Sunteți pe pagina 1din 176

1

TEORIA PROBABILIATILOR


1. Cmp de evenimente. Cmp de probabilitate


Definiia 1.1. Numim experiment (experien) realizarea unui complex de
condiii bine precizat.
Definiia 1.2. Rezultatul unui experiment se numete prob, iar mulimea tuturor
probelor ataate unui experiment se numete spaiul probelor i se noteaz prin .
Exemplul 1.3. Se consider o moned construit dintr-un material solid omogen,
care se arunc pe o suprafa plan. Obinem n acest fel ceea ce numim experimentul cu
moned.
Dac notm cu M proba ce corespunde apariiei feei pe care este marcat
valoarea monedei (marca) i cu S proba ce const n apariia feei pe care este stema,
atunci spaiul probelor pentru acest eveniment este ={M, S}.
Exemplul 1.4. Fie un zar consruit dintr-un material solid, care are cele ase fee
marcate prin puncte de la 1 la 6. Se arunc, cu ajutorul unui dispozitiv, zarul pe o
suprafa plan neted.
Dac notm cu (i), 6 , 1 i = , respectiv apariia feei cu i puncte, atunci spaiul
probelor ataat experimentului cu un zar este dat prin ={(1), (2), (3), (4), (5), (6)}.
Definiia 1.5. Numim eveniment asociat unui experiment un enun (afirmaie)
relativ la acesta, care poate fi confirmat sau infirmat n urma efectuarii experimentului.
Observaia 1.6. Dac un eveniment a fost confirmat prin realizarea unei probe
vom spune c evenimentul respectiv a aprut, iar proba respectiv spunem c este
favorabil apariiei evenimentului.
Observaia 1.7. Vom nota, n cele ce urmeaz, evenimentele cu litere mari de la
nceputul alfabetului, A, B, C,, eventual indexate, cnd se impune.

2
Definiia 1.8. Evenimentul care apare la fiecare efectuare a experimentului l
vom numi eveniment sigur (cert) i se noteaz prin , iar evenimantul care nu apare la
nici o efectuare a experimentului l vom numi eveniment imposibil i se noteaz O/ .
Exemplul 1.9. La experimentul cu un zar, evenimenutul A constnd din apariia
unui numr par, este favorizat de de probele (2), (4), (6). Vom nota aceasta prin A={(2),
(4), (6)}. De asemenea, evenimentul B constnd din apariia unui numr prim este
B={(2), (3), (5)}. Desigur c evenimentul sigur va fi chiar spaiul probelor, adic putem
scrie c ={(1), (2), (3), (4), (5), (6)}, iar evenimentul imposibil corespunde submulimii
vide O/ .
Observaia 1.10. Putem identifica evenimentele relative la un experiment cu
submulimile spaiului probelor , sau cu o parte a acestora. Pe baza acestei observaii, se
obin imediat relaii ntre evenimente i operaii cu evenimente.
Definiia 1.11. Spunem c evenimentul A este inclus n evenimentul B sau c A
implic B, dac apariia lui A arage dup sine apariia lui B i vom nota aceasta prin
B Ac .
Observaia 1.12. Urmtoarele afirmaii sunt adevrate: A A, A , A c O/ c O c ,
iar dac B Ac i C B c , atunci i C Ac .
Definiia 1.13. Evenimentele A i B sunt egale i notm A = B, dac AcB i
BcA.
Definiia 1.14. Numim eveniment elementar evenimentul care se realizeaz
printr-o singur prob.
Observaia 1.15. Dac spaul probelor ataat unui experiment este
={
n 2 1
,..., , e e e }, atunci exist n evenimente elementare, acestea fiind
{ } n 1, i E
i
= e = ,
i
.
Dac evenimentul A satisface relaia E Ac , E fiind eveniment elementar, atunc
fie c A = O/ , fie c A = E.
De asemenea, dac evenimentul O = A , atunci exist un eveniment elementar E
astfel ca EcA.

3
Definiia 1.16. Numim reuniunea evenimentelor A i B, evenimentul notat A B,
care apare dac apare cel puin unul din evenimentele A i B.
Observaia 1.17. Urmtoarele relaii au loc:
O = O = O/ = c = A A, A A, B B A B, A A A, A A ,
( ) ( ) C B A = C B A .
Definiia 1.18. Numim intersecia evenimentelor A i B, evenimentul notat
B A , care apare dac apar ambele evenimente A i B.
Observaia 1.19. Urmtoarel relaii au loc:
A = O O/ = O/ = c = A , A A, B B A A, B A A, A A ,
( ) ( ) C B A = C B A .
Observaia 1.20. Notm prin I o muliem finit sau infinit de indici, cu
specificaia c dac este infinit, atunci vom considera N c I . Folosind aceast mulime
de indici, se definete n mod analog reuniunea i intersecia evenimenrtelor
i
A , I, i e i
care se vor nota prin

I i
i
A
e
, respectiv .

I i
i
A
e

Observaia 1.21. Pentru reuniune i intersecia, avem de asemena, relaiile:
( ),

I i
i
I i
i
A A A A
e e
=
|
|
.
|

\
|
distributivitatea reuniunii fa de intersecie,
( ),

I i
i
I i
i
A A A A
e e
=
|
|
.
|

\
|
distributivitatea intersecie fa de reuniune.

Definiia 1.22. Evenimentele A i B sunt incompatibile dac O/ = B A .
Observaia 1.23. Dac evenimentele elementare A i B sunt distincte, adic
B A= , atunci ele sunt incompatibile.
Definiia 1.24. Numim diferena evenimentelor A i B evenimentul notat A\B,
care apare cnd apare A i nu apare B.
Definiia 1.25. Nummim eveniment contrar evenimentului A evenimentul notat
A care apare cnd nu apare A.
Observaia 1.26. Au loc urmtoarele relaii
A =\A, A|B=A , O/ = O = O A A , A A ,
4
( ) , , A, O = O/ O/ = O = A
i de asemenea, relaiile lui Morgan
. ,

I i
i
I i
i
I i
i
I i
i
A A A A
e e e e
= =
Definiia 1.27. Evenimentele I, i A
i
e , formeaz un sistem complet de
evenimante dac satisfac urmtoarele condiii:
( )
j. i daca A A
A
j i
I i
i
= O =
O =
e
, ) i (
, i


Observaia 1.28. Evenimentele A i A formeaz un sistem complet de
evenimente. De asemenea, sistemul evenimentelor elementare este un sistem complet de
evenimente.


1.1. Definiia statistic a probabilitii


Se consider n repetri ale unui experimant i la fiecare repetare a experimentului
marcm apariia, respectiv neapariia evenimentului A. Fie notat prin k numrul apariiilor
evenimentului A n cele n repetri ale experimentului i care se numete frecvena
absolut a lui A. De asemena, considerm raportul
n
k
numit frecvena relativ a lui A.
Definiia 1.29. Numim probabilitate a evenimentului A valoarea numeric n
jurul creia oscileaz frecvena relativ a lui A, cnd numrul n al repetrilor
experimentului crete nedefinit.
Observaia 1.30 Dac notm prin
A
p probabilitatea unui eveniment A definit n
acest mod, atunci avem c:
. ) (
, ) (
, 1 , 0 , 1 , 1 0 ) (
B A B A
B A
A
A
A
p p p , B A
p p B, A
p p p p p
+ = O/ =
s c
= = = s s

O O
atunci daca iii
atunci daca ii
i


5


1.2. Definiia clasic a probabilitii

Consierm spaiul probelor { }
n 2 1
,..., , e e e = O ataat unui experiment i
presupunem c evenimentele elementare { } n 1, i E
i
= e = ,
i
au aceeai posibilitate
(ans) de apariie. Dac aceast condiie este ndeplinit, vom numi probele spaiului
cazuri (posibile).
Fie evenimentul A favorizat de cazurile , ,..., ,
k 2 1
i i i
e e e adic
A={
k 2 1
i i i
e e e ,..., , }. Vom spune c aceste cazuri sunt cazuri favorabile apariiei
evenimentului A.
Definiia 1.31. Numim probabilitate a evenimentului A raportul
( ) .
posibile cazurilor numarul
favorabile cazurilor numarul


n
k
A P = =
Exemplul 1.32. Fie experimentul cu dou zaruri, avnd staiul probelor
( ) { } 6 , 1 = = O j i, j i, . Evenimentele elementare corespunztoare =
ij
E ( ) { } 1,6 j i, j i, = , , le
considerm egal posibile. Avem prin urmare 36 6 6 = cazuri posibile.
Dac notm cu A evenimentul ca suma punctelor obinute pe cele dou zaruri s
fie 7, atunci A={(1,6), (25), (3,4), (4,3), (5,2), (6,1)}, deci numrul cazurilor favorabile
evenimentului A este 6. Aadar, avem ( ) .
6
1
36
6
= = A P
Se remarc faptul c ( ) ,
336
1
=
ij
E P pentru 1,6 j i, = .
Observaia 1.33. Relaiile de la Observaia 1.30 rmn adevrate, adic

( ) ( ) ( ) ( ) ( )
( ) ( )
( ) ( ) ( ). ) (
, ) (
, 1 , 0 , 1 , 1 0 ) (
B P A P B A P , B A
B P A P B, A
A P A P P P A P
+ = O/ =
s c
= = O = O s s
atunci daca iii
atunci daca ii
i



1.3. Definiia axiomatic a probabilitii
6

In anul 1933 A. N. Kolmogorov a introdus n mod axiomatic noiunea de probabilitate.

Definiia 1.34. Spunem c submulimea nevid K a prilor lui , O/ ( ) O c = P K , este
un corp sau algebr boolean, dac satrisface condiiile:
( )
( ) K, B A K, B A,
K, A K, A
e e
e e
atunci daca ii
atunci daca i

iar perechea (,K) o numim cmp finit de evenimente.

Propoziia 1.35. Dac (,K) este un cmp finit de evenimente, atunci
K, A K A n 1, i K, A
K, B A K, B A
K,
n
1 i
i
n
1 i
i i
e e = e
e e
e O/ O
= =

si atunci daca iii
atunci daca ii
i
, ) (
, , ) (
, ) (

( ) K, B A atunci , daca iv e A\B K e .

Demonstraie. (i) Deoarece ( ) O c P K este nevid, fie K Ae . Din prima axiom avem
c K Ae , iar din axioma a doua c K A A e O = . Avnd acum c K e O , rezult c
K e O/ = O .
(ii) Din K B A e , rezult c K B A e , i de asemenea K B A B A e = .
Astfel se obine c ( ) K B A B A e = .
Afirmaiile de la (iii) se demenstreaz prin inducie, iar la (iv) se ine seama de
faptul c A\B= B A .

Observaia 1.36. Dac n definiia 1.34 condiia (ii) se nlocuiete cu
( ) K, A I i K, A
I i
i i
e = e
e

atunci , daca ' ii


atunci K se numete o -corp sau algebr borelian, iar perechea (,K)se numete cmp
infinit de evenimente.

7
Definiia 1.37. Fiind dat cmpul finit de evenimente (,K), numim probabilitate o
aplicaie P : K R, care satisface urmtoarele condiii:

( )
( )
( ) ( ) ( ) , B A K, B A, B P A P B A P
P
K, A A P
O/ = e + =
= O
e >
orice pentru iii
ii
orice pentru i
, ) (
, 1 ) (
, 0 ) (

iar tripletul (,K,P) se numete cmp (finit) de probabilitate.
Propoziia 1.38. Fie cmpul finit de probabilitate (,K,P), atunci
( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) . K B A, orice penrtu , B A P - B P A P B A P
B P A P avem B, A care penrtu K, B A, orice penrtu
K, B A, orice penrtu , B A P - B P A \ B P
K, A orice pentru A P A P
P
e + =
s c e
e =
e =
= O/
5
, 4
) ( 3
, 1 2
, 0 1

Demonstraie: (1) Se scrie O/ O = O i se aplic axioma (iii), adic
( ) ( ) ( ) O/ + O = O P P P , de unde ( ) . 0 = O/ P
(2) Se scrie A A = O i se aplic axiomele (ii) i (iii), obinndu-se
( ) ( ) A P A P A A P P + = = O = ) ( ) ( 1 , de unde, reinndu-se extremitile, rezult c
( ) ( ) A P A P =1 .
(3) Scriind ( ) ( ) B A A \ B B = , unde ( ) ( ) O = B A A \ B , i folosind axioma
(iii) avem c ( ) ( ) ( ) B A P A \ B P B P + = , de unde se obine c
( ) ( ) ( ) B A P B P A \ B P = .
(4) Dac AcB, atunci A B A = , i folosind punctul (3), rezult c
( ) ( ) ( ) A P B P A \ B P = , dar tim c ( ) A \ B P 0 > i prin urmare ( ) ( ) A P B P > .
(5) Scriind ( ) | | B A \ B A B A = , avem c ( ) | | B A \ B A = O. Avnd n
vedere c ( ) ( ) ( ) ( ), B A P B P B A \ B P = se obine c
( ) ( ) ( ) ( ) B A P - B P A P B A P + = .
8
Observaia 1.39. Avnd n vedere c O c A , obinem din relaia (5) mpreun cu
axioma (i) c ( ) 1 0 s s A P .
Observaia 1.40. (Formula lui Poincare). Formula de la (5) se extinde prin inducie
complet la reuniunea a n evenimente, anume
( ) ( )
( ) ( ) . 1
1
1
1 , ,
1 , 1 1
|
|
.
|

\
|
+ +
+ =
|
|
.
|

\
|
=

< <
=
<
= = =

n
i
i
n
n
k j i
k j i
k j i
n
j i
j i
j i
n
i
i
n
i
i
A P A A A P
A A P A P A P

Exemplul 1.41. (Problema concordanelor). Pentru oferirea de cadouri cu ocazia
srbtorilor de iarn, patronul unei mari societi a propus ca fiecare salariat s aduc cte
un cadou, iar apoi, prin tragere la sori, aceste cadouri s fie oferite cte unul la fiecare
salariat. Vrem s calculm probabilitatea ca nici un salarit s nu primeasc cadoul adus
de el. De asemenea, vrem s calculm ce devine aceast probabilitate cnd numrul
salariailor crete infinit.
Fie n numrul salariilor, care desigur coincide cu numrul cadourilor.
S notm cu A evnimentul ca nici un salariat s nu primeasc cadoul adus de el.
Evenimentul contrar A este evenimentul ca cel puin un salariat s primeasc cadoul
adus de el.
Dac notm cu
i
A evenimentul ca salariatul i s ia cadoul adus de el, atunci avem
c .
2 1
1
n
n
i
i
A A A A A = =
=

Folosind formula lui Poincare, se poate scrie


( )
( ) ( ) ( ) . 1
1
1
1
1
|
|
.
|

\
|
+ + =
=
|
|
.
|

\
|
=
=

< =
=

n
i
i
n
n
j i
j i
n
i
i
n
i
i
A P A A P A P
A P A P

Numrul cazurilor posibile pentru acest experiment este dat de numrul modurilor
de repartizare a celor n cadouri la cei n salariai, adic numrul permutrior formate cu
cele n obiecte, prin urmare n!.
Numrul cazurilor ce favorizeaz apariia evenimentului
i
A este dat de numrul
modurilor de repartiie a celor n-1cadouri rmase (cel al salariatului i i aparine lui) la cei
9
n-1 salariai rmai este, n mod analog, (n - 1)!. Prin urmare, avem c ( )
( )
,
!
! 1
n
n
A P
i

=
pentru . , 1 n i =
In mod analog se obine c ( )
( )
,
!
! 2
n
n
A A P
j i

= pentru j i = , .a.m.d.
Revenind la formula lui Poincare se poate scrie c
( )
( ) ( )
( )
( )
!
!
1
!
! 1
!
! 1 1
1
n
n n
n
n
n
n
A P
n
n
j i
n
i

+ +

=

< =


i avnd n vedere c prima sum are
1
n
C termeni egali, a doua sum are
2
n
C termeni
egali, .a.m.d., obinem c
( )
( ) ( )
( )
( )
( ) .
!
1
1
! 2
1
! 1
1
!
!
1
!
! 2
!
! 1
1
1 2 1
n
n
n n
C
n
n
C
n
n
C A P
n
n
n
n
n n

+ =
=

+ +


Prin urmare, avem c
( ) ( ) ( )
( ) .
!
1
1
! 3
1
! 2
1
!
1
1
! 3
1
! 2
1
! 1
1
1 1
n
n
A P A P
n
n
+ + =
= + + + = =


Avnd n vedere urmtoarea serie de puteri
,
! ! 2 ! 1
1 + + + + + =
n
x x x
e
x

care pentru 1 = x este
( ) , 1
! 3
1
! 2
1
1
+ + + =
n
e
rezult c ( ) .
1
lim
e
A P
n
=


Observaia 1.42. Avem c ( ) ( ) ( ), B P A P B A P + s din formula (5), iar pe de alt parte
se poate obine prin inducie complet
( ).
1 1

= =
s
|
|
.
|

\
|
n
i
i
n
i
i
A P A P


Proprietatea 1.43. (Innegalitatea lui Boole). Pentru evenimantele , , 1 , n i K A
i
= e avem
10
( ) ( ) ( ). 1 1
1 1

= =
= >
|
|
.
|

\
|
n
i
i i
n
i
i
n A P A P A P


Demonstraie. Folosind relaiile lui Morgan i avnd n vedere Observaia 1.42 se scrie
succesiv
( ). 1 1
1 1 1 1

= = = =
>
|
|
.
|

\
|
=
|
|
.
|

\
|
=
|
|
.
|

\
|
n
i
i
n
i
i
n
i
i
n
i
i
A P A P A P A P


Dac se rein extremitile, se obine prima inegalitate. A doua form se obine din faptul
c ( ) ( ). 1
i i
A P A P =

Exemplul 1.44. O pies este considerat c satisface standardul de fabricaie dac trei
caracteristici sunt satisfcute. Dac aceste caracteristici A, B i C sunt satisfcute cu
probabilitile ( ) ( )
11
7
,
10
9
= = B P A P i ( ) ,
12
11
= C P atunci probabilitatea ca s fie
satisfcute toate trei caracteristici se poate evalua cu formula lui Boole. Astfel, se poate
scrie
( ) ( ) ( ) ( ) | |, 1 C P B P A P C B A P + + >
adic
( ) .
660
299
12
1
11
4
10
1
1 =
|
.
|

\
|
+ + > C B A P
Observaia 1.45. Dac n Definiia 1.37. se consider un cmp infinit de evenimente, iar
condiia (iii) se nlocuiete prin
( ) ( ), ' iii

e e
=
|
|
.
|

\
|
I i
i
I i
i
A P A P

pentru orice , , I i K A
i
e e pentru care , O/ =
j i
A A cnd
j i = ,
atunci tripletul ( ) P K, , O se numete cmp (infint de) probabilitate.
Definiia 1.46. Fie cmpul de probabilitate ( ) P K, , O i evenimentul K Be , pentru care
( ) . 0 > B P Numim probabilitatea evenimentului K Ae condiionat de evenimentul B,
raportul
( ) ( )
( )
( )
.
B P
B A P
A P B A P
B

= =
11

Propoziia 1.47. Urmtoarele proprieti au loc pentru probabilitatea condiionat:
(1) tripletul ( )
B
P K, , O este un cmp de probabilitate,
(2) dac ( ) ( ) , 0 = B P A P atunci
( ) ( ) ( ) ( ) ( ), B A P B P A B P A P B A P = =
(3) dac , 0
1
>
|
|
.
|

\
|
=

n
i
i
A P atunci are loc formula de nmulire a probabilitilor
( ) ( ) ( ) .
1
1
2 1 3 1 2 1
1
|
|
.
|

\
|
=
|
|
.
|

\
|

= =


n
i
i n
n
i
i
A A P A A A P A A P A P A P
Demonstraie. (1) Considerm c ( ) P K, , O este un cmp finit de probabilitate i
vom arta c ( )
B
P K, , O este de asemenea cmp finit de prodabilitate. Trebuie s
artm c funcia
, : R K P
B
definit prin ( )
( )
( )
,
B P
B A P
A P
B

=
verific cele trei axiome din Definiia 1.37.
Intr-adevr, avem c ( )
( )
( )
, 0 >

=
B P
B A P
A P
B
deci condiia (i) este satisfcut.
De asemenea, ( )
( )
( )
( )
( )
, 1 = =
O
= O
B P
B P
B P
B P
P
B
deci i condiia (ii) are loc.
Pentru condiia (iii), scriem succesiv, pentru dou evenimente K A A e
2 1
,
incompatibile

( )
( ) | |
( )
( ) ( ) | |
( )
( )
( )
( )
( )
( ) ( ),
2 1
2 1
2 1 2 1
2 1
A P A P
B P
B A P
B P
B A P
B P
B A B A P
B P
B A A P
A A P
B B
B
+ =

=
=

=

=

unde s-a folosit distributivitatea interseciei fa de reuniune i faptul c dac
O/ =
2 1
A A , atunci i ( ) ( ) O/ = B A B A
2 1
.
Dac ( ) P K, , O este cmp infinit de probabilitate, condiia (iii)de la Observaia
1.45. se verific la fel.
12
(2) Deoarece ( ) ( ) 0 = B P A P , se poate defini att ( ) B A P ct i ( ) A B P i innd
seama de Definiia 1.46. avem
( ) ( ) ( ) B A P B P B A P = i ( ) ( ) ( ) A B P A P B A P = .
(3) Pornim de la membrul drept al formulei de nmulire i folosim definiia
probabilitii condiionate, anume
( ) ( ) ( )
( )
( )
( )
( )
( )
( )
( )
,
1 2 1
2 1
2 1
3 2 1
1
2 1
1
1
1
2 1 3 1 2 1

=
=
|
|
.
|

\
|

n
n
n
i
i n
A A A P
A A A P
A A P
A A A P
A P
A A P
A P
A A P A A A P A A P A P



de unde, dup simplificare, se ajunge la formula dat.

Proprietatea 1.48. (Formula probabilitii totale). Fie evenimentele , , I i K A
i
e e
ce formeaz un sistem complet de evenimente, atunci pentru orice eveniment K Ae
avem c
( ) ( ) ( )

e
=
I i
i i
A A P A P A P .
Demonstraie. Deoarece I i A
i
e , , formeaz un sistem complet de evenimente, avem
c O =
e

I i
i
A . Prin urmare, se poate scrie
( ).

I i
i
I i
i
A A A A A A
e e
=
|
|
.
|

\
|
= O =
De asemenea, deoarece , O/ =
j i
A A rezult c i ( ) ( ) O/ =
j i
A A A A , pentru
j i = , deci
( ) ( ) ( ) ( ).

e e
= =
I i
i i
I i
i
A A P A P A A P A P

Exemplul 1.49. Un sortiment de marf dintr-o unitate comercial provine de la trei
fabrici diferite n proporii, respectiv
3
1
de la prima fabric,
6
1
de la fabrica a doua i
restul de la fabrica a treia. Produsele de la cele trei fabrici satisfac standardele de
fabricaie n proporie de 90%, 95% i respectiv 92%. Un client ia la ntmplare o
13
bucat din sortimentul de marf respectiv. Vrem s calculm probabilitatea ca aceasta
s satisfac standardele de fabricie.
S notm cu
2 1
, A A i
3
A evenimentele ca produsul cumprat s fie de la prima, a
doua, respectiv a treia fabric. Aceste trei evenimente formeaz un sistem complet de
evenimente i au probabilitile ( ) ( )
6
1
,
3
1
2 1
= = A P A P i ( )
2
1
3
= A P .
Dac A este evenimentul ca produsul cumprat de client satisface standardele de
fabricaie, atunci ( ) ( ) 95 . 0 , 90 . 0
2 1
= = A A P A A P i ( ) . 92 . 0
3
= A A P
Folosind formula probabilitii totale se obine
( ) ( ) ( ) ( ) ( ) ( ) ( )
918 . 0
6
51 . 5
92 . 0
2
1
95 . 0
6
1
90 . 0
3
1
3 3 2 2 1 1
= = + + =
= + + = A A P A P A A P A P A A P A P A P


Proprietatea 1.50. (Formula lui Bayes). Fie sistemul complet de evenimente
, , I i K A
i
e e i evenimentul , K Ae pentru care ( ) , 0 > A P atunci
( )
( ) ( )
( ) ( )
. , I i
A A P A P
A A P A P
A A P
I k
k k
i i
i
e =

e

Demonstraie. Pornind de la definiia probabilitii condiionate i folosind formula
probabilitii totale se scrie succesiv
( )
( )
( )
( ) ( )
( ) ( )
.

e
=

=
I k
k k
i i
i
i
A A P A P
A A P A P
A P
A A P
A A P

Exemplul 1.51. Considerm n Exemplul 1.49. c, ajuns acas, clientul constat c
produsul cumprat este defect. Vrem s calculm probabilitatea ca acesta s provin
de la prima fabric.
Cu notaiile de la exemplul precedent i folosind formula lui Bayes avem c
14
( )
( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
408 . 0
49 . 0
2 . 0
08 . 0
2
1
05 . 0
6
1
10 . 0
2
1
10 . 0
3
1
3 3 2 2 1 1
1 1
1
= =
+ +

=
=
+ +
=
A A P A P A A P A P A A P A P
A A P A P
A A P
.

Definiia 1.52. Spunem c evenimentele A i B sunt independente dac
( ) ( ) ( ). B P A P B A P = .
Propoziia 1.53. Urmtoarele afirmaii au loc:
(1) dac ( ) 0 = A P sau ( ) 1 = A P , atunci oricare ar fi evenimentul A K B , e i B
sunt independente,
(2) dac K B A c , sunt independente atunci ( ) ( ) A P B A P = i ( ) ( ), B P A B P =
implicaie care are loc i n sens invers,
(3) dac K B A c , sunt independente atunci i perechile de evenimente
( ) ( ) B A B A , , , i ( ) B A, sunt independente.

Demenstraie. (1) Dac ( ) , 0 = A P atunci avem
( ) ( ) , 0 0 = s s A P B A P daci ( ) ( ) ( ), 0 B P A P B A P = =
aadar evenimentele A i B sunt independent.
Dac ( ) , 1 = A P atunci ( ) ( ) , 1 1 s s = B A P A P de unde ( ) . 1 = B A P Pe de alt
parte, se poate scrie
( ) ( ) ( ) ( ) ( ) ( ), 1 1 B A P B P B A P B P A P B A P + = + = =
deci ( ) ( ) ( ) ( ). 1 B P A P B P B A P = =
(2) Dac A i B sunt independente, avem succesiv
( )
( )
( )
( ) ( )
( )
( ). A P
B P
B P A P
B P
B A P
B A P = =

=
Analog se arat c ( ) ( ). A P B A P =
Invers, deoarece ( ) ( ) A P B A P = , avem c
( ) ( ) ( ) ( ) ( ), B P A P B A P B P B A P = =
15
deci evenimentele A i B sunt independente.
(3)Dac A i B sunt independente, atunci avem succesiv
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) | | ( ) ( ). 1
\
B P A P A P B P
B P A P B P B A P B P A B P B A P
= =
= = = =

Dac se rein extremitile acestui ir de egaliti, obinem c evenimentele A i B
sunt independente.
La fel se arat i independena evenimntelor A i B .
Pentru independena evenimentelor A i B , se scrie succesiv
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( ) ( )
( ) | | ( ) | | ( ) ( ). 1 1
1
1
1
B P A P B P A P
B P A P B P A P
B A P B P A P
B A P B A P B A P
= =
= + =
= + =
= = =

Definiia 1.54. Spunem c evenimentele n i K A
i
, 1 , = e , sunt independente (n
totalitate) dac sunt independente cte dou, cte trei, ..., cte n, adic
( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( ).
, 1 ,
, 1 ,
2 1 2 1 n n
k j i k j i
j i j i
A P A P A P A A A P
n k j i pentru A P A P A P A A A P
n j i pentru A P A P A A P


=
s < < s =
s < s =


Observaia 1.55. Independena a cte dou evenimente pentru evenimentele
, , , ,
2 1 n
A A A nu implic independena n totalitate.
Pentru a arta aceast afirmie, prezentm exemplul construit de ctre S. N.
Bernstein. Se consider un tetraedru regulat cu trei fee colorate n trei culori diferite,
de exmplu alb, negru i rou, iar a patra fa s conin trei pri, fiecare parte fiind
colorat cu una din cele trei culori considerate. Se arunc tetraedrul pe o suprafa
plan neted. Spaiul probelor pentru acest experient este ( ) ( ) ( ) ( ) { }, , , , arn n r a = O
unde probele sunt: (a) faa alb se aeaz pe suprafaa plan, (r) faa roie se
aeaz pe suprafaa plan, (n) faa neagr se aeaz pe suprafaa plan, (arn) fa
colorat cu cele trei culori se aeaz pe suprafaa plan.
16
Fie evenimentele A, B i C, respectiv aezarea pe suprafaa plan a unei fee ce
conine culoare alb, culoare roie i culoare neagr.
Avem imediat c ( )
2
1
4
2
= = A P i la fel ( ) ( ) .
2
1
= = C P B P
De asemenea, avem ( ) ( ) ( )
4
1
= = = C B P C A P B A P i ( ) .
4
1
= C B A P
Se vede c
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ),
, ,
C P B P C B P
C P A P C A P B P A P B A P
=
= =

deci evenimntele A,B i C sunt independente dou cte dou, dar
( ) ( ) ( ) ( ). C P B P A P C B A P = . Aadar, evenimentele A,B i C nu sunt
independente n totalitate.












17



2. Scheme clasice de probabilitate


In calculul probabilitilor ntlnim clase de probleme, fiecare problem dintr-o
astfel de clas admite o abordare identic, prin particularizri ale parametrilor care
intervin. Din acest motiv, pentru o anumit clas de probleme, se construiete
modelul matematic proabilistic i care poart numele e schem de probabilitate.

2.1 Schema lui Bernoulli cu bila ntoars (binomial)

Aceast schem de probabilitate se aplic n cazul n care se fac repetri
independente ale unui experimant i la fiecare repetare se are n vedere apariia unui
eveniment bine precizat. Evenimentul considerat se presupune c apare cu aceeai
probabilitate la fiecare repetare a experimentului. Se cere calcularea probabilitii ca
din n repetri ale experimentului evenimnetul precizat s apar de k ori.
Modelul probabilistic se realizeaz printr-o urn ce conine bile de dou culori, de
exemplu albe i negre, ntr-o proporie cunoscut. Se extrag bile din urn, una cte
una, fiecare bil extras se reintroduce n urn dup ce se constat culoarea bilei
extrase. Se cere determinarea probabilittii ca din n bile extrase, k s fie de culoarea
alb.
Dac se noteaz prin
i
A evenimantul ca la extragerea de rang i s fie extras o
bil de culoare alb, atunci
i
A este evenimentul ca la extragerea de rang i s fie
obinut o bil de culoare neagr. De asemenea, deoarece la fiecare repetare, bila
extras se depune din nou n urn, probabilitatea de a extrage o bil alb, la fiecare
repetare, este aceeai, fie aceasta notat prin ( ).
i
A P p = . LA fel, obinerea unei bile
negre la fiecare repetare se realizeaz cu aceeai probabilitate ( ) . 1 p q A P
i
= =
18
Fie notat prin
k n
B
,
evenimentul ca din n ble extrase s fie obinute k bile albe.
Acest evenimant se poate scrie sub forma
( ).
1
1 1
1
,


n i i
i i i i k n
k
n k k
A A A A B
s < < s
=
+

Evenimentele reuniunii sunt incompatibile dou cte dou, iar evenimentele din
fiecare intersecie sunt independente. Astfel se scrie succesiv
( ) ( )
( ) ( ) ( ) ( )
.
1
1
1 1
1
1 1
1
1
1
,


s < s

s < < s
s < < s
=
= =
= =
+
+
n i i
k n k
n i i
i i i i
n i i
i i i i k n
k
k
n k k
k
n k k
q p
A P A P A P A P
A A A A P B P




Avnd n vedere c toi termenii sumei sunt egali, iar suma are
k
n
C termeni, avem c
probabilitatea ( ) k n P , de a obine k bile albe n n extrageri de bile din urn este dat
prin formula
( ) . ,
k n k k
n
q p C k n P

=

Observaia 2.1. Dac se consider formula binomului lui Newton, avem c
( ) ( ) . ,
0 1

= =

= = +
n
k
k
n
k
k k n k k
n
n
x k n P x q p C q px
Aadar, probabilitatea ( ) k n P , este coeficientul
k
x din dezvoltatea binomului
( ) ,
n
q px + de aici i denumirea de schem binomial.

Observaia 2.2 Dac se ia n formula de la observaia precedent 1 = x i dac se are
n vedere c 1 = + q p , se obine c
( ) ( ) . 1 ,
0
= + =

=
n
k
n
q p k n P

Exemplul 2.3. O unitate hotelier se consider c este normal ocupat, dac cel puin
80% din capacitatea sa este utilizat. Dintr-un studiu statistic s-a obinut c
probabilitatea ca hotelul s fie normal ocupat ntr-o zi este .
8
7
= p Vrem s calculm
19
probabilitatea ca unitatea hotelier s fie normal ocupat n cinci zile din cele apte
ale unei sptmni.
Calculul acestei probabilitti se face cu schema lui Bernoulli cu bila ntoars,
unde
8
7
, 5 , 7 = = = p k n i .
8
1
1 = = p q Astfel se obine c
( ) .
8
7
8
3
8
1
8
7
5 , 7
6 2 5
5
7 |
.
|

\
|
=
|
.
|

\
|
|
.
|

\
|
= C P






2.2 Schema lui Bernoulli cu bila ntoars cu mai multe stri (multinomial sau
polinomial)


Aceas schem de probabilitate este o generalizare a schemei binomiale. Se aplic
atunci cnd la fiecare repetare a experimentului, se urmrete apariia a r evenimante,
care formeaz un sistem complet de evenimante. Probabilitile de apariie pentru
evenimentele considerate nu depind de rangul repetrii, deci sunt constante. Se
dorete calculul probabilitii ca n n repetri independente ale experimentului, cele r
evenimante precizate s apar de un numr de ori dat.
Modelul probabilistic este realizat printr-o urn ce conine bile de r culori. Din
urn se extrag, pe rnd, bile cu ntoarcerea bilei extrase n urn, dup ce s-a constatat
culoarea bilei extrase. Se cere s se calculeze probabilitatea ( )
r
k k k n P , , , ;
2 1
, ca din n
bile extrase
1
k s fie de culoarea nti,
2
k bile de culoarea a doua .a.m.d.
r
k s fie de
culoarea a r a.
Folosind aceeai metod ca la schema binomial, se obine c
( ) ,
! ! !
!
, , , ;
2 1
2 1
2 1
2 1
r
k
r
k k
r
r
p p p
k k k
n
k k k n P

=
20
unde , , 1 , r i p
i
= sunt respectiv probabilitile de-a obine la o extragere bil de
culoarea . , 1 , r i i =

Observaia 2.4. Dac se dezvolt urmtorul polinom
( ) ,
2 2 1 1
n
r r
x p x p x p + +
atunci probabilitatea ( )
r
k k k n P , , , ;
2 1
este coefcientul monomului
r
k
r
k k
x x x
2 1
2 1
din
aceast dezvoltare. De aici i denumirea de schema multinomial sau polinomial
folosit pentru aceast schem de probabilitate.

