Documente Academic
Documente Profesional
Documente Cultură
Filehost - Matematici Re Actuariale
Filehost - Matematici Re Actuariale
SEMESTRUL 2
1. Noţiuni generale
În general, pentru situaţiile care necesită la rezolvare un oarecare efort mental (şi un caz tipic
este cel al celor din economie), se caută, în primul rând, o metodă de reprezentare a lor care să
permită receptarea întregii probleme dintr-o privire (pe cât posibil) şi prin care să se evidenţieze cât
mai clar toate aspectele acesteia.
În acest scop se folosesc imagini grafice gen diagrame, schiţe, grafice etc. O reprezentare
dintre cele mai utilizate este cea prin grafuri. Acestea sunt utilizate în special pentru vizualizarea
sistemelor şi situaţiilor complexe. În general, vom reprezenta componentele acestora prin puncte în
plan iar relaţiile (legăturile, dependenţele, influenţele etc) dintre componente prin arce de curbă cu
extremităţile în punctele corespunzătoare. Între două puncte pot exista unul sau mai multe segmente
(în funcţie de câte relaţii dintre acestea, care ne interesează, există) iar segmentelor li se pot asocia
sau nu orientări (după cum se influenţează cele două componente între ele), numere care să exprime
intensitatea relaţiilor dintre componente etc.
Dacă unei perechi orientate (xi, xj) din X2 i se asociază prin funcţia f mulţimea vidă ∅
atunci spunem că nu există arc de la nodul xi la nodul xj.
Este evident că a cunoaşte un graf orientat este echivalent cu a cunoaşte vârfurile şi arcele
sale. Din acest motiv putem defini un graf orientat prin perechea (X,U), unde X este mulţimea
vârfurilor sale iar U mulţimea arcelor sale.
De asemenea, putem cunoaşte un graf orientat cunoscând mulţimea nodurilor şi, pentru
fiecare nod, mulţimea arcelor incidente spre exterior. Din acest motiv putem defini un graf orientat
ca o pereche (X,Γ) unde X este perechea nodurilor iar Γ este o funcţie definită pe X cu valori în
1
mulţimea părţilor lui X, valoarea acesteia într-un nod xi, Γ(xi) ⊆ X fiind mulţimea nodurilor
adiacente nodului xi, prin arce pentru care xi este extremitatea iniţială.
x1 x2 x3 x4 x5 x6
2
E F
x1 x2 x3 x4 x5 x6 x1 x2 x3 x4 x5 x6
x1 1 1 0 1 1 0 x1 x1x1 x1x2 0 x1x4 x1x5 0
x2 0 0 1 1 0 1 x2 0 0 x 2x 3 x 2x 4 0 x 2x 6
x3 1 1 0 0 0 0 x3 x3x1 x3x2 0 0 0 0
x4 0 0 0 0 1 0 x4 0 0 0 0 x4x5 0
x5 0 1 0 0 0 0 x5 0 x5x2 0 0 0 0
x6 0 0 0 1 0 0 x6 0 0 0 x 6x 4 0 0
1. semigraf interior al unui nod xk: este mulţimea arcelor U −x k = {(xj,xk)/ (xj,xk) ∈ U} care
sunt incidente spre interior nodului xk;
2. semigraf exterior al unui nod xk: este mulţimea arcelor U +x k = {(xk,xi)/ (xk,xi) ∈ U} care
sunt incidente spre exterior nodului xk;
3. semigradul interior al unui nod xk: este numărul arcelor care sunt incidente spre interior
nodului xk = cardinalul lui U −x k şi se notează cu δ x−k ;
4. semigradul exterior al unui nod xk: este numărul arcelor care sunt incidente spre
exterior nodului xk = cardinalul lui U +x k şi se notează cu δ x+k ;
5. gradul unui nod xk: este suma semigradelor nodului xk: δ x k = δ x+k + δ x−k ;
6. nod izolat: este un nod cu gradul 0;
7. nod suspendat: este un nod cu gradul 1;
8. arce adiacente: arce care au o extremitate comună;
9. drum într-un graf: o mulţime ordonată de noduri ale grafului: (x1, x2, ..., xk), cu
proprietatea că există în graf toate arcele de forma (xi,xi+1) i = 1,...,k-1;
10. lungimea unui drum: este numărul arcelor care îl formează;
11. drum elementar: un drum în care fiecare nod apare o singură dată;
12. drum simplu: un drum în care fiecare arc apare o singură dată;
13. putere de atingere a unui nod xi ∈ X în graful G: numărul de noduri la care se poate
ajunge din xi. Puterea de atingere se notează cu p(xi), 1 ≤ i ≤ n şi evident p(xi) ≥ δ x+i .
14. drum hamiltonian: un drum elementar care trece prin toate nodurile grafului;
15. drum eulerian: un drum simplu care conţine toate arcele grafului;
16. lanţ: un drum în care arcele nu au neapărat acelaşi sens de parcurgere;
17. circuit: un drum în care nodul iniţial coincide cu cel final;
18. circuit elementar: un drum în care fiecare nod apare o singură dată, cu excepţia celui
final, care coincide cu cel iniţial;
19. circuit simplu: un drum în care fiecare arc apare o singură dată;
20. circuit hamiltonian: un circuit care trece prin toate nodurile grafului;
21. ciclu: este un circuit în care arcele nu au neapărat acelaşi sens de parcurgere;
22. ciclu elementar: un ciclu în care fiecare nod apare o singură dată, cu excepţia celui
final, care coincide cu cel iniţial;
23. ciclu simplu: un ciclu în care fiecare arc apare o singură dată;
3
Observaţie: Într-un graf neorientat noţiunile de drum şi lanţ sunt echivalente şi de
asemenea cele de circuit şi ciclu.
24. graf parţial al unui graf G = (X,U): este un graf G'(X,U') cu U' ⊂ U;
25. subgraf al unui graf G = (X,Γ): este un graf G'(X',Γ') unde X' ⊂ X şi Γ'(xi) = Γ(xi) ∩ X'
pentru orice xi ∈ X';
26. graf redus al unui graf G = (X,U): este un graf G*(X*,U*) unde X* este formată din
mulţimile unei partiţii de mulţimi nevide ale lui X, iar ( X *i , X *j ) există doar dacă i ≠ j şi
există cel puţin un arc în U, de la un nod din X *i la un nod din X *j .
27. graf tare conex: este un graf în care între oricare două noduri există cel puţin un drum;
28. graf simplu conex: este un graf în care între oricare două noduri există cel puţin un lanţ;
Observaţie: Pentru grafuri neorientat noţiunile de tare conex şi simplu conex sunt
echivalente, graful numindu-se doar conex;
29. componentă tare conexă a unui graf G = (X,U): este un subgraf al lui G care este tare
conex şi nu este subgraful nici unui alt subgraf tare conex al lui G (altfel spus, între
oricare două noduri din componentă există cel puţin un drum şi nu mai există nici un nod
în afara componentei legat printr-un drum de un nod al componentei).
Dacă privim graful ca imagine a unui sistem, nodurile reprezentând componentele sistemu-
lui, atunci o interpretare imediată a unui arc (xi,xj) este că, componenta xi influenţează direct
componenta xj. Dacă nodurile au semnificaţia de stări posibile ale unui sistem atunci un arc (xi,xj)
semnifică faptul că sistemul poate trece direct din starea xi în starea xj. În ambele cazuri se vede că
avem de-a face doar cu informaţii despre legături directe; totuşi, chiar dacă o componentă xi nu
influenţează direct componenta xj ea o poate influenţa prin intermediul altor componente, existând
un şir de componente intermediare: x1 x2 ,..., xk, fiecare influenţând-o direct pe următoarea şi xi
direct pe x1 iar xk direct pe xj. Astfel, dacă dintr-o stare xi nu se poate trece direct într-o stare xj s-ar
putea totuşi în mai multe etape, prin alte stări intermediare. Deoarece găsirea acestor influenţe sau
treceri posibile este de obicei foarte importantă iar pentru un sistem cu mii sau zeci de mii de
componente acest lucru nu mai poate fi făcut "din ochi", este necesară formalizarea noţiunii de
"influenţe" şi "treceri" posibile, nu neapărat directe. Acest lucru a şi fost făcut mai sus, deoarece
este evident că "xi influenţează xj" sau "din starea xi se poate trece în starea xj" este echivalent cu
existenţa în graf a unui drum de la nodul xi la nodul xj.
În continuare vom da un algoritm prin care putem găsi toate drumurile dintr-un graf
orientat cu un număr finit de noduri.
Este interesant de văzut ce legătură există între această matrice şi drumurile de lungime 2.
Fie două noduri xi şi xj oarecare din graf. Existenţa unui drum de lungime 2 între ele presupune
existenţa unui nod xk, din graf, cu proprietatea că există atât arcul (xi,xk) cât şi arcul (xi,xk). Pentru a
vedea dacă acesta există, luăm pe rând fiecare nod al grafului şi verificăm dacă există sau nu ambele
arce ((xi,xk) şi (xi,xk)). Aceasta este echivalent cu a verifica dacă, în matricea booleană a adiacenţe-
lor directe, există vreun indice k astfel încât elementul k al liniei i şi elementul k al coloanei j să fie
ambele egale cu 1. Dacă folosim operaţiile algebrei booleene de adunare şi înmulţire:
+& 0 1 ×& 0 1
0 0 1 0 0 0
1 1 1 1 0 1
4
atunci verificările de mai sus sunt echivalente cu a verifica dacă elementul de pe poziţia (i,j) din A2
este egal cu 1. Valoarea 1 spune doar că există cel puţin un drum de lungime 2 de la xi la xj. Dacă
dorim să vedem şi câte sunt, vom folosi regulile de înmulţire şi adunare obişnuită.
De asemenea, se poate observa că existenţa unui drum de lungime 3 de la xi la xj presupune
existenţa unui nod xk astfel încât să existe un drum de lungime 2 de la xi la xk şi un arc de la xk la xj,
care este echivalent cu a verifica dacă există vreun indice k astfel încât elementul k al liniei i din
matricea A2 şi elementul k al coloanei j din A sunt ambele egale cu 1 sau, mai simplu, dacă
elementul (i,j) din A3 este 1.
Din cele de mai sus se observă că existenţa drumurilor de lungime k este dată de valorile
matricei Ak, dacă s-au folosit regulile algebrei booleene şi numărul lor este dat de Ak, dacă s-au
folosit regulile obişnuite.
Dacă ne interesează doar existenţa drumurilor dintre noduri, nu şi numărul lor, vom folosi
înmulţirea şi adunarea booleană şi conform observaţiei de mai sus:
( (
⎧1 daca exista cel putin un drum de x i la x j
dij = ⎨ ( (
⎩0 daca nu exista nici un drum de x i la x j
rezultă că e suficient să calculăm doar puterea n-2 a matricei A + I şi apoi s-o înmulţim cu A.
Avantajul acestei metode, în ceea ce priveşte economia de timp, este susţinut şi de următoarea
observaţie: dacă D conţine toate perechile de arce între care există drum atunci:
deci de la puterea k = n-2 toate matricile Ak sunt egale. Putem, deci, calcula direct orice putere a lui
r
A+I mai mare sau egală cu n-1 (de exemplu calculând (A+I)2, (A+I)4, (A+I)8, ..., (A + I) 2 , r fiind
prima putere a lui 2 pentru care 2r ≥ n-2).
5
Procedeul de mai sus nu asigură decât aflarea faptului dacă există sau nu drum între două
noduri, eventual ce lungime are şi câte sunt de această lungime. Totuşi, în problemele practice cel
mai important este să ştim care sunt efectiv aceste drumuri. Deoarece toate drumurile pot fi
descompuse în drumuri elementare şi în problemele practice în general acestea sunt cele care
interesează, paşii următori ai algoritmului vor fi dedicaţi găsirii lor. Pentru găsirea acestora se
foloseşte reprezentarea grafului prin matricea latină de la cazul F.
Definiţia 1: Se numeşte alfabet o mulţime de semne numite simboluri sau litere {si/i∈I}
unde I este o mulţime oarecare de indici, finită sau nu.
Definiţia 2: Se numeşte cuvânt un şir finit de simboluri notat s i1 s i 2 ...s i n .
Definiţia 3: Se numeşte înmulţire latină o operaţie definită pe mulţimea cuvintelor unui
alfabet, notată " × L ", astfel:
s i1 s i 2 ...s i n × L s j1 s j2 ...s jm = s i1 s i 2 ...s i n s j1 s j2 ...s jm
(produsul a două cuvinte se obţine prin concatenarea lor)
Înmulţirea latină este asociativă, are ca element neutru cuvântul vid, nu e
comutativă şi un element este inversabil doar dacă este cuvântul vid.
Definiţia 3: Se numeşte adunare latină o funcţie definită pe mulţimea cuvintelor unui
alfabet cu valori în mulţimea parţilor mulţimi cuvintelor, notată " + L " astfel:
⎧ s s ...s ⎫
s i1 s i 2 ...s i n + L s j1 s j2 ...s jm = ⎨ i1 i 2 i n ⎬
⎩s j1 s j2 ...s jm ⎭
(suma a două cuvinte este mulţimea formată din cele două cuvinte)
folosind operaţiile de înmulţire şi adunare latină, alfabetul fiind mulţimea nodurilor grafului, unde
operaţia de înmulţire este uşor modificată, produsul dintre două elemente ale matricilor fiind 0, dacă
unul dintre ele este 0 sau au un nod comun şi este produsul latin al lor, în caz contrar.
Din felul cum a fost construită, matricea Lk va conţine toate drumurile elementare de
lungime k. Cum un drum elementar poate avea cel mult n noduri (câte are graful cu totul) rezultă
că:
− primele n-1 puteri ale lui L conţin toate drumurile elementare din graf;
− puterile lui L mai mari sau egale cu n au toate elementele egale cu 0;
6
− matricea Ln-1 conţine toate drumurile hamiltoniene din graf (dacă există).
Observaţie: Deoarece obţinerea matricii D prin metoda de mai sus presupune un volum
foarte mare de calcule (de exemplu, dacă graful are 100 de noduri, ridicarea unei matrici de
100×100 la puterea 100) pentru obţinerea acesteia se poate aplica şi următorul algoritm:
Un arbore este un graf neorientat, finit, conex şi fără cicluri. Grafurile din fig. 4.1. sunt
arbori.
x1 x1 x1 x1 x1
x1
x1
x1 x1 x1 x1
a) c)
b)
Figura 4.1
Studiul arborilor este justificat de existenţa în practică a unui număr mare de probleme care
pot fi modelate prin arbori. Dintre acestea amintim:
1. construirea unor reţele de aprovizionare cu apă potabilă (sau cu energie electrică sau
termică etc) a unor puncte de consum, de la un punct central;
2. construirea unor căi de acces între mai multe puncte izolate;
3. desfăşurarea unui joc strategic;
4. luarea deciziilor în mai multe etape (arbori decizionali);
5. evoluţii posibile ale unui sistem pornind de la o stare iniţială;
6. construirea unei reţele telefonice radiale, a unei reţele de relee electrice;
7. legarea într-o reţea a unui număr mare de calculatoare;
8. organigramele întreprinderilor;
9. studiul circuitelor electrice în electrotehnică (grafe de fluenţă etc);
10. schemele bloc ale programelor pentru calculatoare etc.
7
În toate problemele de mai sus se doreşte ca, dintre muchiile unui graf neorientat, să se
extragă arborele optim din mulţimea tuturor arborilor care pot fi extraşi din graful dat.
Deoarece definiţia arborelui este dificil de aplicat pentru deciderea faptului că un graf este
arbore sau nu (şi în special sunt greu de verificat conexitatea şi mai ales existenţa ciclurilor) există
mai multe caracterizări posibile ale unui arbore, acestea fiind date de teorema de mai jos:
Teoremă. Dacă H este un graf neorientat finit, atunci următoarele afirmaţii sunt echivalente:
1) H este arbore;
2) H nu conţine cicluri şi, dacă se unesc printr-o muchie două noduri neadiacente, se
formează un ciclu (şi numai unul). Arborele este, deci, pentru o mulţime de noduri dată,
graful cu numărul maxim de arce astfel încât să se păstreze proprietatea că nu are cicluri);
3) H este conex şi dacă i se suprimă o muchie se creează două componente conexe (arborele
este graful conex cu numărul minim de arce);
4) H este conex şi are n-1 muchii;
5) H este fără cicluri şi are n-1 muchii;
6) Orice pereche de noduri este legată printr-un lanţ şi numai unul.
