Cursul 1

Serii numerice. Convergenţe. Proprietăţi

Definiţia 1. Fie şirul de numere reale ( un ) n . Să notăm

n
S1 = u1 , S 2 = u1 + u2 , …, Sn = u1 +…+ un = ∑ uk ,… Se obţine astfel un şir
k =1

( Sn )n∈N ∗ . Perechea formată de cele două şiruri se numeşte serie numerică şi

∞
se notează ∑ un (sau u1 + u2 + + un + ). Termenii şirului ( un ) n se
n =1

numesc termenii seriei, iar termenii şirului ( Sn )n∈N ∗ se numesc sumele

∞
parţiale ale seriei ∑ un .
n =1
∞
Observaţie. Deoarece u1 = S1 şi un = Sn − Sn −1 , ∀n ≥ 2 , seria ∑ un este
n =1

complet determinată de şirul sumelor sale parţiale ( Sn )n∈N∗ şi studiul seriei

se reduce la studiul acestui şir.
∞
Definiţia 2. O serie numerică ∑ un se numeşte convergentă dacă şirul
n =1

( Sn )n∈N ∗ al sumelor ei parţiale este convergent; în acest caz, numărul

∞
S = lim S n se numeşte suma seriei şi scriem
n →∞
∑ un = S . Dacă lim S n = ±∞
n →∞
n =1

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 →∞

Sintetizând rezultatele, obţinem:

1
- pentru r ∈ ( 0,1) seria geometrică este convergentă şi are suma ;
1− r
- pentru r ∈ [1, ∞ ) seria geometrică este divergentă şi are suma +∞ .
Teorema 1. (Criteriul general al lui Cauchy de convergenţă a seriilor).
∞
Seria ∑ un este convergentă dacă şi numai dacă pentru orice ε>0
n =1

există un rang N ( ε ) , astfel încât pentru orice n ≥ N ( ε ) şi p ∈ N∗ ,

un +1 + un + 2 +…+ un + p < ε .
∞ 1
Exemplu. Seria armonică ∑ este divergentă, deoarece nu verifică
n =1 n
criteriul lui Cauchy.
1
Într-adevăr, există ε = > 0 astfel încât oricare ar fi n ∈ *, ( ∃) k n = n
2
1
şi p = n , pentru care avem u k n +1 + u k n + 2 +…+ u k n + p ≥ , deoarece
2
1 1 1 1 1
+ +…+ ≥ n⋅ = , oricare ar fi n ∈ * .
n +1 n + 2 2n 2n 2
∞
Propoziţia 1. (Criteriul necesar de convergenţă). Dacă seria ∑ un e
n =1

convergentă, atunci lim un = 0 .

n →∞
∞
Demonstraţie. Dacă ∑ un este convergentă atunci lim S n = S .
n →∞
n =1

Dar un = Sn − Sn −1 şi lim un = lim S n − lim S n −1 = S − S = 0 .

n →∞ n →∞ n →∞

Corolar (Criteriu suficient de divergenţă). Dacă lim un ≠ 0 sau nu există,

n →∞
∞
atunci seria ∑ un este divergentă.
n =1

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

Demonstraţie. Dacă notăm cu S suma seriei, putem scrie S = Sp + Rp

sau Rp = S – Sp, de unde lim Rp = S − lim S p = S − S = 0 .
p →∞ p →∞
∞
Definiţia 4. Seria ∑ un se numeşte absolut convergentă dacă seria
n =1
∞
∑ un este convergentă. Dacă o serie este convergentă fără a fi absolut
n =1
convergentă, vom spune că ea este semiconvergentă.
∞
Propoziţia 5. Dacă seria ∑ un este absolut convergentă, atunci ea este
n =1
convergentă.

Serii cu termeni pozitivi

∞
Definiţia 5. Seria numerică ∑ un se numeşte serie cu termeni pozitivi
n =1
dacă un > 0 oricare ar fi n ∈ N .
Observaţie. O serie cu termeni pozitivi are întotdeauna o sumă,
deoarece şirul sumelor ei parţiale este crescător. Suma va fi finită dacă şirul
sumelor parţiale este mărginit superior sau egal cu +∞ , în caz contrar.
În continuare se dau câteva criterii de convergenţă pentru serii cu
termeni pozitivi.
∞ ∞
1. Primul criteriu al comparaţiei. Fie ∑ un şi ∑ vn două serii cu
n =1 n =1
termeni pozitivi pentru care există n0 ∈ N , astfel încât pentru orice n ≥ n0
avem un ≤ vn . Atunci:
∞ ∞
a) Dacă ∑ vn este convergentă, rezultă că ∑ un este convergentă.
n =1 n =1
∞ ∞
b) Dacă ∑ un este divergentă, rezultă că ∑ vn este divergentă.
n =1 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

∑ vn convergentă ⇒ ( Sn' )n convergent, fie S ' = nlim

∞
i) Sn' , avem
n =1 →∞

o < Sn ≤ Sn' ≤ S ', ( ∀) n , rezultă ( Sn )n este mărginit; cum este şi crescător

∞
rezultă că ( Sn )n este convergent, deci seria ∑ un este convergentă.
n =1
∞
ii) ∑ un divergentă ⇒ nlim
→∞
Sn = ∞ , şi cum Sn ≤ S n' rezultă lim Sn' = ∞ ,
n →∞
n =1
∞
deci seria ∑ vn este divergentă.
n =1
2. Al doilea criteriu al comparaţiei. Fie seriile cu termeni pozitivi
∞ ∞
∑ u n şi ∑ v n . Să presupunem că, începând de la un anumit rang n0 ∈ N ,
n =1 n =1