Observaia 2.5. Desigur c au loc relaiile
1
2 1
= + +
r
p p p i .
2 1
n k k k
r
= + + +
Exemplul 2.6. Piesele produse de o main sunt supuse la dou teste. Probabilitile
ca o pies s treac aceste teste sunt respectiv
3
2
i
4
3
. Vrem s calculm
probabilitatea ca din cinci piese luate la ntmplare, dou s treac ambele teste, una
numai al doilea test, iar una s nu treac nici un test.
Aceast probabilitate se calculeaz cu schema multinomial, unde
1 , 2 , 4 , 4
4 3 2 1
= = = = = = k k k k r n , iar dac se presupune c cele dou teste sunt
independente, avem c
.
12
1
4
3
1
3
2
1 ,
4
1
4
3
3
2
1
,
6
1
4
3
1
3
2
,
2
1
4
3
3
2
4 3
2 1
= |
.
|

\
|
|
.
|

\
|
= = |
.
|

\
|
=
= |
.
|

\
|
= = =
p p
p p

In acest fel putem scrie
( ) .
96
5
12
1
4
1
6
1
2
1
! 1 ! 1 ! 1 ! 2
! 5
1 , 1 , 1 , 2 ; 5
2
= |
.
|

\
|
= P




21



2.3 Schema lui Bernoulli cu bila nentoars (hipergeometric)

Se consider o urn ce conine b a N + = bile de dou culori, a bile albe i b bile
negre. Se extrag bile din urn, una cte una, fr ntoarcerea bilei n urn. Vrem s
calculm probabilitatea ca din n bile extrase k s fie de culoare alb.
Pentru a calcula aceast probabilitate, folosim definiia clasic a probabilitii.
Anume, exist
n
N
C posibiliti de a extrage n bile din totalul celor N cte sunt n urn
la nceput. Numrul cazurilor favorabile este dat de numrul modurilor de a obine k
bile albe din cele a bile albe ce exist la nceput n urn, adica ,
k
a
C respectiv de
numrul modurilor de a obine k n bile negre din cele b bile negre cte exist n
urn la nceput i care este .
k n
b
C

Avem astfel c probabilitatea ( ) k n P , de a se
extrage k bile albe n n extrageri este dat de formula
( ) . ,
n
N
k n
b
k
a
C
C C
k n P

=
Observaia 2.7. In mod necesar avem c k a > i , k n b > deci i . n b a > +
Exemplul 2.8. Intr-un lot de 50 de piese 10 sunt defecte. Se iau la ntmplare 5 piese.
Vrem s calculm probabilitatea ca trei din cele cinci s nu fie defecte.
Aceast probabilitate se calculeaz cu schema lui Bernoulli cu bila nentoars,
unde 5 , 10 , 40 , 50 = = = = n b a N i . 3 = k Astfel se obtine c
( ) . 3 , 5
5
50
2
10
3
40
C
C C
P =
Observaia 2.9. Dac n urn se afl bile de r culori, anume
i
a de culoarea i, pentru
, , 1 r i = i se extrag n bile f ntoarcerea bilei extrase n urn, atunci se obine schema
lui Bernoulli cu bila nentoars cu mami multe stri.
Probabilitatea ( )
r
k k k n P , , , ;
2 1
, ca din cele n bile extrase
i
k bile s fie de culoarea
i, pentru fiecare , , 1 r i = se calculeaz cu formula
22
( ) . , , , ;
2 1
2 1
2
2
1
1
2 1
r
r
r
r
k k k
a a a
k
a
k
a
k
a
r
C
C C C
k k k n P

+ +
+ + +
=

2.4 Schema lui Poisson


Se aplic n cazul n care se fac repetri independente ale unui experiment i la fiecare
repetare se urmrete un anumit eveniment, care apare, n general, cu probabiliti
diferite la repeti de ranguri diferite.
Se cere s se calculeze peobabilitatea ca din n repetri ale experimentului,
evenimentul considerat sa de k ori.
Realizarea modelului se obie cu ajutorul unui sistem de n urne, care conin bile
de dou culori, albe i negre, n proporii diferite, n general. Se ia cte o bil din
fiecare urn i se cere determinarea probabilitii ( ) k n P , de a obine k bile de
culoarea alb din cele n extrase.
Dac se noteaz cu
i
p probabilitatea de a extrage o bil alb din urna de rang i i
prin
i
q probabilitatea de a extrage o bil de culoare neagr din urna de rang i, adic
i i
p q = 1 , pentru fiecare , , 1 n i = atunci, printr-un raionament analog cu cel de la
schema binomial, se obine c
( )

s < < s
+
=
n i i
i i i i
k
n k k
q q p p k n P


1
1 1
1
. ,
Observaia 2.10. Probabilitatea ( ) k n P , se obine ca fiind coeficientul lui
k
x al
polinomului ( )( ) ( )
n n
q x p q x p q x p + + +
2 2 1 1
.
Observaia 2.11. Dac p p
i
= , pentru fiecare n i , 1 = , deci i p q q
i
= = 1 , atunci
se obine schema lui Bernoulli cu bila ntoars.
Exemplul 2.12. La un magazin se afl un sortiment de marf care provine de la trei
uniti productoare. Se tie c 2%, 1% i respectiv 4% din marfa produs da cele trei
uniti prezint defeciuni. Un client comand cte un produs de la fiecare din cele
trei uniti productoare. Vrem s determinm probabilitatea evenimantului A ca
exact dou din cele trei produse comandate s nu prezinte defeciuni.
23
Pentru calculul acestei probabiliti se aplic schema lui Poisson, n care
, 2 , 3 = = k n iar , 01 . 0 , 99 . 0 , 02 . 0 , 98 . 0
2 2 1 1
= = = = q p q p i respectiv
. 04 . 0 , 96 . 0
3 3
= = q p Astfel se obine c
( ) ( )
. 067224 . 0
96 . 0 99 . 0 02 . 0 96 . 0 01 . 0 98 . 0 004 . 0 99 . 0 98 . 0
2 , 3
3 2 1 3 2 1 3 2 1
=
= + + =
= + + = = p p q p q p q p p P A P




2.5. Schema lui Pascal (binomial cu exponent negativ)


S considerm c un experimant se repet n aceleai condiii, repetrile fiind
independente. La fiecare repetare se urmete apariia aceluiai eveniment, care apare
cu aceeai probabilitate. Vrem s determinm probabilitatea ca pn la cea de-a n a
apariie a evenimentului considerat, s se fi obinut contrarul evenimentului de k ori.
Modelul probabilistic se realizeaz printr-o urn ce conine bile de dou culori,
albe i negre. Se extrag bile din urn, una cte una, cu ntoarcerea bilei extrase n
urn, dup ce s-a constatat culoarea ei. Vom spune c avem succes cnd se obine bil
de culoare alb, respectiv insucces cnd se obine bil de culoare neagr. La fiecare
extragere succesul apare cu probabilitatea p, iar insuccesul cu probabilitatea
. 1 p q =
Vrem s determinm probabilitatea ca la apariia celui de-al n lea succes, s fi
obinut k insuccese.
Dac notm prin
k n
B
,
evenimentul ca pn la apariia celui de-al n lea succes s
fi obinut k insuccese, atunci .
, , k n k n k n
A A B
+
= S-a notat prin
k n
A
,
evenimantul ca la
primele 1 +k n extrageri s se obin 1 n succese, iar prin
k n
A
+
se noteaz
evenimentul ca la extragerea de rang k n + s se obin succes.
24
Deoarece bila extras, de fiecare dat, se reintroduce n urn, avem c
evenimentele
k n
A
,
i
k n
A
+
sunt independente, prin urmare se poate scrie
( ) ( ) ( )
k n k n k n
A P A P B P
+
=
, ,
.
Evident c ( ) , p A P
k n
=
+
iar cealalt probabilitate se calculeaz cu schema lui
Bernoulli cu bila ntoars, adic ( ) .
1 1
1 ,
k n n
k n k n
q p C A P

+
= Prin urmare, probabilitatea
( ) k n P , , ce vrem s o calculm este dat prin formula
( ) ( ) , ,
1
1
1 1
1 ,
k n n
k n
k n n
k n k n
q p C p q p C B P k n P

+

+
= = =
sau avnd n vedere proprietatea de complementaritate a numrului combinrilor, se
obine c
( ) . ,
1
1
k n n
k n
q p C k n P

+
=
Observaia 2.13. Probabilitatea ( ) k n P , se obine ca fiind coeficientul lui
k
x din seria
de puteri
( )
( ) , 1 , ,
1
0 0
1
1
< = =

+
qx x k n P x q p C
qx
p
k k
k k k n n
k n n
n

deci din seria binomial. De aici i denumirea de schema binomial cu exponent
negativ pentru aceast schem de probabilitate.

Observaia 2.14. Dac , 1 = n adic dac se cere probabilitatea ca pn la apariia
primului succes s se fi obinut k insuccese, se obine c
( ) . , 1
k
k
pq p k P = =
In acest caz particular, se obine ceea ce se numete schema geometric, deoarece
probabilitatea
k
p este coeficientul lui
k
x din seria geometric
. 1 ,
1
0 0
< = =

=
qx x p x pq
qx
p
k
k
k
k
k k


Exemplul 2.15. Dintr-un studiu statistic efectuat la un magazin de produse cosmetice
se cunoate c un client care intr n magazin devine cumprtor cu probabilitatea
75 . 0 = p . Vrem s calculm probabilitatea evenimentelor : A ca pn la primul
25
cumprtor n magazin s fi intrat 5 clieni, respectiv B ca pn la al treilea
cumprtor n magazin s fi intrat 7 clieni.
Probabilitile pentru cele dou evenimente se calculeaz cu schema geometric i
respectiv cu schema lui Pascal. Deoarece 75 . 0 = p , avem c 25 . 0 = q . Astfel, se
obine c
( )
4096
3
25 . 0 75 . 0
5
5
= = = p A P i ( ) ( ) . 25 . 0 75 . 0 7 , 3
7 3 3
9
= = C P B P




3. Variabile aleatoare

Pn acum, n studiul cmpului de evenimente ataat unui experiment, ne-am ocupat n
special, de apariia sau neapariia evenimentelor, aadar de latura calitativ a
experimentului.
Pentru studiul matematic al fenomenelor aleatoare, este necesar ca descrierea
acestora s aib expresii cantitative, care s poat fi tratate din punct de vedere
matematic. Aceast expresie cantitativ a fenomenului aleator este dat de variabila
aleatoare.

Definiia 3.1. Fie cmpul de probabilitate ( ) P K, , O . Numim variabl aleatoare de tip
discret o aplicaie R O : X , care satisface urmtoarele condiii:
( )
( ) ( ) ( ) { } . x X ca avem R, x orice pentru ii
valori, de numarabila mult cel multime o are i
K x X e = e = = e e e O

Observaia 3.2. Dac avem c ( ) O P K = , atunci condiia (ii) este automat ndeplinit.
Observaia 3.3. Se poate arta c:
1. dac e a R, atunci aplicaia R X O : , definit prin ( ) a X = e , pentru orice
O e e , este variabil aleatoare de tip discret,
26
2. dac funcia g:R
n
R este continu i
n
X X X ,..., ,
2 1
sunt variabile alatoare de tip
discret, atunci Y =g(
n
X X X ,..., ,
2 1
)este variabil aleatoare de tip discret.
3. dac K Ae , atunci aplicaia R X
A
O : , definit prin
( )

e
e
=
A daca 0,
A daca , 1
e
e
e X
este variabil aleatoare de tip discret i poart numele de indicatoarea evenimentului
A.
Observaia 3.4. Dac o variabil aleatoare de tip discret ia un numr finit de valori,
vom spune c este o variabil aleatoare simpl.
Definiia 3.5. Numim distribuia sau repartiia variabilei aleatoare X de tip discret,
tabloul
,
I i
i
i
p
x
X
e
|
|
.
|

\
|

unde x
ie
R, I i e , sunt valori pe care le ia vriabila aleatoare X, iar p
i
este
probabilitatea cu care variabila aleatoare X ia valoarea x
i
, adic ( ),
i i
x X P p = =
pentru fiecare I i e .
Observaia 3.6. Deoarece evenimentele ( )
i
x X = , I i e , formeaz un sistem complet de
evenimente, avem c

e
=
I i
i
p 1.
Observaia 3.7. In teoria probabilitilor i n aplicaiile acesteia, se ntlnesc clase de
variabile aleatoare de tip discret. Forma cea mai general a unei variabile aleatoare
aparinnd unei clase se numete lege de probabilitate de tip discret.
Definiia 3.8. Spunem c variabila aleatoare X de tip discret urmeaz legea binomial,
dac are distribuia
( )
n k
k n P
k
X
, 0
,
=
|
|
.
|

\
|
, unde ( )
k n k k
n
q p C k n P

= , , iar ( ) p q p = e 1 , 1 , 0 .
Observaia 3.9. Probabilitile ( ) n k k n P , 0 , , = , ce intervin n distribuia lui X, sunt cele
de la schema lui Berboulli cu bila ntoars (binomial).
Definiia 3.10. Spunem c variabila alatoare X de tip discret urmeaz legea
hipergeometric, dac are distribuia
27
( )
n k
k n P
k
X
, 0
,
=
|
|
.
|

\
|
, unde ( )
n
b a
k n
b
b
a
C
C C
k n P
+

= , , iar ( ) b a n , min s .
Observaia 3.11. Probabilitile ( ) n k k n P , 0 , , = , din distribuia lui X, sunt cele de la
schema lui Bernoulli cu bila nentoars.
Observaia 3.12. Dac se noteaz
b a
a
p
+
= i
b a
b
q
+
= , iar + = b a N , atunci
( )
k n k k
n
q p C k n P

, , adic se obine distribuia binomial.
Definiia 3.13. Spunem c variabila aleatoare X de tip discret urmeaz legea lui Poisson,
dac are distribuia
( )
,... 2 , 1 , 0 =
|
|
.
|

\
|
k
k
p
k
X

, unde ( ) ,
!


= e
k
p
k
k
iar . 0 >
Teorema 3.14.(Poisson). Dac variabila aleatoare X urmeaz legea binomial, adic are
distribuia
( )
n k
k n P
k
X
, 0
,
=
|
|
.
|

\
|
, unde ( )
k n k k
n
q p C k n P

= , ,
i dac
n
p p = , astfel nct 0 > =
n
np , atunci pentru X n , urmeaz legea lui
Poisson, adic ( ) .
!
, lim



= e
k
k n P
k
n

Demonstraie. Scriem succesiv, avnd n veder c
n
p p
n

= = i
n
p q

= = 1 1 ,
urmtoarele relaii
( )
( ) ( )


= |
.
|

\
|
|
.
|

\
|

+
=
|
.
|

\
|

|
.
|

\
| +
=
e
k n n n
k n
n
n
n
n
k
n n k
k n n n
k n P
k
n k
k
n
k n k
n n
!
1 1
1 1
!
lim
1
!
1 1
lim , lim

.
Dac reinem extremitile acestui ir de egaliti, se obine afirmaia din teorem.
Observaia 3.15. Deoarece =
n
np , rezult c pentru n mare, probabilitatea p
n
este
mic. Prin urmare, probabilitatea de apariie a evenimentului, cruia i se ataeaz,
fiind mic, legea lui Poisson se mai numete i legea evenimentelor rare.
28
Definia 3.16. Spunem c variabla aleatoare X de tip discret urmeaz legea lui Pascal,
dac are distribuia
( )
,
,
,... 2 , 1 , 0 =
|
|
.
|

\
|
k
k
k n p
k
X cu ( ) , ,
1
k n k
k n
q p C k n P
+
=
iar ( ) 1 , 0 e p i q=1- p.
Observaia 3.17. Probabilitile ( ) k n P , din distribuia lui X sunt cele de la schema lui
Pascal.
Observaia 3.18. In cazul particular n = 1, vom spune c variabila aleatoare X urmeaz
legea geometric.
Definiia 3.19. Fie cmpul de probabilitate ( ) P K, , O . Spunem c ( ) Y X U , = este vector
aleator bidimansional de tip discret, dac aplicaia O : U R
2
, satisface condiiile
(i) are o mulime cel mult numrabil de valori,
(ii) pentru orice ( )e y x, R
2
, avem c
( ) ( ) ( ) { } . , , K y Y x X y Y x X e = = e = = = e e e O
Definiia 3.20. Numim distribuia sau repartiia vectorului aleator ( ) Y X, de tip discret,
tabloul bidimensional

X\Y

j
y

ij
p

i
x
29
unde ( )
j i
y x , sunt valorile pe care le ia vectorul aleator ( ) Y X, , iar p
ij
sunt
probabilitile cu care sunt luate aceste valori, adic putem scrie
( )
j i ij
y Y x X P p = = = , .
Definiia 3.21. Spunem c variabilele aleatoare X i Y care au respectiv distribuiile
I i
i
i
p
x
X
e
|
|
.
|

\
|
i ,
J j
j
j
q
y
Y
e
|
|
.
|

\
|

sunt independente, dac ( ) ( ) ( ), ,
j i j i
y Y P x X P y Y x X P = = = = = pentru orice
( ) , , J I j i e adic .
j i ij
q p p =
Definiia 3.22. Fie variabilele aleatoare X i Y care au respectiv distribuiile
I i
i
i
p
x
X
e
|
|
.
|

\
|
i ,
J j
j
j
q
y
Y
e
|
|
.
|

\
|

atunci variabilele aleatoare sum, X+Y, produs XY, i respectiv ct,
Y
X
(dac
( ) 0 = e Y ), vor avea distribuiile
( )
,
, J I j i
ij
j i
p
y x
Y X
e
|
|
.
|

\
| +
+
( )
,
, J I j i
ij
j i
p
y x
XY
e
|
|
.
|

\
|

( ) J I j i
ij
j
i
p
y
x
Y
X
e
|
|
|
.
|

\
|
,
,
unde ( ). ,
j i ij
y Y x X P p = = =
Observaia 3.23. Dac variabilele aleatoare X i Y sunt independente, atunci
,
j i ij
q p p = pentru orice ( ) , , J I j i e .
Observaia 3.24. Urmtoarele relaii au loc
, , I i p p
J j
i ij
e =

e
respectiv . , J j q p
I i
j ij
e =

e

Exemplul 3.25. Dou maini produc piese de acelai tip, iar probabilitatea ca o pies
produs de fiecare din cele dou maini s fie defect este p , iar probabilitatea ca s
nu fie defect este p q =1 . Dac prima main a produs m piese, iar a doua main
a produs n piese, fie X numrul pieselor defecte produse de prima main i respectiv
Y numrul pieselor defecte produse de a doua main. Variabilele aleatoare X i Y
sunt independente i urmeaz fiecare legea binomial, respectiv cu distribuiile
30
. ,
, ,
,
, 0
j n j j
n j
n o j
j
i m i i
m i
m i
i
q p C q unde
q
j
Y
q p C p unde
p
i
X

=
=
|
|
.
|

\
|
=
|
|
.
|

\
|

Numrul total al pieselor defecte produse de cele dou maini va fi dat prin variabila
aleatoare sum, X+Y, care are distribuia
.
, 0 n m k
k
r
k
Y X
+ =
|
|
.
|

\
|
+
Avnd n vedere c variabilele aleatoare X i Y sunt independente, probabilitile
k
r din distribuia variabilei aleatoare X+Y se calculeaz dup cum urmeaz
( ) ( )
( ) ( ) ( )
.
,
,
0
0 0
0 0
0
k n m k
k
l
l k
n
l
m
k
l
l k n l k l k
n
l m l l
m
k
l
l k l
k
l
k
l
k
l
k
q p C C
q p C q p C q p
l k Y P l X P l k Y l X P
l k Y l X P k Y X P r
+
=

=
+
=

= =
=
|
.
|

\
|
=
= = =
= = = = = = =
=
|
|
.
|

\
|
= = = = + =


Se tie c

=
+

=
k
l
k
n m
l k
n
l
m
C C C
0
, prin urmare ,
k n m k k
n m k
q p C r
+
+
= pentru fiecare
. , n m o k + = S-a obinut astfel c numrul pieselor defecte produse de cele dou
maini mpreun este o variabil aleatoare ce urmeaz tot legea binomial.
Definiia 3.26. Fie cmpul de probabilitate ( ). , , P K O Numim variabil aleatoare,
aplicaia O : X R, dac satisface condiia c pentru orice e x R avem
( ) ( ) { } . K x X x X e < e O e e = <
Definiia 3.27. Fie cmpul de probabilitate ( ). , , P K O Spunem c ( ) Y X U , = este vector
aleator bidimensional, dac este o aplicaie O : U R
2
, care satisface condiia c
orice ( )e y x, R
2
s avem ( ) ( ) ( ) { } . , , K y Y x X y Y x X e < e < e O e e = < <
31
Observaia 3.28. Dac X i Y sunt variabile aleatoare, atunci i
( ) ( ) ( ) 0 , , , , 0
1
, , = + = e Y
Y
X
XY Y X Y X X
X
X a aX R sunt variabile aleatoare.
Definiia 3.29. Numim funcie de repartiie ataat variabilei aleatoare X, funcia
R, R : F definit prin ( ) ( ), x X P x F < = pentru orice R. e x
Observaia 3.30. Dac variabila aleatoare X este de tp discret, deci are distribuia
,
I i
i
i
p
x
X
e
|
|
.
|

\
|
atunci funcia de repartiie este dat prin formula
( ) R. e =

<
x orice pentru p x F
x x
i
i
,
Aici notaia prescurtat a sumei indic faptul c pentru un R e x dat, se adun toate
probabilitile
i
p ce corespund valorilor lui X, care verific condiia . x x
i
<
Proprietatea 3.31. Fie X o variabil aleatoare i F funcia de repartiie corespunztoare,
atunci urmtoarele afirmaii sunt adevrate:
(1) pentru orice R e x , avem c ( ) , 1 0 s s x F
(2) pentru orice a, beR, a<b, avem c
( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ),
,
,
,
b X P a F b F b X a P
b X P a X P a F b F b X a P
a X P a F b F b X a P
a F b F b X a P
= + = s s
= + = = s <
= = < <
= < s

(3) pentru orice ( ) ( )
2 1 2 1 2 1
, , x F x F ca avem x x x x s < eR,
(funcia F este descresctoare),
(4) ( ) ( ) ( ) ( ) , 1 lim , 0 lim = + = = =
+ +
F x F F x F
x x

(5) pentru orice R e x , avem c ( ) ( ) ( ) x F x F y F
x y
= =

0 lim
(funcia F este continu la stnga).

Demonstraie. (1) Deoarece valorile funciei de repartiie sunt nite probabiliti, avem
aceast afirmaie, deci ( ) . 1 0 s s x F
(2) Se scrie succesiv
( ) ( ) ( ) ( ) | |. \ , a X b X P a X b X P b X a P < < = < < = < s
32
Deoarece ( ) ( ), b X a X < c < avem n continuare c
( ) ( ) ( ) ( ) ( ), a F b F a X P b X P b X a P = < < = < s
Pentru a doua relaie se are n vedre c
( ) ( ) ( ), \ a X b X a b X a = < s = < <
deci
( ) ( ) ( ) ( ) ( ) ( ). a X P a F b F a X P b X a P b X a P = = = < s = < <
In mod analog, se arat i celelalte dou relaii de la acest punct.
(3) Folosind prima formul de la punctul precedent, avem relaiile
( ) ( ) ( ), 0
1 2 1
x F x F x X x P = < s s de unde ( ) ( ).
2 1
x F x F s
(4) Formal avem c ( ) ( ) ( ) , 0 lim lim = O/ = < =

P x X P x F
x x
respectiv
( ) ( ) ( ) . 1 lim lim = O = < =
+ +
P x X P x F
x x

(5) Un raioanament analog cu cel de la punctul precedent ne conduce la faptul c
funcia F este continu la stnga.


Observaia 3.32. Funcia de repartiie F a unei variabile aleatoare X de tip discret, care
are distribuia ,
I i
i
i
p
x
X
e
|
|
.
|

\
|
este, conform Observaiei 3.30., o funcie n scar, avnd
punctele
i
x puncte de discontinuitate, iar mrimile salturilor n aceste puncte de
discontinuitate sunt respectiv probabilitile . , I i p
i
e

Exemplul 3.33. Variabila aleatoare X cu distribuia urmtoare ,
3
1
2
1
6
1
2 1
2
1
|
|
|
|
.
|

\
|
X are funcia
de repartiie
33
( ) ( )

>
s <
s <
s
= < =
, 2 , 1
, 2 1 ,
3
2
, 1
2
1
,
6
1
,
2
1
, 0
x daca
x daca
x daca
x daca
x X P x F
care are graficul n fig. 3.1.

Definiia 3.34. Numim funcie de repartiie ataat vectorului aleator bidimensional
( ), ,Y X U = funcia
( ) ( ) ( ) . , ), , , :
2 2
R R, R e < < = y x y Y x X P y x F prin definita F

fig.3.1.

Observaia 3.35. Proprietile de la funcia de repartiie pentru o variabil aleatoare le
regsim i la funcia de repartiie a unui vector aleator bidimansional, anume
(1) pentru orice ( )e y x, R
2
, avem c ( ) , 1 , 0 s s y x F
(2) pentru orice a < b, avem c
( ) ( ) ( ) ( ) ( ), , , , , , c a F c b F d a F d b F d Y c b X a P + = < s < s
(3) funcia ( ) y x F , este nedescresctoare n raport cu fiecare argumant,
y


1

8
7

24
11

12
1

0 1 2 3
x
34
(4) ( ) ( ) ( ) , 0 , lim , lim , lim = = =


y x F y x F y x F
y
x y x

( ) , 1 , lim =
+
+
y x F
y
x

(5) funcia ( ) y x F , este continu la stnga n raport cu fiecare argumant.

Observaia 3.36. Dac vactorul aleator bidimensional ( ) Y X U , = are funcia de
repartiie F, iar variabilele aleatoare componente X i Y au respectiv funciile de
repartiie
X
F i
Y
F , atunci avem c
( ) ( ) ( ) ( ). , lim , lim x F y x F si y F y x F
X
y
Y
x
= =
+ +

Definiia 3.37. Fie variabila aleatoare X avnd funcia de repartiie F. Vom spune c X
este variabil aleatoare de tip continuu, dac funcia de repartiie F se poate
reprezenta sub forma
( ) ( ) R, e =
}

x orice pentru dt t x F
x
,
funcia R, R : numindu-se densitate de probabilitate a variabilei aleatoare X.

Propoziia 3.38. Fie variabila aleatoare X de tip continuu, avnd funcia de repartiie F i
densitatea de probabilitate , atunci sunt adevrate urmtoarele afirmaii:
(1) pentru orice R, e x avem c ( ) , 0 > x
(2) ( ) ( ) R, pe t p a x x F . . . , ' =
(3) pentru a < b, avem c ( ) ( ) ,
}
= < s
b
a
dx x b X a P
(4) ( ) . 1 =
}
+

dx x
Cele patru proprieti rezult imediat din Propoziia 3.31.
Observaia 3.39. Dac variabila aleatoare X este de tip continuu, atunci ( ) , 0 = = a X P
pentru orice R e a . Prin urmare, n acest caz avem c
35
( ) ( ) ( ) ( )
( ) .
}
=
= s s = < < = s < = < s
b
a
dx x
b X a P b X a P b X a P b x a P

Observaia 3.40. Dac variabila aleatoare X de tip continuu are funcia de repartiie F i
densitatea de probabilitate, atunci se poate scrie succesiv
( ) ( )
( ) ( ) ( )
. lim lim '
0 0
x
x x X x P
x
x F x x F
x F x
x x
A
A + < s
=
A
A +
= =
A A

Aadar, cnd x A este mic, avem c ( ) ( ) . x x x x X x P A ~ A + < s

Definiia 3.41. Fie vectorul aleator ( ) Y X U , = avnd funcia de repartiie F. Spunem c
U este vector aleator de tip continuu, dac funcia de repartiie F se poate reprezenta
sub forma
( ) ( ) ( ) , , , , ,
2
R e =
} }

y x orice pentru dsdt t s y x F
x y

funcia R, R
2
: numindu-se densitate de probabilitate a vectorului aleator U.

Observaia 3.42. Dac vectorul aleator ( ) Y X U , = este de tip continuu, avnd funcia
de repartiie F i densitatea de probabilitate , iar variabilele aleatoare componente X
i Y au respectiv densitile de probabiliate
X
i
Y
, atunci
(1) pentru orice ( ) , ,
2
R e y x avem c ( ) , 0 , > y x
(2)
( )
( ) , . . . , ,
,
2
2
R pe t p a y x
y x
y x F
=
c c
c

(3) pentru orice ,
2
R c D avem ( ) ( ) ( )
}}
= e
D
dxdy y x D Y X P , , ,
(4) ( )
}}
=
2
R
, 1 , dxdy y x
(5) ( ) ( )
}
+

= dxdy y x x
X
, i ( ) ( )
}
+

= dxdy y x y
Y
, .

36
Observaia 3.43. Ca i la variabilele aleatoare de tip discret i la cele de tip continuu
exist clase de variabile aleatoare. Forma cea mai general a densitii de
probabilitate a unei variabile aleatoare din clasa respectiv, ne d o lege de
probabilitate de tip continuu.

Definiia 3.44. spunem c variabila aleatoare X urmeaz legea uniform pe intervalul
[a,b], dac are densitatea de probabilitate
( )
| |
| |

e
e

=
. , , 0
, , ,
1
b a x daca
b a x daca
a b
x
Observaia 3.45. Funcia de repartiie pentru variabila aleatoare X, ce urmeaz legea
uniform pe intervalul [a,b] este

( ) ( )

>
s <

s
= =
}

. , 1
, ,
, , 0
b x daca
b x a daca
a b
a x
a x daca
dt t x F
x

Definiia 3.46. Spunem c vectorul aleator ( ) Y X U , = urmeaz legea uniform pe
domeniul ,
2
R c D dac are densitatea de probabilitate
( )
( )
( )
( )

e
e
=
. , , 0
, , ,
1
,
D y x daca
D y x daca
D aria
y x
Observaia 3.47. Dac | | | |, , , d c b a D = atunci
( )
( )( )
( )
( )

e
e

=
. , , 0
, , ,
1
,
D y x daca
D y x daca
c d a b
y x
De asemena, n acest caz, folosind Observaia 3.42, punctul (5), avem c
( ) ( )
| |
| |

e
e

= =
}
+

, , , 0
, , ,
1
,
b a x daca
b a x daca
a b
dy y x x
X

adic variabila aleatoare X urmeaz legea uniform pe intervalul | | b a, . In mod
anolog, se arat c variabila aleatoare Y urmeaz legea uniform pe intervalul | | d c, .
37
Definiia 3.48. Spunem c variabila aleatoare X urmeaz legea normal (legea lui Gauss)
de parametrii R e m i , 0 > o notm aceasta prin ( ), , o m N dac are densitatea de
probabilitate
( )
( )
R. e
t o
=
o

x orice pentru e x
m x
,
2
1
2
2
2


Observaia 3.49. Reprezentarea grafic a densitii de probabilitate , este dat n fig.
3.2. Curba ce reprezint graficul lui poart denumirea de curba lui Gauss i care
modeleaz foarte multe din fenomenele aleatoare.

fig.3.2.

Observaia 3.50. Dac variabila aleatoare X urmeaz legea normal ( ), , o m N atunci
funcia de repartiie F este dat prin
( ) ( )
( )
R, e
t o
= =
} }

o


x orice pentru dt e dt t x F
x m t x
,
2
1 2
2
2

i are graficul dat n fig.3.3.
y
t o 2
1

o + o m m m
38


fig.3.3.

Observaia 3.51. Dac variabila aleatoare X urmeaz legea normal ( ), 1 , 0 N atunci
spunem c urmeaz legea normal redus.

Observaia 3.52. Pentru calculul valorilor funciei de repartiie se folosete formula
( ) ,
2
1
|
.
|

\
|
o

u + =
m x
x F unde funcia u se numete funcia lui Laplace i este definit
prin
( ) R. e
t
= u
}

x orice pentru dt e x
x t
0
2
,
2
1
2

Intr-adevr, dac se face schimbarea de variabil , u
m t
=
o

se poate scrie succesiv


y
m
1
2
1

0
39
( )
( )
.
2
1
2
1
2
1
2
1
2
1
0
2
0
2
2 2
2 2
2
2
2
|
.
|

\
|
o

u + =
=
t
+
t
=
=
t
=
t o
=
} }
} }
o

m x
du e du e
du e dt e x F
m x
u u
x
m x
u m t


Observaia 3.53. Funcia lui Laplace u este tabelat n Anexa I, pentru argumente
pozitive. Dac x < 0, atunci ( ) ( ). x x u = u

Definiia 3.54. Spunem c variabila aleatoare X urmeaz legea exponenial de
parametru , 0 > dac are densitatea de probabilitate
( )

s
>
=

. 0 , 0
, 0 ,
x daca
x daca e
x
x


Definiia 3.55. Variabila aleatoare X urmeaz legea gamma, dac are densitatea de
probabilitate
( )
( )

s
>
I
=

. 0 , 0
, 0 ,
1
1
x daca
x daca e x
b a
x
b
x
a
a

cu parametrii a, b >0, iar ( ) a I este funcia lui Euler de spea a doua, adic
( )
}


= I
0
1
. dx e x a
x a


Observaia 3.56. In cazul particular ,
1
, 1

= = b a se obine legea exponenial.



Definiia 3.57. Variabila aleatoare X urmeaz legea
2
_ (hi - ptrat), dac are
densitataea de probabilitate

40
( )

s
>
o |
.
|

\
|
I
=
o

. 0 , 0
, 0 ,
2
2
1 2
2
1
2
2
x daca
x daca e x
n
x
x n
n
n

unde parametrul , 0 > o iar N e n , i poart numele de numrul gradelor de libertate.

Observaia 3.58. Legea
2
_ denumit i legea Herbert Pearson, este un caz
particular al legii gamma, anume, pentru
2
n
a = i . 2
2
o = b

Definiia 3.59. Variabila aleatoare X urmeaz legea Student (Gosset) cu n grade de
libertate, dac are densitatea de probabilitate
( ) R. e
|
|
.
|

\
|
+
|
.
|

\
|
I t
|
.
|

\
| +
I
=
+

x pentru
n
x
n
n
n
x
n
, 1
2
2
1
2
1
2

Observaia 3.60. In cazul particular , 1 = n se obine legea lui Cauchy, care are
densitatea de probabilitate
( )
( )
R. e
+ t
= x orice pentru
x
x ,
1
1
2


Definiia 3.61. Variabila aleatoare X urmeaz legea beta, dac are densitatea de
probabilitate
( )
( )
( ) | |
| |

e
e
=

. , , 0
, , , 1
,
1
1 1
b a x daca
b a x daca x x
b a B
x
b a

cu parametrii , 0 , > b a unde ( ) b a B , este funcia lui Euler de spea nti, adic
( ) ( ) . 1 ,
1
0
1 1
}

= dx x x b a B
b a



41
Definiia 3.62. Spunem c variabilele aleatoare X i Y sunt independente, dac
( ) ( ) ( ) ( ) , , , ,
2
R e = y x orice pentru y F x F y x F
Y X

unde funcia F este funcia de repartiie a vectorului aleator ( ) Y X U , = , iar
X
F i
respectiv
Y
F sunt funcile de repartiie ale variabileleo aleatoare componente X i Y.

Observaia 3.63. Definiia 3.62. pentru cazul discret este echivalent cu Definiia
3.21.

Proprietatea 3.64. Fie variabilele aleatoare X i Y de tip continuu, atunci X i Y sunt
independente dac i numai dac are loc
( ) ( ) ( ) , . . . , ,
2
R pe t p a y x y x
Y X
=
unde este densitatea de probabilitate a vectorului aleator ( ) Y X U , = , iar
X
i
Y

sunt respectiv densitile de probabilitate ale variabilelor aleatoare X i Y.

Demonstraie. Dac variabilele aleatoare X i Y sunt independente, conform
Definiiei 3.62., avem c ( ) ( ) ( ). , y F x F y x F
Y X
= Dac derivm aceast relaie n
raport cu x i respectiv y, rezult c
( )
( )
( ) ( ), ' '
,
,
2
y x F F
y x
y x F
y x
Y X Y X
= =
c c
c
=
deci ( ) ( ) ( ). y x y x
Y X
= ,
Afirmaia invers rezult din scrierea succesiv
( ) ( ) ( ) ( )
( ) ( ) ( ) ( ),
, ,
y F x F dt t ds s
dsdt t s dsdt t s y x F
Y X
y
Y
x
x
x y
Y X
x y
= =
= = =
} }
} } } }



deci ( ) ( ) ( ) ( ) . , , ,
2
R e = y x orice pentru y F x F y x F
Y X


Propoziia 3.65. Dac vectorul aleator ( ) Y X U , = are densitatea de probabilitate ,
atunci densitatea de probabilitate
Z
a variabilei aleatoare Y X Z + = este dat prin
42
( ) ( ) R. e =
}
+

x orice pentru du u x u x
Z
, ,
Demonstraie. Scriem funcia de repartiie
Z
F a variabilei aleatoare Z, anume
( ) ( ) ( ) ( )
}}
< +
= < + = < =
x v u
z
dudv v u x Y X P x Z P x F . ,
Domeniul de integrare pe care se ia inegral dubl este cel haurat n fig.3.5.


fig.3.5.

Astfel avem ( ) ( ) , , du dv v u x F
u x
Z
} }
+

= care prin derivare conduce la


( ) ( ) ( ) ( ) . , , '
} } }
+

+


=
(

c
c
= = du u x u du dv v u
x
x F x
u x
Z Z

Prin urmare avem c ( ) ( )
}
+

= , , du u x u x
Z


Observaia 3.66. Dac variabilele aleatoare X i Y sunt independentes, atunci
( ) ( ) ( ), y x y x
Y X
= , prin urmare
v
x
43
( ) ( ) ( ) R. e u =
}
+

x orice pentru du u x u x
Y X Z
,
Observaia 3.67. Analog se arat c dac XY V = i ,
Y
X
W = iar este densitatea
de probabilitate a vectorului aleator ( ) Y X U , = , atunci
( ) R, e
|
|
.
|

\
|
=
}
+

x orice pentru
u
du
y
x
u x
V
, ,
respectiv
( ) ( ) R. e =
}
+

x orice pentru du u u xu x
W
, ,

Proprietatea 3.68. Fie variabila aleatoare X cu densitatea de probabilitate
X
i
funcia R, R : g strict monoton, atunci variabila aleatoare ( ) X g Y = are
densitatea de probabilitate dat prin
( )
( ) ( )
( ) ( )
.
'
1
1
x g g
x g
x
X
Y

=

Demonstraie. Dac funcia g este strict cresctoare, avem c
( ) ( ) ( ) ( ) ( ) ( ),
1
x g X P x X g P x Y P x F
Y

< = < = < =


adic ( ) ( ) ( ).
1
x g F x F
X Y

= Prin derivare rezult


( ) ( ) ( ) ( ) ( ) ( )
( ) ( )
( ) ( ).
'
1
' ' '
1
1
1 1
x g
x g g
x g F x g x F x
X X Y Y


= = =
Deoarece funcia g este cresctoare, avem , 0 ' > g deci
( )
( ) ( )
( ) ( )
.
'
1
1
x g g
x g
x
X
Y

=
Analog se procedeaz i cnd funcia g este strict descresctoare.

44
Aplicaia 3.69. Dac , 0 , = + = a b aX Y avem c ( ) b ax x g + = este stict monoton
i are inversa ( ) .
1
a
b x
x g

=

De asemenea, avem c ( ) . ' a x g = Folosind formula de


la proprietatea precedent se obine c
( ) R. e
|
.
|

\
|

= x orice pentru
a
a
b x
x
X
Y
,
























45
4. Caracteristici numerice asociate variabilelor aleatoare



Definiia 4.1. Fie variabila aleatoare X de tip discret, avnd distribuia .
I i
i
i
p
x
X
e
|
|
.
|

\
|

Numim valoare medie (speran matematic ), caracteristica numeric
( ) .

e
=
I i
i i
p x X M

Observaia 4.2. Dac variabila aleatoare X este simpl, adic are un numr finit de
valori, atunci valoarea medie exist.
Dac mulimea de indici I este infinit numrabil, valoarea medie exist cnd
seria care o definete este absolut convergent.

