Documente Academic
Documente Profesional
Documente Cultură
EAM Curs1 8 Analiza Probabilitati
EAM Curs1 8 Analiza Probabilitati
sau şirul ( Sn )n∈N∗ nu are limită, vom spune că seria este divergentă. Seriile
cu proprietatea că şirul sumelor parţiale nu are limită se numesc serii
oscilante.
∞
Observaţie. Din relaţia ∑ un = S capătă sens operaţia de adunare
n =1
repetată de o infinitate de ori.
Problema principală legată de studiul unei serii este stabilirea naturii ei,
adică a decide dacă aceasta este convergentă sau divergentă şi, în caz de
convergenţă, evaluarea exactă sau măcar aproximativă a sumei ei.
Exemple.
∞
1. Seria geometrică. Fie r > 0 . Seria ∑ r n = 1 + r + r 2 +…+ r n +… se
n=0
numeşte seria geometrică cu raţia r. Pentru r ≠ 1 , termenul general al şirului
1
1− rn 1 rn
( Sn )n este: S n = 1 + r + r 2 +…+ r n −1 == − şi, deoarece
1− r 1− r 1− r
⎧ 1
⎧⎪0, r ∈ ( 0,1) ⎪ , r ∈ ( 0,1)
lim r = ⎨
n
, rezultă că lim S n = ⎨1 − r .
n →∞
⎪⎩∞, r ∈ (1, ∞ ) n →∞
⎪ ∞, r ∈ (1, ∞ )
⎩
Pentru r = 1, Sn = n şi lim S n = ∞ .
n →∞
2
∞
Definiţia 3. Numim rest de ordinul p ∈ N al seriei ∑ un următoarea
n =1
∞
serie R p = ∑ un .
n = p +1
∞
Propoziţia 2. Dacă seria ∑ un este convergentă, atunci lim
p →∞
Rp = 0 .
n =1
3
Demonstraţie. Vom considera n0 = 1 fiindcă un număr finit de termeni
n n
ai seriei nu schimbă natura seriei. Fie Sn = ∑ ui şi Sn' = ∑ vi . Avem
i =1 i =1
Sn ≤ S n' , ∀n
u n +1 v n +1
avem satisfăcută relaţia ≤ . Atunci:
un vn
∞ ∞
a) Dacă seria ∑ v n este convergentă, rezultă că ∑ u n este convergentă;
n =1 n =1
∞ ∞
b) Dacă seria ∑ u n este divergentă, rezultă că ∑ v n este divergentă.
n =1 n =1
4
CURSUL 2
∞
3) Criteriul raportului (al lui d’Alembert). Fie ∑ un o serie cu
n =1
termenii pozitivi.
a) Dacă există un rang n0 ∈ N* şi un număr α ∈ ( 0,1) astfel încât
un +1 ∞
≤ α , pentru orice n ≥ n0 , atunci seria ∑ un este convergentă.
un n =1
u
b) Dacă n +1 ≥ 1 pentru orice n ≥ n0 , atunci seria este divergentă.
un
u
Demonstraţie. a) Putem considera n0 = 1 . Din n +1 ≤ α pentru orice
un
n ≥ 1 obţinem un ≤ α ⋅ un −1 ≤ α 2 ⋅ un − 2 ≤ ≤ α n −1 ⋅ u1 , deci un ≤ α n −1 ⋅ u1 ,
∞
∀ n ≥ 1 . Pentru α ∈ ( 0,1) , seria geometrică ∑α n−1 este convergentă,
n =1
∞
rezultă seria ∑ α n−1 ⋅ u1 este convergentă. Aplicând primul criteriu al
n =1
∞
comparaţiei, rezultă că seria ∑ un este convergentă.
n =1
un +1
b) Din ≥ 1, ∀ n ≥1 rezultă un ≥ un−1 ≥ ≥ u1 > 0 şi
un
∞
lim un ≥ u1 > 0 , deci seria
n→∞
∑ un este divergentă.
n =1
5
Forma scurtă pentru criteriul raportului (al lui d’Alembert). Fie
∞ un +1
∑ un o serie cu termenii pozitivi astfel încât L = lim . Atunci:
n =1 n →∞ un
∞
i) Dacă L < 1 seria ∑ un este convergentă.
n =1
∞
ii) Dacă L > 1 seria ∑ un este divergentă.
n =1
iii) Dacă L = 1 , criteriul nu poate preciza natura seriei.
4). Forma scurtă pentru criteriul rădăcinii (criteriul lui Cauchy). Fie
∞
∑ un o serie cu termenii pozitivi astfel încât L = lim n un . Atunci:
n →∞
n =1
∞
a) Dacă L < 1 seria ∑ un este convergentă.
n =1
∞
b) Dacă L > 1 seria ∑ un este divergentă.
n =1
iii) Dacă L = 1 , criteriul nu poate preciza natura seriei.