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

2). Criteriul comparaţiei cu limită. Fie seriile cu termenii pozitivi

∞ ∞ un
∑ un şi ∑ vn astfel încât nlim
→∞ v
= L . Atunci:
n =1 n =1 n
i) dacă 0 < L < ∞ , rezultă că seriile au aceeaşi natură;
∞ ∞
ii) dacă L = 0 şi seria ∑ vn este convergentă, rezultă că seria ∑ un este
n =1 n =1
convergentă;
∞ ∞
iii) dacă L = ∞ şi seria ∑ vn este divergentă, rezultă că seria ∑ un este
n =1 n =1
divergentă.

∞
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

şirul ( un ) n∈ * este descrescător şi lim un = 0 atunci seria este convergentă.

n →∞

Demonstraţie. Fie S 2 n = u1 − u2 +…+ u2 n −1 − u2 n , atunci

S2 n + 2 = S 2 n + u2 n +1 − u2 n + 2 ≥ S 2 n , deoarece u2 n +1 ≥ u2 n + 2 . Deci ( S2 n )n∈ este
şir crescător (1).
Din S 2 n = u1 − ( u2 − u3 ) −…− ( u2 n − 2 − u2 n −1 ) − u2 n ≤ u1 , rezultă că
( S2 n )n∈ este mărginit (2). Din (1) şi (2) rezultă că ( S2 n )n∈ este şir
convergent.
Fie S = lim S 2 n . Deoarece S 2 n +1 = S 2 n + u2 n +1 , avem:
n →∞

lim S2 n +1 = lim ( S2 n + u2 n +1 ) = lim S 2 n + lim u2 n +1 = S , termenul al doilea fiind

n →∞ n →∞ n →∞ n →∞

nul conform ipotezei. În concluzie, obţinem lim S n = S , adică seria

n →∞
∞
∑ ( −1) ⋅ un este convergentă.
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

Definiţia 3.1. Numim serie de puteri o serie de funcţii de forma

a0 + a1 ⋅ x + a2 ⋅ x 2 + + an ⋅ x n + , unde an este un număr numit
coeficientul termenului de rang n, iar x ∈ R.
∞
Convenind 00=1 (doar aici) putem scrie prescurtat ∑ an ⋅ x n .
n =0
∞
Teorema lui Abel. Pentru orice serie de puteri ∑ an ⋅ x n există un
n =0
număr R0 ≥ 0 astfel încât:
i) seria este absolut convergentă pe intervalul ( − R0 , R0 ) ;
ii) seria este divergentă pe mulţimea ( −∞, − R0 ) ∪ ( R0 , ∞ ) ;
iii) pentru orice r ∈ ( 0, R0 ) seria este uniform convergentă pe [ − r , r ] .

Numărul R0 se numeşte raza de convergenţă a seriei de puteri, iar

( − R0 , R0 ) se numeşte intervalul de convergenţă al seriei.
Observaţii. În punctele x = − R0 şi x = R0 teorema lui Abel nu arată
comportamentul seriei de puteri. În aceste puncte seria se va studia separat
aplicând criterii de la seriile numerice. Teorema lui Abel afirmă existenţa
razei de convergenţă pentru orice serie de puteri, dar nu dă un procedeu de
calcul al acesteia.
Calculul razei de convergenţă:
∞
Fie ∑ an ⋅ x n o serie de puteri şi R0 raza ei de convergenţă.
n =0

1). (Teorema Cauchy-Hadamard). Dacă lim n an = L , atunci

n →∞

⎧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

mulţime formată numai din puncte interioare; un punct ( a, b ) ∈ A este punct

interior lui A, dacă odată cu punctul ( a, b ) A conţine o întreagă vecinătate a
punctului ( a, b ) ). Funcţia f : A → R se numeşte funcţie reală de două
variabile reale (folosim notaţia f ( x, y ) ).
Punctul ( a, b ) este punct de acumulare pentru A dacă orice vecinătate
a sa conţine cel puţin un punct din A diferit de ( a, b ) .
Definiţia 1. Fie f : A → R şi ( a, b ) un punct de acumulare pentru A.
Spunem că L este limita funcţiei f în punctul ( a, b ) dacă pentru orice şir de
puncte ( ( xn , yn ) )n ⊂ A , ( xn , yn ) ≠ ( a, b ) şi astfel încât nlim
→∞
( xn , yn ) = ( a, b ) ,
avem lim f ( xn , yn ) = L . Notăm L = lim f ( x, y ) .
n →∞ ( x , y )→( a ,b )
Definiţia 2. Fie f : A → R şi ( a, b ) ∈ A . Spunem că funcţia f este
continuă în punctul ( a, b ) dacă lim f ( x, y ) = f ( a , b ) .
( x , y )→( a ,b )
Observaţia 1. Dacă f este continuă în raport cu ansamblul
variabilelor, atunci ea este continuă în fiecare variabilă. Reciproca nu este
valabilă. Exemplu:
⎧ x⋅ y
⎪ 2 , ( x, y ) ≠ ( 0, 0 )
f : R 2 → R , f ( x, y ) = ⎨ x + y
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

Propoziţia 1. Dacă f : A → R este diferenţiabilă în punctul ( a, b ) ∈ A ,

atunci f admite derivate parţiale în ( a, b ) şi f x' ( a, b ) = λ , f y' ( a, b ) = μ .

