probleme II

Probleme an III Mate-Info (Seria II)

Notaii: dac X este o variabil aleatoare, atunci
FX(x) := P(X x) este funcia de repartiie a lui X ;
F(x) : = P(X > x) = 1 F(x) este funcia de supravieuire a lui X;
fX = (FX) este densitatea lui X (fa de msura Lebesgue !; cnd exist??)
fX
rX :=
este riscul instantaneu de moarte al lui X ( cnd exist??)
FX
Dac X i Y sunt dou variabile aleatoare cu aceeai repartiie, atunci scriem X Y.
Dac 1, 2 sunt repartiii pe dreapt, atunci 12 este convoluia ntre 1 i 2 dat de
relaia fd(12) : = ( f(x + y)d(x))d(y) = ( f(x + y)d(y))d(x) f
msurabil mrginit (de ce sunt egale cele dou integrale din dreapta ??);
Dac 1 = f1 , atunci tim c 12 este de asemenea absolut continu (vezi cursul!!) i
are densitatea pe care o vom nota cu f12 definit prin
(i)
(f12)(x):= f1(x-y)d2(y);
Dac i = fi , i = 1,2, atunci densitatea lui 12 se va nota f1f2 i este dat de formula
(ii)
(f1f2)(x) := f1(x-y)f2(y) d(y)

( uneori - cnd?? este egal cu f1(x-y)f2(y) dy )

O repartiie absolut continu cu densitatea f se numete unimodal dac densitatea sa f are

proprietatea c exist un x0 cu proprietatea c f este cresctoare pe intervalul (-, x0] i
descresctoare pe intervalul [x0 , ). Acest punct x0 se numete mod. Dac x0 este unic, atunci el
repartiia se numete strict unimodal iar x0 se noteaz cu Mode() sau cu Mode(X), n caz c
X. De exemplu repartiia uniform U(a,b), dei unimodal, nu are mod unic pentru c orice
x0 (a,b) este o mod; n schimb repartiiile normale N(, 2) sunt strict unimodale i moda
coincide cu .

Convoluii, etc
62.

O variabil aleatoare X se numete simetric fa de dac X 2 X. Verificai c, dac X este

simetric fa de , atunci i + X este simetric (fa de cine?). Bazai eventual pe acest lucru
verificai c c N(,2) este simetric fa de i U(a,b) este simetric fa de

63.

64.

65.

66.

ab 1
.
2

Dac o variabil aleatoare este simetric fa de i este absolut continu, atunci densitatea sa f
are proprietatea c este de asemenea simetric fa de .2 f ( - t) = f( + t) t
Verificai c dac X este simetric fa de , atunci EX = Med(X) = . Dac, n plus, repartiia lui
X este unimodal, atunci este i o mod a lui X. Dac repartiia este strict unimodal, atunci
media, mediana i moda coincid cu .3
Fie Xi variabile aleatoare independente cu funciile de repartiie Fi. Fie X = X1 X2 i Y = X1 X2.
Verificai c FX = F1F2 i FY = F1F2. Gsii i densitatea celor dou variabile aleatoare dac Xi sunt
absolut continue.4
Fie X1,X2 variabile aleatoare independente. Presupunem c Xi Exp(i), i = 1,2.
(i). Gsii repartiia variabilei X = X1 + X2, funcia de repartiie, funcia de supravieuire, riscul
instantaneu de moarte.5
(ii). Gsii repartiia variabilei X = X1 X2, funcia de repartiie, funcia de supravieuire, riscul
instantaneu de moarte.6

probleme II

67.
68.

69.
70.
71.

72.

73.
74.
75.

76.

77.

78.

79.

80.

81.

