-1-

CAPITOLUL 1 :

Probleme privind dobânda simplā ( operaţiuni “ la vedere “) :

§ 1.1 : REZUMAT : notaţii , convenţii , primele rezultate

Se încheie un contract , conform cāruia o unitate bancarā preia o sumā de bani de la

un depunātor ; presupunem că sunt valabile urmātoarele ipoteze şi notaţii :

- valoarea contractului ( numitā “ valoare nominalā “) va fi notată cu

“S”
- procentul de dobândā ( numit “ procent nominal “) , notat cu “p”
- contractul înceteazā dupā “ t “ perioade de timp : momentul “ t ” este
numit “ scadenţā “
- la scadenţā , se restituie deponentului suma acumulatā : aceastā sumā
acumulatā este formatā din valoarea nominalā S , la care se adaogā
dobânda :
- dobânda este consideratā proporţionalā cu ”S” , cu “t” şi cu “p” ;
mārimea D a dobânzii este datā deci de formula

p
(1) D=S ⋅ t ⋅
100

Aşadar , valoarea contractului la momentul “t” al scadenţei va fi :

⎛ t ⋅p ⎞
(2) S final = S + D ⇔ S final = S ⋅ ⎜1 + ⎟
⎝ 100 ⎠

OBSERVARE : operaţiunea de calculare a valorii finale va fi .

numitā “ actualizare “ : cantitatea Sfinal va .
avea deci semnificaţia de “ valoare a sumei S .
,actualizatā la momentul “t”.
 -2-

Alte notaţii folosite :

p
∗ =i
100
(3) ∗ 1+ i = u
1
∗ =v
1+ i

Precizare : perioada de timp “t” şi procentul nominal “p” se exprimā folosind

aceeaşi unitate de timp : de exemplu ,dacā exprimām timpul în ani , va fi nevoie de
procentul anual de dobândā ;dacā exprimām timpul în luni , va fi nevoie de
procentul lunar de dobândā , etc.

§ 1.2 : Modificarea procentului de dobândā simplā , la schimbarea unitāţii de

māsurā a timpului

Problemā : - se cunoaşte procentul nominal anual , p ;

- - se cere procentul lunar echivalent , q , corespunzātor lui p .

Principiul de echivalare folosit : - calculez valoarea contractului la scadenţā , în douā

. moduri , anume :

- varianta anualā : folosesc timpul exprimat în ani ( anume : n ani) şi

procentul anual de dobândā ( anume : p% anual) , obţinînd suma
, ⎛ n⋅p⎞
. (1) Sfinal = S0 ⋅ ⎜1+ ⎟
⎝ 100 ⎠
- varianta lunarā : folosesc timpul exprimat în luni ( anume : 12 ⋅ n luni )
. şi procentul lunar de dobândā ( anume: q ) , obţinând suma :
,, ⎛ 12 ⋅ n ⋅ q ⎞
. (2) Sfinal = S0 ⋅ ⎜1+ ⎟.
⎝ 100 ⎠

Egalām expresiile anume S` şi S`` , şi obţinem :

 -3-

' '' n ⋅ p 12 ⋅ n ⋅ q p
(3) Sfinal = Sfinal ⇔ = ⇔q =
100 100 12

In mod asemānātor , pentru procentul anual “p” , avem :

:
p
- un procent sāptāmânal echivalent : (4) q1 =
52
p
- un procent lunar echivalent : (5) q2 =
12
p
- un procent trimestrial echivalent : (6) q3 =
4
p
- un procent semestrial echivalent : (7) q4 =
2
Pentru un procent lunar “p” avem :
- un procent anual echivalent : (8) q1 =12 ⋅ p
- un procent trimestrial echivalent (9) q 2 =3 ⋅ p
- un procent semestrial echivalent : (10) q3 = 6 ⋅ p

§ 1.3 : Operaţiuni de dobândā simplā ,cu procent de dobândā variabil în timp : procent
mediu echivalent

Considerām acum cā pe durata contractului au funcţionat mai multe valori ale procentului
nominal de dobândā ; datele unei astfel de probleme au aspectul urmātor :

perioada 1 2 … n
durata t1 t2 … tn
% dobândă p1 p2 … pn

La începutul perioadei t1 se depune suma Siniţial . Valoarea Sfinal ,obţinutā la sfârşitul

∗
perioadei tn , se calculeazā folosind un procent anual p , numit “ procent mediu
echivalent” , calculat ca medie ponderatā a procentelor anuale pe perioade ,cu ponderi
duratele în ani ale perioadelor respective , adicā:
 -4-

∑ t j ⋅ pj
j=1,n
(1). p∗ =
∑ tj
j=1,n

§ 1.4 : Echivalarea mai multor fluxuri financiare : procent implicit de dobândā simplā :
procentul implicit ca modalitate de māsurare a eficienţei unui portofoliu

Considerām cā o persoanā deţine mai multe depozite la vedere .

Precizare : vom spune pe scurt ca acea persoanā deţine un “ portofoliu de depozite”.

Presupunem cā depozitele componente ale portofoliului în cauzā

- - au fost emise la momente de timp diferite ;

- - au valori nominale diferite ;
- - procentele nominale de dobândā simplā sunt diferite de la
- depozit la depozit.

La un moment de timp t0 , se face actualizarea tuturor acestor depozite , adicā se

evalueazā valoarea întregului portofoliu .
In acest scop,dorim sā asimilām portofoliul respectiv cu un singur depozit fictiv , având
valoarea nominalā egalā cu suma S a valorilor nominale ale depozitelor componente ,

- - constituit pe o perioadā t egalā cu media perioadelor

- depozitelor componente ,adicā :
1 n
- (1) t = ⋅ ∑tj
n j=1
- - cu un procent de dobândā , numit “ procent implicit “ , notat cu p .

Avem :
 -5-

Depozit Vechimea (ani) Valoare % nominal Dobânda,la Valoare actualā

nr. la momentul t0 nominalā anual momentul t0 la momentul t0
S1 ⋅ t1 ⋅ p1 ⎛ t ⋅p ⎞
1 t1 S1 p1 S1 ⋅ ⎜1 + 1 1 ⎟
100 ⎝ 100 ⎠
S2 ⋅ t 2 ⋅ p2 ⎛ t ⋅p ⎞
2 t2 S2 p2 S 2 ⋅ ⎜1 + 2 2 ⎟
100 ⎝ 100 ⎠
… ….. ….. ….. … …..
Sn ⋅ t n ⋅ pn ⎛ t ⋅p ⎞
n tn Sn pn S n ⋅ ⎜1 + n n ⎟
100 ⎝ 100 ⎠
TOTAL : ---- ---- ---- D(t0) S(t0)

Aşadar , avem :

1
• D(t 0 ) = ⋅ ∑ Sj ⋅ tj ⋅ pj
100 j=1,n
(2)
⎛ tj ⋅ pj ⎞
• S(t 0 ) = ∑ S j ⋅ ⎜⎜1 + ⎟⎟
j=1,n ⎝ 100 ⎠

Procentul implicit p este acel procent care :

- - pentru valoarea nominalā totalā S
−
- - în perioada comunā t

produce valoarea finalā S( t 0 ) sau dobânda D( t 0 ) .

Avem aşadar egalitāţile :

 -6-

⎛ 1 ⎞
⎜ ⋅ ∑ tj ⎟
⎛ ⎞ n ⎛ t ⋅p ⎞
⎜ ∑ S j ⎟ ⋅ ⎜1+ j=1,n ⋅ p ⎟ = ∑ S j ⋅ ⎜1+ j j ⎟ , deci :
⎜ j=1,n
⎝
⎟ ⎜
⎠ ⎜ 100 ⎟
j=1,n
⎜
⎝ 100 ⎟⎠
(3) ⎜ ⎟⎟
⎝ ⎠
1 ⎛ ⎞ ⎛ ⎞ 1
⋅ ⎜ ∑ Sj ⎟ ⋅ ⎜ ∑ tj ⎟ ⋅ p = ⋅ ∑ Sj ⋅ tj ⋅ pj
100 ⋅ n ⎜⎝ j=1,n ⎟⎠ ⎜⎝ j=1,n ⎟⎠ 100 j=1,n

sau , în final ,

n ⋅ ∑ Sj ⋅ tj ⋅ pj
j=1,n
(4) p=
⎛ ⎞ ⎛ ⎞
⎜ ∑ Sj ⎟ ⋅ ⎜ ∑ tj ⎟
⎜ j=1,n ⎟ ⎜ j=1,n ⎟
⎝ ⎠ ⎝ ⎠

Precizare : acest procent este o māsurā a “ eficienţei portofoliului “: cu cât acest procent
este mai mare,cu atât combinaţia de depozite din cadrul portofoliului este mai
avantajoasā.

Aplicaţia 1 : compararea a douā portofolii de depozite

Portofoliul 1 are compoziţia şi caracteristicile date de tabelul urmātor:

depozitul vechimea ( în luni ) valoare procent nominal

nr. la momentul t0 nominalā lunar
1 t1 = 6 S1 =180 p1 =12%
2 t 2 =11 S 2 = 75 p 2 = 8%
3 t3 = 7 S3 =115 p3 =10%
 -7-

Pentru acest portofoliu avem :

• ∑ S j ⋅ t j ⋅ p j = 6 ⋅ 180 ⋅ 12 +11 ⋅ 75 ⋅ 8 + 7 ⋅ 115 ⋅ 10 =
j=1,3
= 27610
(5) • ∑ S j =180 + 75 +115 = 370
j=1,3
• ∑ t j = 24
j=1,3

Atunci procentul implicit corespunzātor acestui portofoliu va fi :

3 ⋅ 27610
(6) p1 = = 9,328%
370 ⋅ 24
Portofoliul 2 este descris în tabelul urmātor :

depozitul nr. vechime ( în luni ) valoare procent nominal

la momentul t0 nominalā lunar
1 t1 = 9 S1 = 210 p1 = 13%
2 t 2 = 12 S 2 = 125 p 2 = 7%

Pentru acest portofoliu avem :

• ∑ S j ⋅ t j ⋅ p j = 9 ⋅ 210 ⋅ 13 +12 ⋅ 125 ⋅ 7 = 35070

j=1, 2
• ∑ S j = 335
j=1, 2
(7)
• ∑ t j = 21 ,
j=1, 2
2 ⋅ 35070
deci : p2 = = 9,97 %
335 ⋅ 21

Concluzie : al doilea portofoliu este mai eficient decât primul.

 -8-

Aplicaţia 2 : determinarea eficienţei asimptotice a unui portofoliu de depozite

Ne propunem sā determinām modul în care variazā in timp eficienţa portofoliului descris

de tabelul urmātor :

nr.crt. vechimea,în luni, valoarea procent nominal lunar de

, la momentul t0 nominalā,notatā dobândā,
j notatā sj notat pj
tj

1 5 100 15
2 9 250 12
3 4 350 18

La “x” luni dupā momentul t0 ,procentul echivalent corespunzātor acestui portofoliu va fi

3⋅ ∑ S j ⋅ p j ⋅ (t j + x)
j=1, 3
p( x ) = =
⎛ ⎞ ⎛ ⎞
⎜ ∑ S ⎟ ⋅ ⎜ ∑ (t + x ⎟
⎜ j=1,3 j ⎟ ⎜ j=1,3 j ⎟
⎝ ⎠ ⎝ ⎠
3 ⋅ [100 ⋅ 15 ⋅ (5 + x ) + 250 ⋅ 12 ⋅ (9 + x ) + 350 ⋅ 18 ⋅ (4 + x )]
(8) =
(100 + 250 + 350) ⋅ [(5 + x ) + (9 + x) + (4 + x )]
15,429 ⋅ x + 85,286
=
x+6

d 7,3
• p( x ) = > 0 ⇒ p( x ) este functie crescatoare
(9) dx ( x + 6)2
• p( x ) → 15,429 pentru x → ∞

Eficienţa asimptoticā a portofoliului va fi de 15,429 %

 -9-

Aplicaţia 3 : la momentul t0 dispunem de urmātorul portofoliu de depozite :

nr.crt. vechimea,în luni, valoarea procent nominal lunar de

, la momentul nominalā,notatā dobândā,
j t0,notatā sj notat pj
tj
1 4 90 15
2 10 55 8
3 7 75 12
4 6 60 14

La câte luni dupā momentul t0 , eficienţa portofoliului depāşeşte pragul de 12% ?

Rezolvare : avem

(10)

4 ⋅ [15 ⋅ 90 ⋅ ( 4 + x) + 8 ⋅ 55 ⋅ (10 + x) +12 ⋅ 75 ⋅ (7 + x ) +14 ⋅ 60 ⋅ (6 + x)]

p( x ) = =
(90 + 55 + 75 + 60) ⋅ [( 4 + x ) + (10 + x ) + (7 + x) + (6 + x)]

12,607 ⋅ x + 75,5
=
x + 6,7

Din ecuaţia : p( x ) ≥12 gāsim: x ≥ 9 .

 - 10 -

§ 1.5 : Aplicaţie : cazul unui depozit pe termen limitat , cu bonificaţie de dobândā;

criteriul ritmului maxim

Vom considera cazul unui depozit , în condiţiile urmātoare :

- - contractul de depozitare a sumei este încheiat pe un termen limitat ,

- anume de “n” luni ;
-
- - se iau în considerare douā procente nominale lunare de dobândā,anume:
- procentul principal po şi procentul secundar p1 ;
- rolul acestor douā procente este descris mai jos:

Presupunem cā depozitul se lichideazā la momentul “t” ( t ∈ N ) ; atunci

- - dacā t = n , atunci dobânda se calculeazā utilizānd procentul p0 ;

- - dacā t ≤ n-1 , atunci dobânda se calculeazā utilizānd procentul p1;
- - dacā t ≥ n+1 , atunci pentru primele “n” luni se aplicā procentul p0 ,
- iar pentru urmātoarele “ t-n “ luni , se aplicā procentul p1.

Aşadar , avem :
⎛ p ⋅t ⎞
• t =1, n − 1 ⇒ S(t ) = S 0 ⋅ ⎜ 1 + 1 1 ⎟
⎝ 100 ⎠
⎛ p ⋅n ⎞
(1) • t = n ⇒ S( n ) = S 0 ⋅ ⎜ 1 + 0 ⎟
⎝ 100 ⎠
⎛ p ⋅n ⎞ (t − n ) ⋅ p1
• t ≥ n + 1 ⇒ S( t ) = S 0 ⋅ ⎜ 1 + 0 ⎟ + S 0 ⋅
⎝ 100 ⎠ 100

Ritmul de variaţie al valorii S(t) , dat de expresia :

S(t + 1) − S(t )
(2) R(t ) =
S( t )

va fi :
 - 11 -

⎡ (t + 1) ⋅ p1 ⎤ ⎡ t ⋅ p1 ⎤
S 0 ⋅ ⎢1+ − S ⋅ ⎢⎣1+ 100 ⎥⎦
100 ⎥⎦
0
• t ≤ n − 2 ⇒ R(t ) = ⎣ , adica
⎡ t ⋅ p1 ⎤
S 0 ⋅ ⎢1 +
⎣ 100 ⎥⎦
i p
R(t ) = 1 , unde : i1 = 1
1+ t ⋅ i1 100

i1
(3) • t ≥ n +1 ⇒ R(t ) = ;
1 + t ⋅ i1 + n ⋅ (i 0 − i1 )
n ⋅ (i 0 − i1 ) + i1
• t = n −1 ⇒ R( n − 1) =
1 + (n − 1) ⋅ i1

i1
• t =n ⇒ R (n ) =
1+ n ⋅ i 0

Aplicaţie : pentru cazul ; n=6 luni ; p0 = 15% ; p1 = 8% , sā se determine luna în care

. ritmul de variaţie al valorii actuale este maxim.