∞
5). Forma scurtă pentru criteriul lui Raabe-Duhamel. Dacă ∑ un
n =1
⎛ u ⎞
este o serie cu termenii pozitivi astfel încât lim n ⎜ n − 1⎟ = β , atunci:
n →∞
⎝ un +1 ⎠
i) pentru β > 1 seria este convergentă.
ii) pentru β < 1 seria este divergentă.
iii) Dacă β = 1 , criteriul nu poate preciza natura seriei.
6
Serii alternate
∞
Definiţia 1. O serie numerică ∑ un se numeşte alternată dacă produsul
n =1
oricăror doi termeni consecutivi este negativ, adică un ⋅ un +1 < 0 pentru orice
n ∈ N* .
∞
∑ ( −1) ⋅ un , cu un > 0, ( ∀ ) n ∈ N* .
n +1
O asemenea serie se poate scrie
n =1
∞
∑ ( −1) ⋅ un , un > 0. Dacă
n +1
Criteriul lui Leibniz. Fie seria alternată
n =1
n =1
∞ 1
∑ ( −1) ⋅ , numită seria armonică alternată, este
n +1
Exemplu. Seria
n =1 n
convergentă, deoarece satisface ipotezele criteriului Leibtiz. Mai putem
spune că ea este numai semiconvergentă, deoarece seria modulelor
∞ 1
termenilor ei este ∑ , seria armonică, care este divergentă.
n =1 n
7
2.2.3. Serii de puteri
⎧1
⎪ ; L≠0
R0 = ⎨ L .
⎪⎩∞; L = 0
an +1
2). (Plecând de la criteriul lui d’Alembert) Dacă lim = L , atunci
n →∞ an
⎧1
⎪ ; L≠0
R0 = ⎨ L .
⎪⎩∞; L = 0
8
Cursul 3
Fie A ⊂ R = {( x, y ) x ∈ R , y ∈ R} o mulţime deschisă (adică o
2
⎪0 pentru ( x, y ) = ( 0, 0 )
⎩
x⋅0
Avem lim f ( x, 0 ) = lim 2 = lim 0 = 0 = f ( 0, 0 )
x →0 x →0 x + 0 x →0
0⋅ y
lim f ( 0, y ) = lim = lim 0 = 0 = f ( 0, 0 )
y →0 y →0 0 + y 2 y →0
2 x2 2 2
Luăm y = 2 ⋅ x , rezultă lim f ( x, 2 x ) = lim 2 2
= lim = ≠ f ( 0, 0 )
x →0 x →0 x + 4 x x →0 5 5
Definiţia 3. Funcţia f : A → R este derivabilă parţial în raport cu x în
f ( x, b ) − f ( a , b )
punctul ( a, b ) ∈ A dacă lim există şi este finită.
x →a x−a
9
∂f ( a, b )
Se notează această limită cu f x' ( a, b ) sau şi se numeşte
∂x
derivata parţială de ordinul întâi a lui f în raport cu x în ( a, b ) .
Dacă limita există şi este infinită ( −∞ sau + ∞ ) spunem că f are
derivată parţială în raport cu x în punctul ( a, b ) (deci f x' ( a, b ) = ±∞ ) dar f
nu este derivabilă parţial în raport cu x în ( a, b ) . Dacă limita nu există,
spunem că f nu este derivabilă parţial în raport cu x în ( a, b ) şi nu are
derivată parţială în raport cu x în punctul ( a, b ) .
Analog avem:
Definiţia 4. Funcţia f : A → R este derivabilă parţial în raport cu y în
f ( a, y ) − f ( a, b )
punctul ( a, b ) ∈ A dacă lim există şi este finită.
y →b y −b
∂f ( a, b )
Se notează această limită cu f y' ( a, b ) sau şi se numeşte
∂y
derivata parţială de ordinul întâi a lui f în raport cu y în ( a, b ) .
Definiţia 5. Funcţia f : A → R este diferenţiabilă în punctul
( a, b ) ∈ A dacă există numerele reale λ şi μ , şi o funcţie ω : A → R
continuă şi nulă în ( a, b ) astfel încât
f ( x, y ) − f ( a , b ) = λ ⋅ ( x − a ) + μ ⋅ ( y − b ) + ω ( x , y ) ⋅ ( x − a) + ( y − b)
2 2
10
Definiţia 6. Fie f : A → R diferenţiabilă în punctul ( a, b ) . Se
numeşte diferenţiala funcţiei f în punctul ( a, b ) funcţia liniară
d f ( x, y; a, b ) = f x' ( a, b ) ⋅ ( x − a ) + f y' ( a, b ) ⋅ ( y − b )
Notând dx = x − a , dy = y − b (d operatorul de diferenţiere), avem:
d f ( x, y; a, b ) = f x' ( a, b ) ⋅ dx + f y' ( a, b ) ⋅ d y
( )
f x''2 ( a , b ) ⋅ ( x − a ) + f xy'' ( a , b ) + f yx'' ( a , b ) ⋅ ( x − a ) ⋅ ( y − b ) + f y''2 ( a , b ) ⋅ ( y − b ) .