Exemplul 4.3. Fie variabila aleatoare X ce urmeaz legea binomial, adic are
distribuia
( )
( ) . , ,
,
, 0
k n k k
n
n k
q p C k n P unde
k n P
k
X

=
=
|
|
.
|

\
|

Pentru a calcula valoarea medie a variabilei aleatoare X, scriem succesiv
( ) ( )
( ) .
,
1
1
0
1
1
1
1 1
1
1 1
1
1
0

= =

=
+ = = =
= = = =


n
n
k
k n k k
n
n
k
k n k k
n
n
k
n
k
k n k k
n
k n k k
n
n
k
q p np q p C np q p C np
q p C
k
n
k q p kC k n kP X M

In irul de egaliti scrise, s-a folosit formula de recurent pentru numrul de
combinri
1
1

=
k
n
k
n
C
k
n
C i formula binomului lui Newton. Dac se tine seama de
faptul c , 1 = + q p rezult c ( ) . np X M =

Exemplul 4.4 Se consider variabila aleatoare X ce urmeaz legea lui Poisson, adic
are distribuia
46
( )
,
,... 2 , 1 , 0 =
|
|
.
|

\
|

k
k
p
k
X unde ( ) . 0 ,
!
>

=

e
k
p
k
k

Putem scrie succesiv
( ) ( )
,
! )! 1 (
! !
1 0
1
1 0 1
= =

=
=

= =

=

k k
k k
k
k
k k
k
k
e e
k
e
k
e
k
k e e
k
k kp X M

deci ( ) . = X M

Propozitia 4.5 Valoarea medie posed urmtoarele proprieti:
(1) ( ) ( ) R, e + = + b a orice pentru b X aM b aX M , ,
(2) ( ) ( ) ( ), Y M X M Y X M + = +
(3) dac variabilele aleatoare X i Y sunt independente, atunci
( ) ( ) ( ). Y M X M XY M =

Demonstraie. Vom considera variabilele aleatoare X i Y de tip discret cu
distribuiile


, ,
J j
j
j
I i
i
i
q
y
Y
p
x
X
e
e
|
|
.
|

\
|
|
|
.
|

\
|

pentru care exist ( ) X M i ( ). Y M
(1) Scriem succesiv
( ) ( ) ( )
( ) , b X aM p b p x a
bp p ax p b ax b aX M
I i
i
I i
i i
I i
i i i
I i
i i
+ = + =
= + = + = +


e e
e e

de unde ( ) ( ) . b X aM b aX M + = +
(2) Dac variabilele aleatoare X i Y au distribuiile, precizate mai sus, atunci
variabila aleatoare Y X + are distribuia
47
( ). , ,
) , (
j i ij
J I j i
ij
j i
y Y x X P p unde
p
y x
Y X = = =
|
|
.
|

\
| +
+
e

Prin urmare, avem c
( ) ( )


e e e e
e e e e e e
+ =
= + = + = +
I i I i J j
ij j
J j
ij i
I i I i J j
ij j
J j
ij i
I i J j
ij j i
p y p x
p y p x p y x Y X M
). ( ) (

Tinnd seama de Observaia 3.24, se obine c
( ) ( ) ( ). Y M X M q y p x Y X M
J j
j j
I i
i i
+ = + = +

e e

(3) Avnd n vedere c variabilele aleatoare X i Y sunt independente, se obine
distribuia variabilei aleatoare produs
( )
.
, J I j i
j i
j i
q p
y x
XY
e
|
|
.
|

\
|

Aadar, putem scrie sucesiv
( ) ( ) ( ), Y M X M q y p x q p y x XY M
J j
j j
I i
i i
I i J j
j i j i
=
|
|
.
|

\
|
|
.
|

\
|
= =

e e e e

adic ( ) ( ) ( ). Y M X M XY M =
Observaia 4.6. Dac n propoziia precedent, la punctul (1) se ia 0 = a , atunci
se obine c valoarea medie a unei constante este constanta nsi, iar punctele (2)
i (3) se pot extinde pentru un numr finit de variabile aleatoare.

Definiia 4.7. Numim valoare medie (speran matematic) pentru variabiala
aleatoare X de tip continuu, caracteristica numeric
( ) ( )
}
+

= , dx x x X M
Exemplul 4.8. Fie variabila aleatoare X ce urmeaz legea uniform pe intervalul
| | b a, , adic are densitatea de probabilitate
( )
| |
| |

e
e

=
. , , 0
, , ,
1
b a x daca
b a x daca
a b
x
48
Valoarea medie a variabilei aleatoare X va fi
( ) ( )
} }
+

+
=

= = .
2 2
1 1
2 2
b a a b
a b
dx
a b
x dx x x X M
b
a


Exemplul 4.9. Dac variabila aleatoare X urmeaz legea normal ( ) o , m N ,
atunci are densitatea de probabilitate
( )
( )
R. e =

x orice pentru e x
m x
,
2 2
1 2
2
2o
t

Pentru aceast variabil aleatoare, fcnd schimbarea de variabil
, , du dx
m x
u o
o
=

= avem c
( ) ( )
( )
( )
} }
}
} }
+

+

+ =
= + =
= = =
.
2 2
2
1
2
1
2 2
2
2
2 2
2
2
2
du ue e
m
du e n m
xe dx x x X M
u u
u
m x
t
o
t
o o
t o
t o

o

A doua integral este zero, deoarece funcia ce se integreaz este o funcie impar,
iar intervalul de integrare este simetric fa de origine. Prima integral se cunoate
c este t 2 . Prin urmare avem c ( ) . m X M =

Propoziia 4.10. Valoarea medie posed urmtoarele proprieti:
(1) ( ) ( ) R, e + = + b a orice pentru b X aM b aX M , , ,
(2) ( ) ( ) ( ), Y M X M Y X M + = +
(3) dac variabilele aleatoare X i Y sunt independente, atunci
( ) ( ) ( ). Y M X M XY M =
Demonstraie. (1) Dac notm prin , 0 , = + = a b aX Y atunci, conform
Aplicaiaiei 3.69, avem
49
( ) R. e
|
.
|

\
|
= x orice pentru
a
a
b x
x
X
Y
,


Putem scrie, prin urmare, c
( ) ( ) ( ) ,
1
dx
a
b x
x
a
dx x x Y M b aX M
X Y
} }
+

+

|
.
|

\
|
= = = +
de unde prin schimbrea de variabil , , adu dx
a
b x
u =

= se obine succesiv
( ) ( ) ( ) ( ) ( ) ( ) , b X aM du u b du u u a du u b au b aX M
X X X
+ = + = + = +
} } }
+

+

+


deci ( ) ( ) . b X aM b aX M + = + ,
(2) Dac notm prin , Y X Z + = care are densitatea de probabilitate
Z
, iar
densitatea de probabilitate a vectorului aleator ( ) Y X U , = o notm prin , atunci
( ) ( ) ( ) ( )
} } }
+

+

+

|
|
.
|

\
|
= = = + . , dx du u x u x dx x x Z M Y X M
Z

Facem schimbarea ordinei de integrare, iar apoi efectum schimbarea de variabil
, , dt dx t u x = = i obinem
( ) ( ) ( ) ( )
( ) ( )
( ) ( ) ( ) ( ),
, ,
, ,
X M Y M du u u dt t t
dt du t u u du du t u t
du dt t u u t du dx u x u x Y X M
X Y
+ = + =
=
|
|
.
|

\
|
+
|
|
.
|

\
|
=
=
|
|
.
|

\
|
+ =
|
|
.
|

\
|
= +
} }
} } } }
} } } }
+

+

+

+

+

+

+

+

+

+





deci ( ) ( ) ( ), Y M X M Y X M + = + .
(3) Se arat n mod analog ca relaia de la punctul precedent.

Definiia 4.11. Numim dispersia (variaia) variabilei aleatoare X, caracteristica numeric
( ) ( ) ( ) | |,
2 2
X M X M X D =
50
iar caracteristica numeric ( ) ( ) X D X
2
= o se numete abatereaa medie ptratic
(abatere standard).

Prpoziia 4.12. Dispersia satisface urmtoarele proprieti
(1) ( ) ( ) ( ) | | ,
2 2 2
X M X M X D =
(2) ( ) ( ) R, e = + b a orice pentru X D a b aX D , ,
2 2 2

(3) dac variabilele aleatoare X i Y sunt independente, atunci
( ) ( ) ( ).
2 2 2
Y D X D Y X D + = +
Demonstraie.
(1) Avnd n vedere proprieti ale valorii medii, putem scrie succesiv
( ) ( ) ( ) | | ( ) ( ) ( ) | |
( ) ( ) ( ) ( ) | | ( ) ( ) | | . 2
2
2 2 2 2
2 2 2 2
X M X M X M X M X M X M
X M X XM X M X M X M X D
= + =
= + = =

(2) Se procedeaz analog i se obine
( ) ( ) ( ) | | | |
( ) | | | |
( ) ( ) | | ( ) ( ) | |
( ).
2 2
2 2 2 2
2
2 2
X D a
X M Xx M a X M X a M
b X aM b AX M
b aX M b aX M b aX D
=
= = =
= + =
= + + = +

(3) Deoarece vriabilele aleatoare X i Y sunt independente, rezult succesiv
( ) ( ) | | | |
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) | |
( ) ( ) ( ) ( ) ( ) | | ( )
( ) ( ) ( ) ( ) | | ( ) ( ) ( ). 2
2
2
2 2 2 2
2 2
2 2
2 2
Y D X D Y D Y M X M XY M X D
Y D Y M X M X Y M Y X M XY M X D
Y M Y Y M Y X M X X M X M
Y X M Y X M Y X D
+ = + =
= + + =
= + =
= + + = +


Observaia 4.13. Deoarece ( ) , 0
2
> X D folosind (1), avem c ( ) ( )
2
X M X M s , iar
din (2), considernd 0 = a se obine c dispersia unei constante este zero.

Exemplul 4.14. Fie variabila aleatoare X ce urmeaz legea binomial, adic are
distribuia
51
( )
( ) . , ,
,
, 0
k n k k
n
n k
q p C k n P unde
k n P
k
X

=
=
|
|
.
|

\
|

Pentru a calcula dispersia variabilei X, folosim formula ( ) ( ) ( ) | |
2 2 2
X M X M X D = . Se
tie c ( ) . np X M = Rmne s calculm valoarea medie ( ).
2
X M Pentru aceasta avem
succesiv
( ) ( )
( ) | |
( ) . 1
1
,
1 2
1
0 1
2 2

= =

+ =
= + =
= = =
n
k
k n k k
n
n
k
k n k k
n
n
k
k n k k
n
n
k
n
k
k n k k
n
q p kC q p C k k
q p C k k k
q p C k k n kP X M

Ultima sum este chiar ( ) , np X M = iar cealalt sum se calculeaz aplicnd de dou ori
formula de recuren pentru numrul de combinri, anume
.
1
1
2
2
1
1

= =
k
n
k
n
k
n
C
k
n
k
n
C
k
n
C
Astfel, se poate scrie
( ) ( )
( )
( )
( ) ( ) . 1
1
1
1
1
1
2 2
2
0
2
2
2
2
2
2
2
2
2
2
np q p p n n
np q p C p n n
np q p C n n
np q p C
k
n
k
n
k k X M
n
n
k
k n k k
n
n
k
k n k k
n
n
k
k n k k
n
+ + =
= + =
= + =
= +


Deoarece , 1 = + q p rezult c ( ) ( ) np p n n X M + =
2 2
1 i drept urmare avem
( ) ( ) ( ) | | ( ) ( ) ( ) p np np np p n n X M X M X D = + = = 1 1
2 2 2 2 2
,
deci ( ) .
2
npq X D =

Exemplul 4.15. Dac variabila alatoare X urmeaz legea normal ( ) o , m N , atunci are
densitatea de porbabilitate
( )
( )
R, e =

x orice pentru e x
m x
,
2 2
1 2
2
2o
t

52
iar valoarea medie este ( ) . m X M =
Folosind definiia dispersiei, se scrie
( ) ( ) ( ) | | ( ) | | ( ) ( )
( )
( )
}
}
+

+

=
= = = =
dx e m x
dx x m x m X M X M X M X D
m x
2
2
2
2
2 2 2 2
2
1
o
t o


Pentru calculul integralei facem schimbarea de variabil , , du dx
m x
u o
o
=

= i vom
obine
( )
} }
+

+

= =
0
2
2
2
2
2
2
2
.
2
2
2
2 2
du e u du e u X D
u u
t
o
t
o

Pentru ultima egalitate am avut n vedere c funcia ce se integreaz este funcie par, iar
intervalul de integrare este simetric fa de origine. Mai efectum schimbarea de variabil
, ,
2
2
udu dt
u
t = = ceea ce conduce la
( )
|
.
|

\
|
=
|
.
|

\
|
=
= = =

+

+
} }
2
3
2
1 2
2
3 2
2
2
2
2
2 2
0
1
2
3
2
0
2
2
I I
t
o
t
o
t
o
t
o
dt e t dt e t X D
t t

Dar se tie c ,
2
1
t = |
.
|

\
|
I arfel c ( ) .
2 2
o = X D

Definiia 4.16. Numim moment (iniial) de ordin k pentru variabila aleatoare X,
caracteristica numeric ( ).
k
k
X M = u

Observaia 4.17. Pentru 1 = k avem c ( ),
1
X M = u adic momentul iniial de ordinul
nti este chiar vloarea medie. De asemenea, avem c
( ) ( ) ( ) | | .
2
1 2
2 2 2
u u = = X M X M X D

53
Definiia 4.18. Numim moment centrat de ordinul k al varaibialei aleatoare X,
caracteristica numeric ( ) ( ) | |.
k
k
X M X M =
Observaia 4.19. Pentru 1 = k avem c
( ) | | ( ) ( ) , 0
1
= = = X M x M X M X M
iar pentru 2 = k se obine
( ) ( ) | | ( ).
2 2
2
X D X M X M = =

Proprietatea 4.20. Intre momentele centrate i momentele iniiale exist urmtoarea
relaie
( )

=

=
k
i
i
i k
i
k
i
k
C
0
1
. 1 u u
Demonstraie. Folosind formula binomului lui Newton i avnd n vedere proprietile
valorii medii, se poate scrie
( ) ( ) | | ( ) | | ( )
( ) ( ) ( ) . 1 1
0
1
0
1
0
1 1

=
(

=
=
(

= = =
k
i
i i k i
k
i
k
i
i i k i
k
i
k
i
i i k i
k
k k
k
X M C X C M
X C M X M X M X M
u u
u u

Inlocuindu-se ( )
i k
k
X M

=u
1
i reinnd extremitile acestui ir de egaliti se obine
relaia enunat.

Observaia 4.21. In statistica matematic se utilizeaz de regul momente centrate pn
la ordinul patru, pentru care avem:

. 3 6 4
, 2 3
,
, 0
4
1 2
2
1 2 1 4 4
3
1 2 1 3 3
2
1 2 2
1
u u u u u u
u u u u
u u

+ =
+ =
=
=


Exemplul 4.22. Vrem s calculm momentele centrate ale variabilei aleatoare X ce
urmeaz legea normal ( ) o , m N . Se tie c variabila aleatoare X are media ( ) m X M = i
are densitatea de probabilitate
54
( )
( )
R. e =

x orice pentru e x
m x
,
2 2
1 2
2
2o
t

Momentul centrat de ordinul k se calculeaz cu formula
( ) ( ) | | ( ) | | ( ) ( )
( )
( )
.
2
1 2
2
2
dx e m x
dx x m x m X M X M X M
m x
k
k
k k
k
o
t o

+

+

}
}
=
= = = =


Pentru calculul acestei integrale, facem schimbarea de variabil dat prin relaia
2 o
m x
u

= , du dx 2 o = .Astfel obinem c:

( )
( )
.
2
2 2
2
1 2 2
du e u du e u
u k
k
u
k
k

+

} }
= =
t
o
o o
t o


Se observ c pentru k impar, adic k = 2r-1, funcia care se integreaz este funcie
impar, iar intervalul de integrare este simetric fa de origine, drept urmare integrala este
zero, deci . 0
1 2
=
r

Pentru k=2r, funcia care se integreaz este funcie par, deci
( )
.
2
2
2
2
2
2
du e u
u r
r
r

+

}
=
t
o

n aceast integral se face schimbarea de variabil dt udu u t = = 2 ,
2
.Astfel se obine
( )
( ) .
2 2
2
1
2
1 2 2
2
dt e t dt e t
t
r
r r
t
r r
r

+

} }
= =
t
o
t
o

Cunoatem c funcia gamma a lui Euler este definit prin
( ) ,
0
1
dx e x a
x a

}
= I pentru orice a > 0.
i c verific relaia de recuren ( ) ( ) ( ), 1 1 = a a a I I iar pe de alt parte .
2
1
t = |
.
|

\
|
I
Folosind aceste rezultate putem scrie succesiv
55
( )( )
( ) . ! ! 1 2
2
1 3 2 1 2 2
2
1
2
1
2
3
2
1 2
2
1 2
2
2
2 2
2
r
r
r r
r r r r
r
r
r r
r
r r
r
r
r
o t
o
o o

=

=
= |
.
|

\
|
|
.
|

\
|
|
.
|

\
|
= |
.
|

\
|
+ =

I I

In concluzie
( )

=
=
=
. 2 , ! ! 1 2
, 1 2 , 0
2
r k pentru r
r k pentru
r r
o


Definiia 4.23. Numim moment (iniial) de ordinul ( ) s r, al vectorului aleator
( ) Y X U , = , caracteristica numeric ( ),
s r
rs
Y X M = u i de asemenea numim moment
(centrat) de ordinul ( ) s r, al vectorului aleator ( ) Y X U , = , caracteristica numeric
( ) ( ) ( ) ( ) | |.
s r
rs
Y M Y X M X M =

Observaia 4.24. Prin particularizri ale lui r i s avem:
( ) X M =
10
u i ( ),
01
Y M = u respectiv
( ) ( ) | | ( ) X D X M X M
2 2
20
= = i
( ) ( ) | | ( ).
2 2
02
Y D Y M Y M = =

Definiia 4.25. Numim corelaia sau covariana dintre variabilele aleatoare X i Y,
caracteristica numeric
( ) ( ) ( ) ( ) ( ) | | ( ) . , , ,
11
= = Y X C adica Y M Y X M X M Y X C

Observaia 4.26. Dac se aplic proprietile valorii medii, avem c
( ) ( ) ( ) ( ) ( ) | |
( ) ( ) ( ),
,
Y M X M XY M
Y M X M X Y M Y X M XY M Y X C
=
= + =

adic ( ) . ,
01 10 11
u u u = Y X C
Observaia 4.27. Dac variabilele aleatoare X i Y sunt independente, atunci
( ) ( ) ( ), Y M X M XY M = deci ( ) . 0 , = Y X C

56
Definiia 4.28. Numim coeficient de corelaie dintre variabilele aleatoare X i Y,
caracteristica numeric
( )
( )
( ) ( )
( ) ( ) ( )
( ) ( )
.
,
,
2 2
Y X
Y M X M XY M
Y D X D
Y X C
Y X r
o o

= =

Observaia 4.29. Din Observaia 4.27 avem c dac varibilele aleatoare X i Y sunt
independente, atunci ( ) . 0 , = Y X r
De asemenea, dac ( ) 0 , = Y X r vom spune c variabilele aleatoare sunt
necorelate, ceea ce nu este echivalent cu independena variabileleor aleatoare.

Propoziia 4.30. Coeficientul de corelaie satisface urmtoarele proprieti:
(1) ( ) 1 , s Y X r sau ( ) , 1 , 1 s s Y X r
(2) ( ) 1 , = Y X r dac i numai dac . b aX Y + =
Demonstarie.
(1) S consider varibila aleatoare definit prin
( ) ( ) ( ) ( ) . , , oarecari b a cu Y M Y b X M X a Z R e + =
Astfel avem c ( ) 0
2
> Z M pentru orice R e b a, .
Pe de alt parte putem scrie
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) | |
( ) ( ) ( ), , 2
2
2 2 2 2
2 2 2 2 2
Y D b Y X abC X D a
Y M Y a Y M Y X M X ab X M X a M Z M
+ + =
= + + =

pentru orice R e b a, .
Rezult c discriminantul ( ) | | ( ) ( ) . 0 ,
2 2 2
s = Y D X D Y X C A Prin urmare, se obine c
( ) | | ( ) ( ) Y D X D Y X C
2 2 2
, s sau
( ) | |
( ) ( )
, 1
,
2 2
2
s
Y D X D
Y X C
adic
( )
( ) ( )
. 1
,
2 2
s
Y D X D
Y X C

Astfel s-a ajuns la ( ) 1 , s Y X r sau ( ) . 1 , 1 s s Y X r
(2) Considerm variabile aleatoare normate reduse
57
( )
( )
( )
( )
, ' '
2 2
Y D
Y M Y
Y si
X D
X M X
X

=

=
pentru care avem ( ) ( ) ( ) ( ) ( ) ( ) 1 ' ' , 1 ' , 0 ' , 0 '
2 2 2 2
= = = = = = Y M Y D X M X D Y M X M i
( ) . 1 ' ' = Y X M
Pe de alt parte, considernd variabilele aleatoare , ' ' Y X dup cum
( ) , 1 , = Y X r avem c
( ) | | ( ) ( ) ( )
( ) . 0 1 1 2 1
' ' ' 2 ' ' ' 0
2 2 2
= + =
= + = s

Y M Y X M X M Y X M

Din acest ir de relaii se obine c ( ) | | , 0 ' '
2
= Y X M prin urmare , 0 ' ' = Y X de unde
rezult c b aX Y + = , unde constantele R e b a, pot fi determinate.
Invers, dac b aX Y + = , 0 = a , atunci
( )
( ) | | ( ) ( )
( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( )
( ) ( ) ( ) | |
( )
,
,
2
2 2
2 2
2 2
2 2
a
a
X D a
X M X M a
b aX D X D
X bM X M a X bM X aM
b aX D X D
b aX M X M b aX X M
b aX X r
=

=
=
+
+
=
=
+
+ +
= +

de unde ( ) 1 , = Y X r , dup cum 0 > a , respectiv . 0 < a

Exemplul 4.31. Fie variabilele aleatoare X i Y, care verific relaia , 1 = XY iar variabila
aleatoare X are distribuia
( ) ( ) ( )
,
1
1
1
2
1
1
1
1
1
2 2 2
|
|
|
|
.
|

\
|

n n n
n
n
X
unde . 3 > e n n N,
Deoarece , 1 = XY adic ,
1
X
Y = avem distribuia variabilei Y dat prin

58
( ) ( ) ( )
,
1
1
1
2
1
1
1
1
1
2 2 2
|
|
|
|
.
|

\
|

n n n
n
n
Y
Vom calcula coeficientul de corelaie dintre X i Y. Pentru aceasta avem
( )
( ) ( ) ( )
n
n
n
n n
n
X M
1
1
1
1
1
2
1 1
1
1 1
2 2 2
+ =

+
|
|
.
|

\
|

=
i de asemenea, ( ) .
1
1
n
Y M + =
Pentru a calcula dispersiile X i Y, calculm
( )
( ) ( ) ( )
.
1
1
1
1
1
2
1 1
1
1 1
2
2
2
2
2
2 2
2
|
.
|

\
| +
+ =

+
|
|
.
|

\
|

=
n
n
n
n
n n n
X M
In mod analog, avem c ( ) .
1
1
2
2
|
.
|

\
| +
+ =
n
n
Y M
Prin urmare, obinem c
( ) ( ) ( ) | | 1
1
1
1
1
2 2
2 2 2
=
|
.
|

\
|
+
|
.
|

\
| +
+ = =
n n
n
X M X M X D
i n mod analog ( ) . 1
2
= Y D
Mai avem c ( ) ( ) 1 1 = = M XY M .
Astfel, n final, se ajunge la
( )
( ) ( ) ( )
( ) ( )
.
1 2 1
1 1 ,
2
2
2 2
n
n
n
Y D X D
Y M X M XY M
Y X r
+
= |
.
|

\
|
+ =

=

Definiia 4.32. Numim mediana unei variabile aleatoare X, caracteristica numeric m,
care satisface condiia
( ) ( ).
2
1
m X P m X P s s > >
Observaia 4.33. Dac F este funcia de repartiie a variabilei aleatoare X, atunci
( ) ( ) ( ) m F m X P m X P = < = > 1 1 i ( ) ( ). 0 + = s m F m X P Prin urmare, condiia din
definiia medianei se poate pune sub forma echivalent ( ) ( ) 0
2
1
+ s s m F m F .
59
Ca o consecin a acestei scrieri, avem c dac F este continu, atunci mediana m
este dat de ecuaia ( ) .
2
1
= m F
Observaia 4.34. Madiana unei variabile aleatoare poate avea o infinitate de valori, n
cazul n care dreapta de ecuaie
2
1
= y i curba de ecuaie ( ) x F y = au n comun un
segment, deci graficele acestora coincid pe un interval, s zicem ( |. , b a . In acest caz, de
regul, se ia .
2
b a
m
+
=
Definiia 4.35. Numim valoare modal sau modul variabilei aleatoare X, orice punct de
maxim local al distribuiei lui X (n cazul discret), respectiv al densitii de probabilitate
(n cazul continuu).

Observaia 4.36. Dca exist o singur vloare modal pentru variabila aleatoare X, vom
spune c aceasta este uninominal, iar dac exist dou sau mai multe valori modale o
numim bimodal, respectiv plurimodal.

Definiia 4.37. Numim asimetria variabilei aleatoare X, caracteristica numeric definit
prin .
3
3
o

= s
Observaia 4.38. Dac variabila aleatoare X urmeaz legea normal ( ) o , m N , atunci
. 0 = s De asemenea, pentru o lege unimodal, dac 0 < s , atunci ordonata maxim a
disribuiei corespunde unei abcise mai mari dect valoarea medie, iar dac 0 > s
fenomenul este invers.

Definiia 4.39. Numim exces al variabilei aleatoare X, caracteristica numeric dat prin
. 3
4
4
=
o

e

Observaia 4.40. Dac variabila aleatoare X urmeaz legea normal ( ) o , m N , atunci
. 0 = e De aseaenea, pentru o lege unimodal, dac , 0 < e atunci graficul distribuiei are
60
un aspect turtit, n raport cu legea normal, i se numete platicurtic, iar dac 0 > e ,
atunci are un aspect ngustat (ascuit), n raport cu legea normal, caz n care se numete
leptocurtic.






5. Siruri de variabile aleatoare. Legea numerilor mari.
Teoreme limit.


Teorema 5.1. (Inegalitatea lui Cebev). Dac variabila aleatoare X are valoare medie
i dispersie, atunci pentru orice , 0 > c are loc inegalitatea
( ) ( )
( )
, 1
2
2
c
c
X D
X M X P > <
care este echivalent cu
( ) ( )
( )
.
2
2
c
c
X D
X M X P s >
Demonstraie. Vom considera cazul cnd variabila aleatoare X este de tip continuu,
adic are densitatea de probabilitate . In cazul discret, demonstraia urmeaz aceeai
cale.
De asemenea, ne ocupm numai de a doua form a inegalitii.
Din proprietile densitii de probabilitate avem c
( ) ( ) ( )
( )
}
>
= >
c
c
X M x
dx x X M X P .
Deoarece ( ) , c > X M x avem c
( ) ( )
, 1
2
2
>

c
X M x
prin urmare, putem face
urmtoarele majorri:
61
( ) ( )
( ) ( )
( )
( )
( ) ( ) ( )
( )
( ) ( ) ( ) ( ).
1 1
1
2
2
2
2
2
2
2
2
X D dx x X M x
dx x X M x
dx x
X M x
X M X P
X M x
X M x
c

c
c
c
c
}
}
}
+

>
>
= =
s =
=

s >

Reinnd extremitile acestuii ir de relaii avem c
( ) ( )
( )
,
2
2
c
c
X D
X M X P s >
adic a doua form a inegalitii lui Cebev.
Din aceast form a inegalitii se obine cealalt, dac se folosete probablitatea
evenimentului contrar, adic
( ) ( ) ( ) ( ). 1 c c < = > X M X P X M X P

Observaia 5.2. Dac n inegalitatea lui Cebev se ia , o c k = unde ( ),
2
X D = o atunci
aceasta devine
( ) ( ) .
1
2
2
k
k
k X M X P

> < o
Astfel, pentru 3 = k se obine
( ) ( ) ..., 88 . 0
9
8
3 = > < o X M X P
ceea ce nseamn c probabilitatea ca valorile lui X s se abat de la valoarea medie
( ) X M mai puin de trei ori abaterea standard este nai mare dect .
9
8


Definiia 5.3. Spunem c irul de variabile aleatoare ( )
1 > n n
X converge n probabilitate la
variabila aleatoare X, i vom nota , X X
p
n
dac pentru orice , 0 > c avem c
( ) . 1 lim = <

c X X P
n
n


62
Definiia 5.4. Spunem c irul de variabile aleatoare ( )
1 > n n
X converge n medie de ordin
k la variabila aleatoare X, i vom nota , X X
k
m
n
dac
( ) . 0 lim =

k
n
n
X X M

Observaia 5.5. In cazul particular , 2 = k avem ceea ce numim convergena n medie
ptratic. Aadar, aceasta are loc dac
( ) . 0 lim
2
=

X X M
n
n


Definiia 5.6. Spunem c irul de variabile aleatoare ( )
1 > n n
X converge n repartiie la
variabila aleatoare X, i vom nota , X X
r
n
dac avem c ( ) ( ), lim x F x F
n
n
=

unde
n
F
i F sunt respectiv funciile de repartiie ale variabilelor aleatoare
n
X i X, iar limita
considerat exist pentru orice punct de continuitate R e x al funciei F.

Observaia 5.7. Se arat c dac , X X
k
m
n
atunci , X X
p
n
care la rndul su
implic . X X
r
n

De asemenea, avem c dac , a X
r
n
pentru R e a , atunci . a X
p
n


Definiia 5.8. Spunem c irul de varibile aleatoare ( )
1 > n n
X urmeaz legea (slab) a
numerelor mari, dac pentru orice 0 > c avem c
( ) , 1
1 1
lim
1 1
=
|
|
.
|

\
|
<

= =

c
n
k
k
n
k
k
n
X M
n
X
n
P
adic
( ) . 0
1 1
1 1


= =
p
n
k
k
n
k
k
X M
n
X
n


Teorema 5.9. (Markov). Dac irul de variabile aleatoare ( )
1 > n n
X verific condiia (lui
Markov)
63
, 0
1
lim
1
2
2
= |
.
|

\
|

=

n
k
k
n
X D
n

atunci aceasta urmeaz legea numerelor mari, adic
( ) , 1
1 1
lim
1 1
=
|
|
.
|

\
|
<

= =

c
n
k
k
n
k
k
n
X M
n
X
n
P
oricare ar fi . 0 > c
Demonstraie. Se utilizeaz inegalitatea lui Cebev pentru variabila aleatoare

=
=
n
k
k
X
n
X
1
,
1
anume
( ) ( ) ( )
.
1
1
1 1
1
1
2
2 2
1 1
|
.
|

\
|
>
>
|
|
.
|

\
|
< = < >


=
= =
n
k
k
n
k
k
n
k
k
X D
n
X M
n
X
n
P X M X P
c
c c

Trecnd la imit n dubla inegalitate, astfel obinut, i avnd n vedere condiia lui
Markov, rezult c
( ) . 1
1 1
lim
1 1
=
|
|
.
|

\
|
<

= =

c
n
k
k
n
k
k
n
X M
n
X
n
P

Teorema 5.10. (Cebev). Fie irul ( )
1 > n n
X de variabile aleatoare independente dou
cte dou i care au dispersiile egal mrginite, adic ( ) L X D
n
s
2
(L finit), atunci irul
urmeaz legea numerelor mari, adic
( ) , 1
1 1
lim
1 1
=
|
|
.
|

\
|
<

= =

c
n
k
k
n
k
k
n
X M
n
X
n
P
oricare ar fi . 0 > c
Demonstraie. Deoarece variabilele aleatoare sunt independente dou cte dou i au
dispersiile egal mrginite, se obine c
( ) .
1 1 1
1
2
1
2
2
1
2
2
n
L
L
n
X D
n
X D
n
n
k
n
k
k
n
k
k
= s = |
.
|

\
|

= = =

Dac se rein extremitile acestui ir de relaii i se trece la limit, rezult c
64
, 0
1
lim
1
2
2
= |
.
|

\
|

=

n
k
k
n
X D
n

deci condiia lui Markov este ndeplinit. Aplicnd teorema lui Markov se obine
afirmaia din teorema lui Cebev.

Observaia 5.11. Dac n teorema lui Cebev, variabilele aleatoare au aceeai valoare
medie, adic ( ) , m X M
n
= atunci avem
, 1
1
lim
1
=
|
|
.
|

\
|
<

=

c
n
k
k
n
m X
n
P
adic

=

n
k
p
k
m X
1
. Prin urmare, media aritmetic a primelor n variabile aleatoare din
irul considerat i pierde caracterul aleator, pentru n .

Teorema 5.12. (Poisson). Dac ntr-un ir de repetri independente ale unui experiment,
probabilitatea de apariie a evenimentului fixat A, la repetarea de rang n, este ( ), A P p
A
=
atunci
, 0 , 1
1
lim
1
> =
|
|
.
|

\
|
<

=

c c orice pentru p
n n
m
P
n
k
k
n

m fiind numrul apariiilor evenimentului A n primele n repetri ale experimentului.
Demonstraie. Fie
k
X variabila aleatoare care ne indic apariia evenimentului A la
repetarea de rang k a experimentului. Atunci, variabila aleatoare
k
X va avea distribuia
( ). 1 ,
0 1
A P p q unde
q p
X
k k
k k
k
= =
|
|
.
|

\
|

Variabilele aleatoare, astfel introduse, sunt independente i au dispersiile egal mrginite,
anume ( ) .
4
1
2
s
k
X D Folosind teorema lui Cebev i avnd n vedere c
,
1

=
=
n
k
k
X m obinem rezultatul din enunul teoremei.

65
Teorema 5.13. (Bernoulli). Dac ntr-un ir de repetri independente ale unui
experiment, probabilitatea de apariie a evenimentului fixat A, la fiecare repetare este
( ), A P p = atunci
, 0 , 1 lim > =
|
|
.
|

\
|
<

c c orice pentru p
n
m
P
n

unde m este numrul apariiilor evenimentului A n primele n repetri ale experimentului.
Demonstraie. Condiiile sunt aceleai cu cele din teorema lui Poisson cu
,... 2 , 1 , = = n p p
n
. Prin urmare, folosind teorema lui Poisson, se obine rezultatul dorit.

Teorema 5.14. (Leapunov). Fie irul ( )
1 > n n
X de variabile aleatoare independente pentru
care exist momentele centrate de ordinul trei i care satisfac condiia (Leapunov)
( ) ( )
( ) ( )
, 0 lim
1
2
3
1
3
=

=
=
n
k
k k
n
k
k k
n
X M X M
X M X M

i fie
( ) ( ) ( ),
1
2
1

= =
=
n
k
k
n
k
k k n
X D X M X Z
atunci irul de variabile aleatoare ( )
1 > n n
Z converge n repartiie la o variabil aleatoare ce
urmeaz legea normal ( ) 1 , 0 N , adic
( )
}


e =
x t
n
n
x orice pentru dt e x F R, ,
2
1
lim
2
2
t

n
F fiind funcia de repartiie a variabilei aleatoare
n
Z .

Observaia 5.15. Problema determinrii legii de probabilitate a variabilei aleatoare
n
Z ,
definit mai sus, cnd n , poart denumirea de problem limit, iar teorema
care rezolv o problem limit se numete teorem limit.
Dac legea de probabilitate limit este normal, atunci avem o teorem limit
central.
66
Prin urmare, teorema lui Leapunov este o teorem limit central i arat rolul
important pe care l are legea normal, ceea ce se va vedea i mai departe, n
statistica matematic.

Corolarul 5.16. Fie irul de variabile aleatoare independente i identic repartizate
( ) ,
1 > n
X adic au aceeai lege de probabilitate, i fie ( ) ( )
2
2 2
, X D X M m
n
= o = i
( ) ( ),
3
3
n n
X M X M = pentru orice N e n , atunci irul variabilelor aleatoare
( ) ,
1 > n n
Z unde
,
1
1
n
m X
n
m X
n
Z
n
k
k
n
o

=
o

=

=

converge n repartiie la o variabil aleatoare ce urmeaz legea normal ( ), 1 , 0 N adic
( )
}


e
t
=
x
t
n
n
x orice pentru dt e x F R, ,
2
1
lim
2
2

n
F fiind funcia de repartiie a variabilei aleatoare
n
Z .
Demonstraie. Vericm dac este ndeplinit condiia din teorema lui Leapunov.
Pentru aceasta avem c
( ) ( )
( ) ( )
. lim lim lim
3
1
2
3
1
3
1
2
3
1
3
o

=
o


=
=

=
=

n
n
X M X M
X M X M
n n
k
n
k
n n
k
k k
n
k
k k
n

Fiind ndeplinit condiia lui Leapunov, avem c
( ) ( )
( )
,
1
1
2
1 1
1
2
1
n
mn X m X
X D
X M X
Z
n
k
k
n
k
n
k
n
k
k
n
k
k
n
k
k k
n
o

=
o

=
=
= =
=
=

adic
67
,
1
1
n
m X
n
Z
n
k
k
n
o

=

=

urmeaz legea normal ( ), 1 , 0 N , cnd n , ceea ce trebuie artat.