Rezolvare : aplicând formulele precedente ,gāsim :

t 1 2 3 4 5 6 7 8
R(t) 0,074 0,069 0,065 0,061 0,357 0,0,042 0,040 0,039

Aşadar , ritmul maxim se înregistreazā în luna t=5.

§ 1.6: Compararea regimului de dobândā anticipatā cu cel de dobândā posticipatā

Cadrul problematicii este urmātorul : am nevoie de suma S , pe care sunt

nevoit sā o împrumut.
Pot restitui împrumutul peste “ n “ ani . Procentul nominal de dobândā simplā este “ p “.
Am de ales între douā modalitāţi de a trata afacerea
varianta posticipatā : mā prezint la ghişeu, semnez cā am primit suma S ,încasez
efectiv aceastā sumā , apoi îmi vād de treabā pânā la scadenţa împrumutului : la
scadenţā, plātesc suma S , împreunā cu dobânda corespunzātoare pe ´n ´ ani , adicā
 - 12 -

n
' ⎛ p ⎞
(1) S = S ⋅ ⎜1 + ⎟ ;
⎝ 100 ⎠
- varianta anticipatā : mā prezint la ghişeu, semnez cā am primit suma S ,dar nu
încasez efectiv aceastā sumā : primesc numai suma S din care s-a reţinut dobânda
pe cei “ n “ ani, adicā primesc numai suma L datā de expresia (2) de mai jos :

⎡⎛ p ⎞
n ⎤ ⎡ ⎛ p ⎞ ⎤
n
(2) L = S − S ⋅ ⎢⎜1 + ⎟ − 1 ⎥ = S ⋅ ⎢ 2 − ⎜1 + ⎟ ⎥
⎢⎣⎝ 100 ⎠ ⎥⎦ ⎢⎣ ⎝ 100 ⎠ ⎥⎦

Observare : evident cā nu voi încheia împrumutul , dacā în chiar momentul semnārii sale
va trebui sā mai şi plātesc , adicā dacā ar apārea situaţia L < 0 : din condiţia L > 0 , pentru
fiecare numār de ani precizat , se deduce o valoare a procentului minim , pentru care
operaţiunea mai are sens , adicā pentru care avem L = 0 : în tabelul urmātor, sunt
precizate câteva astfel de valori:

TABEL
cu valorile maxime ale
procentului de dobanda
numarul procent
de ani maxim
1 100
2 41,4
3 26,0
4 18,9
5 14,9
6 12,2
7 10,4
8 9,1
9 8,0
10 7,2

In aceastā variantā , la scadenţā plātesc valoarea nominalā a contractului de

împrumut,adicā suma S integralā .
Care dintre variante este mai avantajoasā pentru persoana care ia împrumutul ?
 - 13 -

Rezolvare : problema este de fapt următoarea : ce criteriu folosesc spre a putea

compara cele douā variante ?

Voi folosi urmātorul mod de a raţiona : imediat ce am încasat suma ce-mi revine ( adicā S
în sistem posticipat , respectiv L – în sistem anticipat ) constat cā nu mai am nevoie de
acei bani , şi decid sā îi depun , pe “n” ani , cu acelaşi procent “p” de dobândā.
Sā vedem care va fi situaţia la scadenţa împrumutului .
-
-
- - In varianta posticipatā , suma S depusā va deveni la scadenţa egalā cu
. S’, deci exact cu suma pe care ar trebui sā o
plātesc în acel moment ; aşadar , nu ar trebui sā scot nici un ban din buzunar
pentru a lichida împrumutul.
-
-
- In varianta anticipatā : suma depusā va fi de fapt suma L : în “n” ani ,cu
dobânda “p” , aceastā sumā devine

'' ⎛ p ⎞
n ⎡ ⎛ p ⎞ ⎤ ⎛
n
p ⎞
n
(3) S = L ⋅ ⎜1 + ⎟ = S ⋅ ⎢ 2 − ⎜1 + ⎟ ⎥ ⋅ ⎜1 + ⎟
⎝ 100 ⎠ ⎢⎣ ⎝ 100 ⎠ ⎥⎦ ⎝ 100 ⎠

Sā comparām sumele S şi S’’ : avem

⎡ ⎛ p ⎞ ⎤ ⎛
n
p ⎞
n
S ⋅ ⎢ 2 − ⎜1 + ⎟ ⎥ ⋅ ⎜1 + ⎟
S '' ⎢
⎣ ⎝ 100 ⎠ ⎥
⎦ ⎝ 100 ⎠ ⎡ ⎛ p ⎞ ⎤ ⎛
n
p ⎞
n
(4) = = ⎢ 2 − ⎜1 + ⎟ ⎥ ⋅ ⎜1 + ⎟
S S ⎢⎣ ⎝ 100 ⎠ ⎥⎦ ⎝ 100 ⎠

Valorile acestui raport sunt mai mici sau chiar mult mai mici decât 1 ( depinde de
valoarea lui “n” şi de valoarea lui “p” ) , ceeace aratā cā la scadenţā voi dispune de mai
 - 14 -

puţini bani decât am de plātit. In tabelul urmātor , apar valorile raportului S’’/S , pentru
câteva valori ale lui “n” şi ale lui “p”:
p

5 10 15 20 25 30 35
1 0,9975 0,99 0,9775 0,96 0,9375 0,91 0,8775
2 0,9895 0,9559 0,896 0,8064 0,6836 0,5239 0,3235
3 0,9752 0,8904 0,7287 0,47 0,0916 negativ negativ
4 0,9536 0,7846 0,439 negativ negativ negativ negativ
n 5 0,9237 0,6273 negativ negativ negativ negativ negativ
6 0,8843 0,4047 negativ negativ negativ negativ negativ
7 0,8343 0,0999 negativ negativ negativ negativ negativ
8 0,772 negativ negativ negativ negativ negativ negativ
9 0,696 negativ negativ negativ negativ negativ negativ
10 0,6045 negativ negativ negativ negativ negativ negativ

In concluzie : varianta posticipatā este mai avantajoasā pentru persoana

care ia împrumutul.

Exemplu numeric : vom analiza comparativ cele douā variante de acordare a

împrumutului , în cazul : valoarea nominalā a împrumutului este S= 1 milion ; scadenţa
este de 1 an ; procentul de dobândā este p = 10.
- Varianta posticipatā : - la prezentare , persoana care ia împrumutul
semneazā pentru 1 milion şi încaseazā un milion ;
- La scadenţā , el va restitui suma :

⎛ 10 ⎞
S' =1000000 ⋅ ⎜1 + ⎟ =11000000 lei ;
⎝ 100 ⎠
- Varianta anticipativā : la prezentare , persoana semneazā de primire pentru
1 milion , dar primeşte numai suma de 900.000 lei .Depusā spre fructificare pe
timp de un an , aceastā sumā devine în final :

⎛ 10 ⎞
S'' = 900000 ⋅ ⎜1 + ⎟ = 990.000 lei .
⎝ 100 ⎠
 - 15 -

Deci , dacā persoana vrea sā plāteascā Imprumutul pe baza depunerii fācute , ar mai
trebui sā adaoge 10.000 lei din propriul buzunar

Aplicaţie numericā: în momentul de faţā , salariul meu este de 4.600.000 lei , plātibil la
. sfârşitul fiecārei luni. Printr-o convenţie încheiatā cu facultatea ,
am optat pentru altā modalitate de platā : aş dori sā primesc douā tranşe egale , prima
plātitā la începutul lunii , iar cealaltā la mijlocul lunii .
Nu-i aşa cā ar urma sā primesc câte 2.300.000 lei de fiecare datā ?
Rāspuns : nu , nu – i deloc aşa ! Motivul este acela cā , plātindu-mā în avans faţā de
. prevederile contractului , facultatea mā va credita cu cele douā tranşe , deci
voi fi dator sā acopār şi dobânzile corespunzātoare acestora !
Sā considerām , de exemplu , un procent lunar de dobândā de 20 % , şi sā notām valoarea
comunā a celor douā tranşe prin “ x “ : atunci

- tranşe la plata primei: devin dator facultāţii cu suma “x” pe timp de 1 lunā ;
la sfârşitul lunii , valoarea acestei datorii va deveni

⎛ 20 ⎞
S1 = x ⋅ ⎜1+ ⎟ =1,2 ⋅ x
⎝ 100 ⎠

- la plata celei de-a doua tranşe , voi deveni dator faţā de facultate cu suma
“x” pe timp de 2 sāptāmâni : aşadar , la sfârşitul lunii , voi avea de acoperit
datoria

⎛ 20 ⎞
S 2 = x ⋅ ⎜1 + ⎟ =1,1 ⋅ x
⎝ 2 ⋅ 100 ⎠

- la sfārşitul lunii , valoarea cumulatā a celor douā debite va trebui sā fie egalā
cu salariul nominal de 4.600.000 lei , adicā

S1 + S 2 = 4.600.000 lei
⇒ 1,2 ⋅ x +1,1 ⋅ x = 4.600.000 lei
⇒ x = 2.000.000 lei
 - 16 -

In final : în sistemul preferat de mine , ar urma sā primesc douā tranşe de câte 2 milioane
lei , prima plātibilā la începutul lunii , iar cea de-a doua , la mijlocul lunii : aceste douā
tranşe sunt echivalente cu o singurā platā , de 4.600.000 lei , plātibilā la sfârşitul lunii.
 -1-

CAPITOLUL 2 : DOBANDA COMPUSA

§ 2.1: Prezentarea problemei : operaţiuni financiare fracţionate , cu

. capitalizarea dobânzii

Dispunem de datele urmātoare :

perioada t1 t2 … tj … tn
depozitārii ( ani )
% nominal anual de p1 p2 … pj … pn
dobândā simplā

Presupunem cā se efectueazā urmātoarele operaţiuni :

- la începutul perioadei t1 se constituie un depozit de valoare nominalā S0 ;

- la sfârşitul perioadei t1: depozitul se lichideazā şi valoarea finalā obţinutā se
constituie depozit pe perioada de timp t2, cu procentul nominal de dobândā
simplā p2 , etc
- în general : valoarea finalā a depozitului,corespunzātoare perioadei tk-1 , este
luatā drept valoare iniţialā pentru perioada tk.

Ne propunem sā determinām valoarea depozitului , la sfârşitul perioadei finale tn .

Vom folosi urmātoarele notaţii :

- Ak = valoarea depozitului la începutul perioadei tk ;

- Bk = valoarea depozitului la sfârşitul perioadei tk ;

Avem urmātoarele relaţii de recurenţā :

 -2-

⎧ A1 = S 0
⎪⎪
• k =1 ⇒ ⎨
⎪B1 = S 0 ⋅ ⎛⎜ 1 + t1p1 ⎞⎟
⎩⎪ ⎝ 100 ⎠

⎧ A 2 = B1
⎪⎪
•k=2⇒ ⎨
⎪B 2 = B1 ⋅ ⎛⎜ 1 + t 2p 2 ⎞⎟ = S 0 ⋅ ⎛⎜ 1 + t1p1 ⎞⎟ ⋅ ⎛⎜ 1 + t 2p 2 ⎞⎟
⎩⎪ ⎝ 100 ⎠ ⎝ 100 ⎠ ⎝ 100 ⎠

⎧ A3 = B2
⎪⎪
•k=3⇒ ⎨
⎪B 3 = B 2 ⋅ ⎛⎜ 1 + t 3p 3 ⎞⎟ = S 0 ⋅ ⎛⎜ 1 + t1p1 ⎞⎟ ⋅ ⎛⎜ 1 + t 2p 2 ⎞⎟ ⋅ ⎛⎜ 1 + t 3p 3 ⎞⎟
⎪⎩ ⎝ 100 ⎠ ⎝ 100 ⎠ ⎝ 100 ⎠ ⎝ 100 ⎠
........................................

In general,vom avea :

⎧ Ak = Bk −1
⎪
• t =k ⇒ ⎨ ⎛ t p ⎞ , deci :
Bk = Bk −1 ⋅ ⎜1+ k k ⎟
⎪⎩ ⎝ 100 ⎠

⎛ t jp j ⎞
• Bk = S 0 ⋅ ∏ ⎜⎜1 + ⎟⎟
j=1,k ⎝ 100 ⎠
⎛ t jp j ⎞
• Sfinal = Bn ⇒ Sfinal = S 0 ⋅ ∏ ⎜⎜1+ ⎟⎟
j=1,n ⎝ 100 ⎠

Rāspuns : avem

⎛ t jp j ⎞
. (1) S final = S 0 ⋅ ∏ ⎜⎜1+ ⎟
⎟
j =1, n ⎝ 100 ⎠
 -3-

Operaţiunea de anuitāţi nealimentate :este un caz particular , anume cazul în care avem

t1 = t 2 = ... = t n = 1 an

⎛ pj ⎞
Pentru aceastā operaţiune avem evident : S final = S 0 ⋅ ∏ ⎜⎜1+ ⎟
j=1,n ⎝ 100 ⎟⎠

Operaţiunea de dobândā compusā corespunde cazului unor anuitāţi nealimentate , cu

. procent constant

⎧t1 = t 2 = ... = t n = 1 an
adicā : ⎨ .
p
⎩ 1 = p 2 = ... = p n = p

n
⎛ p ⎞ ⎛ p ⎞
Atunci avem : Sfinal = S 0 ⋅ ∏ ⎜1 + ⎟ = S 0 ⋅ ⎜1 + ⎟ .
j=1,n ⎝ 100 ⎠ ⎝ 100 ⎠

§ 2.2 : Determinarea procentului mediu de dobândā simplā şi a procentului mediu de

dobândā compusā în cazul unei operaţiuni cu procent de dobândā variabil .

Fie datele :

Perioada nr. 1 2 … n Total:

Durata ( ani ) t1 t2 … tn T

% nominal de p1 p 2 … pn
dobândă

Atunci perioada totalā a operaţiunii este : T = ∑ tj : presupunem cā la începutul

j=1,n
perioadei T se constituie un depozit cu valoarea nominalā S0 .
 -4-

- Procentul mediu de dobândā simplā pe perioada T , corespunzātor

procentelor şi duratelor din tabel , este procentul notat p s , care , la sfârşitul
perioadei T , produce o sumā finalā de valoare
.
⎛ t jp j ⎞
- S'final = S 0 ⋅ ∏ ⎜⎜1 + ⎟⎟ .(1)
j=1,n ⎝ 100 ⎠

Calculând valoarea finalā a sumei S0 în regim de dobândā simplā , gāsim

⎛ p ⋅T⎞
S''final = S 0 ⋅ ⎜⎜1+ s ⎟⎟ (2)
⎝ 100 ⎠

Egalând expresiile (1) , (2) , gāsim:

⎛
p jt j ⎞
n
∏ ⎜⎜1 +⎟⎟ −1
100
ps =100 ⋅ ⎝ ⎠
j=1
(3).
∑ tj
j=1,n

Expresia (3) dā valoarea procentului mediu echivalent de dobândā simplā ,

corespunzātor unei operaţiuni cu procent de dobândā variabil în timp.