2 2
d 2 f ( x , y ; −1, 2) = 8 ⋅ ( x + 1) ⋅ ( y − 2 ) + (3e −2 − 2) ⋅ ( y − 2 ) .
2
11
CURS 4
12
Să considerăm diferenţiala de ordinul doi a lui f în punctul staţionar (a,b):
d 2 f ( x , y; a , b ) =
( )
= f x''2 ( a, b ) ⋅ ( x − a ) + f xy'' ( a, b ) + f yx'' ( a, b ) ⋅ ( x − a )( y − b ) + f y''2 ( a, b ) ⋅ ( y − b )
2 2
13
Exemple numerice:
14
Rezolvare: Notăm cu f ( x, y ) profitul firmei, deci
( )
f ( x , y ) = x ⋅ 3600 − x 2 + y ⋅ (160 − y ) − C ( x , y ) =
− x 3 − y 2 + 2700 x + 140 y − 600 ,
evident cantităţile sunt restricţionate de cerinţa unor preţuri pozitive (deci
x ∈ ( 0,60 ) , y ∈ ( 0,160 ) ). Căutăm punctele de extrem ale lui f:
⎪⎧ f x ( x , y ) = 0
'
⎧−3 x 2 + 2700 = 0
⎨ ' ⇔⎨ , ţinând cont de domeniul variabilelor
⎪⎩ f y ( x , y ) = 0 ⎩−2 y + 140 = 0
obţinem punctul staţionar P ( x = 30, y = 70 ) ; derivatele parţiale de ordinul al
doilea sunt: f x''2 ( x, y ) = −6 x, f xy'' ( x, y ) = f yx'' ( x, y ) = 0, f y''2 ( x , y ) = −2 ;
obţinem diferenţiala de ordinul al doilea în punctul P:
( )
d 2 f ( x , y ;30,70 ) = f x''2 ( 30,70 )( x − 30 ) + f xy'' ( 30,70 ) + f yx'' ( 30,70 ) ( x − 30 )( y −
2
15
n
e ( a, b ) = ∑ ⎡⎣ f ( xi ) − g ( xi ) ⎤⎦ să fie minimă.
2
i =1
Condiţiile de minim impun anularea derivatelor parţiale ale funcţiei eroare
e ( a, b ) (este funcţie de coeficienţii necunoscuţi a şi b ai funcţiei g). Avem
n n
e ( a, b ) = ∑ ⎡⎣ f ( xi ) − a ⋅ xi − b ⎤⎦ = ∑ ( yi − a ⋅ xi − b ) , deci
2 2
i =1 i =1
n ⎛ n n n ⎞
ea' ( a, b ) = −2 ⋅ ∑ ( yi − a ⋅ xi − b ) ⋅ xi = −2 ⋅ ⎜ ∑ yi ⋅ xi − a ⋅ ∑ xi2 − b ⋅ ∑ xi ⎟
i =1 ⎝ i =1 i =1 i=1 ⎠
n ⎛ n n ⎞
şi eb' ( a, b ) = −2 ⋅ ∑ ( yi − a ⋅ xi − b ) = −2 ⋅ ⎜ ∑ yi − a ⋅ ∑ xi − n ⋅ b ⎟
i =1 ⎝ i =1 i =1 ⎠
Anulând derivatele parţiale se obţine sistemul:
⎧ n n
⎪a ⋅ ∑ xi + n ⋅ b = ∑ yi
⎪ i =1 i =1
⎨ n (1)
n n
⎪a ⋅ x 2 + b ⋅ x =
⎪ ∑ i ∑ i ∑ yi ⋅ xi
⎩ i =1 i =1 i =1
Sistemul (1) poartă denumirea de sistemul ecuaţiilor normale al lui
Gauss. Se poate arăta că determinatul sistemului este diferit de zero
(punctele x1 , x2 ,…, xn fiind presupuse distincte). În aceste condiţii sistemul
(1) admite o singură soluţie, deci polinomul de aproximare este unic.
Această metodă de aproximare a funcţiei f se mai numeşte şi ajustare, iar
g(x) funcţia de ajustare sau curba de ajustare.