Teorema 5.17. (Moivre-Laplace). Dac variabila aleatoare X urmeaz legea binomial,
adic are distribuia
( )
( ) , , ,
,
, 0
k n k k
n
n k
q p C k n P unde
k n P
k
X

=
=
|
|
.
|

\
|

atunci, pentru b a < avem c
}


t
=
|
|
.
|

\
|
<

s
b
a
x
n
dx e b
npq
np X
a P ,
2
1
lim
2
2

adic
.
2
1
2
2
}

t
~
|
|
.
|

\
|
<

s
b
a
x
dx e b
npq
np X
a P
Demonstraie. Dac se consider variabiale aleatoare , , 1 , n k X
k
= independente, cu
aceeai distribuie ,
0 1
|
|
.
|

\
|
q p
X
k

atunci .
1

=
=
n
k
k
X X
Pe de alt parte, avem c ( ) ( ) pq X D p X M
k k
= =
2
, i folosind rezultatul
corolarului precedent, se obine c
,
1
1 1
npq
np X
npq
np X
n
pq
p X
n
Z
n
k
k
n
k
k
n

=

= =

urmeaz legea normal ( ), 1 , 0 N pentru n . Prin urmare, se obine c
}


t
=
|
|
.
|

\
|
<

x
t
n
dt e b
npq
np X
P .
2
1
lim
2
2

68
Folosind acest rezultat, se poate scrie succesiv
}


t
=
=
(
(

|
|
.
|

\
|
<

|
|
.
|

\
|
<

=
|
|
.
|

\
|
<

s
b
a
x
n n
dx e
a
npq
np X
P b
npq
np X
P b
npq
np X
a P
,
2
1
lim lim
2
2


Observaia 5.18. Deoarece , ,..., 1 , 0 , n k k X = = se obinuiete ca formulele din teorema
lui Moivre-Laplace s se scrie
}


t
=
|
|
.
|

\
|
<

s
b
a
x
n
dx e b
npq
np k
a P ,
2
1
lim
2
2

respectiv
.
2
1
2
2
}

t
~
|
|
.
|

\
|
<

s
b
a
x
dx e b
npq
np k
a P

Observaia 5.19. Folosind funcia lui Laplace,
( )
}

t
= u
x
t
dt e x ,
2
1
2
2

tabelat n Anexa I, avem c
( ) ( ). a b b
npq
np k
a P u u ~
|
|
.
|

\
|
<

s

Observaia 5.20. Deoarece funcia lui Laplace este funcie impar, adic ( ) ( ), x x u = u
aceasta trebuie tabelat numai pentru argumente pozitive. Aadar, vom avea
( ) ( )
( ) ( )
( ) ( )

> < u + u
s u u
> u u
~
|
|
.
|

\
|
<

s
. 0 , 0 ,
, 0 ,
, 0 ,
b a daca a b
b daca b a
a daca a b
b
npq
np k
a P

Aplicaia 5.21. Dac se dorete calculul urmtoarei probabiliti ( ), b k a P < s aceasta se
obine din faptul c
69
( ) .
|
|
.
|

\
|

<

= < s
npq
np b
npq
np k
npq
np a
P b k a P
Astfel, rezult c
( ) .
|
|
.
|

\
|

u
|
|
.
|

\
|

u ~ < s
npq
np a
npq
np b
b k a P

Exemplul 5.22. Probabilitatea ca o unitate hotelier s fie ocupat n mod acceptabil
ntr-o zi este 8 . 0 = p . Vrem s calculm probabilitatea ca unitatea respectiv s fie
ocupat acceptabil ntr-o lun de 30 de zile, un numr de zile cuprins ntre 10 i 25.
Dac notm prin k numrul de zile cnd unitatea este ocupat acceptabil, avem de
calculat probabilitatea ( ). 25 10 < s k P Deoarece 10 , 2 . 0 , 8 . 0 , 30 = = = = a q p n i
, 25 = b avem c
( )
( ) ( ). 39 . 6 46 . 0
8 . 4
14
8 . 4
1
8 . 4
24 10
8 . 4
24 25
25 10
u u u u
u u
+ ~
|
|
.
|

\
|
+
|
|
.
|

\
|
=
=
|
|
.
|

\
|

|
|
.
|

\
|
~ < s k P

Din Anexa I se extrag valorile ( ) 1772 . 0 46 . 0 = u i ( ) , 5 . 0 39 . 6 = u deci putem scrie c
( ) 6772 . 0 5 . 0 1772 . 0 25 10 = + ~ < s k P .

Observaia 5.23. (Regula celor trei o ). Dac n formula Moivre-Laplace se consider
, 3 = = a b atunci
( ) ( ) ( ) . 997 . 0 3 2 3 3 3 3 = = ~
|
|
.
|

\
|
<

s u u u
npq
np k
P
Prin urmare, rezult c ( ) 99 . 0 3 > < npq np k P . Deoarece, abaterea medie ptratic a
variabilei aleatoare X ce urmeaz legea binomial este , npq = o avem regula urmtoare
cunoscut sub denumirea de regula celor trei o : probabilitatea ca frecvena absolut k s
se abat de la valoarea medie ( ) np X M = mai puin de trei ori abaterea medie ptratic
este mai mare dect 99 . 0 .

70
Aplicaia 5.24. Dac variabila aleatoare X urmeaz legea hipergeometric, adic are
distribuia
( )
( ) , , ,
,
, 0
n
b a
k n
b
k
a
n k
C
C C
k n P unde
k n P
k
X
+

=
=
|
|
.
|

\
|

atunci pentru b a + i n suficint de mari se obine
( ) ,
|
|
.
|

\
|

|
|
.
|

\
|

~ < s
npq
np a
npq
np b
b k a P u u
unde
b a
a
p
+
=
b a
b
p
+
= . Acest rezultat se bazeaz pe Observaia 3.12.






























71
6. Exerciii i probleme rezolvate


6.1. Se arunc o moned de trei ori. S se determine

a) Spaiul O al probelor,
b) probele care favorizeaz apariia evenimentelor: A- ca la prima aruncare a se
obin marca, B - la ultimele dou aruncri s se obin marca, respectiv C -
marca s apar o singur dat n cele trei aruncri,
c) c)evenimentele C A , B A , C A , C B , C B A , A , B , C , C A\ ,
B A\ , A C \ ,
d) probabilitile evenimentelor precizate la punctele precedente.

Soluie. a) Dac notm prin M apariia feei cu marca (valoarea monedei) la o
aruncare i prin S apariia feei opuse, atunci spaiul O al probelor este
} , , , , , , , { SSS SSM SMS SMM MSS MSM MMS MMM = O .
Aadar, spaiul O are 8 probe.
b) Probele care favorizeaz apariia evenimentului A, care nseamn c la prima
aruncare apare marca sunt: MMM, MMS, MSM, MSS, adic
} , , , { MSS MSM MMS MMM A= .
In mod analog, avem c
}, , { SMM MMM B = } , , { SSM SMS MSS C = .
c) Evenimentul C A nseamn c marca apare la prima aruncare sau o singur
dat n cele trei aruncri, adic
} , , , , , { SSM SMS MSS MSM MMS MMM C A = .
Evenimentul B A este evenimentul ca marca s apar n toate cele trei aruncri,
adic } {MMM B A = .
Evenimentul C A nseamn apariia mrcii numai la prima aruncare, adic
}. {MSS C A =
Evenimentul C B este evenimentul imposibil, deci 0/ = C B , adic
evenimentele B i C sunt incompatibile.
Deoarece O = C B , rezult c 0/ = C B A .
Evenimentele, A , B , i C , nseamn respectiv c la prima aruncare se obine S ,
la ultimele dou aruncri se obine cel puin odat S , marca nu apare o singur dat in
cele trei aruncri. Astfel, putem scrie

}. , , , , {
}, , , , , , {
}, , , , {
SSS SMM MSM MMS MMM C
SSS SSM SMS MSS MSM MMS B
SMS SSM SMS SMM A
=
=
=

Evenimentul diferen C A\ nseamn c la prima aruncare apare marca i c
marca apare cel puin de dou ori, adic
}. , , { \ MSM MMS MMM C A =
Evenimentul diferena B A\ nseamn c la prima aruncare apare marca i c
marca apare cel mult dou ori, adic
72
}. , , { \ MSS MSM MMS B A =
Evenimentul diferen A C \ nseamn c marca apare o singur dat, dar nu la
prima aruncare, deci
}. , { \ SSM SMS A C =
d) Folosim definiia calasic a probabilitii. Pentru aceasta avem c numrul
cazurilor posibile este dat de numrul probelor lui O, adic 8.
Numrul cazurilor favorabile evenimentului A este 4, prin urmare se obine c
.
2
1
8
4
) ( = = A P
Analog avem c
,
8
3
) ( ,
4
1
8
2
) ( = = = C P A P
, 0 ) ( ,
8
1
) ( ,
8
1
) ( = = = C B P C A P B A P
.
8
5
) ( ,
8
6
) ( ,
2
1
8
4
) ( = = = = C P B P A P
De asemenea avem c
,
4
3
8
6
) ( = = C A P sau folosind formula
.
4
3
8
1
8
3
2
1
) ( ) ( ) ( ) ( = + = + = C A P C P A P C A P
In mod analog, .
8
3
8
1
8
4
) ( ) ( ) \ ( = = = C A P A P C A P
La fel, avem c
8
3
) \ ( = B A P i .
4
1
8
2
) \ ( = = A C P

6.2. Un aparat este format din trei componenete. Se noteaz cu A, B i C
respectiv evenimentele ca prima, a doua i a treia component s fie defect. S se
exprime cu ajutorul evenimentelor A, B i C evenimentul ca:

a) cel puin o component este defect,
b) exact o component este defect,
c) nici o component nu este defect,
d) toate componentele sunt defecte.

Soluie. a) Dac D este evenimentul ca cel puin o component s fie defect,
atunci C B A D = , adic sau prima component este defect, sau a doua component
s fie defect, sau a treia component s fie defect, ceea ce nu exclude c dou sau trei
componente sunt defecte.
b) Evenimentul E ca exact o component s fie defect se realizeaz dac prima
component este defect i celelalte dou nu sunt defecte, sau a doua component este
defect i celelalte dou nu sunt defecte, sau a treia este defect i celelale dou nu sunt
defecte, adic
). ( ) ( ) ( C B A C B A C B A E =
73
c) Evenimentul F ca nici o component s nu fie defect, adic fiecare
component s fie bun, se poate exprima prin C B A F = sau . D C B A F = =
d) Evenimentul G ca toate cele trei componente s fie defecte are exprimarea
. C B A G =

6.3. Pe un raft sunt aezate la ntmplare 10 cri, dintre care trei reprezint cele
trei volume ale aceluiai roman. S se calculeze probabilitatea ca:

a) cele trei volume ale romanului s fie aezate unul lng altul n ordinea natural
(vol.1,2,3),
b) cele trei volume ale romanului s fie aezate unul lng altul n orice ordine,
c) cele trei volume ale romanului s fie aezate unul lng altul n ordinea natural,
la nceputul raftului.

Soluie. Numrul cazurilor posibile este dat de numrul total al modurilor de
aranjare a celor 10 cri de pe raft, adic 10!.
a) Dac A este evenimentul ca cele trei volume s fie aezate unul dup altul n
ordine natural, atunci pentru a stabili cazurile favorabile, considerm cele trei volume ca
o singur carte. In acest fel, numrul cazurilor favorabile evenimentului A este dat de
numrul modurilor de aranjare a celor 8 cri pe raft (cele 7 rmase la care se adaug una
format din cele trei volume), adic 8! Prin urmare, avem c .
90
1
! 10
! 8
) ( = = A P
b) Notm cu B evenimentul ca cele trei volume s fie aezate unul lng altul n
orice ordine. Se repet raionamentul de la punctul precedent, cu observaia c 8! se va
nmuli cu 3!, ceea ce reprezint n cte moduri se pot aeza cele trei volume unul lng
altul. Aadar obinem, c .
15
1
! 10
! 3 ! 8
) ( = = B P
c) Fie C evenimentul ca cele trei volume s fie aezate la nceputul raftului, n
ordine natural. Deoarece cartea format din cele trei volue este aezat la nceputul
raftului, numrul cazurilor favorabile evenimentului C este dat de numrul modurilor de
aranjare pe raft a celor 7 cri rmase, adic 7!. Astfel, rezult c .
720
1
! 10
! 7
) ( = = C P

6.4. Cu ocazia srbtorilor de iarn, la un magazin cu dulciuri sunt pregtite
pachete pentru copii. Stiind c pentru pregtirea unui pachet se dispune de ciocolat n 6
sortimente, cutii cu bomboane n 10 sortimente i cutii cu biscuii n 9 sortimente i c n
fiecare pachet se pun la ntmplare 5 sortimente de dulciuri(ciocolat, bomboane,
biscuii), s se determine probabilitatea ca un pachet luat la ntmplare s conin

a) dou ciocolate, dou cutii cu bomboane i o cutie cu biscuii(toate de sortimente
diferite),
b) trei ciocolate i dou cutii cu bomboane.

Soluie. Numrul total de sortimente de dulciuri de care se dispune pentru
formarea unui pachet este 25, iar pentru fiecare pachet se ia la ntmplare 5 sortimente de
74
dulciuri. Prin urmare, numrul total a modurilor de formare a unui pachet este
5
25
C i care
reprezint numrul cazurilor posibile.
a) Dac A este evenimentul ca pachetul s conin dou ciocolate, dou cutii de
bomboane i o cutie de biscuii, atunci numrul cazurilor favorabile acestui eveniment
este
1
9
2
10
2
6
C C C . Intr-adevr, cele dou ciocolate de sortimente diferite se pot lua din cele 6
sortimente n
2
6
C . La fel se raioneaz pentru cele dou sortimente de bomboane i pentru
cutia de biscuii. Rezult c
. 114 , 0
3542
405
21 22 23 5
9 45 15
) (
5
25
1
9
2
10
2
6
= =


= =
C
C C C
A P
b) Fie B evenimentul ca pachetul s conin trei ciocolate de sortimente diferite
i dou cutii cu bomboane de sortimente diferite. Raionnd ca mai nainte, se obine c
. 017 , 0
1771
30
21 22 23 5
45 20
) (
5
25
2
10
3
6
= =


= =
C
C C
B P

6.5. Se arunc trei zaruri, fiecare avnd o faa colorat alb, una colorat negru i
cte dou colorate n rou i respectiv n galben. S se determine probabilitatea ca:

a) cel puin un zar s arate culoarea roie,
b) cel puin dou zaruri s arate culoarea alb.

Soluie. Fie A evenimentul ca cel puin unul din cele trei zaruri s arate culoarea
roie. Dac se noteaz cu
i
A evenimentul ca zarul i arat culoarea roie, atunci
3 2 1
A A A A = , unde evenimentele reuniunii sunt independente. Prin urmare, folosind
formula lui Poincar, se obine c

). ( ) ( ) ( ) ( ) (
) ( ) ( ) ( ) ( ) ( ) ( ) ( ) (
3 2 1 3 2
3 1 2 1 3 2 1 3 2 1
A P A P A P A P A P
A P A P A P A P A P A P A P A A A P
+
+ + =

Deoarece zarurile sunt identice, avem
3
1
6
2
) ( ) ( ) (
3 2 1
= = = = A P A P A P , deci
.
27
19
27
1
3
1
1 )] ( [ )] ( [ 3 ) ( 3 ) (
3
1
2
1 1
= + = + = A P A P A P A P
b) Fie B evenimentul ca cel puin dou zaruri s arate culoarea alb, atunci B
este evenimentul ca cel puin un zar s arate culoarea alb. Dac notm cu
0
B
evenimentul ca nici un zar s nu arate culoarea alb, respectiv prin
1
B evenimentul ca
exact un zar din cele trei s arate culoarea alb, atunci
1 0
B B B = . Deoarece
evenimentele
0
B i
1
B sunt incompatibile, avem c ) ( ) ( ) (
1 0
B P B P B P + =
Pe de alt parte, se obine c
2
0
6
5
) (
|
.
|

\
|
= B P , iar
2
1
6
5
6
1
3 ) (
|
.
|

\
|
= B P . Prin urmare,
avem c
2 2 3
6
5
3
4
6
5
2
1
6
5
) (
|
.
|

\
|
=
|
.
|

\
|
+
|
.
|

\
|
= B P , de unde .
27
2
6
5
3
4
1 ) ( 1 ) (
2
=
|
.
|

\
|
= = B P B P

75

6.6. Dac o familie are 5 copii, se cere s se calculeze probabilitatea ca:

a) patru din cei cinci copii s fie biei,
b) b)cel puin doi din cei cinci copii s fie biei.

Soluie. Pentru rezolvarea problemei se aplic schema lui Bernoulli cu bila
ntoars, unde 5 = n ,
2
1
= = q p .
a) Fie A evenimentul ca familia s aib exact patru biei. Lund 4 = k n
schema lui Bernoulli cu bila ntoars, rezult c
.
32
5
2
1
2
1
) 4 , 5 ( ) (
4
4
5
=
|
.
|

\
|
= = C P A P
b) Dac notm cu B evenimentul ca familia s aib cel puin doi biei, atunci
B este evenimentul ca familia s aib un biat sau nici unul. Prin urmare, se poate scrie

16
3
2
1
2
1
2
1
2
1
) 1 , 5 ( ) 0 , 5 ( ) (
4 1
1
5
5 0
0
5
=
|
.
|

\
|
|
.
|

\
|
+
|
.
|

\
|
|
.
|

\
|
= + = C C P P B P
Aadar, avem c .
16
13
16
3
1 ) ( 1 ) ( = = = B P B P

6.7. La un magazin se gsesc articole de mbrcminte dintre care 90% satisfac
standardele, 7% prezint defeciuni retuabile, iar 3% prezint defeciuni neretuabile.
S se calculeze probabilitatea ca din ase articole luate la ntmplare, trei s satisfac
standardele, dou s fie retuabile i unul s fie neretuabil.

Soluie. Rezolvarea se bazeaz pe schema lui Bernoulli cu bila ntoars cu mai
multe stri (trei), unde 6 = n , 3
1
= k , 2
2
= k , 1
3
= k , 9 , 0
1
= p , 07 , 0
2
= p , 03 , 0
3
= p .
Astfel se obine probabilitatea cerut ca fiind
. 006 , 0 ) 03 , 0 ( ) 07 , 0 ( ) 9 , 0 (
! 1 ! 2 ! 3
! 6
) 1 , 2 , 3 ; 6 (
1 2 3
= = P

6.8. Pe un raft, ntr-un magazin, se afl 50 de piese de acelai tip, care provin de
la dou fabrici, respectiv 20 de la una dintre ele i 30 de la cealalt. Intr-o zi s-au vndut
ase astfel de piese. S se calculeze probabilitatea s se fi vndut acelai numr (cte
trei) de piese de la cele dou fabrici.

Soluie. Se aplic schema lui Bernoulli cu bila nentoars, unde 20 = a , 30 = b ,
6 = n , 3 = k . Prin urmare, probabilitatea cerut este
. 29 , 0
7567
2204
46 47 49 30 5
28 29 5 3 19 20
) 3 , 6 (
6
50
3
30
3
20
= =


= =
C
C C
P
6.9. Intr-o cutie sunt 12 bile marcate cu 1, 8 sunt marcate cu 3 i 6 cu 5. O
persoan extrage la ntmplare din cutie 4 bile. S se calculeze probabilitatea ca suma
obinut s fie cel mult 13.

76
Soluie. Dac notm cu A evenimentul ca suma obinut pe cele patru bile s fie
cel mult 13, atunci evenimentul contrar A este evenimentul ca cele patru bile s fie cel
puin 14. Se vede c suma maxim ce se poate obine este 4 5=20. De asemenea, avem c
3 5+1 3=18, 3 5+1 1=16, 2 5+2 3=16, 2 5+1 3+1 1=14, 1 5+3 3=14. Alte posibiliti de
a obine suma cel puin 14 din patru bile nu exist.
Aadar, pentru a obine suma 14 trebuie luate dou bile marcate cu 5 din cele ase
existente, una marcat cu 3 din cele opt i respectiv una marcat cu 1 din cele 12,
respectiv una marcat cu 5 i 3 marcate cu 3. Folosind schema lui Bernoulli cu bila
nentoars cu trei stri se obine c
.
7475
888
7475
168
1495
144
262523
56 6
262523
812 15
) 0 , 3 , 1 ; 4 ( ) 1 , 1 , 2 ; 4 (
4
26
0
12
3
8
1
6
4
26
1
12
1
8
2
6
14
= + =
= + = + = + =
C
C C C
C
C C C
P P p

Analog, avem c
,
1495
66
26 25 23
12 20
26 25 23
28 15
) 1 , 0 , 3 ; 4 ( ) 0 , 2 , 2 ; 4 (
4
26
1
12
0
8
3
6
4
26
0
12
2
8
2
6
16
= + = + = + =
C
C C C
C
C C C
P P p
,
1495
16
26 25 23
8 20
) 0 , 1 , 3 ; 4 (
4
26
0
12
1
8
3
6
18
= = = =
C
C C C
P p
.
2990
3
25 23 26
15
) 0 , 0 , 4 ; 4 (
6
24
0
12
0
8
4
6
20
= = = =
C
C C C
P p
Aadar, avem c
14950
2611
) (
20 18 16 14
= + + + = p p p p A P , de unde
. 825 , 0
14950
12339
14950
2611
1 ) ( 1 ) ( ~ = = = A P A P

6.10. Cinci maini, care produc acelai tip de piese, dau rebuturi n procente 2%,
1%, 5%, 4%, 6% respectiv. Se ia cte o pies produs de la fiecare. S se calculeze
probabilitatea ca din cele cinci piese luate, exact dou s fie rebut, precum i
probabilitatea ca cel puin una s fie rebut.

Soluie. Se aplic schema lui Poisson, unde 5 = n , iar

. 94 , 0 , 96 , 0 , 95 , 0 , 99 , 0 , 98 , 0
, 06 , 0 , 04 , 0 , 05 , 0 , 01 , 0 , 02 , 0
5 4 3 2 1
5 4 3 2 1
= = = = =
= = = = =
q q q q q
p p p p p

Probabilitatea ca din cele cinci piese dou s fie rebut se obine ca fiind
coeficientul lui
2
x al polinomului
), )( )( )( )( (
5 5 4 4 3 3 2 2 1 1
q x p q x p q x p q x p q x p + + + + +
adic
77

. 011 , 0 0022 , 0 0028 , 0 0018 , 0 0005 , 0 0004 , 0
0004 , 0 0011 , 0 0007 , 0 0009 , 0 0002 , 0
) 2 , 5 (
3 2 1 5 4 4 2 1 5 3
5 2 1 4 3 4 3 1 5 2 5 3 1 4 2 5 4 1 3 2
4 3 2 5 1 5 3 2 4 1 5 4 2 3 1 5 4 3 2 1
= + + + + +
+ + + + + =
= + +
+ + + + +
+ + + + =
q q q p p q q q p p
q q q p p q q q p p q q q p p q q q p p
q q q p p q q q p p q q q p p q q q p p P

Dac A este evenimentul ca cel puin una din cele cinci piese s fie rebut, atunci
A este evenimentul ca nici o pies s nu fie defect. Deci
83 , 0 ) 0 , 5 ( ) (
5 4 3 2 1
= = = q q q q q P A P , de unde . 17 . 0 ) ( 1 ) ( = = A P A P

6.11. Doi juctori sunt angrenai ntr-un joc format din mai multe partide. Primul
juctor ctig o partid cu probabilitatea
3
1
= p i o pierde cu probabilitatea
3
2
1 = = p q . S se calculeze probabilitatea ca:

a) prima partid ctigat de primul juctor s se produc dup cinci partide
pierdute,
b) a treia partid ctigat de primul juctor s se produc dup un total de ase
partide pierdute.

Soluie. a) Se aplic schema geometric. Prin urmare, probabilitatea cerut este
dat prin
.
729
32
3
2
3
1
5
5
5
=
|
.
|

\
|
= = pq p
b) Se utilizeaz schema lui Pascal (binomial cu exponent negativ),unde 3 = n ,
6 = k ,
3
1
= p ,
3
2
= q . Astfel probabilitatea cerut este
.
3
2
2
7
3
2
28
3
2
3
1
) , (
9
9
6
6 3
6
8 1
|
.
|

\
|
= =
|
.
|

\
|
|
.
|

\
|
= =
+
C q p C k n P
k n k
k n


6.12. Intr-o cutie se afl 15 mingi de tenis, din care 9 sunt noi. Pentru primul joc
sunt luate la ntmplare trei mingi, dup care se depun n cutie. Pentru al doilea joc sunt
luate din nou trei mingi la ntmplare. S se calculeze probabilitatea ca:

a) pentru jocul al doilea s fie luate trei mingi noi,
b) pentru primul joc s se fi luat trei mingi noi, dac se tie c la jocul al doilea au
fost luate trei mingi noi.

Soluie. a) Notm cu A evenimentul ca la jocul al doilea s fie l;uate trei mingi
noi i cu
i
A evenimentul ca la primul joc s fie luate i mingi noi. Evenimentele
0
A ,
1
A ,
2
A ,
3
A formeaz un sistem complet de evenimente. Folosim formula probabilitii totale
). | ( ) ( ) | ( ) ( ) | ( ) ( ) | ( ) ( ) (
3 3 2 2 1 1 0 0
A A P A P A A P A P A A P A P A A P A P A P + + + =
78
Pe de alt parte, folosind schema lui Bernoulli cu bila nentoars se obine:

91
4
) (
3
15
3
6
0
9
0
= =
C
C C
A P ,
91
27
) (
3
15
2
6
1
9
1
= =
C
C C
A P ,

455
216
) (
3
15
1
6
2
9
2
= =
C
C C
A P , .
65
12
) (
3
15
0
6
3
9
3
= =
C
C C
A P
Deoarece cele trei mingi folosite la primul joc s-au uzat i sunt puse napoi n
cutie, structura cutiei se schimb, cu excepia cazului cnd la primul joc s-au folosit
numai mingi uzate. Aadar, probabilitile condiionate din formula probabilitii totale se
calculeaz tot cu schema lui Bernoulli cu bila nentoars, adic

65
12
) | (
3
15
0
6
3
9
0
= =
C
C C
A A P ,
65
8
) | (
3
15
0
7
3
8
1
= =
C
C C
A A P ,

13
1
) | (
3
15
0
8
3
7
2
= =
C
C C
A A P , .
91
4
) | (
3
15
0
9
3
6
3
= =
C
C C
A A P
Prin urmare avem c
. 09 , 0
5915
528
91
4
65
12
13
1
455
216
65
8
91
27
65
12
91
4
) ( = = + + + = A P
b) Cu notaiile de la punctul precedent, se cere calculat probabilitate condiionat
) | (
3
A A P . Pentru aceasta se folosete formula lui Bayes, anume

) (
) | ( ) (
) | (
3 3
3
A P
A A P A P
A A P =
Astfel, se obine c
. 09 , 0
11
1
528
48
5915
528
91
4
65
12
) | (
3
= = =

= A A P

6.13. Un motor genereaz energie electric ce este folosit intermitent de ctre
10 muncitori, care lucreaz independent. Fiecare muncitor utilizeaz energie timp de 12
minute ntr-o or. Se noteaz cu X numrul muncitorilor ce utilizeaz energie la un
moment dat. S se scrie distribuia variabilei aleatoare X .

Soluie. Valorile pe care le ia variabila aleatoare X sunt 0,1,...,10, adic la un
moment dat se poate ca nici unul din muncitori s nu foloseasc energie, sau unul, sau aa
mai departe 10 muncitori s foloseasc energie electric produs de motor.
Prin urmare, distribuia variabilei aleatoare X este


|
|
.
|

\
|
10 2 1 0
10 2 1 0
p p p p
X

sau prescurtat
10 , 0 =
|
|
.
|

\
|
k
k
p
k
X ,
unde ). ( k X P p
k
= =
79
Pentru a calcula probabilitatea
k
p , avem n vedere c un muncitor, la un moment
dat, folosete energie electric cu probabilitatea
5
1
60
12
= = p (12 minute dintr-o or), iar
aceast probabilitate este aceeai pentru fiecare din cei 10 muncitori. Prin urmare,
probabilitatea
k
p se calculeaz cu ajutorul schemei lui Bernoulli cu bila ntoars, adic

k k k
k
q p C p

=
10
10
, 10 , 0 = k ,
5
4
1 = = p q , sau

10
10
10
10
10
5
4
5
4
5
1
k
k
k k
k
k
C C p

=
|
.
|

\
|
|
.
|

\
|
= , . 10 , 0 = k
Reinem, deci, c variabila aleatoare X urmeaz legea binomial.

6.14. La o unitate hotelier clienii doresc camere dotate cu televizor sau nu cu
aceeai probabilitate. Se consider primii patru clieni ai zilei i se noteaz cu X i
respectiv Y respectiv numrul clienilor ce solicit camer cu televizor i numrul
maxim ai clienilor consecutiv nregistrai, care solicit camer cu televizor. S se scrie
distribuiile

a) variabilelor aleatoare X i Y ,
b) vectorul aleator ) , ( Y X ,
c) variabilelor aleatoare Y X + i XY .

Soluie. Pentru a calcula probabilitile din distribuiile variabilelor aleatoare
considerate, vom scrie pentru nceput spaiul probelor. Dac marcm prin D i respectiv
prin N faptul c un client solicit, respectiv nu solicit camer cu televizor, atunci spaiul
O al probelor este

} , , , , , , ,
, , , , , , , , {
NNNN NNND NNDD NNDN NDNN NDND NDDN NDDD
DNNN DNND DNDD DNDN DDNN DDND DDDN DDDD = O

Deoarece, clienii prefer sau nu televizor cu aceeai probabilitate, avem c probabilitatea
ca un client s solicite televizor este
2
1
) ( = = D P p i s nu solicite televizor este
.
2
1
) ( = = N P q
a) Valorile pe care le ia variabila aleatoare X sunt 0, 1, 2, 3, 4, adic din cei patru
clieni pot dori camer cu televizor 0, 1, 2, 3, respectiv 4 clieni. Aadar avem c

|
|
.
|

\
|
4 3 2 1 0
4 3 2 1 0
p p p p p
X , unde ) ( k X P p
k
= = ,
i care se calculeaz cu schema lui Bernoulli cu bila ntoars. Prin urmare, se obine c

4
4
4
4
2
2
1
2
1
k k k
k
k
C
C p =
|
.
|

\
|
|
.
|

\
|
=

, pentru . 4 , 3 , 2 , 1 , 0 = k
Calculnd pe rnd aceste probabiliti, rezult c

80
.
16
1
4
1
8
3
4
1
16
1
4 3 2 1 0
|
|
.
|

\
|
X
Variabila aleatoare Y poate s ia una din valorile 0, 1, 2, 3, 4, adic din cei patru
clieni se poate ca 0, 1, 2, 3, 4 s fie numrul maxim al clienilor consecutivi ce solicit
camer cu televizor. Distribuia variabilei aleatoare Y este

|
|
.
|

\
|
4 3 2 1 0
4 3 2 1 0
q q q q q
Y , unde ). ( k Y P q
k
= =
Pentru a calcul probabilitile distribuiei lui Y , urmrim spaiul O al probelor.
De exemplu, evenimentul ( 0 = Y ) este favorizat de proba NNNN , deci
16
1
0
= q .
Apoi, evenimentul ( 1 = Y ) este favorizat de probele DNDN, DNND, DNNN, NDND,
NNDN , NNND, deci
16
7
1
= q . Analog, se obine c ,
16
5
2
= q
16
2
3
= q i
16
1
1
= q . Prin
urmare, distribuia variabilei aleatoare Y este
.
16
1
8
1
16
5
16
7
16
1
4 3 2 1 0
|
|
.
|

\
|
Y
b) Distribuia vectorului ) , ( Y X este dat prin tabloul

unde ) , ( j Y i X P p
ij
= = = . Pentru a calcula aceste probabiliti, urmr,im n spaiul O al
probelor acele probe care favorizeaz evenimentele ) , ( j Y i X = = .
Astfel, evenimentul ) 0 , 0 ( = = Y X este favorizat de proba NNNN , deci
16
1
00
= p . Apoi, evenimentul ) 1 , 0 ( = = Y X nu este favorizat de nici o prob, deci
0
01
= p .
X\Y
44 43 42 41 40
34 33 32 31 30
24 23 22 21 20
14 13 12 11 10
04 03 02 01 00
p p p p p
p p p p p
p p p p p
p p p p p
p p p p p

4 3 2 1 0
4
3
2
1
0

81
S mai considerm, de exemplu evenimentul ) 2 , 2 ( = = Y X , care este favorizat
de probele DDNN, NDDN, NNDD, prin urmare
16
3
22
= p . Prin raionament analog se
obine tabloul distribuional al vectorului aleator ) , ( Y X :



Prin calcul direct, se vede c

i
j
ij
p p =

=
4
0
, 4 , 0 = i ,
j
i
ij
q p =

=
4
0
, 4 , 0 = j .
c) Dac variabilele aleatoare X i Y iau valorile 0, 1, 2, 3 i 4, atunci variabila
aleatoare Y X + poate lua una din valorile 0, 1, ..., 8. Mai trebuie precizate probabilitile
cu care sunt luate aceste valori. Aceste probabilitti se calculeaz dup cum urmeaz:
,
16
1
) 0 , 0 ( ) 0 (
00
= = = = = = + p Y X P Y X P
, 0 0 0 ) 0 , 1 ( ) 1 , 0 ( ) 1 (
10 01
= + = + = = = + = = = = + p p Y X P Y X P Y X P

. ,
4
1
0
4
1
0
) 0 , 2 ( ) 1 , 1 ( ) 2 , 0 ( ) 2 (
20 11 02
etc p p p
Y X P Y X P Y X P Y X P
= + + = + + =
= = = + = = + = = = = +

In acest fel se obine distribuia variabilei aleatoare Y X + , anume
.
16
1
0
8
1
8
1
16
3
16
3
4
1
0
16
1
8 7 6 5 4 3 2 1 0
|
|
.
|

\
|
+ Y X
Deoarece 0 ) 1 ( = = +Y X P i 0 ) 7 ( = = +Y X P , deci este imposibil ca Y X + s aib
aceste valori, acestea se elimin din tabloul distribuional obinndu-se
X\Y
16
1
0 0 0 0
0
8
1
8
1
0 0
0 0
16
3
16
3
0
0 0 0
4
1
0
0 0 0 0
16
1

4 3 2 1 0
4
3
2
1
0

82
.
16
1
8
1
8
1
16
3
16
3
4
1
16
1
8 6 5 4 3 2 0
|
|
.
|

\
|
+ Y X
Pentru a scrie distribuia variabilei aleatoare XY , se procedeaz n mod analog,
anume XY poate lua una din valorile 0, 1, 2, 3, 4, 6, 8, 9, 12, 16. De asemenea,
probabilitile se calculeaz dup cum urmeaz:

,
16
1
) 0 , 4 ( ) 0 , 3 ( ) 0 , 2 (
) 0 , 1 ( ) 4 , 0 ( ) 3 , 0 (
) 2 , 0 ( ) 1 , 0 ( ) 0 , 0 ( ) 0 (
40 30 20 10 04 03 02 01 00
= + + + + + + + + =
= = = + = = + = = +
+ = = + = = + = = +
+ = = + = = + = = = =
p p p p p p p p p
Y X P Y X P Y X P
Y X P Y X P Y X P
Y X P Y X P Y X P XY P

,
4
1
) 1 , 1 ( ) 1 (
11
= = = = = = p Y X P XY P .a.m d.
Se obine n acest fel distribuia vectorului aleator produs
.
16
1
0
8
1
0
8
1
16
3
0
16
3
4
1
16
1
16 12 9 8 6 4 3 2 1 0
|
|
.
|

\
|
XY
sau
.
16
1
8
1
8
1
16
3
16
3
4
1
16
1
16 9 6 4 2 1 0
|
|
.
|

\
|
XY

6.15. La trei uniti se gsesc articole ce provin de la dou fabrici, n
urmtoarele proporii: la prima unitate
3
1
de la prima fabric, la a doua unitate
2
1
de la
prima fabric, iar la a treia unitate
4
3
de la prima fabric. Un client cumpr cte un
articol de la fiecare unitate. Fie X numrul articolelor cumprate de client i care
provin de la fabric. S se scrie distribuia variabilei aleatoare X , funcia de repartiie
corespunztoare lui X , iar apoi s se reprezinte grafic funcia de repartiie.

Soluie. Variabila aleatoare X poate lua una din valorile 0, 1, 2, 3, iar
probabilitile cu care sunt luate aceste valori sunt date de schema lui Poisson, unde
3 = n ,
3
1
1
= p ,
3
2
1
= q ,
2
1
2
= p ,
2
1
2
= q ,
4
3
3
= p ,
4
1
3
= q . Prin urmare, variabila
aleatoare X are distribuia

|
|
.
|

\
|
) 3 , 3 ( ) 2 , 3 ( ) 1 , 3 ( ) 0 , 3 (
3 2 1 0
P P P P
X ,
unde
n k k
k
i i i
i i
i
q q p p k P ... ... ) , 3 (
1
1
1
3 1
+

s < < s
=

.
Avem pe rnd c
,
12
1
4 2 3
2
) 0 , 3 (
3 2 1
=

= = q q q P
83
,
8
3
4 2 3
3 2
4 2 3
2
4 2 3
1
) 1 , 3 (
3 2 1 3 2 1 3 2 1
=


+

+

= + + = p q q q p q q q p P
,
12
5
4 2 3
3 2
4 2 3
3
4 2 3
1
) 2 , 3 (
3 2 1 3 2 1 3 2 1
=


+

+

= + + = p p q p q p q p p P
,
8
1
4 2 3
3
) 3 , 3 (
3 2 1
=

= = p p p P
deci distribuia variabilei aleatoare X este
.
8
1
12
5
8
3
12
1
3 2 1 0
|
|
.
|

\
|
X
Pornind de la definiia funciei de repartiie se obine c:

>
s <
s <
s <
s
= < =
. 3 , 1
, 3 2 ,
8
7
, 2 1 ,
24
11
, 1 0 ,
12
1
, 0 , 0
) ( ) (
x daca
x daca
x daca
x daca
x daca
x X P x F
Modul cum a fost determinat expresia funciei de repartiie l exemplificm prin cazul
] 3 , 2 ( e x . Astfel avem c
.
8
7
12
5
8
3
12
1
) 2 ( ) 1 ( ) 0 ( ) ( ) ( = + + = = + = + = = < = x P X P X P x X P x F
Graficul funciei de repartiie este dat n fig.6.1.