- Procentul mediu de dobândā compusā pe perioada T , corespunzātor

procentelor şi duratelor din tabel , este procentul notat p c , care , la sfârşitul
perioadei T , produce o sumā finalā de valoare

⎛ t jp j ⎞
. S'final = S 0 ⋅ ∏ ⎜⎜1 + ⎟⎟ .(1)
j=1,n ⎝ 100 ⎠

Calculând valoarea finalā a sumei S0 în regim de dobândā compusā , gāsim

T
⎛ p ⎞
S'''final = S 0 ⋅ ⎜⎜1 + c ⎟⎟ (4)
⎝ 100 ⎠
 -5-

Egalând expresiile (1) , (4) , gāsim:

⎡ ⎛ pj ⋅ tj ⎞ ⎤
pc =100 ⋅ ⎢T ∏ ⎜1+ ⎜ ⎟ − 1⎥ (5).
⎢⎣ j=1,n ⎝ 100 ⎟⎠ ⎥⎦

Expresia (5) dā valoarea procentului mediu echivalent de dobândā compusā ,

corespunzātor unei operaţiuni cu procent de dobândā variabil în timp.

Aplicaţie: pentru operaţiunea în regim de dobândā simplā cu capitalizare , pe 19 luni ,

descrisā în tabelul urmātor:

numār de 3 5 4 7 Total:
luni , tj T = 19
procent de dobândā 18% 12% 15% 20% ------
simplā , pj

Sā determinām procentele medii echivalente p s , p c .

Rezolvare : avem

4 ⎛ p j ⋅ t j ⎞ ⎛ 3 ⋅ 18 ⎞ ⎛ 5 ⋅ 12 ⎞ ⎛ 4 ⋅ 15 ⎞ ⎛ 7 ⋅ 20 ⎞
∏ ⎜⎜1+ ⎟ = ⎜1 + ⎟ ⋅ ⎜1 + ⎟ ⋅ ⎜1 + ⎟ ⋅ ⎜1 + ⎟ = 9,462
j=1⎝ 100 ⎟⎠ ⎝ 100 ⎠ ⎝ 100 ⎠ ⎝ 100 ⎠ ⎝ 100 ⎠

9,462 −1
Atunci : - din formula (3) gāsim : ps = ⋅ 100 = 44,536% lunar
19

( )
- din formula (5) gāsim : pc = 19 9,462 − 1 ⋅ 100 =12,556 % lunar
 -6-

§ 2.3 : Metoda comercialā de calcul al procentului de dobândā compusā corespunzātor

unei fracţiuni a anului

Formula riguroasā de determinare a procentului fracţionat nu este consideratā ca

fiind de referinţā în literaturā , fiind utilizatā numai în studii strict teoretice .
Varianta curentā , numitā “ metoda comercialā “ , constā în urmātoarele :

- se dā rata anualā a dobânzii, notatā cu “ r “ ;

- se dā numārul de subperioade în care este împārţit anul (*) , notat cu “n” ;
- se noteazā prin “ q “ rata dobânzii corespunzātoare unei subperioade : atunci
se foloseşte formula :

(*) adicā : n=2 pentru rata semestrialā ; n= 4 pentru rata trimestrialā , etc
n
⎛ r⎞
q = ⎜1 + ⎟ − 1
⎝ n⎠ .

Aceastā ratā , pe care o numim “ rata anualā efectivā “ ,este mai mare decât rata
anualā nominalā : de exemplu , pentru rata anualā nominalā de : r = 0,24 ( deci p = 24%) ,
avem :
- pentru n = 2 , rata anualā efectivā va fi de 0,2544 ( adicā p = 25,44%) ;
- pentru n = 4 , rata anualā efectivā va fi de 0,2625 ( adicā p = 26,25%) ;
- pentru n = 12 , rata anualā efectivā va fi de 0,2682 ( adicā p = 26,82%) ;
 CAPITOLUL 3 : Plāţi eşalonate ( anuitāţi )

§ 3.1: Clasificarea anuitāţilor

Anuitāţile reprezintā plāţi periodice,efectuate la intervale de timp egale ( deobicei anual ) .

Ele reprezintā mijloace de platā , de amortizare a unor împrumuturi , etc.
Drept cele mai simple exemple ,s-ar putea cita :
- plata ratelor unui împrumut
- plāţile de tip salarial , bursele , etc.

Clasificare :

a); temporare plāţile au loc pe o duratā limitatā de timp

perpetue nu este prevāzutā încetarea operaţiunii la un termen fixat
în prealabil
b); constante suma plātitā anual este aceeaşi în toţi anii în care se desfāşoarā
operaţiunea
variabile suma plātitā anual se schimbā de la un an la altul , dupā un
plan prevāzut în mod explicit în contract
c); certe suma ce urmeazā a fi plātitā ( constantā sau variabilā ) este prevāzutā
în prealabil în contract ,şi se presupune cā este respectatā întocmai
aleatoare la termenul fixat : - nu se ştie dacā plata va avea loc sau nu
- nu se ştie care va fi valoarea efectivā a plāţii
d): imediate prima platā are loc chiar în anul în care se încheie contractul
amînate prima platā va avea loc dupā un numār de ani ,
deasemeni fixat prin contract
e): anticipate plāţile se fac la începutul fiecārui an : prima platā are loc
deci chiar în momentul semnārii contractului
posticipate plāţile se fac la sfârşitul fiecārui an

Se mai întâlnesc şi alte tipuri de anuitāţi , pe care le vom descrie în cadrul exemplelor efective.
Scopul de principiu pe care ni-l propunem este determinarea valorii finale a unei operaţiuni de anuitāţi.
 § 3.2: Anuitāţi imediate,temporare,anticipate,constante,certe

Ipoteze : - operaţiunea se desfāşoarā timp de “n” ani ;

- la începutul fiecārui an , începând chiar cu primul an , se depune o sumā S , aceeaşi în toţi
anii ;
- sumele depuse se fructificā cu procentul nominal anual de dobândā simplā “p” ;
- este sigur cā operaţiunile prezentate anterior au loc conform prevederilor ( ⇔ au caracter
cert ) .

Schema operaţiunilor :

anul suma aflatā în depunere în cont valoarea contului valoarea contului

nr. cont la începutul la începutul la începutul anului la sfârşitul anului
anului anului
1 0 S A1= 0+S = S B1=S⋅u
2 B1 S A2 = B1 + S = S + S⋅u = B2= A2⋅u =
= S⋅ ( 1 + u ) = S⋅u⋅(1+u)
3 B2 S A3 = B2 + S= B3= A3⋅u=
=S⋅(1+u+u2) =S⋅u⋅(1+u+u2)
4 B3 S A4 = B3 + S = B4= A4⋅u=
2 3
= S⋅(1+u+u +u ) = S⋅u⋅(1+u+u2+u3)
… … ……. ……. …….
n Bn-1 S An = Bn-1 + S Bn= An⋅u

Aşadar , este clar cā avem

- Valoarea operaţiunii la începutul anului ”n” este de :

2 n −1 un − 1 (1 + i )n − 1
(1) . An = S ⋅ (1 + u + u + ... + u )=S ⋅ =S ⋅
u −1 i
- Valoarea finalā a operaţiunii , adicā valoarea de la sfârşitul anului “n”
este :

2 n −1 (1 + i )n − 1
(2) . Bn = S ⋅ u ⋅ ( 1 + u + u + ... + u )=S ⋅ ⋅ (1 + i )
i

Problemā: ce sumā trebuie depusā lunar,la începutul fiecārei luni , timp de 3 ani, astfel încât la
sfârşitul celor trei ani sā dispun de suma de 100 milioane lei ?
Procentul nominal de dobândā anualā este de 24 .
Rezolvare : întâi trebuie sā gāsim procentul lunar echivalent,corespunzātor procentului anual de 24 %.
p 24
Fiind vorba de dobândā simplā,avem : p lunar = anual ⇔ p lunar = = 2%
12 12
Atunci,pentru a folosi formula (2) de mai sus , avem:
• n = 3 ⋅ 12 = 36 luni
p
• i = lunar = 0,02
100

• B n = 100 milioane ; S = ?
(1 + i )n − 1
deci : relatia B n = S ⋅ ⋅ (1 + i ) devine
i
1,0236 − 1
100 = S ⋅ ⋅1,02 ⇒ S = 1,886
0,02

Rāspuns : trebuie sā depunem câte 1,886 milioane lei lunar.

 § 3. 3 : Anuitāţi imediate,temporare,posticipate,constante,certe

Ipoteze : - operaţiunea se desfāşoarā timp de “n” ani ;

- la sfârşitul fiecārui an , începând chiar cu primul an , se depune o sumā S , aceeaşi în toţi

anii ;

- sumele depuse se fructificā cu procentul nominal anual de dobândā simplā “p” ;

este sigur cā operaţiunile prezentate anterior au loc conform prevederilor ( ⇔ au caracter cert ) .

Schema operaţiunilor :

anul suma aflatā în ce devine suma depunere în cont valoarea contului

nr. cont la începutul aflatā în cont la la sfârşitul la sfârşitul anului
anului începutul anului , anului
în momentul termi-
nārii anului
1 A1=0 0 S B1 = A1+S = S
2 A2 = B1⇔ A2 = S S⋅u S B2 = S+S⋅u = S⋅(1+u)
3 A3 = B2 ⇔ S⋅(1+u)⋅u S B3 = S+ S⋅(1+u)⋅u =
A3 = S⋅(1+u) = S⋅(1+u+u2)
4 A4 = B3 ⇔ S⋅(1+u+u2)⋅u S B4 = S+ S⋅(1+u+u2)⋅u =
A4 = S⋅(1+u+u2) = S⋅(1+u+u2+u3)
… … …….. ……. …….
n An = Bn-1 Bn-1⋅u S Bn = Bn-1⋅u + S

Aşadar , avem în mod evident :

Valoarea finalā a operaţiunii , adicā valoarea de la sfârşitul anului “n”

este :

2 n −1 (1 + i )n − 1
(3). B n = S ⋅ ( 1 + u + u + ... + u )=S ⋅
i
 § 3 .4 : Anuitāţi amânate , posticipate , perpetue : problema rentei viagere

Ipotezele operaţiunii sunt urmātoarele :

- la momentul t = 0 , se încheie un contract ,prin care se prevede ca , la sfârşitul fiecārui an ,
sā se depunā o anumitā sumā fixā , S;
- procentul nominal de dobândā anualā este “ p” ; acest procent este presupus constant pe
toatā durata derulārii contractului ;
- contractul se semneazā acum , dar depunerea efectivā începe de-abia peste ´m ´ani ( se
spune cā anuitatea este amânatā cu ‘m’ ani ) ;

Observare : la sfârşitul anului ‘n’ numārat din momentul semnārii contractului , valoarea actualā a
contractului este de :

(1 + i )n − m − 1
Bn = S ⋅ ,
i
deoarece pânā în acel moment au avut loc ‘ n-m’ depuneri ( vezi § 7.3).

Acum ne punem urmātoarea problemā înruditā :

- la momentul t = 0 , doresc sā depun o sumā unicā , S , cu procentul nominal de dobândā
simplā ‘p’, astfel încât : - peste ‘m’ ani , la sfârşitul fiecārui an , sā primesc o sumā R , pe
toatā durata vieţii.
- Presupunem cā toate operaţiunile de capitalizare au loc în regim de dobândā simplā.

Precizare : suma R se numeşte “ rentā viagerā “ ( viagerā ⇔ pe toatā durata vieţii ).

Rezolvare : depunerea iniţialā S rāmâne în depozit ‘ m+1’ ani,deoarece prima platā a rentei R
are loc de-abia la sfârşitul anului ‘m+1’ : în acest timp, valoarea contractului ajunge la nivelul :
⎡ p ⎤
C = S ⋅ ⎢1 + ( m + 1) ⋅
100 ⎥⎦
.
⎣
In chiar acest moment , din suma C se retrage renta R , rāmânând în depozit suma ‘ C- R ‘ .
Acum , suma C-R trebuie sā producā , prin fructificare cu procentul ‘p’ , timp de 1 an , exact suma
necesarā plāţii urmātoarei rente , deci renta R trebuie sā fie egalā chiar cu dobânda la suma C – R pe
timp de 1 an , deci :
1+ i 1+ i
(C − R ) ⋅ i = R ⇔ C = R ⋅ ⇔ S ⋅ [1 + ( m + 1) ⋅ i ]= R ⋅
i i
 1+ i
sau , în final , S = R ⋅ .
i ⋅ [1 + ( m + 1) ⋅ i ]

Exemplu numeric : ce sumā trebuie depusā acum , ca , începând cu al patrulea an , la sfārşitul

fiecārui an , sā primesc suma de 50 milioane lei ?
Procentul nominal de dobândā simplā , de 20, este presupus constant :se presupune cā toate
capitalizārile au loc în regim de dobândā simplā,
Rezolvare : avem R = 50 ; p = 20 ; i = 0,2 ; m=3 ⇒
1 + 0, 2
. S = 50 ⋅ =166,67 milioane .
0,2 ⋅[1 + (3 + 1) ⋅ 0,2]

Aplicaţie : sā efectuām calculul rentei viagere , în condiţiile în care plata rentei are loc la începutul
. fiecārui an.
Aşadar :
- la momentul t = 0 , doresc sā depun o sumā unicā , S , cu procentul nominal de dobândā
simplā ‘p’, astfel încât : - peste ‘m’ ani , la începutul fiecārui an , sā primesc o sumā R , pe
toatā durata vieţii.
- Presupunem cā toate operaţiunile de capitalizare au loc în regim de dobândā simplā.

Rezolvare : acum , depunerea iniţialā S rāmâne în depozit numai ‘ m’ ani ,deoarece prima
platā a rentei R are loc la începutul anului ‘m+1’, care coincide cu sfârşitul anului ‘m’ : în acest timp,
valoarea contractului ajunge la nivelul :

C = S ⋅ (1 + m ⋅ i ) .

In chiar acest moment , din suma C se retrage renta R , rāmânând în depozit suma ‘ C - R ‘ .
Acum , suma C - R trebuie sā producā , prin fructificare cu procentul ‘p’ , timp de 1 an , exact suma
necesarā plāţii urmātoarei rente , deci renta R trebuie sā fie egalā chiar cu dobânda la suma C – R pe
timp de 1 an , deci :

1+ i 1+ i
(C − R ) ⋅ i = R ⇔ C = R ⋅ ⇔ S ⋅ (1 + m ⋅ i ) = R ⋅
i i

1+ i
sau , în final , S = R ⋅ .
i ⋅ (1 + m ⋅ i )

== // ==
 -1-

4 . INTRODUCERE ÎN TEORIA PROBABILITĂŢII

4.1 : Câmp de evenimente : câmp de probabilitate

Fie E – o mulţime nevidă : fie K ⊂ P (E ) - o mulţime nevidă de părţi ale lui E.