(iii). Aceeai problem pentru X = X1 X2 .7

Artai c, dac mediana lui X este unic, ea este unica soluie a inecuaiei FX(x-0) FX(x).
Artai c dac X are median unic i f: este strict cresctoare, atunci Med( f(X)) =
f(Med(X))8
Calculai Med(X2), Med(X ), Med (ln X), Med(eX) dac X Exp()9
Putei calcula media, variana i mediana la repartiiile de la ex. 63?10
Fie X Exp(1) i Y = lnX . Atunci X,Y sunt strict unimodale i Mode(X) Median(X) EX dar
Mode(Y) > Median(Y) EY11
Fie f o densitate. Calculai f i f dac este o probabilitate discret. ncercai f Bin(k,p) i
fPoisson() 12
Fie Xn variabile aleatoare i X = c (constant). Artai c Xn D X Xn Pr ob X. 13
Dac (Xn)n sunt i.i.d. i PXn-1 atunci irul (Xn)n nu poate converge nicaieri n probabilitate.14
Dac PX 1 se poate ca Xn D X dar s nu fie adevrat c Xn Pr ob X. De fapt, dac Xn X i
sunt i.i.d., atunci evident Xn D X (au toate aceeai repartiie) dar , conform ex. precedent, irul
(Xn) nu poate converge n probabilitate.

a1 a 2 ...

Fie X o variabil aleatoare discret, X

p1 p1 ...

ak
pk

. Presupunem a1 a2 ... ak.

Fie = min(a2 a1,...,ak ak 1). Fie (Xn)n un ir de variabile aleatoare.

Atunci Xn D X P( Xn - aj ) pj j 1,2,...,k pentru orice / 2 15
Fie (,K,P) un spaiu probabilizat. Fie n K un ir de mulimi cu proprietatea c P(n) 1.
Fie (An)n K un alt ir de mulimi cu proprietatea c P(An) p. Atunci P(nAn) p.16
Fie Xn un ir de variabile aleatoare cu proprietatea c Xn c 0. Presupunem c P(Xn 0)
c c
unde q = 1 p.17
converge la p. Atunci Xn D
q p
Fie (Xn)n un ir de variabile aleatoare i.i.d. strict pozitive a.s. Atunci

X 1 X 2 ... X n eE(lnX)

(a.s.) unde X Xn. 18

Fie (Xn)n un ir de variabile aleatoare i.i.d. Presupunem c p := P(X1 = 0) 0. Atunci
indice impar ca s aib sens radicalul).19
1 1
. Presupunem c p (0,1). Atunci Zn := X1X2...Xn
Fie (Xn )n i.i.d., Xn
q p

0. (am pus

1 1

q n pn

1 1
. Verificai c irul Zn nu converge
.5 .5

cu pn , qn . Deducei de aici c Zn D
82.

nicieri n probabilitate. 20
Fie (Xn)n un ir de variabile aleatoare i.i.d. Fie p = P(Xn 0) , q = P(Xn 0) , r = P(Xn = 0). Fie Zn =
2 n 1

X 1 X 2 ... X 2 n 1 . Atunci

Dac q = r = 0, atunci Zn eE(lnX) (a.s.)

Dac p = r = 0, atunci Zn - eE(lnX) (a.s.)
r 0, Zn 0 (a.s.)

Dac r = 0, p,q 0, atunci Zn nu converge nicieri n probabilitate, dar Zn D

83.

84.

c c
unde c
.5 .5

= eE(ln|X|) 21
Fie (Xn)n un ir de variabile aleatoare cu proprietatea c Xn D X. Fie f : continu (nu
neaprat mrginit). Atunci f(Xn) D f(X).22
Fie Xn L2 variabile aleatoare i.i.d. , fie = EXn i 2 = Var(Xn). Atunci
Lognormal(0,).23

X 1 X 2 ... X n n

probleme II

85.

Fie Xn 0 variabile aleatoare i.i.d. cu proprietatea ca lnXn L2. Fie m = E lnXn i 2 = Var(ln Xn).
Artai c

X 1 X 2 ... X n
m

86.

Lognormal(0,).

24

Fie (Xn)n i.i.d. Bin(1,x), cu 0 x 1. Fie f:[0,1] continu. Conform legii numerelor mari

X
irul sn := 1

87.

1
n

X 2 ... X n
converge la x (a.s. i n L1). Deci f(sn) f(x) a.s. i n L1 (de ce?).
n

Scriei c Ef(sn) f(x) i vedei ce se ntmpl: orice funcie continu pe [0,1]poate fi aproximat
cu polinoame.25
Teorema de inversiune pentru densiti. Fie F o repartiie pe dreapt i funcia sa
caracteristic. Presupunem c L1(), unde (ca de obicei!) este msura Lebesgue. Atunci
F este absolut continu i densitatea sa poate fi aleas f(x) =

88.