Vom da mai jos trei algoritmi pentru determinarea unui graf parţial al grafului, care să fie
arbore şi pentru care suma valorilor arcelor sale să fie minimă (sau maximă).
Toţi algoritmii descrişi în continuare extrag arborele prin colectarea una câte una a muchiilor
acestuia.
Pasul 1. Dintre toate muchiile grafului se alege muchia de valoare minimă (maximă). Dacă
minimul este multiplu se alege la întâmplare una din muchiile respective. Deoarece acest
"la întâmplare" trebuie cumva tradus în limbajul calculatorului, în cazul implementării unui
program bazat pe acest algoritm, vom perturba din start valorile muchiilor, la k muchii cu
aceiaşi valoare V adunând respectiv valorile ε, 2ε, ... , kε, unde ε este foarte mic (în orice
caz, kε mai mic decât diferenţa dintre valoarea acestor arce si valoarea imediat superioară a
unui arc), pozitiv.
Pasul 2. Dintre toate muchiile rămase, se alege cea de valoare minimă (maximă);
Pasul 3. Dintre toate muchiile rămase, se alege cea de valoare minimă (maximă), astfel încât să nu
se formeze cicluri cu cele deja alese;
Pasul 4. Se reia algoritmul de la pasul 3 până se colectează n-1 muchii.
Deşi s-a demonstrat că algoritmul găseşte întotdeauna arborele optim, el are dezavantajul că
este foarte laborios (de fiecare dată trebuie calculat minimul unei mulţimi mari sau foarte mari –
există situaţii în practică în care graful are sute de mii de arce) şi, în plus, trebuie aplicat un algoritm
special ca să respectăm condiţia de a nu se forma cicluri, la alegerea unui nou arc.
O metodă posibilă este ca, după adăugarea fiecărui arc, să se împartă graful în componente
conexe şi să alegem apoi un arc care nu are ambele extremităţile în aceeaşi componentă conexă.
De asemenea este clar că, în cazul existenţei arcelor de valori egale, deoarece se alege la
întâmplare, există mai multe variante de evoluţie a alegerii arcelor. Totuşi, cu toate că pot fi mai
multe grafuri la care se poate ajunge prin acest algoritm, ele vor avea toate aceeaşi valoare (minima
(sau maxima) posibilă).
8
C. O variantă a algoritmului lui Kruskal
Pasul 1. Dintre toate muchiile grafului se alege cea de valoare minimă (maximă);
Pasul 2. Dintre toate muchiile adiacente componentei conexe formată din arcele alese până în acest
moment, se alege cea de valoare minimă (maximă);
Pasul 3. Se reia pasul 2 până se colecţionează n-1 muchii.
Algoritmul are toate avantajele algoritmului lui Sollin şi, în plus, lucrează cu o singură
componentă conexă, fiind mult mai uşor de implementat pe calculator şi mult mai rapid în execuţie.
Exemplu: Administraţia unei localităţi montane a hotărât construirea unor linii de teleferic
care să lege oraşul de cele 8 puncte turistice importante din jurul acestuia. În urma unui studiu au
fost puse în evidenţa toate posibilităţile şi costurile de conectare a obiectivele turistice între ele şi cu
oraşul, acestea fiind prezentate în figura 4.2.
Se cere găsirea variantei de construcţie de cost minim, care să asigure accesul din oraş la
oricare din obiectivele turistice.
P2
4 9
7
P1 8 8 P3
8 P4
2
5 7
3 9 4
O
3 3 8
P6 2 P5
5 7
6
8 P8
P7
Figura 4.2
Rezolvare
A. Kruskal
La primul pas poate fi ales unul din arcele OP3 sau OP7, ele având valoarea minimă 2. Putem
alege oricum primul arc dintre cele două pentru că la al doilea pas va fi ales celălalt.
La pasul trei poate fi ales unul din arcele OP5, OP6 sau P1P6 care au valoarea minimă 3. Nici
în acest caz nu are vre-o importanţă ordinea alegerii, deoarece pot fi alese succesiv toate trei fără a
se forma nici un ciclu.
9
Al şaselea arc poate fi ales dintre arcele P4P5 şi P1P2, care au valoarea minimă 4. Nici în
acest caz nu are vre-o importanţă ordinea alegerii, deoarece pot fi alese succesiv ambele, fără a se
forma nici un ciclu.
Următoarea valoare disponibilă a unui arc este 5, dar arcul opt nu poate fi ales dintre arcele
OP1, P6P7, deşi au valoarea minimă 5. Arcul OP1 nu poate fi ales deoarece s-ar forma ciclul OP1P6,
iar P6P7 ar duce la ciclul OP6P7. Următoarea valoare minimă este 6, pentru arcul P5P7 dar nu poate fi
ales deoarece se formează ciclul OP5P7.
Valoarea următoare, 7, o au arcele OP4, P2P3 şi P5P8. OP4 nu poate fi ales deoarece s-ar
forma ciclul OP5P4. Arcul P2P3 nu poate fi ales deoarece s-ar forma ciclul OP6P1P2P3. Arcul P5P8 nu
formează nici un ciclu şi el va fi al optulea arc ales. În acest caz, deoarece s-au adunat 8 arce într-un
graf cu 9 noduri, am obţinut graful căutat.
Acest arbore este reprezentat în figura 4.3.
P2
4
P1 P3
2 P4
3 4
O
3 3
P6 2 P5
7
P8
P7
Figura 4.3
B. Sollin
P1 P3
2 P4
3 4
O
3
P6 2 P5 7
10
P8
P7
Figura 4.4
După cum se vede, s-au format două componente conexe: C1 = {P1,P2,P6}
C2 = {O,P3,P4,P5,P7,P8}.
Vom alege: pentru C1 → arcul OP6
pentru C2 → arcul OP6
1 → OP3
2 → OP7
3 → OP6
4 → OP5
5 → P1P6
6 → P1P2
7 → P4P5
8 → P5P8
1. Problema poştaşului (găsirea traseului cel mai scurt care trece pe la toate locuinţele ce
aparţin de oficiul poştal la care lucrează acesta);
2. Problema adunării deşeurilor (cel mai scurt drum care trece pe la toate punctele de
depozitate a deşeurilor);
11
3. Problema succesiunii operaţiilor (executarea mai multor operaţii pe o maşină în acea
ordine în care suma timpilor consumaţi cu pregătirea maşinii pentru trecerea de la o
operaţie la următoarea să fie minim)
4. Ordinea lipirii unor componente electronice pe o placă, etc;
1. Se consideră în matricea M liniile pline (cu toate elementele 1). Nodurile ce corespund liniilor
pline cu 1 formează submulţimea C1.
2. Se elimină liniile şi coloanele care corespund nodurilor din submulţimea stabilită.
3. Se reia raţionamentul de la punctul 1 pe matricea redusă obţinută la punctul 2 obţinându-se
următoarea submulţime şi în continuare toate celelalte până se epuizează toate liniile matricei.
1. Nodurile care formează o submulţime sunt reprezentate prin puncte în interiorul unui
dreptunghi şi între acestea se trasează arcele existente în graful iniţial G.
2. Se trasează legăturile dintre submulţimi. Ele sunt reprezentate prin arcele existente în
graful iniţial G între nodurile submulţimii C1 şi cele ale submulţimii C2, între nodurile
submulţimii C2 şi cele ale submulţimii C3 etc.
Un drum hamiltonian se găseşte plecând de la un vârf din submulţimea C1, trecând prin toate
vârfurile acesteia cu un drum hamiltonian, din ultimul vârf la care se ajunge în C1 trecând la un vârf
din C2, parcurgând în continuare un drum hamiltonian în a doua submulţime şi tot aşa, trecând prin
toate submulţimile şi parcurgând, deci, toate nodurile grafului iniţial, o singură dată. Aplicând acest
procedeu în toate modurile posibile se obţin toate drumurile hamiltoniene din graful iniţial G.
(Observaţie: poate să nu existe nici un drum hamiltonian în graful G, caz în care algoritmul se
opreşte deoarece la un anumit pas nu mai exista nici o linie plina cu 1).
Observaţie. Algoritmul lui Foulkes reduce găsirea drumurilor hamiltoniene în graful iniţial
G (care în problemele practice este foarte mare) la găsirea mai multor drumuri hamiltoniene mai
mici în componente tare conexe ale grafului. Dacă un graf are o singură componentă tare conexă,
12
algoritmul lui Foulkes nu este eficient, în acest caz trebuind aplicaţi alţi algoritmi cum ar fi cel bazat
pe înmulţirea latină.
Fie G = (X,U) un graf orientat fără circuite, cu n noduri: X = {x1, x2, … , xn}. Vom
considera că am calculat matricea drumurilor D şi puterile de atingere ale tuturor nodurilor.
Dacă în graful G există un drum de la nodul xi la nodul xj atunci evident p(xi) > p(xj),
deoarece în orice vârf în care se poate ajunge din xj se poate ajunge şi din xi dar din xj nu se poate
ajunge în xj pentru că nu există circuite.
Teorema 2.3 (Chen) Un graf cu n noduri, fără circuite conţine un drum hamiltonian dacă şi
numai dacă există relaţia:
n
n (n − 1)
∑ p(x i ) = 2
i =1
Teorema 2.4 Dacă într-un graf orientat fără circuite există un drum hamiltonian atunci
acesta este unic.
folosind operaţiile de înmulţire şi adunare latină, alfabetul fiind mulţimea nodurilor grafului, unde
operaţia de înmulţire este uşor modificată, produsul dintre două elemente ale matricilor fiind 0, dacă
unul dintre ele este 0 sau au un nod comun, şi este produsul latin al lor, în caz contrar.
Din felul cum a fost construită, matricea Lk va conţine toate drumurile elementare de
lungime k. Cum un drum elementar poate avea cel mult n noduri (câte are graful cu totul) rezultă
că:
− primele n-1 puteri ale L conţin toate drumurile elementare din graf;
− puterile lui L mai mari sau egale cu n au toate elementele egale cu 0;
− matricea Ln-1 conţine toate drumurile hamiltoniene din graf.
Pasul 4. Dacă se doresc şi circuitele atunci se verifică pentru fiecare drum hamiltonian dacă poate
fi completat până la un circuit (adică dacă există în graf arcul care uneşte nodul final cu cel
iniţial);
Pasul 5. Dacă se doreşte şi drumul (sau circuitul) de valoare optimă (maximă sau minimă) se
calculează suma valorilor pentru fiecare drum şi/sau circuit şi se alege cel cu valoarea
optimă.
În marea majoritate a problemelor care pot fi modelate prin grafuri nu ne interesează numai
dacă există sau nu legături între componentele reprezentate prin nodurile grafului ci şi intensitatea
acestora. Această intensitate are semnificaţia unei valori numerice (pozitive sau negative) asociate
arcului corespunzător legăturii a cărei intensitate o măsoară.
În aplicaţiile economice această valoare poate fi:
14
Una din problemele care poate apărea în aceste situaţii este găsirea, pentru o anumită
pereche de noduri (sau mai multe perechi), a drumului optim între acestea.
Pentru formalizarea problemei vom introduce noţiunea de valoare a unui drum, care este
egală cu suma valorilor arcelor care îl compun. Vom nota în continuare valoarea unui arc (xi,xj) cu
v(xi,xj) sau cu vij. În aceste condiţii putem enunţa problema drumului optim astfel:
"Dat fiind un graf G = (X,U) şi o funcţie care asociază fiecărui arc o valoare reală, să se
găsească, pentru o pereche dată de noduri, drumul (drumurile) de valoare optimă (minimă sau/şi
maximă) între cele două noduri şi valoarea acestuia (acestora)"
Deoarece este vorba de găsirea minimului unei mulţimi de numere reale, prima întrebare
care se pune este dacă aceasta admite minim. Dacă mulţimea nodurilor grafului este infinită atunci
pot exista o infinitate de drumuri elementare distincte între cele două noduri şi mulţimea valorilor
acestora poate avea orice formă (închisă sau nu, mărginită sau nu) devenind foarte greu de
caracterizat cazurile când minimul dorit există. Deoarece totuşi majoritatea covârşitoare a
problemelor economice se modelează prin grafuri cu număr finit de noduri, ne vom limita în
continuare doar la acestea.
Un număr finit de noduri n atrage după sine existenţa unui număr finit de arce (cel mult n2)
n -1
Pasul 1. Se construieşte mulţimea A formată din nodurile pentru care toate arcele incidente sunt
incidente spre interior ( noduri în care toate arcele "intră" sau, altfel spus, noduri din care
nu "pleacă" nici un arc).
Pasul 2. Se găsesc toate nodurile care nu sunt din A pentru care toate arcele incidente au cealaltă
extremitate în A (noduri din care se poate "ajunge" doar in A). Dacă nu există nici un
astfel de arc se trece la pasul 4.
15
Pasul 3. Se adaugă arcele găsite la pasul 2 la mulţimea A apoi se reia algoritmul de la pasul 2,
pentru noua mulţime A.
Pasul 4. Dacă A conţine mulţimea tuturor nodurilor atunci graful nu conţine circuite. Dacă au
rămas noduri în afara lui A atunci graful conţine circuite.
Pasul 3. După calcularea fiecărei linii noi se compară elementele ei cu cele ale precedentei:
− Dacă Lij = Li-1,j pentru orice j = 1,...,n atunci se opreşte recurenţa şi ultima linie
calculată conţine valorile minime ale drumurilor de la celelalte noduri la nodul xn.
16
− Dacă există cel puţin un indice j cu Lij ≠ Li-1,j se trece la calcularea noii linii Li+1
Pasul 4. Pentru găsirea drumului care dă valoarea minimă de la un nod xj la nodul xn se găsesc,
începând înapoi de la ultima linie, pe care s-au obţinut valorile finale, notată Lf, nodurile
x k1 , x k 2 , ..., x k r care formează drumul căutat, unde x k1 = xj, x k r = xn şi fiecare alt indice
ki+1 este cel pentru care s-a obţinut minimul(maximul) de pe poziţia ki al liniei Li.
Observaţie: Pentru grafuri foarte mari, algoritmul necesită un volum mare de memorie, prin
necesitatea memorării matricei M, care este greu de manipulat. Chiar dacă din cele n2 arce posibile
graful ar avea doar un procent foarte mic matricea grafului va avea tot n2 poziţii de memorat şi
analizat.
Exemplu: Presupunem dat graful orientat de mai jos, în care se doreşte găsirea drumului de valoare
minimă de la nodul x1 la nodul x9.
x2
4 9
7
x1 8 8 x3
3 x4
2
5 7
3 9 4
3 x5 3
9
x6 x8
2 7
5 6
8 x9
x7
⎛0 4 ∞ ∞ 5 ∞ ∞ ∞ ∞⎞
⎜∞ 0 7 9 ∞ ∞ ∞ ∞ ∞⎟
⎜∞ ∞ 0 3 ∞ ∞ ∞ ∞ 9⎟
⎜∞ ∞ ∞ 0 ∞ ∞ ∞ ∞ 3⎟
Matricea M va fi ⎜ ∞ 8 2 7 0 3 2 9 ∞⎟
⎜∞ 8 ∞ ∞ ∞ 0 5 ∞ ∞⎟
⎜∞ ∞ ∞ ∞ ∞ ∞ 0 6 8⎟
⎜⎜ ∞ ∞ ∞ 4 ∞ ∞ ∞ 0 7⎟
⎝∞ ∞ ∞ ∞ ∞ ∞ ∞ ∞ 0 ⎟⎠
x1 x2 x3 x4 x5 x6 x7 x8 x9
x1 0 4 ∞ ∞ 5 ∞ ∞ ∞ ∞
x2 ∞ 0 7 9 ∞ ∞ ∞ ∞ ∞
x3 ∞ ∞ 0 3 ∞ ∞ ∞ ∞ 9
x4 ∞ ∞ ∞ 0 ∞ ∞ ∞ ∞ 3
x5 ∞ 8 2 7 0 3 2 9 ∞
x6 ∞ 8 ∞ ∞ ∞ 0 5 ∞ ∞
x7 ∞ ∞ ∞ ∞ ∞ ∞ 0 6 8
x8 ∞ ∞ ∞ 4 ∞ ∞ ∞ 0 7
x9 ∞ ∞ ∞ ∞ ∞ ∞ ∞ ∞ 0
17
L1 ∞ ∞ 9 3 ∞ ∞ 8 7 0
L2 ∞ 12 6 3 10 13 8 7 0
L3 15 12 6 3 8 13 8 7 0
L4 13 12 6 3 8 13 8 7 0
L5 13 12 6 3 8 13 8 7 0
Deoarece L4 = L5 oprim calcularea liniilor după calcularea liniei 5. În această linie se află
valorile celor mai scurte de la toate nodurile la nodul x9. Drumul dorit de noi (x1 → x9) are valoarea
dată de prima poziţie a liniei 5, fiind egal cu 13.
