deoarece D ( X ) = -------->0 cnd n n estimaie consistent a mediei m a populaiei.


340

(19)

rezult c media de selecie este o

Exemplul 5. n condiiile exemplului 2 s artm c estimaia nedeplasat f a parametrului p din repartiia binomial (9) este o estimaie consistent, ntr-adevr, ( ^ \ D (X )= \ n p q =^ - j l D ( fn) = D n cnd n >00.

Putem deci scrie: p (|/ - p| < ) 1 cnd n >00. Regsim astfel proprietatea de stabilitate a frecvenei relative exprimat de legea numerelor mari sub forma teoremei lui Bemoulli. Aplicaia 3. Pentru determinarea procentului de piese necorespunztoare, dintrun lot de 10.000 de piese s-au controlat n = 500 de piese printre care s-au gsit 10 necorespunztoare. Se cere s se estimeze proporia de piese necorespunztoare din lot (se consider selecia repetat). Problema se ncadreaz n schema probabilistic de la exemplul 2. Parametrul ce se cere estimat este proporia p de piese necorespunztoare din lot iar estimaia X 10 sa este frecventa relativ f = = ~ = 0,02 , Eroarea medie va fi: n 500 10 ,0 2 (1 -0 ,0 2 ) ~fn) = _ rr ' = 0 ,00627 . 5 0 0 -1 " \ M n-l V V n \ Prin urmare rezultatul estimrii este: p = 0,02 0,0062 i repartiia dat de (9) se scrie lund p = 0,02, p{x) = 0,02* (1 - 0 ,0 2 )1 jr, x = 0 ;1 . 5. Estimaii eficiente Ar fi greit s admitem c o estimaie nedeplasat d ntotdeauna cea mai bun aproximaie a parametrului ce se estimeaz. ntr-adevr, valorile posibile ale estimaiei Tn obinute ntr-un ir de selecii succesive de acelai volum a , pot fi foarte mult mprtiate n jurul valorii medii () = , adic dispersia D(Tn) = (Tn - ) 2 poate s fie mare. n acest caz valoarea estimaiei T calculat dup o selecie de volum dat ar fi foarte ndeprtat de valoarea medie a lui T adic de nsui . Lund o astfel de valoare drept valoare aproximativ a lui am comite o eroare mare, ns dac am cere ca dispersia estimaiei T n s fie mic, posibilitatea comiterii unei erori mari ar fi exclus. n acest sens este evident c dintre dou estimaii nedeplasate (1) i T2)ale aceluiai parametru 0 pentru care : D(r(1)) < D(T^2)) vom prefera pe Tn (l) adic pe aceea care are dispersia mai
341

3 1

p) ( ) = JI p Q.- "

mic. Se poate arta n ipoteze destul de generale referitoare la forma estimaiilor ct i la funcia f ( x , 6 ) , c dispersia estimaiilor nedeplasate, construite pe baza unei selecii de volum n nu este mai mic dect o margine inferioar stabilit de urmtoarea teorem, pe care o dm far demonstraie: Teorema 2. (Rao-Cramer), Dac T este o estimaie nedeplasat a parametrului din repartiia / ( , ) a variabilei X discret sau continu, atunci:

unde I () poart numele de cantitate de informaie pe o observaie i are una din expresiile echivalente: 2 d 2 n/ ( , ) " a in / ( jc ,0 ) " 1(9 ) = M = M (21) 32 L de J Definiie Estimaia nedeplasat Tn a crei dispersie este egal cu marginea inferioar din membrul doi al relaiei (20) adic pentru care: (22) se numete estimaie de minim dispersie sau estimaie eficient. Prin urmare, Tn este o estimaie eficient a parametrului dac T d valori care sunt concentrate mai aproape de valoarea lui dect valorile oricrei alte estimaii. Observaie. n practic un rol mai important l joac abaterea medie ptratic a(T n) = + 4 D J J a estimaiei Tn care aa cum am vzut poart numele de eroarea medie a estimaiei. Aceast denumire este justificat de faptul c 0 ( J n) indic n medie eroarea comis la estimarea parametrului ntr-o serie de selecii succesive de acelai volum n . _ j n Exemplul 7. S se arate c media de selecie X este 0 estimaie k= 1 eficient pentru parametrul m al repartiiei normale: f(x;m) = Avem:
In/(x;m ) =

4
(^2)~ m
i

me R,a > 0

342

d in f(x,m ) _ x - m

r d\nf(x,m) I2 I(m) = M = M * - " ) 2) = jM (x -m )2 = dm


_ ^__1_ 4 2 Deci: D ( 0 = 1 _ _____

dm

ni {m)

tim ns c media de selecie X este o estimaie a mediei m a populaiei i D(X) 2 Prin urmare X are dispersia minim deci estimaia eficient a

parametrului m al populaiei normale este T* = X Exemplul 8. Pentru parametrul al repartiiei Poisson: p ( x ,d ) - e ~ e ------,x = 0,1,2,... 0 > O ,
jc!

_ j n media de selecie X ^ X* este de asemenea o estimaie eficient. innd n 1 seama c n acest caz
_ 02 M (X ) = 0 , M ( X z) = 0 ' + 0 i D( X) = 0 avem:

In ( , ) - + * 1 0 - In x !; ^ 7(0) = M 1 3 ln p ( x ,0 ) ) 00

00 =M 02 1

= M -1 0 0 2 +0 0

= -1 + 0 o *+1 , 2 0

2>

20

0 2 ' ^ '

0 +1

tim ns c media de selecie X este o estimaie a mediei populaiei care n acest caz este parametrul .

343

Avem D( X) -------- , deci X are dispersia minim, adic estimaia n eficient a parametrului din repartiia Poisson este Tn - X , . k Exemplul 9 Frecventa relativ J n ----- n probe independente a unui n eveniment de probabilitate constant p n fiecare prob, este o estimaie eficient a parametrului p din repartiia: f ( x ; p ) = p x( l - p~x, x = 0,1;0 < p < 1 , k fiind numrul de apariii ale evenimentului n cele n probe. n acest caz ; In f ( x , p) = x In p + (1 - x) ln (l - p ); d\nf(x,p) _ x dp p x - p 2 l- x _ 1- p x-p p(l-p) i

I(p)=M

( - = - (1 P\ = - p \ l- p ) 2 r p2( \ - p f p a -p ) P (l-P ) 1 Pd-P) D(K) = nl(p) " n = = l n) n n Rezult c / are dispersia minim deci este o estimaie eficient a parametrului p. Dar =

Metode de determinare a estimaiilor pentru parametrii repartiiilor statistice a) Metoda momentelor n prezentul capitol de teoria estimaiei, am expus pn acum numai probleme referitoare la tipurile de estimaii ale parametrilor din legile de repartiie precum i diverse proprieti ale acestora. n cele ce urmeaz vom prezenta dou procedee de determinare a estimaiilor, adic a statisticilor Tn( X ], X 2,, X n) ale cror valori s poat fi socotite drept evaluri aproximative ale valorilor necunoscute ale parametrilor. n acest sens, am considerat deja unele cazuri particulare cnd se cunoate intrepretarea probabilistic a parametrilor din unele legi de repartiie.

6.

344

Astfel de exemplu n legea repartiiei Poisson parametrul a este media M ( X ) a variabilei observate X i este logic s estimm pe a cu media de selecie X . De asemenea, n cazul repartiiei normale parametrii m i sunt respectiv media M ( X ) i dispersia D( X) a variabilei normale x, deci este firesc ca pentru aceti parametri s lum drept estimaii media de selecie X i respectiv dispersia de selecie X . Este evident c precizia acestor estimaii este cu att mai mare cu ct volumul n al seleciei este mai mare. Prin urmare pentru un numr mare de observaii, pot fi luate ca estimaii ale parametrilor necunoscui ai repartiiilor toaretice momentele de selecie. Acest procedeu de obinere a estimaiilor poart numele de metoda momentelor i se bazeaz pe convergena n probabilitate a momentelor de selecie ctre momentele teoretice corespunztoare, adic pe consistena momentelor de selecie (vezi teorema lui Hinein). n acest caz, cnd numrul n al observaiilor este mare, este suficient ca estimaia parametrului necunoscut s satisfac condiia de a fi consistent, far a fi obligatoriu strict nedeplasat sau eficient, deoarece eroarea sistematic devine neglijabil, iar dispersia estimaiei va asigura ntr-un mod oarecare o concentrare suficient de bun a valorilor ei n jurul parametrului pe care l estimm. Metoda momentelor propus de K. Pearson pentru estimarea parametrilor , 2,..., din legea de repartiie / (', 2,..., 5) , a variabilei observatei, const n urmtoarele: Se calculeaz primele s momente de selecie 1 " ^ X] k f j = 1,2,..., s i n *=i

se egaleaz cu momentele teoretice M ( X J ) = m j(9x,Q2,.. s), j 1,2,... care depind de parametrii ...,5 . Estimaiile , 2 ,...,* {, 2 ale parametrilor

6 S prin metoda momentelor se obin rezolvnd ecuaiile: (17)

my( 0 ,,0 2.....0 f ) = m*(Xl , X 2,...,Xn), 1 < j < s

dac acestea sunt independente funcional i sunt date de relaii de forma: Precizia relaiilor (18) depinde de gradul de apropiere a momentelor de selecrie * rrij de momentele teoretice estimate m j. Exemplul 10. Folosind metoda momentelor s se estimeze pe r i r : {X ], X 2,, X n} de volum , parametrii m i O2 ai populaiei Primele dou momente teoretice sunt: M ( X ) - m { -- mi ( X 2) - m- = r ' - w : :

iar momentele de selecie corespunztoare sunt: 1A Ecuaiile (18) se scriu:

m = ml , m2 + 2 - *m2,
sau m n 1 - X i

( 2) ' =2 - m , = i x , 2 ~ - ^ k= *= 1 = 1 ( , - ) 2 = = 5 2. Regsim rezultatul c dispersia

a populaiei poate fi estimat cu dispersia

de selecie 5 . Exemplul 11. S estimm parametrii a i din repartiia Beta avnd legea de repartiie:

f(x \ a , ) = & + xa- \ l - )-\ * e (0 ,1 ) J ( ) ( ) , > 0 n acest caz se tie c media i dispersia sunt:

M(x) = ml =

a a -, D(x) = a + (a + )2{a + + 1)

Estimaiile C C * i * se obin rezolvnd sistemul de ecuaii:

a +

=x

a =S (a + y(a + +1)
Obinem estimaiile:

a =

* x 2a - x ) - s 2x

; =

X 2(l - X ) - 5^(1 - X)

Pentru o selecie realizat, relaiile de mai sus dau valorile numerice ale estimaiilor a i ' pentru parametri necunoscui a i .
346

Aplicaie 4. Repartiia de selecie obinut ca rezultat al cntririi a 800 bile de oel este dat n tabelul de mai jos (n prima coloan este indicat intervalul greutii n grame, iar n a doua coloan frecvena, adic numrul de bile a cror greutate este cuprins ntre limitele intervalului). Tabelul 4
(Xk-i. Xk)

20,0 - 20,5 2 0 ,5 -2 1 ,0 2 1 ,0 -2 1 ,5 2 1 ,5 -2 2 ,0 2 2 ,0 -2 2 ,5 22,5 - 23,0 23,0 - 23,5 23,5 - 24,0 24,0 -24,5 2 4 ,5 -2 5 ,0

91 76 75 74 92 83 79 73 80 77

Presupunnd c variabila X (greutatea n grame) are o repartiie uniform: / ( ',,2) = ~ 0 2 - , ^ \ , 2\ 2 > ^

se cere s se estimeze prin metoda momentelor parametrii 0 ; i 2, pe baza celor 800 de cntriri. Se tie c n cazul repartiiei uniforme:

} 4" 2 9 + (X ) = m2 = --------^ Estimaiile 0* i 2 se obin rezolvnd sistemul: 0j + 0 2 =m

0,i + 010? +09 * i-i -----i-~ m 2 Gsim:

0* = ml - ^3(m*2 - m ) = X - s^j- - - - - - ,

347

02 = m2 + ^ 3(m *2 - m*) = X +

- t

unde

JL 2 i 2 s = ~ ^ ( * - X ) este dispersia nedeplasat. Pentru selecia

realizat din tabelul 4 obinem X = 22,47 i 5 = 1,44 . Relaiile de mai sus ne conduc la valorile estimate ale parametrilor: 0,* = 19,98 i 0* = 2 4 ,9 6 , iar legea de repartiie uniform a greutii bilelor de oel este: f ( x ) = ; x e ( 1 9 ,9 8 ; 2 4 ,9 5 ). 0,2

b) Metoda verosimilitii maxime Statisticianul englez R.A. Fisher nu s-a mrginit numai s arate neajunsurile metodei momentelor ci a elaborat o nou metod de estimare a parametrilor unei repartiii, numit metoda verosimilitii maxime. Aceast metod este strns legat de noiunea de funcie de verosimilitate. Estimaiile obinute prin aceast metod posed proprieti remarcabile care confer metodei un plus de eficacitate. S considerm variabila aleatoare X definit pe o populaie oarecare, avnd legea de repartiie / ( x ; 0 ) ce depinde de un singur parametru. Fie X l , X 2,...,Xn variabile aleatoare obinute de selecie selecie independente realizat i adic x j,x 2,...,x , valorile concrete ntr-o

X j = Xj, X 2 = x2,...Xn - xn . Probabilitatea obinerii valorilor x ,,x 2,...,x B este funcia de verosimilitate:
n

i(x\ , x2.... x;0 )

=f(x\ ;0 ) / ( 2; 0)/( ; ) - / * ;)

(19)

care poate fi privit ca o funcie de parametru . Metoda verosimilitii maxime const n aceea c pentru Xj, x 2,..., xn dai, cea mai bun estimaie a parametrului corespunde acelei valori a lui , pentru care funcia de verosimilitate (19) este maxim. Acelai principiu se aplic i n cazul cnd se estimeaz mai muli parametri necunoscui 0 1,0 2,...,0 J ce figureaz n funcia de repartiie a variabilei X, deci i n funcia de verosimilitate L ( x 1, x 2,...,x /),;01,02,...,0j ) . Cutnd valori ale prametrilor 01,02,...,0i pentru care funcia Z,(x1,x 2,...,x n;0 1,0 2,...,0 i.) sau, ceea ce este acelai lucru,
348

funcia \,{,2,...,\,2,...,5) este maxim (pentru xltx2,...,xn dai), obinem estimaiile cele mai bune (n sensul principiului indicat) ale parametrilor ,2,.,s . n esen prin metoda verosimilitii maxime se determin acele estimaii ale parametrilor ,2,...,s pentru care sistemul de observaii xx,x2,...,xn, de care dispunem este cel mai probabil. Cu alte cuvinte, pentru orice alte valori ale parametrilor ,2,..., , probabilitatea de a obine un sistem de observaii care s coincid cu cel de care dispunem, ar fi mai mic. Prin urmare estimaiile parametrilor 0 ,,0 2,...,0i obinute prin metoda verosimilitii maxime pe care le vom nota 0 1 ,0 2v,...,0 jv i le vom numi estimaii de maxim verosimilitate sunt soluii ale sistemului de ecuaii: dL(xv x2,...,xn',ex,e2...,es) = 0 j = 1,2,..., j

sau
d I n L(xl ,x 2,...,xn,0 l ,e 2,...,Os) _ ^

(20)
j

care poart numele de ecuaii de verosimilitate. n cazul cnd avem de estimat un singur parametru,sistemul de ecuaii (20) se reduce la d\nL(x,.. x"d) 1 dL ------------I----- 5----- -- ---------= o (21) dG L K Este evident c pentru existena estimaiilor de maxim verosimilitate trebuie asigurat derivabilitatea funciei L n raport cu fiecare din parametrii pe care i conine. n ncheierea expunerii acestei metode de estimare a parametrilor unei legi de repartiie, vom prezenta cteva exemple. Exemplul 12. S-au efectuat n observaii independente asupra variabilei aleatoare X cu repartiia Poisson Qx p (x , e ) = e~ e , x - 0,1,2,,.., 9> 0 x\ i s-au obinut rezultatele xl ,x 2,...,xn Folosind aceste date s se estimeze parametrul , prin metoda verosimilitii maxime, n acest caz funcia de verosimilitate este n ^ x*

L(x 1, ;t2

xn; 0) = f j p(xk; 0) = e~n0


k = \
349

iar logaritmul su natural este n ln L(xl ,x 2,...,xn;0 ) = - + ^ x k ln - l n ( ^ ! . . j c ! ) 1 Ecuaia verosimilitii este de a crei soluie este estimaia de verosimilitate: 1 xk n1

;= 1

n
asigur maximul funciei

adic

media

de

selecie.