Dăm exemple de curbe de ajustare mai frecvent utilizate:
– dreapta g ( x ) = a0 + a1 ⋅ x (ajustare liniară);
– parabola g ( x ) = a0 + a1 ⋅ x + a2 ⋅ x 2 (ajustare parabolică);
a1 1
– hiperbola g ( x ) = a0 + (ajustare hiperbolică); cu notaţia = t se
x x
ajunge la ajustarea liniară;
– exponenţiala g ( x ) = b ⋅ a x ; a şi b constante pozitive.
16
Exemplu numeric:
⎧ n n
⎪ n ⋅ b + a ⋅ ∑ x i = ∑ yi
⎪ i =1 i =1
conduce la sistemul ecuaţiilor normale ⎨ n n n
, ţinând
⎪b ⋅ x + a ⋅ x 2 = x y
⎪⎩ ∑ i =1
i ∑ i ∑ i i
i =1 i =1
⎧5b = 54
cont de date avem sistemul ⎨ , rezultă a = 2, 4, b = 10,8 ,
⎩10 a = 24
f ( x ) = 2, 4 x + 10,8 . Consumul prognozat pentru luna a şasea este f (3) = 18 .
Pentru uşurinţa calculelor întocmim tabelul:
xi yi xi2 xi yi f ( xi ) ( yi − f ( xi )) 2
-2 6 4 -12 6 0
-1 9 1 -9 8,4 0,36
0 10 0 0 10,8 0,64
1 13 1 13 13,2 0,04
2 16 4 32 15,6 0,16
5 5 5 5 5
∑ =0 ∑ = 54 ∑ = 10 ∑ = 24 ∑ = 1, 2
i =1 i =1 i =1 i =1 i =1
17
Cursul 5
INTEGRALE EULERIENE
1. Integrala gama
Definiţia 1. Se numeşte integrală gama sau funcţie gama integrala
∞
generalizată de forma Γ ( p ) = ∫ x p −1 ⋅ e − x dx , unde p este un parametru real
0
pozitiv.
Propoziţia 1. Integrala gama este convergentă pentru orice p > 0.
18
Proprietăţi ale lui Γ ( p ) :
a) Γ (1) = 1.
b) Γ ( p ) = ( p − 1) ⋅ Γ ( p − 1) , pentru p > 1.
c) Γ ( n ) = ( n − 1) !, pentru n ∈ N* .
⎛1⎞
d) Γ ⎜ ⎟ = π .
⎝2⎠
Demonstraţie:
( ) = lim ( −e
∞ b
a) Γ (1) = ∫ e − x dx = lim ∫ e − x dx = lim −e − x )
b −b
+1 = 1.
b →∞ b →∞ 0 b →∞
0 0
b) Γ ( p ) = ( p − 1) ⋅ Γ ( p − 1) , pentru p > 1.
b b
Deoarece Γ ( p ) = lim ∫ x p −1e − x dx , considerăm ∫x
p −1 − x
e dx pe care o
b →∞
0 0
integrăm prin părţi. Avem:
b b
b p −1
p −1 −x
∫ x ⋅ e dx = − x e
p −1 − x b
+ ( p − 1) ∫ x p −2 − x
e dx , fiindcă lim b = 0 rezultă
0 b →∞ e
0 0
b
Γ ( p ) = lim ( p − 1) ∫ x p − 2 ⋅ e − x dx = ( p − 1) Γ ( p − 1) ,
b →∞
0
c) Γ ( n ) = ( n − 1) !, pentru n ∈ N* .
Folosim metoda inducţiei relativă la n. Pentru n = 1 avem Γ (1) = 0! = 1 şi
relaţia se verifică. Presupunem adevărată relaţia pentru n = k (adică
Γ ( k ) = ( k − 1) ! ) şi să demonstrăm că este adevărată pentru n = k + 1. Dar
conform relaţiei anterioare avem Γ ( k + 1) = k ⋅ Γ ( k ) şi, cum am presupus
Γ ( k ) = ( k − 1) ! , rezultă că Γ ( k + 1) = k ⋅ ( k − 1) ! = k!
Aşadar proprietatea este adevărată pentru orice n ∈ N*.