Pentru a găsi acest drum, plecăm înapoi de la linia 4 şi avem:
x1 x5
↑ ↑
13 = 8 + 5 x3
⇓ ↑
8 = 6 + 2 x4
⇓ ↑
6 = 3 + 3
⇓
3 → x9
Algoritmul lui Ford simplificat se aplică doar în grafuri care nu admit circuite. Cu ajutorul
lui se găseşte drumul de valoare optimă între două noduri fixate xi şi xj. Printr-o eventuală
renumerotare a nodurilor putem presupune că nodul de la care porneşte drumul este x1, care va fi
numit nod iniţial, iar nodul la care se termină este xn, numit nod final.
Algoritmul este:
w( x k i +1 ) + v( x k i +1 , x k i ) = w( x k i ) STOP
18
− Dacă xn ∉ A se reia algoritmul de la pasul 3.
Exemplu: Pentru acelaşi graf şi aceeaşi pereche de noduri din exemplul rezolvat cu algoritmul lui
Bellman-Kalaba vom avea succesiv:
pas1: w(x1) = 0
pas2: A = {x1}
pas3: Nodurile în care se poate ajunge doar din x1: {x5} ≠ ∅
w{x5) = min( w(x1) + v(x1,x5)) = 0 + 5 = 5
pas4: x9 ∉ A
pas3: A = {x1,x5} şi nodurile în care se poate ajunge prin arce directe doar din x1 şi x5 sunt: {x6}≠ ∅
w{x6) = min( w(x1) + v(x1,x6), w(x5) + v(x5,x6)) = min(0 + 3 , 5 + 3) = 3
pas4: x9 ∉ A
pas3: A = {x1,x5,x6} şi nodurile în care se poate ajunge prin arce directe doar din x1, x5 şi x6 sunt:
{x2,x7} ≠ ∅
w{x2) = min( w(x1) + v(x1,x2), w(x5) + v(x5,x2), w(x6) + v(x6,x2)) = min(0 + 4,5 + 8,3 + 8) = 4
w{x7) = min( w(x5) + v(x5,x7), w(x6) + v(x6,x7)) = min(5 + 2,3 + 5) = 7
pas4: x9 ∉ A
pas3: A = {x1,x2,x5,x6,x7} şi nodurile în care se poate ajunge prin arce directe doar din x1, x2, x5, x6
şi x7 sunt: {x3,x8} ≠ ∅
w{x3) = min( w(x2) + v(x2,x3), w(x5) + v(x5,x3)) = min(4 + 7,5 + 2) = 7
w{x8) = min( w(x5) + v(x5,x8), w(x7) + v(x7,x8)) = min(5 + 9,7 + 6) = 13
pas4: x9 ∉ A
pas3: A = {x1,x2,x3,x5,x6,x7,x8} şi nodurile în care se poate ajunge prin arce directe doar din x1,
x2,x3,x5, x6, x7 şi x8 sunt: {x4} ≠ ∅
w{x4) = min( w(x2) + v(x2,x4), w(x3) + v(x3,x4),w(x5) + v(x5,x4), w(x8) + v(x8,x4)) = min(4 +
9,7 + 3,5 + 7,13 + 4) = 10
pas4: x9 ∉ A
pas3: A = {x1,x2,x3,x4,x5,x6,x7,x8} şi nodurile în care se poate ajunge prin arce directe doar din x1,
x2, x3, x4, x5, x6, x7 şi x8 sunt: {x9} ≠ ∅
w{x9) = min( w(x3) + v(x3,x9), w(x4) + v(x4,x9), w(x7) + v(x7,x9), w(x8) + v(x8,x9)) = min(7 +
9, 10 + 3, 7 + 8, 13 + 7) = 13
pas4: x9 ∈ A şi urmează să găsim drumul care are lungimea 13.
Avem succesiv:
w(x9) = w(x4) + v(x4,x9)
w(x4) = w(x3) + v(x3,x4)
w(x3) = w(x5) + v(x5,x3)
w(x5) = w(x1) + v(x1,x5)
deci drumul căutat este: x1 → x5 → x3 → x4 → x9
Observaţia 1. Dacă graful are un circuit atunci se poate demonstra uşor că nu vom putea da
valoare nici unui nod al acestuia şi dacă există vreun drum de la x1 la xn care trece prin unul din
nodurile circuitului nu vom putea da valoare nici lui xn, cu toate că există drum de la x1 la xn.
Observaţia 2: Algoritmul necesită pentru memorare şi manipulare doar cunoaşterea, pentru
fiecare nod, a nodurilor spre care "pleacă" arce din acesta şi valorile acestor arce, fiind mult mai
uşor de aplicat sau implementat pe calculator. El are însă dezavantajul că se poate aplica doar în
grafuri fără circuite.
19
Algoritmul lui Ford generalizat a fost creat cu scopul de a putea găsi drumul optim şi în
grafurile care au circuite. Cu ajutorul lui se găseşte drumul de valoare optimă între două noduri
fixate xi şi xj. Printr-o eventuală renumerotare a nodurilor putem presupune că nodul de la care
porneşte drumul este x1, care va fi numit nod iniţial, iar nodul la care se termină este xn, numit nod
final.
Algoritmul este:
Pasul 1. I se dă vârfului iniţial valoarea 0 (zero): w(x0) = 0 şi tuturor celelalte valoarea +∞ (într-o
problemă de minim) sau -∞ (într-o problemă de maxim).
Pasul 2. În ordinea crescătoare a indicilor nodurilor se calculează pentru fiecare nod, pe bază
fostelor valori, noile valori cu formula:
⎛ ⎞
⎜ ⎟
w (xi) = min⎜ w (x i ), min (w (x j ) + v (x j , x i ))⎟ în problemele de minim
*
⎜ ⎟
xj
⎝ ∃(x j , x i ) ⎠
⎛ ⎞
⎜ ⎟
sau w (xi) = max ⎜ w (x i ), max (w (x j ) + v (x j , x i ))⎟ în problemele de maxim
*
⎜ ⎟
xj
⎝ ∃(x j , x i ) ⎠
*
Pasul 3. Se compară noile valori w (xi) cu fostele valori w(xi):
− Dacă w*(xi) = w(xi) pentru orice nod xi atunci:
− dacă w(xn) < ∞ (la problema de minim) sau w(xn) > -∞ (la problema de maxim),
valoarea nodului xn reprezintă valoarea drumului de valoare minimă(maximă) de
la x1 la xn. Pentru găsirea acestui drum se porneşte înapoi de la nodul final xn şi
se găsesc nodurile x k1 , x k 2 , ..., x k r care formează drumul căutat, unde x k1 = xn,
x k r = x1 şi fiecare alt indice ki+1 este cel pentru care:
w( x k i +1 ) + v( x k i +1 , x k i ) = w( x k i ) STOP
− dacă w(xn) = +∞ (-∞) atunci nu există nici un drum de la x1 la xn. STOP
− Dacă există cel puţin un nod pentru care w*(xi) < w(xi) se reia algoritmul de la pasul
2 pentru noile valori ale vârfurilor.
Observaţie: Algoritmul poate găsi drumul şi în grafuri cu circuite dar este evident mult mai
lent decât cel simplificat. Pentru scurtarea duratei de execuţie se poate modifica algoritmul în sensul
că o valoare nou calculată a unui vârf va fi folosită imediat ca atare la calculul noilor valori ale
celorlalte, nu doar după ce se calculează noile valori ale tuturor vârfurilor.
În algoritmul Ford simplificat, pentru a găsi valoarea nodului final, deci a drumului minim,
plecăm de la nodul iniţial în toate direcţiile posibile, păstrând de fiecare dată toate nodurile
analizate. Acest fapt duce la un consum inutil de timp, deoarece foarte multe din aceste noduri nu
vor face parte din drumul optim. Pentru a elimina acest neajuns, algoritmul lui Dijkstra încearcă să
păstreze, la fiecare iteraţie, mulţimea minimă de noduri care să le conţină pe toate cele care vor
forma efectiv drumul optim. În plus, algoritmul se poate aplica şi în drumuri cu circuite. Ca un
minus este faptul că se aplică doar la probleme de minim. Algoritmul are următorii paşi:
w( x k i +1 ) + v( x k i +1 , x k i ) = w( x k i ) STOP
− Dacă xn ∉ A se reia algoritmul de la pasul 3.
Exemplu Vom aplica algoritmul la acelaşi graf folosit la ceilalţi algoritmi, pentru a putea
face comparaţii:
pas1: w(x1) = 0
pas2: A = {x1}
pas3: Nodurile în care se poate ajunge şi din x1: {x2, x5, x6} ≠ ∅
w{x2) = min( w(x1) + v(x1,x2)) = 0 + 4 = 4
w{x5) = min( w(x1) + v(x1,x5)) = 0 + 5 = 5
w{x6) = min( w(x1) + v(x1,x6)) = 0 + 3 = 3
min(w{x2),w{x5),w{x6)) = w{x6) = 3
pas4: x9 ∉ A
pas3: A = {x1,x6} şi nodurile în care se poate ajunge prin arce directe din x1 sau x6 sunt:
{x2,x5,x7}≠∅
w{x2) = min( w(x1) + v(x1,x2), w(x6) + v(x6,x2)) = min(0 + 4 , 3 + 8) = 4
w{x5) = min( w(x1) + v(x1,x5)) = min(0 + 5) = 5
w{x7) = min( w(x6) + v(x6,x7)) = min(3 + 5) = 8
min(w{x2),w{x5),w{x7)) = w{x2) = 4
pas4: x9 ∉ A
pas3: A = {x1,x2,x6} şi nodurile în care se poate ajunge prin arce directe din x1, x2 sau x6 sunt:
{x3,x4,x5,x7} ≠ ∅
w{x3) = min( w(x2) + v(x2,x3)) = min(4 + 7) = 11
w{x4) = min( w(x2) + v(x2,x4)) = min(2 + 9) = 11
w{x5) = min( w(x1) + v(x1,x5)) = min(0 + 5) = 5
w{x7) = min( w(x6) + v(x6,x7)) = min(3 + 5) = 0
min(w{x3),w{x4),w{x5),w{x7)) = w{x5) = 5
pas4: x9 ∉ A
pas3: A = {x1,x2,x5,x6} şi nodurile în care se poate ajunge prin arce directe din x1, x2, x5, x6 şi x7
sunt: {x3,x4,x7,x8} ≠ ∅
w{x3) = min( w(x2) + v(x2,x3), w(x5) + v(x5,x3)) = min(4 + 7,5 + 2) = 7
w{x4) = min( w(x2) + v(x2,x4), w(x5) + v(x5,x4)) = min(4 + 9,5 + 7) = 12
21
w{x7) = min( w(x5) + v(x5,x7), w(x6) + v(x6,x7)) = min(5 + 2,3 + 5) = 7
w{x8) = min( w(x5) + v(x5,x8)) = min(5 + 9) = 14
min(w{x3),w{x4),w{x7),w{x8)) = w{x3) = w{x7) = 7
pas4: x9 ∉ A
pas3: A = {x1,x2,x3,x5,x6,x7} şi nodurile în care se poate ajunge prin arce directe din x1, x2, x3, x5, x6,
şi x7 sunt: {x4,x8,x9} ≠ ∅
w{x4) = min( w(x2) + v(x2,x4), w(x3) + v(x3,x4),w(x5) + v(x5,x4)) = min(4 + 9,7 + 3,5 + 7) =10
w{x8) = min( w(x5) + v(x5,x8), w(x7) + v(x7,x8)) = min(5 + 9,7 + 6) = 13
w{x9) = min( w(x3) + v(x3,x9), w(x7) + v(x7,x9)) = min(7 + 9,7 + 8) = 15
min(w{x4),w{x8),w{x9)) = w{x4) = 10
pas4: x9 ∉ A
pas3: A = {x1,x2,x3,x4,x5,x6,x7} şi nodurile în care se poate ajunge prin arce directe din x1, x2, x3, x4,
x5, x6, şi x7 sunt: {x8,x9} ≠ ∅
w{x9) = min( w(x3) + v(x3,x9), w(x4) + v(x4,x9), w(x7) + v(x7,x9)) = min(7 + 9,10 + 3,7+8)=13
w{x8) = min( w(x5) + v(x5,x8), w(x7) + v(x7,x8)) = min(5 + 9,7 + 6) = 13
min(w{x8),w{x9)) = w{x8) = w{x9) = 13
pas4: x9 ∈ A şi urmează să găsim drumul care are lungimea 13.
Avem succesiv:
w(x9) = w(x4) + v(x4,x9)
w(x4) = w(x3) + v(x3,x4)
w(x3) = w(x5) + v(x5,x3)
w(x5) = w(x1) + v(x1,x5)
deci drumul căutat este: x1 → x5 → x3 → x4 → x9
8. Reţele de transport
Într-o mare varietate de situaţii concrete din practica economică se pune problema deplasării
unei cantităţi de materie, energie, informaţie etc, din anumite locuri, numite surse, în alte locuri,
numite destinaţii. Pentru realizarea acestui transport se folosesc o serie de trasee, numite rute de
legătură. Unităţile indivizibile ale cantităţii Q, care se deplasează de-a lungul rutelor între surse şi
destinaţii, se numesc unităţi de flux, iar ansamblul rutelor, surselor, destinaţiilor şi, eventual, a
altor puncte intermediare se numeşte reţea de transport.
Situaţia de mai sus poate fi reprezentată geometric printr-un graf finit, conex şi fără bucle.
Pentru ca o astfel de problemă să fie suficient de complexă pentru a necesita un studiu
matematic riguros, trebuie ca fiecare sursă să poată aproviziona mai multe destinaţii şi orice
destinaţie să poată fi aprovizionată de mai multe surse.
Aprovizionarea destinaţiilor se poate face direct de la surse sau prin intermediul altor
puncte, numite puncte intermediare. În cazul cel mai general pot exista de asemenea legături între
surse şi/sau legături între destinaţii.
Aşa cum s-a văzut şi la problema de transport, situaţia de mai sus este un cadru extrem de
larg, care permite existenţa unui număr foarte mare de tipuri de probleme posibile, diferite între ele
prin informaţiile suplimentare pe care le avem despre reţea şi prin obiectivele urmărite.
Una dintre acestea este problema determinării cantităţii maxime (minime) care poate fi
transportată de la surse la destinaţii, în situaţia în care sursele dispun de cantităţi limitate (inferior
sau superior), destinaţiile au un necesar sau o putere de absorbţie limitată inferior sau superior iar pe
fiecare rută se poate transporta doar o cantitate cuprinsă între anumite limite.
Pentru studiul matematic al acestei situaţii vom da definiţiile matematice ale obiectelor
implicate în problemă şi ipotezele modelului.
Definiţia 1: Se numeşte reţea de transport standard un graf finit, simplu, conex, fără bucle
G = (X,U) care are următoarele proprietăţi:
22
+
1. Există şi este unic s ∈ X a.î. U s ≠ ∅, U s− = ∅ (din care doar "ies" arce), numit
intrarea reţelei de transport;
− +
2. Există şi este unic t ∈ X a.î. U t = ∅, U t ≠ ∅ (în care doar "intră" arce) numit
ieşirea reţelei de transport;
3. S-a definit o funcţie c: U → R+ care asociază fiecărui arc u un număr strict
pozitiv cu numit capacitatea arcului.
Observaţie: Este clar că exemplele obişnuite au doar rareori o singură sursă şi o singură destinaţie.
Totuşi, printr-o tehnică foarte simplă, orice reţea de transport se poate aduce la forma standard:
1. Dacă sunt mai multe surse se introduce un nod suplimentar din care "pleacă" câte
un arc spre fiecare sursă (şi numai spre acestea), iar capacităţile acestor arce vor fi
egale cu disponibilurile surselor corespunzătoare;
2. Dacă sunt mai multe destinaţii se introduce un nod suplimentar spre care "pleacă"
câte un arc din fiecare destinaţie (şi numai din acestea), iar capacităţile acestor arce
vor fi egale cu necesarurile destinaţiilor corespunzătoare;
un nod i este egală cu suma fluxurilor arcelor care "ies" din acest nod, cu excepţia
nodului iniţial şi al celui final.
Definiţia 3: Se numeşte valoare a fluxului suma fluxurilor arcelor care "pleacă" din nodul
iniţial s şi se notează cu Φ.