Definiţie : perechea ( E , K ) este numită câmp de evenimente dacă au loc
proprietăţile :
- 1: A ∈ K ⇒ A ∈ K ;
- 2: {A i }i∈ I ⊂ K ⇒ U A i ∈K .
i∈ I
Aici prin A = E / A am notat complementara mulţimii A .
Notă : elementele mulţimii K vor fi numite evenimente .

Consecinţe : - 1 : însăşi mulţimea E este un eveniment , numit evenimentul sigur .

• K ≠ φ → (∋ ) A∈ K
• A ∈ K → A ∈ K , cf . axiomei 1
Demonstraţie :
• A∈ K , A∈K → A ∪ A∈K
• dar A ∪ A = E , deci E∈ K

- 2: mulţimea vidă este un eveniment , numit evenimentul imposibil

Demonstraţie :
• E∈ K → E∈ K
• dar : E = φ , deci φ ∈ K

- 3 : intersecţia a două evenimente este tot un eveniment

Demonstraţie :
• fie A , B − evenimente , adica : A ∈ K , B ∈ K
• cf . axiomei (1) , avem A , B ∈ K ;
• cf . axiomei ( 2) , avem : A ∪ B ∈ K ;
• cf . axiomei (1) , avem : A ∪ B ∈ K ;
• stim ca : A ∪ B = A ∩ B ;
• in final : A ∩ B ∈ K .

== // ==
Categorii de evenimente : - evenimentele A , B se numesc compatibile , dacă
 -2-

A∩B≠φ ;
- evenimentele A , B se numesc incompatibile , dacă
-
A∩B=φ .

Exemplu : considerăm experienţa : aruncarea unui zar omogen , cu înregistrarea

punctajului obţinut. Fie evenimentele

E k = " in urma aruncarii se obtine punctajul k " ,

.
k = 1, 6;

{ }
Considerăm E = Ek k =1,6 şi fie K = mulţimea părţilor lui E : atunci cuplul
( E , K ) este câmpul de evenimente asociat experienţei în cauză.
De exemplu , în acest câmp , - pentru evenimentul “
A = “ punctaj număr impar “
este valabilă scrierea :
A = { E1, E3 , E5 } .
- pentru evenimentul
B = “ punctaj ≥ 3 “
este valabilă scrierea :
B = { E3 , E4 , E5 , E6} .
Atunci avem :
• A ∩ B = { E 3 , E5 }
• A ∪ B = { E1 , E 3 , E4 , E5 , E6 }
• A = { E 2 , E4 , E6 }.

Precizare importantă : - evenimentele de forma Ek , ce corespund la situaţiile fizic

posibile ce apar în cursul experienţei , vor fi numite
evenimente elementare ;
- mulţimea tuturor evenimentelor elementare va fi numită
uneori mulţimea de cazuri posibile asociată experienţei ;
- mulţimea evenimentelor elementare implicată într-un
eveniment se mai numeşte şi mulţime de cazuri favorabile
pentru avel eveniment .
De exemplu , evenimentul A ∩ B de mai înainte , are drept
mulţime de cazuri favorabile , pe : { E 3 , E5 } .
 -3-

Definiţie : fie ( E , K ) un câmp de evenimente : o funcţie P : K → R se numeşte funcţie

de probabilitate pe câmpul ( E , K ) , dacă

• pentru orice A ∈ K , avem : P( A ) ≥ 0

• probabilitatea evenimentului sigur este 1 , P(E) = 1
• pentru orice familie de evenimente {A i }i∈I , cu I ⊂ N , pentru
care avem : i ≠ j ⇒ A i ∩ A j = φ , are loc relatia
P ( U Ai ) = ∑ P ( Ai )
i∈I i∈I

== // ==

Consecinţe :
- 1 : probabilitatea oricărui eveniment A verifică relaţia : 0 ≤ P ( A ) ≤ 1
Demonstraţie : fie un eveniment A ; avem

A∪ A=E
• ⇒ P ( A ∪ A ) = P( A ) + P( A ),
A∩ A=φ
adica : P( A ) + P( A ) = 1 , si P( A ) ≥ 0 ;
• in final : P( A ) ≤ 1 .

-2 : probabilitatea evenimentului imposibil este zero

E∪ φ=E
• ⇒ P(E) = P(E ∪ φ) , deci :
E∩ φ=φ
1 = P( E) + P( φ ) ⇒ P( φ ) = 0

- 3: pentru orice evenimente A , B avem

• P( A ∪ B ) = P( A ) + P( B ) − P( A ∩ B )
 -4-

Demonstraţie :

• P( A ∪ B ) = P( A / B ) + P( B / A ) + P( A ∩ B ) ;
• P( A ) = P( A / B ) + P( A ∩ B ) ⇒ P( A / B ) = P( A ) − P( A ∩ B )
• P( B ) = P( B / A ) + P( A ∩ B ) ⇒ P( B / A ) = P( B ) − P( A ∩ B )
in final :
• P( A ∪ B ) = [ P( A ) − P( A ∩ B ) ] + [ P( B ) − P( A ∩ B ) ] + P( A ∩ B ) =

== // ==

Observare : In cazul unui câmp finit de evenimente , drept funcţie de probabilitate

se poate lua funcţia elementară de probabilitate , dată de :

numãrul de cazuri favorabile lui X

P( X ) =
numãrul de cazuri posibile corespunzãtor experienþei

De exemplu : pentru experienţa cu aruncarea unui zar şi înregistrarea punctelor :

pentru X = “ punctaj ≤ 4 “ , avem drept cazuri favorabile
{ E1, E2, E3, E4} , deci :
4
P( X ) = .
6
In cazuri în care numărul de cazuri favorabile nu poate fi utilizat , se ia în considerare
o definiţie mai generală , anume :

mãsura multimii de cazuri favorabile lui X

P( X ) =
mãsura multimii de cazuri posibile

Aici prin “ măsură “ vom înţelege “ arie , greutate , volum , lungime , valoare , etc.

Exemplu : într-un pătrat de latură 2 cm . este înscris un cerc .

Se aruncă la întîmplare un punct , în aşa fel încât să nimerească în
interiorul pătratului.

Se cere probabilitatea ca punctul să nimerească în cercul înscris.

 -5-

Rezolvare . drept “ măsură “ vom folosi aria ‘

- mulţimea cazurilor posibile este mulţimea punctelor pătratului , de arie 4 ;

- cercul înscris are raza 1 , deci aria sa este π·12 = π ;

- fie evenimentul : X = “ punctul aruncat la întâmplare nimereşte

în cerc “

- avem :
aria cercului π
P(X )= = .
aria patratului 4

Definiţie : - două evenimente X , Y aparţinând unui câmp de probabilitate dat

sunt independente , dacă :

P ( X ∩ Y ) = P( X ) ⋅ P( Y ) ;

- două evenimente X , Y aparţinând unui câmp de probabilitate dat

sunt dependente , dacă :

P ( X ∩ Y ) ≠ P( X ) ⋅ P( Y )

== // ==

Exemplu : In intervalul [ 0 ; 10 ] , se consideră intervalele A = [ 1 ; 5 ] si B = [ 3 ; 9 ].

Se aruncă la întîmplare un punct , astfel încât să fie sigur că nimereşte în
intervalul [ 0 ; 10 ].

Fie evenimentele : X = “ punctul nimereşte în intervalul A “ ;

Y = “ punctul nimereşte în intervalul B “ ;

Considerăm , ca măsură , lungimea .

Să se stabilească dacă evenimentele X , Y sunt dependente sau independente.
 -6-

Rezolvare :
avem

lungimea intervalului A 5 −1 2
P( X)= = = ;
lungimea intervalului [ 0 ; 10 ] 10 − 0 5

lungimea intervalului B 9−3 3

P(Y)= = = ;
lungimea intervalului [ 0 ; 10 ] 10 − 0 5

5− 3 1
Cum A ∩ B = [ 3 ; 5 ] , deci : P ( A ∩ B ) = = ;
10 − 0 5

Relaţia de control a independenţei , P ( X ∩ Y ) = P ( X ) ⋅ P ( Y ) , devine :

1 2 3
= ⋅ ;
5 5 5
cum această relaţie este falsă , deducem că evenimentele X , Y sunt dependente .

Definiţie : evenimente condiţionate ; câmp de probabilitate condiţionat

Fie ( E , K , P ) – un câmp de probabilitate : fie B – un eveniment din K ,

pentru care P ( B ) ≠ 0 ;

Câmpul de evenimente condiţionat de către evenimentul B , notat

prin ( E , K , PB ) , are acelaşi eveniment sigur E şi aceeaşi
mulţime de evenimente K , iar funcţia de probabilitate PB
este dată de :
P( X ∩ B)
PB ( X ) = .
P( B )
Se verifică uşor că ( E , K , PB ) verifică axiomele câmpului de evenimente .

In cazul unui câmp finit de evenimente , această definiţie revine la

următoarele :

pentru evenimentul X , condiţionat de către evenimentul B ,

notat cu ( X | B ) ,
- cazurile favorabile : sunt cazurile favorabile lui X ∩ B
- cazurile posibile : sunt cazurile favorabile lui B .
 -7-

Observare : definiţia probabilităţii condiţionate furnizează o formulă de calcul

pentru probabilitatea intersecţiei de evenimente dependente :

P( A ∩ B ) = P( A ) ⋅ P(B | A )
sau .
P( A ∩ B ) = P(B ) ⋅ P( A | B )
== // ==

Exemplu : într-o urnă sunt 5 bile albe şi 4 bile negre . Se extrag 3 bile ,
prin extrageri succesive : după fiecare extragere , bila nu se reintroduce
în urnă.

Se cere probabilitatea ca bilele să fie ,în ordine : albă , neagră si albă.

Rezolvare : vom considera evenimentele :

- An = “ la extragerea numărul “ n “ apare bilă albă “
- Bk = “ la extragerea numărul “ k “ apare bilă neagră “
- X = “ bilele extrase sunt , în ordine : albă , neagră si albă”

Avem evident :
X = A1 ∩ B 2 ∩ A 3 ,

P ( X ) = P(A1 ∩ B 2 ∩ A 3 ) =
deci :
= P( A1 ) ⋅ P(B 2 | A1 ) ⋅ P( A 3 | A1 ∩ B 2 )

Avem : - pentru A1 , avem : 5 cazuri favorabile şi 9 cazuri posibile , deci

5
P( A1 ) = ;
9
- pentru B 2 | A1 , înseamnă că evenimentul A1 s-a produs , deci urna va
fi acum o urnă cu 4 bile albe şi 4 bile negre .
A calcula P(B 2 | A1 ) , înseamnă de fapt , a calcula probabilitatea
de a extrage o bilă neagră din această nouă urnă .
4 1
Deci , P(B 2 | A1 ) = = ;
8 2
- pentru P( A 3 | A1 ∩ B 2 ) , înseamnă că evenimentul A1 ∩ B 2 s-a
produs deja , deci urna devine o urnă cu 4 bile albe şi 3 bile negre .
A calcula P( A 3 | A1 ∩ B 2 ) , înseamnă de fapt , a calcula probabilitatea
de a extrage o bilă albă din această nouă urnă .
Pentru evenimentul A 3 | A1 ∩ B 2 avem 4 cazuri favorabile şi 7 cazuri posibile , deci
 -8-

4
P( A 3 | A1 ∩ B 2 ) = .
7
In final , .

5 1 4
P( X ) = ⋅ ⋅
9 2 7

== // ==

REZUMAT DE FORMULE :

− 1 : P(φ) = 0 ; P(E ) = 1; 0 ≤ P( X) ≤ 1, pt . orice eveniment X

− 2 : daca A , B sunt incompatibile ( adica A ∩ B = φ ) , atunci
P ( A ∪ B ) = P( A ) + P( B )
− 3 : daca A , B sunt compatibile ( adica A ∩ B ≠ φ ) , atunci
P ( A ∪ B ) = P( A ) + P( B ) − P ( A ∩ B )
− 4 : daca A , B sunt independente , atunci
P ( A ∩ B ) = P( A ) ⋅ P( B | A ) , sau P ( B ∩ A ) = P( B ) ⋅ P( A | B )
− 5 : daca A1 , A 2 ,..., A n au proprietatea : i ≠ j ⇒ A i ∩ A j = φ , atunci :
P ( A1 ∪ A 2 ∪ ... ∪ A n ) = P( A1 ) + P( A 2 ) + ... + P( A n )
 -9-

− 6 : pentru A1 , A 2 ,..., A n evenimente oarecare , avem :

P ( A1 ∪ A 2 ∪ ... ∪ A n ) = P( A1 ) + P( A 2 ) + ... + P( A n ) −
− P( A1 ∩ A 2 ) − P( A 2 ∩ A 3 ) ... − P( A n−1 ∩ A n ) +
+ P( A1 ∩ A 2 ∩ A 3 ) + P( A1 ∩ A 2 ∩ A 4 ) + ...
+ P( A n− 2 ∩ A n−1 ∩ A n ) − ....
+ ( − 1)n ⋅ P( A1 ∩ A 2 ∩ ... ∩ A n ) ;
− 7 : pentru pentru A1 , A 2 ,..., A n evenimente doua cite doua independente ,
avem : P ( A1 ∩ A 2 ∩ ... ∩ A n ) = P( A1 ) ⋅ P( A 2 ) ⋅ ... ⋅ P( A n )
− 8 : pentru A1 , A 2 ,..., A n evenimente oarecare , avem :
P ( A1 ∩ A 2 ∩ ... ∩ A n ) = P( A1 ) ⋅ P ( A 2 | A1 ) ⋅ P( A 3 | A1 ∩ A 2 ) ⋅ ...
... ⋅ P( A n | A1 ∩ A 2 ∩ ... ∩ A n−1 )

Exemplu : pentru evenimentele A , B , C prezentate în figură , se cere P( A ∩ B ∩ C) ,

Rezolvare : avem A ∩ B ∩ C = φ ,deci formula ( 6 ) devine :

P( A ∪ B ∪ C) = P( A ) + P( B ) + P(C) − P( A ∩ B ) − P( A ∩ C) −
− P( B ∩ C) .

== // ==
 - 10 -

4.2 : Formula probabilităţii totale ; formula lui Bayes

Fie ( E , K , P ) – un câmp de probabilitate : fie evenimentele

A1 , A 2 ,..., A n − cu proprietatea : i ≠ j ⇒ A i ∩ A j = φ .

Atunci : pentru orice eveniment X din K , avem :

n
(1) P( X) = ∑ P( A i ) ⋅ P( X | A i ) ( formula probabilităţii
i =1
totale ) ;

P( A j ) ⋅ P( X | A j )
(2) P( A j | X ) = , pt . j = 1, n
P( X )
( formula lui Bayes ) .