Fig.6.1
0 x 2 1 2 / 1
6 / 1
3 / 2
1
y

(
(
(
84

6.16. Un ofer amator intenioneaz s circule cu maina nenmatriculat pn
cnd va ajunge la a treia sanciune primit din partea agenilor de circulaie. Fie X
numrul zileler n care circul pn la a treia sanciune. S se scrie distribuia variabilei
aleatoare X , tiind c oferul poate fi controlat n fiecare zi cu aceeai probabilitate
4
1
= p , iar apoi s se scrie funcia de repartiie corespunztoare variabilei aleatoare X

Soluie. Variabila aleatoare X poate lua una din valorile 0, 1, ... Prin urmare,
variabila aleatoare X are distribuia

|
|
.
|

\
|

2 1 0
1 1 0
p p p
X sau prescurtat
,... 2 , 1 , 0 =
|
|
.
|

\
|
k
k
p
k
X
unde ) ( k X P p
k
= = . Probabilitatea
k
p se calculeaz folosind schema lui Pascal cu
3 = n ,
4
1
= p , adic
.
4
3
2
) 2 )( 1 (
4
3
4
1
3
3
2 1
+
+ +

+ +
=
|
.
|

\
|
|
.
|

\
|
= =
k
k
k
k
k
k n k
k n k
k k
C q p C p
De exemplu, avem c

64
1
0
= p ,
256
9
1
= p , .
512
27
3
= p
Funcia de repartiie se scrie pornind de la definiie. Dac 0 s x , atunci
. 0 ) 0 ( ) ( ) ( = / = < = P x X P x F
Dac 1 0 s < x , atunci
.
64
1
) 0 ( ) ( ) (
0
= = = = < = p X P x X P x F
Dac 2 1 s < x , atunci
.
256
13
) 1 ( ) 0 ( ) ( ) (
1 0
= + = = + = = < = p p X P X P x X P x F
In general, dac 1 + s < i x i , avem c
. ) ( ) 1 ( ) 0 ( ) ( ) (
0

=
= = + + = + = = < =
i
j
j
p i X P X P X P x X P x F

6.17. Se consider variabila aleatoare X de tip continuu, care are densitatea de
probabilitate
| |
) (
x
ae x

= , pentru orice 9 e x , unde a este un parametru real. S se
determine

a) parametrul real a ,
b) funcia de repartiie a variabilei aleatoare X ,
c) probabilitile ) 2 0 ( < < X P i ]). 2 , 2 [ | ( e < X O X P

Soluie. a) Deoarece funcia este o densitate de probabilitate, rezult c 0 > ,
de unde . 0 > a
De asemenea, se impune ca
85
. 1 ) (
| |
= =
} }
+

+

dx e a dx x
x

Observm c funcia care se integreaz este funcie par, iar intervalul de integrare este
simetric faa de origine, astfel c
( ) . 2 2 2
|
0
0
| |
= = =
+

} }
x x x
e dx e dx e
Dac se nlocuiete mai sus, avem c 1 2 = a ,
2
1
= a .
b) Intre densitatea de probabilitate i funcia de reartiie
avem relaia
.
2
1
) ( ) (
| |
dt e dt t x F
x
t
x
} }


= =
Dac 0 s x , atunci implicit avem c 0 s t , deci
.
2
1
2
1
2
1
) (
|
x
x
t
x
t
e e dt e x F = = =


}

Dac 0 > x , integrala se descompune n suma a dou integrale, anume:
.
2
1
1 ) (
2
1
2
1
2
1
2
1
) (
|
0
0
0
x
x
t
x
t t
e e dt e dt e x F


= + = + =
} }

Prin urmare, avem funcia de repartiie

>
s
=

. 0 ,
2
1
1
, 0 ,
2
1
) (
x daca e
x daca e
x F
x
x

c)Folosind funcia de repartiie avem c
).
1
1 (
2
1
2
1
2
1
1 ) 0 ( ) 2 ( ) 2 0 (
2
2
e
e F F X P = = = < <


A doua probabilitate este o probabilitate condiionat, prin urmare
.
) 2 2 (
) 0 2 (
) 2 2 (
) 2 2 , 0 (
) 2 2 | 0 ( ]) 2 , 2 [ | 0 (
s s
< s
=
s s
s s <
=
= s s < = e <
X P
X P
X P
X X P
X X P X X P

Ca mai nainte, avem c
.
1
1
2
1
2
1
1 ) 2 ( ) 2 ( ) 2 2 (
),
1
1 (
2
1
2
1
2
1
) 2 ( ) 0 ( ) 0 2 (
2
2 2
2
2
e
e e F F X P
e
e F F X P
= = = s s
= = = < s


Prin urmare, se obine c .
2
1
]) 2 , 2 [ | 0 ( = e < X X P

6.18. Vectorul aleator ) , ( Y X are densitatea de probabilitate
86
,
.
2
, 0 , , 0
2
, 0 , ), sin(
) , (

|
.
|

\
| t
e
|
.
|

\
| t
e +
=
y x daca
y x daca y x a
y x
Se cere:

a) s se determine constanta 9 e a ,
b) densitile de probabilitate pentru variabilele aleatoare componente X i Y ,
c) probabilitile
|
.
|

\
| t
< <
t t
< <
t
3 6
,
4 6
X X P i .
4
|
4
|
.
|

\
| t
>
t
< Y X P

Soluie. a) Din proprietile densitii de probabilitate, avem c 0 ) , ( > y x , de
unde, n mod necesar, . 0 > a
Pe de alt parte se impune ca
}} } }
9
t t
= + =
2
2
0
2
0
. 1 ) sin( ) , ( dxdy y x a dxdy y x
Pentru calculul acestei integrale duble scriem succesiv
| |
. 2 1 1 )
2
sin( sin
)
2
cos( cos ) cos(
) sin( ) sin(
|
|
2
0
2
0
2
0
2
0
2
0
2
0
2
0
2
0
= + =
(

t
+ =
=
(

t
+ = + =
=
(
(
(

+ = +
t
t
t
t
t t t t
} }
} } } }
x x
dx x x dx y x
dx dy y x dxdy y x

Aadar, avem c 1 2 = a , de unde .
2
1
= a
b) Pentru determinare densiti de probabilitate
X
a variabilei aleatoare X ,
folosim formula
}
+

= dy y x x
X
) , ( ) ( , pentru 9 e x .
Dac
|
.
|

\
| t
e
2
, 0 x , atunci 0 ) , ( = y x , deci . 0 ) ( = x
X

Dac
|
.
|

\
| t
e
2
, 0 x , atunci avnd n vedere c 0 ) , ( = y x , pentru
|
.
|

\
| t
e
2
, 0 y , putem scrie
87
.
2
cos sin
2
2
cos cos
) cos(
2
1
) sin(
2
1
) (
|
2
0
2
0
x x
x x
y x dy y x x
X
+
=
|
.
|

\
| t
+
=
= + = + =
t
t
}

Prin urmare, avem c

|
.
|

\
| t
e
|
.
|

\
| t
e
+
=
.
2
, 0 , 0
,
2
, 0 ,
2
cos sin
) (
x daca
x daca
x x
x
X

Analog se obine c

|
.
|

\
| t
e
|
.
|

\
| t
e
+
=
.
2
, 0 , 0
,
2
, 0 ,
2
cos sin
) (
y daca
y daca
y y
y
Y

d)Avnd n vedere c densitatea de probabilitate a vectorului aleator ) , ( Y X ,
putem calcula probabilitatea cerut cu formula
}}
= e
D
dxdy y x D Y X P ) , ( ) ) , (( , unde .
3
,
6 4
,
6
|
.
|

\
| t t

|
.
|

\
| t t
= D
Astfel avem
,
2
sin
3
sin
12
7
sin
12
5
sin
2
1
3
sin
6
sin
2
1
3
cos
6
cos
2
1
)] cos( [
2
1
) sin(
2
1
3 6
,
4 6
|
|
4
6
4
6
4
6
3
6
4
6
3
6
|
.
|

\
| t
+
t

t
=
=
(

|
.
|

\
| t
+
|
.
|

\
| t
+ =
=
(

|
.
|

\
| t
+
|
.
|

\
| t
+ = + =
=
(
(
(

+ =
|
.
|

\
| t
< <
t t
< <
t
t
t
t
t
t
t
t
t
t
t
t
t
} }
} }
x x
dx x x dx y x
dx dy y x X X P

de unde .
2
3
1
2
1
3 6
,
4 6
|
|
.
|

\
|
=
|
.
|

\
| t
< <
t t
< <
t
X X P
Folosind definiia probabilitii condiionate, avem c
.
4
4
,
4
4
|
4
|
.
|

\
| t
>
|
.
|

\
| t
>
t
<
=
|
.
|

\
| t
>
t
<
Y P
Y X P
Y X P
Pe de o parte, avem succesiv
88
.
2
2
1
2
sin
4
sin
4
3
sin
2
sin
2
1
2
sin
4
sin
2
1
2
cos
4
cos
2
1
) cos( [
2
1
) sin(
2
1
2 4
,
4
0
4
,
4
|
4
0
4
0
4
0
4
0
2
4
=
(

t
+
t

t
=
=
(

|
.
|

\
| t
+
|
.
|

\
| t
+ =
=
(

|
.
|

\
| t
+
|
.
|

\
| t
+ =
= + =
(
(
(

+ =
=
|
.
|

\
| t
< <
t t
< < =
|
.
|

\
| t
>
t
<
t
t
t t t
t
}
} } }
x x
dx x x
dx y x dx dy y x
Y X P Y X P

Pe de alt parte avem c
( ) .
2
1
4
cos
4
sin
2
cos
2
sin
2
1
cos sin
2
1
) cos (sin
2
1
) (
2 4 4
|
2
4
2
4
2
4
=
|
.
|

\
| t
+
t

t
= =
= + = =
|
.
|

\
| t
< <
t
=
|
.
|

\
| t
>
t
t
t
t
t
t
} }
y y
dy y y dy y Y P Y P
Y

Folosind aceste dou probabiliti calculate, avem c
. 2 2
2
1
2
2
1
4
|
4
=

=
|
.
|

\
| t
>
t
< Y X P

6.19. Se consider variabila aleatoare X ce urmeaz legea normal ) 1 , 0 ( N ,
adic are densitatea de probabilitate
2
2
2
1
) (
x
e x

t
= , pentru orice . 9 e x
S se determine densitatea de probabilitate pentru variabilele aleatoare m X Y + o = ,
( 0 > o , 9 e m ) i .
X
e Z =

Soluie. Se tie c dac ntre dou variabile aleatoare de tip continuu exist o
legtur liniar, adic b aX Y + = ( 0 =/ a ), atunci ntre densitile corespunztoare exist
relaia .
| |
1
) (
|
.
|

\
|
=
a
b x
a
x
X Y

Deoarece, n cazul de faa, m X Y + o = , iar
2
2
2
1
) (
x
e x

t
= , avem c
( )
,
2
1 1
) (
2
2
2o

t
=
|
.
|

\
|
o

o
=
m x
X Y
e
m x
x
89
deci variabila aleatoareY urmeaz legea normal ). , ( o m N
Pentru a determina densitatea de probabilitate
Z
a variabilei aleatoare Z ,
determinm, prima dat funcia de repartiie
Z
F pentru aceasta. Se pornete de la
definiia funciei de repartiie, adic
). ( ) ( ) ( x e P x Z P x F
X
Z
< = < =
Deoarece 0 >
X
e , rezult c pentru 0 s x avem ). 0 ( ) ( / = P x F
Z

Dac 0 > x , putem scrie c ). (ln ) ln ( ) ( x F x X P x F
X Z
= < =
Prin derivarea funciei de repartiie se obine densitatea de probabilitate, adic
( )
.
2
1 1
) (ln
1
) (ln ) (ln )] (ln [ ) (
2
ln
' ' ' '
2
x
X
X Z Z
e
x
x
x
x F x x F z

t
= =
= = =

Aadar, s-a obinut c






6.20. La patru uniti de ora consumul de ap este normal cu probabilitile 0,9,
0,8, 0,85 i respectiv 0,7. Se noteaz cu X numrul unitilor, din cele patru, la care
consumul este normal ntr-o zi fixat din sptmn. S se scrie distribuia variabilei
aleatoare X , iar apoi s se calculeze valoarea medie, dispersia, abaterea standard,
mediana i modul variabilei aleatoare X .

Soluie. Variabila aleatoare X poate s ia una din valorile 0, 1, 2, 3, 4, dup cum
numrul unitilor la care consumul este normal, n ziua precizat, este normal n 0, 1, 2,
3,respectiv 4 uniti. Prin urmare, variabila aleatoare X are distribuia
|
|
.
|

\
|
4 3 2 1 0
4 3 2 1 0
P P P P P
X , unde ) ( k X P P
k
= = , . 4 , 0 = k
Probabilitile
k
P se calculeaz cu schema lui Poisson. Pentru aceasta avem
4 = n , 9 , 0
1
= p , 1 , 0
1
= q , 8 , 0
2
= p , 2 , 0
2
= q , 85 , 0
3
= p , 15 , 0
3
= q , 7 , 0
4
= p , 3 , 0
4
= q ,
adic
i
p este probabilitatea s fie consumul normal la unitatea i , iar
i
q este
probabilitatea s fie consum anormal la unitatea . i
In acest fel se obine:
. 4284 , 0
, 4139 , 0
, 1379 , 0
, 0189 , 0
, 0009 , 0
4 3 2 1 4
4 3 2 1 4 3 2 1 4 3 2 1 4 3 2 1 3
4 3 2 1 4 3 2 1
4 3 2 1 4 2 2 1 4 3 2 1 4 3 2 1 2
4 3 2 1 4 3 2 1 4 3 2 1 4 3 2 1 1
4 3 2 1 0
= =
= + + + =
= + +
+ + + + =
= + + + =
= =
p p p p P
p p p q p p q p p q p p q p p p P
p p q q p q p q
q p p q p q q p q p q p q q p p P
p q q q q p q q q q p q q q q p P
q q q q P

( )

s
>
t
=

. 0 , 0
, 0 ,
2
1 1
) (
2
ln
2
x daca
x daca e
x
x
x
Z
90
Astfel, distribuia variabilei aleatoare X este
.
4284 , 0 4139 , 0 1379 , 0 0189 , 0 0009 , 0
4 3 2 1 0
|
|
.
|

\
|
X
Valoarea medie a variabilei aletoare X se calculeaz cu formula
. 25 , 3 1736 , 1 2417 , 1 2758 , 0 0189 , 0 ) (
4
0
= + + + = =

= k
k
kP X M
Pentru a calcula dispersia, folosim formula . )] ( [ ) ( ) (
2 2 2
x M X M X D =
Dar avem c
, 15 , 11 4284 , 0 16 4139 , 0 9 1379 , 0 4 0189 , 0 ) (
4
0
2 2
= + + + = =

=
k
k
P k X M
deci 5875 , 0 ) 25 , 3 ( 15 , 11 ) (
2 2
= = X D i de asemenea, avem imediat abaterea standard
. 7665 , 0 ) ( ) (
2
= = o X D X
Mediana m este dat de dubla inegalitate
). (
2
1
) ( m X P m X P s s > >
Avem c
,
2
1
5716 , 0 4139 , 0 1379 , 0 0189 , 0 0009 , 0 ) 3 (
,
2
1
8423 , 0 4284 , 0 4139 , 0 ) 3 (
> = + + + = s
> = + = >
X P
X P

i n consecin se obine . 3 = m
Modul mo este definit ca fiind punctul de extrem local al distribuiei lui X , adic
4 = mo , deoArece variabila aleatoare X ia valoarea 4 cu probabilitatea maxim
. 4284 , 0
4
= P

6.21. O persoan, de fiecare dat cnd se deplaseaz n oraul O apeleaz la
serviciile unitii hoteliere H . Se tie c serviciile unitii H sunt ireproabile in 80%
din cazuri. Persoana respectiv intenioneaz s apeleze la serviciile unitii H pn
cnd este servit ireproabil. Fie X numrul de zile ct a fost servit persoana respectiv
ireproabil. S se scrie distribuia aleatoare X , iar apoi s se determine valoarea medie,
dispersia, mediana i modul variabilei aleatoare X .

Soluie. Probabilitatea ca o persoan care face apel la serviciile unitii H s fie
servit ireproabil este 8 , 0
100
80
= = q , iar probabilitatea ca s nu fie servit n mod
ireproabil este . 2 , 0 1 = = q p
Deoarece X este numrul servirilor ireproabile pn la o servire nemulumitoare
pentru clientul respectiv, avem c aceasta este o variabil aleatoare ce urmeaz legea
geometric. Distribuia variabilei aleatoare X este
|
|
.
|

\
|

2
2 1 0
pq pq p
X sau .
,... 2 , 1 , 0 =
|
|
.
|

\
|
k
k
p
k
X
Cteva din primele probabiliti sunt:
91
. , 128 , 0 ) 2 (
, 16 , 0 ) 1 ( , 2 , 0 ) 0 (
2
2
1
etc pq X P p
pq X P p p X P p
o
= = = =
= = = = = = = =

Valoarea medie a variabilei aleatoare X este
( ) . ) (
'
1 1
'
1
1
1 0
|
.
|

\
|
= = = = =


=

= k
k
k
k
k
k
k
k
k
k
q pq q pq kq pq kpq kpq X M
Seria care apare n calculul valorii medii ) (X M este o serie geometric, avnd raia
) 1 , 0 ( e q , deci este convergent. Prin urmare, se poate scrie
( )
.
1
1
1
1
) (
2 2
'
p
q
p
pq
q
pq
q
q
pq X M = =

= |
.
|

\
|

=
Deoarece 2 , 0 = p i 8 , 0 = q , rezult c 4 ) ( = X M . Aceasta ne spune s ne ateptm ca o
persoan s fie servit ireproabil de patru ori consecutiv.
Pentru calculul dispersiei folosim formula . )] ( [ ) ( ) (
2 2 2
x M X M X D = Pentru
aceasta, calculm

( ) ). ( ) (
) ( ) 1 ( ) 1 (
] ) 1 ( [ ) (
' '
2
2
' '
2
2
2
1
2
1 2
1 1 0
2 2
X M q pq X M q pq
X M q k k pq pq k pq k k
pq k k k pq k pq k X M
k
k
k
k
k
k
k
k
k
k
k
k
k
k
k
k
+ |
.
|

\
|
= + =
= + = + =
= + = = =


=

Din nou avem o serie geometric cu raia ) 1 , 0 ( e q , deci convergent, drept urmare se
poate scrie
( )
,
1
2
) (
1
) (
3
2
' '
2
2 2
p
q
q
pq X M
q
q
pq X M +

= +
|
|
.
|

\
|

=
adic
2
2
2
2
2
2 2
) (
p
pq q
p
q
p
q
X M
+
= + = . Astfel se ajunge la
.
) ( 2
) (
2 2 2
2
2
2
2
2
2
p
q
p
q p q
p
q pq
p
q
p
pq q
X D =
+
=
+
=
+
=
In cazul de fa, avnd 2 , 0 = p i 8 , 0 = q ,se obine . 20 ) (
2
= X D
Mediana m o determinm din condiia
), (
2
1
) ( m X P m X P s s > >
adic m va fi cel mai mic ntreg, pentru care .
2
1
) ( > s m X P Deoarece, avem c
, 1
1
1
) (
1
1
0
2 +
+
=
=

= = s

m
m m
k
q
q
q
p pk m X P
92
n condiiile problemei va trebui s calculm cel mai mic m astfel ca ( )
2
1
8 , 0 1
1
>
+ m
sau
( ) .
2
1
8 , 0
1
s
+ m
Astfel se obine . 3 = m
Se vede din distribuia variabilei aleatoare X c cea mai mare probabilitate este
0,2, deci modul este . 0 = mo

6.22. Timpul de X de ateptare ntr-o staie de servire urmeaz legea
exponenial de parametru . 0 > S se determine valoarea medie, dispersia, abaterea
medie ptratic i mediana pentru variabila aleatoare X .

Soluie.Dac variabila aleatoare X urmeaz legea exponenial de parametru
0 > , atunci are densitatea de probabilitate





Valoarea medie se obine din
.
1 1
) ( ) (
0 0
0
0
|

= =
(

=
= = =
} }
} }


dx e dx e e
x
dx xe dx x x X M
x x x
x

Deci timpul mediu de ateptare n staia de servire este .
1
) (

= X M
Pentru dispersie folosim formula . )] ( [ ) ( ) (
2 2 2
x M X M X D =
Dac, mai jos, se integreaz de dou ori prin pri, se obine c
,
2
) ( ) (
2
0
2 2 2

= = =
} }
+


dx e x dx x x X M
x

prin urmare,
2 2 2
2
1 1 2
) (

= X D , iar .
1
) ( ) (
2

= = o X D X
Pentru a determina mediana m , determinm mai nti funcia de repartiie, anume
}

=
x
dt t x F . ) ( ) (
Pentru 0 s x , avem 0 ) ( = x F , deoarece 0 ) ( = t , cnd 0 s t .
Pentru 0 > x obinem
. 1 ) ( ) (
|
0
0
x
x
t
x
t
e e dt e x F

= = =
}

Aadar, rezult c

s
>
=

. 0 , 0
, 0 ,
) (
x daca
x daca e
x
x
93

s
>
=

. 0 , 0
, 0 , 1
) (
x daca
x daca e
x F
x

Mediana este dat de ecuaia
2
1
) ( = x F , deci
2
1
1 =
x
e sau
2
1
=
x
e , de unde
.
2 ln

= m

6.23. Variabila aleatoare X urmeaz legea gamma. S se calculeze momentele
iniiale, iar apoi valoarea medie, disp[ersia, asimetria i excesul variabilei aleatoare X .

Soluie. Dac variabila aleatoare X urmeaz legea gamma, atuncia are densitatea
de probabilitate

s
>
I
=

, 0 , 0
, 0 ,
) (
1
) (
1
x daca
x daca e x
b a
x
b
x
a
a

unde parametrii 0 , > b a , iar dx e x a
x a
}


= I
0
1
) ( este funcia lui Euler de spea a doua.
Pentru calculul momentelor iniiale scriem
.
) (
1
) (
0
1
dx e x
b a
dx x x
b
x
a k
a
k
k
} }

+
=

I
= = v
Aducem aceast integral la funcia gamma, prin schimbarea de variabil bt x = ,
. bdt dx = astfel rezult c
( )
). (
) (
) ( ) (
1
0
1
0
1
k a
a
b
dt e t
b a
b
dt e bt
b a
k
t a k
a
a k
t a k
a
k
+ I
I
=
=
I
=
I
= v
} }

+
+

+

Aplicm formula de recurena pentru funcia gamma ia avem
. ) 1 ( ) 1 ( ) ( ) 2 )( 1 (
) (
k
k
k
b k a a a a a k a k a
a
b
+ + = I + +
I
== v
Avnd momentele iniiale se obin
. ) 1 ( ) (
, ) (
2 2 2 2 2
1 2
2
1
a b a b a a b X D
ba X M
= + = v v =
= v =

Pentru a calcula asimetria i excesul, trebuie s calculm momentele centrate de
ordinele 3 i 4. Dar avem c momentul centrat
k
de ordin k , se exprim cu momentele
iniiale prin formula
, ) 1 (
1
0
i
i k
i
k
k
i
i
k
C v v =

=


de unde
2
1 2 1 3 3
2 3 v + v v v = i . 3 6 4
4
1 2
2
1 3 1 4 4
v v v + v v v =
Astfel, n cazul de fa, rezult c
94
). 2 ( 3 ) ( 3 ) 1 ( 6
) 2 )( 1 ( 4 ) 3 )( 2 )( 1 (
, 2 2 ) 1 ( 3 ) 2 )( 1 (
4 4 2 2 2
3 4
4
3 3 3 2 3
3
+ = + +
+ + + + + + =
= + + + + =
a a b ba a a b a b
a a a b ba a a a a b
a b a b a a b ba a a a b

Obinem, n acest fel, asimetria i excesul variabilei aleatoare X

( )
.
6
3
) 2 ( 3
3
,
2 2
2 4
4
4
4
3
3
3
3
a
a b
a a b
e
a
a b
a b
s
=
+
=
o

=
= =
o

=


6.24. Dac X este numrul mrcilor aprute n trei aruncri cu o moned, iar Y
este numrul maxim de mrci consecutive aprute n cele trei aruncri, s se determine
coeficientul de corelaie dintre variabilele aleatoare X i Y .

Soluie. Scriem la nceput distribuiile variabilelor aleatoare X i Y , precum i a
vectorului aleator ). , ( Y X
Pentru variabila aleatoare X avem distribuia de la legea binomial cu 3 = n i
2
1
= p , adic
|
|
.
|

\
|
8
1
8
3
8
3
8
1
3 2 1 0
X , iar prin calcul direct, se obine distribuia variabilei
aleatoare Y , anume .
8
1
4
1
2
1
8
1
3 2 1 0
|
|
.
|

\
|
Y
De asemenea, distribuia vectorului aleator ) , ( Y X este


X\Y
8
1
0 0 0
0
4
1
8
1
0
0 0
8
3
0
0 0 0
8
1

3 2 1 0
3
2
1
0

95
Coeficientul de corelaie l calculm cu formula
,
) ( ) (
) ( ) ( ) (
) ( ) (
) , (
) , (
2 2
Y X
Y M X M XY M
Y D X D
Y X C
Y X r
o o

= =
unde ) , ( Y X C noteaz corelaia dintre variabilele aleatoare X i Y.
Pentru aceasta avem c
2
3
8
1
3
8
3
2
8
3
1
8
1
0 ) ( = + + + = X M i n mod analog
.
8
11
) ( = Y M
Pentru dispersie folosim formula . )] ( [ ) ( ) (
2 2 2
x M X M X D = In primul rnd
avem 3
8
1
3
8
3
2
8
3
1
8
1
0 ) (
2 2 2 2 2
= + + + = X M ,deci dispersia va fi
.
4
3
2
3
3 ) (
2
2
=
|
.
|

\
|
= X D
In mod analog, avem
8
21
) (
2
= Y M , deci .
64
47
8
11
8
21
) (
2
2
=
|
.
|

\
|
= Y D
Valoarea medie a variabilei aleatoare produs XY se obine prin
.
4
11
8
9
4
4
8
2
8
3
8
1
3 3 0 1 0
8
1
0 0 ) ( = + + + = + + + = XY M
Prin urmare, pentru coeficientul de corelaie se obine
.
141
11
16
141
16
11
64
47
4
3
8
11
2
3
4
11
) , ( = =

= Y X r

6.25. Variabila aleatoare X urmeaz legea normal ) , 0 ( o N i fie variabial
aleatoare .
3
X Y = S se determine coeficientul de corelaie dintre variabilele aleatoare
X i . Y

Soluie. Pentru a calcula coeficientul de corelaie dintre variabilele aleatoare X i
Y , folosim formula
.
) ( ) (
) ( ) ( ) (
) ( ) (
) ( ) ( ) (
) , (
3 2 2
3 4
2 2
X D X D
X M X M X M
Y D X D
Y M X M XY M
Y X r

=

=
Se tie c o variabil aleatoare ce urmeaz legea normal ) , ( o m N are valoarea
medie m . In cazul de fa 0 = m , deci . 0 ) ( = X M Prin urmare, avem c
) ( )] ( [ ) ( ) (
2 2 2 2
X M x M X M X D = = , i de asemenea . )] ( [ ) ( ) (
2 3 6 3 2
x M X M X D =
Aadar, se obine c
.
)] ( [ ) ( ) (
) (
) , (
2
3 6 2
4
2 3 6 2
4
v v v
v
=

=
x M X M X M
X M
Y X r
Avem nevoie de momentele iniiale ale variabilei aleatoare X , motiv pentru care
calculm toate momentele iniiale. Pentru aceasta scriem
96
} }
+

o

+

t o
= = v .
2
1
) (
2
2
2
dx e x dx x x
x
n n
n

Dac n este impar, atunci funcia ce se integreaz este funcie impar, iar
intervalul de integrare fiind simetric fa de origine, rezult c integrala este zero. Prin
urmare, momentele iniiale de ordin impar sunt zero, deci i . 0
3
= v
In cazul n care n este par, adic k n 2 = , atunci funcia ce se integreaz este o funcie
par, deci
}
+

o

t o
= v .
2
1 2
2
2
2
2
dx e x
x
k
k

Efectum schimbarea de variabil dat prin t x
2 2
2o = , deci .
2
dt xdx o = Astfel, rezult
c
( )
} }
+

t
o
= o o
t o
= v
0 0
2
1 2
2
1 2
2
.
2
2
2
1
dt e t dt e t
t
k
k k
t
k
k

Dac se are n vedere c integrala la care s-a ajuns este funcia gamma i dac se aplic n
mod repetat formula de recuren pentru funia gamma, rezult c
.
2
1
1 ) 3 2 )( 1 2 (
1
2
1
2
1
2
3
2
1
2
1
2
1
2
1
2
2 2
2
k
k k k k
k
k k
k k k
o
|
.
|

\
|
I
t
=
=
|
.
|

\
|
I
|
.
|

\
|

|
.
|

\
|
o
t
=
|
.
|

\
|
+ I o
t
= v


Dac avem c t =
|
.
|

\
|
I
2
1
si dac notm ), 1 2 ( 3 1 ! )! 1 2 ( = k k se obine c
. ! )! 1 2 (
2
2
k
k
k o = v
Prin urmare, avem c
2
2
o = v ,
4
4
3o = v i . 15
6
6
o = v Astfel, coeficientul de
corelaie dintre variabilele aleeatoare X i Y este
.
5
3
15
3
) , (
6 2
4
6 2
4
=
o o
o
=
v v
v
= Y X r

6.26. Folosind inegalitatea lui Cebev, s se calculeze probabilitatea ca o
variabil aleatoare ce urmeaz legea normal s se abat de la valoarea medie:

a) mai puin de trei ori abaterea medie ptratic,
b) mai mult de patru ori abaterea medie ptratic.

Soliie. a) Variabila aleatoare X urmnd legea normal ) , ( o m N , se tie c
m X M = ) ( i
2 2
) ( o = X D , iar abaterea medie ptratic este . ) ( ) (
2
o = = o X D X Prin
urmare, inegalitatea lui Cebev devine
, 1 ) | (|
2
2
c
o
> c < m X P pentru orice . 0 > c
Dac se ia o = c 3 , rezult c .
9
8
9
1
1 ) 3 | (| = > o < m X P
97
b) Dac se consider cealalt form a inegalitii lui Cebev, avem c
, ) | (|
2
2
c
o
s c > m X P pentru orice , 0 > c care pentru o = c 4 devine
.
16
1
) 4 | (| s o > m X P

6.27. Se cunoate c o unitate de desfacere a produselor alimentare poate deservi
zilnic un numr de 3000 clieni, Stiind c un client care intr n unitate devine
cumprtor cu probabilitatea , 7 , 0 = p s se evalueze probabilitatea ca

a) numrul cumprtorilor s fie cuprins ntre 1800 i 2400,
b) numrul cumprtorilor s fie mai mic dect 2150.

Soluie. a)Numrul cumprtorilor X este o variabil aleatoare ce urmeaz legea
binomial cu parametrii 3000 = n i 7 , 0 = p . Se cunoate c
, 2100 7 , 0 3000 ) ( = = = np X M iar . 630 3 , 0 7 , 0 3000 ) (
2
= = = npq X D
Folosind inegalitatea lui Cebev obinem
,
630
1 ) | 2100 (|
2
c
> c < X P pentru orice , 0 > c
sau
.
630
1 ) 2100 2100 (
2
c
> c + < c P
Dac se ia , 300 = c rezult c
. 993 , 0 007 , 0 1
90000
630
1 ) 2400 1800 ( = = > < < X P
De asemenea, se poate folosi teorema Moivre-Laplace, adic
,
630
2100 1800
630
2100 2400
) 2400 1800 (
|
|
.
|

\
|

u
|
|
.
|

\
|

u ~ < < X P
adic
.
630
300
630
300
) 2400 1800 (
|
|
.
|

\
|
u +
|
|
.
|

\
|
u ~ < < X P
u este funcia lui Laplace definit prin ,
2
1
) (
0
2
2
dt e x
x
t
}

t
= u care este tebelat n Anexa
I. In cazul de fa de gsete c , 5 , 0 ) 95 , 11 ( = u prin urmare . 1 ) 2400 1800 ( ~ < < X P
b) Folosim din nou teorema Moivre-Laplace i avem
.
630
2100
630
50
630
2100
630
2100 2150
) 2150 0 ( ) 2150 (
|
|
.
|

\
|
u +
|
|
.
|

\
|
u =
=
|
|
.
|

\
|
u
|
|
.
|

\
|

u ~ < s = < X P X P

Din tabele avem c
98
, 5 , 0
630
2100
=
|
|
.
|

\
|
u iar ( ) , 4767 , 0 99 , 1
630
50
= u =
|
|
.
|

\
|
u
prin urmare . 9767 , 0 4767 , 0 5 , 0 ) 2150 ( = + ~ < X P

6.28. Se iau la ntmplare n persoane din populaia unui ora pentru a determina
fracia p a fumtorilor. Fie X numrul fumtorilor gsii ntre cele n persoane
considerate i ,
n
X
f = frecvena relativ a fumtorilor ntlnii. S se determine ct de
mare trebuie s fie numrul n al persoanelor considerate, astfel nct 005 , 0 | | <
n
X
p
cu o probabilitate mai mare dect 0,95. De asemenea s se determine n dac se tie c
. 1 , 0 s p

Soluie. Variabila aleatoare X urmeaz legea binomial, adic are distribuia
,
, 0 n k
k n k k
n
q p C
k
X
=
|
|
.
|

\
|
. 1 p q =
Din inegalitatea lui Cebev, deoarece np X M = ) ( i , ) (
2
npq X D = avem c
, 1 |) (|
2
c
>
npq
np X P pentru orice . 0 > c Aceast inegalitate se mai poate scrie sub
forma
. 1 | | | |
2
c
>
|
.
|

\
| c
< =
|
.
|

\
| c
<
npq
n
p f P
n
p
n
X
P
Dac lum , 005 , 0 n = c rezult c
( )
( ) ( )
.
005 , 0
1
005 , 0
1 005 , 0 | |
2 2 2
n
pq
n
npq
p f P = > <
Dar se cere s calculm pe n astfel ca aceast probabilitate s fie mai mare dect 0,95,
adic
( )
95 , 0
005 , 0
1
2
>
n
pq
sau
( )
.
05 , 0 005 , 0
2
pq
n >
Pe de alt parte, avem c ,
4
1
) 1 ( s = p p pq deci l determinm pe n din inecuaia
( )
,
500
10
10 125
1
4
1
05 , 0 005 , 0
4
1
8
8 2
=

= >

n
adic . 200000 10 2
5
10
5
6
= = > n
Dac se tie c , 1 , 0 s p atunci , 09 , 0 < pq iar n se determin din inegalitate
( )
, 10
125
9
10 125
10 9
05 , 0 005 , 0
09 , 0
6
8
2
2
=

= >

n obinndu-se . 72000 10 72
3
= > n
Rezultate mai bune se obin dac se folosete teorema Moivre-Laplace.
In primul rnd, avem c
99
( )
. 005 , 0 2 005 , 0 005 , 0
005 , 0 005 , 0
005 , 0 005 , 0 005 , 0 | |
|
|
.
|

\
|
u =
|
|
.
|

\
|
u
|
|
.
|

\
|
u =
=
|
|
.
|

\
|

u
|
|
.
|

\
|
+
u ~
~ + < < =
|
.
|

\
|
<
pq
n
pq
n
pq
n
npq
np n np
npq
np n np
n np X n np P p
n
X
P

Determinm valoarea lui n din inegalitatea
95 , 0 005 , 0 2 >
|
|
.
|

\
|
u
pq
n
sau . 475 , 0 005 , 0 >
|
|
.
|

\
|
u
pq
n

Din Anexa I se afl c ( ) , 475 , 0 96 , 1 = u deci avem de rezolvat inecuia . 96 , 1 005 , 0 >
pq
n

Dac se ine seama de faptul c ,
4
1
s pq avem c . 96 , 1 01 , 0 > n sau , 196 > n
de unde . 38416 > n
Dac se tie c , 1 , 0 s p atunci avem inecuaia . 96 , 1
09 , 0
005 , 0 >
n
sau , 588 , 0 005 , 0 > n
adic , 588 5 > n de unde se obine . 13830 > n

6.29. Se consider irul ( )
1 > n n
X de variabile aleatoare independente dou cte
dou i care au distribuiile
.
3
1
3
1
3
1
3
1
1 0 1
2
0
2
|
|
.
|

\
|
n
p
n
n n
X
n



S se verifice dac irul de variabile aleatoare se supune legii numerelor mari.