19
2. Integrala beta
1 0
20
p −1
2) β ( p, q ) = ⋅ β ( p − 1, q ) , pentru p > 1.
p + q −1
Integrând prin părţi
b b
b
∫ f ( x ) ⋅ g ' ( x ) dx = f ( x ) ⋅ g ( x ) a
− ∫ f ' ( x ) ⋅ g ( x ) dx
a a
se obţine:
1
1 p − 1 1 p−2
β ( p, q ) = − x p −1 (1 − x ) + x (1 − x ) dx, de unde:
q q
q q 0
∫
0
p − 1 1 p −2
β ( p, q ) = ⋅ ∫ x (1 − x ) dx. Dar
q
q 0
x p − 2 (1 − x ) = x p − 2 (1 − x ) (1 − x ) = x p −2 (1 − x ) − x p −1 (1 − x )
q q −1 q −1 q −1
.
p − 1 1 p−2 p − 1 1 p −1
Rezultă β ( p, q ) = x (1 − x ) dx − x (1 − x ) dx, adică
q −1 q −1
q 0
∫ q 0
∫
p −1 p −1
β ( p, q ) = β ( p − 1, q ) − β ( p, q ) de unde
q q
p −1
β ( p, q ) = ⋅ β ( p − 1, q )
p + q −1
∞
− x2
Definiţia 1. Integrala generalizată ∫e dx se numeşte integrala Euler-
0
Poisson. Această integrală este convergentă şi calculul ei se poate face prin
reducerea la o integrală gama, cu schimbarea de variabilă t = x 2 . Astfel:
∞
− x2
∞
− 12 ⎛1⎞ π
∫ e dx = 2 ∫t
1
⋅ e− t dt = 12 Γ ⎜ ⎟ = .
0 0 ⎝2⎠ 2
21
1. Evenimente. Operaţii cu evenimente. Câmp de evenimente
22
Fie Ω evenimentul sigur (o mulţime de evenimente) şi fie P ( Ω )
mulţimea părţilor lui Ω.
Definiţia 5. O mulţime nevidă de părţi ale lui Ω, notată K, se numeşte
“corp de părţi” dacă verifică axiomele:
i) este închisă la complementară, adică ( ∀ ) A ∈ K ⇒ AC ∈ K ;
ii) este închisă la reuniunea finită, adică ( ∀ ) A, B ∈ K ⇒ A ∪ B ∈ K .
Exemple:
i) K = {Ω,Φ} este corp;
ii) Pentru orice A∈ P ( Ω ) , K = {Ω,Φ, A, AC } este corp;
iii) K = P ( Ω ) este corp.
Propoziţia 1. Orice corp verifică următoarele proprietăţi:
i) Ω ∈ K ;
ii) Φ ∈ K ;
iii) ( ∀ ) A, B ∈ K ⇒ A ∩ B ∈ K ;
iv) ( ∀ ) A, B ∈ K ⇒ A \ B ∈ K ;
n
v) ( ∀ ) Ai ∈ K , i = 1,n ⇒ ∪ Ai ∈ K ;
i =1
Definiţia 6. Evenimentul sigur Ω înzestrat cu un corp de părţi K se
numeşte “câmp de evenimente”. Se notează ( Ω,K ) .
Definiţia 7. O mulţime nevidă K inclusă în P ( Ω ) se numeşte “corp
borelian” (sau “σ-corp” sau „ σ -algebră”) dacă satisface axiomele:
1) este închisă la complementară, adică ( ∀ ) A ∈ K ⇒ Ac ∈ K ;
2) este închisă la reuniunea numărabilă, adică
∞
An ∈ K , ( ∀ ) n ∈ N* ⇒ ∪ An ∈ K .
n =1
Definiţia 8. Evenimentul sigur Ω înzestrat cu un corp borelian de părţi K se
numeşte “câmp borelian de evenimente”. Se notează ( Ω,K ) .
23
Fie ( Ω, K ) un câmp de evenimente.
Definiţia 9. Aplicaţia P : K → R se numeşte probabilitate finit aditivă (pe
scurt probabilitate) dacă:
i) P ( A ) ≥ 0 oricare ar fi A∈ K ;
ii) P ( Ω ) = 1 ;
iii) Oricare ar fi A, B ∈K incompatibile (adică A ∩ B = Φ ) avem
P ( A ∪ B ) = P ( A) + P ( B )
Tripletul ( Ω, K ,P ) se numeşte câmp de probabilitate.
În cazul în care ( Ω, K ) este un câmp borelian de evenimente, aplicaţia
P : K → R se numeşte probabilitate numărabil aditivă (sau σ-aditivă) dacă
sunt satisfăcute axiomele:
1) P ( A ) ≥ 0 , oricare ar fi A∈ K ;
2) P ( Ω ) = 1 ;
3) oricare ar fi şirul de evenimente ( An )n∈N* din K incompatibile două
câte două (se mai zice mutual incompatibile) are loc egalitatea
⎛∞ ⎞ ∞
P ⎜ ∪ An ⎟ = ∑ P ( An ) .