Estimaia I A

0*

L(x\,2,...,, ) deoarece: d 2 ln L

rf0 2 Exemplul 13. S estimm parametrul din repartiia exponenial: / ( , ) = e - **, : > 0, > 0 . Avem: L (x 1, * 2,...*,i ;A ) = A"e t=
n

=-**< 0 0' w

\nL(xlt x2,...,xn;) = iar ecuaia verosimilitii: d ln L n A - = - ^ = 0 . a crei soluie este 2* _ n _ 1

, 1

i care asigur maximul lui Z , deoarece: d 2 lnL n _

F
Exemplul 14. S estimm parametrul p din repartiia:
350

(,) = p x( l ~ P x, x = 0 ,l 0 < < 1 . Funcia de verosimilitate este: L(xv x2,...,xn, p) = p ^ X k( 1 - p )n~ ^X k ln L ( x ,, x2 xn; p ) = J xk ln p + (n x* )ln (l - p ) , iar ecuaia verosimilitii este:

din Z . * - * 1 - care rezolvat n raport cu p, ne d estimaia:


P v

**,
------------

f nn, : n

deoarece n acest caz variabilele de selecie Xk iau valorile 0 sau 1, iar k= 1 este numrul de apariii ale evenimentului de probabilitate p n cele n probe independente. Se constat i n acest caz c L are un maxim, deoarece: d 2 \nL _ dp2 * * p2 ~ ** <0 (1-)2

iar > * Exemplul 15. S estimm acum cei doi parametri m i 2 ai repartiiei normale f(x-,m,a) = \= e ^2 Funcia de verosimilitate este:

4(~ ]f

1V X i~mf L(xx,...,x) = (2 n a ) * e 2 ^ > iar logaritmul su natural:

lnL = -|ln(2;r<7
Sistemul ecuaiilor de verosimilitate este:

-m )2 .

351

dm a lnL

'

k= 1

9( )
a crei soluie este:

+ ( ^ - ^ 2=0 2 2 k= 1

i n

4 *= 1
i 1 XT' " 2 1 *\2 = ~ 2 j ( xk ~mv) , n l S artm c (mv , (7V) este un punct de maxim ai lui L. Avem

d2 lnL _
~dinr

n
;

d2 lnL

~ ~ ^ 2<

0^ 7

<0

a 2 lnL

a 2 lnL

dmd(a )
d lnL
=

d(cr )3m
a 2 lnL

1 ( * * ~ m) 2 < 0 k= l

am2 2 lnL 3( )dm

dm2d(a2) a 2 lnL
2 d{a 2 x )

n
n2
~ m )

[ 2 > * - m)2f

4 2 nlocuim n expresia precedent a lui pe m i pe 2 cu valorile lor din (22) gsim: ----- ----- r > 0 = r
i prin urmare L este maxim.

7. Intervale de estimaie

Noiunea de interval de estimaie i procedeul de determinare a intervalului de estimaie. n cele ce preced s-a artat c teoria estimaiei ofer metode pentru determinarea funciilor de selecie Tn( X x, X 2,..., X n) care aproximeaz valorile necunoscute ale parametrilor 9 k(k = 1,2,...) din legile de repartiie i pe care le-am numit estimaii punctuale ale parametrilor. Am vzut c estimaiile punctuale sunt afectate de erori, ele reprezentnd numai evaluri aproximative ale adevratelor valori ale parametrilor estimai. Deoarece o estimaie variaz n precizie, este important ca ea s fie nsoit de o indicaie cu privire la precizia ei, adic ct de aproape poate fi estimaia de parametrul pe care trebuie s-l estimeze. Cu alte cuvinte apare necesitatea de a se indica un interval cum se mai spune, cu o siguran cunoscut, c acoper valoarea parametrului estimat care este o mrime cunoscut. Spunem astfel c estimm parametrul printr-un interval de estimaie sau de ncredere i, n acest sens, estimarea parametrilor prin interval de estimaie apare ca o generalizare a estimrii punctuale. S presupunem c efectund o selecie {X j, X 2,, X n} de volum n din populaia a crei lege de repartiie teoretic este f ( x , 9 ) , exist dou funcii de selecie Q m ( X l , X 2, , X n) i (\>2 > ) probabilitatea inegalitii: << s fie independent de , adic: p j C X p X j , . . . , ) < < ( X x, X 2,...,Xn) ] = l - a unde a nu depinde de . Pentru o selecie realizat funciile 0 i iau valori bine determinate, iar pentru probabilitatea l - a foarte apropiat de unitate, inegalitatea (1) este satisfcut n marea majoritate a cazurilor. Rezult c am gsit astfel un interval ( 0 , ) care acoper parametrul necunoscut, cu un grad mare de siguran, garantat de probabilitatea l - a , unde a este foarte mic. Intervalul ( 0 , ) astfel determinat se numete interval de estimaie sau de ncredere pentru parametrul , 0 i poart numele de limit inferioar respectiv limit superioar de ncredere pentru parametrul , iar probabilitatea 1 - a se numete probabilitate confidenial sau coeficient de ncredere. Cu ct intervalul ( 0 , ) este mai mic i probabilitatea l - a este mai mare, cu att avem o indicaie mai precis cu privire la valoarea parametrului . Trebuie precizat c
353

cu 0 .< aa fel nct (1)

parametrul nu este o variabil aleatoare, ci o mrime constant pe care ns noi nu o cunoatem. n schimb intervalul (0 , 0 ) ale crui limite depind de datele de selecie, este un interval aleator care variaz de la o selecie la alta att ca mrime ct i ca poziie pe o ax a valorilor parametrului . De aceea, legtura dintre valoarea adevrat a parametrului i intervalul ( 0 , 0 ) trebuie neleas astfel: probabilitatea ca intervalul aleator ( 0 , 0 ) s acopere punctul este egal cu 1 CC. Mai precis, ori de cte ori calculm limitele 0 i 0 i afirmm c

P ( 0 < 0 < 0 ) = 1 ~ , aceasta nseamn c din 100 de intervale de ncredere pentru acelai parametru, construite pe baza a 100 de selecii din una i aceeai populaie, ( l - a ) 1 0 0 dintre intervale cuprind n interiorul lor valoarea adevrat a parametrului i numai Ci 1 0 0 dintre ele nu l cuprind. n practic drept coeficient de ncredere se ia 1 C C = 9 5 % , 99% sau 99,9% adic C C = 5 % , 1 % sau 0 ,1% . Menionm c la alegerea coeficientului de ncredere 1 - C( deci a lui se au n vedere considerente de ordin practic impuse de problema concret ce se rezolv. n afara coeficientului de ncredere 1 - CC, un rol important l joac i lungimea intervalului 0 i 0 . Un interval de lungime mic construit cu un coeficient de ncredere mare estimeaz cu precizie valoarea parametrului. Jumtatea intervalului de ncredere o vom nota cu . Al treilea element important n teoria intervalelor de ncredere este volumul n al seleciei. Cele trei mrimi 1 - C C(sau a), 5 i n sunt strns legate ntre ele i cunoaterea a dou dintre ele permite determinarea celei de-a treia. n cele ce urmeaz vom prezenta o metod de determinare a intervalelor de ncredere, pe care o vom aplica la estimarea parametrilor coninui n unele legi de repartiie, frecvent folosite n practic. ntruct estimarea parametrilor prin intervale de ncredere se impune mai ales n cazul unui numr mic de observaii, cnd estimaia punctual nu este precis, vom expune construirea intervalelor de ncredere pe baza seleciilor de volum redus (n < 3 0 ) . S considerm repartiia f ( x , 0 ) a variabilei aleatoare X definit pe o anumit populaie i care pentru uurina expunerii s presupunem c depinde numai de un singur parametru . Ne propunem ca pe baza unei selecii X v X 2,...,Xn de volum n s determinm un interval de ncredere pentru parametrul necunoscut . Metoda const n gsirea unei funcii U ( X 1, X 2,...,Xn , 0) de datele de selecie i de parametrul care posed proprietile: a) este definit n orice punct aparinnd intervalului ( 0 , 0 ) al valorilor posibile ale lui 0, 354

este continu i monoton n raport cu , repartiia sa g ( u ) n u depinde de parametrul i nici de ali parametri necunoscui. Dac aceste condiii sunt ndeplinite, atunci pentru fiecare coeficient de ncredere 1 - C C, putem gsi folosind repartiia g(u) a statisticii U, limitele u, i w2 care depind de a , dar sunt independente de datele de selecie, astfel nct s avem: fu2 P( ul < U < u 2) =\ g( u)du- \- OC (3)
Ju t

b) c)

Alegerea acestor limite pentru un a dat nu se face n mod unic deoarece ntre i i u2 avem o singur relaie (3), ns inegalitile M j < /(X[, X 2 ,, X n; ) < >U2 (4) n baza monotoniei i continuitii funciei U n raport cu pot fi scrise sub forma echivalent: ((X l , X 2,.., X J < < ( X l , X 2,..., x) i se obin ca soluii ale ecuaiilor (5) i i fiind dou funcii de datele de selecie i de numerele U \ i u2 respectiv U ( X l , X 2,..., X ',) = u2

U { X x, X 2, - - - X = w, . Am obinut astfel intervalul de ncredere ( , 0 ) pentru parametrul al repartiiei f ( x , 9 ) dat de inegalitile (5), care acoper valoarea necunoscut a lui cu probabilitatea 1 -OC conform relaiei: P (0 < < ) = 1 - a (6) Intervalele de estimaie pentru parametrii repartiiei normale S considerm o populaie normal, la care variabila sub cercetare X are dup cum se tie legea: / (x ;m , ) = = e 2 < T ; 2 depinznd de doi parametri m i 2 , respectiv media i dispersia variabilei X. Ne propunem s determinm intervalele de ncredere pentru parametrii m i 2 . a) Intervalul de ncredere pentru media m cnd 2 este cunoscut Ca funcie U ( , X 2,, ',) vom alege abaterea normal a mediei de selecie X: 1} ( , 2,.,, ) vom alege abaterea normal a mediei de selecie X : U ( X l , X 2,...,Xn,m) = ? ^ y f c , (7 (?)

355

care este monoton i continu n raport cu parametrul de estimat m i a crei repartiie este conform teoremei 1, 1 repartiia normal tip 1
g (u ) =

(8) V 2 Din (8) se vede c g(u) nu depinde de m i nici de ali parametri. Suntem astfel n condiiile enunate mai sus, prin urmare 1 -C C fiind o probabilitate foarte apropiat de unitate, putem determina numerele U \ i u2 astfel nct s avem:

J U2 g(u)du = 1 -oc
u,

sau: X -m 1 < un V 2 u f 2e 2 du = 1 - 0 ?

(9)

yfn Relaia (9) se mai poate scrie sub forma: P (X - U2 ~ r < m < X - M j - i ) = 1 -CC yln vn
, r pentru vn parametrul w, coeficientul de ncredere fiind 1 - CC. Se observ c se pot obine o infinitate de astfel de intervale de ncredere pentru parametrul m, toate au aceleai probabilitate 1 - O C deoarece ntre u\ i w2 avem o singur relaie dat de (9). Pe noi ne intereseaz intervalul de lungime minim. Lungimea intervalului este:

Am obinut aadar intervalul de ncredere

( -

f, A -

Vn

= -T = (2 - i ) Vn Pentru a vedea pentru ce valori u\ i u2, obinem intervalul cu cea mai mic lungime, minimizm cu condiia (9). Vom folosi metoda multiplicatorilor lui Lagrange i n acest scop formm funcia <(1, 2) = ~ ( 2 - 1) + g ( u ) d u - ( I - a ) Vn din care deducem:
d(p dux

yfn

-Xg(u1) = 0

356

! ^ - = ~ ? = + Ag(w2) = 0 ou2 Vn care ne d g ( u , ) = g(w2) de unde rezult M j = u2 sau - u { = u 2 .Prima soluie nu ' convine deci - u{ = u2 = z . Cu aceast soluie ecuaia (9) devine: Z 1 f e~ 2 du = F(z) - F (-z ) = F(z) - 1 + F ( z ) = 2 F(z) - 1,

e~2 dt. unde F (-z ) = l~ F ( z ) , iar F(z) = -j= = J o o Din relaia F(z) - 1 = 1 -O C rezult F(z) = 1 - deci vom nota 2 rezult din tabele.
Z

= Z a care l-y

F ig. 4

Prin urmare u\ = ~Z
2

u 2 ~ z]_a
2

Deci intervalul de ncredere este:


X z a = < m < X + z a 7= - '- v n (11)

Observaie. Menionm c i n cazul cnd X nu este repartizat normal pentru valori mari ale lui n, v ariab ila----------------- este aproximativ repartizat N(0,1) (Teorema 1), deci i n acest caz (11) este un interval de ncredere pentru parametrul m, cu coeficientul de ncredere 1 -CC.
357

*fn(X -m )

Aplicaia 1. Variabila aleatoare Xeste repartizat normal N ( 0 ,2 ). Se cere intervalul de ncredere 95% (1 OL =

0,95) pentru media

pe baza

seleciei de volum n = 16, care a dat X 4,1. Folosind relaia (11), gsim: Z a -5= = 1 ,9 6 -3 = = 0,98 i cum X = 4,1 ( 1-7 v n V l6 avem; X - 0,98 = 4 ,1 - 0 ,9 8 = 3,12 i X + 0,98 = 5,0 8 . Prin urmare intervalul cerut este 3,12 < m < 5,08 Aplicaia 2. Selecia dintr-un lot numeros de becuri electrice conine n - 100 buci. Durata medie de ardere a celor 100 de becuri este X = 1000 ore. S se determine un interval de ncredere 95% pentru durata medie de ardere m a ntregului lot tiind c abaterea medie ptratic a duratei de ardere a becurilor este = 40 ore. n baza observaiei, ntruct volumul n = 100 al seleciei este mare vom folosi tot relaia (11) n care : - Z0 975 - 1,96 .
2

Deci; 40 40 100 - 1 ,9 61 <m< 1000 +1,96i ' 11 ^ ^ 1V/V7V7 I X y v/ r1

V i00

V100

adic: 992,16 <m < 100 7 ,8 4 . n situaii reale, de regul, abaterea medie ptratic a populaiei nu este cunoscut i ea trebuie estimat pe baza datelor de selecie. n acest caz pentru selecii de volum mic, intervalul definit de relaia (1) nu mai este aplicabil. b) Intervalul de ncredere pentru media m cnd cr2 este necunoscut Drept funcie U ( X v X 2,---,Xn,m) vom alege statistica: X-m ,= ~ 7 7 ' Jn < 12>

358

undei2 = - ^ - y ( A : - X ) 2 . - Conform teoremei variabila t are o repartiie Student cu -1 grade de libertate:


t2 2

1+
7( n - 1)

n-l

; te R

care se vede c nu depinde de parametrul estimat i al crei grafic este:


S

Fig. 5 Pentru construcia intervalului de ncredere avem i n acest caz:


y fn (X - m )

h<
\

<u

eh

s-\(t)dt = l - a ?