Soluie. Din proprietile unei distribuii rezult c
.
1
2
1
1
3
2
1
3 3
0
|
.
|

\
|
+ + + =
n
p
De asemenea avem c
| | ,
1
2
1
1
3
2
) ( ) ( ) (
,
1
2
1
1
3
2
3
1
3
1
1
3
1
1
3
1
) (
, 0 ) (
2 2 2
3
2 2 2
3
2 2
|
.
|

\
|
+ + + = =
|
.
|

\
|
+ + + =
= + + + + + =
=
n
X M X M X D
n
n
n
n
n X M
X M
n n
n
n



Dispersiile nefiind egal mrginite, nu se poate aplica teorema lui Cebev.
Incercm s aplic teorema lui Markov. Pentru aceasta, folosind faptul c
variabilele aleatoare sunt independente dou cte dou, putem scrie
100
( )
.
1
2
1
1
3
2
lim
1
lim
1
lim
1
2
1
2
2
1
2
2


=

=

=

|
.
|

\
|
+ + + =
= = |
.
|

\
|
n
k
n
n
k
k
n
n
k
k
n
k
n
X D
n
X D
n


Dac avem . ln 1 1
1
2
1
1
1
k
x
dx
k
k
+ = + s + + +
}
Prin urmare se poate scrie
( ) . 0 ) ln 1 (
3
2
lim . ln 1
3
2
lim
) ln 1 (
3
2
lim
1
lim 0
2
1
2
1
2
1
2
2
= + = + s
s + = |
.
|

\
|
s

=

=

=


n n
n
n
n
k
n
X D
n
n
n
k
n
n
k
n
n
k
k
n

Din acest ir de relaii rezult c
.
0
1
lim
1
2
2
= |
.
|

\
|

=

n
k
k
n
X D
n
, deci condiia din teorema lui
Markov este ndeplinit. In consecin irul de variabile aleatoare se supune legii
numerelor mari.

6.30. Fie irul de variabile aleatoare ( )
1 > n n
X de variabile aleatoare
independente, carea au distribuiile ,
1 1
0
0
|
|
.
|

\
|

n
p
n
n n
X
n
pentru , 2 > n iar . 0
1
= X S
se arate c irul de variabile aleatoare considerat urmeaz legea numerelor mari.

Soluie. Se vede imediat c . 0 ) ( =
n
X M Pentru dispersie avem
| | ( ) , 2
1
0
1
) ( ) ( ) (
0
2 2 2 2
= + + = = =
n
n p
n
n X M X M X M X D
n n n n

dac 2 > n , iar . 0 ) (
1
2
= X D Prin urmare , 2 ) (
2
s
n
X D pentru orice , N ne deci
dispersiile sunt egal mrginite. Se poate aplica teorema lui Cebev, drept urmare irul de
variabile aleatoare considerat urmeaz legea numerelor mari, adic
( ) , 1 |
1
| lim |
1 1
| lim
1 1 1
= |
.
|

\
|
c < = |
.
|

\
|
c <

=

= =

n
k
k
n
n
k
n
k
k k
n
X
n
P X M
n
X
n
P pentru orice . 0 > c


7. Exerciii i probleme propuse


7.1. Se arunc o moned de patru ori. Fie A evenimentul ca marca s apar de
dou ori, B evenimentul ca marca s apar cel pui o dat, C evenimentul ca marca s
apar la aruncarea a doua. S se determine:

a) spaiul O al probelor,
101
b) probele care favorizeaz respectiv apariiile evenimentelor A, B i C ,
c) evenimentele B A , C A , C B , A , B , C , B A , C B A , B A ,
C B , B A\ , A B \ , C A\ , C B A , C B A ,
d) probabilitile evenimentelor de la punctele precedente.

Rspunsuri.a) } ,..., , { SSSS MMMS MMMM = O ; d)
8
3
) ( = A P ,
16
15
) ( = B P ,
2
1
) ( = C P ,
8
3
) ( = B A P ,
16
3
) ( = C A P ,
2
1
) ( = C B P ,
16
15
) ( = B A P ,
16
3
) ( = C B A P ,
0 ) ( = B A P ,
16
1
) ( = C B P , 0 ) \ ( = B A P ,
16
9
) \ ( = A B P ,
16
3
) \ ( = C A P ,
0 ) ( = C B A P , . 1 ) ( = C B A P

7.2. Un client cumpr dintr-un magazin patru articole de mbrcminte. Fie
1
A ,
2
A ,
3
A ,
4
A respectiv evenimentele ca primul, al doilea, al treilea i al patrulea articol s
nu conin defeciuni. S se exprime cu ajutorul acestor evenimente, urmtoarele
evenimente:

a) nici un articol nu prezint defeciuni,
b) cel puin un articol prezint defeciuni,
c) exact un articol prezint defeciuni,
d) exact dou articole prezint defeciuni,
e) cel mult dou articole prezint defeciuni.

Rspunsuri. a)
i
A A = ; b) i A B = ;
c) ( ) ( )
4 3 2 1 4 3 2 1
A A A A A A A A C = ;
d) ( ) ( )
4 3 2 1 4 3 2 1
A A A A A A A A D = ;
e) D C A E = .

7.3. Un lact are un cifru format din patru cifre. S se calculeze pobabilitatea de a
ghici cifrul lactului dac:

a) lactul funcioneaz perfect,
b) ultima cifr, din cauza unei defeciuni nu trebuie s coincid cu ultima cifr a
combinaiei considerate,
c) prima i ultima cifr nu trebuie s coincid cu prima respectiv ultima cifr a
combinaiei considerate.

Rspunsuri. a)
4
10
1
; b)
4
10
10
; c)
4
2
10
10
.

102
7.4. La o conferin de pres particip 7 ziariti strini i 17 ziariti autohtoni(8
femei i 9 brbai). tiind c la conferina de pres vor pune ntrebri 6 ziariti luai la
ntmplare din cei 24 prezeni, se cere probabilitatea ca ntrebrile s fie puse de:

a) 2 ziariti strini i 4 autohtoni;
b) 2 ziariti strini i 4 autohtoni(2 femei i 2 brbai);
c) 1 ziarist strin i 5 autohtoni (2 femei i 3 brbi).

Rspunsuri. a)
6
24
4
17
2
7
C
C C
; b)
6
24
2
9
2
8
2
7
C
C C C
; c)
6
24
3
9
2
8
1
7
C
C C C
.

7.5. Piesele produse de o main prezint rebut n procente 2%. Pentru controlul
calitii produselor, se iau la ntmplare 10 piese. S se calculeze probabilitatea ca:

a) nici o pies s nu fie defect,
b) cel mult dou piese s fie defecte.

Rspunsuri. a)
10 0
0
10
100
98
100
2
) 0 , 10 (
|
.
|

\
|
|
.
|

\
|
= C P ;
b) ) 2 , 10 ( ) 1 , 10 ( ) 0 , 10 ( P P P + + .

7.6. Se tie c un magazin de cosmetice are acelai numr de clieni brbai,
respectiv femee. Se consider primii 12 clieni ai magazinului dintr-o zi fixat. S se
calculeze probabilitatea ca 12 dintre cei 12 clieni:

a) patru s fie femei,
b) s fie cel mult patru femei.

Rspunsuri. a)
8 4
4
12
2
1
2
1
) 4 , 12 (
|
.
|

\
|
|
.
|

\
|
= C P ;
b) ) 4 , 12 ( ) 0 , 12 ( P P + + .

7.7. Se arunc un zar de 15 ori. S se calculeze probabilitatea ca de 5 ori s apar
numr prim, de 8 ori s apar numr compus i de 2 ori s apar faa cu un punct.

Rspuns.
2 8 5
6
1
3
1
2
1
! 2 ! 8 ! 5
! 15
) 2 , 8 , 5 ; 15 (
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
= P .
7.8. La o loterie s-au vndut 85 bilete loto, din care o persoan a cumprat 10
bilete. Stiind c din cele 85 bilete trei sunt ctigtoare, s se calculeze probabilitatea ca
persoana care a cumprat cele 10 bilete:

a) s nu fi ctigat,
b) s aib un bilet ctigtor,
c) s aib cel puin un bilet ctigtor.
103

Rspunsuri. a)
10
85
10
82
0
3
) 0 , 10 (
C
C C
P = ; b)
10
85
9
82
1
3
) 1 , 10 (
C
C C
P = ;
c)
10
85
10
82
0
3
1 ) 0 , 10 ( 1
C
C C
P = .

7.9. Intr-un magazin cu autoservire, pe un raft se afl cte 10 ciocolate care cost
respectiv 1 mie lei, 3 mii de lei, 5 mii de lei i 10 mii de lei. O persoan ia la ntmplare 5
ciocolate. S se determine probabilitatea ca suma pltit s fie 25 mii de lei.

Rspuns.
5
40
0
10
1
10
2
10
5
40
5
10
) 2 , 0 , 1 , 2 ; 5 ( ) 0 , 5 , 0 , 0 ; 5 (
C
C C C
C
C
P P + = + .

7.10. Se arunc cinci zaruri, dintre care unul are o fa colorat n alb i celelalte
n negru, altul are dou fee colorate n alb i celelalte n negru, altul are trei fee colorate
In alb i celelalte n negru, altul are patru fee colorate n alb i celelalte n negru, iar altul
are cinci fee colorate n alb i celelalte n negru. S se calculeze probabilitatea:

a) s se obin pe trei din cele cinci zaruri culoarea alb,
b) s se obin cel puin pe dou zaruri culoarea alb.

Rspunsuri. a)
5 4 3 2 1 5 4 3 2 1
) 3 , 5 ( p p p q q q q p p p P + + = ;
b) ) 1 , 5 ( ) 0 , 5 ( 1 P P , unde
6
i
p
i
= i
i i
p q =1 , 5 , 1 = i .

7.11. Se tie c 3 din patru clieni care intr ntr-o unitate alimentar fac
cumprturi de la unitatea respectiv. S se calculeze probabilitatea ca:

a) primul cumprtor s apar dup trei clieni carea au prsit magazinul fr s
cumpere nimic din unitatea respectiv,
b) pn la al doilea cumprtor doi clieni s nu fi efectuat cumprturi.

Rspunsuri. a)
3
3
4
1
4
3
|
.
|

\
|
= pq ; b)
2 2
2 2 2
1 2 2
4
1
4
3
3
|
.
|

\
|
|
.
|

\
|
=
+
q p C .

7.12. Zece aparate de acelai tip sunt date n folosina , trei provenind de la
unitatea
1
U , cinci de la unitatea
2
U , iar dou de la unitatea
3
U . Se supun aceste aparate
unei probe de verificare. Cele care provin de la unitatea
1
U trec proba cu probabilitate de
0,9, cele de la
2
U cu probabilitatea 0,75, iar cele de la
3
U cu probabilitatea 0,85. Se ia un
aparat la ntmplare i se cere probabilitatea ca:

a) aparatul s treac proba de verificare,
b) aparatul s provin de la unitatea
1
U dac se tie c a trecut proba de verificare.
104

Rspunsuri. a) 85 , 0
10
2
75 , 0
10
5
9 , 0
10
3
+ + = p ;
p
9 , 0
10
3

.

7.13. Consumul zilnic de energie electric ntr-o unitate comercial este normal
cu probabilitatea 8 , 0 = p . Fie X numrul zilelor din sptmn cnd consumul este
normal. S se scrie distribuia variabilei aleatoare X

Rspuns.
( ) ( )
.
2 , 0 8 , 0
7 , 0
7
7
=

|
|
.
|

\
|
k
k k k
C
k
X

7.14. Se arunc o moned de trei ori. Se noteaz cu X i Y respectiv numrul
apariiilor mrcii n cele trei aruncri i numrul de mrci consecutive aprute n cele trei
aruncri. S se scrie distribuiile:

a)variabilelor aleatoare X i Y ,
b)vectorului aleator ) , ( Y X ,
c)variabilelor aleatoare Y X + i XY .

Rspunsuri. a) ,
8
1
8
3
8
3
8
1
3 2 1 0
|
|
.
|

\
|
X respectiv ;
8
1
4
1
2
1
8
1
3 2 1 0
|
|
.
|

\
|
Y
b)

X\Y
8
1
0 0 0
0
4
1
8
1
0
0 0
8
3
0
0 0 0
8
1

3 2 1 0
3
2
1
0

105
c) ,
8
1
4
1
8
1
8
3
8
1
6 5 4 2 0
|
|
.
|

\
|
+ Y X .
8
1
4
1
8
1
8
3
8
1
9 4 2 1 0
|
|
.
|

\
|
XY

7.15. La o librrie s-au primit 10 exemplare dintr-o carte, din care 4 prezint mici
defeciuni. Trei cumprtori iau la ntmplare cte o carte din cele 10. Fie X numrul
crilor cu defeciuni vndute celor trei cumprtori. S se scrie distribuia variabilei
aleatoare X i funcia de repartiie corespunztoare variabilei aleatoare X , iar apoi s se
reprezinte grafic funcia de repartiie.

Rspuns. Legea hipergeometric: .
30
1
10
3
2
1
6
1
3 2 1 0
|
|
.
|

\
|
X

>
s <
s <
s <
s
= < =
. 3 , 1
, 3 2 ,
30
29
, 2 1 ,
3
2
, 1 0 ,
6
1
, 0 , 0
) ( ) (
x daca
x daca
x daca
x daca
x daca
x X P x F

7.16. O persoan cumpr pe rnd bilete loz n plic pn cnd obine un bilet
ctigtor. Stiind c un bilet este ctigtor cu probabilitatea 1 , 0 = p i notnd cu X
numrul biletelor nectigtoare cumprate, s se scrie distribuia variabilei aleatoare X
i funcia repartiie ataat variabilei aleatoare X .

Rspuns. ,
, 1 , 0 =
|
|
.
|

\
|
k
k
pq
k
X
( )

= s <
s
= < =
, 2 , 1 , 1 , 1
, 0 , 0
) (
k k x k pentru q
x pentru
x X P x F
k


7.17. Variabila aleatoare X de tip continuu are densitatea de probabilitate

t e
t e
=
), , 0 ( , 0
), , 0 ( , sin
) (
x daca
x daca x A
x

unde A este o constant real. S se determine:

a) constanta real A,
b) funcia de repartiie corespunztoare,
106
c) probabilitile
|
.
|

\
| t
< s
t
2 6
x P i .
4
|
2
0
|
.
|

\
| t
>
t
< < X X P

Rspunsuri. a)
2
1
= A ; b)

t >
t s s
<
=
. , 1
, 0 ), cos 1 (
2
1
, 0 , 0
) (
x daca
x daca x
x daca
x F
c) .
2
2
1
2
1
,
4
3
|
|
.
|

\
|
+

7.18. Se consider vectorul aleator ) , ( Y X cu densitatea de probabilitate

< < >


=
. , 0
, 1 , 0 , ,
) , (
rest in daca
x y y x daca xy A
y x

S se determine:
a) constanta real , A
b) densitile de probabilitate
X
i respectiv
Y
pentru variabilele aleatoare X i
, Y
c) probabilitile
|
.
|

\
|
< < < <
2
1
0 ,
2
1
0 y X P i .
2
1
|
2
1
|
.
|

\
|
< < y X P

Rspunsuri. a) ;
2
9
= A
b)

e
e
=
], 1 , 0 [ , 0
], 1 , 0 [ , 3
) (
2
x daca
x daca x
x
X


( )

e
e
=
], 1 , 0 [ , 0
], 1 , 0 [ , 3
) (
2
x daca
x daca x x
x
Y

c) .
1 2 4
1
,
8
1



7.19. Variabila aleatoare X urmeaz legea normal ). 1 , 0 ( N S se determine
densitile de probabilitate respectiv variabilele aleatoare
3
X Y = i . X Z =

Rspuns. ,
2 3
1
) (
2
3 2
3 2
x
Y
e
x
x

t
= ; 0 =/ x
107

s
>
t
=

. 0 , 0
, 0 ,
2
) (
2
2
x daca
x daca e
x
x
Z


7.20. O persoan dorete s deschid un lact i are n chei, dintre care numai una
se potrivete. Pentru aceasta, ncearc la ntmplare deschiderea lactului cu aceste chei.
Fie X numrul de ncercri efectuate pentru deschiderea lactului. S se scrie distribuia
variabilei aleatoare X , iar apoi s se calculeze valoarea medie i dispersia variabilei
aleatoare X , dac:

a) cheile ncercate se pun mpreun cu celelalte,
b) cheile ncercate se nltur.

Rspunsuri. a)
, 2 , 1
1
1 1
=

|
|
|
.
|

\
|
|
.
|

\
|
k
k
n
n
n
k
X , ) ( n X M = ;
1
) (
2

=
n
n
X D
b) , 1
, 1 n k
n
k
X
=
|
|
.
|

\
|
,
2
1
) (
+
=
n
X M .
12
1
) (
2
2

=
n
X D

7.21. La patru uniti alimentare din ora se poate gsi zilnic pine proaspt cu
probabilitile 8 , 0
1
= p , 9 , 0
2
= p , 95 , 0
3
= p i respectiv . 85 , 0
4
= p Fie X numrul
unitilor alimentare din cele patru la care se gsete pine proaspt ntr-o zi fixat. S se
determine:

a) distribuia variabilei aleatoare X ,
b) valoarea medie, dispersia, abaterea medie ptratic, mediana i modul variabilei
aleatoare X .

Rspunsuri. a) ;
5814 , 0 34315 , 0 06965 , 0 00565 , 0 00015 , 0
4 3 2 1 0
|
|
.
|

\
|
X
b) , 5 , 3 ) ( = X M , 452 , 0 ) (
2
= X D , 4 = m . 4 = mo

7.22. Fie ) , ( Y X coordonatele unui punct luminos ce reprezint o int pe un
ecran radar circular i care urmeaz legea uniform pe domeniul
{ }. | ) , (
2 2 2 2
r y x y x D s + 9 e = S se determine valoarea medie i dispersia distanei
2 2
Y X Z + = de la centrul ecranului pn punctul luminos.

Rpuns. ,
3
2
) (
r
Z M = .
18
) (
2
2
r
Z D =

108
7.23. Variabila aleatoare X urmeaz legea beta. S se calculeze momentele
iniiale, iar apoi valoarea medie, dispersia i abaterea medie ptratic a variabilei
aleatoare X .

Rspuns. ,
) 1 ( ) 1 )( (
) 1 ( ) 1 (
+ + + +
+ + +
= v
k b a b a b a
k a a a
k


, ) (
b a
a
X M
+
= ,
) 1 ( ) (
) 2 (
) (
2
2
+ +
+
=
b a b a
b a a
X D
. ) ( ) (
2
X D X = o

7.24. Fie punctul ) 1 , 0 ( e a fixat i punctul aleator ), 1 , 0 ( e X care urmeaz legea
uniform pe intervalul ). 1 , 0 ( S se determine corelaia dintre X i distana a X Z =
de la X la a , iar apoi s se determine valoarea lui a pentru care variabilele aleatoare X
i Z sunt necorelate.

Rspuns.
.
2
1
), 1 6 4 (
12
1
) , (
2 3
= + = a a a Z X C


7.25. Folosind inegalitatea lui Cebev, s se arate c

,
1
)) 1 ( 2 0 (
+
> + < <
m
m
m X P
dac variabila aleatoare X are densitatea de probabilitate

s
>
=

. 0 , 0
, 0 ,
! ) (
x daca
x daca e
m
x
x
x
m


Rspuns. . 1 ) ( ) (
2
+ = = m X D X M

7.26. Probabilitatea ca o persoan s gseasc loc la un hotel este . 8 , 0 = p In
decursul unei luni de zile, la hotelul respectiv s-au prezentat 4000 de persoane. Fie X
numrul persoanelor care au gsit loc la hotel din totalul de 4000. S se determine
probabilitatea ca:

a) numrul persoanelor care au gsit loc la hotel s fie cuprins ntre 3000 i 3400,
b) numrul persoanelor care au gsit loc la hotel s nu depeasc pe 3000,
c) numrul persoanelor care nu au gsit loc la hotel s fie mai mic dect 500.

109
Rspunsuri. a)
125
123
) 4000 3000 ( > < < X P (inegalitatea lui Cebev),
1 ) 4000 3000 ( ~ < < X P (teorema lui Moivre-Laplace); b) 0 ) 3000 ( ~ < X P (teorema
Moivre-Laplace); c) 0 ) 500 4000 ( ~ < X P (teorema Moivre-Laplace).

7.27. Probabilitatea ca o persoan s fie admis la examenul de ofer amator este
. 75 , 0 = p Intr-o lun se prezint un numr de n candidai la acest examen. S se
determine numrul n astfel nct s putem afirma cu o probabilitate de cel puin 0,95 c
frecvena relativ a promovailor s se abat de la probabilitatea 75 , 0 = p mai puin de
0,01, utiliznd att inegalitatea lui Cebev, ct i teorema Moivre-Laplace.

Rspuns. 500 . 37 > n (inegalitatea lui Cebev), 1350 > n (teorema Moivre-Laplace).

7.28. Probabilitatea ca o pies luat la ntmplare s fie defect este . 01 , 0 = p
Sunt testate 100 de piese. S se evalueze probabilitatea ca:

a) cel puin 5 piese s fie defecte,
b) mai puin de 5 piese s fie defecte,
c) numrul pieselor defecte s fie cuprins ntre 5 i 10.

Rspunsuri. a) 0 ) 5 ( ~ > X P (teorema Moivre-Laplace);
b) 84 , 0 ) 5 ( ~ < X P (teorema Moivre-Laplace);
c) 0 ) 10 5 ( ~ < < X P (teorema Moivre-Laplace).

7.29. Probabilitatea ca o pies luat la ntmplare s fie defect este . 1 , 0 = p Un
lot de piese este respins dac conine cel puin 10 piese defecte. S se determine numrul
de piese ce trebuie testate pentru ca un lot s fie respins cu probabilitatea 0,87.

Rspuns. 105 > n (teorema Moivre-Laplace).

7.30. S se arate c irul ( )
1 > n n
X de variabile aleatoare independente, care au
distribuiile

|
|
.
|

\
|

2
1
2
1
ln ln n n
X

urmeaz legea numerelor mari.

Rspuns. Se aplic teorema lui Markov.
( ) . 0
ln
ln
1 1
1
2 2
1
2
2
s =

= =
n
k
k
n
k
n
n n
k
n
X D
n



110
STATISTICA MATEMATICA


1. Teoria seleciei


Definiia 1.1. Numim colectivitate sau populaie o mulime C de elemente care
este cercetat din punct de vedere a uneia sau mai multor caracteristici (proprieti),
elementele colectivitii numindu-se indivizi, iar numrul indivizilor unei colectiviti se
va numi volumul colectivitii.

Observaia 1.2. Din punct de vedere al teoriei probabilitilor, o caracteristic a
unei colectiviti C este o variabil aleatoare X , ale crei caracteristici numerice se vor
numi caracteristici teoretice. Astfel vom avea media teoretic, dispersia teoretic, .a.m.d.

Observaia 1.3. Problema central a statisticii matematice este stabilirea legii de
probabilitate pe care o urmeaz caracteristica X .

Observaia 1.4. Dup cum variabila aleatoare este de tip discret, respectiv de tip
continuu vom avea caracteristici de tip discret, ca de exemplu numrul copiilor dintr-o
familie, i caracteristici de tip continuu, ca de exemplu rezistena la rupere a unui fir de
mtase. De asemenea, dac proprietatea cercetat este calitativ, ca de exemplu culoarea
ochilor, vom numi caracteristica respectiv atribut.

Definiia 1.5. Numim selecie (sondaj) o subcolectivitate a colectivitii cercetate
C , iar numrul indivizilor ce intr n selecie se numete volumul seleciei (sondajului).

Definiia 1.6. O selecie se numete repetat sau bernoullian, dac dup
examinarea individului, acesta este reintrodus n colectivitate, n caz contrar, adic dac
individul examinat nu se reintroduce n colectivitate, vom spune c selecia este
nerepetat.

Observaia 1.7. Dac volumul colectivitii C este mult mai mare dect volumul
seleciei, atunci selecia nerepetat poate fi considerat ca fiind selecie repetat. In cele
ce urmeaz, vom considera numai selecii repetate.

Definiia 1.8. Numim date de selecie relative la caracteristica X , valorile
obinute pentru caracteristica X privind indivizii care intr n selecie. Dac selecia este
de volum n , vom nota datele de selecie prin
1
x ,
2
x ,..., .
n
x

Observaia 1.9. Datele de selecie
1
x ,
2
x ,...,
n
x sunt valori ale unor variabile
aleatoare, respectiv
1
X ,
2
X ,..., ,
n
X care se vor numi variabile de selecie.

111
Observaia 1.10. Dac selecia este repetat, atunci variabilele de selecie
1
X ,
2
X ,...,
n
X sunt variabile aleatoare independente i urmeaz fiecare aceeai lege de
probabilitate cu variabila aleatoare X , adic sunt identic repartizate cu X .

Observaia 1.11. Dac datele de selecie
1
x ,
2
x ,...,
n
x au valorile
1
,
'
1
x ,
'
2
x ,..., ,
'
N
x
atunci tabloul de forma
,
2 1
' '
2
'
1
|
|
.
|

\
|
N
N
f f f
x x x
X


unde
i
f este frecvena apariiei valorii
'
i
x , se va numi distribuia empiric de selecie a
caracteristicii . X

Observaia 1.12. Dac X este de tip continuu, se face o grupare a datelor de
selecie n clase prin mprirea intervalului ) , ( b a , unde X ia valori, n subintervalele
date prin
.
2 1 0
b a a a a a
N
= < < < < =
Distribuia empiric de selecie a caracteristicii X va fi de aceeai form ca i n cazul
discret
,
2 1
' '
2
'
1
|
|
.
|

\
|
N
N
f f f
x x x
X



unde, de regul, ,
2
1 ' i i
i
a a
x
+
=

iar
i
f este frecvena datelor de selecie din intervalul
(clasa) ). , [
1 i i
a a



Observaia 1.13. De multe ori este necesar o grupare a datelor de selecie pentru
cazul cnd caracteristica X este de tip discret. De exemplu, dac reprezint salariile
angajailor unei uniti comerciale.

Definiia 1.14. Dac avem funcia , : 9 9
n
h numim funcie de selecie sau
satatistic, variabila aleatoare ( ), , , ,
2 1 n n
X X X h Z =
1
X ,
2
X ,...,
n
X fiind variabilele de
selecie, iar valoarea numeric ( )
n n
x x x h z , , ,
2 1
= o numim valoarea funciei de
selecie,
1
x ,
2
x ,...,
n
x fiind datele de selecie.

Definiia 1.15. Numim medie de selecie funcia de selecie dat prin
,
1
1

=
=
n
k
k
X
n
X iar valoarea numeric ,
1
1

=
=
n
k
k
x
n
x
o numim valoarea mediei de selecie.

Observaia 1.16. Dac se consider caracteristica X care urmeaz legea normal
) , ( o m N , atunci media de selecie X urmeaz legea normal ). , (
n
m N
o

112

Observaia 1.17. Dac se consider caracteristica X care urmeaz legea normal
) , ( o m N , atunci statistica dat prin
n
m X
Z
o

=
urmeaz legea normal ). 1 , 0 ( N
Intr-adevr, deoarece ntre X i Z exist o legtur liniar, avem, pe baza
observaiei precedente, c i variabila aleatoare Z urmeaz legea normal. dar avem c
0 ) ( = Z M i , 1 ) ( ) (
2
2
2
2
2
=
o
o
=
o
=
n
n
X D
n
Z D
de unde rezult ca statistica Z urmeaz legea normal ). 1 , 0 ( N

Observaia 1.18. Dac avem caracteristicile independente
'
X i
' '
X , care
urmeaz fiecare legea normal, respectiv ) , (
' '
o m N i ) , (
' ' ' '
o m N , atunci statistica

( ) ( )
,
' '
'
'
'
' ' '
' ' '
2 2
n n
m m X X
Z
o
+
o

=
unde
'
X i
' '
X sunt mediile de selecie date respectiv prin variabilele de selecie
'
1
X ,
'
2
X ,...,
'
'
n
X i
' '
1
X ,
' '
2
X ,...,
' '
' '
n
X relative la caracteristicile
'
X i
' '
X , urmeaz legea
normal ). 1 , 0 ( N

Definiia 1.19. Se numete moment de selecie de ordin k , funcia de selecie

=
= v
n
i
k
i
k X
n
1
1
, iar valoarea numeric ,
1
1

=
= v
n
i
k
i
k x
n
o numim valoarea momentului de
selecie de ordin k .

Observaia 1.20. Pentru 1 = k , avem c . 1 X = v

Definiia 1.21. Numim moment centrat de selecie de ordin k , funcia de selecie
( ) ,
1
1
k
n
i
i k
X X
n

=
= iar valoarea numeric ( )
k
n
i
i k
x x
n

=
=
1
1
.
o numim valoarea momentului centrat de selecie de ordin k

Observaia 1.22. Dac se consider caracteristica X care urmeaz legea normal
) , ( o m N , atunci statisticile

113
1
2

=
n
m X
T i ,
2
2 2
o

=
n
H
urmeaz respectiv legea Student cu 1 n grade de libertate i legea
2
_ cu 1 n grade de
libertate.
De asemenea, considernd funcia de selecie
( ) ,
1
1
2
1
2

= o
n
k
k
X X
n

numit dispersie de selecie, se obine c

n
m X
T
o

= i
( )
.
1
2
2
2
o
o
=
n
H

Observaia 1.23. Momentul centrat
k
de selecie de ordin k , pentru n ,
urmeaz legea normal ( ) ,
1
,
2
2
|
.
|

\
|
v v v
k k k
n
N unde
k
v i
k 2
v sunt momentele teoretice
de ordin k i respectiv . 2k

Definiia 1.24. Numim funcie de repartiie de selecie, funcia de selecie definit
prin
,
) (
) (
n
x K
x F
n
n = pentru orice , 9 e x
unde ) (x K
n
noteaz numrul variabilelor de selecie mai mici dect . x

Exemplul 1.25. Funcia de repartiie de selecie pentru distribuia empiric de
selecie
|
|
.
|

\
|
9 36 29 35
4 3 2 1
X
este dat prin

>
s <
s <
s <
s
=
. 4 , 1
, 4 3 , 91 , 0
, 3 2 , 55 , 0
, 2 1 , 35 , 0
, 1 , 0
) ( 100
x daca
x daca
x daca
x daca
x daca
x F

Teorema 1.26 (Glivenko). Dac se consider caracteristica X ce are funcia de
repartiie teoretic F i fie funcia de repartiie de selecie n F , atunci
114
. 1 0 ) ( ) ( sup lim =
|
.
|

\
|
=
9 e
x F c F P n
x n


Corolarul 1.27 (Kolmogovor). Fie caracteristica X de tip continuu, care are
funcia de repartiie teoretic F i fie funcia de repartiie de selecie n F , iar
, ) ( ) ( sup x F c F d n
x
n
=
9 e
atunci
( ) ( ) ( ) , 1 lim
2 2
2 x k
k
k
n
n
e x K x d n P

+
=


= = < pentru . 0 > x

Observaia 1.28. Funcia ) (x K se numete funcia lui Kolmogovor i se afl
tabelat n Anexa V.


2. Teoria estimaiei


Relativ la colectivitatea C este cercetat caracteristica X , care urmeaz legea de
probabilitate dat prin funcia de probabilitate ), ; ( x f ce reprezint funcia frecvena
dac X este de tip discret, respectiv densitatea de probabilitate n cazul continuu, iar
este un parametru necunoscut.
Teoria estimaiei are ca scop evaluarea parametrulor de care depinde legea de
probabilitate a caracteristicii X , folosind datele de selecie
1
x ,
2
x ,...,
n
x i bazndu-se
pe rezultatele teoretice relative la variabilele de selecie
1
X ,
2
X ,..., .
n
X

Definiia 2.1. Numim funcie de estimaie (punctual) sau estimator al
parametrului funcia de selecie (statistica)
), , , , (
2 1
* *
n
X X X =
cu ajutorul creia se obin concluzii relative la parametrul .

Definiia 2.2. Spunem c funcia de estimaie
*
este funcie de estimare
consistent sau estimatoar consistent pentru parametrul necunoscut , dac
( ) , 1 lim
*
= c <

P
n

pentru orice numr , 0 > c adic , ) , , , (
2 1
* *
=
p
n
X X X iar valoarea numeric
) , , , (
2 1
* *
n
x x x = se numete estimaie consistent pentru parametrul .

Definiia 2.3. Numim funcie de estimaie (estimator) absolut corect pentru
parametrul , funcia de estimaie
), , , , (
2 1
* *
n
X X X =
care satisface condiiile
(i) ( ) ,
*
= M
115
(ii) ( ) , 0 lim
* 2
=

D
n

iar valoare numeric ) , , , (
2 1
* *
n
x x x = se numete estimaie absolut corect pentru
parametrul .

Definiia 2.4. Numim funcie de estimaie (estimator) corect pentru parametrul
,
funcia de estimaie ) , , , (
2 1
* *
n
X X X = care satisface condiiile
(i) ( ) , lim
*
=

M
n

(ii) ( ) , 0 lim
* 2
=

D
n

iar valoarea numeric ) , , , (
2 1
* *
n
x x x = se numete estimaie corect pentru
parametrul .

Definiia 2.5. Numim distorsiunea (deplasarea) estimatorului
*
al parametrului
, diferena , ) (
*
M iar dac distorsiunea este nul estimatorul
*
se numete
nedeplasat.

Proprietatea 2.6. Dac ) , , , (
2 1
* *
n
X X X = este un estimator absolut corect
pentru parametrul , atunci estimatorul este consistent.

Demonstraie. Avnd n vedere c , ) (
*
= M inegalitatea lui Cebev pentru
variabila aleatoare
*
este

( ) ,
) (
1
*
* 2
*
c

> c <
D
P pentru . 0 > c
Dar ( ) , 0 lim
* 2
=

D
n
i trecnd la limit n inegalitatea lui Cebev se obine
( ) , 1 lim
*
= c <

P
n
pentru orice , 0 > c deci
*
este un estimator consistent pentru
parametrul .

Exemplul 2.7. Fie caracteristica X pentru care exist momentul teoretic de
ordinul k 2 , ), (
2
2
k
k
X M = v i fie o selecie repetat de volum n , atunci momentul de
selecie de ordin k este

=
= v
n
i
k
i
k X
n
1
.
1
Vom arta c k v este estimator absolut corect
pentru momentul teoretic de ordin k , adic pentru ). (
k
k
X M = v
Pentru aceasta scriem succesiv

( ) ( ) ,
1 1 1 1
) (
1 1 1 1
k
k
n
i
k
n
i
k
n
i
k
i
n
i
k
i
k
n
n
n
X M
n
X M
n
X
n
M M v =
v
= v = = = |
.
|

\
|
= v

= = = =

respectiv
116
( ) ( ) ,
) ( ) (
1 1 1
) (
2
2
2
1
2
2
1
2
2
1
2 2
n
X D
n
X nD
X D
n
X D
n
X
n
D D
n
i
k
n
i
k
i
n
i
k
i
k = = = = |
.
|

\
|
= v

= = =

cnd , n de unde se obine c k v este estimator absolut corect pentru parametrul .
k
v

Observaia 2.8. Media de selecie 1 v = X este estimator absolut corect pentru
media teoretic . ) (
1
v = X M

Exemplul 2.9. Momentul centrat de selecie de ordinul doi

( ) ,
1
2
1
2
=
=
n
k
k
X X
n


este funcie de estimaie corect pentru momentul centrat teoretic de orinul doi
), (
2
2
X D = adic pentru dispersia teoretic.

S se arate c
), ( ) (
1 1
) (
2 2
2 2
X D X D
n
n
n
n
M

=
cnd , n

respectiv

( ) ( )( )
, 0
2 1 1
) (
2
2 3 4 3
2
2
2


=
n
n n
n
n
D
pentru , n

Dac se consider funcia de estimaie care definete dispersia de selecie

( )

= o
n
k
k
X X
n
1
2 2
,
1
1

aceasta este funcie de estimaie absolut corect pentru dispersia teoretic . ) (
2
2
= X D

Pentru aceasta avem c .
1
2
2

= o
n
n
Prin urmare, se obine

( ) ), ( ) (
1
1 1 1
) (
2 2
2 2
2
X D X D
n
n
n
n
M
n
n
n
n
M M =

=
|
.
|

\
|

= o
respectiv

( ) , 0
1 1
) (
2
2
2
2
2
2
2

|
.
|

\
|

=
|
.
|

\
|

= o D
n
n
n
n
D D cnd , n

117
In consecin
2
o este funcie de estimaie absolut corect pentru dispersia teoretic
). (
2
X D

Definiia 2.10. Numim cantitatea de informaie (a lui Fisher) a unei selecii de
volum n relativ la parametrul 9 e necunoscut, valoarea

.
) ; ( ln
) (
2
(
(

|
.
|

\
|
c
c
=
X f
nM I
n


Observaia 2.11 (Inegalitatea Rao-Cramer). Estimatorul absolut corect
*
al
parametrului satisface inegalitatea
.
) (
1
) (
* 2

>
n
I
D

Definiia 2.12. Estimatorul
*
, absolut corect pentru parametrul necunoscut , se
numete eficient, dac ,
) (
1
) (
* 2

=
n
I
D iar raportul
) (
) (
) (
2 2
1
*

=

D
I
e
n


se numete eficiena estimatorului .
*


Exemplul 2.13. S verificm dac media de selecie, n cazul cnd caracteristica
cercetat are distribuia ,
1
0 1
|
|
.
|

\
|
p p
X este funcie de estimaie eficient pentru
parametrul ). 1 , 0 ( e p
Se tie c media de selecie

=
=
n
k
k
X
n
X
1
1
este funcie de estimaie absolut corect
pentru media teoretic . ) ( p X M =
Funcia de frecven a caracteristicii X este dat prin

, ) 1 ( ) ; (
1 x x
p p p x f

= pentru 0 = x i . 1 = x
Se vede c p p x f =1 ) ; ( i , ) ; 1 ( p p f = adic probabilitile din distribuia
caracteristicii . X
Pentru a calcula cantitatea de informaie relativ la parametrul p avem c

118
( )
( )
( )
( ) ( ) ( )
,
1
1
1
2
1
) ( 2
1
2
) 1 (
) ; ( ln
,
) 1 ( 1
1 ) ; ( ln
), 1 ln( ) 1 ( ln ) ; ( ln
2 2
2 2
2 2
2 2
2 2
2 2
2 2
p p p p
p p p
p p
p X pM X M
p p
p pX X M
p p
p X
M
p
p X f
M
p p
p x
p
x
p
x
p
p x f
p x p x p x f

+
=

+
=
=

+
=
(
(

|
|
.
|

\
|

=
(
(

|
|
.
|

\
|
c
c

=
c
c
+ =

deci
( )
.
1
) (
p p
n
p I
n

=
Pe de alt parte, se poate scrie
( )
( )
.
1 ) ( 1 1
) (
2
1
2
2
1
2 2
n
p p
n
X D
X D
n
X
n
D X D
n
i
k
n
i
k

= = = |
.
|

\
|
=

= =

Prin urmare se obine c ), ( ) (
1 2
p I X D
n

= deci X este estimator eficient pentru


parametrul . p


2.1. Metoda verosimilitii maxime
Fie X caracteristica cercetat, care are funcia ) , , , ; (
2 1 s
x f de
probabilitate, ce o caracterizeaz i care depinde de parametrii necunoscui
1
,
2
, ...,
.
s

Deoarece variabilele de selecie
1
X ,
2
X , ...,
n
X sunt variabile aleatoare
independente i urmeaz aceeai lege de probabilitate ca X , rezult c vectorul aleator
(
1
X ,
2
X , ...,
n
X ) va avea funcia de probabilitate

) , , , ; ( ) , , , ; , , , (
2 1
1
2 1 2 1 s k
n
k
s n
x f x x x V =
H
=


i care poart numele de funcie de verosimilitate.