Observaţie: Se poate demonstra uşor că această valoare este egală şi cu suma fluxurilor
arcelor care "intră" în nodul final t. În concluzie avem:
Φ= ∑ ϕ u = ∑ ϕ u
u ∈ U s+ u ∈ U −t
Definiţia 4: Se numeşte flux de valoare maximă într-o reţea un flux ϕ în această reţea, cu
proprietatea că, pentru orice alt flux ϕ' pe această reţea, avem Φ ≥ Φ'.
Valoarea fluxului de valoare maximă reprezintă cea mai mare cantitate care se poate
transporta efectiv pe reţea, de la surse la destinaţii.
23
Răspunsul la primele două întrebări se poate afla prin găsirea fluxului de valoare maximă şi
compararea valorii lui cu suma necesarurilor destinaţiilor. În plus, valoarea acestuia pe un arc
reprezintă cantitatea care trebuie transportată pe ruta respectivă, pentru a obţine această valoare a
fluxului.
Răspunsul la ultimele două întrebări porneşte de la observaţia că cea mai mare cantitate care
poate traversa reţeaua de la un cap la altul este egală cu dimensiunea celui mai îngust loc de trecere
prin reţea. Dacă vrem, deci, să mărim fluxul va trebui să lărgim tocmai acest cel mai îngust loc de
traversare al reţelei.
Pentru formalizarea consideraţiilor de mai sus vom introduce noţiunea de tăietură într-o
reţea:
O tăietură poate fi privită, intuitiv, ca o secţiune a reţelei, care lasă nodul iniţial cu o
submulţime din noduri într-o parte, nodul final cu restul nodurilor în cealaltă parte şi retează toate
arcele care trec dintr-o parte în cealaltă.
A cunoaşte o tăietură este echivalent cu a cunoaşte care sunt elementele celor două mulţimi,
V şi W, care formează partiţia.
Vom nota o tăietură prin T = (V,W), convenind ca mulţimea scrisă pe prima poziţie să
conţină nodul iniţial s al reţelei iar cea scrisă pe a doua, nodul final t.
Pentru a nu exista nici o ambiguitate, insistăm asupra faptului că se vor lua în considerare
doar arcele care trec de la mulţimea ce conţine nodul iniţial spre mulţimea care conţine nodul final,
adică în sensul normal de transport (surse → destinaţie).
Următoarele teoreme fac legătura matematică dintre fluxurile unei reţele şi tăieturile sale:
Φ= ∑ ϕ
( )
u = x i ,x j
u – ∑ ϕ
( )
u = x i ,x j
u
x i ∈V x i ∈W
x j∈W x j∈V
sau, altfel spus, valoarea unui flux oarecare este egală cu suma fluxurilor arcelor care trec de la V la
W din care se scade suma fluxurilor arcelor care trec invers, de la W la V, oricare ar fi tăietura T =
(V,W).
24
⎛ ⎞
⎜ ⎟
Φ= ∑
ϕu =
u = (s, x j )
ϕu +
u = (s, x j )
∑ ⎜
x i ∈V ⎜ u∈U +
ϕu − ∑ ∑
ϕu ⎟ =
⎟
∑
u∈U −x i
x j∈X x j∈X x i ≠s ⎝ xi ⎠
= ∑ (ϕ
( )
u = x i ,x j
u −ϕ u ) + ∑ ϕ
( )
u = x i ,x j
u - ∑ ϕ
( )
u = x i ,x j
u = ∑ ϕ
( )
u = x i ,x j
u – ∑ ϕ
( )
u = x i ,x j
u
x i ∈V x i ∈V x i ∈W x i ∈V x i ∈W
x j∈V x j∈W x j∈V x j∈W x j∈V
Corolar: Într-o reţea de transport valoarea oricărui flux este mai mică sau egală decât valoa-
rea oricărei tăieturi.
Φ= ∑ ϕ
( )
u = x i ,x j
u – ∑ ϕ
( )
u = x i ,x j
u ≤ ∑ ϕ
( )
u = x i ,x j
u ≤ ∑ c
( )
u = x i ,x j
u = C(T)
x i ∈V x i ∈W x i ∈V x i ∈V
x j∈W x j∈V x j∈W x j∈W
Corolar: Într-o reţea de transport valoarea fluxului maxim este mai mică sau egală decât
valoarea tăieturii minime.
Demonstraţia e evidentă. În plus, din cele de mai sus se vede că egalitatea are loc numai
dacă, pentru tăietura minimă, există un flux pentru care toate arcele de la V la W sunt folosite la
maxim (fluxul e egal cu capacitatea arcelor) iar pe toate arcele de la W la V nu se transportă nimic.
Teorema lui Ford-Fulkerson Dacă fluxul ϕ este maximal atunci există o tăietură de
capacitate egală cu valoarea fluxului.
Dacă vârful final t ar fi marcat, atunci începând de la acesta, am putea construi lanţul
x k1 , x k 2 , ..., x k r unde x k1 = s, x k r = t şi marcajul oricărui vârf x k i +1 este + x k i sau – x k i .
Adăugând la fluxul fiecărui arc al lanţului de tipul ( x k i , x k i +1 ) valoarea:
şi scăzând din fluxul fiecărui arc de tipul ( x k i +1 , x k i ) aceeaşi valoare Δ, obţinem un flux de valoare
Φ + Δ, deci fluxul ϕ nu ar fi maximal.
În concluzie vârful t nu va fi marcat. Fie tăietura T = (V,W), unde V este formată din
mulţimea nodurilor marcate iar W din cele nemarcate. În acest caz, pentru fiecare arc (xi,xj) care
"traversează" tăietura avem:
25
− dacă xi ∈ V atunci ϕ(xi,xj) = c(xi,xj) deoarece nodul xj nu e marcat
− dacă xi ∈ W atunci ϕ(xi,xj) = 0 deoarece nodul xi nu e marcat
şi teorema e demonstrată.
Teorema lui Ford-Fulkerson poate stabili doar valoarea fluxului maxim dar nu dă o metodă
de găsire a acestuia. Pentru a rezolva problema găsirii fluxului de valoare maximă se poate folosi
algoritmul lui Ford-Fulkerson.
Pentru expunerea acestuia vom introduce şi noţiunile de:
26
Pasul 8. Construim un lanţul L = x k1 , x k 2 , ..., x k r unde x k1 = s, x k r = t şi marcajul oricărui vârf
x k i +1 este + x k i sau – x k i . Se calculează:
ΔL = min( min (c(x k , x k ) − ϕ (x k , x k )) , (x min,x
(x k i ,x k i +1 ) i i +1 i i +1 )
ϕ (x k i , x k i +1 ) )
k i +1 ki
În final, tăietura de valoare minimă este cea în care V = mulţimea nodurilor marcate iar W =
mulţimea nodurilor nemarcate.
Teoremă Dacă toate capacităţile rutelor reţelei sunt numere raţionale atunci algoritmul lui
Ford-Fulkerson are un număr finit de paşi.
Demonstraţie Prin înmulţirea tuturor acestor capacităţi cu cel mai mic multiplu comun al
numitorilor se obţine o reţea cu toate capacităţile numere naturale. Ţinând cont de formula de
calcul, la fiecare iteraţie cantitatea adăugată Δ va fi număr natural şi cum valoarea fluxului maxim
este mărginită de capacitatea tăieturii minime Cmin, care este de asemenea număr natural, algoritmul
va avea nevoie de cel mult Cmin paşi pentru a o atinge.
Observaţia 2. Teorema de mai sus asigură doar o limitare superioară a numărului de iteraţii
ale algoritmului, faţă de capacitatea tăieturii minime. Această valoare poate fi însă, în anumite
cazuri, foarte mare şi, dacă nu se iau precauţii suplimentare, algoritmul nu va da soluţia în timp util.
Depăşirea acestei situaţii este asigurată de următoarea teoremă:
Teoremă Dacă la fiecare iteraţie se alege drumul (lanţul) de lungime minimă atunci
1
algoritmul va avea cel mult ⋅m⋅n iteraţii, unde n = numărul de noduri iar m = numărul de muchii.
2
Observaţia 3. Există probleme în care se doreşte găsirea fluxului minim într-o reţea, valorile
fluxului pe arce fiind limitate inferior de capacităţile acestora. În acest caz se aplică de asemenea
algoritmul lui Ford-Fulkerson astfel:
Observaţia 4. Există şi alte tipuri de probleme asemănătoare celor de mai sus. Astfel, se
poate pune problema:
27
− găsirii capacităţilor minime ale arcelor cu care se poate asigura transportarea întregii
cantităţi de la surse la destinaţii
− fluxului minim(maxim) într-o reţea în care capacităţile rutelor sunt limitate atât superior
cât şi inferior;
− În cazul în care rutelor li se asociază şi costuri unitare de parcurgere, putem căuta fluxul
maxim de cost minim;
28
CAPITOLUL 7
Fie evenimentele A şi B.
OBSERVAŢIE : A ∩ A = Φ .
A∪ B = B ∪ A A∩ B = B ∩ A
( A ∪ B) ∪ C = A ∪ ( B ∪ C ) ( A ∩ B) ∩ C = A ∩ ( B ∩ C )
A∪ A = A A∩ A = A
A∪Φ = A A∩Φ = Φ
A∪Ω = Ω A∩Ω = A
A∪ A = Ω A∩ A = Φ
( A) = A
Φ =Ω
æ n ö n
çç Υ A i ÷÷ = Ι Ai
è i =1 ø i =1
CONSECINŢE :
a) Ω ∈ K
Demonstraţie : dacă A ⊂ K , atunci şi A ∈ K , iar A ∪ A = Ω ∈ K ,
conform proprietăţilor operaţiilor cu evenimente.
b) Φ ∈ K
Demonstraţie : deoarece Ω ∈ K , şi Ω = Φ ∈ K .
c) Dacă A, B ∈ K , atunci A − B ∈ K
Demonstraţie : A − B = A ∩ B = A ∪ B ∈ K .
d) Dacă A, B ∈ K , atunci A ∩ B ∈ K
2) Ei ∩ E j = Φ , i ≠ j .
C1. P( A ) = 1 − P( A)
è i =1 ø i =1
n
C3. å P(ω ) = 1 , unde ω , ω
i =1
i 1 2 ,..., ω n sunt evenimentele elementare
ale mulţimii Ω .
n
Demonstraţie: Υω
i =1
i =Ω şi ωi ∩ωj = Φ, i ≠j. Atunci
æn ö n
PççΥωi ÷÷ = P(Ω) = 1, deci åP(ω ) =1. i
è i=1 ø i=1
p p+q
Demonstraţie: Dacă A ⊂ B , atunci A = Υω i şi B = Υω i
. Ştim că
i =1 i =1
ω i ∩ ω j = Φ , i≠j.
p p q
Deci : P( A) = å P(ω i ) şi P ( B ) = å P(ω i ) + å P(ω ) . i
Dar
i =1 i =1 i = p +1
Proprietatea 1 :
{Ω, K , PA ( B )} este un câmp (chiar borelian) de
probabilitate.
Proprietatea 2 :
Dacă P( A) ≠ 0 şi P(B) ≠ 0 , atunci este adevărată
relaţia P( A) ⋅ PA ( B) = P( B) ⋅ PB ( A) .
Demonstraţie:
P( A ∩ B ) , de unde
PA ( B ) = P ( A ∩ B ) = P ( A) ⋅ PA ( B )
P ( A)
P( B ∩ A) , de unde
PB ( A) = P ( B ∩ A) = P ( B ) ⋅ PA ( A)
P( B )
Cum P( A ∩ B ) = P( B ∩ A) , avem P( A) ⋅ PA(B) = P(B) ⋅ PB ( A)
şi proprietatea 2 este demonstrată.
æ n+1 ö éæ n ö ù æn ö éæ n ö ù
Pçç Υ Ak ÷÷ = Pêçç Υ Ak ÷÷ ∪ An+1 ú = Pçç Υ Ak ÷÷ + P( An+1 ) − Pêçç Υ Ak ÷÷ ∩ An−1 ú =
è k =1 ø ëè k =1 ø û è k =1 ø ëè k =1 ø û
æ n
ö é n
ù
= Pçç Υ Ak ÷÷ + P( An−1 ) − PêΥ( Ak ∩ An+1 )ú .
è k =1 ø ë k =1 û
æ n+1 ö n+1 n
Pçç Υ Ak ÷÷ = å P( Ak ) − å P( Ai ∩ Aj ) + å P( Ai ∩ Aj ∩ Ak ) −
è k =1 ø k =1 i , j=1;i< j i , j ,k =1;i< j<k
n +1
æ ö
... + ( −1) n P çç Ι Ak ÷÷
è k =1 ø
P(A) = P( A1) ⋅ P(A2 | A1) ⋅ P( A3 | A1 ∩ A2 ) ⋅ P( A4 | A1 ∩A2 ∩ A3)⋅ P(A5 | A1 ∩A2 ∩A3 ∩A4 )
Avem: P( A1 ) = 95 ; P( A2 | A1 ) = 94 ; P( A3 | A1 ∩ A2 ) = 93 ;
100 99 98
92
P( A4 | A1 ∩ A2 ∩ A3 ) =; P( A5 | A1 ∩ A2 ∩ A3 ∩ A4 ) = 91 .
97 96
95 94 93 92 91
Deci: P( A) = ⋅ ⋅ ⋅ ⋅ = 0,77 .
100 99 98 97 96
n
P( X ) = P( Ai ) ⋅ PAi ( X ) (formula probabilităţii totale)
i =1
X = ( A1 ∩ X ) ∪ ( A2 ∩ X ) ∪ Κ ∪ ( An ∩ X ) .
Vom arăta că : ( Ai ∩ X ) ∩ ( A j ∩ X ) = Φ .
( Ai ∩ X ) ∩ ( A j ∩ X ) = ( Ai ∩ A j ) ∩ X = Φ ∩ X = Φ , i ≠ j .
n
P( X ) = P[(A1 ∩ X ) ∪ ( A2 ∩ X ) ∪Κ ∪ ( An ∩ X )] = åP( Ai ∩ X ) =
i=1
n
= å P( Ai ) ⋅ PAi ( X ) deoarece P ( Ai ∩ X ) = P ( Ai ) ⋅ PAi ( X )
i =1
şi PA ( X ) = P( Ai ∩ X ) .
i
P( Ai )
7.7. Formula lui Bayes
Demonstraţie:
P( Ai ∩ X ) şi P( Ai ∩ X )
PAi ( X ) = PX ( Ai ) = . Rezultă că:
P( Ai ) P( X )
P( Ai ) ⋅ PAi ( X )
P( Ai ) ⋅ PAi ( X ) = P( X ) ⋅ PX ( Ai ) Þ Þ PX ( Ai ) = .
P( X )
Vom înlocui P(X) cu formula probabilităţii totale şi obţinem :
P ( Ai ) ⋅ PAi ( X ) .
Px ( Ai ) = n
å P( A ) ⋅ P
i =1
i Ai (X )
EXEMPLU:
Într-un depozit sunt 30 televizoare , 18 de producţie străină
şi 12 de producţie românească, ambalate identic. Care este
probabilitatea ca la o comandă de 10 televizoare, un magazin să
primească 6 străine şi 4 româneşti?
C 6 ⋅ C 4 612
P10 (6,4) = 10 10 10 = ≈ 0,9 .
C30 667
EXEMPLU:
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
æ 3 ö 4 108
P3 ( 2) = C32 ç ÷ ⋅ = = 0,315
è 7 ø 7 343
åx
k =1
k = n, åp
k =1
k = 1. (lege multinominală)
EXEMPLU:
Un magazin primeşte în cursul unei săptămâni 100 bucăţi
dintr-o anumită marfă provenită de la fabricile A, B, C.
Probabilitatea ca marfa să provină de la fabrica A este de 0,6; de la
fabrica B este de 0,2; de la fabrica C este de 0,2. Care este
probabilitatea ca din cele 100 bucăţi primite, 60 să fi fost realizate la
fabrica A, 30 la fabrica B, iar restul la C?
100!
p= (0,6) 60 ⋅ (0,2) 30 ⋅ (0,2)10
60!⋅30!⋅10!
Ştiind că P ( A) = p şi P ( A ) = q , atunci P ( X ) = p ⋅ q x −1 .
Această lege se mai numeşte şi legea geometrică deoarece
este exprimată prin termenul general al unei progresii geometrice cu
primul termen p şi raţia q.
EXEMPLU:
Într-un raft sunt cămăşi de acelaşi fel de talia I şi a-II-a în
proporţie de 49% (I) şi 51% (II), identic ambalate. Care este
probabilitatea ca un cumpărător care doreşte o cămaşă de talia II să
o găsească numai la a 6-a încercare?
x = 6 , p = 0,49 , q = 0,51 .