1
2

itx

(t ) dt.26

Fie F = eitxdF(x)F este o probabilitate pe dreapta real . Verificai c

(i). , F , 0 p 1 p + (1-p) F (adic F este o mulime convex);

(ii). , F F ( F este stabil la nmulire);
(iii). F F (F este stabil la conjugarea complex)
(iv). F Re() F (partea real a unei funcii caracteristice este de asemenea funcie
caracteristic)
(v). Dac (t) = (1 - t/ h)+ atunci F pentru orice h > 0;
(vi). Dac este o funcie par i [0,) este convex, descresctoare, (0) = 1 i () = 0, atunci
F (teorema lui Polya);
(vii). Pentru orice h > 0, este posibil ca dou funcii caracteristice F i G s coincid pe un
interval [-h,h] i totui repartiiile F i G s fie diferite.27
89.
90.
91.

Calculai momentele unei variabile X N(,2) 28

Calculai momentele unei variabile X Exp()29
Fie X un vector aleator d dimensional din L2 i funcia sa caracteristic. Artai c iEX = (0)
i Cov(X) =((0))( (0)) - H()(0) unde este gradientul lui , dat de formula ()k(t) =

2
(t ) , H Mh() este matricea hessian dat prin Hm,n(t) =
(t ) iar Cov(X) este
t k
t m t n
92.

93.

94.

95.

matricea de covarian dat de (Cov(X))m,n = E(XmXn) EXmEXn.

Fie X un vector aleator d-dimensional. Prin analogie cu cazul unidimensional definim funcia sa
generatoare de momente prin mX(t) = EetX . Presupunnd c mX(t) t d i c mX este de
clas C - adic derivabil de oridecte ori vrem artai c EX = (mX)(0) i Cov(X) = (HmX)(0)
[(mX)(0)] [(mX)(0)]
Fie X,Y vectori aleatori d-dimensionali.. Definim matricea Cov(X,Y) ca avnd componentele
(Cov(X,Y))i,k = E(XiYk) - EXiEYk. Verificai c (i). Cov(Y,X) = Cov(X,Y); (ii) Cov(X,X) este matricea
de covarian a lui X, deci e semiopozitiv definit; (iii). Cov(X+Y) = Cov(X) + Cov(Y) + Cov(X,Y)
+ Cov(Y,X); (iv). Dac X i Y sunt independeni, atunci Cov(X,Y) = 0.
Un exerciiu simplu. Dac (Xn)n sunt vectori d dimensionali independeni din L2, atunci
Cov(X1+X2++Xn) = Cov(X1) + Cov(X2)++ Cov(Xn).30
Repartiia multinomial.Fie X un vector d dimensional. Spunem c X este repartizat multinomial
de parametri n i p1,,pd i scriem X Mult(n ; p1,,pd) dac P(X1 = k1,,Xd = kd) =

n!
p1k1 p 2k 2 ... pdk d . Iat unde apare aceast repartiie: Fie (Zm )m un ir de variabile
k1!k 2 !...k d !

probleme II

aleatoare i.i.d. , discrete, ca Zm

96.

1
p
1

2 ... d
p2 ... pd

. Fie n 2 fixat i Xk = i nZi = k.

Verificai c (Xk)1kd este un vector repartizat Mult(n; p1,,pd). Calculai-i apoi funcia generatoare
de momente mX , media i matricea de covarian. 31
Fie f:[0,1] [0,1] dat prin f(x,y) = ax + by + c. Cnd f este densitate de probabilitate? S
presupunem c numerele a,b,c sunt alese n aa fel ca f s fie densitate de probabilitate. Fie Z =
(X,Y) un vector aleator bidimensional astfel ca PZ-1 = f 2. Calculai EZ, Cov(Z) precum i
repartiiile condiionate: XY, YX i funciile de regresie E(XY) i E(YX).32

1
2

97.

Calculai densitatea lui X condiionat de Y dac (X,Y) N(0,

98.