Propoziţia 2. Dacă f : A → R admite derivate parţiale f x' ( a, b ) şi

f y' ( a, b ) într-o vecinătate a punctului ( a, b ) ∈ A şi acestea sunt continue în
( a, b ) , atunci f este diferenţiabilă în ( a, b ) .

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

1. Folosind definiţia derivatelor parţiale să se calculeze:

∂f
∂x
(1,1) , şi
∂f
∂y
(1,1) pentru f ( x, y ) = ln 1 + x ⋅ y 2 ( )
∂f f ( x,1) − f (1,1) ln (1 + x ) − ln 2 1
Rezolvare: (1,1) = lim = lim = ,
∂x x →1 x −1 x →1 x −1 2
∂f
(1,1) = lim
f (1, y ) − f (1,1)
= lim
2
(
ln 1 + y − ln 2
=1
)
∂y y →1 y −1 y →1 y −1

2. Să se calculeze diferenţiala de ordinul întâi şi diferenţiala de ordinul al

doilea pentru funcţia f ( x , y ) = x ⋅ y 2 + 3 ⋅ x ⋅ e x⋅ y în punctul A(-1,2).
Rezolvare: Diferenţialele de ordinul întâi şi doi în punctul ( a, b) sunt:
d f ( x , y ; a , b ) = f x' ( a , b ) ⋅ ( x − a ) + f y' ( a , b ) ⋅ ( y − 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

Avem: f x' ( x, y ) = 3e x⋅ y + 3 x ⋅ y ⋅ e x⋅ y + y 2 , f x' ( −1, 2) = 4 − 3e−2 ,

f y' ( x, y ) = 3 x 2 ⋅ e x⋅ y + 2 x ⋅ y , f y' ( −1, 2) = −4 + 3e−2 ,
d f ( x , y ; −1, 2) = (4 − 3e −2 ) ⋅ ( x − y ) + 12 − 9e−2 , f x''2 ( x, y ) = 3 y ⋅ e x⋅ y ( 2 + x ⋅ y ) ,
f x''2 ( −1, 2) = 6e−2 ( 2 − 2 ) = 0 , f xy'' ( x, y ) = f yx'' ( x, y ) = 3 x ⋅ e x⋅ y ( 2 + x ⋅ y ) + 2 y ,
f xy'' ( −1, 2) = f xy'' ( −1, 2) = 4 , f y''2 ( x , y ) = 3 x3 ⋅ e x⋅ y + 2 x , f y''2 ( −1, 2) = 3e −2 − 2 ,

d 2 f ( x , y ; −1, 2) = 8 ⋅ ( x + 1) ⋅ ( y − 2 ) + (3e −2 − 2) ⋅ ( y − 2 ) .
2

11
 CURS 4

Definiţia 1. Funcţia f : A → R admite un maxim local (respectiv

minim local) în punctul ( a, b ) ∈ A dacă există o vecinătate V a lui (a,b),
astfel încât oricare ar fi ( x, y ) ∈V are loc inegalitatea f ( x, y ) ≤ f ( a, b )
(respectiv f ( x, y ) ≥ f ( a, b ) ). Aceste puncte (de maxim şi de minim local)
se numesc puncte de extrem local pentru f.
Propoziţia 1 (Criteriu necesar de extrem local).
Dacă funcţia f : A → R are un extrem local în ( a, b ) ∈ A şi există
derivatele parţiale f x′, f y′ pe o vecinătate a lui (a,b), atunci f x′ ( a, b ) = 0,
f y′ ( a, b ) = 0 .
Definiţia 2. Punctul ( a, b ) ∈ A este punct staţionar pentru f : A → R
dacă f admite derivate parţiale de ordinul întâi continue în (a,b) şi
f x′ ( a, b ) = 0, f y′ ( a, b ) = 0 .
Punctele staţionare care nu sunt puncte de extrem local pentru f se
numesc puncte şa.
Condiţii suficiente ca un punct staţionar să fie punct de extrem local
sunt date în următoarea teoremă.
Teorema 1. Fie ( a, b ) ∈ A punct staţionar pentru f : A → R . Presupunem
că f admite derivate parţiale de ordinul doi continue într-o vecinătate a lui
(a, b). Atunci:
i) dacă Δ = f x′′2 ( a, b ) ⋅ f y′′2 ( a, b ) − ⎡⎣ f x′′y ( a, b ) ⎤⎦ > 0 , punctul (a,b) este punct
2

de extrem local pentru f şi anume:

- punct de minim dacă f x′′2 ( a, b ) > 0
- punct de maxim dacă f x′′2 ( a, b ) < 0 .
ii) dacă Δ < 0 , punctul (a, b) este punct şa.