P ( X ) = p ⋅ q x −1 = 0,49 ⋅ (0,51) 5 = 0,0169 .
EXEMPLU:
O firmă se aprovizionează de la 4 furnizori. Din datele
statistice deţinute se estimează că doi dintre furnizori onorează
contractele cu probabilitatea 0,8, iar ceilalţi doi cu probabilitatea
0,9. Se cer probabilităţile următoarelor evenimente:
a) toţi furnizorii onorează contractul;
b) doar doi furnizori onorează contractul;
c) nici un furnizor nu onorează contractul;
d) cel puţin un furnizor onorează contractul.
VARIABILE ALEATOARE
EXEMPLE:
1) Numărul calculatoarelor vândute la un magazin într-o zi
este o variabilă aleatoare care poate lua una din valorile 0, 1, 2, …, n
, unde n este numărul total de calculatoare din magazin. Aici,
mulţimea valorilor posibile este {0,1,2,..., n} .
æ x x2 Κ xn ö
X : çç 1 ÷
è f ( x1 ) f ( x2 ) Κ f ( x n ) ÷ø
1) f ( xi ) ≥ 0 , i = 1,..., n ;
n
2) å f ( x ) = 1 , deoarece
i =1
i
E i = ( X = xi ) este un sistem complet
n
de evenimente, adică: ΥE
i =1
i = Ω , Ei ∩ E j = Φ , i ≠ j , i, j = 1,..., n .
EXEMPLE:
æ x ö
X : çç ÷ , x = 0,1,..., n .
x x n− x ÷
è f ( x ) = C n p q ø
f ( x ) = Cnx p x q n− x arată probabilitatea ca din n extrageri, x să
fie bile albe. Arătăm în continuare că f(x) este o funcţie de
probabilitate.
1) Evident, f ( x ) ≥ 0 ;
n n
2) å f ( x) = å C
x =0 x =0
x
n p x q n − x = ( p + q) n = 1 (binomul lui Newton) .
deci P( x ) = p ⋅ q x −1 .
æ x ö
X : çç ÷ , x = 1,2,3,..., n , unde p > 0 , q > 0 şi p + q = 1 .
x−1 ÷
è f ( x) = p ⋅ q ø
Evident:
1) f ( x ) ≥ 0 ;
∞ ∞ ∞
1 p
2) å p⋅q
x =1
x −1
x =1
= p ⋅ å q x −1 = p ⋅
= = 1 , deoarece seria å q x −1
1− q p x =1
este seria geometrică de raţie 0 < q < 1 , convergentă, cu suma
1 .
1− q
x Κ xi Κ æy Κ yj Κ ym ö
Fie X : æç 1
xn ö
; Y :ç 1 .
çp Κ pi Κ pn çq Κ qj Κ qm
è 1 è 1
n m
pi = f ( x i ) ≥ 0 ; pi = 1 ; qj = f (yj ) ≥ 0 ; q j = 1.
i =1 j =1
OPERAŢII:
æx + yj ö
1) X + Y : ç i , unde pij = pi ⋅ q j , i=1, … , n; j=1, … , m .
ç p ÷÷
è ij ø
æx ⋅ y ö
2) X ⋅ Y : ç i j ÷ , i=1, … , n; j=1, … , m , unde, dacă X şi Y sunt
ç p ÷
è ij ø
independente, pij = pi ⋅ q j .
æ a ⋅ xi ö
3) a ⋅ X = çç ÷÷ , i=1, … , n .
è pi ø
æ xk Κ xik Κ x nk ö
4) X k : ç 1 ÷.
çp Κ Κ p n ÷ø
è 1 pi
æ 0 0 −1 1 −2 2 ö
X ⋅ Y : çç ÷÷ Þ
è 0,15 0,15 0,25 0,25 0,1 0,1ø
æ− 2 −1 0 1 2ö
Þ X ⋅ Y : çç ÷÷ .
è 0,1 0,25 0,3 0,25 0,1ø
æ 0 3 6 ö
3 ⋅ X : çç ÷÷ .
è 0,3 0,5 0, 2 ø
æ 0 1 8 ö
X 3 : çç ÷÷ .
è 0,3 0,5 0,2 ø
æ 0 1 2 ö
EXEMPLU: X : çç ÷÷ , pi = f ( xi ) .
è f (0) = 0,3 f (1) = 0,5 f (2) = 0,2 ø
0,5 -
-
0,3 -
0,2 -
-
0 1 2
8.2. Variabile aleatoare continue
1) f ( x) ≥ 0 ;
b
2) ò f ( x )dx = 1 .
a
EXEMPLE:
0 a b
1 -
A =1
X 0 ∞
f' - - - - - - - - - - - - - - -
f 1 0
F ( x ) = P( X < x ) = pi = f ( xi )
xi < x xi < x
1- (
p1 +...+pn−1- (
p1 + p2 - (
p1 - (
0 x1 x2 x3 ……….. x n −1 xn
1
EXEMPLU: X : æçç
0 2 ö
è 0,3 0,5 0,2
F (x )
1- (
0,3+0,5- (
0,3 -(
x
0 1 2
F (x )
f (x )
) (
a b
1-
0 x
æ x ö
EXEMPLU: X : çç −x
, x ≥ 0.
è f ( x) = e
x x
F ( x) = f (t )dt = e−t dt = −e−t |0x = −e− x + 1 = 1 − e− x ;
−∞ 0
F (0) = 0 ; lim F ( x ) = 1 .
x→∞
P1. 0 ≤ F ( x ) ≤ 1 , oricare ar fi x ∈ R .
ì F ( x ) = 0, x ≤ a
P3. Dacă x ∈ [a, b] , atunci í
î F ( x ) = 1, x > b
Consecinţe: lim F ( x ) = 0 , lim F ( x ) = 1 .
x → −∞ x →∞
CAPITOLUL 9
EXEMPLE:
1
1) X : æçç
2 3 ö
÷÷ , M ( X ) = 1 ⋅ 0,2 + 2 ⋅ 0,5 + 3 ⋅ 0,3 = 2,1 .
è 0,2 0,5 0,3 ø
æ x ö ∞
÷ , x ≥ 0 , M ( X ) = ò0 xe dx = Γ( 2) = 1 .
−x
2) X : çç −x ÷
è f ( x ) = e ø
æ x ö
P1. Fie X : çç i ÷ , i = 1, Κ , n . Dacă λ ≤ xi ≤ µ , atunci :
÷
è f ( xi ) ø
λ ≤ M(X ) ≤ µ .
n
Demonstraţie: M ( X ) = å xi f ( xi )
i =1
Adunând aceste relaţii pentru valorile indicelui i = 1, Κ , n , obţinem:
n n
λ ⋅ f ( xi ) ≤ xi ⋅ f ( xi ) ≤ µ ⋅ f ( xi ) ⋅ λ ⋅ å f ( xi ) ≤ M ( X ) ≤ µ ⋅ å f ( xi ) ,deci
i =1 i =1
n
λ ≤ M(X ) ≤ µ , deoarece å f (x ) = 1.
i =1
i
a ⋅ x1 Κ a ⋅ xn ö
Atunci a ⋅ X : æç ÷.
ç p p n ÷ø
è 1 Κ
M(a ⋅ X) = a ⋅ x1 ⋅ p1 +Κ + a ⋅ xn ⋅ pn = a ⋅ (x1 ⋅ p1 +Κ + xn ⋅ pn ) = a ⋅ M(X) .
Fie X : æç i ö÷ ,
n
x
Demonstraţie:
çp ÷ i = 1, Κ , n , M ( X ) = å xi ⋅ pi ,
è iø i =1
n
æ yj ö m
åp i =1 şi fie Y : çç ÷÷ , j = 1, Κ , m , M (Y ) = å y j ⋅ q j ,
i =1 è qj ø j =1
m
æ xi + y j ö
å q j = 1 . Atunci X + Y : çç ÷÷ , i = 1, Κ , n , j = 1, Κ , m .
j =1 è pi ⋅ q j ø
n m n m n m n m
M(X +Y) = åå(xi + yj ) ⋅ pi ⋅ qj =ååxi ⋅ pi ⋅ qj +ååyj ⋅ pi ⋅ qj =åxi ⋅ pi åqj +
i=1 j=1 i=1 j=1 i=1 j=1 i=1 j=1
n m
+ å pi å y j ⋅ q j = M ( X ) + M (Y ) .
i =1 j =1
P5. Dacă X şi Y sunt independente, atunci: M(X ⋅Y) = M(X) ⋅ M(Y) .
æx ⋅ y ö
Demonstraţie: X ⋅ Y : ç i j ÷ , i = 1, Κ , n , j = 1, Κ , m .
çp ⋅q ÷
è i jø
n m n m
M ( X ⋅ Y ) = å å xi y j pi q j = å xi pi å y j q j = M ( X ) ⋅ M (Y )
i =1 j =1 i =1 j =1
− 2 −1 1
Fie X : æçç
2ö
÷÷ , M ( X ) = 0 . Observăm că
è 0,1 0,4 0,4 0,1ø
valorile lui X nu diferă mult de medie.
− 1000 − 5 5 1000 ö
Fie Y : æçç ÷ , M (Y ) = 0 . Observăm că
è 0,1 0,4 0,4 0,1 ÷ø
valorile lui Y diferă mult de medie.
Împrăştierea valorilor lui Y este mai mare decât
împrăştierea valorilor lui X.
x x2 Κ xn ö
Fie X : æç 1 şi fie M(X) media sa. Construim
ç p p Κ p ÷÷
è 1 2 nø
æ x − m x2 − m Κ xn − m ö
ξ : çç 1 ÷
è p1 p2 Κ pn ÷ø
ξ 2 = [ X − M ( X )]2 = X 2 − 2 M ( X ) ⋅ X + M 2 ( X ) .
Atunci dispersia va fi :
D(X) = M(ξ 2 ) = M(X 2 ) − 2M( X)M(X) + M2 (X) = M(X 2 ) − M 2 (X) .
Rezultă astfel că D( X ) = M ( X 2 ) − M 2 ( X ) .
EXEMPLE :
−1 0 1 ö æ1 0ö
1) X : æçç ÷÷ , M( X ) = 0 ; X 2 : çç ÷÷ , M( X ) = 0,6
2
æ x ö ∞
÷ , x ≥ 0 , M ( X ) = ò0 xe dx = Γ( 2) = 1
−x
3) X : çç −x ÷
è f ( x ) = e ø
æ x 2
ö ∞
X 2 : çç ÷ , x ≥ 0 , M ( X ) = ò x 2 e − x dx = Γ(3) = 2! = 2
−x ÷
è f ( x) = e ø
0
D( X ) = M ( X 2 ) − M 2 ( X ) = 2 − 1 = 1 .
Demonstraţie: D (a ) = M (a 2 ) − M 2 (a ) = a 2 − a 2 = 0 .
Demonstraţie: D( X + Y ) = M [( X + Y ) 2 ] − M 2 ( X + Y ) =
= M( X 2 + 2XY + Y 2 ) − [M( X ) + M(Y )]2 = M( X 2 ) + 2M( X )M(Y ) +
+ M (Y 2 ) − M 2 ( X ) − 2 M ( X ) M (Y ) − M 2 (Y ) = D( X ) + D(Y ) .
è i =1 ø i =1
sunt independente, i = 1, Κ , r .
Consecinţa 2: D( a + X ) = D( X ) .
Consecinţa 3: Dacă Y = a ⋅ X + b , atunci D (Y ) = a 2 D( X ) .
Consecinţa 4: Dacă Z = X − Y , atunci D(Z) = D( X ) + D(Y ) .
Într-adevăr, putem scrie Z = X − Y = X + ( −Y ) şi deci
D(Z) = D( X ) + D[(−1)Y ] = D( X ) + (−1) D(Y ) şi deci D(Z ) = D( X ) + D(Y ) .
2
åX i
1 n
aceeaşi medie şi dispersie. Fie Y =
n
i =1
= å X i , media
n i =1
aritmetică a veriabilelor X i . Atunci D(Y ) = 1 å D( X i ) .
n
n i =1
Demonstraţie: D(Y ) = Déê 1 å X i ùú = 12 ⋅ n ⋅ åD( X i ) = 1 D( X i ) .
n n
ë n i=1 û n i =1 n
Cazuri particulare:
m1 = M ( X ) , m2 = M ( X 2 ) , deci D( X ) = m2 − m12 .
Cazuri particulare:
µ1 = M[ X − M ( X )] = 0 , µ2 = [X − M( X)]2 = D( X) .
æx Κ xn ö
În cazul unei variabile aleatoare discrete, fie X:ç 1 ,
çp Κ p
è1 n
æxk Κ xnk ö æ ( x − m) k Κ ( x n − m) k ö
atunci Xk : ç 1 şi ( X − m) k : çç 1 ÷.
÷
çp Κ p Κ
è1 n è p1 pn ø
n n
Prin urmare mk = M( X k ) = xik pi şi µk = M[(X − m)k ] = å( xi − m)k pi ,
i=1 i=1
k = 1,2, Κ , n .
ék ù k
µk = M[X − M(X)]k = M[X −m]k = Mêå(−1)k Ckjmj X k− j ú = å(−1) j Ckjmj M(X k− j )
ë j=0 û j=0
j
Dar M ( X k − j ) = m k − j . Deci avem: µ k = å ( −1) j Ckj m j mk − j .
k =0
OBSERVAŢIE : Pentru k=2 , obţinem :
2
µ2 = åC2j m j mk− j = C20m2 − C21m1m1 + C22m2m0 .
j=0
Dar m0 = M ( X 0 ) = M (1) = 1 şi m1 = m .
Atunci µ 2 = m2 − m12 + 0 = m2 − m12 = D ( X ) .
x x2 Κ xn ö
Fie X : æç 1
ç p p Κ p ÷÷
o variabilă aleatoare discretă,
è 1 2 nø
æ x ö,
Fie X : çç ÷÷ x ∈ [a, b] , o variabilă aleatoare continuă,
è f ( x) ø
æ e tx ö
deci e tX = ç
ç ÷ , x ∈ [a, b] , iar funcţia generatoare de momente
è f (x ) ÷ø
b
este g(t ) = M (etX ) = ò etx f ( x)dx .
a
Proprietăţi ale funcţiei generatoare de momente:
P1. g (0) = 1
Demonstraţie:
g (t ) = M ( e tX ) = M ( e t ( X 1 + X 2 +Κ + X n ) ) = M [e tX1 ⋅ ⋅e tX 2 ⋅ Κ ⋅ e tX n ] =
= M(etX1 ) ⋅ M(etX2 ) ⋅Κ ⋅ M(etXn ) = g1(t) ⋅ g2 (t) ⋅Κ ⋅ gn (t) .
é ∞ tk k ù ∞ tk ∞
tk
g(t ) = M (etX ) = M ê X = M( X k ) g(t ) = mk .
ëk =0 k! k =0 k! k =0 k!
Demonstraţie:
x2 Κ
a) Fie variabila aleatoare discretă X : æç 1
x xn ö
çp ÷.
è 1 p2 Κ pn ÷ø
n
g (t ) = å e txi ⋅ pi
i =1
n
g ' (t ) = å xi ⋅ e txi ⋅ pi
i =1
n
g ' ' (t ) = å xi2 ⋅ e txi ⋅ pi
i =1
………………………….
n
g ( k ) (t ) = å xik ⋅ e txi ⋅ pi
i =1
Înlocuind pe t cu zero, obţinem:
n
g ( k ) (0) = å xik ⋅ pi = mk
i =1
−1 1 ö æ e −it e it ö
EXEMPLU: Fie X : æçç ÷÷ , iar e itX = çç ÷÷ .
è 0,5 0,5 ø è 0,5 0,5 ø
Funcţia caracteristică este :
c(t) = M(eitX ) = e−it ⋅ 0.5 + eit ⋅ 0,5 = 0,5⋅ (e−it + eit ) .
Dar e iθ = cos θ + i sin θ şi e − iθ = cos θ − i sin θ , deci putem scrie
e iθ + e − iθ e iθ + e − iθ
cos θ = şi sin θ = .
2 2i
Astfel, funcţia caracteristică va fi :
c(t ) = 0,5 ⋅ (cost − i sin t ) + 0,5 ⋅ (cost + i sin t ) = cost .