Calculai U(0,1)
Calculai U(a,b)U(c,d)
Calculai U(0,1)Exp()
Calculai U(0,1)U(Zn)

99.
100.
101.

Indicaii i rspunsuri

2
6 ) etc

 + X + (2 X) = 2(+) ( + X) , deci + X este simetric fa de + . Verificai direct c variabilele

aleatoare Y N(0,1) (reapectiv Z U(0,1)) sunt simetrice fa de 0 (respectiv ) i folosii faptul c + Y N(,2) i a +
(b-a)Z U(a,b). n primul caz = 0 i n al doilea = . Dac nu v place aa, folosii exerciiul urmtor.
2
tim c X 2 - X P(X x) = P(2 - X x ) = P(X 2 - x) = 1 - P(X 2 - x) (atenie! X este absolut continu, deci
FX este continu !). nseamn c FX (x) + FX(2 - x) = 1 x. Derivm: f(x) f(2 - x) = 0 f(x) = f(2 - x) x. Apoi
scriem x : = + t.
3
X 2 - X EX = E(2 - X ) = 2 - EX; Median(X) = Median(2 - X) = 2 - Median(X). Dac X este unimodal, are o
densitate f cu proprietatea c f( + t) = f( - t). Dar funcia f este unimodal: crete pe intervalul (- , x0] i scade pe [x0,).
Deci x0 este un punct de maxim pentru f. S zicem c x0 = - t. Atunci x1 := + t va fi de asemenea un punct de maxim.
Mai mult, toate punctele din intervalul [ - t, + t] vor fi puncte de maxim sau mode. nseamn c este i el o
mod.
4
FX(x) = P(X1 X2 > x) = P(X1 > x i X2 > x) = P(X1 > x )P( X2 > x) (atenie! Variabilele aleatoare sunt independente! Ce
nseamn asta??) = F1(x)F2(x). Dac F1 i F2 sunt derivabile i Fi = fi (aa gsim densitile!!) atunci fX = - F = f1F2 + f2F1 .
Analog FY(x) = P(X1 X2 x) = P(X1 x i X2 x) = P(X1 x) P( X2 x) de unde fY = f1F2 + f2F1.
1

Ipoteza este c fi(x) = i e i x 1(0,)(x). calculm fX = f1f2 (de ce??). Aplicm formula convoluiei, de la nceputul textului :

f1f2 (x) =

f1(x-y)f2(y) dy =

1 e 1 ( x y ) 1(0,)(x-y) 2 e 2 y 1(0,)(y) dy =

1 e 1 ( x y ) 2 e 2 y dy (am

presupus x > 0, altfel f1f2(x) = 0! ) = 12 e 1 x

e ( 1 2 ) y dy de unde se vede c avem dou cazuri:

dac 1 2, atunci fX(x) =

1 2
(e 2 x e 1 x ) 1(0,)(x);
1 2

- dac 1 = 2 = , atunci fX(x) = 2x e x 1(0,)(x) - densitatea repartiiei Gamma(2,) !!.

Funcia de supravieuire se calculeaz uor, integrnd densitatea pe intervalul (x,). Obinem
dac 1 2, atunci F(x) =

1 2 e 2 x e 1 x
(

) (x 0)
1 2 2
1

- dac 1 = 2 = , atunci F(x) =(1 + x) e x (x 0)

S notm f(1,2,x) i F(1,2,x) densitatea i funcia de supravieuire gsit. Verificai c dac 2 1, atunci f(1,2,x)
f(1,1,x) i F(1,2,x) F(1,1,x). (aplicai i voi regula LHopital!). Calculai singuri rX i verificai c x rX(x)
12.
6

Aplicm e. 62. FX(x) = F1F2(x) = ( 1 - e 1 x )(1 - e 2 x ), de unde fX = 1 e 1 x (1 - e 2 x ) + 2 e 2 x ( 1 -

e 1 x ) = 1 e 1 x +2 e 2 x - (1+2) e (1 2 ) x . Riscul de moarte rX este raportul dintre fX i FX . Verificai c x

rX(x) 1 2.
De data aceasta FX = F1F2 deci FX(x) = e ( 1 2 ) x . Minimul dintre dou exponeniale independente este din nou o
exponenial!
8
P(f(X) f(Med(X)) = P(X Med(X)) = FX(Med(X)) FX(Med(X) 0) = P(X Med(X)) = P(f(X) f(Med(X)) .
Afirmaia este adevrat i dac f este strict descresctoare.
9
Med(X) = (ln2)/ i aplicai ex. 65.
7