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

(este o funcţională pătratică). Ataşăm acestei funcţionale pătratice matricea

care poartă denumirea de hessiana funcţiei f în punctul ( a , b ) , anume:
⎡ f x′′2 ( a, b ) f x′′, y ( a, b ) ⎤
H ( a, b ) = ⎢ ⎥.
⎢⎣ f y′′, x ( a, b ) f y′′2 ( a, b ) ⎥⎦
Dacă:
1. funcţionala pătratică este pozitiv definită, atunci (a,b) este punct de
minim local pentru f. Aceasta înseamnă că toţi minorii principali ai lui H
sunt pozitivi, adică: Δ1 = f x′′2 ( a, b ) > 0, Δ 2 = det H > 0 .
2. funcţionala pătratică este negativ definită, atunci (a,b) este punct de
maxim local pentru f. Aceasta înseamnă că Δ1 = f x′′2 ( a, b ) < 0 şi
Δ 2 = det H > 0 .
3. funcţionala pătratică nu este definită, atunci punctul staţionar (a,b) nu
este punct de extrem pentru f.

13
Exemple numerice:

1). Găsiţi punctele de extrem ale funcţiei f : R2 → R ,

f ( x, y ) = x 2 + 3 ⋅ y 3 − x ⋅ y
Rezolvare: Avem f x' ( x, y ) = 2 ⋅ x − y şi f y' ( x, y ) = 9 ⋅ y 2 − x . Anulăm
⎧⎪2 x − y = 0 1 1
derivatele parţiale: ⎨ 2 cu soluţiile x = 0, y = 0 şi x = , y = .
⎪⎩9 y − x = 0 36 18
⎛ 1 1⎞
Deci O(0,0) şi A ⎜ , ⎟ sunt puncte staţionare. Calculăm derivatele
⎝ 36 18 ⎠
parţiale de ordin doi: f x''2 ( x, y ) = 2 , f x''y ( x, y ) = −1 , f y''x ( x, y ) = −1 ,
f y''2 ( x, y ) = 18 ⋅ y
Calculăm pentru fiecare punct staţionar valoarea expresiei Δ (adică det H ).
Pentru punctul O(0,0) avem
Δ = f x′′2 ( 0, 0 ) ⋅ f y′′2 ( 0, 0 ) − f x′′y ( 0, 0 ) ⋅ f yx′′ ( 0, 0 ) = 2 ⋅ 0 − 1 = −1 < 0 , deci O este
punct şa.
⎛ 1 1⎞
Pentru punctul A ⎜ , ⎟ avem
⎝ 36 18 ⎠
⎛ 1 1⎞ ⎛ 1 1⎞ ⎛ 1 1⎞ ⎛ 1 1⎞
Δ = f x′′2 ⎜ , ⎟ ⋅ f y′′2 ⎜ , ⎟ − f x′′y ⎜ , ⎟ ⋅ f yx′′ ⎜ , ⎟ =
⎝ 36 18 ⎠ ⎝ 36 18 ⎠ ⎝ 36 18 ⎠ ⎝ 36 18 ⎠
1
2 ⋅18 ⋅ − ( −1) ⋅ ( −1) = 1 > 0 , deci A este punct de extrem şi cum
18
⎛ 1 1⎞
Δ1 = f x′′2 ⎜ , ⎟ = 2 > 0 rezultă că A este punct de minim, valoarea
⎝ 36 18 ⎠
⎛ 1 1⎞ 1
minimă a funcţiei fiind f ⎜ , ⎟ = − ≈ −0, 000257
⎝ 36 18 ⎠ 3888

2). Împreună cu Daniel ai o firmă care produce x produse A şi y produse B.

Preţul unui produs A este de pA = 3600 − x 2 dolari($) iar al unui produs B
este de pB = 160 − y dolari. Se consideră că totalul cheltuielilor de producţie
(în $) este dat de funcţia C ( x, y ) = 600 + 900 ⋅ x + 20 ⋅ y. Să se determine x şi
y astfel încât profitul firmei să fie maxim. Cât se pierde faţă de profitul
maxim dacă Daniel zice să se producă 20 de produse A şi 30 de produse B ?

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

−70 ) + f y''2 ( 30,70 )( y − 70 ) = −180 ⋅ ( x − 30 ) − 2 ⋅ ( y − 70 ) , care este negativ

2 2 2

definită, deci P este punct de maxim, iar profitul maxim este

f ( 30,70 ) = 58300 $ . Dacă se produc x = 20 şi y = 30, atunci profitul firmei
este f ( 20,30 ) = 48700 $ , deci firma pierde prin neoptimizarea producţiei
suma de 58300 − 48700 = 9600 $.

Metoda celor mai mici pătrate

Fie f : [ a, b ] → R . Când nu se cunoaşte expresia analitică a lui f şi se

cunosc numai valorile sale într-un număr finit de puncte x1 , x2 ,…, xn din
intervalul [ a, b ] , se pune problema determinării unei funcţii g, destul de
simple, care să aproximeze funcţia f în intervalul [a,b]. De cele mai multe
ori această funcţie simplă se prezintă sub forma unui polinom.
Să presupunem, deci, că sunt cunoscute valorile funcţiei f,
yi = f ( xi ) , i = 1, 2,… , n .
Să considerăm funcţia de aproximare liniară g ( x ) = a ⋅ x + b
Dorim să găsim expresia analitică a lui g, astfel încât eroarea
aproximării să fie minimă. Ne propunem să determinăm funcţia de
aproximare g cu condiţia ca suma pătratelor erorilor să fie minimă, adică:

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:

1. Exprimat în unităţi băneşti, consumul unui produs alimentar a avut în

primele 5 luni ale anului curent următoarea evoluţie:
Luna I F M A M
Consumul 6 9 10 13 16
Să se determine funcţia liniară de ajustare şi pe baza ei să se prognozeze
consumul din luna a şasea.
Rezolvare: Fie f ( x ) = a ⋅ x + b funcţia de ajustare, unde f ( x ) este
consumul din luna x (pentru uşurinţa calculelor datele se centrează, adică
n n
n = 5, x1 = −2, x2 = −1,…, x5 = 2 ). Cum min ∑ ( yi − a ⋅ xi − b )
2
∑ xi = 0 , aici a ,b i =1
i =1

⎧ 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

Observăm că suma pătratelor erorilor nu este prea mare.