Definiia 2.14. Spunem c estimatorii ) , , , (
2 1
* *
n i i
X X X = sunt estimatori de
verosimilitate maxim, respectiv pentru parametrii ,
i
, , 1 s i = daca realizeaz maximul
funciei de verosimilitate.

Observaia 2.15. Determinarea estimatorilor de verosimilitate maxim se obine
prin rezolvarea sistemului de ecuaii

. 0 , , 0 , 0
2 1
=
c
c
=
c
c
=
c
c
s
V V V

Acest sistem, de regul se nlocuiete cu sistemul
119
, 0
ln
, , 0
ln
, 0
ln
2 1
=
c
c
=
c
c
=
c
c
s
V V V

care conduce la aceeai soluie i care se numete sistemul de verosimilitate maxim.

Observaia 2.16. Un estimator eficient este un estimator de verosimilitate
maxim.

Observaia 2.17. Un estimator de verosimilitate maxim este estimator
consistent, iar pentru valori mari ale volumului n este o variabil aleatoare ce urmeaz
legea normal )), ( , (
1


n
I N unde este parametrul estimat.

Exemplul 2.18. S determinm estimatorii de verosimilitate maxim pentru
valoarea medie i abaterea standard, dac se consider caracteristica , X care urmeaz
legea normal ). , ( o m N
Se tie c m X M = ) ( i , ) ( o = o X iar .
2
1
) , ; (
2
2
2
) (
o

t o
= o
m x
e m x f
Pentru a scrie sistemul de verosimilitate maxim, avem c

,
2
) (
ln 2 ln ) , ; ( ln
2
2
o

o t = o
m x
m x f
de unde

.
) ( 1 ) , ; ( ln
,
) , ; ( ln
3
2
2
o

+
o
=
o c
o c
o

=
c
o c m x m x f m x
m
m x f


In acest mod se obine

=
(

+
o
=
o c
o c
=
o c
c
=
o

=
c
o c
=
c
c


= =
= =
, 0
) ( 1 ) , ; ( ln ln
0
) , ; ( ln ln
1
3
2
1
1
2
1
n
k
k
n
k
k
n
k
k
n
k
k
m X m X f V
m X
m
m X f
m
V


sau
( )
| |

= + o
=

=
=
, 0 ) (
0
1
2 2
1
n
k
k
n
k
k
m X
m X


de unde se obin estimatorii de verosimilitate maxim

120
( ) ,
1
,
1
2
1 1
2
* *
= = o = =

= =
n
k
n
k
k k
X X
n
X X
n
m
pentru parametrii m i . o


2.2. Metoda momentelor
Fie caracteristica ) , , , ; (
2 1 s
x f de probabilitate i care depinde de s
parametrii
1
,
2
, ..., .
s

Metoda momentelor consa n estimarea acestor parametrii din condiiile c
momentele teoretice iniiale ale caracteristicii X au ca estimatori absolut coreci pe
momentele de selecie de ordin corespondent. Astfel, se obine sistemul de ecuaii
,
k
k v = v pentru , , 1 s k = din care se obin estimaii pentru parametrii
1
,
2
, ..., .
s


Exemplul 2.19. Se consider caracteristica X , care urmeaz legea gamma de
parametrii 0 , > b a necunoscui. Vom estima aceti parametri, folosind metoda
momentelor, pe baza datelor
1
x ,
2
x ,...,
n
x de selecie.
Funcia densitate de probabilitate a caracteristicii X este

s
>
I =

, 0 , 0
, 0 ,
) (
1
) , ; (
1
x daca
x daca e x
b a b a x f
b
x
a
a


unde I este funcia Euler de spea a doua, adic
}


= I
0
1
. dx e x
x a

In cazul de fa este vorba de doi parametri, deci sistemul de ecuaii este format
din dou ecuaii, anume
1
1 v = v i .
2
2 v = v
Vom calcula momentul teoretic iniial
k
v de ordin k , adic

} }
+


+
I
= = v
0
1
.
) (
1
) , ; ( dx e x
b a
dx b a x f x
b
x
k a
a
k
k

Dac se face schimbarea de variabil , , bdt dx bt x = = se obine

( )
,
) (
) ( ) 2 )( 1 (
) (
) (
) ( ) (
1
0 0
1 1
a
a a k a k a b
k a
a
b
dt e t
a
b
bdt e bt
b a
k k
t k a
k
t k a
a
k
I
I + +
= + I
I
=
=
I
=
I
= v
} }

+ +



deci . ) 2 )( 1 ( a k a k a b
k
k
+ + = v Rezult astfel sistemul

121

+ = v = = v
= v = = v

=
=
n
k
k
n
k
k
a ba x
n
ab x
n
1
2
2
2
2
1
1
1
), 1 (
1
1


care are soluia

, ,
1
2
1 2
*
2
1 2
2
1
*
v
v v
=
v v
v
= b a

ceea ce reprezint estimatorii pentru parametrii a i respectiv . b


2.3. Metoda intervalelor de ncredere
Fie caracteristica X cercetat avnd funcia de probabilitate ), ; ( u x f unde u este
unparametru necunoscut.
Metoda intervalelor de ncredere const n determinarea a dou funciide selecie
) , , (
, 2 1 1 1 n
X X X u = u i ) , , (
, 2 1 2 2 n
X X X u = u astfel nct , 1 ) (
2 1
o = u < u < u P unde
) 1 , 0 ( e o nu depinde de u i se numete probabilitate de risc, iar o 1 se numete
probabilitate de ncredere.
Intervalul aleator )) , , ( ), , , ( (
, 2 1 1 , 2 1 1 n n
X X X X X X u u se numete interval de
ncredere pentru parametrul . u
De regul, pentru a construi un interval de ncredere pentru parametrul u , se
caut determinarea caracteristicii ), ; , , (
, 2 1
u =
n n n
X X X Z Z a crei lege de probabilitate
s fie cunoscut, lege de probabilitate care s nu depind de parametrul u .
Se determin apoi un interval numeric ) , (
2 1
z z astfel nct
. 1 ) (
2 1
o = < < z Z z P
n

Din dubla inegalitate
2 1
z Z z
n
< < se exprim parametrul u prin dubla inegalitate
,
2 1
u < u < u echivalent cu cea de dinainte.
Desigur, n aplicaiile practice, intervalul aleator este nlocuit cu intervalul
numeric corespunztor )) , , ( ), , , ( (
, 2 1 1 , 2 1 1 n n
X X X X X X u u , iar acesta este cu att
mai bun cu ct are lungime mai mic i cu ct probabilitatea de ncredere o 1 este mai
mare.

Exemplul 2.20. (Intervalul de ncredere pentru media teoretic dac dispersia este
cunoscut). Se consider caracteristica X ce urmeaz legea normal ) , ( o m N , unde
9 e m este necunoscut, iar 0 > o este cunoscut.
Pentru construirea unui interval de ncredere pentru media teoretic m
necunoscut efectum o selecie repetat de volum n i considerm probabilitatea de
ncredere o 1 dat, ) 1 , 0 ( e o .
Conform Observaiei 1.17 avem c caracteristica
122
,
n
m X
Z
o

= unde ,
1
1

=
=
n
k
k
X
n
X
urmeaz legea normal ), 1 , 0 ( N prin urmare o lege de probabilitate cunoscut ce nu
depinde de parametrul necunoscut ). (X M m= Rezult c putem determina intervalul
numeric ), , (
2 1
z z astfel nct
, 1 ) (
2 1
o = < < z Z z P
adic , 1 ) ( ) (
1 2
o = u u z z unde dt e x
x t
}

t
= u
0
2
2
2
1
) ( este funcia lui Laplace i care
este tabelat n Anexa I.
Desigur c intervalul numeric ) , (
2 1
z z nu este n mod unic determinat. Intervalul
de ncredere de lungime minim pentru o fixat se obine cnd este simetric fa de
origine, adic .
1 2
z z = In acest caz ,
2
1
2 o

= z z va fi dat prin relaia


, 1
2
1
2
1
o =
|
|
.
|

\
|
u
|
|
.
|

\
|
u
o

z z adic .
2
1
2
1
o
=
|
|
.
|

\
|
u
o

z
Cnd se folosete funcia lui Laplace definit prin
,
2
1
) (
2
2
dt e x
x t
}

t
= u
atunci
2
1
o

z se determin din relaia


2
1
2
1
o
=
|
|
.
|

\
|
u
o

z i reprezint de fapt cuantila de


ordin
2
1
o
.
Odat determinat intervalul ) , (
2 1
z z , putem scrie

, 1
2
1
2
1
o =
|
|
.
|

\
|
< <
o

z z P
n
m X

sau

. 1
2
1
2
1
o =
|
|
.
|

\
|
o
+ < <
o

z
n
X m z
n
X P
Prin urmare, intervalul de ncredere pentru media teoretic m este ), , (
2 1
m m unde

, ) , , (
, ) , , (
2
1
, 2 1 2 2
2
1
, 2 1 1 1
o

o
+ = =
o
= =
z
n
X X X X m m
z
n
X X X X m m
n
n



123
iar

=
=
n
k
k
X
n
X
1
.
1


Observaia 2.21. Cnd caracteristica X nu urmeaz legea normal, dar volumul
seleciei este mare ) 30 ( > n i se cunoate abaterea medie ptratic teoretic , ) ( o = o X
, 0 > o atunci statistica

n
m X
Z
o

= ,

unde ) (X M m= este media teoretic (necunoscut), este aproximativ repartizat normal
). 1 , 0 ( N
Prin urmare, poate fi considerat intervalul de ncredere pentru parametrul m , cu
probabilitatea de ncredere o 1 , intervalul obinut la exemplul precedent.

Exemplul 2.22 (Interval de ncredere pentru media teoretic cnd dispersia
teoretic este necunoscut).
Fie caracteristica X ce urmeaz legea normal ) , ( o m N , unde parametrul
) (X M m= este necunoscut, iar 0 ) (
2
> = o X D este de asemenea parametru
necunoscut. Pentru a construi un interval de Incredere pentru media teoretic m , cu o
probabilitate de ncredere o 1 dat, vom considera statistica

,
1
2

=
o

=
n
m X
n
m X
T
unde

=
=
n
k
k
X
n
X
1
1
i ( ) .
1
1
2
1
2

= o
n
k
k
X X
n

Pe baza observaiei 1.22, avem c statistica T urmeaz legea Student cu 1 n grade de
libertate. Aadar, putem determina intervalul numeric
|
|
.
|

\
|
=
o

o

2
1 , 1
2
1 , 1
2 1
, ) , (
n n
t t t t astfel
nct , 1 ) (
2 1
o = < < t T t P adic , 1 ) ( ) (
1 1 2 1
o =

t F t F
n n
unde
}

+

|
|
.
|

\
|
+
|
.
|

\
|
I t
|
.
|

\
| +
I
=
x
m
m
dt
m
t
m
m
m
x F , 1
2
2
1
) (
2
1
2
, 9 e x
este funcia de repartiie a legii Student cu m grade de libertate i care este tabelat,
pentru anumite valori, n Anexa II.
124
Prin urmare ,
2
1 , 1
2 o

=
n
t t ,
2 1
t t = se determin ca .
2
1
2
1 , 1
1
o
=
|
|
.
|

\
|
o

n
n
t F
Odat determinat intervalul ) , (
2 1
t t , putem scrie

o =
|
|
.
|

\
|
< <
o

o

o

1
2
1 , 1
2
1 , 1 n
n
m X
n
t t P

sau
. 1
2
1 , 1
2
1 , 1
o =
|
|
.
|

\
|
o
+ < <
o

o

o

n
t X m
n
t X P
n n


Astfel s-a obinut intervalul de ncredere ) , (
2 1
m m pentru media teoretic m , unde

,
2
1 , 1
1
n
t X m
n
o
=
o

.
2
1 , 1
2
n
t X m
n
o
+ =
o



Exemplul 2.23 (Intervalul de ncredere pentru diferena mediilor a dou
populaii). Fie dou populaii
'
C i ,
' '
C pentru care se cerceteaz aceeai caracteristic.
Fie aceast caracteristic
'
X ce urmeaz legea legea normal ) , (
' '
o m N pentru populaia
'
C i respectiv
' '
X ce urmeaz legea normal ) , (
' ' ' '
o m N pentru populaia
' '
C .
Vom determina un interval de ncredere, cu probabilitatea de ncredere o 1 ,
pentru diferena .
' ' '
m m
Pentru aceasta se consider dou selecii independente relative la cele dou
populaii, cu variabilele de selecie corespunztoare
'
1
X ,
'
2
X ,...,
'
'
n
X i respectiv
' '
1
X ,
' '
2
X ,..., .
' '
' '
n
X
Distingem, in continuare, dou cazuri.
a) Abaterile standard
'
o i
' '
o cunoscute. In acest caz, pe baza Observaiei 1.18,
avem c statistica
( ) ( )
,
' '
'
'
'
' ' '
' ' '
2 2
n n
m m X X
Z
o
+
o

=

unde

=
=
'
1
'
'
n
k
k
X X i ,
'
1
' '
' '

=
=
n
k
k
X X urmeaz legea normal ). 1 , 0 ( N Ca la Exemplul 2.20, se
determin intervalul numeric notat prin , , ) , (
2
1
2
1
2 1
|
|
.
|

\
|
=
o

z z z z astfel nct
, 1 ) (
2 1
o = < < z Z z P adic

125
( )
, 1
2
1
' '
'
'
'
' ' '
' ' '
2
1
2 2
o =
|
|
|
|
|
.
|

\
|
<
o
+
o
|
.
|

\
|

<
o

z
n n
m m X X
z P

( ) ( ) ( ) . 1
' '
'
'
'
2
1
' ' '
' ' '
' '
'
'
'
2
1
' ' '
2 2 2 2
o =
|
|
.
|

\
|
o
+
o
+ < <
o
+
o

o

n n
z X X m m
n n
z X X P
Aceast relaie ne d intervalul de ncredere pentru diferena
' ' '
m m a mediilor celor
dou populaii.
b) Abaterile standard o = o = o
' ' '
necunoscute. In acest caz, se consider statistica
( )
,
1 1
2
) 1 ( ) 1 (
' ' '
' ' '
' '
' '
'
'
' ' '
' ' '
2 2
n n
n n
n n
m m X X
T
+
+

o + o
|
.
|

\
|

=
unde
'
X i
' '
X sunt mediile de selecie definite ca mai nainte,
2
'
o i
2
' '
o sunt dispersiile
de selecie, adic
2
1
'
'
2
'
'
1

=
|
.
|

\
|
= o
n
k
k
X X
n
i ( ) .
1
2
1
' '
' '
2
'
' '

=
= o
n
k
k
X X
n

Statistica T urmeaz legea Student cu 2
' ' '
+ = n n n grade de libertate.
In continuare, ca la exemplul 2.22, pentru o probabilitate de ncredere o 1 , se
determin intervalul , , ) , (
2
1 ,
2
1 ,
2 1
|
|
.
|

\
|
=
o

o
n n
t t t t astfel ca o = < < 1 ) (
2 1
t T t P , adic

( ) ( )
. 1
1 1
2
) 1 ( ) 1 (
2
1 ,
' ' '
' ' '
' '
' '
'
'
' ' '
' ' '
2
1 ,
2 2
o =
|
|
|
|
.
|

\
|
<
+
+

o + o

<
o

o
n n
t
n n
n n
n n
m m X X
t P
Astfel se obine intervalul de ncredere pentru diferena
' ' '
m m
( ) ( ) , ,
2
1 ,
' ' '
2
1 ,
' ' '
|
|
.
|

\
|
+
o

S t X X S t X X
n n

unde

+
+
(

o + o =
2
1 1
) 1 ( ) 1 (
' ' '
' ' '
' '
' '
'
' 2
2 2
n n
n n
n n S


126
Exemplul 2.24 (Interval de ncredere pentru dispersia teoretic). Se consider
caracteristica X ce urmeaz legea normal ( ) o , m N . Pentru a construi un interval de
ncredere pentru dispersia teoretic, ( ) X D
2 2
= o , se construiete statistica
2
2
2
) 1 (
o
o
=
n
H , unde

=
n
k
k
X X
n
1
2
2
) (
1
1
o ,

=
=
n
k
k
X
n
X
1
1
.
Conform Observaiei 1.22, statistica H
2
urmeaz legea
2
_ cu n-1 grade de libertate.
Astfel, pentru probabilitatea de ncredere o 1 , se poate determina intervalul numeric
) , ( ) , (
2
2
1 , 1
2
2
, 1
2
2
2
1 o o

=
n n
h h h h , astfel ca o = < < 1 ) (
2
2
2 2
1
h H h P .
Anume,
2
, 1
2
1 o

=
n
h h se determin din relaia
2
) (
2
1 1
o
=

h F
n
, respectiv
2
1 , 1
2
2 o

=
n
h h
se determin din relaia
2
1 ) (
2
2 1
o
=

h F
n
, unde ) (x F
m
este funcia de repartiie pentru
legea
2
_ cu m grade de libertate, adic
}
>
I
=

x t m
m
m
x dt e t
m
x F
0
2
1
2
2
0 ,
)
2
( 2
1
) ( ,
care este tabelat n Anexa III.
Odat determinat intervalul ) , (
2
2
2
1
h h , putem scrie c
o
o
o
= <

< 1 )
) 1 (
(
2
2 2
2
2
1
h
n
h P ,
sau

o
o
o
o
=

< <

1 )
) 1 ( ) 1 (
(
2
1
2
2
2
2
2
h
n
h
n
P .
Prin urmare, s-a obinut intervalul de ncredere ) , (
2
2
2
1 o o pentru parametrul
2
o , unde

=

= =
n
k
k
n
n
X X
h
X X X
1
2
2
2
1 , 1
2 1
2
1
2
1 ) (
1
) , , , (
o
o o ,

= =
n
k
k
n
n
X X
h
X X X
1
2
2
2
, 1
2 1
2
2
2
2 ) (
1
) , , , (
o
o o .
Observaia 2.25. Cu notaiile de la exemplul precedent, intervalul de ncredere
pentru abaterea standard teoretic o este ) , ( 2 1 o o .


3. Verificarea ipotezelor statistice

127
Definiia 3.1. Numim ipotez statistic o presupunere relativ la o caracteristic X
a unei populaii C, fie privind legea de probabilitate a lui X, fie privind parametrii de care
depinde aceast lege de probabilitate.

Definiia 3.2. Metoda prin care o ipotez statistic ce trebuie verificat se accept
sau se respinge poart numele de test (criteriu) statistic.

Observaia 3.3. Dac testul statistic se refer la parametrii de care depinde legea
de probabilitate a caracteristicii X, vom spune c avem un test parametric, iar n caz
contrar avem un test neparametric. Cnd testul statistic se refer la natura legii de
probabilitate (normal, exponenial, etc.) spunem c avem un test de concordan.

Definiia 3.4. Fie caracteristica X cu cu legea ) ; ( u x f de probabilitate, unde u
este un parametru necunoscut. Ipoteza principal ce se face asupra parametrului u o
numim ipotez nul i o notm A H e u :
0
. Orice alt ipotez ce se poate face relativ la
parametrul u o numim ipotez admisibil. Notm ipotezele admisibile prin
i i
A H e u : ,
, 2 , 1 = i .

Observaia 3.5. n continuare, relativ la parametrul u , vom considera numai
dou ipoteze, ipoteza nul A H e u :
0
i o ipotez admisibil
1 1
: A H e u , numit ipotez
alternativ.

Observaia 3.6. Pentru verificarea ipotezei nule A H e u :
0
cu ipoteza alternativ
1 1
: A H e u , folosind o probabilitate de risc o , se determin un domeniu
n
R U c , numit
regiune critic, astfel nct o = e ) ) , , , ((
0 2 1
H U X X X P
n
, unde
n
X X X , , ,
2 1
sunt
variabilele de selecie. Din felul cum construim regiunea critic U, obinem diferite teste
de verificare a ipotezei statistice
0
H . Avnd datele de selecie
n
x x x , , ,
2 1
, se poate
ntmpla ca U x x x
n
e ) , , , (
2 1
, caz n care ipoteza nul
0
H este respins, sau
U x x x
n
e ) , , , (
2 1
, caz n care ipoteza nul
0
H este admis.
Probabilitatea de risc o poart denumirea de nivel de simnificaie al testului.

Definiia 3.7. Numim eroare de genul I respingerea unei ipoteze adevrate, iar
probabilitatea de producere a acestei erori este
o = e ) ) , , , ((
0 2 1
H U X X X P
n

i poart numele de riscul furnizorului.
Numim eroare de genul II admiterea unei ipoteze false, iar probabilitatea de
producere a acestei erori este
| = e I ) ) , , , ((
1 2 1
H U X X X
n

i poart numele de riscul beneficiarului.

Definiia 3.8. Se numete puterea testului probabilitatea de respingere a unei
ipoteze false, adic
128
) ) , , , (( )
~
(
1 2 1
H U X X X P
n
e = u t , unde u u
~
:
1
= H , deci | u t =1 )
~
( .

Observaia 3.9. Nu exist o metod general de construire a regiunii critice U,
care s ne conduc la testul de verificare
0
H , dar se cunosc clase de probleme pentru
care s-au construit astfel de regiuni critice i corespunztor acestora avem diferite teste de
verificare de ipoteze statistice.
Vom prezenta n continuare cteva teste de verificare a unor ipoteze statistice.

3.1. Testul Z
Se consider caracteristica X, ce urmeaz legea normal ) , ( o m N , unde R me
este necunoscut, iar 0 > o este cunoscut.
Relativ la media teoretic ) (X M m = facem ipoteza nul
0 0
: m m H = , cu
alternativa
0 1
: m m H = .
Pentru verificarea ipotezei nule
0
H cu alternativa precizat mai nainte,
considerm o selecie repetat de volum n i nivelul de semnificaie ) 1 , 0 ( e o . Fie datele
de selecie
n
x x x , , ,
2 1
i corespunztor variabilele de selecie
n
X X X , , ,
2 1
. Dac se
consider statistica
n
m X
Z
o

= , unde

=
=
n
k
k
X
n
X
1
1
,
pe baza Observaiei 1.17, avem c statistica Z urmeaz legea normal ) 1 , 0 ( N . Prin
urmare, pentru ) 1 , 0 ( e o , putem determina intervalul numeric
) , (
2
1
2
1
o o

z z

astfel nct
o
o o
= < <

1 ) (
2
1
2
1
z Z z P .
ntr-adevr, avem c
o
o o o o o
= u = u u = < <

1 ) ( 2 ) ( ) ( ) (
2
1
2
1
2
1
2
1
2
1
z z z z Z z P ,
aadar, se ia
2
1
o

z astfel nct
2
1
) (
2
1
o
o

= u

z .
Se definete regiunea critic
n
R U c dup cum urmeaz

e =

) , ( ) , , (
2
1
2
1
0
2 1 o o
o
z z
n
m u
R u u u U
n
n
,
unde

=
=
n
k
k
u
n
u
1
1
.
n acest fel am obinut c
= e ) ) , , , ((
0 2 1
H U X X X P
n

129
=
|
|
|
|
.
|

\
|
|
|
.
|

\
|
e

=

0
2
1
2
1
0
, H z z
n
m u
P
o o
o

o
o o
=
|
|
.
|

\
|
|
|
.
|

\
|
e =

0
2
1
2
1
, H z z Z P .
Prin urmare, am determinat regiunea critic U, astfel nct s fie satisfcut relaia
o = e ) ) , , , ((
0 2 1
H U X X X P
n
.
Folosind regiunea critic U, vom respinge ipoteza nul
0 0
: m m H = , dac
U x x x
n
e ) , , , (
2 1
, adic dac ) , (
2
1
2
1
0
o o
o
e

= z z
n
m x
z i o admitem dac
U x x x
n
e ) , , , (
2 1
, adic ) , (
2
1
2
1
0
o o
o
e

= z z
n
m x
z .

Observaia 3.10. Se vede c regiunea critic U corespunde mulimii
complementare a intervalului numeric ) , (
2
1
2
1
o o

z z . Din acest motiv, n cele ce urmeaz,
nu vom pune n eviden, de fiecare dat, regiunea critic U, ci numai intervalul numeric
cruia i aparine statistica utilizat pentru obinerea acestei regiuni.

Observaia 3.11. Testul Z se poate folosi i pentru caracteristica X ce nu urmeaz
legea normal, cnd volumul n al seleciei este mare ) 30 ( > n , avnd n vedere c
statistica Z urmeaz aproximativ legea normal ) 1 , 0 ( N , unde ) (X M m = i
) (
2
X D = o .

Observaia 3.12. (Etapele aplicrii testului Z).
1
o
Se dau: o o ; ; , , ;
0 2 1
m m x x x
n
= ;
2
o
Se determin
2
1
o

z astfel nct
2
1
) (
2
1
o
o

= u

z ;
3
0
Se calculeaz
n
m x
z
o
0

= , unde

=
=
n
k
k
x
n
x
1
1
;
4
0
Concluzii: dac
2
1
o

< z z , ipoteza
0
H este admis, n caz contrar ipoteza este
respins.

130
Observaia 3.13. Deoarece ipoteza alternativ este
0 1
: m m H = , testul prezentat
este testul Z bilateral. Dac ipoteza alternativ este
0 1
: m m H < , se obine n mod analog
testul Z unilateral stnga, respectiv pentru ipoteza alterantiv
0 1
: m m H > , se obine
testul Z unilateral dreapta.
De exemplu, pentru testul Z unilateral dreapta, intervalul numeric pentru statistica
Z devine ) , (
1 o
z , unde
o 1
z este determinat astfel nct o
o
= u

2
1
) (
1
z , iar regiunea
critic U se modific n mod corespunztor, adic

>

e =

) ) , , (
1
0
2 1 o
o
z
n
m u
R u u u U
n
n
.

3.2. Testul T (Student)
Se consider caracteristica X ce urmeaz legea normal ) , ( o m N cu parametrii
R X M m e = ) ( i 0 > o necunoscui. Relativ la aceast caracteristic se face ipoteza
nul
0 0
: m m H = cu ipoteza alternativ
0 1
: m m H = .
Pentru verificarea acestei ipoteze se consider o selecie repetat de volum n, cu
datele de selecie
n
x x x , , ,
2 1
i corespunztor variabilele de selecie
n
X X X , , ,
2 1
.
Construim statistica
1
2

=
n
m X
n
m X
T

o
, unde, dup cum se tie

=
=
n
k
k
X
n
X
1
1
,
2
1
2
2
1
) (
1
1
o

=

=
n
n
X X
n
n
k
k
, care, conform Observaiei 1.22, urmeaz legea
Student cu n-1 grade de libertate.
Prin urmare, pentru nivelul de semnificaie ) 1 , 0 ( e o dat, se poate determina
intervalul numeric ) , (
2
1 , 1
2
1 , 1
o o

n n
t t astfel nct
o
o o
= < <

1 ) (
2
1 , 1
2
1 , 1 n n
t T t P .
Anume,
2
1 , 1
o
n
t se determin astfel ca
2
1
2
1 , 1
1
o
o
=
|
|
.
|

\
|

n
n
t F , unde
}

+

e
|
|
.
|

\
|
+
|
.
|

\
|
I
|
.
|

\
| +
I
=
t
m
m
R t dx
m
x
m
m
m
t F , 1
2
2
1
) (
2
1
2
t
,
este funcia de repartiie pentru legea Student cu m grade de libertate (tabelat n Anexa
II, pentru anumite valori).
131
Complementarea intervalului numeric, astfel determinat, ne definete regiunea
critic
n
R U c . Astfel, avem c

>

e =

) ) , , (
2
1 , 1
0
2 1 o
o
n
u
n
n
t
n
m u
R u u u U ,
unde

=
=
n
k
k
u
n
u
1
1
, respectiv

=
n
k
k u
u u
n
1
2
2
) (
1
1
o .
Observaia 3.14 (Etapele aplicrii testului T).
1
o
Se dau:
0 2 1
; , , ; m m x x x
n
= o ;
2
o
Se determin
2
1 , 1
o
n
t astfel nct
2
1
2
1 , 1
1
o
o
=
|
|
.
|

\
|

n
n
t F ;
3
0
Se calculeaz
n
m x
t
o
0

= , unde

=
=
n
k
k
x
n
x
1
1
,

=
n
k
k
x x
n
1
2
2
) (
1
1
o ;
4
0
Concluzii: dac
2
1 , 1
o

<
n
t t , ipoteza
0 0
: m m H = este admis, n caz contrar
ipoteza este respins.

Observaia 3.15. Deoarece ipoteza alternativ este
0 1
: m m H = , testul prezentat
este testul T bilateral. Dac ipoteza alternativ este
0 1
: m m H < , se obine n mod analog
testul T unilateral stnga, respectiv pentru ipoteza alterantiv
0 1
: m m H > , se obine
testul T unilateral dreapta.
Cnd numrul gradelor de libertate tinde spre infinit, conform teoremei limit
central, avem c legea Student converge n repartiie la legea normal ) 1 , 0 ( N .
Prin urmare, dac volumul n al seleciei este mare ) 30 ( > n , se poate utiliza testul
Z pentru verificarea ipotezei nule
0 0
: m m H = , prin utilizarea statisticii T n loc de
statistica Z. Toate rezultatele de la testul Z rmn, aadar, adevrate n acest caz.

3.3. Teste pentru compararea a dou medii
Se consider dou populaii independente ' C i ' ' C cercetate din punct de vedere
al aceleiai caracteristici. Aceast caracteristic este ' X pentru ' C i urmeaz legea
normal ) ' , ' ( o m N i respectiv ' ' X pentru ' ' C i urmeaz legea normal ) ' ' , ' ' ( o m N .
Relativ la mediile teoretice ale celor dou caracteristici independente se face
ipoteza nul ' ' ' :
0
m m H = cu alternativa ' ' ' :
1
m m H = .
Pentru aceasta se consider cte o selecie repetat de volum ' n i respectiv ' ' n
din cele dou populaii. Notm datele de selecie prin
'
'
'
2
'
1
, , ,
n
x x x i respectiv
' '
' '
' '
2
' '
1
, , ,
n
x x x , i variabilele de selecie
'
'
'
2
'
1
, , ,
n
X X X , respectiv
' '
' '
' '
2
' '
1
, , ,
n
X X X .
Reamintim notaiile
132

=
=
'
1
'
'
'
1
n
k
k
X
n
X
,

=
'
1
2
'
'
2
'
) (
1 '
1
n
k
k
X X
n
o ,

=
=
' '
1
' '
' '
' '
1
n
k
k
X
n
X ,

=
' '
1
2
' '
' '
2
' '
) (
1 ' '
1
n
k
k
X X
n
o ,
pentru mediile de selecie i respectiv dispersiile de selecie.
Distingem n cele ce urmeaz trei cazuri, n funcie de anumite informaii ce le
cunoatem relativ la dispersiile teoretice.
a). Testul Z (dac dispersiile
2
' o i
2
' ' o sunt cunoscute). n acest caz se consider
statistica
( ) ( )
' '
' '
'
'
' ' '
2 2
' ' '
n n
m m X X
Z
o o
+

= , care urmeaz legea normal ) 1 , 0 ( N . Se aplic prin
urmare testul Z pentru compararea celor dou medii teoretice.
Pentru nivelul de semnificaie ) 1 , 0 ( e o dat se determin intervalul numeric
) , (
2
1
2
1
o o

z z , astfel nct o
o o
= < <

1 ) (
2
1
2
1
z Z z P . Stabilirea acestui interval se
obine din relaia
2
1
) (
2
1
o
o

= u

z , unde ) (x u este funcia lui Laplace i care este
tabelat n Anexa I.
n acest caz, etapele aplicarii testului sunt:
1
o
Se dau:
' '
' '
' '
2
' '
1
'
'
'
2
'
1
, , , ; , , , ;
n n
x x x x x x o ;
2
o
Se determin
2
1
o

z astfel nct
2
1
) (
2
1
o
o

= u

z ;
3
0
Se calculeaz
' '
' '
'
'
2 2
' ' '
n n
x x
z
o o
+

= , unde

=
=
'
1
'
'
'
1
n
k
k
x
n
x , i

=
=
' '
1
' '
' '
' '
1
n
k
k
x
n
x ;
4
0
Concluzii: dac
2
1
o

< z z , ipoteza ' ' ' m m = este admis, n caz contrar ipoteza
este respins.
b). Testul T (dac dispersiile
2
' o i
2
' ' o sunt necunoscute i
2 2 2
' ' ' o o o = = ). Se
consider statistica
( ) ( )
' '
1
'
1
2 ' ' '
' ' ) 1 ' ' ( ' ) 1 ' (
' ' '
2 2
' ' '
n n
n n
n n
m m X X
T
+
+
+

=
o o
, care urmeaz legea Student cu
2 ' ' ' + = n n n grade de libertate.
n acest caz se va aplica testul T. Pentru nivelul de semnificaie ) 1 , 0 ( e o dat se
poate determina intervalul numeric ) , (
2
1 ,
2
1 ,
o o

n n
t t , astfel nct
133
2
1 ) (
2
1 ,
2
1 ,
o
o o
= < <
n n
t T t P . Pentru aceasta se folosete relaia
2
1
2
1 ,
o
o
=
|
|
.
|

\
|
n
n
t F ,
unde ) (x F
n
este funcia de repartiie de la legea Student cu n grade de libertate i care
este tabelat, pentru anumite argumente, n Anexa II.
Etapele aplicarii testului sunt:
1
o
Se dau:
' '
' '
' '
2
' '
1
'
'
'
2
'
1
, , , ; , , , ;
n n
x x x x x x o ; 2 ' ' ' + = n n n ;
2
o
Se determin
2
1 ,
o
n
t astfel nct
2
1
2
1 ,
o
o
=
|
|
.
|

\
|
n
n
t F ;
3
0
Se calculeaz
' '
1
'
1
2 ' ' '
' ' ) 1 ' ' ( ' ) 1 ' (
2 2
' ' '
n n
n n
n n
x x
t
+
+
+

=
o o
, unde

=
=
'
1
'
'
'
1
n
k
k
x
n
x ,

=
'
1
2
'
'
2
'
) (
1 '
1
n
k
k
x x
n
o ,

=
=
' '
1
' '
' '
' '
1
n
k
k
x
n
x ,

=
' '
1
2
' '
' '
2
' '
) (
1 ' '
1
n
k
k
x x
n
o ;
4
0
Concluzii: dac
2
1 ,
o

<
n
t t , ipoteza ' ' ' m m = este admis, n caz contrar ipoteza
este respins.
c) Testul T (dac dispersiile
2
' o i
2
' ' o sunt necunoscute i diferite). Se va
considera statistica
( ) ( )
' '
' '
'
'
' ' '
2 2
' ' '
n n
m m X X
T
o o
+

=
,
care urmeaz legea Student cu n grade de libertate. Numrul n al gradelor de libertate se
calculeaz cu formula
1 ' '
) 1 (
1 '
1
2 2

=
n
c
n
c
n
, unde
|
|
.
|

\
|
+ =
' '
' '
'
'
'
'
2 2 2
n n n
c
o o o
.
S-a ajuns la testul T, care pentru nivelul de semnificaie ) 1 , 0 ( e o dat, conduce la
intervalul numeric ) , (
2
1 ,
2
1 ,
o o

n n
t t , astfel nct
o
o o
= < <

1 ) (
2
1 ,
2
1 , n n
t T t P .
Pentru aceasta se folosete relaia
2
1
2
1 ,
o
o
=
|
|
.
|

\
|
n
n
t F , unde ) (x F
n
este funcia de
repartiie de la legea Student cu n grade de libertate i care este tabelat, pentru anumite
argumente, n Anexa II.
Etapele aplicrii testului sunt:
1
o
Se dau:
' '
' '
' '
2
' '
1
'
'
'
2
'
1
, , , ; , , , ;
n n
x x x x x x o ;
2
o
Se calculeaz
134

=
=
'
1
'
'
'
1
n
k
k
x
n
x ,

=
'
1
2
'
'
2
'
) (
1 '
1
n
k
k
x x
n
o ,

=
=
' '
1
' '
' '
' '
1
n
k
k
x
n
x ,

=
' '
1
2
' '
' '
2
' '
) (
1 ' '
1
n
k
k
x x
n
o ,
de unde
|
|
.
|

\
|
+ =
' '
' '
'
'
'
'
2 2 2
n n n
c
o o o
;
3
0
Se determin n astfel nct
1 ' '
) 1 (
1 '
1
2 2

=
n
c
n
c
n
;
4
o
Se determin
2
1 ,
o
n
t astfel nct
2
1
2
1 ,
o
o
=
|
|
.
|

\
|
n
n
t F ;
5
0
Se calculeaz
' '
' '
'
'
2 2
' ' '
n n
x x
t
o o
+

= ;
6
0
Concluzii: dac
2
1 ,
o

<
n
t t , atunci ipoteza ' ' ' m m = este admis, n caz contrar
ipoteza este respins.