Demonstraţie :
n n
X = X ∩ E = X ∩ U A j = U ( X ∩ A j ) , unde avem :
i =1 i =1

i ≠ j ⇒ ( X ∩ A i ) ∩ ( X ∩ A j ) = φ , deci
(1) : ⎡n ⎤ n
P ⎢U ( X ∩ A j )⎥ = ∑ P ( X ∩ A i ) , deci , in final :
⎣ i=1 ⎦ i=1
n
P( X ) = ∑ P ( A i ) ⋅ P ( X | A i )
i =1

P ( A j ∩ X ) = P( A j ) ⋅ P( X | A j )
avem : , deci :
P ( A j ∩ X ) = P ( X ) ⋅ P( A j | X )
(2) : P( A j ) ⋅ P ( X | A j ) = P ( X ) ⋅ P( A j | X ) ,
P ( A j ) ⋅ P( X | A j )
deci : P( A j | X ) =
P( X)
 - 11 -

Aplicaţie : se cultivă grâu de trei calităţi , conform tabelului

calitatea cantitate putere

cultivată de
germinare
I 85 tone 92 %
II 10 tone 76 %
III 5 tone 65 %

Din cantitatea totală de 100 tone ,se alege la întâmplare un bob şi se cultivă .

- a: se cere probabilitatea ca bobul să germineze ;

- b : se cere probabilitatea ca un bob germinat să fie de caliattea II .

Rezolvare : vom utiliza următorul sistem de evenimente:

A1 = “ bobul este de calitatea I “

A 2 = “ bobul este de calitatea II “
A 3 = “ bobul este de calitatea III “
X= “ bobul germineazã “

Conform tabelului de date , avem : P (A1) = 0 , 85 ; P (A2) = 0 , 10 ; P (A3) = 0 , 05 .

Evident că avem :

A1 ∩ A 2 = φ ; A1 ∩ A 3 = φ ; A 2 ∩ A 3 = φ ;
( este imposibil ca un bob sã fie de douã calitãti simultan )
A1 ∪ A 2 ∪ A 3 = E
( este sigur cã orice bob este de una dintre cele trei calitãti)

Puterile de germinare revin la următoarele :

P( X | A1 ) = 0 , 92 ; P( X | A 2 ) = 0 , 76 ; P( X | A 3 ) = 0 , 65 .
 - 12 -

Atunci :

- aplicând formula probabilităţii totale :

P( X) = P( A1 ) ⋅ P( X | A1 ) + P( A 2 ) ⋅ P( X | A 2 ) + P( A 3 ) ⋅ P( X | A 3 ) =
= 0,85 ⋅ 0,92 + 0 ,10 ⋅ 0 ,76 + 0 ,05 ⋅ 0, 65 = 0, 8905

deci din amestecul de 100 tone , germinează 89 , 05 % dintre boabe .

== // ==

4.3 : Scheme probabilistice clasice

Schema lui Bernoulli :

Se consideră o urnă cu bile albe şi negre : presupunem că se cunoaşte

- p = procentul de bile albe din urnă ;
- q = procentul de bile negre din urnă ;
avem evident : p , q > 0 ; p + q =1 .
Experienţa efectuată este următoarea :
- se fac “ n “ extrageri ; după fiecare extragere , bila extrasă
se reintroduce în urnă ( “ extrageri cu revenire “ sau
“ prin probe independente” ).
Observare : extragerile “ cu revenire “ au ca efect faptul că
după fiecare extragere , urna revine la starea
iniţială ;
- în urma extragerilor , se înregistrează valoarea indicatorului’
.

x = număr de bile albe aflate printre cele

“ n “ bile extrase

Evenimentele fundamentale asociate experienţei vor fi :

Ak = ( x = k ) ; k = 0 , n
 - 13 -

Evenimentele { A k }k =1,n au proprietăţile următoare ;

- sunt două câte două incompatibile : k 1 ≠ k 2 ⇒ A k 1 ∩ A k 2 = φ ;

- reuniunea lor este evenimentul sigur :
n

U
k =0
Ak = E ;

- probabilitatea lor se calculează cu formula :

P( A k ) = Ckn ⋅ pk ⋅ qn − k

== // ==

Aplicaţie : într-o urnă sunt : 75 % bile albe şi 25 % bile negre . Din urnă se extrag ,
cu revenire , 12 bile .
Se cere probabilitatea ca :
- a: printre cele 12 bile extrase să fie 9 bile albe ;

- b: printre cele 12 bile extrase să fie cel mult 6 bile albe ;

- c: printre cele 12 bile extrase să fie cel puţin 8 bile albe ;

- d: numărul de bile albe aflate printre cele 12 bile extrase să fie

cuprins între 5 şi 11 ;

Rezolvare : comparând datele problemei cu notaţiile modelului , găsim :

n = 12 ; p = 0,75 ; q = 0,25.

9
− a : P( x = 9) = C12 ⋅ ( 0,75)9 ⋅ (0,25)12−9 = 0 , 2581

⎡6 ⎤ 6
− b : P( x ≤ 6 ) = P ⎢ U ( x = k )⎥ = ∑ P ( x = k ) =
⎣k =0 ⎦ k =0
6
= ∑ C12 ⋅ (0,75)k ⋅ (0,25)12−k = 0, 0544
k

k =0

⎡ 12 ⎤ 12
− c : P( x ≥ 8) = P ⎢U ( x = k )⎥ = ∑ P ( x = k ) =
⎣ k =8 ⎦ k =8
12
= ∑ C12 ⋅ (0,75)k ⋅ (0,25)12−k = 0,8424
k

k =8
 - 14 -

⎡ 11 ⎤ 11
− d : P( 5 ≤ x ≤ 11 ) = P ⎢ U ( x = k )⎥ = ∑ P ( x = k ) =
⎣k =5 ⎦ k =5
11
= ∑ C12 ⋅ (0,75)k ⋅ (0,25)12−k = 0, 9655
k

k =5

== // ==

Problemă : în legătură cu aplicaţia precedentă , se consideră evenimentele

A = “ numărul de bile extrase este ≤ 8 “
B = “ numărul de bile extrase este ≥ 6 “ .

Stabiliţi dacă evenimentele A , B sunt dependente sau independente .

Rezolvare :
8
P( A ) = ∑ C12 ⋅ (0,75)k ⋅ (0,25)12−k = 0, 3512 ;
k

k =0
12
P(B ) = ∑ C12 ⋅ (0,75)k ⋅ (0,25)12−k = 0, 9857 ;
k

k =6

A ∩ B = ( x = 6) ∪ ( x = 7 ) ∪ ( x = 8) , deci :
P( A ∩ B ) = P[( x = 6) ∪ ( x = 7) ∪ ( x = 8)] =
8
= ∑ P( x = k ) = 0, 337 :
k =6

Relaţia de control a independenţei , anume : P( A ∩ B ) = P( A ) ⋅ P(B ) , devine

0, 3512 ·0,9857 = 0,337 ,

adică :

0, 3462 = 0 , 337 .

Fiind falsă , deducem că evenimentele A , B sunt dependente .

 - 15 -

Problemă : dintr-o urnă cu 68% bile albe şi 32% bile negre se fac extrageri , cu revenire,
de câte 15 bile . Se cere numărul cel mai probabil de bile albe aflate printre
cele 15 bile extrase .

Rezolvare : notăm : x = numărul de bile albe aflate printre cele 15 bile extrase ;

k
avem : P( x = k ) = C15 ⋅ (0,68)k ⋅ (0,32)15 − k ; k = 0 ,15 .

Problema noastră revine la următoarea :

k = ? , pentru care P(x=k) este maxim .

Deoarece variabila “ k ‘ este număr întreg , vom folosi principiul combinatorial , pentru
probleme de maxim , anume :

.
⎧ f ( k ) ≥ f (k − 1) (a )
f (k ) = max im ⇔ ⎨
⎩ f ( k ) ≥ f (k + 1) (b )

Relaţia ( a) :
f (k ) 2.125·(16 - k)
f (k ) ≥ f ( k − 1) ⇔ ≥1 ⇔ ≥1
f ( k − 1) k
k ≤ 10 , 88
Relaţia ( b ) :

f (k ) 0,47 ⋅ (k + 1)
f (k ) ≥ f ( k + 1) ⇔ ≥1 ⇔ ≥1
f ( k + 1) 15 - k
k ≥ 9 ,88
In final , din :

⎧ k ∈N
⎨ ⇒ k = 10 .
⎩ 9,88 ≤ k ≤ 10 , 88

Răspuns : cel mai frecvent , printre cele 15 bile extrase vor fi 10 bile albe .

== // ==
 - 16 -

Problemă : dintr- o urnă cu bile albe şi negre se fac extrageri , cu revenire ,

de câte 20 de bile . Se constată că varianta :
“ printre cele 20 de bile extrase se află 17 bile albe “ apare mai
frecvent decât orice altă variantă.

Ce se poate spune despre procentul de bile albe din acea urnă?

Rezolvare : cu notaţiile deja folosite , avem ;

k
P( x = k ) = C20 ⋅ p k ⋅ (1 − p ) 20−k , k = 0 ,20 .

Se ştie că :
max
P ( x = k ) = P( x = 17 ) ,
k = 0,20

ceeace , în conformitate cu principiul combinatorial , revine la :

⎧ P ( x = 17 ) ≥ P( x = 16) (a )
⎨
⎩ P ( x = 17 ) ≥ P( x = 18) (b )

Relaţia (a) :
P ( x = 17 )
P ( x = 17 ) ≥ P( x = 16) ⇔ ≥ 1⇔
P( x = 16)
0, 235p 21p − 17 17
≥ 1⇔ ≥ 0 ⇔ p ∈ ( ;1 )
1− p 17(1 − p ) 21

Relaţia (b) :
6 ⋅ (1 − p )
P ( x = 17 ) ≥ P( x = 18) ⇔ ≥ 1
p
6− 7⋅p 6
⇔ ≥ 0 ⇔ p∈( 0 ; )
p 7
In final , din :
⎧ ⎛ 17 ⎞
⎪⎪ p ∈ ⎜ 21 ;1⎟
⎝ ⎠ ⇒ p ∈ ( 0, 81; 0, 857 ) .
⎨
⎛
⎪ p∈⎜ 0 ; ⎟6 ⎞
⎪⎩ ⎝ 7⎠
Răspuns :

procentul de bile albe este cuprins între 81% şi 85,7% .

 - 17 -

Schema urnei cu bile albe şi negre : extrageri fără revenire

Datele problemei sunt următoarele : avem o urnă pentru care se cunoaşte :

- a = numărul de bile albe din urnă ;

- b = numărul de bile negre din urnă .

Din urnă se extrag “ n “ bile; după fiecare extragere , bila extrasă nu se reintroduce în
urna , astfel că la fiecare extragere , compoziţia urnei se modifică.

Observare : acest mod de extragere este echivalent cu extragerea simultană a întregului

lot de “ n “ bile.
In urma experienţei se consemnează valoarea indicatorului :

x = “ număr de bile albe aflate printre cele “ n “ bile extrase “ .

Evenimentele fundamentale asociate experienţei sunt :

Ak = ( x = k ) , k = 0 , n .

Evenimentele { A k } k =1,n au proprietăţile următoare ;

- sunt două câte două incompatibile : k 1 ≠ k 2 ⇒ A k 1 ∩ A k 2 = φ ;

- reuniunea lor este evenimentul sigur :
n

U
k =0
Ak = E ;

- probabilităţile lor se calculează cu formula :

k n −k

P( A k )=
C ⋅C
a b
n
C a+ b

== // ==
 - 18 -

Aplicaţie : într-o urnă sunt 20 de bile albe şi 15 bile negre : se extrag 10 bile ;
extragerile sunt fără revenire . In urma extragerii se consemnează valoarea
indicatorului

x = număr de bile albe aflate printre cele 10 bile extrase

Se cere probabilitatea ca :
- 1: numărul de bile albe să fie de cel mult 7 ;
- 2: numărul de bile albe să fie de cel puţin 3 ;
- 3: numărul de bile albe să fie cuprins între 2 şi 8.

Rezolvare : identificând parametrii problemei , constatăm că avem :

a = 20 ; b = 15 ; n = 10

-1: se cere

7
P( x ≤ 7 ) ; avem P( x ≤ 7 ) = U P (x = k ) =
k =0
k 10− k

=∑
7
C ⋅C 20 15
= 0, 913
10
k =0 C 35

- 2 : se cere :
10
P( x ≥ 3 ) ; avem P( x ≥ 3 ) = U P (x = k ) =
k =3
k 10− k

=∑
10
C ⋅C
20 15
= 0, 993
10
k =3 C 35

- 3 : se cere :
8
P( 2 ≤ x ≤ 8 ) ; avem P( 2 ≤ x ≤ 8 ) = U P ( x = k ) =
k =2
k 10− k

=∑
8
C ⋅C 20 15
= 0, 985
10
k =2 C 35

Aplicaţie : în legătură cu problema precedentă : să se determine numărul cel mai

probabil de bile albe aflate printre cele 10 bile extrase , adică valoarea lui “ k “ ,
k 10−k

k = 0 ,10 , pentru care P( x = k ) =

C ⋅C 20 15
este maximă.
10
C 35
 - 19 -

Conform principiului combinatorial , avem:

⎧ P( x = k ) ≥ P( x = k − 1) (1)
P( x = k ) = max ⇔ ⎨
⎩ P( x = k ) ≥ P( x = k + 1) ( 2)

- Relaţia (1) :

k 10 − k k −1 11− k
C ⋅C
20 15
≥
C ⋅C
20 15
⇔
(k − 11)(k − 21)
≥1 ⇔
231 − 37k
≥0
10 10
C C k ( k + 5) k (k + 5)
35 35

231
⇔ k≤ ≈ 6 , 24
37
- Relaţia (2) :

k 10−k k +1 9− k
C ⋅C
20 15
≥
C ⋅C
20 15
⇔
(k + 1)(k + 6)
≥ 1⇔
37k − 194
≥0
10 10
C C (k − 10)(k − 20) (k − 10) ⋅ (k − 20)
35 35

194
⇔k≥ ≈ 5,24
37

⎧ k ≥ 5,24
⎪
In final , din relaţiile : ⎨ k ≤ 6 , 24 ⇒k =6 .
⎪k − numar natural
⎩

Răspuns : printre cele 10 bile extrase , cel mai frecvent apar 6 bile albe.

Aplicaţie : Intr-o urnă sunt 50 de bile , albe şi negre . Se fac extrageri , fără revenire , de
câte 15 bile şi se înregistrează valorile indicatorului:

x= număr de bile albe aflate printre cele 15 bile extrase .

Se constată că varianta care apare cel mai frecvent este : ( x = 12 ).

Ce se poate spune despre numărul de bile albe din urnă ?
 - 20 -

Rezolvare : să notăm cu a = numărul de bile albe din urnă .

Notăm f(k ) = P( x= k ) , deci :

k 15−k

f (k) =
C ⋅C
a 50−a
.
15
C 50

Avem condiţia : f (12)≥ f(k) , pentru orice k = 0 , 15 ; conform principiului

combinatorial , aceasta revine la condiţiile

⎧ 12 ⋅ 3 11 4

⎪ Ca C 50 − a
≥
Ca C 50 − a
⋅
15 15
⎧ f (12 ) ≥ f (11) ⎪⎪ C C
⎨ ⇔ ⎨ 12 50
3 13
50
2
⎩ f (12 ) ≥ f (13) ⎪ Ca ⋅ C 50 − a Ca ⋅ C 50 − a
⎪ 15
≥ 15
⎪⎩ C50 C50
adică :

⎧ 11 − a ⎧ 4(38 − a)
⎪⎪ 3(a − 47 ) ≥ 1 ⎪⎪ 3(a − 47) ≥ 0
⎨13(a − 48) ⇒⎨ ⇒ 38 ≤ a ≤ 41,25
⎪ ≥1 ⎪ a − 12 ≤ 3
⎪⎩ 3(12 − a) ⎪⎩ 156 16

In final : a∈{ 38 ; 39 ; 40 ; 41} .