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

Definiţia 2. Se numeşte integrală beta sau funcţie beta integrala

1
generalizată de forma β ( p, q ) = ∫ x p −1 (1 − x )
q −1
dx , unde p > 0 şi q > 0.
0

Propoziţia 2. Integrala beta este convergentă pentru orice p > 0 şi q > 0.

Proprietăţi:
1) β ( p, q ) = β ( q, p ) .
p −1
2) β ( p, q ) = ⋅ β ( p − 1, q ) , pentru p > 1.
p + q −1
Γ ( p) ⋅ Γ (q)
3) β ( p, q ) = , pentru p > 0 şi q > 0.
Γ ( p + q)
∞
x p −1
4) β ( p, q ) = ∫ p+q
dx , pentru p > 0 şi q > 0.
0 (1 + x )
π
5) β ( p,1 − p ) = , pentru 0 < p < 1
sin ( p ⋅ π )
q −1
6) β ( p, q ) = ⋅ β ( p, q − 1) , pentru q > 1
p + q −1
( p − 1) ⋅ ( q − 1) ⋅ β p − 1, q − 1 , ∀ p > 1 şi q > 1
7) β ( p, q ) = ( ) ( )
( p + q − 1) ⋅ ( p + q − 2 )
Demonstraţie.
1) β ( p, q ) = β ( q, p ) Cu schimbarea de variabilă t = 1 − x avem:
0 1
β ( p, q ) = − ∫ (1 − t ) ⋅t q −1dt = ∫ t q −1 ⋅ (1 − t ) dt = β ( q, p ) .
p −1 p −1

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

Prin „experienţă” vom înţelege un complex de condiţii. Realizarea

efectivă a unei experienţe o vom numi ”probă”. Orice rezultat al unei
experienţe se numeşte eveniment.
Pe mulţimea evenimentelor corespunzătoare unei experienţe se introduc
operaţiile: 1) “sau”: “A sau B” (notat A ∪ B ) este evenimentul care se
realizează dacă se realizează cel puţin unul din cele două evenimente.
2) „şi”: “A şi B” (notat A ∩ B ) este evenimentul care se realizează dacă
se realizează ambele evenimente.
3) “non”: “non A” (opusul lui A, notat AC , CA sau A ) este evenimentul
care se realizează dacă nu se realizează evenimentul A.
Definiţia 1. Fie A şi B două evenimente. Spunem că “A implică B” (notăm
A ⊂ B ) dacă realizarea lui A atrage (înseamnă) şi realizarea lui B.
Definiţia 2. Evenimentul care se realizează în orice probă se numeşte
“eveniment sigur” şi va fi notat cu Ω. Evenimentul care nu se realizează în
nici-o probă se numeşte “eveniment imposibil” şi va fi notat cu Φ . Avem
Φ = Ω.
Definiţia 3. Un eveniment care poate să se realizeze (producă) sau să nu se
realizeze într-o probă se numeşte eveniment aleator sau eveniment
întâmplător.
Definiţia 4. Spunem că evenimentul X este “elementar” dacă din A ⊂ X
rezultă A = Φ sau A = X .

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

Definiţia 10. Un câmp borelian de evenimente ( Ω, K ) , pe care s-a definit o

probabilitate σ-aditivă P se numeşte “câmp borelian de probabilitate”. Se
notează ( Ω, K ,P ) .

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

Fie ( Ω, K ,P ) un câmp borelian de probabilitate şi fie B ∈ K cu

P ( B ) > 0 . Pentru orice A∈ K definim probabilitatea lui A condiţionată
P ( A ∩ B)
de B prin: PB ( A ) = . Se mai notează P ( A B ) .
P ( B)

Teorema 2. Aplicaţia PB : K → R , definită mai sus este o probabilitate σ-

aditivă (numărabil aditivă), iar tripletul ( Ω, K ,PB ) este un câmp borelian de
probabilitate.

Definiţie. Spunem că evenimentele A1 , A2 ,..., An formează un sistem

complet de evenimente al câmpului (Ω, K ) dacă A1 ∪ A2 ∪ … ∪ An = Ω şi

Ai ∩ A j = Φ pentru orice i, j = 1, n, i ≠ j .

Formula probabilităţii totale

Fie A1 , A2 ,..., An un sistem complet de evenimente al câmpului (Ω, K )
şi fie evenimentul X ∈ K atunci probabilitatea evenimentului X este:
n
P( X ) = ∑ P( Ai ) ⋅ PAi ( X )
i =1

Formula lui Bayes

În condiţiile de mai sus dacă P( X ) > 0 , atunci
P ( Ai ) ⋅ P ( X Ai )
P ( Ai X ) = n
∑ P ( Ai ) ⋅ P ( X Ai )
i =1

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 ⎠

Scheme probabilistice clasice

1. Schema urnei cu bile nerevenite:

Se consideră o urnă în care sunt a bile albe şi b bile negre (fie N=a+b
numărul total de bile din urnă). Se extrag succesiv n bile, fără a repune
bilele înapoi (sau se extrag deodată n bile). Vrem probabilitatea (notată
Pn ( x) ) ca din cele n bile extrase, x să fie albe şi n − x să fie negre.