P2. c(0) = 1
Demonstraţie:
c(t ) = M ( e itX ) = M [e it ( X1 + X 2 +Κ + X n ) ] = M [e itX1 ⋅ e itX 2 ⋅ Κ ⋅ e itX n ] =
= M ( e itX 1 ) ⋅ M ( e itX 2 ) ⋅ Κ ⋅ M ( e itX n ) = = c1 (t ) ⋅ c2 (t ) ⋅Κ ⋅ cn (t ) .
n
Consecinţa 1: Dacă Y = å λk ⋅ X k , λk ∈ R , unde
k =1
Demonstraţie:
cY (t) = M(eitY ) = M(eit(aX+b) ) = M[ei(at) X ⋅ eitb] = e itb M [e i ( at ) X ] = e itb c X ( at ) .
Demonstraţie:
∞
é ∞ (it) k k ù ∞ (it) k (it ) k
c(t) = M (eitX ) = M êå X ú=å M( X k ) = å mk , unde
ëk =0 k! û k =0 k! k =0 k !
∞
(it ) k k .
e itX = å X
k =0 k !
1 (k ) 1
P7. mk = [c (t )] |t =0 = k c ( k ) (0)
ik i
Demonstraţie:
x2 Κ
a) Fie variabila aleatoare discretă X : æç 1
x xn ö
çp ÷.
è 1 p2 Κ pn ÷ø
æe itx1
e itx2
Κ e ö
itxn
eitX = çç ÷
÷
è p1 p2 Κ pn ø
n
c( t ) = å e ⋅ pj
itx j
j =1
n
c' (t ) = å ix j ⋅ e ⋅ pj
itx j
j =1
………………………….
n
c ( k ) (t ) = å i k x kj ⋅ e ⋅ pj
itx j
j =1
1 (k )
Deci mk = c (0) , k = 1,2, Κ , n .
ik
c) Fie variabila aleatoare continuă X : æçç
x ö
÷÷ , x ∈ [a, b] .
è f ( x) ø
æ e itx ö
e itX = çç ÷÷
è f (x ) ø
b
c(t ) = ò eitx f ( x)dx
a
b
c' (t ) = ò i ⋅ x ⋅ eitx f ( x)dx
a
…………………………….
b
c(k ) (t ) = ò i k ⋅ x k ⋅ eitx f ( x)dx
a
Înlocuind pe t cu zero, obţinem:
b
c(k ) (0) = i k ⋅ ò ⋅ x k ⋅ eitx f ( x)dx = i k mk
a
1 (k )
Deci mk = c (0) , k = 1,2, Κ , n .
ik
P1. M ( Z ) = 0
Demonstraţie: M ( Z ) = M æç 1 X − m ö÷ = 1 M ( X ) − m = 0
èσ σø σ σ
P2. D( Z ) = 1
Demonstraţie: D(Z) = Dæç X − mö÷ = 12 [D(x) − D(m)] = 12 ⋅σ2 =1, deoarece
è σ ø σ σ
D(m) = 0 .
a 2
EXEMPLU:
Să se determine mediana variabilei aleatoare continue
æ x ö
X :ç 1 ÷ , x ∈ [0,3] .
ç (2 x + 1) ÷
è 12 ø
Me 1 1 1
ò0 12 (2 x + 1)dx = 12 [ Me + Me] = 2 Þ Me + Me − 6 = 0 .
2 2
Deci np − q ≤ Mo ≤ np + p .
9.10. Covarianţa (corelaţia)
Demonstraţie:
M(X’)=0, M(Y’)=0, D(X’)=0, D(Y’)=0 , deci M ( X ' 2 ) = 1 şi
M (Y ' 2 ) = 1 .
Din egalitatea ( X '±Y ' ) 2 = ( X ' 2 ±2 X ' Y '+Y ' 2 ) obţinem :
M [( X '±Y ' ) 2 ] = M ( X ' 2 ) ± 2M ( X ' Y ' ) + M (Y ' 2 ) = 2 ± 2M ( X ' Y ' ) .
Cum M ( X 'Y ' ) = cov(X ' ,Y ' ) , obţinem: 1 ± ρ ( X , Y ) ≥ 0 , adică
− 1 ≤ ρ( X ,Y ) ≤ 1.
cov( X , Y ) aσ X2 aσ X2 a
ρ ( X ,Y ) = = = = = ±1 .
σ Xσ Y σ Xσ Y | a | σ X | a |
2
m −ε m m +ε
ASIMETRICĂ
m −ε m m +ε
Proprietăţi:
REPARTIŢII CLASICE
æ x ö
X : çç x x n − x ÷÷
è Cn p q ø
æ e tx ö
g (t ) = M ( e tX ) ; e tX : ç
ç f ( x ) , x = 0,1, Κ , n
.
è
n n
Deci g(t) = M(etX ) = etxCnx p x qn−x = Cnx ( pet ) x qn−x = ( pet + q)n .
x=0 x=0
n −1
g ' ( t ) = npe t ( pe t + q ) ;
n −1
m1 = g ' (0) = np( p + q ) = np .
g ' ' (t ) = n ( n − 1) p e ( pe + q ) n − 2 + npe t ( pe t + q ) n −1 ;
2 2t t
x =0 x =0 CN C N x =0
n n
Pentru a calcula suma åf (x) am folosit egalitatea
x=0
åC C
x=0
x
a
n−x
N −a = CNn pe
n n
a! n
(a − 2)! n
x(x −1)Cax = x(x −1) = a(a −1) = a(a −1) Cax−−22
x=0 x=2 x!(a − x)! x=2 (x − 2)!(a − x)! x=2
na an − a − n + N n 2 a 2
D( X ) = M ( X 2 ) − M 2 ( X ) =
⋅ − 2 =
N N −1 N
na é an − a − n + N na ù na anN − aN − nN + N − nN + na
2
= ê − = ⋅
Në N −1 N N N ( N − 1)
a ( N − a )( N − n ) n N −a N −n .
=n ⋅ =a ⋅ ⋅
N N ( N − 1) N N N −1
a a N −a
Dar =p q = 1− p = 1− = .
N N N
N −n
Obţinem astfel D( X ) = npq .
N −1
x =1 n
x!
x ∈ N , λ > 0.
æ x ö
X : ç −λ λx ÷
çe ÷
è x! ø
1) e −λ λ ≥ 0 evident.
x
x!
2) å e −λ λ = e −λ å λ = e −λ ⋅ e λ = 1 , unde å λ este dezvoltarea
∞ x ∞ x ∞ x
x =0 x! x =0 x! x =0 x!
λ
lui e în serie McLaurin.
D( X ) = M ( X 2 ) − M 2 ( X ) = λ2 + λ − λ2 = λ .
1 1
M ( X ) = m1 = c' (0) = λ ⋅ i ⋅ e −λ⋅0 = λ
i i
c ' ' ( t ) = e − λ (1−e ) ( λ ⋅ i ⋅ e it ) 2 + e − λ (1−e ) λ ⋅ i 2 ⋅ e it
it it
b 1 b 1 x 2 b b2 − a 2 a + b
M ( X ) = ò xf ( x )dx =
b − a òa
xdx = ⋅ |a = =
a b−a 2 2(b − a) 2
b b 3 − a 3 a 2 + ab + b 2
M ( X 2 ) = ò x 2 f ( x) = =
a 3(b − a ) 3
a + ab+ b a + 2ab+ b2
2 2 2
D( X ) = M( X 2 ) − M 2 ( X ) = − =
3 4
4a 2 + 4ab + 4b 2 − 3a 2 − 6ab − 3b 2 ( a − b) 2
= = .
12 12
0 0 0 µ µ
1 ∞ 2 −y 1 2 .
= 2 ò y e dy = 2 Γ(3) = 2
µ 0 µ µ
Prin urmare, D ( X ) = M ( X 2 ) − M 2 ( X ) = 22 − 12 = 12 .
µ µ µ
Repartiţia exponenţială are proprietatea M(X) =σX = 1 .
µ
Repartiţiile exponenţială şi Poisson sunt utilizate în
modelarea şi rezlovarea problemelor legate de firele de aşteptare
care apar în activitatea economică.
x−m 1
Notăm = y , dx = dy Þ dx = σ ⋅ dy .
σ σ
2
1 æ x −m ö
2π
1 1
∞ 1 − ç ÷ ∞ 1 − y2 1 ∞ − y2
ò dx = ò σ ⋅ dy = ò
2è σ ø
⋅e ⋅e 2
e2
dy = = 1,
−∞
σ 2π −∞
σ 2π 2π −∞
2π
1
∞ − y2
deoarece se ştie că integrala Euler-Poisson ò
−∞
e 2
dy = 2π .
Graficul funcţiei de probabilitate depinde de parametrii m
şi σ , forma curbei rămânând (structural) aceeaşi, şi anume forma
cunoscută sub numele de clopotul lui Gauss.
EXEMPLU: n( x;0, σ )
- ≈ 0,4 = 1
σ 2π
-1 0 1
1) Faţă de parametrul m , curbele n( x, m, σ ) reprezintă de fapt
translaţii de-a lungul axei ox, menţinându-şi forma şi mărimea.
| |
m = −
3 m=0 m = 3
2 2
σ1
σ2
σ3
3
m =
2
1 1 1 1
1 ∞ − ( y 2 − 2 ity +i 2t 2 ) + i 2t 2 1 ∞ − ( y −it ) 2 + i 2t 2
=
2π
ò−∞
e 2 2
dy =
2π
ò
−∞
e 2 2
dy =
1 1
1 1 − t2 1 − t2 z2
1 ∞ − ( y −it )2 − t 2 e 2 ∞ − ( y −it )2 e 2 ∞ −
=
2π
ò −∞
2
e 2
e dy =
2π
ò
−∞
e 2
dy =
2π
ò
−∞
e dz =2
1
− t2
2π
1
e 2 − t2
= = e 2 , unde am folosit substituţia y − it = z Þdy = dz.
2π
Observăm, de asemenea, că utilizând această substituţie limitele de
integrare nu se schimbă.
Demonstraţie:
2
1 æ x −m ö
1 − ç ÷
Fie variabila aleatoare normală n( x; m, σ ) = e 2è σ ø .
σ 2π
x −m
Facem substituţia = y Þx =σ ⋅ y + m Þ X =σ ⋅Y + m, unde
σ
Y = N ( y;0,1) . Aşa cum am văzut, pentru variabila aleatoare
1
− t2
normală normată, funcţia caracteristică este cY ( t ) = e 2 .
Deci conform (5) avem:
1
− σ 2t 2
c X ( t ) = cσY + m (t ) = e imt cY (σ ⋅ t ) = e imt e 2 .
În concluzie, funcţia caracteristică a variabilei normale
1
imt − σ 2t 2
n( x; m, σ ) este c X (t ) = e 2 (6)
Calculul mediei: M ( X ) = m1
c ' ( 0)
m1 =
i
1
itm − σ 2t 2
c' X (t ) = (im − σ 2 t )e 2
Þ c' X ( 0) = ime 0 = im Þ m1 = m .
Deci M ( X ) = m .
i2 i2
Deci D ( X ) = σ 2 + m 2 − m 2 = σ 2 .
x
Notăm: N ( x; m, σ ) = ò n (t ; m, σ )dt funcţia de repartiţie a
−∞
variabilei aleatoare normale.
2π −∞ σ
N ( z;0,1)
1
1
2
OBSERVAŢIE: Curba N(z;0,1) este simetrică faţă de punctul
æ 1 ö . Dacă facem o translaţie de axe: 1
ç 0, ÷ Φ ( z ) = N ( z;0,1) −
è 2ø 2
(translaţie datorată lui Laplace), obţinem:
Φ (z )
1
2
− 12
n (z;0,1)
z
Φ ( z ) = n(t ;0,1)dt
0
Am văzut că:
∞
µ 0 = ò ( x − m ) 0 n( x; m, σ )dx = 1 Þµ 0 = 1 .
−∞
2 2
1æ x−m ö 1æ x−m ö
∞ 1 −2çè ÷ ∞ 1 −2çè ÷
µ1 = ò (x − m) e σ ø
dx = ò x e σ ø
dx −
−∞ σ 2π −∞ σ 2π
2
1 æ x −m ö
∞ 1 − ç ÷
mò e 2è σ ø
dx = 0 Þµ1 = 0
−∞
σ 2π
Notăm : x − m = y Þ x − m = σ ⋅ y Þ dx = σ ⋅ dy şi întrucât
σ
σ > 0 , limitele de integrare se păstrează. Obţinem:
2
1æ x−m ö
∞ 1 −2çè σ r ∞ r −12 y
÷ σ r é r −12 y ∞ ù
2 2
µr = ò σ y
2π ò−∞
r r
e σ ø
yσ ⋅ dy =
e dy = ê− y e |−∞ ú +
−∞
σ 2π 2π ë û
σ ∞
r
−
1
y 2
∞ 1 2 −
1
y 2
+
2π ò−∞
(r − 1) y r−2e 2 dy = σ2(r −1)ò σr−2 yr−2
−∞
2π
e dyÞµr =σ2(r −1)µr−2
Deci:
µ 2 = σ 2 (2 − 1) = σ 2
µ 3 = σ 2 (3 − 1) µ1 = 0
µ 4 = σ 2 (4 − 1) µ 2 = 1 ⋅ 3 ⋅ σ 4
µ5 = 0
……………………………….
µ 2 q+1 = 0
µ 2 q = 1 ⋅ 3 ⋅ Κ ⋅ ( 2q − 1)σ 2 q
10.2.4. Repartiţia Gamma
ï x a
e b
, x > 0 , unde ∞
f ( x; a, b) = í Γ( a + 1)b a +1 Γ(a + 1) = ò x a e − x dx
0
ï0, x ≤ 0
î
şi a > −1 , b > 0 .
x
Notăm = y Þ x = b ⋅ y Þ dx = b ⋅ dy
b
1 ∞ 1 1 ∞ Γ(a + 1)
= ò
Γ(a + 1) 0 b a +1
ba y a e− y b ⋅ dy = ò
Γ(a + 1) 0
y a e− y dy =
Γ(a + 1)
=1
x
∞ ∞ 1 −
g(t) = M(etX ) = etx f ( x; a, b)dx = etx a+1
xa e b dx, a > −1 b > 0
0 0 Γ(a + 1)b
x
Facem substituţia : y = Þ x = b ⋅ y Þ dx = b ⋅ dy .
b
Avem:
∞ 1 1 ∞
g (t ) = ò e bty a +1
b a y a b ⋅ dy = ò e bty y a ⋅ e − y ⋅ dy =
0 Γ(a + 1)b Γ(a + 1) 0
y
−
1
1 ∞ 1 ∞ 1 1 ,
= ò
Γ(a +1) 0
e−y(1−bt) yady = +
(1− bt) 0
a 1 ò æ 1 ö
a+1
e y dy =
1−bt a
(1− bt)a+1
Γ(a +1)ç ÷
è1− btø
y
−
1
∞ 1
deoarece
ò0
æ 1 ö
a +1
e 1−bt
y a dy =1 , fiind densitatea de
Γ( a + 1)ç ÷
è 1 − bt ø
probabilitate a repartiţiei Γ .
Prin urmare, putem scrie că funcţia generatoare de
momente pentru Γ este g ( t ) = (1 − bt ) − ( a +1) .
Momentele iniţiale:
Momentele centrate:
ék ù
µ k = M [ X − M ( X )]k = M [ X − m]k = M êå ( −1) j Ckj m j X k − j ú =
ë j =0 û
k
= å ( −1) j C kj m j M ( X k − j )
j =0
k
Deci : µ k = å ( −1) j C kj m j mk − j .
j =0
OBSERVAŢIE:
Pentru k = 2 obţinem:
2
µ2 = åC2jmjm2−j =C20m0m2 −C21m1m`1 +C22m2m0 = m2 −m`21 = D(X) , unde :
j=0
m0 = M ( X 0 ) = M (1) = 1 şi m1 = M ( X 1 ) = M ( X ) = m .