⎝ n=1 ⎠ n=1
24
Propoziţia 2. Dacă P : K → R este o probabilitate, atunci:
i) P ( Φ ) = 0 ;
ii) A, B ∈K , B ⊂ A ⇒ P ( A \ B ) = P ( A) − P ( B ) ;
iii) A, B ∈K , B ⊂ A ⇒ P ( A ) ≥ P ( B ) ;
iv) A, B ∈K ⇒ P ( A ∪ B ) = P ( A ) + P ( B ) − P ( A ∩ B )
( )
iv) A ∈ K ⇒ P ( A ) + P Ac = 1 .
Teorema 1. (Formula lui Poincaré) Fie Ai ∈ K , i = 1,n . Are loc egalitatea:
⎛n ⎞ n ⎛n ⎞
P ⎜ ∪ Ai ⎟ = ∑ P ( Ai ) − ∑ P ( Ai ∩ A j ) + .. + ( −1) ⋅ P ⎜ ∩ Ai ⎟
n
n −1
⎝ i =1 ⎠ i =1 i , j =1 ⎝ i =1 ⎠
i< j
25
CURSUL 6
Ai ∩ A j = Φ pentru orice i, j = 1, n, i ≠ j .
Definiţie
Evenimentele A, B ∈K sunt independente dacă P( A ∩ B ) = P( A) ⋅ P( B ) .
26
Formula de înmulţire a probabilităţilor:
Fie evenimentele A1 , A2 ,..., An ∈ K astfel încât probabilitatea
P ( A1 ∩ A2 ∩ ... ∩ An ) ≠ 0 . Atunci:
⎛n ⎞
P⎜⎜∩Ak ⎟⎟ = P( A1) ⋅ P( A2 | A1 ) ⋅ P( A3 | A1 ∩ A2 ) ⋅ ...⋅ P( An | A1 ∩...∩ An−1 )
⎝ k=1 ⎠
Soluţie: Numărul tuturor grupelor de n bile luate din cele N bile este C Nn .
Considerăm că x ≤ a şi n − x ≤ b . Pentru a determina numărul cazurilor
favorabile asociem fiecare grupă de x bile albe (în total Cax grupe) cu
fiecare grupă ce conţine n − x bile negre (în total Cbn − x grupe). Deci
numărul total al cazurilor favorabile este Cax ⋅ Cbn − x . Folosind definiţia
Cax ⋅ Cbn− x
clasică a probabilităţii se obţine relaţia : Pn ( x) = .
CNn
27
Exemplul 1: Într-un depozit sunt 30 televizoare puse în cutii identice.
Dintre ele 18 provin de la furnizorul F1 şi 12 de la furnizorul F2. Care
este probabilitatea ca la o comandă de 10 televizoare, un magazin să
primească 6 de la F1 şi 4 de la F2 ?
C 6 ⋅ C 4 204
Soluţie: P10 (6) = 18 10 12 = ≈ 0,3058 .
C30 667
28
Schema urnei cu bila revenită (schema Bernoulli):
Dacă sunt a bile albe şi b bile negre (fie N=a+b numărul total de bile din
a
urnă) atunci p = este probabilitatea ca într-o extracţie să se obţină o bilă
N
x n− x
⎛a⎞ ⎛b⎞
albă şi Pn ( x) = Cnx p x q n − x = Cnx ⋅ ⎜ ⎟ ⋅ ⎜ ⎟
⎝N⎠ ⎝N⎠
29
Schema lui Poisson
Fie n urne care conţin bile albe şi negre în proporţii diferite.
Probabilitatea obţinerii unei bile albe din urna k este pk , k = 1, 2,..., n . Se
extrage câte o bilă din fiecare urnă. Atunci probabilitatea (notată Pn ( x ) ) ca
din cele n bile extrase x să fie albe este coeficientul lui t x din dezvoltarea:
( p1t + q1 ) ⋅ ( p2 t + q2 ) ⋅ … ⋅ ( pn t + qn ) , unde qi = 1 − pi , i = 1,..., n .
30
CURSUL 7
{ }
Avem ω X ( ω) < x = X −1 ( ( −∞, x ) )
Propoziţia 1. Dacă X : Ω → R este o variabilă aleatoare atunci pentru
orice x, y ∈ R cu x < y mulţimile:
{
i) ω X ( ω) ≤ x ;} {
ii) ω X ( ω) ≥ x ;}
{ }
iii) ω X ( ω) > x ; iv) {ω x ≤ X ( ω) ≤ y} ;
v) {ω x < X ( ω) ≤ y} ; vi) {ω x ≤ X ( ω ) < y} ;
vii) {ω x < X ( ω) < y} ; viii) {ω X ( ω) = x}
sunt evenimente din K.