== // ==
 - 21 -

Schema urnei cu bile de mai multe culori :

extrageri cu revenire .

Datele problemei sunt următoarele :

culoarea C1 … Ci … Cn
% de bile p1 … pi … pn

unde sunt valabile condiţiile :

⎧p i ≥ 0 , i = 1, n
⎪ n
⎨ .
⎪ ∑ pi = 1
⎩ i=1

Din urnă se extrag , cu revenire , “ m “ bile , înregistrându-se culorile acestora.

Evenimentele fundamentale corespunzătoare au aspectul:

A = “ printre cele “m” bile extrase , sunt : x1 bile de culoare C1 ;

x2 bile de culoare C2,… , xn bile de culoare Cn “ ,

Evident că avem :
⎧ x i ∈ N , (∀ ) i = 1, n
⎪
⎨
n
.
⎪
⎩
∑i =1
xi = m

Formulă :

m!
P( A ) = ⋅ p1x1 ⋅ p 2x 2 ⋅ ... ⋅ pnx n
x1!⋅x 2 !⋅... ⋅ xn !

== // // ==
 - 22 -

Schema urnei cu bile de mai multe culori :

\extrageri cu revenire .

Datele problemei sunt următoarele :

culoarea C1 … Ci … Cn
număr de bile k1 … ki … kn
corespunzător

Din urnă se extrag , fără revenire , “ m “ bile , înregistrându-se culorile acestora.

Evenimentele fundamentale corespunzătoare au aspectul:

A = “ printre cele “m” bile extrase , sunt : x1 bile de culoare C1 ;

x2 bile de culoare C2,… , xn bile de culoare Cn “ ,

Evident că avem : k 1 + k 2 + ... + k n =m .

Formulă :
x1 x2 x

P ( A )=
C ⋅C k1 k2
⋅ ... ⋅ Ckn
n
.
m
C k1 + k 2 + ...+ k n

== // ==
 - 23 -

VARIABILE ALEATOARE

Fie ( E , K , P ) – un câmp de probabilităţi ;

Funcţia f : E → R se numeşte variabilă aleatoare , dacă are loc proprietatea :

(∀ ) t ∈ R , avem : { e∈ E | f (t ) < t } ∈ K

Clasificarea variabilelor aleatoare :

- dacă imaginea funcţiei f este formată numai din puncte

izolate , f se numeşte variabilă aleatoare discretă ( pres-
curtat : VAD ) ;
- dacă imaginea funcţiei f este un inteval ,
f se numeşte variabilă aleatoare continuă .

Variabile aleatoare discrete :

Fiind formată numai din puncte izolate , imaginea lui f are aspectul

Im(f ) = { a i } i ∈ I , unde : I ⊂ N ;

vom considera pentru simplificarea notaţiilor , că :

Im ( f ) = { ai } i = 1,n .

Precizare : -numerele { ai } i ∈ I vor fi numite argumentele variabilei aleatoare “ f “ .

- mulţimile :

A i = { e∈ E | f (t ) = ai } , i = 1, n

vor fi numite evenimentele fundamentale asociate variabilei aleatoare “ f “ .

- sistemul de evenimente { A i } i =1,n are proprietatea :

 - 24 -

⎧ i ≠ j⇒ Ai ∩ A j = φ
⎪ n
⎨ ;
⎪ U Ai = E
⎩ i =1

= pentru i = 1, n vom nota : pi = P(Ai) . Sistemul de probabilităţi { pi } i∈I

are proprietatea :
⎧p i ≥ 0 , ∀ i
⎪ n
⎨
⎪⎩ ∑
pi =1
i =1

- forma redusă a variabilei aleatoare “ f “ : pentru aplicatiile practice ,

variabila aleatoare discretă “ f “ va fi notată :

⎛ a a2 ... a i ... a n ⎞
f = ⎜⎜ 1 ⎟ .
⎝ p1 p 2 ... p i ... p n ⎟⎠

== // ==

Vector aleator : variabile aleatoare independente

Pe un câmp de probabilitate se definesc simultan două variabile aleatoare discrete ,

“ f “ şi “ g “ : presupunem că aceste variabile au forma redusă precizată mai jos :

⎛ ai ⎞ ⎛ bj ⎞
f = ⎜⎜ ⎟⎟ i = 1, n ; g = ⎜⎜ ⎟⎟ j = 1, m ;
⎝ pi ⎠ ⎝ qj ⎠
reamintim că au loc proprietăţile :
⎧p i ≥ 0 , ∀ i ⎧q j ≥ 0 , ∀ j
⎪ n ⎪
⎨ ;⎨ m .
⎪⎩ ∑ ∑
pi =1 q j =1
⎪
i =1 ⎩ j=1

Probabilităţile repartiţiei comune a variabilelor f , g :

[ ]
pentru i = 1 , n ; j = 1 , m , notăm : rij = P ( f = a i ) ∩ ( g = b j ) ;
valorile { rij }i = 1 ,n ; j= 1 ,m vor fi numite probabilităţile repartiţiei comune a
variabilelor f , g .
Acestea au proprietăţile evidente :
 - 25 -

⎧rij ≥ 0 , ∀ i , j (a )
⎪
⎪ ∑ ∑ rij = 1 (b )
⎪ i=1,n j=1,m
⎨ ∑ rij = q j , ∀ j = 1, m (c ) ;
⎪ i=1,n
⎪
⎪ j∑
rij = p i , ∀ i = 1, n (d )
⎩ =1,m

Demonstraţii :

- a: evident , orice probabilitate este ≥ o ;

- b: avem :

⎛ n ⎞ ⎛m ⎞
• E ∩ E = E ⇔ ⎜⎜ U ( f = a i ) ⎟⎟ I ⎜⎜ U ( g = b j ) ⎟⎟ = E ⇔
⎝ i =1 ⎠ ⎝ j =1 ⎠
U [( f = a ) I ( g = b ) ] = E ⇔
i j
i = 1, n
j =1, m

⎡ ⎤
⎢
P⎢ U [ ]
⎥
[
( f = a i ) I ( g = b j ) ⎥ = 1⇔ ∑ P ( f = a i ) I ( g = b j ) = 1 ]
⎢ ij==11,m, n ⎥ i = 1, n
⎣ ⎦ j =1, m

adică , în final , ∑ ∑ rij = 1 .

i =1,n j=1,m
 - 26 -

- c: avem urmatoarele :

⎛ n ⎞
• ( g = b j ) ∩ E = ( g = b j ) ⇔ ⎜⎜ U ( f = a i ) ⎟⎟ I ( g = b j ) = ( g = b j ) ⇔
⎝ i =1 ⎠
[ ]
U ( f = ai ) I ( g = b j ) = ( g = b j ) ⇔
i = 1, n

⎡ ⎤
P ⎢⎢ U [ ]
( f = ai ) I ( g = b j ) ⎥⎥ = P ( g = b j ) ⇔
⎢⎣ i = 1 , n ⎥⎦
[ ]
∑ P ( f = ai ) I ( g = b j ) = q j ⇔ ∑ rij = q j
i = 1, n i = 1, n

- d: avem urmatoarele :

⎛m ⎞
• ( f = a i ) ∩ E = ( f = a i ) ⇔ ⎜⎜ U ( g = b j ) ⎟⎟ I ( f = a i ) = ( f = ai ) ⇔
⎝ j =1 ⎠
[ ]
U ( f = ai ) I ( g = b j ) = ( f = ai ) ⇔
j= 1, m

⎡ ⎤
P ⎢⎢ U [ ]
( f = a i ) I ( g = b j ) ⎥⎥ = P( f = ai ) ⇔
⎢⎣ j= 1 , m ⎥⎦
[
∑ P ( f = ai ) I ( g = b j ) = pi ⇔] ∑ rij = p i
j= 1 , m j= 1 , m

== // ==

Definiţie : - variabilele aleatoare discrete f , g sunt independente , dacă

[ ]
P ( f = a i ) ∩ ( g = b j ) = P( f = a i ) ⋅ P ( g = b j ) , ∀ i , j

adica : rij = p i ⋅ q j , ∀ i , j
 - 27 -

- variabilele aleatoare discrete f , g sunt dependente , dacă

(∋ ) i , j [ ]
pt . care : P (f = a i ) ∩ (g = b j ) ≠ P(f = a i ) ⋅ P(g = b j )

adica : (∋ ) i , j , pt . care : rij ≠ p i ⋅ q j , ∀ i , j

== // ==

Exemplu : variabilele aleatoare discrete f , g de mai jos sunt independente :

să se scrie repartiţia lor comună.
⎛ 1 2 3 ⎞ ⎛ −1 4 ⎞
f = ⎜⎜ ⎟⎟ ; g = ⎜⎜ ⎟⎟ .
⎝ 0,2 0,5 0,3 ⎠ ⎝ 0,6 0,4 ⎠

Rezolvare :

b1=- 1 b2= 4
a1=1 r11= 0,2 ·0,6 r12= 0,2·0,4 p1= 0,2
a2=2 r21= 0,5·0,6 r21= 0,5·0,4 p2= 0,5
a3=3 r31= 0,3·0,6 r31= 0,3·0,4 p3= 0,3
q1= 0,6 q2= 0,4

Precizare : - o pereche de variabile aleatoare ( f , g ) formează un vector aleator ;

- componentele f , g ale vectorului aleator ( f , g) se numesc
variabile marginale ale lui ( f , g) ; argumentele variabilelor marginale se
numesc argumente marginale ; probabilităţile variabilelor marginale se
numesc probabilităţi marginale ;

Problemă : un vector aleator are repartiţia :

b1 = 2 b2 = 5
a1=1 r11= 0,25 r12= 0,15
a2= 3 r21= 0,40 r21= 0,20

- se cer variabilele aleatoare marginale , notate A şi B ;

- sunt variabilele aleatoare A , B independente ?
 - 28 -

Rezolvare :
⎛ a1 a2 ⎞ ⎛ 1 3 ⎞
A = ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ ;
⎝ r11 + r12 r21 + r22 ⎠ ⎝ 0,4 0,6 ⎠
⎛ b1 b2 ⎞ ⎛ 2 5 ⎞
B = ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ ;
⎝ r11 + r21 r12 + r22 ⎠ ⎝ 0,65 0,35 ⎠

Controlul independenţei :
⎧ P[( A = 1) ∩ (B = 2)] = r11 = 0,25
⎨ ⇒
⎩ P( A = 1) ⋅ P(B = 2) = 0,4 ⋅ 0,65 = 0,26
⇒ nu sunt egale

deci A , B sunt variabile aleatoare dependente .

Operaţii cu variabile aleatoare :

Funcţii de o variabilă aleatoare discretă

Fiind dată variabila aleatoare f : E → R şi o funcţie G: R→ R,

avem : (G° f ) : E → R , în sensul compunerii obişnuite de funcţii .

Această definiţie revine la următoarele :

⎛ ai ⎞ ⎛ G (a i ) ⎞
f = ⎜⎜ ⎟⎟ ⇒ G o f = ⎜⎜ ⎟⎟ .
⎝ p i ⎠ i =1,n ⎝ p i ⎠ i =1,n
 - 29 -

⎛ 2 4 5 ⎞
Exemple : fie X = ⎜⎜ ⎟⎟ ;
⎝ 0,3 0,2 0,5 ⎠

- avem :

⎛ 3⋅ 2 3⋅ 4 3 ⋅ 5⎞
3 ⋅ X = ⎜⎜ ⎟⎟ ;
⎝ 0,3 0, 2 0,5 ⎠
⎛ 4 + 2 4 + 4 4 + 5⎞
4 + X = ⎜⎜ ⎟;
⎝ 0,3 0,2 0,5 ⎟⎠
⎛ 2 4 5 ⎞⎟ X ⎛ 7 2 7 4 75 ⎞
X = ⎜⎜ ⎜ ⎟
⎟ ; 7 = ⎜ 0,3 0,2 0,5 ⎟
⎝ 0,3 0,2 0,5 ⎠ ⎝ ⎠
 - 30 -

Operaţii cu două sau mai multe variabile aleatoare discrete :

Fie vectorul aleator ( X ,Y ) , unde :

⎛ xi ⎞ ⎛yj ⎞
X = ⎜⎜ ⎟⎟ ; Y = ⎜⎜ ⎟⎟ ;
⎝ p i ⎠ i =1,n ⎝ q j ⎠ j=1,m

[ ]
fie P ( X = x i ) ∩ ( Y = y j ) = rij ; i = 1, n : j = 1, m

Fie o funcţie F: R x R → R ; atunci variabila F( X , Y ) este dată de :

⎛ F( x i , y j ) ⎞
F( X , Y ) = ⎜⎜ ⎟ .
r ⎟
⎝ ij ⎠ i =1,n ; j=1,m

De exemplu : fie vectorul aleator ( X , Y ) , cu repartiţia

y1=1 y2=3
x1= 2 r11=0,2 r12 = 0,3 p1=0,5
x2= 4 r21=0,4 r22 = 0,1 p2=0,5
q1=0,6 q2=0,4

Se cere repartiţia variabilei aleatoare Z = 3·X + 2·Y .

Rezolvare

- tabelul argumentelor lui Z :

y1=1 y2=3
x1= 2 3·2+2·1=8 3·2+2·3=12 p1=0,5
x2= 4 3·4+2·1=14 3·4+2·3=18 p2=0,5
q1=0,6 q2=0,4

Aşadar , repartiţia variabilei Z este :

 - 31 -

⎛ 8 12 14 18 ⎞
Z = ⎜⎜ ⎟⎟ .
⎝ r11 = 0,2 r12 = 0,3 r21 = 0,4 r22 = 0,1⎠

== // ==

Exemplu: fie vectorul aleator

y1=1 y2=2
x1= 1 r11=0,2 r12 = 0,3 p1=0,5
x2= 2 r21=0,4 r22 = 0,1 p2=0,5
q1=0,6 q2=0,4

Se cere repartiţia variabilei aleatoare T = | X – Y | .

Rezolvare : avem tabelul de argumente ale lui T :

y1=1 y2=2
x1= 1 | 1-1 |=0 | 1-2 | = 1 p1=0,5
x2= 2 | 2-1 | = 1 | 2 – 2| = 0 p2=0,5
q1=0,6 q2=0,4

Aşadar , repartiţia lui T este :

⎛ 0 1 ⎞
T = ⎜⎜ ⎟⎟ .
⎝ r11 + r22 = 0,3 r12 + r21 = 0,7 ⎠

== // ==
 - 32 -

Momentele unei variabile aleatoare discrete

Definiţie : fie variabila aleatoare

⎛ xi ⎞
X = ⎜⎜ ⎟⎟ ;
⎝ p i ⎠ i =1,n

definim : - media variabilei aleatoare X :

n
M( X) = ∑ x i ⋅ p i ;
i =1

Observare : dacă nu sunt posibile confuzii , vom nota media cu “ m “ ;

- dispersia variabilei aleatoare X ;

n
D2 ( X) = ∑ ( xi − m )2 ⋅ p i ;
i =1

Observare : cantitatea D2 ( X) = σ ( X) se numeşte abaterea medie

standard ( sau : abaterea medie pătratică) a variabilei X .