...

sau:

P{X - 12 - 4= < m < X - r, -4= ) = 1 - . Vn vn X t2 = ,X - fj ^ este un interval de ncredere pentru vn Vn parametrul m avnd coeficientul de ncredere 1 (X. Procednd ca n cazul precedent din motive de simetrie ale graficului repartiiei s n_j(/) gsim c
Prin urmare l intervalul de lungime minim corespunde cazul cnd - tx = t2 . Notm cu Sn_{(t) funcia de repartiie a variabilei Student:

359

1 (<2 ) =

P( < h )

= J

'1

. . . ( * = 1 -

i atunci

h = , , 1 :-1
2

, =/ = - 1 :-1
2 2

Rezult intervalul de ncredere cutat:

X + t a ,- = < m <X + t a -:n-l I-"-' V

(13)

Observaii, a) Dac w > 30 se tie c repartiia Student poate fi aproximat cu legea normal i prin urmare: tot -l ~ Za
2 2

b) Intervalele date de (13) vor varia de la o selecie la alta, att ca poziie ct i ca lungime, deoarece, innd seama c ta ~ a , lungimea:
in 1

1 :n - l

^ ~

a j> 1 :n-l *Jn

depinde de mrimea s. Aplicaia 3. Se cunosc rezultatele Xl ,X 2,,X^i a n = 22 msurtori ale unui unghi oarecare n grade: 3,1; 3,3; 2,9; 3,0; 3,1; 3,2; 2,8; 2,7; 3,1; 3,2; 2,9; 3,0; 2,9; 3,1; 2,8; 2,9; 3,2; 3,3; 2,9; 3,1; 3,2; 3,0. Presupunnd c rezultatele msurtorilor urmeaz o lege normal, s se determine un interval de ncredere 98% pentru media m a populaiei (valoarea adevrat m ). Gsim: * Tabelele ne dau: ta

=^
71-1
2

X = 30318; *2 = ^ ( - X ) 2 = 0,0303

= *001-21 = 2,518

i conform cu (13) limitele intervalului pentru media tn sunt: s x = 'o, 01:21- 7= = 3,0318 -0 ,0 9 3 4 ;

V22

X +1

2 -jL= = 3,0318 + 0,0934 = 3,1252 V 22

Deci intervalul de ncredere 98% pentru media m este: 2,9384 < m < 3,1252
360

c) Intervalul de ncredere pentru dispersia 2 n acest caz statistica U (X x,X 2,..., , 2) posednd proprietile menionate i cu ajutorul creia vom construi intervalul de ncredere pentru parametrul 2 este:

U (X l t X2 ..... , 2) = { - -- 2
1 n 2 V1 unde s = - ^ (

(H)

2
X )

. Conform consecinei teoremei 4 variabila U are

o repartiie X cu -1 grade de libertate: 1


n -l
_a

( ) = n -l 2 2

u 2 e 2

care nu depinde de parametrul 2, ci numai de parametrul n, volumul seleciei, i al crei grafic este cel de mai jos:

Prin urmare 1 C fiind o probabilitate foarte apropiat de 1. putem determina numerele u y = %x i u2 = 2 astfel nct s avem:
2

361

P(ux < U < u 2) = P

X i <-- - - J <x\

(jl~")S4

zi

1
2

^
Numerele
,2

n-l_j n 2 e 2du = 1 - a .

2 n'n -\
2

se determin cu ajutorul tabelelor de valori ale funciei

de repartiie H (x ) = ( 2 < x) a variabilei X2 . Avem, conform figurii,

C C C C P(X 2 < X i) = deci X \ = Xa i, de asemenea, P{X2 < \ ) = 1 - deci 2 y * -1 I

Din relaia ^ deducem:

"7- ...< X.1 a , ;/i-l , < ....< -;n-l 2 2

( n - l) i2

= l - a

( - 1 ) s 2 ------ < 2 < (w ~ l)^ 2 Xa lfl-1 X a adic intervalul pentru 2: (n - l)s 2 2 ( ~ 1 )2 < < X1 a 2;-l 2
= l - a

(15)

Observaii, a) Am determinat intervalul de ncredere 1 - C L pentru 2 astfel situat pe axa Ou, nct n afara lui ariile de sub curba densitii g(u) s fie egale. Acest interval se mai numete i intervalul cozilor egale, b) Din (15) deducem c intervalul:

ix\c

\x7

(16)

V ' T ' - 1 V T:n~ l poate servi pentru scopuri practice ca interval de ncredere pentru . ntruct aa cum am menionat se folosesc selecii de volum mic, determinarea intervalului de
362

ncredere pentru parametrul , necesit o metod mai exact pe care nu o vom expune n continuare. Aplicaia 4. n condiiile problemei de la aplicaia 3 s se determine intervalul de ncredere pentru dispersia 2. n acest caz valorile tabelare necesare sunt: X a
= Zo,9 9 ;2 i = 38,392;

-\n-l

= Xqqi-21 8,897

iar limitele intervalului (15) pentru 2 sunt:


( - l ) l = 21^ 0289 X2
1 ;n-l
2

38,932

( ^ 1)^ 2 1^ 0 2 8 9

xl r*-'

8397

Deci intervalul pentru 2 este (0,0163; 0,0715). Conform cu relaia (16) gsim pentru :
>/0,0163 < 2 < V 0,0715 ,

sau
0,127 < < 0,267. 8. Funcia de repartiie a seleciei, momente de selecie. Mulimea valorilor de observaie {xl, x 2,...,xn} ale unei caracteristici (variabil aleatoare) X se numete selecie de volum n din populaia supus cercetrii. Elementele mulimii {X,,X2,...,X} numite variabile de selecie au o dubl interpretare: (1) Considerate dup efectuarea seleciei, variabilele Xl,X2,...,Xn reprezint valori concrete pe care le folosim ca informaii asupra variabilei aleatoare X i le notm: Xj =xt,X2 = x2,...X = x . (2) Considerate nainte de efectuarea seleciei, variabilele Xu X2,...,Xn pot fi privite ca variabile aleatoare independente i identic repartizate din punct de vedere probabilistic cu variabila aleatoare X. Deci putem scrie:
(a) M ( X ;) = M ( X ') = mr ( V ) ; = i ;

363

(b) M ((X j-m Y )= M { (X -m )r)= r (V );= l,n unde m - M(X),mr, r reprezint media, momentul iniial de ordin r i momentul centrat de ordin r ale variabilei aleatoare X . Se consider c fiecare variabil aleatoare X j j = 1, se realizeaz cu aceeai probabilitate egal cu . Pe baza acestui fapt se construiete variabila aleatoare de n selecie (variabila empiric). Definiie 1. Variabila aleatoare de selecie are urmtoarea repartiie: fX v V Y \ \ x2 1 __ X \ _ n care P(X* = Xk) = - (V)* = 1, n . n n n n Presupunnd c dup efectuarea a n observaii am obinut: de nxori a aparat X, de n2 ori a aparat X 2 unde n,+n2+... + nk =n, atunci: den* oriaaparut Xk

X*:

[Xx

X2 ... X k'
O l n
,

X2

X ,' fn ,

O l !h n Vn

, unde:

fi

l . i = l,k [i^ / / =1 // = 2 * i= i Definiie 2. Fie o populaie cu caracteristica X, o selecie de volum n, {X],X2,...,Xn}i x e R . Fie nx o valoare care ne d numrul observaiilor n care a aprut o valoare a caracteristicii X mai mic dect x n selecia {Xu X2,...,Xn}. Funcia empiric de repartiie (funcia de repartiie a seleciei) este definit astfel:

n Definiie 3. Fie X o variabil aleatoare considerat pe o populaie oarecare . Numim moment iniial de selecie de ordin r statistica: - .1 A . fti li
_ n\X \ ^ n2-^2 + + nkXk n Notm m\ = X i o numim media de selecie.
364

F * (x ) =

Numim moment centrat de selecie de ordin r statistica:

xy

nM

-x y

j n _ = \ ( X k - X)2 se numete dispersia de selecie " t (Vom nota 2 = S )

Propoziie 1. Momentul iniial de selecie de ordin r, m*, are media i dispersia: _ m2r - mr
n particular : M(X) = M(X) = m , D(X )

_ m2 - m _D (X )

Propoziie 2. Media dispersiei de selecie este: oi ^n _ w 1 () = M (S2) = ----- 0 (X ) i dispersia dispersiei de selecie este: n n Propoziie 3. Momentele de selecie converg n probabilitate spre momentele teoretice ale variabilei aleatoare X i anume: tn] >mr i *~^ Cu alte cuvinte cu ct volumul seleciei este mai mare cu att momentele de selecie vor avea valori mai apropiate de momentele teoretice corespunztoare.
Probleme: Problema 1. Durata de execuie a unei lucrri ntr-o band de montaj este repatizat normal cu media m i abaterea = 4 minute. S-a cronometrat durata de efectuare a operaiei la un numr de n = 9 muncitori. Determinai probabilitatea ca media duratei determinate pe baza celor n observaii s nu difere de m n valoare absolut cu mai mult de 3 minute la un muncitor: p \ x - w |< 3)= ?

Rezolvare: p\x - <


3)= P{-3<X - m<3) =

f
3-Jn

\ X- m
3-Jn

=P r 3 fn = 2
1

%
1 = 2(2,25) - 1 =

- ( )

= 2 0,9878 - 1 = 1,975 - 1 = 0,975.


365

Problema 2. Presupunnd c diametrul unor piese fabricate la un strung este repartizat normal N(m, 2 ), care trebuie s fie volumul n al seleciei astfel nct P (jj-m | < l)= 0 ,9 9 . Rezolvare'. 4n X - m P ^ X - m < 1j = 0,99 = P ( - l < X -m < l) = P -----<---------< rn
= 2

\
2 = 1,99 = >
2

1 = 2

-1 = 0,99,

~\

= 0,995 => = 2,58, 2

= > 4 = 2 2,58 = 5,16 => = 26,62 = > = 27. Problema 3 Fie X variabil aleatoare exponenial cu legea de repartiie 1 / ( , ) = e ,x> 0,A > 0 . S se gseasc un estimator consistent i nedeplasat pentru A. Rezolvare : _ X\ + Xz +... + Xn Fie {Xu X2,...,Xn} o selecie de volum . X = . tiind c
estimator nedeplasat i cosistent pentru A.

() = i D (X) = A2, o (X) = D (X)

A2 -i-ir > , rezult c X este un n

Problema 4. Aflai prin metoda momentelor un estimator pentru parametrii repartiiei uniforme. Rezolvare : Repartiia uniform are forma: f(x ,a ,b ) = - b - a x e \a,b\ 0, n rest Fie {Xl,X2,...,Xn} o selecie de volum n. Folosind metoda momentelor obinem:

366

m, (a, b) = m*

a +

a + b = A=$a +b = 2A
a2+ab+b2 =B

< = > j g +- +^ 2 = m,

m2(a,b) = m\

=>(a + b)2 - ab = 3B =>ab =4A2 - 3 5 . Formm ecuaia de gradul II cu rdcinile a i b i avem: X2-2AX +4A2- 3 B 2 = 0 = 4A2 - 1 6A2+12B2 = 12(5 2 -A 2) = \2* = 12S2 =>a,b = - A -? ^ =*a,b =X s J 3 .

Problema 5. Aflai un estimator pentru parametrul repartiiei binomiale (p) folosind metoda verosimilitii maxime. Rezolvare : Dup cum tim, numrul de apariii ale unui eveniment n n probe
independente poate fi considerat o variabil aleatoare de forma: X = ^ Xt , unde: i= l ^0 (V)i = l,n . Xi
X p

Legea de repartiie pentru variabila aleatoare de parametri 1 i p este: P(x,p ) = p x( \ - p ) ' - x, x=0,l 0< p < l. Folosind metoda verosimilitii maxime obinem urmtoare funcie de verosimilitate: " *' - * ( ,.., ) = \ p x ( i - P) = p (1 - P ) /*i f' _ a in L(xu ...,xn,p ) d ^ , + 1(1-) = 0 dp d p _i=l 1 =' J

P
i=l

i- p i=l

= = > ( - ) - \ " *< / = ! i= l

=0

~ /= * . !

367

=$ p = = X i este punct de maxim pentru ln L(x{...xn, p ) => p - X este n un estimator de maxim verosimilitate pentru p. Problema 6. Aflai un estimator de maxim verosimilitate pentru parametrul din repartiiile: (1) / ( ,) = (1 + ) , 0<<1, > 0 ; (2) ( , ) = ( 1 - ) , * = 0,1,2... <0 <1 ;

1 (3) / (,) = ~ - ^ - , 0 < * < 1 ^ < < 1 ;


1 (4) ( , ) = ( 2 - ) ' 2' 2~ , = 1,2 1< <2

Rezolvare : (l)L (x ],...,Xn, e ) = f l f ( x i, e ) = ( l + e r - x f - x e 2...xe ;=


ln L(xv ..xn,6 ) = 1(1 + ) + ^ 1 ( .
=1

/ = i n - n - VlnjCj => = ^ ------ =- -------1. J ln x ,. ] ,


i =1
(=1

dlnL^ :X ---- =0 < = - ~ + 1*, =0=> (1 + ) ^ 1 ,.+n = 0


(= 1

(2) L(xl,...,xn,9) = l p ( x i, e ) = 9n - ( l - e y '


i=l

ln L(,.. ., ) = n In +
/ I

xt ln(l - )

^,.,.,,) _ w . y i . . f ___[__) + -------- |= 0 = > - - . = 0 \ - )

Y*

28,-1 *1
- + 1

20-1 *
- + 1

(3) L(*,,...,xn,0 ) = J / ( * .,0 ) =


i= l

lnL(jt1..jtn,0) = n ( ln 0 - ln ( l-0 ) ) +

1-0 20 -1 v

+ 1

, *>
=1

^ ,,- ,, ) _ de 0 (1 -0 )
it

+
0

1-0

(0 1)

^ i!
=1

'

(0 -1 )

ti
1

0 = ------ ------- =____ L

-1 * '
=1

\ - ------

1 < 1 * <
1 _ _ !------

(4) L(xl ,...,xn,0 ) = l p ( x i,9 ) = ( 2 - e ) < = ln L(x}...,) = 1(2 - 0) +^ 1


=

1-------------------- 1------1 2 2 -0 1 2 2 -0
...

I , -1

1 , 0-1

\,

d\nL(xu ...xn,6) 30
,

-1 | 1 2 - 0 2 - 0 + 0 - ! ^ 1*<= 0 2 - 0 12 0 - 1 2 -0 =1

2 -0

^ 1 / = 1 =0 = > -(0 - \) 12 + (2 - 0 ) 1 , =0=> 1 2 0 - 1 1 = 1


(1-0)1 2 + 2 * - 0 ^/ =0 = >
= 1 =1

12 + , = 12 + 2 *, = 1 = 1 12 + 2 ^ , =1 =>0= 12 + ^

1+ ~ 1 ;= 1 v
1+ -

/ =

1 8 2 */

Problema 7. S se determine intervalul de ncredere 95% pentru media m a unei populaiei normale cu dispersia 2 =400, pe baza unei selecii de volum n = 25 n urma creia s-a obinut media de selecie X = 200 . Rezolvare : Se cunoate c intervalul de ncredere pentru media m a unei populaii normale, n cazul n care 2 este cunoscut, este: X - Z a -- ir < m < X +Z a ~= pentru care avem: >-y V V f \ X - Z . ~ < m < X +Z = 1- a = 0,95; v20 __ 20 = > Z a = Z0 975 = 1,96 => 200 -1,96---- < m < 200 +1,96-----<
l~2

< = >200 - 7,84 < m < 200 + 7,84 < = >192,16 < m < 207,84

Problema 8. O selecie de volum n = 10 dintr-o populaie normal a dat rezultatele:


Xi

-2

1
2

2 1 2 , a) Determinai un interva de ncredere 90% pentru media populaiei; b) Determinai un interval de ncredere 95% pentru dispersia populaiei. Rezolvare :

a)

t a

j<m<X +t a < = >t 10 95.9 = 1,83 Vn > .-> V '-'"-1

X = 1,2 ; s 2 = Y (xj - x ) 2= S2 = 3,76 = 4,18 = > s = 2,04 . n -\ r ~ n -l 9 2 04 2 04 =* 1,2 -1,83 - Z < m < 1,2 +1,83 =Z < = >1,2 -1,18 <m< 1,2 +1,18 VO VT < = 0,02 <m < 2,38 o 0,02 <m< 2,38. b) Se tie c intervalul de ncredere pentru dispersia populaiei este: (n - l)i2 2 (n - l)s 2 9-4,18 2 9-4,18 - < < 2 < 2 < = Z a Xa , Z o, 975,9 . 025,9 1 -- , -1 , -1 2 2 1 ,9 8 < 2 <13,93.