Demonstraţie.
i) Deoarece X : Ω → R este o variabil aleatoare, pentru orice x ∈ R şi
⎧ 1⎫
orice n ∈ N* avem An = ⎨ω X (ω ) < x + ⎬ ∈ R . K fiind un corp borelian,
⎩ n⎭
intersecţia acestor evenimente este din K şi deci:
∞ ⎧ 1⎫ ∞
{ }
ω X (ω ) ≤ x = ∩ ⎨ω X (ω ) < x + ⎬ = ∩ An ∈ K
n =1 ⎩ n ⎭ n=1
ii) Prin ipoteză, pentru orice x ∈ R , {ω }
X ( ω ) < x ∈ K , de unde
obţinem:
{ω } { }
C
X ( ω) ≥ x = ω X ( ω) < x ∈K
31
Definiţia 2.
i) Numim “variabilă aleatoare discretă” variabila aleatoare X : Ω → R cu
proprietatea că mulţimea valorilor posibile ale variabilei este cel mult
numărabilă, adică este finită sau numărabilă. În cazul în care mulţimea
valorilor este finită spunem că variabila aleatoare este simplă.
Notăm mulţimea valorilor X ( Ω ) = { xi }i∈I , xi ≠ x j , ( ∀ ) i, j ∈ I , i ≠ j ,
unde I poate fi finită {1, 2,… , n} sau numărabilă (de exemplu N∗ ).
ii) Numim “variabilă aleatoare continuă” variabila aleatoare X : Ω → R cu
proprietatea că mulţimea valorilor posibile X ( Ω ) este un interval din R .
({
pi = P ω X (ω ) = xi }) , i ∈ I .
De aceea se convine ca o variabilă aleatoare discretă să fie exprimată
printr-o matrice cu două linii: pe prima linie sunt scrise valorile distincte ale
variabilei aleatoare, iar pe a doua linie sunt scrise probabilităţile de realizare
⎛ x xi ⎞
ale valorilor corespunzătoare din prima linie: X : ⎜ 1 ⎟ sau
⎝ p1 pi ⎠i∈I
⎛x ⎞
concentrat X : ⎜ i ⎟ , cu condiţiile:
⎝ pi ⎠i∈I
i) pi > 0 , i ∈ I ;
ii) ∑ pi = 1 .
i∈I
Tabela cu două linii se numeşte “repartiţia discretă”.
32
Fie X : Ω → R o variabilă aleatoare. Conform definiţiei (1.), pentru orice
{ }
x ∈ R , mulţimea Ax = ω X ( ω) < x este un eveniment din K.
Fiecărui x ∈ R i se poate asocia numărul, notat F(x), care reprezintă
probabilitatea evenimentului Ax ∈ K .
⎪ p1 + p2 , x2 < x ≤ x3
⎪
⎪...............................
F ( x) = ⎨
k
⎪ p, x <x≤x
∑
⎪ i =1 i k k +1
⎪
⎪...............................
⎪⎩1, x > xn
33
Fie X : Ω → R o variabilă aleatoare continuă, J = X ( Ω ) .
Dacă funcţia de repartiţie F(x), x ∈ R este derivabilă cu derivata
continuă pe J, atunci funcţia f ( x ) = F ' ( x ) , x ∈ J şi nulă pe
complementara lui J se numeşte densitatea de repartiţie (sau densitatea de
probabilitate) a variabilei aleatoare X.
Propoziţia 3. Densitatea de repartiţie f ( x ) = F ' ( x ) , x ∈ R verifică
proprietăţile:
i) f ( x ) ≥ 0 oricare ar fi x ∈ R ;
ii) ∫ f ( x ) dx = 1 .
R
34
Adică P ( X < x, Y < y ) = P ( X < x ) ⋅ P (Y < y ) , ∀x, y ∈ R
⎛ x1 xi ⎞
M ( X k ) = ∑ xik ⋅ P ( X = xi ) dacă X este discretă X : ⎜ ⎟ ,
i∈I ⎝ p1 pi ⎠i∈I
M ( X k ) = ∫ x k ⋅ f ( x ) dx dacă X este continuă cu densitatea de repartiţie f.
R
Definiţia 7. Numim moment iniţial absolut de ordinul k al variabilei
aleatoare X (notat αk) media variabilei aleatoare X k .
35
Prin urmare:
⎛ x1 xi xn ⎞
( )
n
i) α k = M X k = ∑ xik ⋅ pi dacă X este discretă X : ⎜ ⎟ , sau
i =1 ⎝ p1 pi pn ⎠
( )
ii) α k = M X k = ∫ x k ⋅ f ( x ) dx dacă X este continuă cu densitatea f.