Pentru k = 1 obţinem:
µ1 = M ( X − m ) = M ( X ) − M ( m ) = m − m = 0
= b (a + 1)(a + 2)(a + 3) −3b(a +1)b2 (a +1)(a +2) +3b2 (a +1)2 b(a +1) −b3(a +1)3 =
3
µ 4 = 3b 4 ( a + 1)( a + 3) .
a −1
P2. β (a, b) = β ( a − 1, b − 1)
a + b −1
a −1 b −1
P3. β (a, b) = ⋅ β ( a − 1, b − 1)
a + b −1 a + b − 2
Γ( a + b) 0
1 1 1 1 1 a+r−1
mr = ò xr f (x;a, b)dx =ò xr xa−1 (1− x)b−1 dx = ò x (1− x)b−1 dx =
0 0 β (a,b) β (a,b) 0
β ( a + r , b ) Γ ( a + r ) Γ (b ) Γ ( a + b) Γ( a + r ) Γ( a + b)
= = ⋅ =
β ( a , b) Γ ( a + r + b) Γ ( a ) Γ( b) Γ( a + r + b) Γ( a )
Dar Γ ( a + 1) = a Γ ( a ) Þ Γ ( a + r ) = ( a + r − 1) Γ ( a + r − 1) =
= (a + r − 1)(a + r − 2)Γ(a + r − 2) = Κ = (a + r − 1)(a + r − 2) ⋅ Κ ⋅ aΓ(a )
Γ(a + r + b) = Γ(a + b + r) = (a + b + r −1)Γ(a + b + r −1) = (a + b + r −1)(a + b + r − 2) ⋅
⋅ Γ(a + b + r − 2) = Κ = (a + b + r − 1)(a + b + r − 2) ⋅ Κ ⋅ (a + b)Γ(a + b)
Deci
(a +r −1)(a +r −2)⋅Κ ⋅ aΓ(a)Γ(a +b) a(a +1)⋅Κ ⋅ (a +r −1)
mr = =
(a +b+r −1)(a +b+r −2)⋅Κ ⋅ (a +b)Γ(a +b)Γ(a) (a +b)(a +b+1)⋅Κ ⋅ (a +b+r −1)
Prin urmare, m1 = a a ( a + 1)
= M ( X ) , m2 = = M (X 2)
a+b ( a + b)( a + b + 1)
Deci dispersia este :
a(a +1) a2 (a + b)(a2 + a) − a2 (a + b +1)
D( X ) = m2 − m12 = − = =
(a + b)(a + b +1) (a + b)2 (a + b)2 (a + b +1)
a 3 + a 2 + a 2 b + ab − a 3 − a 2 b − a 2 ab
= = .
( a + b) ( a + b + 1)
2
( a + b) ( a + b + 1)
2
10.2.6. Repartiţia χ 2
DEFINIŢIE: O variabilă aleatoare X are repartiţie χ 2 dacă
funcţia sa de repartiţie este de forma:
ì 1
k
−1 −
x
ï x 2
e 2
, x>0
ï æk ö 2
k
f ( x; k ) = í Γ ç ÷ 2 , unde k ∈ N * reprezintă
ï è2ø
ïî0 , x ≤ 0
numărul gradelor de libertate.
k=2
k=4
0,2-
0,15- k=6
0,1- k=15
0,05-
| | | | |
0 5 10 15 20 25
k k
k − −1 − −1
g ' (t ) = − (1 − 2t ) 2 ( −2) = k (1 − 2t ) 2 g ' (0) = m1 = k
2
æk +2ö
k k
− −1 − −1
g ' ' (t ) = − k ç (1 − 2t ) 2 ( −2) = k ( k + 2)(1 − 2t ) 2
è 2
g ' ' ( 0) = m 2 = k ( k + 2 )
D ( χ 2 ) = m2 − m12 = k 2 + 2k − k 2 = 2k
æ k + 1ö
Γç ÷ k +1
2 − 2
è 2 æ
ø ç1 + ÷
t ö
f (t , k ) = , t ∈ℜ
æ k ö çè k ÷ø
k π ⋅ Γç ÷
è2ø
k
M (t ) = 0 , iar D(t ) = .
k −2
n (x;0,1)
x
CAPITOLUL 12
STATISTICĂ MATEMATICĂ
æ X1 X2 Κ Xj Κ Xn ö
X : çç 1
* ÷
1 1 1 ÷
ç Κ Κ ÷
è n n n n ø
n k =1
Ø Dispersia de selecţie : D * = 1 å ( X k − X ) 2
n
n k =1
Demonstraţie:
Deoarece variabila aleatoare de selecţie X k , k = 1,..., n ,
este o variabilă aleatoare normală N (m, σ ) , ea are funcţia
1
imt − σ 2t 2
caracteristică c X k (t ) = e 2 . (vezi capitolul 10, paragraful
10.2.3.)
Aplicând proprietăţile funcţiei caracteristice, obţinem
funcţia caracteristică a variabilei aleatoare 1 X k , k = 1,..., n :
n
t 1 t2
im − σ 2 2
c 1 (t ) = e n 2 n (deoarece caX (t ) = c X ( at ) ).
Xk
n
1 1 1 1
Dar X =
( X1 + X 2 + Κ + X n ) = X1 + X 2 + Κ + X n
n n n n
şi deci, aplicând proprietatea P3 a funcţiei caracteristice (vezi
capitolul 3, paragraful 1.6.), avem:
n
1 t2 2
1æ σ ö 2
å i n m − 2σ 2 n 2
t 1 t2 t 1σ 2 2
n i m− σ 2 2 itm − itm− ç ÷ t
c X (t ) = ∏ e
t
n 2 n
= e i =1 =e 2 n
=e 2è n ø
,
k =1
æ X −m ö æ n ö æ n ö n n σ2
D( Z ) = Dçç n ÷÷ = Dçç X ÷÷ − Dçç m = D( X ) = 2 ⋅ =1
è σ èσ èσ σ σ n
X −m
Prin urmare, Z = n are repartiţia normală de tip
σ
N (0,1) .
ç
è n1 n 2 ÷ø
Demonstraţie:
Funcţia caracteristică a mediei de selecţie X1 este
t 2σ 2 t 2σ 22
itm1 − 1 itm2 −
c X (t ) = e 2 n1
şi ale mediei de selecţie X 2 este c X (t ) = e 2 n2
.
1 2
æ 2 ö
Prin urmare Y are repartiţia N ç m1 − m2 ; σ 1 + σ 2 ÷ .
2
ç
è n1 n 2 ÷ø
ì 1
k
−1 −
x
ï x 2
e 2
, x>0
ï æk ö 2
k
f ( x; k ) = í Γ ç ÷ 2
ï è2ø
ïî0 , x ≤ 0
k =1
n k =1
b) Dacă media m a populaţiei Γ nu este cunoscută, atunci media o
putem aproxima cu media de selecţie X = 1 å X k şi dispersia de
n
n k =1
selecţie este: D * = 1 å ( X k − X ) 2 = S 2
n
(2)
n k =1
c) În cazul selecţiilor de volum mic, evaluăm dispersia D a
populaţiei Γ cu dispersia de selecţie dată de relaţia :
~ 1 n
D= å
n − 1 k =1
( X k − X )2 = ~s2
Demonstraţie:
1 n
nD '
n⋅
n
å (X
i − m)
2
n
æ Xi − m ö
2 n
U'= 2 =
σ
i =1
σ2
= å
i =1
ç
è σ
÷
ø
= å
i =1
Z i2 ,
~
Prin urmare, variabila U = ( n − 12 ) D are densitatea de
σ
n −1 x
1 −1 −
probabilitate de forma : h( x ) = x 2 e 2 , x > 0.
æ n − 1 ö n−1
Γç ÷⋅2
è 2 ø
aleatoare t = X − m ~
~ n , unde σ~ = D , are o repartiţie Student cu
σ
( n − 1) grade de libertate.
( X 1 − X 2 ) − ( m1 − m2 )
t= ~ ~
( n1 − 1) D + ( n2 − 1) D
n1 + n2 − 2
n k =1
pentru n → ∞ o repartiţie normală N æç m, σ ö÷ .
è nø
æ X1 X2 Κ Xj Κ Xn ö
X * : çç 1 ÷
1 1 1 ÷ , sau
ç Κ Κ ÷
è n n n n ø
æx x2 Κ xi Κ xk ö k
X * : çç 1
n2 Κ ni Κ
÷ , cu
nk ÷ø
ån i = 1.
è n1 i =1
2) D( λ* ) → 0
n →∞
n j=1
absolut corect pentru λ .
æ1 n ö 1 n 1
M ( X ) = M çç å X j ÷÷ = å M ( X j ) = ⋅ n ⋅ λ = λ .
è n j =1 ø n j =1 n
æ1 n ö 1 n 1 λ
D ( X ) = Dçç å X j ÷÷ = 2 å D ( X j ) = 2 ⋅ n ⋅ λ = → 0
è n j =1 ø n j =1 n n n →∞
Deci media de selecţie X este un estimator absolut corect
al parametrului λ din repartiţia Poisson.
verosimilitate a selecţiei.
L( X 1 ,..., X n ; λ ) = ∏ f ( X j ; λ ) = ∏ e −λ Logaritmând,
j =1 j =1 ( X j )!
j =1
Ecuaţia de maximă verosimilitate este:
n
∂lnL n æ 1ö 1n
åX j
σ 2π
n
1
n
1 − å ( X i − m )2
L( X 1 , Κ , X n ; m, σ ) = ∏ f ( X i ; m, σ ) = n
e 2σ 2 i =1
i =1
σ n ( 2π ) 2
n 1 n
2 å
ln L( X 1 , Κ , X n ; m, σ ) = −n ln σ − ln(2π ) − ( X i − m) 2
2 2σ i =1
∂ ln L( X 1 ,..., X n ; m, σ ) 1 2 n
= − ⋅ 2 å ( X i − m)( −1) = 0
∂m 2 σ i =1
∂ ln L( X 1 ,..., X n ; m, σ ) n 1 n
= − + 3 å ( X i − m) 2 = 0
∂σ σ σ i =1
ìn ì 1 n ìm* = X
ïå i ( X − m ) = 0 ï m = å i X ï
ï i=1 ï n i =1 ï n
Þí n Þí Þ
ï 1 ( X − m)2 = n ïσ 2 = 1 ( X − m) 2 ï *
n í å ( Xi − m)2
ïîσ 2 å å i ïîσ =
i=1
i=1
i
ïî n i =1 n
În concluzie, m * şi σ * sunt estimatori de maximă
verosimilitate pentru m şi σ din f ( x; m, σ ) .
12.6. Estimarea prin intervale de încredere
DEFINIŢIE:
(i) Intervalul (θ , θ ) se numeşte interval de încredere pentru
parametrul θ (sau interval de estimaţie).
(ii) θ se numeşte limita inferioară a intervalului de încredere.
(iii) θ se numeşte limita superioară a intervalului de încredere.
(iv) Probabilitatea (1 − α ) se numeşte probabilitate confidenţială
sau coeficient de încredere (siguranţă).
OBSERVAŢII:
æ x ö,
X : çç ÷÷ x∈R, m∈R, σ >0,
è f ( x) ø
2
1 æ x −m ö
1 − ç ÷
f ( x; m , σ ) = e 2è σ ø
σ 2π
(i) Interval de încredere pentru media m când σ 2 este
cunoscut
ç
è σ ÷
ø 2π ò
u1
e 2
du = 1 − α Þ
æu σ uσ ö æ uσ uσ ö
Pç 1 < X − m < 2 − X ÷ = Pç X − 2 < −m < X − 1 ÷ = 1 − α (4)
è n n ø è n nø
Am obţinut deci intervalul de încredere pentru m,
æ uσ uσ ö
çX − 2 ,X − 1 ÷ (5)
è n nø
cu probabilitatea 1 − α .
u1
n
ì ∂L σ
ï ∂u = − n − λ ⋅ g (u1 ) = 0
ï 1 Þ g ( u1 ) = g (u 2 ) , care are soluţiile
í
ï ∂L σ
= + λ ⋅ g (u2 ) = 0
ïî ∂u2 n
u1 = u 2 care nu convine şi soluţia − u1 = u 2
ïu2 = z1− α
1−
2 2
î 2
æ σ σ ö
çX − z α ⋅ <m< X +z α ⋅ ÷
ç
è 1−
2 n 1−
2 n ÷ø
n − 1 i =1
cu ( n − 1) grade de libertate. Analog punctului anterior se poate
arăta că intervalul de încredere este:
æ S S ö
çX −t α ⋅ <m< X +t α ⋅ ÷
ç
è 1− ;n −1
2 n 1− ;n −1
2 n ÷ø
æ1 n ö 1 1
M ( mr* ) = M çç å X rj ÷÷ = M ( X rj ) = ⋅ n ⋅ mr = m r
è n j =1 ø n n
æ1 n ö 1 n 1 m − mr2
D(mr* ) = Dçç å X rj ÷÷ = 2 å D( X rj ) = 2 ⋅ n ⋅ (m2r − mr2 ) = 2r →0
n→∞
è n j=1 ø n j=1 n n
ni
a) Testul de concordanţă χ 2 :
i =1 n'i
în cazul unui sondaj cu revenire în populaţia studiată, când
probabilităţile pi nu sunt apropiate de 0 sau 1, iar produsele
n ' i = ni ⋅ pi , unde pi = f ( xi ) , după estimarea parametrilor, nu sunt
prea mici (practic nu sunt mai mici decât 5), funcţia considerată are
repartiţia χ 2 cu ( s − 1) − k grade de libertate, s fiind numărul de
valori observate, iar k numărul parametrilor estimaţi.
OBSERVAŢII:
d n = max Fn ( x ) − F ( x ) .
EXEMPLU:
Tabelul T2 :
INTERVAL DE FRECVENŢE
TIMP ( yi −1 ; yi ) ABSOLUTE ( n y )
0,5-1 18
1-1,5 8
1,5-2 2
2-2,5 1
2,5-3 1
Total 30
Tabelul T3 :
x nx x ⋅ nx n' x n x − n' x (n x − n'x )2
n'x
1 2 3 4 5 6
0 1 0 3,7 -1,4 0,11
1 16 32 14,7
2 31 62 29,3 1,7 0,10
3 37 111 39 -2 0,11
4 41 164 39,1 1,9 0,99
5 30 150 31,4 1,4 0,06
6 23 138 20,8 2,2 0,29
7 13 91 11,9 1,1 0,10
8 6 48 6,0
9 1 9 2,6
10 0 0 1,0 -2,1 0,44
11 1 11 0,4
12 0 0 0,1
Total 200 800 200 χ 2 = 2 ,14
Pentru a testa ipoteza H 0 , aplicăm testul χ 2 , motiv pentru
care am cumulat valorile mici de pe coloanele lui n x şi n' x . S-a
obţinut:
12
( n − n' x ) 2
χ2 = å x = 2,14
x =0 n' x
Pentru nivelul de semnificaţie α = 0,05 şi numărul gradelor
de libertate 6, găsim χ 02, 05;6 = 12,59 . Avem χ C2 < χ 02, 05;6 , deci
acceptăm ipoteza H 0 , adică sosirile cumpărătorilor la raionul
respectiv sunt de tip Poisson, cu media λ = 4 persoane în 5 minute.
Y = M (Y ) =
å y ⋅ n y = 32 = 1,07
å n y 30
Pentru că estimatorul de maximă verosimilitate al
1
parametrului µ este , estimăm pe µ prin: µ = 1 = 30 = 0,925 .
Y Y 32
Pentru a testa ipoteza H 0 vom aplica testul lui
Kolmogorov. În acest scop calculăm mai întâi coloana Fn ( y ) a
funcţiei de repartiţie empirice, cumulând pe fiecare linie frecvenţele
absolute din linia respectivă şi de deasupra ei şi împărţind rezultatul
la 30. De exemplu:
8 + 18
F2 ( y ) = = 0,87
30
Calculăm apoi valorile corespunzătoare ale funcţiei de
repartiţie teoretică F ( y ) folosind formula cunoscută a acesteia:
F ( y ) = 1 − e − µ⋅ y , pentru µ = 0,925
De exemplu: F (2,25) = 1 − e −2, 25⋅0, 925 = 0,87 .
[ yi −1 − yi ) yi ni y i ⋅ ni Fn ( y ) F ( y) Fn ( y ) − F ( y )
0,5-1 0,75 18 13,50 0,66 0,60 0,00
1-1,5 1,25 8 10,00 0,87 0,75 0,12
1,5-2 1,75 2 3,50 0,93 0,84 0,09
2-2,5 2,25 1 2,25 0,97 0,87 0,10
2,5-3 2,75 1 2,75 1,00 0,94 0,06
Total 30 30,00
MATEMATICI FINANCIARE
DEFINIŢIE:
Dacă S 0 = 100 u.m. şi t = 1 an, atunci dobânda
corespunzătoare se numeşte procent (notat „ p ”).
Dacă S 0 = 1 u.m. şi t = 1 an, dobânda corespunzătoare se
numeşte dobânda unitară anuală (se notează cu „ i ”).
p
i= ; p = 100 ⋅ i
100
S0 ⋅ p ⋅ t
D = S0 ⋅ i ⋅ t = = D( S 0 , t , i ) (1)
100
Prin urmare, dobânda simplă este direct proporţională cu
suma împrumutată, cu timpul şi cu dobânda unitară (sau procentul).