10

Dac X = X1+X2 , EX = 1/1 + 1/2 ; mediana este soluia ecuaiei

1 2 e 2 x e 1 x
(

) = , care este
1 2 2
1

transcendent. Nici n cazul 1 = 2 = nu se poate calcula mediana. Dac X = X1X2 este cel mai simplu: X Exp(1 + 2),
deci 1/EX = 1 + 2 iar Med(X) = (ln 2)EX. Dac X = X1X2 folosim faptul c X1+X2 = X1X2 + X1X2 deci EX1X2 =

1
1
1

. Pentru a calcula Med(X) trebuie s rezolvm ecuaia transcendenta ( 1 - e 1 x )(1 - e 2 x ) = .

1 2 1 2
n general nu putem s o facem, dar dac, de exemplu, 1 = 2 , atunci ea devine e 1 x = 1 - 2 deci Med(X1X2) =

ln(2

2)

. Comparai-o cu E(X1X2) =

3
. Ln(2 +
2

2 ) 1.2279471773 1.5 = 3/2: mediana este mai mic dect

media. O fi adevrat n general?

11

Mode X = 0, Median(X) = ln2, EX = 1. Pentru Y, FY(x) = P(ln X > x) = P( X > ex) = exp(- ex) de unde obinem densitatea
fY(x) = exp(x ex). Cum (fY)(x) = (1 ex)fY(x) rezult c Mode(Y) = 0. Din unul din exerciiile anterioare Median(Y) =

Median(lnX) = ln(Median(X)) = ln (ln2) -0.366513. Pe de alt parte EY = EX =

ln x e x dx nu se poate calcula exact.

0

Dar EY =

ln x e

dx +

ln x e x dx := I1+I2 . Pentru I1 folosim inegalitatea e x > 1 x . Cum pe intervalul (0,1)

1

funcia lnx este negativ avem c I1 =

ln x e x dx

Scriem apoi I2 sub forma I2 =

1
e
12

1
e

dx = - deci I1 - 0.75

ln(1 x) e x dx i aplicm inegalitatea logaritmului: x > 0 ln(1+x) x. Obinem I2

0

xe

dx = e 1 0.3678794411714. Rezult EY - 0.75 + 0.367879 -0.38212

Aplicai formula (i). f(x) =

numrabil i p() 0 I,
). De exemplu fBin(k,p) =
13

(1 x) ln x

f(x-y)d(y) = f(x - ). Dac =

p ( )

-0.366513 = Median(Y).

unde I este o mulime cel mult

p() = 1 (aa arat o repartiie discret, sper c tii !) atunci f = p() f(x -

C k
0 k

p q

f(x - ) iar fPoisson() =

! e f(x - ).

Convergena n probabilitate implic ntotdeauna convergena n repartiie. Implicaia neobinuit este . Vom folosi

echivalena (vezi cursul!) :Xn X FX n (x ) FX(x) x punct de continuitate al lui FX. n cazul nostru X = c (a.s.)
FX = 1[c,) deci punctele de continuitate sunt toate punctele x c. Ipoteza noastr este deci c FX n (x) 0 dac x c i

FX n (x) 1 dac x c. Vrem s artm c P( Xn - X ) 1 0. Sau, n termeni de funcii de repartiie,

FX n (c ) FX n (c 0) 1. Dar aceasta este evident, deoarece FX n (c ) FX(c+) = 1[c,)(c+) = 1 i
FX n (c 0) FX n (c ) 0.
14

Dac ar converge n probabilitate la o variabil aleatoare X, ar trebui s conin un subir care s convearg aproape sigur
la X (vezi cursul!). Or, acest lucru este absurd. Cu preul unei renumerotri, s presupunem c Xn X (a.s.). Atunci irul
(Xn)n ar trebui s fie Cauchy a.s.: Xn+k Xn ar trebui s tind la 0 (a.s.) dac n indifferent de k. Dar variabilele aleatoare
Xn+k Xn au aceeai repartiie cu Xk+1 X1, indifferent de n !
k