- momentul iniţial de ordin k al variabilei X este definit prin :

-
n
M k ( X) = ∑ xki ⋅ p i ;
i =1

Observare : media lui X este chiar momentul iniţial de ordin 1 al lui X .

- momentul centrat de ordin k al variabilei X este definit prin :

n
m k ( X ) = ∑ ( x i − m )k ⋅ p i ;
i =1

Observare : dispersia lui X este chiar momentul centrat de ordin 2

al lui X .

== // ==
 - 33 -

Proprietăţile mediei :

- a: fie k – o constantă reală : atunci

M(k) = k

Observare : constanta “ k ” se identifică cu variabila aleatoare

⎛ x1 = k ⎞
k = ⎜⎜ ⎟⎟ ,
⎝ p1 = 1 ⎠
deci M(k) = x1·p1 = k .

- b: fie k – o constantă reală şi X o variabilă aleatoare : atunci

M ( k·X ) = k·M (X)

In adevăr , fie :
⎛ xi ⎞ ⎛ k ⋅ xi ⎞
X = ⎜⎜ ⎟⎟ ; atunci k ⋅ X = ⎜⎜ ⎟⎟ , deci :
⎝ p i ⎠ i =1,n ⎝ p i ⎠ i =1,n
n n
M (k ⋅ X ) = ∑ (kxi ) ⋅ p i = k ⋅ ∑ xi ⋅ p i = k ⋅ M( X) .
i =1 i −1

- c : fie X , Y – variabile aleatoare oarecare ( ↔ dependente sau independente )

avem :

M( X +Y ) = M(X) + M(Y)
 - 34 -

In adevăr, avem ;

⎛ xi + y j ⎞
X + Y = ⎜⎜ ⎟ ;
r ⎟
⎝ ij ⎠ i =1,n; j=1,m
deci :

M( X + Y ) = ∑ ∑ ( x i + y j ) ⋅ rij =
i =1, n j =1, m

=∑ ∑ x i ⋅ rij + ∑ ∑ y j ⋅ rij =
i =1, n j =1, m i =1, n j =1, m

= ∑ ( xi ⋅ ∑ r ) + ∑ (y ⋅ ∑ r ) =
ij j ij
i =1, n j =1, m j =1, m i =1, n

= ∑ xi ⋅ pi + ∑y j ⋅ q j = M( X ) + M( Y )
i =1, n j =1, m

- d : fie X , Y – variabile aleatoare independente : atunci

M( X·Y ) = M( X )·M( Y )

In adevăr , deoarece X , Y sunt independente , repartiţia lor comună este :

⎛ xi ⋅ y j ⎞
X ⋅ Y = ⎜⎜ ⎟ ;
r = p ⋅ q ⎟
⎝ ij i j ⎠ i =1,n; j=1,m

atunci ,
M( X ⋅ Y ) = ∑ ∑ ( x i ⋅ y j ) ⋅ (p i ⋅ q j ) =
i =1, n j =1, m

= ( ∑ xi ⋅ pi ) ⋅ ( ∑ y j ⋅ q j )
i =1, n j =1, m

= M( X ) ⋅ M( Y )
 - 35 -

Observare importantă : relaţia : M(X·Y) = M(X)·M(Y) poate fi adevărată

şi pentru variabile aleatoare X , Y – dependente.

Variabile aleatoare X , Y pentru care avem

M(X·Y) = M(X)·M(Y)

vor fi numite “ variabile aleatoare necorelate “

Deci : unele dintre variabilele aleatoare necorelate sunt independente , altele sunt
dependente.

PROPRIETATILE DISPERSIEI :

- a : expresia dispersiei în funcţie de momente iniţiale :

D2 ( X) = M 2 ( X) − M 2 ( X)

In adevăr :

D2 ( X) = ∑ ( x i − m )2 ⋅ p i = ∑ ( x 2i − 2 ⋅ m ⋅ x i + m 2 ) ⋅ p i
i =1,n i =1,n

= ∑ x i2 ⋅p i − 2 ⋅ m ⋅ ∑ x i ⋅ p i + m 2 ⋅ ∑ p i =
i =1,n i =1,n i =1,n
2
= M 2 ( X) − 2 ⋅ m ⋅ M( X) + m ⋅ 1 =
= M 2 ( X) − 2 ⋅ M 2 ( X) + M 2 ( X) = M 2 ( X) − M 2 ( X)
 - 36 -

- b : dispersia unei constante este zero :

în adevăr , avem ;
⎛k⎞
k = ⎜⎜ ⎟⎟ ⇒ M(k ) = k ⋅ 1 = k ; M 2 (k ) = k 2 ⋅ 1 = k 2 ,
⎝ 1⎠
deci : D 2 (k ) = k 2 − k 2 = 0.

Observare importantă : pentru variabile aleatoare discrete , este adevărată şi afirmaţia

reciprocă , anume : dacă dispersia unei variabile aleatoare este
zero , atunci acea variabilă este ( de fapt ) o constantă ;
mai mult , cu cât dispersia unei variabile aleatoare este mai mică ,
cu atât acea variabilă este mai aproape de o constantă.
 - 37 -

- c : dispersia sumei sau diferenţei de variabile aleatoare independente

este egală cu suma dispersiilor :

D2 ( X ± Y ) = D2 ( X) + D2 ( Y ).

Vom trata numai cazul diferenţei de variabile ; avem

⎛ xi − y j ⎞
X − Y = ⎜⎜ ⎟ i =1,n ; j=1,m
⎟
⎝ rij = pi ⋅ q j ⎠
M 2 ( X − Y ) = ∑ ∑ ( x i − y j )2 ⋅p i ⋅ q j =
i =1, n j =1, m

= ∑∑ ( x + y 2j − 2 ⋅ x i ⋅ y j ) ⋅pi ⋅ q j =
2
i
i =1, n j =1, m

= ∑∑ x i2 ⋅p i ⋅ q j − 2 ⋅ ∑ ∑ ⋅ x i ⋅ y j ⋅pi ⋅ q j +
i =1, n j =1, m i =1, n j =1, m

+ ∑∑ y 2j ⋅p i ⋅ q j = ∑ ( xi2p i ∑ q j ) − 2 ⋅ ( ∑ xi ⋅ pi ) ⋅ ( ∑ y j ⋅ q j ) +
i =1, n j =1, m
i =1, n j =1, m i =1, n j =1, m

+ ∑ (y q j ⋅ ∑
2
j p i ) = M 2 ( X) − 2 ⋅ M( X) ⋅ M( Y ) + M 2 ( Y )
j =1, m i =1, n

Aşadar , am arătat că :

M 2 ( X − Y ) = M 2 ( X) − 2 ⋅ M( X) ⋅ M( Y ) + M 2 ( Y )

Stim că : M(X-Y) = M(X) – M(Y) , deci :

D 2 ( X − Y ) = [ M 2 ( X ) − 2 ⋅ M ( X ) ⋅ M ( Y ) + M 2 ( Y )] − [ M ( X ) − M ( Y )] =
2

[ ] [
= M 2 ( X) − M 2 ( X) + M 2 ( Y ) − M 2 ( Y ) = ]
2 2
= D ( X) + D ( Y )
 - 38 -

- d : pentru k = constantă şi X – variabilă aleatoare , avem :

D2 ( k ⋅ X ) = k 2 ⋅ D2 ( X )

Demonstraţia este imediată .

== // ==

INDICATORI DE DEPENDENTA

Definiţie : covarianţa variabilelor aleatoare X , Y este definită prin :

cov( X , Y ) = M [ ( X-M(X))·(Y-M(Y))]

Observare : se arată uşor că :

cov( X,Y) = M( X·Y ) – M(X)·M(Y)

Observare : - după cum s-a arătat , avem :

X , Y – independente → M( X·Y ) = M(X)·M(Y) ,
deci : X , Y – independente → cov ( X , Y ) = 0 .
- reciproca nu este însă adevărată : este deci posibil să avem
cov ( X , Y ) = 0 , dar X ,Y să fie dependente .

Definiţie : variabilele X , Y pentru care avem cov ( X , Y ) = 0 , se

numesc variabile necorelate .
 - 39 -

Proprietăţile covarianţei :

Avem :

cov ( a·X + b·Y ; Z ) = a·cov ( X , Z) +b· cov ( Y , Z) .

Demonstraţie : avem

• M [(a ⋅ X + b ⋅ Y ) ⋅ Z] = M [a ⋅ X ⋅ Z + b ⋅ Y ⋅ Z] =
= M ( a ⋅ X ⋅ Z ) + M( b ⋅ Y ⋅ Z ) = a ⋅ M ( X ⋅ Z ) + b ⋅ M( Y ⋅ Z );
• M ( a ⋅ X + b ⋅ Y ) ⋅ M( Z ) = [a ⋅ M( X) + b ⋅ M( Y )] ⋅ M( Z ) =
= a ⋅ M( X) ⋅ M( Z ) + b ⋅ M( Y ) ⋅ M( Z ) ;
• cov ( a ⋅ X + b ⋅ Y; Z ) = M [(a ⋅ X + b ⋅ Y ) ⋅ Z] − M ( a ⋅ X + b ⋅ Y ) ⋅ M( Z ) =
= a ⋅ [M ( X ⋅ Z ) − M( X) ⋅ M( Z ) ] + b ⋅ [M( Y ) ⋅ M( Z ) − M( Y ) ⋅ M( Z )]
= a ⋅ cov (X, Z ) + b ⋅ cov( Y, Z ) .

Definiţie : coeficientul de corelaţie al variabilelor X , Y este definit de

relaţia :

cov ( X , Y )
ρ( X,Y )=
σ( X ) ⋅ σ( Y )

Coeficientul de corelaţie are aproximativ aceleaşi proprietăţi ca si covarianţa , adică

- X , Y – independente → ρ ( X , Y ) = 0
- X , Y – necorelate ↔ ρ(X,Y)≠0

Proprietatea specială , care conferă coeficientului de corelaţie un rol special ,

este următoarea :

- 1 ≤ ρ( X,Y ) ≤ 1
 - 40 -

Notă : variabila normată corespunzătoare variabilei aleatoare X este :

^
X − M( X)
X= σ( X)
;

O variabilă normată are proprietatea :

⎛^⎞ ⎛^⎞
M ⎜ X ⎟ = 0 ; D2 ⎜ X ⎟ = 1 .
⎝ ⎠ ⎝ ⎠

In adevăr ,
⎛ X − mX ⎞ 1 1
• M⎜⎜ ⎟⎟ = ⋅ M (X − m X ) = ⋅ (M( X) − m X ) = 0 ;
⎝ σ( X) ⎠ σ X σX
⎛ X − mX ⎞ 1
• D 2 ⎜⎜
1
(
⎟⎟ = 2 ⋅ D2 (X − m X ) = 2 ⋅ D 2 ( X) + D2 (m X ) = )
⎝ σ( X) ⎠ σ X σX

=
1
σX2
( )
⋅ σ 2X + 0 = 1.

Observare : coeficientul de corelaţie are caracter liniar , lucru ce este ilustrat

şi de către următoarele studii :

- a : fie X , Y variabile aleatoare ; fie a ,b – numere reale , a ≠ 0 :

să calculăm ρ ( Y ; a·X+ b) ;

Rezolvare :
• M [Y ⋅ (a ⋅ X + b )] = M [a ⋅ X ⋅ Y + b ⋅ Y ] = a ⋅ M( X ⋅ Y ) + b ⋅ M( Y ) ;
• M ( Y ) ⋅ M(a ⋅ X + b ) = M ( Y ) ⋅ [a ⋅ M( X) + b] = a ⋅ M( X) ⋅ M( Y ) + b ⋅ M( Y ) ;
• cov( Y; (a ⋅ X + b ) ) = [a ⋅ M( X ⋅ Y ) + b ⋅ M( Y )] − [a ⋅ M( X) ⋅ M( Y ) + b ⋅ M( Y )] =
= a ⋅ cov( X, Y ) ;
• D2 ( a ⋅ X + b ) = a 2 ⋅ D 2 ( X) ;
cov( Y; (a ⋅ X + b ) ) a ⋅ cov( X, Y )
• ρ [Y : (a ⋅ X + b )] = = =
D2 ( a ⋅ X + b ) ⋅ D2 (Y) a ⋅ D 2 ( X) ⋅ D 2 ( Y )
2

a
= ⋅ ρ ( X;Y ) .
|a|
 - 41 -

In final : ρ [ Y : (a ⋅ X + b )] = sgn(a ) ⋅ ρ ( X ; Y )

- b : fie X – variabilă aleatoare , şi a , b – numere reale , a ≠ 0 ;

avem

ρ [X; (a ⋅ X + b )] = sgn(a )

Relaţia rezultă din formula precedentă , cu considerarea faptului că ρ(X ; X ) = 1.

- c : fie X , Y – variabile aleatoare , şi a ,b , c , d – numere reale ; a ≠ 0 ; c ≠ 0 :

avem :

ρ [(a ⋅ X + b ) ; (c ⋅ Y + d ) ] = sgn(a ⋅ c ) ⋅ ρ ( X ; Y )

Si această relaţie rezultă din punctul (1) .

== // ==
 - 42 -

Variabile discrete clasice

- a : Variabila discretă cu repartiţie uniformă ;

Prin definiţie , variabila discretă cu repartiţie uniformă , care

are ca mulţime de argumente , mulţimea { a1 , a 2 ,..., an }
este variabila :

⎛ a1 a 2 ... an ⎞
U = ⎜⎜ 1 1
⎟
1 ⎟.
...
⎝ n n n⎠

Observare : - media variabilei uniforme :

n
n 1 ∑ ai
M( U ) = ∑ ⋅ a i = i =1 - chiar media aritmetică a
i =1 n n
argumentelor variabilei .