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

Generalizare: Presupunem că în urnă sunt bile de s culori. Fie ak numărul

bilelor de culoarea k (k = 1, …, s ) . Se extrag deodată n bile. Care este
probabilitatea ca xk bile să fie de culoarea k ?
s s
Avem: ∑ ak = N şi ∑x k = n . Se obţine relaţia următoare :
k =1 k =1

C ax11 ⋅ C ax22 ⋅ ... ⋅ C axss

Pn ( x1 , x 2 ,..., x s ) =
C Nn

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

Exemplul 2: Se consideră un joc de tipul Loto 6/49 (6 numere extrase din

49). Considerând că se joacă o singură variantă simplă, să se afle:
i) probabilitatea de a ghici toate cele 6 numere;
ii) probabilitatea de a ghici numai 4 din cele 6 numere.
Rezolvare. Extragerile sunt fără revenire, aşa că vom aplica modelul urnei
cu bile nerevenite de două culori (aici numere câştigătoare, cele 6, şi
necâştigătoare, celelalte 43). Avem:
C66 ⋅ C43
0
1 1
i) P6 ( 6 ) = = = ≈ 0, 000000071
C496 49 ⋅ 48 ⋅ 47 ⋅ 46 ⋅ 45 ⋅ 44 13983816
6!
4
C ⋅C 2
15 ⋅ 43 ⋅ 21 645
ii) P6 ( 4 ) = 6 6 43 = = ≈ 0,000968619 , cam o
C49 49 ⋅ 48 ⋅ 47 ⋅ 46 ⋅ 45 ⋅ 44 665896
6!
şansă din 1033 de a ghici cu o variantă simplă exact 4 numere din cele 6
care vor fi extrase.

28
 Schema urnei cu bila revenită (schema Bernoulli):

Se consideră o urnă în care sunt bile albe şi bile negre. Probabilitatea de a

extrage într-o probă o bilă albă este p. Se extrag succesiv n bile, de fiecare
dată bila extrasă introducându-se înapoi în urnă. Vrem probabilitatea (notată
Pn ( x) ) ca din cele n bile extrase, x să fie albe şi n − x să fie negre.
n!
Rezultă relaţia: Pn ( x ) = Cnx p x q n − x = p x q n − x , unde q = 1 − p .
x! (n − x )!

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⎠

Generalizare: Fie o urnă cu bile de s culori. Fie pk probabilitatea

extragerii unei bile de culoare k (k = 1, …, s ) . Ne interesează să determinăm
probabilitatea ca din cele n bile extrase cu revenire, xk bile să fie de
culoarea k , (k = 1, …, s ) . Notând această probabilitate cu Pn ( x1 , x2 ,..., xs ) ,
n!
avem: Pn ( x1 , x2 ,..., xs ) = ⋅ p1x1 ⋅ p2x2 ⋅… ⋅ psxs ,
x1 !⋅ x2 !⋅… ⋅ xs !
s s
unde xk ≥ 0 , ∑ xk = n ,
k =1
∑p
k =1
k = 1.

Exemplul 1: Se consideră o urnă ce conţine 3 bile albe şi 4 bile negre.

Din această urnă se fac 3 extrageri cu revenire. Cu ce probabilitate se obţin
2 bile albe şi o bilă neagră?
2
⎛ 3 ⎞ 4 108
P3 ( 2) = C ⎜ ⎟ ⋅ =
2
3 = 0,315
⎝ 7 ⎠ 7 343

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 .

Observaţie: Schema Bernoulli este un caz particular al schemei Poisson

când p1 = p2 = … = pn = p .

30
 CURSUL 7

Variabile aleatoare reale

Să considerăm câmpul (borelian) de probabilitate ( Ω, K ,P ) .

Definiţia 1. O aplicaţie X : Ω → R se numeşte “variabilă aleatoare”
{
dacă pentru orice x ∈ R , mulţimea ω X ( ω ) < x ∈ K }
Mulţimea aceasta se poate scrie şi sub una din următoarele forme
echivalente: i) { X ( ω) < x} ; sau ii) { X < x} .

{ }
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 .

Prin urmare, o variabilă aleatoare discretă este determinată de valorile

distincte xi, i ∈ I şi de probabilităţile de realizare ale acestor valori

({
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 .

Definiţia 3. Funcţia F : R → R definită prin:

({ })
F ( x ) = P ω X ( ω) < x , se numeşte “funcţia de repartiţie” a
variabilei aleatoare X : Ω → R . Notată mai simplu F ( x ) = P ( X < x ) .

Propoziţia 2. Fie X : Ω → R o variabilă aleatoare şi F : R → R

funcţia de repartiţie a variabilei aleatoare X. Sunt adevărate afirmaţiile:
i) lim F ( x ) = 0 , lim F ( x ) = 1 ;
x→ - ∞ x →∞

ii) x, y ∈ R , x < y ⇒ F ( x ) ≤ F ( y ) (deci F este crescătoare);

iii) x ∈ R ⇒ F ( x - 0 ) = F ( x ) , unde F ( x - 0 ) = lim F ( y ) este limita la
y→x
y< x

stânga în x (aşadar F este continuă la stânga).