15

: Fie Fn i F funciile de repartiie ale variabilelor aleatoare Xn i X. tim c F =

p j 1 a
j 1

, deci mulimea

punctelor de continuitate ale lui F este complememtara mulimiia1,,ak, pe care o notm cu C. Cum Xn D X nseamn
c Fn(x) F(x) x C. Atunci i Fn(x - 0) F(x 0) = F(x) x C (a nu se uita cine este C !) deoarece dac x C
atunci exist suficient de mic ca x - C . Pentru orice asemenea 0 Fn(x - ) Fn(x 0) Fn(x) ; trecnd la limit
obinem ,F(x-) limnFn(x - 0) F(x) . Cum x este punct de continuitate, obinem, fcnd 0, c limnFn(x - 0) = F(x).
Deci, dac este sufisient de mic, atunci P( Xn - aj ) = Fn(aj + ) - Fn(aj - - 0) converge la F(aj + ) F(aj - ) = P( X
- aj ) = pj.
. Reciproc. Vom folosi, din motive tipografice convenia de la curs: notm cu F i funcia de repartiie i repartiia
nsi. n mod normal nu e pericol de confuzie: dac A este o mulime, F(A) nseamn msura ei, iar dac x este un punct,
F(x) nseamn, de fapt, F((-,x]) , adic este funcia de repartiie.
Ipoteza noastr este c Fn([aj - , aj + ]) := Fn(aj + ) Fn(aj - - 0) F([aj - , aj + ]) = F(aj + ) F(aj - ) = pj 1 j
k i suficient de mic. Ceea ce vrem s artm este c Fn(x) converge la F(x) pentru orice x care este punct de continuitate
pentru F, adic pentru orice x a1,,ak.

Fie (0, /2) i A =

[a j
j 1

, a j ] . Atunci

F(A) = 1 i, din ipoteza fcut, Fn(A) 1. nseamn c Fn( \ A)

converge la 0. Ce este important este c atunci Fn(C) converge la 0 pentru orice mulime C \ A. Cum mulimea (-,
x] , x a1 - este inclus n \ A , deducem c x a1 Fn(x) 0 = F(x). La fel, mulimile (aj+, aj+1-] sunt incluse
toate n \ A pentru 1 j k 1. nseamn c Fn(aj+1-) Fn(aj+) converge la 0.
Deci, dac x (a1+, a2 - ), atunci Fn(x) = Fn((-, a1 - ) [a1 - , a1+] (a1+,x]) = Fn((-, a1 - )) + Fn([a1 - , a1+])
+ Fn ((a1+,x]) converge la limn Fn([a1 - , a1+]) = F([a1 - , a1+]) = p1 = F(x). Acest raionament este valabil i n general,
dac x (aj+, aj+1 - ) scriem Fn((-, x]) = Fn((-, a1- ) ) + Fn([a1 - , a1+]) + Fn((a1+, a2-)) + Fn([a2 - , a2+]) +
Fn((a2 + , a3-))+ ...+ Fn((aj-1+, aj-)) + Fn([aj - , aj+]) + Fn((aj+, x]) 0 + F([a1 - , a1+]) + 0 + F2([a2 - , a2+]) +
0+ ... + 0 + F([aj - , aj+]) + 0 = p1 + ...+ pj = F(aj) = F(x).
n concluzie, Fn(x) F(x) x A. Dar orice x a1,...,ak aparine unei mulimi de forma \ A pentru suficient de
mic.
Alt demonstraie. (cu avantajul c merge n orice spaiu metric): luai o funcie f Cb() uniform continu. Fie 0 i
0 cu proprietatea c x-x f(x) f(x) /M , unde M = f (norma uniform, adic M = supx f(x) ).Fie n
ca n n P( Xn - aj ) - pj
/k Artai c atunci

f dFn -

p j f (a j )
j 1

2.

p P(Ann) p P(An) + P(An) P(Ann) p P(An) + P(nc) 0.