Să considerăm timpul împărţit în k părţi egale:
k = 2 Þ t 2 - semestre
k = 4 Þ t 4 - trimestre
k = 12 Þ t12 - luni
k = 360 Þ t 360 - zile
În general, t k reprezintă un număr oarecare de asemenea
t
părţi (exemplu: k = 12; t12 = 18 luni). Atunci timpul t = k (în
k
18
exemplul dat t = = 1,5 ).
12
t S ⋅ p ⋅ tk
D = S0 ⋅ i ⋅ k = 0 (2)
k 100k
Dacă k = 360 , deci t se exprimă în zile, obţinem:
t S ⋅ p ⋅ t 360
D = S 0 ⋅ i ⋅ 360 = 0 (2’)
360 360
i
În calculele financiare :
S 0 ⋅ t 360 - se numeşte “număr” , iar
360
- se numeşte “divizor fix” relativ la dobândă pentru i
i
p
dat ( i = - dobânda unitară anuală).
100
Astfel, din (2) obţinem :
S0 ⋅ p ⋅ t2
D= - dobânda pentru t 2 semestru ;
200
S ⋅ p ⋅ t4
D= 0 - dobânda pentru t 4 trimestru.
400
| | | | | | |
θ1 θ2 θk θm
p1 p2 pk pm
n m
Atunci: D ( S 0 , t ) = D ( S 0 ,θ k ) =S 0 i kθ k (3)
k =1 k =1
Cu această formulă se determină dobânda la suma S 0 pentru
m
perioada t , în regim de dobândă simplă, dacă t = å θ k , astfel încât
k =1
pe fiecare perioadă θ k , plasarea se face cu procentul anual
p k = 100i k .
S ( S 0 , t , i ) = S t = S 0 + D ( S 0 , t , i ) = S 0 + S 0 ⋅ i ⋅ t = S 0 (1 + it )
Deci formula S t = S 0 (1 + it ) , reprezintă suma revenită şi se
aplică atunci când procentul p este constant pe întreaga perioadă.
În cazul în care în timpul t procentul variază în diferite
fracţiuni ale lui t :
m
p
t = å θ k , θ k → p k Þ i k = k , i k = dobânda unitară
k =1 100
Atunci: S t = S 0 æç1 + å ikθ k ö÷
m
(8)
è k =1 ø
(1 + it ) = factor de fructificare
1
= factor de actualizare
1 + it
S k =1
scadenţă comună.
n
n åS t k k
Dacă S = å S k Þ (12) t = k =1 - numită scadenţa
n
åS
k =1
k
k =1
medie.
n åS k ⋅ pk ⋅ t k
= på S k ⋅ t k Þ p = k =1 .
k =1 Sk ⋅ tk
n
åS k ⋅ pk ⋅ t k
Deci: p = k =1 - procentul mediu de depunere.
Sk ⋅ tk
Fie:
t = timpul de plasament, exprimat într-un număr întreg de
perioade;
S 0 = suma iniţială;
p = procentul;
p
i= = dobânda unitară;
100
S t = suma finală după un număr întreg de perioade.
Deci: S t = S 0 ⋅ (1 + i ) t (1)
Notăm : 1 + i = u şi obţinem S t = S 0 ⋅ u t (2)
u se numeşte factorul de fructificare. El se găseşte
calculat în tabele pentru anumite procente şi pentru perioada de
timp de 1 an.
t
h
t =n+
k
După n ani, suma finală este S n = S 0 ⋅ (1 + i ) n . Calculăm
dobânda simplă produsă pe seama S n în timpul fracţiunii h a
k
anului, cu dobânda unitară i . Obţinem:
h h h æ hö
S n ⋅ i ⋅ = S 0 ⋅ (1 + i) n ⋅ i ⋅ Þ St = S n + S n ⋅ i ⋅ = S n ç1 + ÷
k k k è kø
Deci : S t = S 0 ⋅ (1 + i) n ⋅ æç1 + i ⋅ h ö÷ (3)
è kø
În general :
1 leu plasat cu dobânda unitară i k , corespunzătoare
fracţiunii 1 a anului, este: 1 + i = (1 + ik ) k Þ 1 + ik = (1 + i)1/ k (4)
k
Prin urmare, în cazul când t nu este un număr întreg de
perioade æç t = n + h ö÷ , suma S 0 devine: S n = S 0 ⋅ (1 + i ) n pentru cele
è kø
n perioade întregi.
Pentru o fracţiune k a anului, 1 leu devine (1 + ik ) , iar
pentru h fracţiuni de acelaşi fel, devine (1 + ik ) h . Suma S n în
perioada h devine: S n ⋅ (1 + ik ) h = S 0 ⋅ (1 + i) n ⋅ (1 + ik ) h .
k
Dar (1 + i k ) h = [(1 + i )1 / k ] h = (1 + i ) h / k .
h
n+
Deci: S t ⋅ (1 + i) n ⋅ (1 + i) h / k = S 0 ⋅ (1 + i) k = S 0 (1 + i) t .
Astfel, formula anterioară (1) este adevărată şi pentru t fracţionar.
è k ø è k ø
1 1
1 + ik = (1 + i ) k Þ i k = (1 + i ) k − 1
1
Sau din relaţia (5): j k = k ⋅ i k = k [(1 + i ) k − 1] (7)
În general:
Fie un grup de n valori finale : S t1 , S t 2 ,..., S tn plătibile în
t1 , t 2 ,..., t n perioade.
Fie un al doilea grup de m sume de valori finale:
Sθ1 , Sθ 2 ,..., Sθ m , plătibile în θ 1 ,θ 2 ,...,θ m .
n m
(1) å S tk (1 + i) −tk = å Sθ k (1 + i) −θ k
k =1 k =1
În cazul mai general când procentul p (deci dobânda unitară)
diferă de la o sumă la alta, atunci:
n m
(2) åS
k =1
tk (1 + ik ) −t k = å Sθ h (1 + i h ) −θ h
h =1
Se cere:
a) Înlocuirea sumelor S t1 , S t 2 ,..., S tn printr-o sumă unică S
(înlocuirea făcându-se prin echivalenţă) :
n n
åS
k =1
tk (1 + i k ) −tk = S å (1 + i k ) −tk Þ
k =1
n
åS tk (1 + ik ) −tk
Þ (3) S= k =1
n
å (1 + i
k =1
k ) −tk
lg(1 + i )
13.5. Plasament cu dobândă simplă sau compusă
PROPOZIŢIE:
1) Ds > Dc , pentru t < 1 an
2) Ds < Dc , pentru t > 1 an
3) Ds = Dc , pentru t = 1 an
DEMONSTRAŢIE:
Ds − Dc = S 0 ⋅ i ⋅ t − S 0 [(1 + i ) t − 1] = S 0 [i ⋅ t − (1 + i) t + 1]
Introducem funcţia: f : [0, ∞) → R , f (t) = i ⋅ t +1− (1+ i)t .
t t (t − 1) 2 t (t − 1) 2
(1 + i) t = 1 + ⋅ i + ⋅ i + ... = 1 + i ⋅ t + ⋅ i + ...
1! 2! 2!
ì> 0, t > 1
t (t − 1) 2 ï
(1 + i) − (1 + i ⋅ t ) =
t
⋅ i + ... = í< 0, t < 1
2! ï= 0, t = 1
î
Dc (t ) Ds (t )
1 t
Deci: S 0 ⋅ i ⋅ t = S 0 [(1 + j ) t − 1] Þ i ⋅ t = (1 + j ) t − 1
t (t − 1) 2 (t − 1) 2
i ⋅t = t ⋅ j + j + ... Þ i = j + j + ... Þ
2! 2
1
ìi < j , t < 1 1
Þí şi i = [(1 + j) −1]
t
sau j = (1 + it ) t
−1
îi ≥ j t ≥ 1 t
PLĂŢI EŞALONATE
(RENTE)
T T T T
| | | ………… | |
0 1 2 n-1 n
T (i + 1)
n −1
T (i + 1) T
n−2
T (i + 1)
u = 1 + i - factor de fructificare
Sn = T (1 + i) n−1 + T (1 + i) n− 2 + ... + T (1 + i ) + T =
= T ⋅ u n−1 + T ⋅ u n − 2 + ... + T ⋅ u + T =
un −1
= T (1 + u + ... + u n − 2 + u n −1 ) = T ⋅
u −1
Deci: Sn = T ⋅ u − 1 .
n
r Sn = T ⋅ u n − r −1 + T ⋅ u n − r − 2 + ... + T ⋅ u + T =
u n−r − 1
= T (1 + u + ... + u n − r − 2 + u n − r −1 ) = T ⋅
u −1
n-r termeni
n−r
−1
r Sn = T ⋅ u sau r Sn = Sn-r
i
0,05
T T T T
| | | ………… | |
0 1 2 n-1 n
n −1
An T ⋅u T ⋅u2 T ⋅u T ⋅un
OBSERVAŢIE : An este egală cu suma valorilor actuale a
fiecărei anuităţi.
0,05 0,05
T T T T
| | | …….. | | | …… | |
0 1 2 …….. r r+1 r+2 ….. n-1 n
rAn
rAn = T ⋅ u r +1 + T ⋅ u r + 2 + ... + T ⋅ u n =
u n−r − 1
= T ⋅ u r +1 (1 + u + ... + u n − r −1 ) = T ⋅ u r +1 ⋅ =
u −1
u n −r − 1 u n−r − 1
= T ⋅ u r +1 ⋅ =T ⋅ ur ⋅ u ⋅ = T ⋅ u r ⋅ an−r
i u −1
Deci: rAn = T ⋅ u r ⋅ a n − r .
T T T T
| | | …….. | |
0 1 2 …….. n-1 n
u n−r − 1
r ⋅ S n = T ⋅ u n − r + T ⋅ u n − r −1 + ... + T ⋅ u = T ⋅ u ⋅
i
u n−r − 1
Deci: r ⋅ S n = T ⋅ u ⋅ adică r ⋅ S n = T ⋅ S n − r .
i
T T T T
| | | …….. | |
0 1 2 …….. n-1 n
An = T + T ⋅ u + T ⋅ u + ... + T ⋅ u = T (1 + u + ... + u n −1 ) =
2 n −1
u n −1 un −1
=T ⋅ =T⋅ .
u −1 i
An = (1 + i ) An .
CAPITOLUL 15
RAMBURSAREA ÎMPRUMUTURILOR
n
V0 = å Qi
i =1
Tp+1 −Tp = Qp+1 +iVp −(Qp +iVp−1) = Qp+1+i −i(Vp−1 −Qp) −Qp −iVp−1 =
= Q p +1 − iQ p − Q p = Q p +1 − Q p (1 + i ) .
(1) T p +1 − T p = Q p +1 − Q p (1 + i )
Notăm: 1 + i = u Þ V0 = Q1 å u k −1 = Q1 u − 1 Þ
n n
k =1 u −1
(5) V0 = Q1 (1 + ) − 1
n
i
i
Deci: (6) Q1 = V0 i
(1 + i ) n − 1
Relaţiile (5) şi (6) pot fi scrise sub formă echivalente,
notând s n) = (1 + i ) n − 1 .
(7) V0 = Q1 ⋅ s n) ; Q1 = V0 ⋅ 1
s n)
OBSERVAŢIE: Formulele (5) – (7) ne dau relaţiile între
sumele împrumutate şi primul amortisment.
p
R p = å Qk .
k =1
În cazul anuităţilor constante:
p p p
(1 + i) p −1 .
Rp = åQk = åQ1 (1 + i) k −1 = Q1 å(1 + i) k −1 = Q1
k =1 k =1 k =1 (1 + i) −1
sau:
(1 + i ) p − 1
(9) R p = Q1 = Q1 ⋅ s p)
i
Relaţia (9) evidenţiază legătura dintre suma rambursată în
primii p ani şi primul amortisment.
Ţinând cont de (7), obţinem:
(10) R p = V0 1
s p)
Această relaţie evidenţiază legătura dintre suma rambursată
în primii p ani şi suma împrumutată.
După plata anuităţii de rangul p, rămâne de plătit suma V p :
1
V p = V0 − R p = V0 − V0 s p) sau
s n)
sn) − s p)
(1+ i)n − (1+ i) p deoarece (1+ i)n −1
Vp = V0 = V0 s ) =
(1+ i)n −1
n
sn) i
Dacă împărţim la (1 + i) atât numărătorul cât şi numitorul,
n
obţinem:
−( n− p )
(11) V p = V0 1 − (1 + i ) − n = V0 ⋅ a n) − p) 1
1 − (1 + i ) a n)
Tk = Qk + d k , T1 = T2 = ... = Tn = T
Þ T = Qk + d k , k = 1,2,..., n .
d k = T − Qk deci:
d k = d k −1 = T − Qk − (T − Qk +1 ) = Qk +1 − Qk
d k − d k +1 = Q1 (1 + i ) k − Q1 (1 + i ) k −1 = Q1 (1 + i ) k −1 =
= Q1 (1 + i) k −1 (1 + i − 1) = Q1 (1 + i) k −1 i , k = 1,2,...,n .
Prin urmare:
d1 − d 2 = Q1i
d 2 − d 3 = Q1 (1 + i )i
d 3 − d 4 = Q1 (1 + i ) 2 i
………………………
Tabel de amortizare:
Suma
datorată la Dobânda Amortismentul Anuitatea
Anii începutul dn Qn Tn Suma datorată la
anului Vn −1 sfârşitul anului
1 V0 d 1 = V0 i Q1 T1 V1 =V0 −Q1
2 V1 d 2 = V1i Q2 T2 V2 =V1 −Q2
3 V2 d 3 = V2 i Q3 T3 V3 =V2 −Q3
… … … … … …
n-1 Vn −1 dn−1 =Vn−2i Qn −1 Tn −1 Vn−1 =Vn−2 −Qn−1
15.5. Aplicaţie
Soluţie:
a) Q1 + Q2 = Q1 + Q1 (1 + i ) = Q1 (2 + i) = 9226630
Q2 + Q3 = Q1 (1 + i ) + Q2 (1 + i ) = Q1 (1 + i ) + Q1 (1 + i ) 2 =
= Q1 (1 + i + 1 + 2i + i 2 ) = Q1 (2 + 3i + i 2 ) = Q1 (1 + i )( 2 + i )
Q2 + Q3 9559690
= 1+ i = = 1,04 i = 0,04
Q1 + Q2 9226630
i = 0,04 ü
ý p = 4%
p = 100i
b) Q1 (2 + I ) = 9226630
9226630
Q1 = = 4522860
2,04
e) d 1 = V0 i
d1 = T − Q1 = 5722860 − 4522860 = 1200000
d 1200000
V0 = 1 = = 30000000
i 0,04
CAPITOLUL 16
MATEMATICI ACTUARIALE
Fie:
§ l x = funcţia de supravieţuire a unei persoane de x ani
( x = 0,1,...) . Ea se găseşte în tabele.
§ p( x, y) = probabilitatea de supravieţuire (probabilitatea ca o
persoană de x ani să atingă vârsta de y ani).
Dacă: y = x + n Þ p( x, y) = p( x, x + n) = np x
p( x, x + 1) = p x = 1 ⋅ p x
§ q ( x, y ) = probabilitatea de deces a unei persoane de x ani,
înainte de a ajunge la vârsta de y ani.
Dacă: y = x + n Þ q( x, y) = q( x, x + n) = nq x
q( x, x + 1) = q x = 1 ⋅ q x
§ m / q x = probabilitatea de deces a unei persoane de x ani,
după ce au trecut m ani dar înainte de a împlini x + m + 1 ani
§ m / nq x = probabilitatea de deces a unei persoane de x ani
după ce trec m ani, dar înainte de a trece n ani (m < n)
Considerăm evenimentele:
§ S ( x, y ) = supravieţuirea unei persoane de x ani, la vârsta de y
ani.
§ M ( x, y ) = decesul unei persoane de x ani până la vârsta de y
ani.
Avem:
S ( x , y ) ∩ M ( x, y ) = ∅ ü
ý Þ p ( x, y ) + q ( x , y ) = 1
S ( x , y ) ∪ M ( x, y ) = ∅ þ
l x = volumul colectivităţii corespunzătoare vârstei de x ani.
l x +1 = volumul colectivităţii corespunzătoare vârstei de x + 1
ani.
Folosind definiţia clasică a probabilităţii:
px =
l x +1
; q x = l x − l x +1 = d x ; p x + q x = 1 .
lx lx lx
l x+n ü
np x = ï
lx ï
ý Þ np x + nq x = 1
l −l
nq x = x x + n ï
l x ïþ
1 2 3 x −1 x x +1