370

CAPITOLUL VI

ELEMENTE DE MATEMATICI FINANCIARE I ACTUARIALE 1. Operaii financiare certe

1. Dobnda simpl n general, prin dobnd se nelege o sum ce se pltete de ctre debitor (se percepe de ctre creditor), pentru o sum oarecare mprumutat de ctre debitor pentru folosin temporar. Se numete procent, dobnda care se pltete pentru suma de 100 lei pe timp de un an. Se numete dobnd unitar, dobnda calculat pentru suma de 1 leu pe timp de un an i este egal cu a suta parte din procent. Notaii: S - suma depus sau mprumutat pentru care se calculeaz dobnda; t = durata pe care se calculeaz dobnda - exprimat n ani; p = procentul; i = dobnda unitar;
100

D = dobnda simpl. Este evident c dobnda este direct proporional cu suma mprumutat (depus) S, cu durata t i cu procentul p. Avem:
dobnda unitar i =
100

(1) ;

dobnda produs de 1 leu pe t ani este it = dobnda produs de S lei pe t ani este: Sp D =i t S = ^ .
100

(2)

Dac n (2) considerm t = unde k reprezint numrul de pri egale n k care am mprit anul, iar tkeste un numr oarecare de astfel de pri din an pentru care se calculeaz dobnda, obinem: = !l A . k 100k Pentru k = 2 >t2 semestre; pentru k = 4 >u trimestre. Pentru k = 12 tl2 luni; pentru k = 360 >tm zile.
d

,3)

371

Remarcm c formula (2) conine 4 elemente. Cunoscnd trei dintre ele se poate determina al patrulea.
100

100D P =St 100 D ' t =Sp ' 100D S= pt Valoarea final i valoarea actual S notm cu 50 suma depus iniial i fie D=S0it dobnda simpl produs de suma S0 pe durata t cu procentul egal cu lOOi. Suma sau valoarea final notat S, este suma disponibil peste t ani dac se plaseaz cu dobnda simpl n momentul iniial suma S0. Astfel spus 5, este suma dintre S0 i dobnda produs de S0 pe timp de t ani, adic: S, = S0 +D = S0 +S0it = S0(l + it) . (4) Din (4) se poate deduce valoarea actual (suma depus n momentul iniial care mpreun cu dobnda produs pe durata t, a devenit St): S =T + ' (5) Scadena comun i scadena medie Scadena comun Fie S],S2 , .... S mai multe sume depuse pe duratele t,,t2,...,tn cu acelai procent p. Ne propunem s nlocuim sumele S* i duratele tk, k=l,2,...,n cu o sum unic 5 i o durat unic t astfel nct suma dobnzilor produse de sumele Si,S2,...,Sn s fie egal cu dobnda produs de suma unic S pe durata t cu acelai procent p. Avem: Sx pt i | S2pt2 | Snp tn _ Spt
100 100 100 100 sau S,/, + S2t2 +... + Sntn = S t. Scadena comun este durata unic t, deci cunoscnd S obinem:

t =

-.

(6)

372

Dac Si + S 2 + + Sn = ;= i
obinem:

f = ---

i> A

I s> i=l
Durata dat de (7) se numete scadena medie (medie aritmetic ponderat, ponderile fiind sumele Si). Procent mediu de depunere Fie sumele Si,S2,...,S plasate pe duratele /,2,... Ne propunem s determinm un procent unic p, astfel nct sumele considerate depuse cu acelai procent p pe aceleai durate s produc aceeai dobnd. Avem: SlPlh ! ^2Pzf 2 j i SnPntn _ 100 100 100 _ Sxpty ^ S2p t2 ! I Snp tn ^
100 100 100

Slp ltl +S2p 2t2+...+Spntn = p(S,f, +S2t2 + ...+ Spn), de unde


n

P = ^ --------- (8) Y jS ktk k = 1 Formula (8) d procentul unic cutat p n condiiile enunate, care apare ca o medie aritmetic ponderat, ponderile fiind produsele Sktk; k=l,2,...,n de aici i numele de procen t mediu de depunere.

Exemplu: S se calculeze procentul mediu de depunere pentru sumele: 5.000 lei cu 4% pe timp de 45 zile, 10.000 lei cu 5% pe timp de 60 zile 50.000 lei cu 2% pe timp de 100 zile 5.000445+ 10.000-5-60 + 50.0002-100 -- 2,38% p ------------------------------------------------------5.000 45 +10.000 60 + 50.000 100
2. Dobnda com pus Spunem c o sum este depus (se fructific) cu dobnd compus dac la
373

sfritul unei perioade dobnda simpl produs pe aceast perioad se adaug pentru a produce la rndul su dobnd n perioada urmtoare .a.m.d. n operaiile financiare pe termen lung, unitatea de timp (perioada) frecvent utilizat este anul, uneori se folosete semestrul sau trimestrul. n calculul dobnzii compuse se obinuiete s se foloseasc dobnda unitar i i nu procentul p.

Stabilirea form ulei dobnzii compuse Presupunem de la nceput c timpul t de depunere este un numr ntreg de perioade (ani, semestre, trimestre etc.).
Vom nota: So = suma depus inial sau valoarea actual, i = dobnda unitar (corespunztoare unei perioade), n = numrul de perioade, Sn = suma disponibil dup n perioade sau valoarea final. innd seama de cum am definit modul de fructificare a unei sume, cu dobnda compus, putem ntocmi tabelul:

Tabelul 1
Anul 1 2 Suma depus la nceputul perioadei So Dobnda produs n timpul perioadei S0i S,i Suma obinut la sfritul perioadei

s,
Sn-l

Sj=So+Soi=So( 1+i) S2=S,+S,i=So(l+i)2 Sn=S.i+S.n=So( 1+i)n


(9)

n Avem deci:

Sn/i s = s 0{\+iy

Dac notm 1 + i =u, obinem:

Sn =S0un . (10) Factorul 1 + i = u se numete factor de fructificare i n tabelele financiare se gsete calculat un pentru diferite procente i pentru diveri ani (n). Formula (10) se mai numete i formul de fructificare. Cunoscnd valoarea final Sn i valoarea actual, putem determina dobnda compus, i anume: D = Sn S0 = S0u S0 =S0(m l). Avem deci formula dobnzii compuse: D = S0{un-\). (11)
374

Valoarea actual a unei sume Formula d e actualizare Actualizarea este operaia invers fructificrii. Problema se pune astfel: Ce sum S0 trebuie depus n prezent pentru ca dup n ani cu dobnda unitar i s obinem suma Sn dat ? Valoarea actual este deci So.
Deci: 5 = 5 0(l + if = >S0 = - ^ - = Sn(l +i)-n (1+ i Punnd (l + i)~' ~~ v v ' 1+i obinem: S0 =Snv n (12) (13)

Factorul v = (l + i)~l se numete fa cto r de actualizare, n tabele fiind date v" pentru diferite perioade. Exemple: 1. Ce devine suma de 10.000 lei plasat pe timp de 10 ani la C.E.C. cu procentul actual de 5%. a) Soluie cu ajutorul logaritmilor: S I0= 10.000 1,0510 log S10 = log 10.000+ 10-logl,5 =4+ 10 0,02119 = 4,2119 de unde Sio = 16.289,29 lei. b) Soluie cu ajutorul tabelele financiare: S 10 = 10.000 1,0510 = 10.000 1,628894 = 16,288,94 l e i . 2. Calculul valorii actuale S0S se determine ce sum trebuie depus la C.E.C. cu 4,5% pentru a putea ncasa 5 ani suma de 5.000 lei. Avem: S0 = S5(l+i)'5 = 8.000-1,045 5 = 8.000-0,802451 = 6.419,61 lei 3. Calcularea procentului p Avem (Z+ i)" = . S0 Cu ajutorul unei interpolri liniare se poate determina procentul. Cu ce procent suma de 3.450 lei depus pe timp de 8 ani devine 5.324,45 lei? Avem:
(/ +

{f -

5 3 2 4 4 5 . - 1 , 5 4 3 3 1 88 a 3.450 n tabelele financiare corespunztoare lui un avem pentru n=8: 1,4802443 ..............................4% 1,5433188.............................. ? 1,5529694............................... 5%

375

0,0727251 0,0630749

0,50

0,50-0,630745 x =------------------ = 0,43 0,0727251 Deci procentul va fi p = 4% + 0,43% = 4,43%. 4. Calcularea timpului t Folosim de asemenea formula: + 0" i vom face tot o interpolare liniar. n ct timp suma de 4.650 lei depus cu 4% devine 7.344,28 lei? Avem: 7 344 28 1,04" = = 1,579415 4.650 n tabela financiar care d pe un, pe coloana procentului de 4% gsim: 1,539454.......................... lla n i 1,579415 .......................... 1,601032.......................... 12 ani 0,061578 .......................... 1 0,039961 .......................... x x - M ,0,6489493. 0,061578 Deci = 11,6489493 ani =11 ani 7 luni 23 zile. Cazul cnd timpul t nu este n numr ntreg de perioade n stabilirea formulei generale Sn =S0un am presupus c n este ntreg; numrul de perioade n poate fi fracionat, de exemplu pentru 8 ani i 5 luni avem
71 = 8 .

12

O modalitate de calcul al lui Sn cnd n este fracionar: Se folosete formula general (10) pentru partea ntreag i se calculeaz dobnda simpl pentru partea fracionar. Aceast modalitate se numete raional. Punem n = k + . Dup k ani suma obinut prin depunerea unei sume 4
376

iniiale de

S0 lei va fi:

Sk= S0(l+ if. Vom calcula acum dobnda simpl produs de suma Sk pe perioada
fracionar a anului. Aceasta va fi: q

Ski = SQ (l +i'f i, < 7 < 7


de unde 5 = 5 (1 +0*+ 5(1 + 0 * / < 7 sau

Sn =S0{l +i f P rocente proporionale Dou procente corespunztoare la perioade de timp diferite sunt proporionale dac raportul lor este egal cu raportul perioadelor respective de fructificare. Exemple Tabelul 2 procent semestrial 3% Procent anual 6% procent trimestrial 1,5% procent lunar 0,5% procent semestrial 2% Procent anual 4% procent trimestrial 1% procent lunar 0,33%
Subliniem c n regimul de dobnd simpl dou procente proporionale conduc o sum la aceeai valoare final, ceea ce nu este valabil n regim de dobnd compus. Astfel, cu procentul anual i valoarea final a sumei S0 este S0+S0i. Cu procentul semestrial valoarea final dup un an va fi: ~ 2 = S0 + S0i . Cu procentul anual i valoarea final, la sfritul anului, obinut de 1 leu cu dobnd compus este 1+i. Cu procentul semestrial valoarea final produs de 1 leu la sfritul anului, cu dobnda compus va fi:
377

( 1H i 2 = l +i + i2 >1 + /. 2 4 P rocente echivalente Dou procente corespunznd la perioade de fructificri diferite sunt echivalente dac pentru o aceeai durat de depunere ele conduc la o aceeai valoare final calculat cu dobnd compus. Exemplu a) Un leu plasat cu procentul anual i devine la sfritul primului an 1+i. 1 leu plasat cu procentul semestrial i, devine la sfritul anului (l + is f . Procentele i i is sunt echivalente dac valorile finale obinute la sfritul anului sunt egale: 1+/ = (1+i,)2b) Pentru un procent trimestrial i, echivalent cu procentul anual i avem: 1+i = (1+i,)4. c) Pentru un procent mensual imechivalent cu procentul anual i avem: 1+i = (1+im)1 Pentru un procent ikcorespunznd unei fraciuni din an echivalena este dat de relaia: 1+i = (1+i*)* De unde obinem:
1+ i, =(1 + 1) 2 , 1 + i, = (l + 1)4 , i + 'm = (1 + 0*2 1+ i* =(l + i ) l . Vom utiliza noiunea de procente echivalente pentru a extinde formula general a dobnzii compuse n cazul cnd n este fracionar: n = * + . In k ani suma depus iniial So devine:

s ,= s (i+ tf.
Pentru o fraciune din an, un leu va deveni 1 + iq, iar pentru p fraciuni ale < 7 anului va deveni:
(1+ i/

n consecin:

378

s k R = s 0(\+iy(i+iqy = s 0{ i+ iy{ \ + i= s0{\+iy+ 7 = s 0( i + i y


deoarece 1+ L

Am artat deci c formula general a dobnzii compuse se aplic i n cazul cnd n este fracionar. P rocent nominal i p rocen t real sau efectiv Atunci cnd calcularea dobnzii se face pe fraciuni de an, dobnda adus pn la sfritul anului difer de aceea, calculat cu procentul anual care s-a stabilit pentru fiecare fraciune din an. Pentru mai mult claritate s considerm exemplul urmtor: Presupunem c am plasat suma de 100.000 u.m. cu procentul de 6% i c efectum calculul dobnzii de dou ori pe an. n primele 6 luni suma de 100.000 u.m. va aduce o dobnd de 3.000 u.m. iar la sfritul primei perioade vom avea 100.000 + 3.000 = 103.000 u.m. n urmtoarele 6 luni vom avea: 100.000 u.m vor aduce o dobnd de 3.000 u.m. 3.000 u.m. vor aduce o dobnd de 90 u.m. deci 103.000 u.m. vor aduce o dobnd de 3.090 u.m. Aadar, pe timp de un an suma de 100.000 u.m. va aduce o dobnd de 6.090 u.m. Primul procent de 6% se numete procent nominal iar cel de-al doilea, p rocen t real sau efectiv. Notm cu 100 ik procentul efectiv iar prin 100 j k procentul nominal (k reprezint numrul de perioade n care a fost mprit anul). Rezult c ik este procentul unitar anual efectiv iar j kprocentul unitar anual nominal. innd seama c procentul unitar ik corespunde perioadei Yk V , din an, vom avea:

K nlocuind n formula 1+ i = (1 + ik)k, obinem:

Jk = k ik s a u h

jk ~k (i+ y * -1 ,
formule cu ajutorul crora putem trece de la procentul unitar efectiv la cel nominal
379

i invers. ntre cele dou procente exist relaia j < i . Aplicaie 1. Fie 6% procentul anual efectiv. S se determine procentul anual nominal presupunnd c se face calculul dobnzii trimestriale. Avem i = 0,06 de unde

j A=4^(1,06)^ -1 = 0,0586952
Procentul anual nominal de fructificarea dobnzilor calculate trimestrial va fi 100 =5,86952%. 2. Fie 5% procentul nominal, fructificarea facndu-se semestrial. S se determine procentul anual efectiv. Avem: j 2 = 0,05 de unde: /= 1+ Jl
1=

=0,050625.