17
Aplicm exerciiul 76. Fie n = c- Xn c+i An = Xn 0 Cum convergena a.s. o implic pe cea n
probabilitate, rezult c P(n) 1. Din ipotez, P(An) p. Pe de alt parte, dac c, atunci nAn = c- Xn c+
iar n \ An = - c- Xn - c+ . Din ex. precedent, P(n An) p i, analog, P(n \ An) q. Acum aplicm ex. 76 cu
k = 2, a1 = - c, a2 = c.
18
Legea numerelor mari. Logaritmai.
16

19

Fie An = P(Xn) = 0. Mulimile An sunt independente i P(An) = p. Fie 0 reuniunea lor. Cum P(0c) = P

n 1

Anc

limnqn = 0, nseamn c P(0) = 1. Dar 0 exist k ca Xk(0) = 0 ( X1Xn)(0) = 0 n k

2 n 1

X 1 X 2 ... X 2 n 1 = 0 n destul de mare

2 n 1

X 1 X 2 ... X 2 n 1 (0) 0. Adic P( 2 n 1 X 1 X 2 ... X 2 n 1

0) = 1, QED.
20
P(X1X2Xn = 1) = P(un numr par de Xj iau valoarea 1 i ceilali iau valoarea 1) (sau formalizat mai riguros = P( j Xj
= -1 este numr par) ) = Cn0 p 0 q n Cn2 p 2 q n 2 ... = ((q+p)n (q-p)n) / 2 . Deci pn = (1 (q-p)n) / 2, qn = (1+ (q-p)n) /
2 . Dac irul Zn ar converge n probabilitate, ar trebui s existe un subir care s convearg aproape sigur, deci s fie
Cauchy aproape sigur. Dar Zn+k /Zn = Xn+1...Xn+k are aceeai repartiia cu X1X2...Xk = Zk care nu depinde de n. irul Zn+k /Zn ar
trebui ns s convearg la 1.
21
Fie Yn = Xn . Doar ultima informaie merit a fi demonstrat. Din legea numerelor mari, Zn = 2 n 1 Y1Y2 ...Y2 n 1

1 1
. Produsul U1...U2n+1 are acelai semn cu Zn. nseamn c
q p
c c
C irul nu converge n
P(Zn 0) = P(U1...U2n+1 0) (ex. 81). Atunci, aplicnd ex. 76, Xn D
.5 .5
probabilitate, este aceeai demonstraie de la exerciiul anterior.
22
Dac g Cb(), atunci h : = gf Cb() deci Eg(f(Xn)) = Eh(Xn) Eh(X) = Eg(f(X)). Deci, conform unei definiii
echivalente cea cu funcii continue - f(Xn) D f(X).
23
Aplicai TLC.
24
Este exerciiul precedent.
converge la c. Pe de alt parte, fie Un = sign(Xn)

25

Ef(sn) =

Cnk f ( kn ) x k (1 x) n k

(polinoamele lui Bernstein!).

k 0
26

Fie g continu i mrginit. tim c

g dF =

1
lim
2 0

itx

g ( x)dx (t )e

aplica teorema de convergen dominat: comutm limita cu integrala i obinem c

t 2 2
2

g dF =

dt. Dac L1 putem

1
2

itx

1
2

g ( x)

g ( x )dx (t ) dt =

(t )dt dx. =

itx

g ( x) f ( x) dx = g d(f). nseamn

c msurile F i f coincid.
27
(i),(ii):Dac = F i = G, atunci p + (1-p) = pF + (1-p)G, iar = FG ; (iii), (iv): dac = F , atunci = G unde

G = Fs-1 unde s(x) = - x , deoarece G(t) =

itx

e itxd(Fs-1)(x) =

e its(x)dF(x) (formula de transport!) =

e -itxdF(x) =

dF(x) = (t). Deci F ; deci Re() = + F din (i).(v) este mai puin evident, dar din el (vi) i