Să considerăm o variabilă aleatoare discretă:

⎛x ⎞
X : ⎜ i ⎟ , pi ≥ 0 , i ∈ I şi ∑ pi = 1
⎝ pi ⎠ i∈I
cu valorile xi discrete şi numerotate în ordinea mărimii.
Dacă I = {1, 2,..., n} atunci:
⎧0, x ≤ x1
⎪p , x < x ≤ x
⎪ 1 1 2

⎪ 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

Observaţia 1. F fiind primitivă pe R a funcţiei f, are loc egalitatea:

x
F ( x) = ∫ f ( t ) dt , x∈R
−∞
Propoziţia 4. Dacă X : Ω → R este o variabilă aleatoare continuă
atunci, pentru orice a ∈ R are loc egalitatea: P ( X ( ω) = a ) = 0

Operaţii cu variabile aleatoare

Propoziţia 5. Dacă X : Ω → R este o variabilă aleatoare atunci:

i) Y = a ⋅ X , a ∈ R ; ii) Z = X ; iii) T = X k , k ∈ N* ;
1
iv) U = , X ≠ 0; v) V = X , X ≥ 0
X
sunt variabile aleatoare.

Propoziţia 6. Dacă X şi Y sunt variabile aleatoare, definite pe acelaşi

câmp de probabilitate ( Ω, K ,P ) , atunci: i) X − Y ; ii) X + Y ; iii) X ⋅ Y ;
X
iv) , Y ≠ 0 ; v) max { X , Y } ; vi) min { X , Y }
Y
sunt variabile aleatoare.

Definiţia 4. Spunem că variabilele aleatoare X şi Y sunt “independente”

dacă evenimentele: A = ω X ( ω ) < x{ } {
şi B = ω Y ( ω ) < y sunt }
independente pentru orice x, y ∈ R .

34
 Adică P ( X < x, Y < y ) = P ( X < x ) ⋅ P (Y < y ) , ∀x, y ∈ R

CARACTERISTICI NUMERICE ALE

VARIABILELOR ALEATOARE

1. Media unei variabile aleatoare

Fie X : Ω → R o variabilă aleatoare.

Definiţia 5. Numim “media” variabilei aleatoare X, notată M(X), numărul:
⎛ x1 xi ⎞
i) M ( X ) = ∑ xi ⋅ pi , dacă X : ⎜ ⎟ este discretă;
i∈I ⎝ p1 pi ⎠i∈I
ii) M ( X ) = ∫ x ⋅ f ( x ) dx , dacă variabila aleatoare X este continuă cu
R
densitatea de probabilitate f.

Propoziţia 7. Proprietăţile mediei sunt:

i) Dacă X (ω ) = c oricare ar fi ω ∈ Ω atunci M ( X ) = c ;
ii) Dacă X este o variabilă aleatoare şi a ∈ R atunci M ( a ⋅ X ) = a ⋅ M ( X ) ;
iii) Dacă X şi Y sunt variabile aleatoare definite pe acelaşi câmp de
probabilitate atunci M ( X + Y ) = M ( X ) + M (Y ) ;
iv) Dacă X şi Y sunt variabile aleatoare independente definite pe acelaşi câmp de
probabilitate atunci M ( X ⋅ Y ) = M ( X ) ⋅ M (Y ) .

Odată cu variabila aleatoare X : Ω → R cu funcţia de repartiţie F(x),

x ∈ R să considerăm şi variabila aleatoare Y = X k , k ∈ N* .
Definiţia 6. Numim moment iniţial de ordinul k al variabilei aleatoare X
( )
numărul mk = M X k , adică media variabilei aleatoare Y = X k .
Evident, mk = M ( X ) se exprimă sub una din formele:
k

⎛ 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

⎣ ⎦

Dispersia unei variabile aleatoare

Definiţia 10. Momentul centrat de ordinul doi al variabilei aleatoare X
poartă numele de “dispersie”, va fi notată cu D(X) sau cu σ 2 .
Deci dispersia variabilei aleatoare X este: D ( X ) = M ⎡( X - m ) ⎤
2

⎣ ⎦
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

numită formula uzuală de calcul a dispersiei (permite calculul dispersiei în

funcţie de momentele iniţiale de ordinul unu şi de ordinul doi).
Din definiţia 12 rezultă că dispersia unei variabile aleatoare exprimă
măsura în care valorile variabilei aleatoare se abat de la valoarea ei medie.
Dezavantajul pe care îl prezintă acest indicator constă în faptul că el se
exprimă în pătratul unităţii de măsură corespunzătoare variabilei aleatoare.
De aceea se introduce un alt indicator care evită acest neajuns.

1. Se consideră că proporţia simpatizanţilor unui candidat la

„prezidenţiale” este p = 30% = 0,3 . Reporterii unei televiziuni vor să dea pe
post 2 suporteri ai candidatului respectiv. Care este probabilitatea ca pentru

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

Propoziţia 8. Proprietăţile dispersiei sunt:

i) Dacă X ( ω) = c , ω∈ Ω atunci D ( X ) = 0 ;
ii) Dacă X este o variabilă aleatoare cu dispersia D ( X ) finită şi a ∈ R
atunci D ( a ⋅ X ) = a 2 ⋅ D ( X ) ;
iii) Dacă X şi Y sunt variabile aleatoare independente definite pe acelaşi
câmp de probabilitate atunci D ( X ± Y ) = D ( X ) + D (Y ) .