Deci, procentul anual efectiv este 100/ = 5,0625 %. 3. Se depune suma de 10.000 u.m. pe timp de 12 ani cu procentul de 5% fructificarea dobnzilor fcndu-se semestrial. S se determine suma disponibil peste 12 ani.
2-12

Avem: Sl2 =S0(1 + /)1 2 = S 1+

J 0 05^24 =io.ood i+ -i = 10.000 (1,025)24 = 10.000 1,808726 =


= 18087,26 u.m. Dobnda unitar instantanee S presupunem c dobnda unitar anual efectiv este i i facem ca numrul k de pri n care am mprit anul s creasc nemrginit (k >). S se determine n acest caz pentru procentul anual unitar nominal o limit, limit ce constituie unul din elementele fundamentale ale teoriei matematice a convertibilitii dobnzii i care este denumit dobnd unitar instantanee. Vom avea:
k > co

lim ii = = lim k (1 + 0 lc~) oo

(i + 0 ^ - i = lim

i)% ln(l + 0 -F o+ +o
= lim *-> - 1/ = ln(l + i).

Aceast relaie ne d legtura dintre dobnda unitar instantanee i dobnda unitar efectiv.
380

Din - ln(l + /) rezult 1+ i = es . Dezvoltnd n serie Mac-Laurin funcia es obinem:

sau

Rezult c i >. Compararea valorilorfinale ale unei sume depuse cu dobnd simpl i cu dobnd compus nfuncie de timpul n Valorile finale n regim de dobnd simpl i dobnd compus sunt: S n = S0(l + in) (1) Sc n =S0{l +iT (2) S5 n depinde liniar de n, este o funcie liniar de n, cresctoare.

S' este o funcie exponenial cu baza 1+i, supraunitar, de asemenea cresctoare.


Pentru = 1 avem S * n =S', deci: Ds(n) = Dc(n). Pentru > 1, constatm c din dezvoltarea
( + )" =1 + m + t2 +...->(! + i)" >1 + ni, 2 S >S^ = >Dc (ri) > Ds (n ).

Pentru 0 < < 1 constatm c Sc n <S n s deoarece (l +i)" < 1+ n i. De exemplu pentru n = avem: 1 1 iL (l + /)2 <1 + -= > 1 + <1+/+ =>0< evident. v ' 2 4 4 Rezult c pentru 0 < < 1: Dc(n) < Ds(n) . Putem recurge i la grafice pentru a compara cele dou dobnzi. Avem:
381

Ds(n) = S0in, Dc (n) = 50 [(l + iY - 1]


Funcia Ds (n) reprezint dreapta care trece prin origine i prin A(l, S0i), iar Dc (n ) reprezint o curb care trece de asemenea prin A(l, S0i). Avem graficul:

Din grafic rezult c: pentru 0 < n <, Dc(n) < Ds(n); pentru n =1, Dc(n) < Ds(n)\ pentru n > 1, Dc(n) > Ds(n).
3. Pli ealonate (anuiti)

Plile ealonate sunt sumele de bani pltite la intervale de timp egale (perioade). Perioade: anul, semestrul, trimestrul, luna (de unde i numele plilor: anuiti, semestrialiti, trimestrialiti, mensualiti). Ne vom ocupa n continuare de anuiti. Ele sunt de mai multe tipuri: Anuiti de plasament sau fructificare - n scopul constituirii unei sume; Anuiti d e amortizare (rambursare) - cu scopul rambursrii (amortizrii) unei datorii; Anuiti anticipate - plata fiecrei sume se face la nceputul fiecrui an (anuiti de plasament);
382

Anuiti posticipate - plile se fac la sfritul fiecrui an (cazul anuitilor de rambursare). Din punct de vedere al numrului de pli, anuitile pot fi: Anuiti temporare - numrul de pli este fixat prin contract; Anuiti perpetue - numrul plilor este nelimitat (rentele perpetue); Anuiti viagere - numrul plilor depinde de durata vieii unei persoane; Anuiti constante i anuiti variabile - dup cum sumele pltite periodic sunt constante sau variabile. Din punct de vedere al momentului cnd se face prima plat: Anuiti imediate - prima plat se face n primul an; Anuiti amnate - prima plat se face dup un numr oarecare de ani. 3.1. Anuiti constante posticipate Valori finale, valori actuale Anuitile constante posticipate sunt plile egale care se fac la sfritul fiecrui an. a) Valoarea final a unui ir de anuiti constante posticipate, imediate, temporare 1 2 3 p n-l n ------- 1 -----1 i i-------------------- ,-------------------------- 1 ------- 1 ------- 0 T T T T T T Vom nota: T = valoarea anuitii constante n = numrul de anuiti 1= dobnda unitar anual S 1= suma final a irului de anuiti la momentul n, momentul plii ultimei anuiti. Valoarea final a irului de anuiti la momentul n este egal cu suma valorilor finale a fiecrei anuiti la momentul n. Urmrind schema de mai sus avem: valoarea final la momentul n a primei anuiti este : r ( l + if~ valoarea final la momentul n a celei de a doua anuiti este (1+ i j 1 '2 valoarea final la momentul n a celei de a p -a anuiti este (1+ i)np

valoarea final la momentul n a celei de a n-l-a anuiti este T(\+i) valoarea final la momentul n a celei de a n-a anuiti este T. Putem scrie: = + r (l + i)+...+r(l +if~% +^(l + if~x=
383

= t (i + U + u 2 + ... + h ~2 + m " -1 ) = x ' M -1

adic ] = *- i unde u =1 + i. Pentru T= 1 obinem valoarea final a unui ir de anuiti posticipate a 1 leu fiecare se noteaz cu un - 1 A l = Rezult: oT n l =Tjn 1 (2) Exemplu S se determine valoarea final a unui ir de 12 anuiti posticipate a 7.000 lei la momentul plii ultimei anuiti; procentul este 5,50%. Soluie cu ajutorul tabelelor financiare:

S 12] = 7.0001,9012Q 81 = 7.000 16,385591 = 114 699,13 lei 0,055 1 2 3 p n-l n ------- 1 -----1 i j------------------- --------------------------1 ------- 1 -------0 T T T T T T

b) Valoarea actual a unui ir de anuiti constante posticipate, imediate, temporare Determinarea valorii actuale a unui ir de anuiti posticipate se face la momentul semnrii contractului, adic cu o perioad naintea primei pli. Vom nota aceast valoare actual cu dfo. Valoarea actual a irului de anuiti este egal cu suma valorilor actuale ale fiecrei anuiti. Conform schemei deducem: valoarea actual la momentul zero a primei anuiti este (1 + i)'1 , a celei de a doua anuiti este (1 + i)'2, a celei de a - 1 anuiti este (1 + i) (n l), a celei de a n-a anuiti este T( 1 + i)"n. Fcnd suma i notnd-o cu An ]avem: ^l=7(l + i)1+( + )'2 +... +7(l + i)~(n~ 1 ) + r(i+ i)"n =
+ r(v + v 2 +... + v" )= 7v(l + v + ...^+ v"-1 )= 7 v ^ = T ^ 1-v

384

unde - *+ = - . 1 -v j __ 1_ i 1+ i Deci: ^ n1=ri z Z l . i Dac T = 1 obinem valoarea actual a unui ir de anuiti fiecare, care se noteaz: an~ \ (1+i) '+(1+0 2+...+(l+i)n adic 1-V" sau a 1 = v + v2 +...+V = v-------, 1 -v 1-v" an]= ; l Rezult = T a] . (5) (3) posticipate a 1 leu

... (4)

Exemplu Ce sum unic depus imediat poate s nlocuiasc plata a 12 anuiti posticipate a 1.250 lei fiecare cu procentul 3,5%? Soluie:
1-1 035-12 a , 2 1 = 1.250 .... = 1.250-9,663334 = 12.079,17 lei 0,035 c) Valoarea actual a unui ir de anuiti constante posticipate, perpetue, imediate n cazul cnd plata este perpetu (plile se efectueaz nelimitat), valoarea actual a irului de anuiti posticipate unitare se noteaz i i este a] = iar dac anuitatea este T, avem: (6)

^ .1 = 7 (7) i De aict reiese c T = adic rata anuitii posticipate perpetue este tocmai dobnda anual a valorii actuale. d) Valoarea final a unui ir de anuiti posticipate, constante, temporare, amnate Vom presupune c prima anuitate T se pltete dup r ani, posticipat, conform schemei:
385

T T T T -------1 ----- 1 ---- 1 ---- 1 -------------------- 1 -----1 -----1 --------------- 1 ------- 1 -------0 1 2 3 r-1 r r+1 n-1 n

Prima plat se face dup r ani posticipat, adic la nceputul anului r + 1 (sfritul anului r). Ultima plat fcndu-se la momentul n, n total sunt n - r anuiti. Valoarea final o vom nota cu r,,i i este suma:

rSn-}=T(l +if~r-] +7(l + 0',~ r~ 2 +...+T(l +i)+T =

= t [\+u +u2 +...+un- r~ l]=T - ----- (8) u -1 i adic: = T -fl (9) Putem spune c valoarea final a unui ir de anuiti posticipate egale cu T dar amnate r ani, este egal cu valoarea final a acestui ir de pli imediate limitate la n - r ani. Exemplu Care este valoarea final a unui ir de 10 anuiti egale cu 2.000 lei, pltibile la sfritul fiecriu an, prima plat fcndu-se dup 5 ani, cu procentul 5%. Avem: n - r = 10 r =5 = 15 10510 -1 5oSi5l = 2.000 ------ = 2.000-12,57789 = 25,155,78 lei 0,05 e) Valoarea actual a unui ir de anuiti constante posticipate, temporare, amnate T T T -------1 ----- 1 ---- | ---- 1 -------------------- 1 -----1 -----1 --------------- 1 --------1 -------0 1 2 3 r-1 r r+1 n-l n Presupunem c prima plat se face dup r ani posticipat, deci n momentul r + 1. n total sunt n - r pli. Notm cu r n ] aceast valoare actual. Avem conform schemei: r ^ i= r ( l + i)~(r+ 1) + r ( l + z)~(r+ 2) +...+T(l +i)~(n' l) + r(l + i)"n = = 7(vr+ I + vr+ 2 + ... + V'1 -1 +v")= 7Vr+ 1(l + v +... + vnr_1 )=
l- v 386

Sau, n final, Remarcm c


= TV .|] (10) se poate deduce i din actualizarea sumei rifa i anume:

r n i = rSn] v" = T --" = i


= T ---------------- = T ----------= Tv ---------i i i
k V iT '-v"

^Vr - V n

r \- V n~ r

Exemplu Care este suma unic pe care urmeaz s o plteasc o persoan pentru a nlocui plata a 12 uniti posticipate a 3.000 lei fiecare, prima plat avnd loc dup 3 ani, procentul 5%? Avem: n - r = 12, r = 3, n = 15. 1 1 3^51= 3.000 1,05~ 3 = 3.000-8,86324 0,863837 = 2.929,21 lei i f) Valoarea actual a unui ir de anuiti constante posticipate, perpetue, amnate n cazul cnd plata este perpetu dar amnat cu r ani, valoarea actual va fi:
r^ ]= -v r . (11) i 3.2. Anuiti constante anticipate a) Valoarea final a unui ir de anuiti constante, anticipate, temporare, imediate n acest caz anuitile se pltesc la nceputul anului la momentele 0 ,1 ,..., -1. Evaluarea sumei 5n ] se face la momentul n. Avem conform schemei:
rp r ji rp tjp

------- ,-----,---- ,------------------------- ,-----,-----,--------------- ,------- ,-------0 1 2 r-1 r r+1 n-l n Valoarea final a irului la momentul n este egal cu suma valorilor finale ale fiecrei anuiti la momentul n. Valoarea la momentul n a primei anuiti este (1+')" a celei de a doua anuiti este T(l+i)n'! a celei de a n-a anuiti este 7(1+0 Avem deci: ST=r(l + z)|l + (l + /)+... + (l + i)" ] =

= Tu(\ +u +... +u'-l )= T u ? -Z l = Tu? . u -1 i

(1)

387

Pentru = 1 obinem suma unui ir de anuiti anticipate a 1 leu fiecare pe care o notm cu $1(1+i f + ( + i T +...+d + 0 = ( i + i ) M - ^
sau
,

un - l Snl=M------- . I
Prin urmare: Si = T j i . Observaie: Am vzut c:

... (2) (3)

5n1= (1 +iY 1 + ( l + l ) n

2 + ... + ( l + ) + l = in l+ 1.

deci Jnl = 1 + ini (4) b) Valoarea actual a unui ir de anuiti constante anticipate , imediate temporare Numim valoare actual a unui ir de anuiti anticipate, suma necesar n momentul iniial pentru a putea plti la fiecare din scadenele fixate 0, 1, ..., - 1, suma 7; o vom nota Ai. Anticipate
f ji r j^

----- I ----- 1 ---- 1 -------------------------1 -----1 -----1 --------------- 1 ------- 1 -------0 1 2 p-1 p p+1 n-l n Ani Dac reprezentm grafic i cazul plilor ealonate posticipate Posticipate
r ji r ji r ji rp rj"i rjn rjp

-------1 ---- 1 ------------------t-----1 -----1 --------------- 1 ---- -H-------0 1 2 p-1 p p+1 n-l n ^nl Observm c valoarea actual la momentul 0 a unei anuiti de gang p este 7(l+ 0'ip' l) pe cnd valoarea actual a unei anuiti posticipate de rang p este 7(1+*7

Aceasta permite s scriem urmtoarea relaie ntre valorile actuale ale unui ir de anuiti anticipate i posticipate: Ani = ^ i(l+ i) (5) nlocuind prin expresia sa, obinem An1=7--~ i - - l - (l + O (6) i Pentru T = 1 obinem valoarea actual a unui ir de anuiti anticipate a 1 leu fiecare:
388

an1= (l + i) 1 ~ (l+ f> ~ '


I

(7)

Rezult c =7 (8) Legtura dintre an ] (care se gsete n tabelele financiare) i an ] se poate obine astfel: ani=(l + i) ------- =------- ------------- = 1+ ------ ------- adic i i i ai = 1 + an .ii (9) Exemplu De ce sum de bani va dispune o persoan peste 15 ani dac depune la nceputul fiecrui an la C.E.C. cte 2.000 lei cu 4,5%? Avem: c^ 5l= 2.000 S,5i= 2.000-21,719336 = 43.438,67 lei c) Valoarea actual a unui ir de anuiti constante anticipate, perpetue, imediate n cazul cnd plata este perpetu, valoarea actual a irului de anuiti anticipate unitare este: a~ l = i iar rata este T avem: ( 10)
( 11)

i d) Valoarea actual a unui ir de anuiti anticipate constante, temporare, amnate Presupunem c avem un ir de anuiti limitate la n ani, prima plat facnduse nu la momentul 0 ci la momentul r, conform schemei de mai jos. 1 2 r r+1 n-l n ------- 0 ^ -----,-----,-------------------------,------1 ------------------1 ---------
T T Vom nota aceast valoare actual cu r ]. Avem:
r A n] =

7X 1 + 0 " + 7 ( l + 0 (r+l) + . . . + ( 1 + 0 " (" " ,) =T( 1+ 0"r [l + (1 +0"1+... + (1 + 0 -(n"r-1) ]=


=r(1+)K , - , , M i v r i =VM

Avnd, n general, relaia:


an l= (1 + 0 -------:------

.,1-(1 + 0"
389

Rezult:

r Ani -TV an .ri (12) e) Valoarea actual a unui ir de anuiti anticipate, perpetue, amnate n cazul cnd este perpetu, ns amnat r ani, valoarea actual va fi: v''"1 rAi = T- (13) i f) Valoarea final a unui ir de anuiti anticipate, constante, temporare, amnate 0 1 2 r r+1 n-l n
--------1 1 ----- 1 -------------------------- 1 --------1 ------------------- 1 --------- f

T T T rSni Vom nota valoarea final a irului de astfel de anuiti cu rSn\ Prima plat se face deci la momentul r, iar ultima la momentul n - 1. Avem conform schemei de mai sus: rSi= (1 + )"- +(1 + 0 ' +1) +... +(1 + ) = = r ( i +i)[(i+ ""'1 +- + ( + 0+ 1]= (1 + ,)'-' _1 sau = (1 + ) ^ ! ------ i 5 = (14) Exemplu Care este valoarea final a unui ir de 10 anuiti anticipate, a 2.000 lei fiecare, prima plat facndu-se dup 5 ani, cu procentul 5%? Avem: n - r = 10, r = 5, n = 15. 55isi = 2.000 Si ol = 2.000-13,206787 = 26.413,57 lei 3.3. Pli ealonate fracionate Se numete plat ealonat fracionat constant, plata ealonat n care T rata anual T este mprit n k pli egale fiecare cu rk = , pltindu-se la k nceputul sau sfritul perioadei dup cum plata este anticipat sau posticipat. Dac plata ealonat este temporar imediat atunci numrul ratelor sau al termenelor este k . O asemenea plat se spune c este fracionat de k ori pe an. a) Valoarea final a unui ir de pli ealonate posticipate temporare, imediate, fracionate de k ori p e an. Vom nota aceast valoare . Presupunem c la sfritul fiecrei perioade se depune suma rk~~

390

nk-2 n*-l ( ( 1+2*. i ijl T i +I +... + --- -Avem: S - ? = 1 k k k\ k, k k,

_ (1 + -
k
/
nk

l +% \
sau S y = T
Jk

-1

/ ; \k tim ns c: 1+. = l +i deci ^(*) _ (1 + 0 " -1 = _T t -(l + O" -1 i de unde:

s y = .JH
I

jk

-I

(1)

Factorul

se gsete calculat n tabelele financiare.