1
(vii) rezult imediat: fie F = U(-h,h) i G = FF. Atunci F(t) =
2h

sin th
este o funcie caracteristic. Ea nu este n L1() (artai c
th

itx

dx =

sin t
t

sin th
e ith e ith
=
. Deci (t) =
th
2ith

dt = ; e uor, o minorai cu o serie

divergent!) dar := este n L () (verificai). Atunci densitatea lui G (verificai c ea este funcia f(x) =
2

poate fi obinut din formula de inversiune pentru densiti f(x) =

forma 1
2h

h sin 2 th

e itx (

(1

|x|
)
2h
2h

1
sin 2 th
e itx
dt. Dac scriem aceast relaie sub
2
(th) 2

h sin 2 th
) dt am fcut schimbarea de variabil t - t !) i nlocuim pe x cu 0, deducem
2 (th) 2

h sin 2 th
este o densitate de probabilitate i funcia sa caracteristic este
2 (th) 2
(th)
(x) =(1 -x/2h)+ . n concluzie toate funciile de aceast form sunt funcii caracteristice, pare, deci i combinaiile lor
convexe. Fcnd combinaii convexe de asemenea funcii i trecnd la limit obinem toate funciile din enun. Folosind
asemenea funcii, care pot coincide pe orice interval [-h,h] fiind, totui, diferite, rezult (vii).

28

dt = 1, adic funcia f(t) =

Dac X N(0,1), atunci funcia sa generatoare de momente este mX(t) := EetX =

t 2k

tn

2 k k! . Pe de alt parte m (t) = n!EX n . Deci EX

k 0

t2
e2

. O dezvoltm n serie: mX(t) =

este coeficientul lui tn/n!. Deducem c dac n este impar,

n0

( 2k )!

EXn = 0, iar dac n = 2k este par EXn =

2 k k!

. Dac X N(,2), scriem X = +Y cu Y N (0,1) i obinem EXn =

Cnk k n k EY ; de exemplu, EX
k

= 4 + 622 + 34.

k 0

29

30
31

mX(t) =
=
t =
t 1

tn

n!

n! n

deci EXn = n! / n.

n0

Folosii exerciiul precedent.

P(X1 = k1,Xd = kd) poate fi diferit de 0 doar dac k1+k2++kd = n este evident. Trebuie ca Xi s ia de k1 ori valoarea 1,

kd
k2
k1
de k2 ori valoarea 2,,de kd ori valoarea d (asta se poate face n C n C n k1 ...C k =
d

n!
feluri). Dar
k1!k 2 !...k d !

probabilitatea unei succesiuni i1i2in n care 1 apare de k1 ori, 2 apare de k2 ori, este,(deoarece am presupus variabilele

n!
p1k1 p 2k 2 ... pdk d . Funcia generatoare
k1!k 2 !...k d !
n!
et1k1 ... t d k d k1!k 2 !...k d ! p1k1 p2k 2 ... pdk d =
; k .. k n

aleatoare Zm independente) p1k1 p2k 2 ... pdk d . Deci P(X = (k1,kd)) =

de momente este mX(t) = E e t1 X 1 ... t d X d =

p e
1

t1

... pd

k1 ,...k d

n
e t d . Se putea ajunge la acest rezultat analogul binomului lui Newton i astfel: Fie (e1,,ed) baza

canonic din d. Fie Um = e X m . Vectorii Um sunt i.i.d. i au repartiia Um

+Un , c mU(t) =

p e
1

t1

... pd et d

e1
p
1

e2 ... ed
p2 ... pd

. Verificai c X = U1+

i, ca atare, m = (m ) . Calculai de unde EX = (m )(0) = (np ,,np ) ,

X

(Cov(X))k,k = npkqk iar, dac k m, (Cov(X))k,m = - npkpm . Remarcai c toate componentele lui X au repartiii binomiale: Xm
Bin(n,pm).
1

32

c 0, a+c 0, b + c 0, a+b+c0, c + a/2 + b/2 = 1. Atunci fX(x) =

f(x,y)dy = ax + b/2 + c, fY(y) =

f(x,y)dx = a/2

+ by + c, fYX(y) =f(X,y)/( aX + b/2 + c) = (aX + by + c)/ ( aX + b/2 + c) deci E(YX) =

( aX + b/2 + c) etc.

y fYX(y) = (aX/2 + c/2 +b/3)/