Definiţia 11. Numim “abatere medie pătratică” a variabilei aleatoare X,

notată σ X sau simplu σ, numărul: σ X = D ( X ) .
Definiţia 12. Numim variabilă aleatoare normată orice variabilă
aleatoare cu media egală cu zero şi dispersia egală cu unu.

Observaţie: Dacă X este o variabilă aleatoare cu media m şi dispersia

X ( ω) − m
D ( X ) finite atunci variabila aleatoare: Z ( ω) = , ω∈ Ω este
D( X )
variabilă aleatoare normată.

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 ) .

Variabile aleatoare vectoriale

Definiţia 16. Numim variabilă aleatoare bidimensională (sau vector

aleator bidimensional) aplicaţia: X = ( X1 , X 2 ) : Ω → R 2 , ale cărei
componente X i : Ω → R , i = 1, 2 sunt variabile aleatoare reale.

Definiţia 17. Funcţia F : R 2 → R definită prin:

F ( x1 , x2 ) = P ( X 1 < x1 , X 2 < x2 ) pentru orice ( x1 , x2 ) ∈ R 2 se numeşte
“funcţia de repartiţie” a variabilei aleatoare X = ( X1 , X 2 ) : Ω → R 2 .
Propoziţia 12. Dacă F : R 2 → R este funcţia de repartiţie a vectorului
aleator X = ( X1 , X 2 ) : Ω → R 2 atunci:
i) lim F ( x1 , x2 ) = 1 ;
xi →∞
i =1,2

39
 ii) lim F ( x1 , x2 ) = 0 , pentru orice i = 1, 2 ;
xi →−∞

iii) F este crescătoare în fiecare argument;

iv) F este continuă la stânga în fiecare argument.

Fie X = ( X1 , X 2 ) : Ω → R 2 o variabilă aleatoare vectorială cu funcţia

de repartiţie F ( x1 , x2 ) = P ( X 1 < x1 , X 2 < x2 ) pentru orice ( x1 , x2 ) ∈ R 2 .
Pentru orice i ∈ {1, 2} , X i : Ω → este o variabilă reală, numită
“componentă” a vectorului aleator X = ( X 1 , X 2 ) . Notăm Fi ( xi ) , xi ∈ R
funcţia de repartiţie a componentei Xi adică Fi ( xi ) = P ( X i < xi ) pentru
i = 1,2 .
Propoziţia 13. Au loc egalităţile: F1 ( x1 ) = lim F ( x1 , x2 ) , pentru orice
x2 →∞

x1 ∈ R , şi F2 ( x2 ) = lim F ( x1 , x2 ) pentru orice x2 ∈ R .

x1 →∞

Fie X i : Ω → R , i = 1, 2 , variabile aleatoare.

Propoziţia 14. Variabilele aleatoare Xi, i = 1, 2 , sunt independente dacă şi
numai dacă funcţia de repartiţie a vectorului aleator X = ( X 1 , X 2 ) este
produsul funcţiilor de repartiţie marginale, adică:
F ( x1 , x2 ) = F1 ( x1 ) ⋅ F2 ( x2 ) , pentru orice ( x1 , x2 ) ∈ R 2 .

40
 Momentele variabilelor aleatoare vectoriale

Vom considera cazul variabilelor bidimensionale ( X ,Y ) : Ω → R2 ,

( Ω, K ,P ) fiind un câmp (borelian) de probabilitate.
Definiţia 1. Valoarea medie a produsului X r ⋅ Y s se numeşte moment iniţial
de ordinul r în raport cu componenta X şi de ordinul s în raport cu
componenta Y a variabilei aleatoare vectoriale (X,Y), r , s ∈ N , notat mr,s.
Conform acestei definiţii avem: mr , s = M ( X r ⋅ Y s )
mr,s se poate exprima sub forma:
⎧m n r s
⎪∑ ∑ xi ⋅ y j ⋅ P ( X = xi , Y = y j ), (i)
mr , s = ⎨ i =1 j =1

⎪ ∫ ∫ 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

iar pentru s ∈ N* şi r = 0 avem:

( )
m0, s = M Y s = ∫ y s ⋅ f 2 ( y ) dy = ∫ ∫ y s ⋅ f ( x, y ) dx dy
R RR
adică momentul iniţial de ordinul r al componentei X (mr,0) şi momentul
iniţial de ordinul s al componentei Y (m0,s).
Pentru r = 1 şi s = 0 se obţine media componentei X, iar pentru r = 0 şi
s = 1 se obţine media componentei Y:
i) m1,0 = M ( X ) ; ii) m0,1 = M (Y ) .
Dacă m1,0 şi m0,1 sunt finite definim variabila aleatoare vectorială:
(X −m 1,0 , Y − m0,1 ) : Ω → R 2
Definiţia 2. Numim moment centrat al variabilei aleatoare (X,Y), de
ordinul r în raport cu componenta X şi de ordinul s în raport cu componenta
Y, media produsului ( X − m1,0 ) ⋅ (Y − m0,1 ) , notat μ r , s .
r s

Prin urmare avem: μr , s = M ⎡⎢( X − m1,0 ) ⋅ (Y − m0,1 ) ⎤⎥

r s

⎣ ⎦

41