R
Momente centrate
Fie X : Ω → R o variabilă aleatoare cu funcţia de repartiţie F(x), x ∈ R
şi cu media M ( X ) = m finită.
Definiţia 8. Variabila aleatoare Y : Ω → R definită prin:
Y ( ω) = X ( ω) − m , ω∈ Ω se numeşte “abaterea faţă de medie”.
Definiţia 9. Numim “moment centrat” de ordinul k al variabilei aleatoare X,
notat μk(X), momentul iniţial de ordinul k al abaterii ei faţă de medie:
μ k ( X ) = M ⎡( X − m ) ⎤
k
⎣ ⎦
⎣ ⎦
Egalitatea aceasta exprimă faptul că dispersia variabilei aleatoare X este
media pătratului abaterii faţă de medie.
De aici şi din proprietăţile mediei se obţine egalitatea:
D ( X ) = M ( X 2 ) − M 2 ( X ) == m2 − m 2
notate
36
aceasta numărul persoanelor intervievate să nu depăşească 5 ? Dar 8 ?
Soluţie: Fie N variabila aleatoare care dă numărul persoanelor
intervievate până când se găsesc două care să simpatizeze candidatul.
Această variabilă aleatoare are repartiţia Pascal de parametri r = 2 şi
p = 0,3 , numită şi repartiţia binomială cu exponent negativ, adică
P ( N = n ) = Cnr−−11 ⋅ p r ⋅ (1 − p )
n−r
, unde n = r , r + 1,… (cel de-al r -lea succes la
interviul (extragerea) n presupune că în cele n − 1 interviuri anterioare au
fost exact r − 1 succese şi evident n − 1 − (r − 1) = n − r insuccese, deci sunt
Cnr−−11 posibilităţi de amplasare a lor în cele n − 1 interviuri).
Probabilitatea cerută este
P ( N ≤ 5 ) = P ( N = 2 ) + P ( N = 3) + P ( N = 4 ) + P ( N = 5 ) =
= C11 ⋅ 0,32 ⋅ 0,70 + C21 ⋅ 0,32 ⋅ 0,7 + C31 ⋅ 0,32 ⋅ 0,7 2 + C41 ⋅ 0,32 ⋅ 0,73 = 0, 47178 .
P ( N ≤ 8) = P ( N ≤ 5) + P ( N = 6 ) + P ( N = 7 ) + P ( N = 8) =
0, 47178 + C51 ⋅ 0,32 ⋅ 0,7 4 + C61 ⋅ 0,32 ⋅ 0,75 + C71 ⋅ 0,32 ⋅ 0,76 = 0,74470167
37
C8
38
Definiţia 13. Numim covarianţa variabilelor aleatoare X şi Y (notată
cov(X,Y))
cov ( X , Y ) = M ⎡⎣( X − M ( X ) ) ⋅ (Y − M (Y ) ) ⎤⎦
Propoziţia 9. Are loc egalitatea:
cov ( X , Y ) = M ( X ⋅ Y ) − M ( X ) ⋅ M (Y )
Corolarul 1. Dacă variabilele aleatoare X şi Y sunt independente atunci
cov ( X , Y ) = 0. .
Definiţia 14. Numim “coeficient de corelaţie” al variabilelor aleatoare X şi
cov ( X , Y ) cov ( X , Y )
Y numărul: ρX ,Y = =
σ X ⋅σ Y D ( X ) ⋅ D (Y )
Definiţia 15. Dacă ρX ,Y = 0 spunem că variabilele aleatoare X şi Y sunt
necorelate.
Propoziţia 10. Oricare ar fi variabilele aleatoare X şi Y coeficientul lor de
corelaţie aparţine intervalului [ −1,1] .
Propoziţia 11. Dacă X şi Y sunt două variabile aleatoare definite pe acelaşi
câmp de probabilitate atunci:
i) D 2 ( X + Y ) = D 2 ( X ) + D 2 (Y ) + 2 ⋅ cov ( X , Y ) ;
ii) D 2 ( X − Y ) = D 2 ( X ) + D 2 (Y ) − 2 ⋅ cov ( X , Y ) .
39
ii) lim F ( x1 , x2 ) = 0 , pentru orice i = 1, 2 ;
xi →−∞
40
Momentele variabilelor aleatoare vectoriale
⎪ ∫ ∫ x ⋅ y ⋅ f ( x, y ) dx dy,
r s
(ii)
⎩R R
după cum (X,Y) este variabilă aleatoare discretă i) sau continuă ii).
De aici pentru r ∈ N* şi s = 0 , obţinem:
( )
mr ,0 = M X r = ∫ x r f1 ( x ) ⋅ dx =
R
∫∫x
RR
r
⋅ f ( x, y ) dx dy
⎣ ⎦
41