- momentul iniţial de ordin 2 al variabilei uniforme ;

n
1 ∑ (a ) i
2

M 2 (U) = ∑ ⋅ (a i ) 2 = i =1
;
i =1 n n
 - 43 -

- dispersia variabilei uniforme :

D2 (U) = M 2 (U) − M 2 (U) =

2
⎛ n⎞
⎜ ∑ ai ⎟
n

∑ a i2
= i =1
− ⎜ i =1 ⎟ =
n
⎜ n ⎟
⎜ ⎟
⎝ ⎠
⎡
⎞ ⎤⎥
2
1 ⎢ n
= 2 ⋅ ⎢n ⋅ ∑ a i2 −
⎛ n
n ⎜ ∑ ai ⎟ ⎥
⎣⎢
i =1
⎝ i =1 ⎠ ⎥⎦

- b : Variabila aleatoare cu repartiţie binomială :

Variabila aleatoare cu repartiţie binomială are repartiţia :

⎛ x ⎞
Bin ( n ; p ) = ⎜⎜ ⎟⎟ , unde
⎝ f ( x) ⎠ x∈{ 0 ;1; 2 ; ...; n }

• n − este un parametru natural nenul ;

• parametrul p ∈ ( 0 ;1 )

x
• f ( x ) = Cn ⋅ p x ⋅ ( 1 − p )n − x , pentru x ∈{ 0, 1 , 2 , ..., n }

Vom demonstra următoarele :

 - 44 -

- 1 : f(x ) - este într-adevăr o funcţie de probabilitate ,

adică :

f ( x) ≥ 0 , pt . ∀ x
n
;
∑
x= 0
f ( x) = 1

- 2 :media variabilei X este : M(X) = n·p ;

- 3 :dispersia variabilei X este : D2(X) = n·p·( 1- p ) ;

- 4 :modul variabilei X este numărul întreg “ k “ , pt.

care avem :

n ⋅ ( p + 1) − 1 ≤ k ≤ n ⋅ ( p + 1) .

Demonstraţii :
fie funcţia auxiliară g( t ) = [ p·t + ( 1-p) ] n , unde “ t “ este un parametru
real

Observare : folosind dezvoltarea lui g(t) , cu ajutorul binomului Nuwton , găsim

n
g(t ) = ∑ Cn ⋅ p x ⋅ t x ⋅ ( 1 − p ) n−x
x

x=0

- 1: avem evident f(x) ≥ 0 , pentru orice x ;

în plus ,
⎧ (p ⋅ 0 + 1)n = 1
⎪ n
g ( 1) = ⎨ n

⎪⎩∑ ∑ f ( x)
x

x= 0
Cn
⋅ p x ⋅ 1x ⋅ ( 1 − p ) n− x =
x= 0

n
Deci : ∑ f ( x) = 1 .
x= 0
 - 45 -

- 2: avem
⎧ [ ]
( p ⋅ t + 1 − p )n ' = n ⋅ ( p ⋅ t + 1 − p )n − 1 ⋅ p
⎪ '
g' (t ) = ⎨ ⎡ n n−x ⎤
n

⎪ ⎢ ∑ Cn ⎥ ∑ x ⋅ Cn ⋅ p ⋅ t ⋅ (1 − p )
x x x x x x −1 n−x
⋅ p ⋅ t ⋅ ( 1 − p ) =
⎩⎣ x=0 ⎦ x=0
deci :
⎧ n ⋅ ( p ⋅ 1 + 1 − p )n − 1 ⋅ p = n ⋅ p
⎪
g' (1) = ⎨ n n

⎪⎩ ∑ ∑
x
Cn
x x −1 n−x
x ⋅ ⋅ p ⋅ 1 ⋅ ( 1 − p ) = x ⋅ f ( x ) = M( X)
x=0 x=0

-3 : avem

[ ]
⎧ n ⋅ ( p ⋅ t + 1 − p ) n −1 ⋅ p ' = n ⋅ (n − 1) ⋅ p 2 ⋅ ( p ⋅ t + 1 − p )n− 2
⎪ '
⎪⎪ ⎡ n n− x ⎤
⎢∑ x ⋅ Cn ⋅ p ⋅ t ⋅ ( 1 − p ) ⎥ =
x x x −1

g '' (t ) = ⎨ ⎣ x=0 ⎦
⎪ n
⎪ = ∑ x ⋅ ( x − 1) ⋅ Cn ⋅ p x ⋅ t x− 2 ⋅ ( 1 − p ) n− x
x

⎪⎩ x=0

⎧n ⋅ (n − 1) ⋅ p 2 ⋅ ( p ⋅ 1 + 1 − p )n− 2 = n 2 ⋅ p 2 − n ⋅ p 2
⎪ n n
⎪ x ⋅ ( x − 1) ⋅ x ⋅ p x ⋅ 1x− 2 ⋅ ( 1 − p ) n − x = ( x 2 − x ) ⋅ f ( x ) =
⎪∑ Cn ∑
g '' (1) = ⎨ x=0 x= 0

⎪ n n

⎪ = ∑ x 2 ⋅ f ( x ) − ∑ x ⋅ f ( x ) = M 2 ( X) − M( X)
⎪ x=0 x=0

2 2 2 2 2 2
aşadar : M 2 ( X ) − M( X ) = n ⋅ p − n ⋅ p ⇔ M 2 ( X) − n ⋅ p = n ⋅ p − n ⋅ p

Dar ştim că : D2(X) = M2(X) – (M(X))2 , deci :

D2 ( X) = ( n ⋅ p + n 2 ⋅ p 2 − n ⋅ p 2 ) − n 2 ⋅ p 2 ,
adica ;
D2 ( X) = n ⋅ p ⋅ (1 − p )
 - 46 -

- 4 : modul k al variabilei X este argumentul “ x “ al variabilei , pentru care

funcţia de probabilitate f(x) ia valoarea maximă : folosind principiul
combinatorial , găsim :

n!
• f ( x) = ⋅ p x ⋅ (1 − p )n − x
x!⋅ (n − x )!
n!
• f ( x − 1) = ⋅ p x −1 ⋅ (1 − p )n − x +1
( x − 1)!⋅ (n − x + 1)!
n!
• f ( x + 1) = ⋅ p x +1 ⋅ (1 − p )n − x −1
( x + 1)!⋅ (n − x − 1)!

Condiţiile de maxim devin :

f ( x) p ⋅ ( x − n − 1) x − p ⋅ (n + 1)
• ≥ 1⇔ ≥1⇔ ≥0
f ( x − 1) x ⋅ (p − 1) x ⋅ (p − 1)
⇔ x ≤ p ⋅ (n + 1) ;
f ( x) (p − 1) ⋅ ( x + 1) x − n ⋅ p + 1− p
• ≥1⇔ ≥1⇔ ≥0
f ( x + 1) p ⋅ (x − n) p ⋅ (n − x )
⇔ x ≥ p ⋅ (n + 1) − 1 ;
In final :
p ⋅ (n + 1) − 1 ≤ x ≤ p ⋅ (n + 1)
 - 47 -

VARIABILE ALEATOARE CONTINUE

Reamintim că , în cazul unei variabile aleatoare continue , X , dată de

o funcţie f definită pe evenimentul sigur al câmpului de probabilitate , Im(f) este un
interval ( a ; b ) .
Această condiţie nu este suficientă pentru lucrul cu variabile aleatoare continue ;
dintre alte condiţii importante , dar care depăşesc mult nivelul acestei expuneri ,
vom folosi una , anume :

pt . (∀ ) x o ∈ ( a ; b ) , avem :
P ( X = xo ) = 0 .

- Forma generală a unei variabile aleatoare continue ;

⎛ x ⎞
X = ⎜⎜ ⎟⎟ , unde :
⎝ f ( x) ⎠
• arg umentul x ∈ ( a ; b )
• f : ( a ; b ) → R este densitatea de probabilitate
a var iabilei X

Densitatea de probabilitate are proprietăţile :

• f ( x ) ≥ 0 , (∀ ) x ∈ ( a ; b )
b
.
• ∫ f (x) ⋅ dx = 1
a

- Calculul probabilitătii unor evenimente , folosind densitatea de probabilitate :

avem :

• pentru o multime H ⊂ ( a ; b ) , avem

P[ x ∈ H ] = ∫ f ( x) ⋅ dx
H
 - 48 -

De exemplu :
k
• P[ X < k ] = ∫ f ( x ) ⋅ dx , (∀ ) k ∈ ( a; b )
a
b
• P[ X > k ] = ∫ f ( x ) ⋅ dx , (∀ ) k ∈ ( a; b )
k
v
• P[ u < X < v ] = ∫ f ( x) ⋅ dx , (∀ ) ( u ; v ) ⊂ ( a; b )
u

Majoritatea definiţiilor reproduc acum definiţiile date în cazul variabilelor discrete ,

b b
înlocuind “ ∑ ” , prin “ ∫ ” .
k =1 a
De exemplu :

- fie variabila aleatoare continuă

⎛ x ⎞
X = ⎜⎜ ⎟⎟ ; x ∈ ( a ; b ) ; f : ( a ; b ) → R +
⎝ f ( x ) ⎠
b
cu : ∫ f (x) ⋅ dx = 1
a

- media variabilei X :
b
M ( X ) = ∫ x ⋅ f ( x) ⋅ dx
a

- momentul iniţial de ordin 2 :

b
M 2 ( X ) = ∫ x 2 ⋅ f ( x) ⋅ dx
a

- momentul centrat de ordin 2 ( adică dispersia variabilei X ) :

b
D 2 ( X ) = ∫ ( x − m ) 2 ⋅ f ( x ) ⋅ dx , unde
a

m = M( X )
 - 49 -

Observare importantă : pentru variabila aleatoare X ,

⎛ x ⎞
X = ⎜⎜ ⎟⎟ ; x ∈ ( a ; b ) ; f : ( a ; b ) → R +
⎝ f ( x) ⎠

considerăm că : P ( X ≤ a ) = 0 ; P ( X ≥ b ) = 0

- din cauza proprietăţii : P( X = k ) = 0 , pentru orice “ k “ din ( a ; b ) ,

nu se face deosebire între interval închis şi interval deschis , adică

P(u<X<v)=P(u≤X<v)=P(u<X≤v)=P(u≤X≤v);
P ( X > k ) = P ( X ≥ k ) , etc .

== // ==

Funcţia de repartiţie a unei variabile aleatoare continue .

Fie variabila aleatoare :

⎛ x ⎞
X = ⎜⎜ ⎟⎟ ; x ∈ ( a ; b ) ; f : ( a ; b ) → R +
⎝ f (x) ⎠

Funcţia de repartiţie a variabilei X este o funcţie F : R → R , dată de

⎧ 0 , pentru t ≤ a
⎪⎪ t
F(t ) = ⎨ ∫ f ( x) ⋅ dx , pentru t ∈ ( a ; b ) ;
⎪a
⎪⎩ 1, pentru t ≥ b

Cu ajutorul funcţiei de repartiţie , se pot calcula probabilităti de evenimente în care este

implicat X , de exemplu :

P(X<k)=F(k) ;P(X>h)=1–F(h)
P(u<X<v)=F(v)–F(u);
 - 50 -

Dar proprietatea fundamentală a funcţiei de repartiţie este următoarea :

densitatea de probabilitate a variabilei aleatoare

este derivata funcţiei de repartiţie a acelei variabile ,
adică : f ( x ) = F’ ( x )

Aplicaţie : fie variabila aleatoare

⎛ x ⎞ 3
X = ⎜⎜ ⎟⎟ ; x ∈ ( 2 ; 4 ) ; f ( x) = ⋅ ( x 2 + 1 ) ;
⎝ f (x) ⎠ 62

se cere repartiţia variabilei aleatoare Y = X2 .

Vom folosi funcţiile de repartiţie : astfel , fie

⎧ arg umentul : x ∈ ( 2 ; 4 )
⎪ 3
• pentru var iabila X : ⎨ densitatea de probabilitate : f ( x) = ( x 2 + 1)
⎪ 62
'
⎩ functia de repartitie F(t ) , pt . care F = f

⎧ arg umentul : y
⎪
• pentru var iabila Y : ⎨ densitatea de probabilitate : g ( y )
⎪ functia de repartitie G ( y ) , pt . care G ' = g
⎩
 - 51 -

Avem următoarele etape :

• Y = X2 ⇒ y = x2

⎧ y = x2
•⎨ ⇒ y ∈ ( 4 ;16)
⎩x ∈ ( 2 ; 4 )

• pentru y ∈ ( 4 ;16) , avem : G ( y ) = P( Y < y ) = P( X 2 < y ) =

= P( X < y ) = F( y )

[
• g ( y ) = G ' ( y ) = F( y ) ] '
= ( y ) ' ⋅ F '( y ) =

=
1
2⋅ y
⋅f( y)=
3
62
[
⋅ ( y )2 + 1 ⋅
1
]
2⋅ y

In final ,
⎛ y ⎞
Y = ⎜⎜ ⎟⎟
⎝ g( y ) ⎠

• y ∈ ( 4 ;16 )

3 ⋅ ( y + 1)
• g(y ) =
144 ⋅ y

== // ==
 - 52 -

Interval de încredere pentru o variabilă aleatoare continuă :

Fie variabila aleatoare X , pepartizată în intervalul ( a ; b ) ; fie p∈ ( 0 ;1) .

Atunci : intervalul de încredere pentru variabila X , cu coeficientul de încredere “ p “

este intervalul ( u ; v ) ⊂ ( a ; b ) , pentru care “

⎧• P ( X < u ) = P ( X > v )
⎪
⎨ ;
⎪• P(u< X < v )=p
⎩
Observare :

- din relaţiile :

⎧ P( X < u ) + P( X > v ) + P( u < X < v ) = 1

⎪
⎨ P( X < u ) = P( X > v )
⎪ P( u < X < v ) = p
⎩

rezultă :

1− p
• P( X < u ) = P( X > v ) =
2
;
1+ p
• P( X < v ) = 1 − P( X > v ) =
2

Aşadar , notând cu F – funcţia de repartiţie a variabilei X , avem :

- capătul din stânga al intervalului de încredere , cu coeficientul de

încredere “ p “ , este soluţia ecuaţiei

1− p
F( u ) = ;
2
 - 53 -

- capătul din dreapta al intervalului de încredere , cu coeficientul de

încredere “ p “ , este soluţia ecuaţiei

1+ p
F( v ) = .
2

Variabila aleatoare cu repartiţie normală

Variabila aleatoare cu repartiţie normală este dată de :

( x − m )2
⎛ x ⎞ 1 −
X = ⎜⎜ ⎟⎟ ; x ∈ R ; f ( x) = ⋅e 2⋅ σ 2
,
⎝ f ( x) ⎠ σ ⋅ 2π

unde m , σ – sunt parametri , σ > 0 .

In mod curent , variabila aleatoare normală de parametri m , σ este notată

prin N (m , σ ) .

In legătură cu această variabilă prezentăm pe scurt o serie de rezultate :

- 1 : media variabilei aleatoare N (m , σ ) este egală cu “ m “ ;

- 2 : dispersia variabilei aleatoare N (m , σ ) este egală cu “σ “ ;

- 3: dacă X = N (m , σ ) , atunci , pentru Y = a·X + b avem :

Y = N (a·m + b ; a· σ )
 - 54 -

Observare : variabila aleatoare normală de parametri m = 0 ; σ = 1 ,

se numeşte variabila aleatoare normală normată ;

avem rezultatul :

X−m
X = N (m , σ ) ⇒ = N (0 ;1)
σ

- 4 : pentru n > 30 , variabila binomială Bin ( n ; p ) are o repartiţie aproximativ

egală cu

N ( n ⋅ p ; n ⋅ p ⋅ (1 − p ) ) .

- 5: - intervalul de încredere , cu coeficientul de încredere p = 0 , 95 , pentru

variabila aleatoare N ( 0 ; 1 ) , este : ( - 1, 96 ; 1, 96 ) ;
- intervalul de încredere , cu coeficientul de încredere p = 0 , 95 , pentru
variabila aleatoare N ( 0 ; 1 ) , este : ( - 2, 58 ; 2, 58) .