Aplicaii 1. De ce sum de bani va dispune o persoan dac depune la banc timp de 15 ani cte 2000 u.m. la sfritul fiecrei luni, procentul fiind 5%? Avem T= 12 x 2000 = 24 000, n = 15, k = 12, de unde:
$< !*24.000 = 24.000 21,578563 1,022715 = 1 5l 0,05 jn =529649,3 u.m. 2. Ce sum va trebui s depun o persoan la banc la sfritul fiecrei luni timp de 10 ani cu procentul de 5% pentru a dispune de suma de 70.000 u.m. ? Avem: n = 10, k = 12, = 70.000

T= 12 r i2 (r]2 este rata lunar) deci: (1,05)10 -1 0,05 70.000 = 12r1 2 0,05 J1 2 0,05 70.000 (1,05)' - 1 70.000 0,1295045 = 453,481 u.m. r\2- 12 -0,0 5 12-1,022715
j\2
391

b) Valoarea actual a unui ir de pli ealonate posticipate, temporare, imediate, fracionate de k ori p e an nmulind valoarea final cu factorul de actualizare (1 + 0 obinem: nl

^) =T- (i +i r n -^ = T -a-,
" I
Jk

" I

Jk " I

(2)

Aplicaie Ce sum trebuie depus astzi cu procentul de 3,5% pentru a putea ncasa timp de 5 ani cte 500 u.m. la sfritul fiecrui luni ? Avem: n = 5, k = 12, r[2 = 500, T= 12 x 500 = 6000 i _ ^~5 n is ( 2)- 6000 = 60004,5150523 1,0159415 = 5 0,035 y1 2 = 27522,17 u.m. c) Pli ealonate perpetue posticipate imediate, fracionate de k ori p e an. Fcnd n (2) > , se obine: (3)
h

Jk

Jk

Aplicaie Ce sum trebuie depus astzi cu procentul de 3,5% pentru a putea ncasa perpetuu cte 300 u.m. la sfritul fiecrei luni ? Avem: T = 12-300 = 3600 u.m. /J(12) - -----3600 =-------------3600 = 104496,84 1r\ A A C \ HO Au.m. yI2 0,0344508
d) Pli ealonate temporare posticipate amnate, fracionate d e k ori p e an. Valoarea final a unui ir de pli ealonate posticipate limitat la n ani dar amnat r ani i fracionat de k ori pe an va fi: r ^ = r (l i l.
" I
i Jk

sau

rS y= T ~ A (4) "I Jk deoarece prima sum se pltete dup r ani la sfritul fiecrei perioade. Aplicaie S se calculeze de ce sum se poate dispune peste 10 ani dac se depun trimestrial cte 2000 u.m. posticipate ncepnd cu anul al cincilea; procentul fiind de 5%. Avem: n = 10, r = 5, r4 = 2000, T = 4 r^ = 8000 u.m.

392

5 S'10!

5?=7'- 1 05 = 8000-5,52563-1,018559 = 10-5; = 8000 - 1,055 0,05 j4 J4 = 45025,44 u.m.

e) Valoarea final a unui ir de pli ealonate anticipate, imediate, fracionate de k ori p e an. Presupunem c rata anual este T iar la nceputul fiecrui an se depun cte % u .m . Avem:
\nk

stk)= - 1+

Jk

+-

1+ Jk

; \ nk~l

+... +:

1+ Jk
.

i +Zl

1+ Jk

. -
+ ... + 1

1+ J k

\nk
-1

i+ A k

= r-

(1 + 0" -1
1

i 1+
Jk

jk

{
1+ J k

k )

kJ

, adic
(5)

Jk
Factorul
Jk

1+- A ~ i n \

este calculat n tabelele financiare.

Aplicaie De ce sum se va dispune peste 10 ani dac se depun la nceputul fiecrei luni cte 200 u.m. cu procentul de 5% ? Avem: 0,05 = 2400 12,577892 1,0259547 = 5 ^ 2 4 0 0 - ^ 1 ^ 1+ 1 0 0,05 y1 2 J\2 = 30970,43 u.m.
4. m prum uturi Teoria gen era l a mprumuturilor. Relaii ntre diferitele elem en te ale unui mprumut. n tocm irea unui tabel de amortizare Ne vom ocupa n cele ce urmeaz de mprumuturile obinuite, adic acelea care nu comport dect un singur mprumuttor (banc, C.E.C. etc.) n sistem clasic, mprumutul va f rambursat prin anuiti constante formate
393

din: rambursarea unei pri a datoriei i dobnda asupra sumei rmase de plat. Sumele rambursate anual care au rolul de a amortiza treptat suma mprumutat se numesc amortismente. 1. Amortizarea unui mprumut prin anuiti constante posticipate Vom nota: V0 = suma mprumutat la momentul iniial; Tj, T2, ..., T anuitile succesive, prima fiind pltit dup un an de la semnarea contractului, a doua un an mai trziu .a.m.d. (este vorba de anuiti posticipate); Q i , Q 2, , Qn amortismentele succesive coninute n prima, a doua, ..., a n-a anuitate; i = dobnda unitar a mprumutului; n = durata rambursrii. Dac descompunem n fiecare an anuitile n amortismente i dobnzi, se poate construi un tabel ca cel de mai jos, avnd n partea stng descompunerea anuitilor succesive, iar n partea dreapt suma necesar de plat, dup plata fiecrei anuiti. Pornind de la acest tabel, vom stabili relaiile ntre diferitele
emente a le unui mprumut obinuit.
momentul Anuitile Suma rmas de plat

0 1 2
...

Ti = Qi+di = Qi+Voi T2 Q2+d2 = Qi+Vii


= QD +d0= Qp+Vp.,i Tp+i = Qp+i+d+i = Qp+i+VJ
Tp

V, = Vo-Q, V 2= V 1-Q2
Vj>

_ />+!

n Tn = Qn+dn= Qn+Vn-l J i i k i L ? _______ Observaii: 1. Acest tabel este valabil oricare ar fi legea de anuiti pentru care nu s-a formulat nici o ipotez. 2. V fiind nul, rezult c: V n., = Qn, adic ultima sum rmas de plat este egal cu ultimul amortisment, i T = Qn + V .]i = Qn + Qni = Qn (1+i) adic ultima anuitate este egal cu ultimul amortisment plus dobnda corespunztoare. a) Relaia ntre suma mprumutat i amortismente Adunnd membru cu membru partea dreapt din tabel, gsim:
V0 = Q i + Q

IP +
(1 )

+ + Qn

adic suma mprumutat V 0 este egal cu suma amortismentelor. b) Relaia ntre anuiti i amortismente Diferena dintre dou anuiti consecutive Tp, Tp+i este:
394

+ II

II = Vp-rQp

+ 1 Tp - Q p+l+Vpi Qp V p-\ i= QP+ l + (Yp-i - Qp )i - Q P~v PJ = Qp+i - d+0 deci +1- = +1- (l + o (2) formul valabil oricare ar fi legea anuitilor. Distingem urmtoarele situaii: 1: Dac anuitile sunt constante T/ = T2 = ... = T = T obinem Tp+ , - T p - 0, adic p+i = Qp(l+0 (3) Relaia precedent ne permite s enunm urmtoarea lege de amortisment: dac anuitile sunt constante, amortismentele formeaz o progresie cresctoare cu raia 1 + i. Putem deduce n acest caz: QP+ , = Q ,(l+ if (4)
2. Dac amortismentele sunt constante, adic Q\ = Q2 = ... = =Q= , n obinem:

Tp+ l - T p = Qp+ l - p( 1+ 0 = Qp - Qp(1 + 0 = -Qpi =

de unde

Tp+l=Tp - ^ i (5) n relaie din care rezult c anuitile succesive formeaz o progresie aritmetic cu V 0. raia - i n n cazul cnd anuitile sunt constante, din formulele (1) i (4) obinem
V0 = a + , (1 +0 +... + i d + O""' = , - = , ini Avem deci n acest caz urmtoarele relaii ntre suma mprumutat i primul amortisment Vo = Q\ ni sau i = Vo
Snl

(6)

Vom arta c expresia - - se poate calcula cu ajutorul lui care tim c Sni! n ! se gsete n tabele.
395

ntr-adevr:
1
Snl

i
(1 + 0 " - i

i(l + i)
i (1 + 0 '

i(l + Q -"-i + i _ i- (i+ 0 " "


J_ = -L - Sn1 a nl

" i- (i+ 0 " n

-i

adic
(7)

c) Relaia ntre anuiti i suma mprumutat Presupunem cazul anuitilor constante i egale cu 7. Din echivalena ntre suma mprumuat V 0 i suma anuitilor actualizate rezult: V0 = 7(1 + O"1+7(1 +O"2 +... +7(1 + i)~n = 1-v" i l- v n = 7 - (1 + 0 =7v1 -v j __ 1 1+ i _ 1 1 - d + Q-" _ r l - ( l + Q-" 1+ i i i 1+i adic Vo = 7 ai
i

(8)
(9)

T= V 0
nl

d) Suma rambursat dup plata a p anuiti Notm cu Rp suma rambursat n primii p ani. Evident c:
r p =Qi + 0 2 + . . . + G , = 0 : + e , a + o + . . . + a a + i ) p' 1 (anuiti constante i deci amortismentele n progresie geometric), adic: K p = lSn1 (10) relaia dintre primul avertisment i suma rambursat n primii p ani.

innd seama c Q\ - Vb* > rezult c:


Snl
Jp i (11) Sn1 relaie care d legtura dintre suma rambursat n primii ani i suma mprumutat.

Rp ~

V0 -

396

e) Calculul sumei rmas de plat dup plata a p anuiti Aceast sum este Yp; avem:

V p =V0 - R p = V 0 -V 0 snl = V 0 f lZ f jl Snl Snl

i + o _<B_,,)....... Vq a + o " - a + i r " Vn i - ( su . ( + O - i i- (i+ 0 " n 1_ + -('| -) i 1 V =V Q - i i i i--------------- ------- = Pq ' 0 1 (1 + 0 n'pl a nl deci

v>=v -nl r a~
f) Legea urmat de diferenele su ccesive ale dobnzilor Ne situm tot n cazul anuitilor constante: T = Qi +d{ d xT{ T = Q2 +d2 d2 T2 Q2 T = Q3 +d d =T Q T = Q4 + i/4 /4 = 7 *4 4

(12)

T = Qn +dn

d n - T n - Qn

Avem: di - dz = Q .2 - Qi - Qi(l+i) - Qi = Qii d2- d 3 = Q3- Q 2 = Q i(l+ if - Q,(l+i) = /i(i+0 d3- d 4 = Q4- Q 3 = Q i(l+ if - /f/+i/ = /i(/+02 Se observ c diferenele di - d 2, d2 - d3, d.i - dn formeaz o progresie geometric cresctoare avnd primul termen egal cu /i i raia 1 + i. ntocmirea tabelului de amortizare Tabel de amortizare
Anii Suma datorat la nceputul perioadei Doblnda dp
.

Amortis Anui mentul tatea


_

Suma datorat la sfritul perioadei

1
2

V0 V,
...

di = Voi d2 = V,i

Q p Q. q2

I 0 >

>

T T T T

v 2= v ,

I I

q2

*C >

n -l n

Vn-2 v.,

Q n-I
Qn

d = Vn .1 i

V-l = Vn-2 - Q n-1 Vn= Vn .i- Qn =0


397

I I

Exemple 1). Banca agricol acord unei ntreprinderi un credit de 1.000.000 lei care urmeaz a fi rambursat n 6 ani, cu procentul de 6% prin anuiti constante posticipate. Se cere: a) valoarea primului i ultimului amortisment; b) valoarea anuitii constante. Soluie: 1 1 ( a) i = V b- adic Q1 = 1.000.000- =1.000.000 -1 S n] S 6l V a6l = 1.000.000 (0,20336263 - 0,06) = 143.362,63 lei 06 = i (1+i)5 = 143362-1,065= 143.362-1,338226= 191.851,588 lei b) = Vo~ adic T = 1.000.000- = 203.362,63 lei
a l a6l

2) O persoan mprumut o sum de bani pe care urmeaz s o ramburseze n 6 ani prin anuiti constante posticipate. Suma primelor dou amortismente este egal cu 9.226,63 lei, iar suma dintre al doilea i al treilea amortisment este egal cu 9.559,69 lei. S s e calculeze : a) procentul p al mprumutului b) primul i ultimul amortisment c) anuitatea d) valoarea mprumutului Soluie: a) Avem: Qi + 0.2 = Qi + Qi(l+i) -Qi(2+i) = 9.226,63 lei Qi + j = Q id + if = Q,(l+i)(2+i) = 9.559,69 lei prin mprire gsim: 9 559 69 1+ i ----- = 1,04 adic i = 0,04 i p = 4% 9.226,63 b) Din ,(2+i) = 9.26,63 obinem: 9.226,63 , . . q =------------- 4 .522,86 lei 1 2,04 06 = (1+05 =4.522,86-1,045 =5.502,75 lei c) Anuitatea T o putem obine avnd n vedere c ea reprezint ultimul amortisment plus dobnda corespunztoare. T= 06(1+ 0 = 5.502,75 -1,04 = 5.722,86 lei
398

d) Determinarea sumei mprumutate V 0 - folosind primul amortisment: Vo =Qi ini adic V0 = 4.522,86- $] = 30.000 lei - folosind anuitatea: v0 = T-an\ adic V0 = 5.722,86- ai = 5.722,86-5,2421368 = 30.000 lei - descompunnd prima anuitate obinem: T=Q1+ V 0i de unde T Q 5.722,86-4.522,86 v0 =-----=------------------------ = 30.000 lei 0 i 0,04 3. O persoan a mprumutat suma de 5.000 lei pe care urmeaz s ramburseze n 4 ani, cu procentul de 4%, prin anuiti posticipate comportnd amortismente egale. S se ntocmeasc tabelul de amortizare corespunztor. V0 = 5.000, n = 4, p = 4% = ^ - = 1.250. n

Tabelul de amortizare va fi:


Suma de plat la nceputul anului 5 .0 0 0 3 .7 5 0 2 .5 0 0 1.2 5 0 Amortis mentul 1.25 0 1.2 5 0 1.25 0 1.250 Suma de plat la sfritul anului 3 .7 5 0 2 .5 0 0 1.2 5 0 0

Anii 1 2 3 4

Dobnda 200 15 0 10 0 50

Anuitate 1.45 0 1.4 0 0 1.3 5 0 1.3 0 0

2. mprumuturi cu anuiti constante cu dobnda pltit la nceputul anulu La semnarea contractului se pltete dobnda pentru primul an, suma real primit nefiind V0 ci V0 - Voi; pentru fiecare din anii urmtori, dobnda se calculeaz asupra sumei rmase de pltit i se pltete n acelai timp cu amortismentul. Tabelul utilizat pentru mprumuturile obinuite, utilizat la nceput, trebuie modificat astfel:

399

momentele o o > 1 2
P

Anuitile Suma efectiv primit Ti=Qi+Vj i cu T2=Q2+V2l C U Tp=Qe+Vpi cu Tp+i=Qp+i+Vp+ | i cu


T n - l = Q n - l + V n_ [i

Suma rmas de plat V0-V0i=V0(l-i) V, = Vo-O. v 2 v ,-q 2


=

Vd= Vd .,-Qp
V p + i = V p - Q p + i

n-l C U Vn -1 = Vn.2-Q n-1 n Tn =Qn+Vni C U Observaie Din V - Orezult c ultima anuitate nu conine dect ultimul amortisment. Dac formm diferena dintre 2 anuiti consecutive de rang oarecare, obinem: Tp+ 1~TP = Qp+ 1~Qp +Vp+ [i-V pi = Qp + X- Q p + + (Vp - p + 1)i V^i = (1 O Q p+i - Qp Dac anuitile sunt egale Ti = T2 = ... = Tn = T avem:
Qp+i = ~

1- i

7 Qp

1 =l +r 1 i obinem Q p+ \ = Qp(\+r) (13) In sistemul de mprumut cu dobnzile pltite anticipat, dac anuitile sunt constante, amortismentele formeaz o progresie geometric cu raia (1 + r), unde Notnd '= 1~i (14)

Exemplu: Un mprumut de 40.000 lei este rambursabil n 5 ani prin anuiti constante, cu dobnzile pltibile la nceputul anului, procentul fiind 5%. 1) S se calculeze primul amortisment; 2) S se calculeze al cincilea amortisment; 3) S se calculeze anuitatea; 4) S se ntocmeasc tabelul de amortizare. Soluie'. 1) Suma amortismentelor fiind egal cu suma mprumuat, putem exprima primul amortisment Q\ n funcie de suma mprumutat i de r astfel
Q,=V

I I c >

>

O I I c O' 1 c

(l + r)n- l

unde r =
400

0,05 0,95

1-/

, = 40.000- 9-i-05 ~ -- = =7.201,04 lei 1 1,05263152 -1 2) Qs = i(l+ r)4= 7.201,04-1,0526315 = 8.841 lei 3) Din faptul c anuitatea este egal cu ultimul amortisment, rezult c = 5 = 8.841 lei Acelai rezultat se poate obine de la prima anuitate: = i + VW = 7.201,04 + (4.000-7.201,04)-0,05 = 8.841 lei 4) Vom ntocmi tabelul de amortizare, sumele fiind rotunjite ctre cel mai apropiat ntreg.________ _______ ________________ ________
Anii Suma de plat la Amortis mente sfritul anului 4 0 .0 0 0 4 0 .0 0 0 3 2 .7 9 9 2 5 .2 1 9 17 .2 4 0 8 .8 41
-

Rezult:

0 1 2 3 4 5

7 .2 01 7 .5 8 0 7 .9 79 8 .3 99 8 .8 41

Dobnda la nceputul anului 2 .0 00 1.64 0 1.261 862 4 42 -

Anuiti

Suma rmas
-

8.841 8 .841 8.841 8.841 8.841

3 2 .7 9 9 2 5 .2 1 9 17 .2 4 0 8 .8 4 1 0

PROBLEME 1. O sum de 5000 u.m. este plasat ntr-un cont cu un procent anual de 12%. Care va fi suma disponibil peste 72 de zile? Dar peste 6 luni? Dar peste 1 an? Rezolvare: Avem: So=5000 u.m. p= 12% Dac durata plasamentului este t360=72 zile, avem: D= o ^ = 5Q 00 1 2 ;72 = i 2 o M m 36000 36000 iar suma disponibil dup 72 zile va fi: St=So+D=5000+120=5120 u.m. Dac durata plasamentului este ti 2=6 luni, avem: d = 5 A = 5 0 0 0 1 2 ^ = 3 0 0 am

1200

1200

iar suma disponibil dup 6 luni va fi: St= So+D= 5000+300= 5300 u.m. Peste un an, dobnda obinut va fi: S0p t 500012 D= ------ =-----------= 600 u j t l

100

100

iar suma final: St= So+D= 5000+600= 5600 u.m.


401

2. Ce sum a fost plasat cu dobnd simpl pe data de 15 aprilie cu procentul anual de 5% pentru a putea dispune la 20 iulie acelai an de suma de 10000 u.m.? Rezolvare: Avem: St = 10000 u.m. p= 5% Durata plasamentului este: aprilie mai iunie iulie 30-15 = 15 zile 31 zile 30 zile 20 zile 96 zile

S.=So

_ ----- ,-----=_ 1 0 0 _=987t6 6 u.m,

36000J

1 + _p^o_ 36000

5 % 36000

3. S se determine scadena sumei de 30000 u.m. care produce o dobnd egal cu suma dobnzilor produse de: 32000 u.m. pe timp de 100 zile 10000 u.m. pe timp de 142 zile 68000 u.m. pe timp de 50 zile 25000 u.m, pe timp de 80 zile Rezolvare: 32000-100+10000 142+6800050+25000 80 t= = 334 zi/e 30000 4. S se determine scadena medie a unei sume care produce o dobnd egal cu suma dobnzilor produse de: 500 u.m. pe timp de 40 zile 600 u.m. pe timp de 50 zile 700 u.m. pe timp de 60 zile 800 u.m. pe timp de 80 zile Rezolvare: 500-40+ 600-50+ 700-60+ 800-80 ^ f =-----------------------------------------------= 60 zile 500+ 600+ 700+ 800 5. Diferena dintre dou capitaluri este de 35000 u.m. Cel mai mare a fost plasat 6 luni cu 5%, iar al doilea 4 luni cu 6% conducnd la o dobnd simpl total n valoare de 2000 u.m.
402

Care sunt cele dou capitaluri? Rezolvare: Soi-So2= 35000 _ ^oiPi^i2 _ 5 5 6 _ 3050 1 _ 5 501 1 1200 1200 1200 200 _ SgiP ihi _ ^02 ^ ' 4 _ 24 S02 ^ 4 S q 2 1200 1200 1200 200 Di+ D2 = 2000 S01 - S 02 =35000 1 2 => 9Soi = 540000 => Soi = 60000 u.m. [5S01 + 4 S02 =400000 So2 = Soi-35000 = 25000 u.m.
~ ~ 2 ~ ~ "

6. Dou capitaluri a cror sum este de 40000 u.m. sunt plasate cu dobnd simpl astfel: primul 60 de zile cu 4%, iar al doilea 80 de zile cu 6% Dobnda primului este dubl dobnzii celui de-al doilea. a) Determinai cele dou capitaluri i dobnzile lor. b) Cte zile ar trebui s fie plasate simultan cele dou sume pentru ca diferena dintre valorile lor finale s fie de 25000 u.m.? Rezolvare:

50i 4 60 2S0 1 36000 300


Sq 2 ' 6 180 _ 45q2 36000 300
S01 + SQ 2 40000 => 5So2 = 40000 => So2 = 8000 u.m.

s m =4iS02
Soi = 32000 u.m. => Soi = 32000 u.m. 2501 2-32000 =2133 213,3 u.m, u.m. D. = = =

300

300

300

300

= 106,6 u.m.

b) Sti - St2 = 25000 u.m.

403

S ti- St2 = 25000 =>Soi (36000 + 4t) - S02 (36000+6t) = 25 36 106=> => t(4Soi6S02) = 36000 25000 + 36000 (S 02-S 01) _ 3600C (25000+ Sm - S 01 ) _ 3 6 0 0 0 -1 0 0 0 _
4 S 01 6Sm = 4 5 0 zile 80000

7. Trei sume n progresie aritmetic sunt plasate 6 luni cu dobnd simpl cu un procent anual de 1 0 % . Dobnda total este de 1 2 0 0 u.m., iar diferena dintre a -a sum i prima este de 1000 u.m. Determinai cele trei sume. Rezolvare: Soi, S02 = Soi+r, S 03 = Soi+2r _ Sqi 106 _ S02 -10-6 p _ ^03 106 1 1200 2 1200 3 1200 DX + Dj + Dj = 1 2 0 0

^03 ~ s m 1000
S03-S01 =1000 => 2 r= 1000 => | r = 500 Deci S02 = S01+ 500 S03 = S01+ 1000
D, + D2 +D , = 1 2 0 0 = L ( Sm + i 02 + S ,)= 1 2 0 0 =

=> 60 (Soi + S01+ 500+ S01+ 1000) = 12 12- IO 4 3Soi + 1500=2 12- 104= 24000 3Soi= 24000-1500= 22500 = 5 = 22500=7500 0 1 3 Deci: Soi= 7500 u.m. So2= S01+ 500= 8000 u.m. So3= S01+ 1000= 8500 u.m. 8. Se plaseaz 10000 u.m. pe 3 ani cu 5%, apoi pe timp de 2 ani rata devine 6%, iar pe urmtorii 5 ani rata va fi 7%. Care va fi suma obinut la sfritul celor 10 ani? Rezolvare: S = 10000(1 + 0,05)3 (l + 0,06)2 (l + 0,07 )5 = = 10000 1,053 1,062 1,075 = 10000 1,157625-1,123600 1,402551 = 18243,085u.m. 9. Se plaseaz pe 5 ani o sum de 9000 u.m. cu 3%. La sfritul primului an se adaug 1000 u.m., la capitalul constituit. Care va fi capitalul final la captul celor 5 ani, tiind c rata dobnzii devine 6% ncepnd de la sfritul anului al III-lea?
404

Rezolvare: S = 9000 (l + 0,03)3 (l + 0,06)2 + 1000(l + 0,03)2(l + 0,06)2 =


= 9000-l,033 1,062 + 1000-1,032 -1,062 * = 9000 1,092727 1,123600+1000 1,060900 1,123600 = = 11050,092 +1192,027 = 12242,119 u.m. 10. O datorie se ealoneaz pe timp de 15 ani, pltindu-se n acest scop la sfritul flcrui an suma de 10000 u.m. cu procentul anual de 5%. Care va fi valoarea final a operaiunii i care ar fi valoarea actual a acesteia? Rezolvare Avem: T = 10000 u.m. n = 15 ani i = 0,05 ^ - ,= 7 ^ - ^ = 100001,Q 5i5 ~1 =10000 2,Q789 "I i 0,05 0,05 = 2157855 u.m.

^ = 7 . 1 ^ = 1 0 0 0 0 . 1 2 ^ = 1 0 0 0 0 .1 ^ 1 0 1 7 = "I i 0,05 0,05 = 10000-10,37966 = 103796,6 u.m. 11. Un imobil a fost evaluat la valoarea de 2 108 u.m. la sfritul a 10 pli anuale anticipate constante i cu un procent anual de 7%. Ct s-a pltit anual pentru a ajunge la valoarea considerat l care a fost valoarea iniial (de vnzare) a imobilului? Rezolvare:
! S -l u 1 S - ^ T u -------- => T -1 - "I i u\u - l )

2 -108 -0,07 _ 0,14-108 _ 14-106 _ l,07(l,0710- l ) _ 1,07(1,967151-1)" 1,07-0,967151 " 14-IO6 = 13528517 u.m. 1,034851

A-. = T (l + i)= 13528517 - ----- 1,07 = "I i v ' 0,07 1 _ o ^08^40 = 13528517 - ....1,07 = 13528517 7,5152366 = 0,07 = 101463877,5 u.m.
405

1 vn

1 1 0 7 -10

12. Cu o amnare de 5 ani s-a stabilit nceperea plasrii anuale anticipate a unei sume de cte 10000 u.m. n vederea strngerii unui fond de investiii, cu un procent anual de 6% i o perioad de 9 ani. Care va fi valoarea final a fondului acumulat i ct ar fi valoarea acestuia la data convenirii strngerii lui, dac s-ar pune problema s fie atunci disponibil? Rezolvare: r =5 n -r =9 i = 0,06 T = 10000

rS-, = T(l + i I v

= 10000-1,06 1,Q6- ~ -- = 121807,94u.m. i 0,06

rA- = T vr (l + i ) 1~(1 + i )-----= "I i


= 10000 -1,06-5 1,06 1 -1 ,0 6 0,06 = 53876,06 u.m.

13. Prinii unui copil de 5 ani doresc s-i prevad de acum studiile universitare, adic s-i asigure 20000 u.m. imediat i anticipat anual timp de 5 ani ncepnd cu vrsta de 19 ani. n acest sens, intenioneaz s-i depun la fiecare aniversare ncepnd cu 5 ani i pn la 18 (deci 14 ani consecutiv) aceeai sum cu un procent anual de 7% pentru toate operaiile. Ce sum anual posticipat va trebui s depun? Care este fondul disponibil la mplinirea vrstei de 19 ani i deci a primei cheltuieli din acest fond? Rezolvare: Calculm fondul necesar la nceputul studiilor:

A -= T (l + i)= 20000 "I z

1,0 - ) -1,07 = 0,07

= 200001~Q 7 - ^98-6 -1,07 = 87744,28 u.m. 0,07 A-. I = S n | = fondul la mplinirea vrstei de 19 ani x "-l S H-i 87744,28-0,07 s = r T~ ^ = 1 7 ^ ' ; 7 ' - = 1 ^ = 2382 2,578534
406
=

Deci = 2382 u.m.

14. Pentru cumprarea unui anumit utilaj se face un mprumut care se amortizeaz n 10 ani prin anuiti constante posticipate. tiind c al treilea amortisment este de 2103,7 u.m., iar al aselea este de 2435,29 u.m., s se calculeze : a) procentul mprumutului ; b) suma mprumutat ; c) anuitatea constant ; d) datoria rmas dup 5 ani de plat. Rezolvare: a) Q3 = 2103,70; Q6= 2435,29

Ql = ifl + I ')3 _ n j. a 3 , 2 =(i + 0 3 + 2


Rezult c: (1 + 0 -------- = 1,157625 => i = 0,05= p = 5%

2103,70

b)

l Qx = - - 3 - = 21 3,7 = 1908,11 u.m. 1 (1 + 0 U025

V0 = 1908,11 1,0510 "-1 = 1908,11 1,6- --8 - 1 = 23999,97 u.m. 0 0,05 0,05
c)

v oi = 23999,97 0,05 _ 23999,97 - 0,05 _ ~ 1- (1 + 0 _" ~ 1- 1,05"1 0 1- 0,613913 23999,97 0,05


0,386087 d) p 0 l - ( l + 0"" = 3108,10 u.m.

V5 = 23999,97 5--5- = 23999,97 5 1 -1,0 5 1-0 ,6 13 9 13 = 23999,97 Z164 --4- = 13456,47 u.m. 0,386087
407

15. Un mprumut n valoare de 500000 u.m. trebuie rambursat n 5 ani prin anuiti posticipate, cu un procent anual de 5,5%. S se ntocmeasc tabelul de amortizare n cazul n care amortismentele sunt egale. Rezolvare : Anii 1 2 3 4 5 Suma la nceputul anului 500000 400000 300000 200000 100000 Dobnda 27500 22000 16500 11000 5000 = Amortis mentul 100000 100000 100000 100000 100000 Anuitatea 127500 122000 116500 111000 105000 Suma rmas de plat 400000 300000 200000 100000 0

, = 02 = 03 = 04 = 3 = j

= 100000

16. S se ntocmeasc tabelul de amortizare n cazul mprumutului din problema precedent, dac rambursarea se face prin anuiti egale. Rezolvare: Anii 1 2 3 4 5 Suma la nceputul anului 500000 410412 315897 216183 110985 Dobnda 27500 22573 17374 11890 6104 Amortis mentul 89588 94515 99714 105198 110985 Anuitatea 117088 117088 117088 117088 117088 Suma rmas de plat 410412 315897 216183 110985
-

408

CAPITOLUL VII OPTIMIZAREA GESTIUNII STOCURILOR Modele deterministe i modele modele aleatoare

Introducere. Prin stoc nelegem o rezerv de bunuri materiale destinate vnzrii sau folosirii n procesul de producie. Astfel putem ntlni stocuri de mrfuri, de materii prime, de piese de schimb, etc. Constituirea stocurilor presupune cheltuieli de aprovizionare sau producie, cheltuieli de stocaj (depozitare, ntreinere, etc.) pierderi prin deprecierea mrfurilor i altele. Orice gestiune de stoc presupune intrri n stoc sau aprovizionri (imputs) i ieiri din stoc (outputs), acestea putnd avea un caracter cert (determinist) sau aleator. Deciziile ce se iau n organizarea tiinific a stocurilor au la baz un criteriu de optim, determinat de politica economic, aceasta fiind de obicei costul global minim. Menionm c se numete politic optim activitatea de management a stocurilor care implic un cost total minim. Elementele unei politici optime sunt: nivelul optim al stocului, volumul optim de reaprovizionare, perioada optim de reaprovizionare, numrul optim de reaprovizionri, etc. In concluzie prin gestiunea tiinific a stocurilor se urmrete fundamentarea deciziilor privind conducerea procesului de consum-aprovizionare. n acest cadru un rol important l are stabilirea pe baza unor modele economico-matematice a nivelurilor stocurilor i a momentelor la care se face reaprovizionarea. Se poate spune c un model de stoc reprezint un instrument cu ajutorul cruia se minimizeaz volumul de fonduri ce se imobilizeaz n procesul de stocare i n acelai timp se asigur continuitatea procesului de producie sau de desfacere. Menionm c probleme se pune i n sensul satisfacerii cererii consumatorilor, adic a maximizrii venitului net ce rezult din activitatea de desfacere a produselor. n cele ce urmeaz vom prezenta cteva modele de stoc deterministe precum i dou modele aleatoare.
. 1. Modele deterministe. Modelul 1. Gestiune (stoc) cu perioada fix, cer ere constant i Jar

posibilitatea lipsei de stoc. Considerm gestiunea unui stoc de cantitatea Q pe un interval de timp , cu aprovizionri la perioade fixe T, de cantitate conform cererii constante q, n care presupunem c se cunoate costul unitar de stocaj c s, costul de lansare a unei comenzi c h c lansarea comenzii se face n timp util i aprovizionarea se face n momentul n care s-a epuizat stocul s. Se presupune de asemenea consumul de stoc ca fiind uniform (cu variaie liniar) i c nu admite lipsa de stoc.
409

O astfel de gestiune se prezint n figura 1.

Pentru modelarea acestei gestiuni, vom lua drept criteriu de optim costul total minim. Din datele problemei, rezult c pentru fiecare perioad T avem urmtoarele cheltuieli:

c \ + Y < l-cs -T

(1)

deoarece n medie, n stoc, se va afla cantitatea 2 Perioadele fiind egale, avem pentru numrul aprovizionrilor v, egalitile: v= e =0 (2) q T Costul total se obine nmulind cheltuielile corespunztoare unei perioade cu numrul de perioade adic: 1 ^ C \ + - q - c s 'T -v (3) V j Din (2) i (3) se obine pentru costul total o funcie de o singur variabil q creia i putem determina minimul; Avem: C (?)=

C(q) = -Q c i+ \ q c q 2
i CXq) = - \ Q Cl+ U c s

(4) (5)

respectiv: Qc\
c '= 7

(6)

410

Notnd cu q soluia ecuaiei obinute prin anularea expresiei (5), avem:

i cum C ( q ) > 0 , extremul este minim ( din considerente economice lum pentru

< 7>

q numai valori pozitive). nlocuind valoarea optim a unei comenzi q , dat de (7), n (2) obinem numrul optim de aprovizionri, adic: 7c~ ( 8)
Din (2) i (8) rezult valoarea optim pentru T:
(9)

Gestiunea optim se determin nlocind n (4) pe q cu valoarea optim q , adic: C ( i) = - c ,+ ^ c ,e q 2 care dup nlocuirea lui q din (7) devine:

C = ^ 2 Q e c lCs (10) Exemplu. Serviciul comercial al unei fabrici de pine trebuie s asigure lunar 1,5 milioane kg. fain. La fiecare comand de aprovizionare se cheltuie 5000 u.m. iar depozitarea fainii cost 1 u.m. pentru 500 kg. pe zi. S se determine volumul optim al unei comenzi, numrul optim de aprovizionri, perioada optim de aprovizionare i gestiunea optim tiind c aprovizionrile se fac la intervale egale i c nu se admite lips de stoc. Rezolvare. Avem: Q = 1 5 ,1 0 5kg\ = 3 0 zile, c, = 5 0 0 0 u .m . , c, = u.m ./kg / z i .
* 500

D eci:. 2 1 5 105; . ^
30 500

500.000%

411

C =

JlQ c,cs

= ^ 215105 305103

= 3 0 0 0 0 u.m..

Modelul 2. Gestiune (stoc) cu perioad fix, cer e r e constant i cu posibilitatea lipsei de stoc.
Considerm gestiunea de la modelul 1, cu modificarea c se admite lipsa de stoc, dar penalizat cu un cost de penalizare unitar cp. Aceast gestiune o prezentm n figura urmtoare:

Perioada constant a fost mprit n dou perioade, perioada Ti n care stocul satisface cererea i perioada T 2 n care stocul nu mai satisface cererea (avem lips de stoc). Vom alege drept criteriu de optim, costul total minim. Corespunztor acestei gestiuni, n perioada T \ se va plti, pentru stocul mediu

1 q s q , costul unitar cs , iar n perioada T 2 pentru stocul mediu - , costul unitar

CP

Rezult c pentru o perioad

Tse vor face urmtoarele cheltuieli:


2 2 ( 1)

C, H T,cs + ----- T2C

care determin un cost total:

C{q,s) = V

2 ,

(2)

nlocuind valoarea lui v din (2) (modelul 1) n (2) obinem:

412

C ( q ,s ) = % -cx+~TlCi- + -_ T2c (3 ) q ' 2 T 2 pT w Din asemnarea triunghiurilor formate n figura de mai sus, deducem:
Zl - Zl -JL Z T ~ q 1 T " q de unde: r , = i - r i r 2 = i ^ r (4) 4 < 7 Din (3) i (4) rezult: O C ( q ,s ) = ^ - c x+ s 2c s + ( q - s ) 2c ( 5) q 2q 2q Anulnd derivatele pariale ale lui C(q, s ) n raport cu variabilele q, respectiv s, obinem sistemul:

dq ^

= g C | T s 2c s + ~ V (g 2 - s 2)0c = 0 q 2q s 2q

(6)

l = e c , - 3 ^ e c p =0 (7) ds q s q Valorile optime pentru q i s se obin ca soluii ale sistemului format cu ecuaiile (6) i (7) Din (6) rezult: 2 2 Qc l t ( c s + c )
q = & r 00P
CP CP

(8)

iar din (7) :


(9) ('S Cp Introducnd valoarea lui s din (9) n ecuaia (8) i rezolvnd aceast ecuaie se obine valoarea optim q pentru volumul unei comenzi:
*2 2 Q<i C s +Cp

s = q T T T

Notnd: (J p = -
C s T Cp 1 ^

(11)

4 13

(factorul p se numete factor de penalizare), formula (10) se mai poate scrie:

( 12)
Din (9) i (12), pentru stocul optim, gsim:
(13>

Perioada fix optim se obine din (2) i (12), la fel ca i numrul optim de apovizionri (frecvena optim). Avem:

q
i:
*

y 2c,
2 0 ci 1

(.4 )

----- L~ 1

(15)

Gestiunea optim se obine nlocuind n (15) valorile optime q i s , adic: C = p Q e c sc, . (16)

Exemplu. Necesarul anual de aspiratoare la un magazin de produse electrice este de 20.000 buci. O comand fcut cost 200 u.m. iar costul stocajului pentru un aspirator este de 1 u.m. tiind c aprovizionrile trebuie fcute la intervale egale i n cantiti egale i c lipsa aspiratoarelor din stoc se penalizeaz cu 5 u.m. pe zi pentru un aspirator lips, s se determine volumul optim al unei comenzi, stocul optim, perioada optim de aprovizionare, numrul optim de aprovizionri i gestiunea optim. Rezolvare. Datele problemei sunt: Q = 20.000 aspiratoare, = 360 zile; c; = 200 u.m.; c s - 1 u.m./zi.
Avem succesiv: c 5
CS + C p,
_

f c sP
414

|4 IO4 -200-6
360-5-1

16 0 aspiratoare,

s q p 160 = 133 aspiratoare, 6


- 1 2 0 aprovizionri,

2 2 104 360 1 2 0 0 | = 48.000 u.m. PROBLEME 1. O fabric de confecii realizeaz producia semestrial folosind 100000 m2 esturi de mtase. Pentru fiecare comand de baloturi se cheltuiesc 5000 u.m. de la darea comenzii pn la recepionarea baloturilor. tiind c aprovizionarea se face la intervale de timp egale, cu cantiti egale, iar costul depozitrii este de 1 u.m. pentru 5m2 de esturi depozitate pe zi, s se determine lotul cu care trebuie s se aprovizioneze depozitul fabricii astfel ca procesul de producie s nu fie ntrerupt din cauza lipsei de esturi, numrul optim de aprovizionri, intervalul dintre dou aprovizionri i costul total al acestui program optim de aprovizionare i stocare. Rezolvare Avem: Q=100000m2 ; = 180 zile

Comanda optim este:

5 Numrul optim de aprovizionri este:

Perioada optim de aprovizionri se calculeaz cu formula: f = - ----180 9ozile T 19 Gestiunea optim: 2 105 180 5 103 i = 189736,65 u.m.
415

2. Un magazin alimentar are o cerere trimestrial de 900000 pachete de unt. Pentru fiecare comand de aprovizionare se cheltuiesc 1000 u.m., iar costul depozitrii este de 2 u.m. pentru 9 pachete depozitate pe zi. Aprovizionarea se face la intervale de timp egale, cu cantiti egale i nu se admite lips de stoc. S se determine volumul optim al unei comenzi, numrul optim de aprovizionri, perioada optim de aprovizionare i gestiunea optim. Rezolvare Avem: Q=900000 pachete ; = 90 zile cr=1000u.m. ; c s = u.m./pachet / zi

2Qc, _

2 - 9 -IO5 -10

= 9487 pachete de u nt ,

, < 2 _ 900000 = 95 aprovizionri V~ q 9487

29105 910103| = 189736,65 u.m.

416

BIBLIOGRAFIE

1. 2. 3. 4. 5. 6. 7. 8. 9.

V. Bdin, C Raischi, Curs d e Matematici, Romno-American, Bucureti, 1992 V. Bdin, D. Vasiliu, Curs d e Matematici, Romno-American, Bucureti, 1993

vol I, Universitatea voi , Universitatea

O. Popescu i colab., M atematici a plicate n eco n o m ie, vol I i , ( Editura Didactic i Pedagogic, Bucureti, 1993 V. Bdin, C. Raischi, Curs d e Matematici, Lito ASE, Bucureti, 1992 F.G. Goald, G.D. Eppen, C.P. Schimdt, In trod u ctory M anagem ent S cien ce, Pretice Hall Englewood Cliffs, N.J. 1993 W. Mendenhall, J. Reinmuth, R. Beaver, Statics f o r M a n agem en t and E con om ics PWS, Kent Publ. Co., Boston, M.A. 1989 F. Hillier, G. Lieberman, Introduction to O peration R esearch, Me Grew Hill Publ. Co., USA, 1990. Ion Purcaru, M atem atici fin a n cia re, Economistul, Bucureti, 1992. Ion Purcaru, M atem atici fin a n cia re, Bucureti, 1993. vol. I, Editura AGER voi , Editura Economic,

10. E.M. Certirchin, Stattisticeskie m etodi p rogn ozirovan ia, Moscova, Statistika, 1993. 11. H. Ionescu, O Firic, E. Moscovici, P ro gr a m a r e liniar, vol I i , Lito ASE, Bucureti, 1972. 12. K. Thulasiraman, M.N.S. Swamy, Graphs: T heory a n d Algorithms, John W iley and Sons, Inc. N.Y. 1992. 13. W. Stevenson, Introduction to M a nagem ent S cien ce, Homewood, IL. Boston M.A. 1989. 14. G. Ciucu, V. Craiu, A. tefanescu, Statistic m atem atic i cer cet r i operaion ale, vol I, Editura Didactic i Pedagogic, Bucureti, 1986.
417

15. V. Bdin, M. Enchescu, O Firic, C Raischi, M Toma, Matematici aplicate n economie. Culegere de probleme. Lito ASE, B ucureti, 1986. 16. V. Bdin, M Enchescu, I. Scui, C u legere d e p ro b lem e, Lito ASE, Bucureti, 1985. 17. H. Taha, O peration R esea rch - An Introduction, The M ac M illan Co., N . Y . , 1972. 18. A. Filip, S. Houlete, R. Niculescu, C. Socol, Woinaroschi, Curs d e m a tem a tici a p lica te la eco n om ie, Lito ASE, 19081. 19. Gh. Mihoc, H. Ionescu, Curs d e m atem atici p en tru econ om iti, Editura Didactic i Pedagogic, Bucureti, 1958. 20. Catedra de matematic ASE, Curs d e m atem atici su p erioa re, vol II, Editura Didactic i Pedagogic, Bucureti, 1960. 21. N. M ihil, M atem atici s p e cia le a plicate n eco n om ie, Lito ASE, 1976. 22. V. Bdin, O Firic, Curs d e m atem atici p en tru Universitatea Romno-American, Editura Sylvi, 1995 23. Tiberiu Ionescu Grafuri, Editura didactic 1973. 24. Ion Purcaru, Florian Berbec, Dan Sorin M atem atici fin a n cia r e i decizii n afa ceri, Editura economic 1996 25. Ion Purcaru, M atem atici g e n e r a le i elem en te d e optimizare, Editura Economic 1997 26. Octavian Popescu i colectiv, M atematici a p lica te n eco n o m ie, Editura didactic, 1997 27. Gheorghe Ciobanu, V asile Nica i alii, c e r c e t r i o p era io n a le cu a plicaii n eco n o m ie, Matrix Rom, 1996. 28. V. Bdin, Radu Despa, Curs d e m atem atici p en tru econ om iti, Vol I i , Universitatea Romno-American, Editura Sylvi, Bucureti, 1998. 29. Despa Radu, Andronache Ctlina, Ciocnel Bogdan, Ghenciu Ioana, Tetileanu Cristina, Toropu Cristina, C u leger e d e p r o b le m e d e m a tem a tici a p lica te n eco n om ie, Vol I i , Universitatea RomnoAmerican, Editura Sylvi, Bucureti, 1998.

econom iti,

30. Radu Despa, Ctlina Vian, M atem atici a p lica te n eco n o m ie, Univ. Romno-American, Editura Sylvi, Bucureti, 2003.
418