3.4. Testul
2
_ (hi-ptrat) pentru dispersie
Fie caracteristica X ce urmeaz legea normal ) , ( o m N , unde dispersia teoretic
) (
2 2
X D = o este necunoscut i R me de asemenea necunoscut.
Relativ la dispersia teoretic se face ipoteza nul
2
0
2
0
: o o = H cu ipoteza
alternativ
2
0
2
1
: o o = H .
Pentru verificarea ipotezei nule
0
H cu alternativa
1
H se consider o selecie
repetat de volum n, cu datele de selecie
n
x x x , , ,
2 1
i corespunztor variabilele de
selecie
n
X X X , , ,
2 1
.
Statistica
2
2
1
2
2
2
) 1 (
) (
1
o
o
o

= =

=
n
x X H
n
k
k
, urmeaz legea
2
_ cu 1 n grade
de libertate.
Pentru un nivel de semnificaie ) 1 , 0 ( e o dat, se poate determina un interval
numeric ) , (
2
2
1 , 1
2
2
, 1
o o
n n
h h astfel nct
o
o o
= < <

1 ) (
2
2
1 , 1
2 2
2
, 1 n n
h H h P .
Extremitile acestui interval numeric se determin din relaiile
2
2
2
, 1
1
o
o
=
|
|
.
|

\
|

n
n
h F i
2
1
2
2
1 , 1
1
o
o
=
|
|
.
|

\
|

n
n
h F ,
135
unde ) (x F
m
este funcia de repartiie pentru legea
2
_ cu m grade de libertate, adic
}
>
|
.
|

\
|
I
=

x t m
m
m
x dt e t
m
x F
0
2
1
2
2
0 ,
2
2
1
) ( , fiind tabelat pentru anumite valori n Anexa III.
Cu ajutorul intervalului numeric ) , (
2
2
1 , 1
2
2
, 1
o o
n n
h h astfel determinat, regiunea
critic va fi dat de complementarea acestui interval, adic

e e =

=

) , ( ) (
1
) , , (
2
2
1 , 1
2
2
, 1
1
2
2
0
2 1 o o
o
n n
n
k
k
n
n
h h u u R u u u U ,
unde

=
=
n
k
k
u
n
u
1
1
.
Observaia 3.16 (Etapele aplicrii testului
2
_ ).
1
o
Se dau: ; ; , , ;
0 2 1
o o o =
n
x x x ;
2
o
Se determin intervalul ) , (
2
2
1 , 1
2
2
, 1
o o
n n
h h astfel nct
2
2
2
, 1
1
o
o
=
|
|
.
|

\
|

n
n
h F i
2
1
2
2
1 , 1
1
o
o
=
|
|
.
|

\
|

n
n
h F ;

3
0
Se calculeaz

=
=
n
k
k
x x h
1
2
2
0
2
) (
1
o
, unde

=
=
n
k
k
x
n
x
1
1
;

4
0
Concluzii: dac ) , (
2
2
1 , 1
2
2
, 1
2
o o

e
n n
h h h , ipoteza
0
H este admis, n caz contrar
este respins.

3.5. Testul F (Snedecor-Fisher)
Se consider dou populaii independente ' C i ' ' C cercetate din punct de vedere
al aceleai caracteristici. Aceast caracteristic este ' X pentru ' C i urmeaz legea
normal ) ' , ' ( o m N i respectiv ' ' X pentru ' ' C i urmeaz legea normal ) ' ' , ' ' ( o m N .
Relativ la dispersiile teoretice ale celor dou caracteristici se face ipoteza nul
2 2
0
' ' ' : o o = H cu alternativa
2 2
1
' ' ' : o o = H .
Pentru verificarea ipotezei nule
0
H se efectueaz cte o selecie repetat de volum
respectiv ' n i ' ' n din cele dou populaii ' C i ' ' C . Notm datele de selecie prin
'
'
'
2
'
1
, , ,
n
x x x i respectiv
' '
' '
' '
2
' '
1
, , ,
n
x x x , i variabilele de selecie
'
'
'
2
'
1
, , ,
n
X X X ,
respectiv
' '
' '
' '
2
' '
1
, , ,
n
X X X .
Cu notaiile

=
'
1
2
'
'
2
'
) (
1 '
1
n
k
k
X X
n
o ,

=
=
'
1
'
'
'
1
n
k
k
X
n
X ,
136

=
' '
1
2
' '
' '
2
' '
) (
1 ' '
1
n
k
k
X X
n
o ,

=
=
' '
1
' '
' '
' '
1
n
k
k
X
n
X ,
avem c statistica
2
2
2
2
' '
' '
'
'
o
o
o
o
= F , urmeaz legea Snedecor-Fisher cu 1 ' = n m i
1 ' ' = n n grade de libertate. Prin urmare, statistica F are funcia de repartiie, pentru
0 > x , dat prin
}
+

|
.
|

\
|
+
|
.
|

\
|
I |
.
|

\
|
I
|
.
|

\
| +
I
|
.
|

\
|
=
x
n m n m
n m
dt t
n
m
t
n m
n m
n
m
x F
0
2
1
2 2
,
1
2 2
2
) ( .
Pentru un nivel de semnificaie ) 1 , 0 ( e o fixat se poate determina intervalul
numeric ) , (
2
1 , ,
2
, ,
o o
n m n m
f f , astfel nct
o
o o
= < <

1 ) (
2
1 , ,
2
, , n m n m
f F f P .
Extremitile acestui interval se determin din relaiile
2
2
, ,
,
o
o
=
|
|
.
|

\
|
n m
n m
f F i
2
1
2
1 , ,
,
o
o
=
|
|
.
|

\
|
n m
n m
f F .
Deoarece are loc relaia

=
1 , ,
, ,
1
m n
n m
f
f , tabelele pentru funcia ) (
,
x F
n m
sunt, de
regul, ntocmite numai pentru valori mari ale lui (0,95, 0,975, 0,99 n Anexa IV) i
pentru 1 > F .
Dac 1 < F , intervalul numeric pentru F este dat prin
|
|
|
.
|

\
|
=

2
, ,
2
1 , ,
2
1 , ,
2
, ,
1
,
1
) , (
o o
o o
m n m n
n m n m
f f
f f .
Observaia 3.17 (Etapele aplicrii testului F).
1
o
Se dau: ; , , , ; , , , ; 1 ' ' ; 1 ' ;
' '
' '
' '
2
' '
1
'
'
'
2
'
1 n n
x x x x x x n n n m = = o ;
2
o
Se determin intervalul ) , (
2
1 , ,
2
, ,
o o
n m n m
f f astfel nct
2
2
, ,
,
o
o
=
|
|
.
|

\
|
n m
n m
f F i
2
1
2
1 , ,
,
o
o
=
|
|
.
|

\
|
n m
n m
f F ;

3
0
Se calculeaz
2
2
' '
'
o
o
= f , unde

=
'
1
2
'
'
2
'
) (
1 '
1
n
k
k
x x
n
o ,

=
=
'
1
'
'
'
1
n
k
k
x
n
x ,

=
' '
1
2
' '
' '
2
' '
) (
1 ' '
1
n
k
k
x x
n
o ,

=
=
' '
1
' '
' '
' '
1
n
k
k
x
n
x .
137

4
0
Concluzii: dac ) , (
2
1 , ,
2
, ,
o o

e
n m n m
f f f , atunci ipoteza
2 2
' ' ' o o = este admis, n
caz contrar este respins.

3.6. Testul de concordan
2
_
Fie caracteristica X, care are funcia de repartiie teoretic F. Ipoteza statistic
nul ce o facem relativ la caracteristica X este
) , , ; ( :
2 1 0 0 s
x F F H = ,
unde
s
, ,
2 1
sunt parametri necunoscui.
Pentru a verifica aceast ipotez statistic, la nceput, folosind datele de selecie
n
x x x , ,
2 1
, se estimeaz prin metoda verosimilitii maxime parametrii
s
, ,
2 1
. Fie estimaiile de verosimilitate maxim pentru aceti parametri, respectiv
s

2 1
. Prin urmare, ipoteza nul devine )

; ( :
2 1 0 0 s
x F F H = .
Se efectueaz apoi gruparea datelor de selecie
n
x x x , ,
2 1
, conform Observaiei
1.11 i Observaiei 1.12, obinndu-se distribuia empiric de selecie
|
|
.
|

\
|
N
N
f f f
x x x
X

2 1
' '
2
'
1
. Pentru clasa
'
i
x , dat de intervalul | )
i i
a a ,
1
avem c
) ( ) ( ) (
1 1
= < s =
i i i i i
a F a F a X a P p , N i , 1 = , probabiliti necunoscute,
deoarece funcia de repartiie teoretic F este necunoscut.
Din ipoteza nul
0
H se poate calcula probabilitatea
)

, ,

, ( )

, ,

; ( ) | (
2 1 1 2 1 0 1 s i s i i i i
a F a F F F a X a P p

= = < s =
.
n acest fel ipoteza nul
0
H , fcut asupra funciei de repartiie, se poate rescrie n
N i p p H
i i
, 1 , :
0
= = , cu ipoteza alternativ
0 1
: H H fals.
Valoarea numeric
( )

=
N
i i
i i
p n
p n f
h
1
2
2

este valoarea unei variabile aleatoare


2
H
ce urmeaz legea de probabilitate
2
_ cu 1 = s N k grade de libertate.
Aadar, pentru probabilitatea de risc o se consider intervalul de ncredere
( )
2
1 ,
, 0
o k
h pentru
2
H , definit prin relaia
o
o
= <

1 ) (
2
1 ,
2
k
h H P , adic o
o
=

1 ) (
2
1 , k k
h F .
Aici funcia ) (x F
k
este funcia de repartiie pentru legea
2
_ cu numrul gradelor de
libertate 1 = s N k i care este tabelat n Anexa III.
Observaia 3.18 (Etapele aplicrii testului
2
_ ).
1
o
Se consider: ) , , ; ( , , , ,
2 1 0 2 1 s n
x F F x x x o = ;
2
o
Se determin estimaiile de verosimilitate maxim
s

2 1
;
138
3
0
Se determin distribuia empiric de selecie
N i
i
i
f
x
X
, 1
'
=
|
|
.
|

\
|
;
4
o
Se calculeaz probabilitile
)

, ,

, ( )

, ,

; ( ) | (
2 1 1 0 2 1 0 0 1 s i s i i i i
a F a F F F a X a P p

= = < s = ,
N i , 1 = ;
5
0
Se calculeaz ) 1 (
2
1 ,
=

s N k h
k o
astfel nct o
o
=

1 ) (
2
1 , k k
h F ;
6
0
Se calculeaz
( )

=
N
i i
i i
p n
p n f
h
1
2
2

;
7
0
Concluzii: dac
2
1 ,
2
o
<
k
h h , ipoteza statistic
0
F F = este admis, n caz
contrar ipoteza este respins.
Observaia 3.19. Testul de concordan
2
_ nu este aplicabil dac exist
i
p n mai
mici dect 5, caz n care se cere o regrupare a datelor de selecie.

3.7. Testul de concordan al lui Kolmogorov
Fie caracteristica X de tip continuu, avnd funcia de repartiie teoretic F. Dac
) (x Fn este funcia de repartiie de selecie, conform Corolarului 1.27, avem c
( ) ) ( lim x K x d n P
n
n
= <

, unde ) ( ) ( sup x F x F d n
R x
n
=
e
, iar

=
2 2
2
) 1 ( ) (
x k k
e x K este funcia lui Kolmogorov i este tabelat n Anexa V.
Se face ipoteza nul
0
H c X urmeaz legea de probabilitate dat de funcia de
repartiie
0
F . Dac ipoteza nul este adevrat, pentru probabilitatea de risc o , se poate
determina valoarea
o 1
x astfel nct o
o
=

1 ) (
1
x K .
Astfel, avem ( ) o
o
= <

1
1
x d n P
n
sau o
o
=
|
|
.
|

\
|
<

1
1
n
x
d P
n
.
Aadar, dac valoarea calculat a lui
n
d pentru datele de selecie, satisface inegalitatea
o
<
1
x d n
n
, vom admite ipoteza nul, n caz contrar o respingem.
Observaia 3.20 (Etapele aplicrii testului Kolmogorov).
1
o
Se consider: o , distribuia empiric de selecie
N i
i
i
f
x
X
, 1
'
=
|
|
.
|

\
|
, funcia de
repartiie
0
F , ) (
2 1 N
f f f n + + + = ;
2
o
Se calculeaz
o 1
x astfel nct o
o
=

1 ) (
1
x K ;
3
0
Se calculeaz ) ( ) ( max
0
, 1
i i
n
N i
n
a F a F d =
=
, unde
2
1
'
i i
i
a a
x
+
=

;
4
o
Concluzii: dac
o
<
1
x d n
n
, ipoteza nul este admis, n caz contrar ipoteza
este respins.

139

4. Exerciii i probleme rezolvate

4.1. Se consider un eantion de 20 de clieni, care intr ntr-un magazin
alimentar, pentru a cerceta frecvena X cu care clienii fac apel la serviciile magazinului
de-a lungul unei sptmni i respectiv pentru cercetarea cheltuielilor lunare Y n mii lei,
ale clienilor pentru procurarea de bunuri alimentare. S-au obinut urmtoarele date de
selecie pentru X i respectiv Y
X: 1, 2, 1, 4, 3, 2, 5, 6, 1, 2, 3, 2, 3, 4, 6, 2, 4, 3, 1, 2;
Y: 89, 90, 101, 88, 85, 77, 102, 100, 86, 97, 76, 121, 113, 110, 96, 92, 108, 112,
103, 109.
Se cere:
a) distribuiile empirice de selecie pentru fiecare din caracteristicile X i Y,
b) mediile de selecie, momentele centrate de selecie de ordinul al doilea i
dispersiile de selecie pentru caracteristicile X i Y,
c) funciile de repartiie de selecie pentru X i Y.
Soluie. a) Se observ c datele de selecie pentru caracteristica X au numai N = 6
valori distincte, deci distribuia empiric de selecie pentru X este
|
|
.
|

\
|
2 1 3 4 6 4
6 5 4 3 2 1
X .
Pentru caracteristica Y toate datele de selecie sunt distincte. Aadar, distribuia empiric
de selecie a lui Y este un tablou n care pe o linie sunt trecute toate aceste valori
(eventual ordonate cresctor), iar pe linia a doua se trec frecvenele acestor valori, care
sunt toate egale cu 1. Vom face o grupare a datelor de selecie corespunztoare
caracteristicii Y. Anume, prima clas cuprinde cheltuielile lunare de la 80-89 mii lei, etc.
Dup efectuarea acestei grupri, distribuia empiric de selecie a lui Y devine
|
|
.
|

\
|
1 3 6 4 4 2
125 115 105 95 85 75
Y .
b) Mediile de selecie pentru cele dou caracteristici sunt respectiv
85 , 2
20
57
) 6 2 5 1 4 3 3 4 2 6 1 4 (
20
1
20
1
20
1
= = + + + + + = =

= k
k
x x ,
75 , 97 1955
20
1
20
1
20
1
= = =

= k
k
y y mii lei.
Dac se folosesc datele grupate pentru caracteristica Y se obine
5 , 98 1970
20
1
) 125 1 115 3 105 6 95 4 85 4 75 2 (
20
1 '
= = + + + + + = y
mii lei y ~ .
Valorile momentelor centrate de selecie de ordinul doi pentru cele dou
caracteristici sunt respectiv

= =
= =
20
1
2
20
1
2
2
) 85 , 2 (
20
1
) (
20
1
) (
k
k
k
k
x x x X ,

= =
= =
20
1
2
20
1
2
'
2
) 5 , 98 (
20
1
) (
20
1
) (
k
k
k
k
y y y Y .
140
Pentru simplificarea calculelor, se poate folosi formula
2
1
2
2
) ( ) (
1
) ( a x a x
n
X
n
k
k
=

=
,
unde a este o constant real convenabil aleas. Anume, dac pentru caracteristica X vom
alege a = 3, atunci
= =

=
2
20
1
2
2
) 3 85 , 2 ( ) 3 (
20
1
) (
k
k
x X
= + + + + + =
2 2 2 2 2 2 2
15 , 0 ) 3 2 2 1 1 3 0 4 1 6 2 4 (
20
1

3275 , 2 0225 , 0 35 , 2 0225 , 0 47
20
1
= = = .
Pentru caracteristica Y vom lua a = 105, obinndu-se astfel
= =

=
2
20
1
2
2
) 105 5 , 98 ( ) 105 (
20
1
) (
k
k
y Y
= + + + + + =
2 2 2 2 2 2 2
5 , 6 ) 20 1 10 3 0 6 10 4 20 4 30 2 (
20
1

5 , 182 25 , 42 225 25 , 42 4500
20
1
= = = .
Se observ c ) (
2
Y s-a calculat cu datele de selecie grupate, ceea ce conduce la o
valoare puin diferit de valoarea ce s-ar obine cnd se lucreaz cu datele de selecie
primare (negrupate).
Valorile dispersiilor de selecie pentru caracteristicile X i Y se calculeaz imediat,
dac se cunosc momentele centrate de selecie de ordinul doi, anume
45 , 2
19
3275 , 2 20
) (
19
20
) (
19
1
) (
2
20
1
2
2
=

= = =

=
X x x X
k
k
o ,
respectiv
105 , 192
19
5 , 182 20
) (
19
20
) (
19
1
) (
2
20
1
2
' 2
=

= = =

=
Y y y Y
k
k
o .
Astfel se poate obine 57 , 1 45 , 2 ) ( ) (
2
= = = X X o o i respectiv
86 , 13 105 , 192 ) ( ) (
2
= = = Y Y o o mii lei.
c) Funciile de repartiie de selecie pentru cele dou caracteristici sunt respectiv
141

>
s <
s <
s <
s <
s <
s
=
, 6 , 1
, 6 5 ,
20
18
, 5 4 ,
20
17
, 4 3 ,
20
14
, 3 2 ,
20
10
, 2 1 ,
20
4
, 1 , 0
) ( 20
x daca
x daca
x daca
x daca
x daca
x daca
x daca
x F
pentru caracteristica X i

>
s <
s <
s <
s <
s <
s
=
, 125 , 1
, 125 115 ,
20
19
, 115 105 ,
20
16
, 105 95 ,
20
10
, 95 85 ,
20
6
, 85 75 ,
20
2
, 75 , 0
) ( 20
y daca
y daca
y daca
y daca
y daca
y daca
y daca
y F
pentru caracteristica Y.
4.2. La un control de calitate se verific diametrul pieselor prelucrate de un
strung. Pentru realizarea acestui control s-a considerat o selecie de 18 piese i s-a obinut
c diametrul X al pieselor are urmtoarele dimensiuni (n cm):

Diametrul (n cm) 3,98 3,99 4,00 4,01 4,02
Numr de piese 4 3 5 3 3

S se determine:
a) o estimaie absolut corect pentru diametrul mediu al pieselor realizate,
b) o estimaie corect i una absolut corect pentru dispersia diametrelor fa de
diametrul mediu.
Soluie. a) Distribuia empiric de selecie a caracteristicii X este
|
|
.
|

\
|
3 3 5 3 4
02 , 4 01 , 4 00 , 4 99 , 3 98 , 3
X .
142
) (
2
X D = o
Diametrul mediu este media teoretic m X M = ) ( . Dar se cunoate c un
estimator absolut corect pentru media teoretic m este media de selecie

=
=
n
k
k
X
n
X
1
1
.
Prin urmare, valoarea mediei de selecie

=
=
n
k
k
x
n
x
1
1
este o estimaie absolut corect
pentru media teoretic ) (X M m = . n cazul de fa se obine
= + + + + = ) 02 , 4 3 01 , 4 3 00 , 4 5 99 , 3 3 98 , 3 4 (
18
1
x
9989 , 3 98 , 71
18
1
= = .
b) Deoarece un estimator corect al dispersiei teoretice ) (
2
X D este momentul
centrat de selecie de ordinul doi, adic

=
=
n
k
k
X X
n
1
2
2
) (
1
, rezult c o estimaie
corect pentru dispersia teoretic este valoarea momentului centrat de selecie de ordinul
doi, adic
2
1
2
1
2
2
) ( ) (
1
) (
1
a x a X
n
x x
n
n
k
k
n
k
k
= =

= =
,
unde constanta real a este convenabil aleas. Aadar, n cazul de fa, o estimaie corect
a dispersiei diametrelor fa de diametrul mediu este
= + + + + =
2 2 2 2 2 2
2
) 4 9989 , 3 ( ) 02 , 0 3 01 , 0 3 0 5 01 , 0 3 02 , 0 4 (
18
1


4 2 4
10 877 , 1 0011 , 0 10 34
18
1

= = .
Imediat avem o estimaie absolut corect pentru dispersia teoretic, anume
4 4
2
10 987 , 1 10 877 , 1
17
18
17
18

= = = o .


4.3. Fie caracteristica X ce urmeaz legea normal N (m,o), unde m e R este
cunoscut, iar o > 0 este necunoscut. Se consider o selecie repetat de volum n. S se
arate ca funcia de selecie




este o funcie de estimaie absolut corect pentru parametrul
Soluie. Vom arta c sunt satisfcute cele dou condiii din definiia funciei de
estimaie absolut corecte, adic
M(V) = o i lim D
2
(V) = 0

n primul rnd avem c:

=
=
n
k
k
m X
n
V
1
) (
2
1 t
143
u
m x
=

o
Deoarece caracteristica X urmeaz legea normal N(m, o) avem c



Dac se face schimbarea de variabil i se ine seama de faptul c funcia
de integrat obinut, dup aceea, este funcie par, rezult c :


Prin urmare, obinem c M(V)= = o, deci prima condiie este satisfcut.


Pentru verificarea celeilalte condiii putem scrie succesiv:



de unde . 0 ) ( lim
2
=

V D
n

4.4. Se consider caracteristica X ce urmeaz legea binomial, adic are distribuia
teoretic


m k
k m P
k
X
, 0
) , (
=
|
|
.
|

\
|
, unde P(m,k)=C
k
m
p
k
q
m-q
, q=1-p,

cu parametrul p e (0,1) necunoscut. Folosind o selecie de volum n, se cere
a) estimatorul p* de verosimilitate maxim pentru p,
b) s se arate c etimatorul p* este un estimator absolut corect pentru parametrul
p
c) s se arate c estimatorul p* este un estimator eficient pentru parametrul p.

Soluie. a) Funcia de probabilitate pentru caracteristica X este
f(x;p)= C
k
m
p
x
(1-p)
m-x
,
Pentru a scrie ecuaia de verosimilitate maxim


m x , 0 =
( ) ( ) ( )
( )
n
m X D
m X nD m X D
n
m X D
n
V D
n
k
n
k
2 2 2
)
2
1
( ) (
2
2
2
1
2
2
1
2 2 2

= = = =

= =
t
t
t t t
o
t
o
t
o
t
o
o o
t o
2
) (
2
2
2
2
1
) (
0
0
2 2 2
2 2 2
=
(
(

= = =

} }
u u u
e du ue du e u m X M
t
2
o
t
2
). (
2
) (
2
1
) (
2
1
) (
2
1
M(V)
1 1
m X M m X nM
n
m X M
n
m X M
n
n
k
n
k
k
= = = =

= =
t t t t
dx e m x dx x p m x m X M
m x
2
2
2
) (
2
1
) ( ) (
o
t o

+

+

} }
= =
144


avem c ln f= (x;p)= ln C
x
m
+ x ln p + (m-X) ln (1-p), de unde



Aadar, ecuaia verosimilitii maxime este


, 0
1
1
=
|
|
.
|

\
|

=
n
k
k k
p
X m
p
X
adic


unde

=
=
n
k
k
X
n
X
1
1
.Ecuaia verosimilitii maxime se mai scrie ( ) ; 0 1 = + X p mp X p


de unde se obine estimatorul de verosimilitate maxim

pentru parametrul p.
b) Vom arta c estimatorul p* este un estimator absolut coret pentru parametrul p
Pentru aceasta avem, n primul rnd, c
iar apoi, pentru dispersie se poate scrie succesiv



Aadar, s-a obinut
M(p*)=p i , 0 lim ) ( lim
* 2
= =

mn
pq
p D
n n


deci estimatorul p* este estimator absolut corect pentru parametrul p.
c) Cantitatea de informaie relativ la parametrul p se poate calcula dup cum
urmeaz
( ) | |
( )
( )
( )
( ) p p
mn
p mp
p p
n
X D
p p
n
mp X M
p p
n
p
p X f
nM p I

=
=

=
(
(

|
|
.
|

\
|
c
c
=
1
) 1 (
1 1
) 1 (
1 ) ; ( ln
) (
2 2
2
2 2
2
2 2
2
( ) ( ) ( ) ( ) ( )
( )
mn
pq
n m
mpq
n m
X D
X nD
n m
X D
n m
X D
n m
X D
m
p D
n
k
n
k
k
= = = = = = =

= =
2 2
2
2
2 2
1
2
2 2
1
2
2 2
2
2
2
1 1 1 1
*
( ) ( ) ( ) p mp
m
X M
m
X M
m
p M = = = =
1 1 1
*
( ) X
m
Xn X X p p
1
,...., 2 , 1 * * = =
; 0
) ; ( ln
1
=
c
c

=
n
k
k
p
p X f
0
1 1
=

p
X n
p
mn
p
X n
p l
x m
p
x
p
p x f

=
c
c ) ; ( ln
145


Pe de alt parte, am vzut c prin urmare, are
loc egalitatea deci estimatorul p* este estimator eficient pentru
parametrul p.

4.5. Relativ la populaia C se cerceteaz caracteristica X privind media teoretic
M(X)=m. tiind c dispersia teoretic a caracteristicii X este D
2
(X)=0,35, s se
stabileasc un intreval de ncredere pentru media teoretic m cu probabilitatea de
incredere 1 - o = 0,95 , utiliznd distribuia empiric de selecie

|
|
.
|

\
|
2 5 7 6 4 7 3 1
4 , 23 3 , 23 2 , 23 1 , 23 0 , 23 9 , 22 8 , 22 7 , 22
X

Soluie. Deoarece volumul seleciei este n=35 > 30, putem considera c statistica


unde



urmeaz legea normal N(0,1). Aadar, intervalul de ncredere pentru media teoretic m
se obine din relaia



sau




astfel determinat inct
2
1
2
1
o
o

=
|
|
.
|

\
|
u

z unde


2
1
o

z
o
o o
o o
=
|
|
.
|

\
|
+ < <

1
2
1
2
1
z
n
X m z
n
X P
, 1
2
1
2
1
o
o o
=
|
|
|
|
.
|

\
|
<
c

<

z
n
m X
z P
( ) X D
2
= c
n
m X
Z
c

=
,
) 1 (
*) (
2
mn
p p
p D

=
) (
1
*) (
2
p I
p D =
146

n cazul de fa, valoarea mediei de selecie este:

iar din Anexa I, pentru se gsete



De asemenea, avem c




Obinem n acest fel, intervalul de ncredere pentru media teoretica m=M(X)



4.6 Pentru recepionarea unei mrfi ambalat n cutii, se efectueaz un control,
prin sondaj, privind greutatea X a unei cutii. Pentru 22 de cutii cntrite s-a obinut
distribuirea empiric de selecie, relativ la caracteristica X:

|
|
.
|

\
|
2 4 5 3 5 2 1
3 , 3 2 , 3 1 , 3 0 , 3 9 , 2 8 , 2 7 , 2
X

Folosind probabilitatea de ncredere 0,98 s se determine n interval de incredere pentru
valoarea medie a greutii cutiilor, presupunnd c X urmeaz legea normal N(m, o).

Soluie. Deoarece abaterea standard este necunoscut, se
consider statistica



care urmeaz legea Student cu n-1 grade de libertate.
Intervalul de ncredere pentru valoarea medie teoretic m= M(X) este
;
n
m X
T
o

=
( ) X D
2
= o
( ) ( ) 273 , 23 ; 881 , 22 196 , 0 077 , 23 ; 196 , 0 077 , 23 ;
2
1
2
1
= + =
|
|
.
|

\
|
c
+
c


o o
z
n
X z
n
X
1 , 0 01 , 0
35
35 , 0 ) (
2
= = = =
n
X D
n
o
( ) 077 , 23 4 , 23 2 3 , 23 5 2 , 23 7 1 , 23 6 23 4 9 , 22 7 8 , 22 3 7 , 22 1
35
1
= + + + + + + + = x
96 , 1
2
1
=

o
z
475 , 0 .
2
1
=
o
X
147




Pentru n 1 =21 i 1 - o = 0,98 (o = 0,02) din Anexa II se

determin

De asemenea, folosind datele de selecie, obinem valoarea x a mediei de selecie
X , anume:

i valoarea abaterii standard de selecie



Putem scrie atunci intervalul (numeric) de ncredere:



4.7. Masa de carne ambalat n pachete de 1000 de grame de mainile M
1
i M
2
este o
caracteristic X, ce urmeaz legea normal N(m, o) i respectiv o caracteristic X ce
urmeaz legea normal N(m, o).
Cntrind 100 de pachete din cele produse de maina M
1
s-a obinut valoarea medie
de selecie 1007 ' = x grame iar din cntrirea a 150 de pachete de la maina M
2
s-a
obinut 1002 ' ' = x grame.
Folosind probabilitatea de ncredere 0,98 s se determine intervalul de ncredere
pentru diferena m-m, dac se tie c abateriile standard sunt o=3 i o=4.

Soluie. Se folosete statistica
( ) 122 , 3 ; 942 , 2
22
167 , 0 518 , 2
032 , 3 ;
22
167 , 0 518 , 2
032 , 3 ;
2
1 , 1
2
1 , 1
= |
.
|

\
|
+

=
|
|
.
|

\
|
+

n
t X
n
t X
n n
o o
o o
( ) 167 , 0
21
587728 , 0
21
1
7
1
2
= = =

= k
k k
x x f o
( ) 032 , 3 3 , 3 2 1 , 3 3 9 , 2 5 8 , 2 2 7 , 2 1
22
1
= + + + + = x
518 , 2
2
1 , 1
=

o
n
t
|
|
.
|

\
|
+

n
t X
n
t X
n n
o o
o o
2
1 , 1
2
1 , 1
;
148
care urmeaz legea normal N(0,1). Astfel, intervalul de ncredere pentru diferena m-m
este:

unde
2
1
o

z se determin astfel ca 49 , 0
2
1
2
1
=
o
=
|
|
.
|

\
|
u
o

z Folosind Anexa I, obinem


3 , 2
2
1
=

o
z 3.

De asemenea, avem c . 44 , 0
300
59
150
16
100
9
' '
' '
'
'
2 2
= = + =
o
+
o
n n
Astfel,
intervalul de ncredere pentru diferena m - m este
( ) ( )
( ) ( ) 025 , 6 ; 975 , 3 44 , 0 33 , 2 5 ; 44 ., 0 33 , 2 5
' '
' '
'
'
' ' ' ;
' '
' '
'
'
' ' '
2 2
2
1
2 2
2
1
= + =
=
|
|
.
|

\
|
o
+
o
+
o
+
o

o

n n
z x x
n n
z x x



4.8 Fiecare caracteristic X ce urmeaz legea normal N(m,o) i care reprezint
vnzrile n milioane de lei pe sptmn la magazinele alimentare n oraul A i X
vnzrile in milioane de lei la magazinele alimentare din oraul B i care urmeaz legea
normal N(m, o). S-au efectuat dou sondaje, respectiv pentru X i X i s-a obinut
urmtoarele date de selecie:

X: 226,5 224,1 218,6 220,1 228,8 229,6 222,5
X: 221,5 230,2 223,3 224,3 230,8 223,8

Cu probabilitatea de ncredere 0,95 s se construiasc un interval de ncredere pentru
diferena m-m, dac o > 0 este necunoscut.
Soluie. Folosind statistica

care urmeaz legea Student cu n=n+n-2=7+6-2=11 grade de libertate, se va construi
intervalul de ncredere pentru mm. Anume, acest interval de ncredere este:
( )
( )
' '
1
'
1
2 ' ' '
' ' 1 '
) " ' ( ' ' '
2
n n
n n
n
m m X X
T
+
+


=
o
( ) ( ) ,
' '
' '
'
'
' ' ' ;
' '
' '
'
'
' ' '
2 2
2
1
2 2
2
1 |
|
.
|

\
|
+ + +

n n
z X X
n n
z X X
o o o o
o o
( ) ( ) ,
' '
' '
'
'
/ ' ' ' ' ' '
2 2
n n
m m X X Z
o o
+ =
149

unde, s-a folosit notaia:



iar
2
1 , 1
o
n
t se determin astfel inct
n
n
n
F t F ,
2
1
2
1 ,
o
=
|
|
.
|

\
|
o

fiind funcia de repartiie a


legii Student cu n grade de libertate, tabelat in Anexa II

Pentru a determina valoarea numeric a intervalului de incredere, se calculeaz pe
rnd




De asemenea, din Anexa II, pentru 1 - o = 0,95 i n = 11, obtinem 201 , 2
2
1 , 1
=
o
n
t astfel
c intervalul de ncredere pentru m m va fi



( ) ( )
( ) ( ) 619 , 3 ; 325 , 6 259 , 2 201 , 2 353 , 1 ; 259 , 2 201 , 2 353 , 1
' ' ' ; ' ' '
2
1 ,
2
1 ,
= + =
=
|
|
.
|

\
|
+
o

s t x x s t x x
n n
( )
( )
( )
( )
( ) 259 , 2 951 , 14 5 765 , 17 6
11
6
1
7
1
951 , 14 ' ' ' '
5
1
' '
765 , 17 ' '
6
1
'
667 , 225 8 , 223 8 , 230 3 , 224 4 , 223 2 , 230 5 , 221
6
1
' '
314 , 224 5 , 222 6 , 229 8 , 228 1 , 220 6 , 218 1 , 224 5 , 226
7
1
'
6
1
2
2
7
1
2 2
= +
+
=
= =
= =
= + + + + + =
= + + + + + + =

=
=
s
x x
x x
x
x
k
k
k
k
o
o
( ) , ' ' 1 ' ' ' ) 1 ' ((
2 ' ' '
' '
1
'
1
2
2
o o +
+
+
= n n
n n
n n
S
( ) ( )
|
|
.
|

\
|
+ + +

S t X X S t X X
n n
2
1 ,
2
1 ,
' ' ' ; ' ' '
o o
150
4.9. Fie X caracteristica ce reprezint timpul de producere a unei reacii chimice,
msurat n secunde. Dac X urmeaz legea normal N(m,o) i avnd o selecie repetat de
volum n=11, cu datele de selecie 4,21; 4,03; 3,99; 4,05; 3,89; 3,98; 4,01; 3,92; 4,23;
3,85; 4,20; s se determine intervalul de ncredere pentru dispersia ( ) X D
2 2
= o i pentru
abaterea standard ( ) X D
2
= o , cu probabilitatea de ncredere 0,95.

Soluie. Se va considera statistica


care urmeaz legea
2
cu n-1 grade de libertate. Intervalul de ncredere pentru o
2
va fi:

iar pentru o

|
|
|
.
|

\
|


2
, 1
2
1 , 1
1
;
1
o o
o o
n n
h
n
h
n
,



unde
2
2
1 , 1
o
n
h i
2
2
, 1
o
n
h se calculeaz din Anexa III.

Pentru determinarea valorilor numerice ale acestor intervale de ncredere,
calculm:

Aadar, intervalele de ncredere pentru o
2
i o sunt





( )
( ) 25 , 3 ; 5 , 20 ; 017 , 0
10
1
; 003 , 4 20 , 4 ... 03 , 4 21 , 4
11
1
11
1
2
025 . 0 ; 10
11
1
2
975 . 0 ; 10
2 2
11
1
= = = =
= + + + = =

=
=
h h x x
x x
k
k
k
k
o
( ) ( )
|
|
|
.
|

\
|


2
2
, 1
2
2
2
1 , 1
2
1
;
1
o o
o o
n n
h
n
h
n
( )
( )

= =
=

=
n
k
k
n
k
k
X
n
X X X
n
unde
n
H
1
2
1
2
2
2
2
1
,
1
1
,
1
o
o
o
151
( ), 052 , 0 ; 008 , 0
25 , 3
017 , 0 10
;
5 , 20
017 , 0 10
= |
.
|

\
|

respectiv
( ) 0228 , ; 089 , 0
25 , 3
017 , 0 10
;
5 , 20
017 , 0 10
=
|
|
.
|

\
|



4.10. Caracteristica X reprezint cheltuielile lunare n mii lei pentru abonamentele
la ziare i reviste ale unei familii. S se verifice, cu nivelul de semnificaie o=0,01, dac
tim media acestor cheltuieli lunare pentru o familie este de 16 mii lei, tiind c abaterea
standard o =3 mii lei avnd o selecie repetat de volum n=40, care ne d distribuia
empiric de selecie
|
|
.
|

\
|
8 10 12 6 4
20 17 15 13 11
X .

Soluie. Deoarece n=40>30 i abaterea standard o=3 este conoscut, vom folosi
testul Z pentru verificarea ipotezei nule

H
0
: m= M(X)=16, cu ipoteza alternativ H
1
: m = 16

Pentru o=0,01, folosind Anexa I, se determin
995 , 0
2
1
z z =
o

astfel nct
( ) 495 , 0
2
1
995 , 0
=
o
= u z . Anume, se obine ca 58 , 2
995 , 0
= z care ne d intervalul
numeric (-2,58;2,58), pentru statistica notat prin ( )
n
m X Z
o
= / .
Calculm succesiv:


Deoarece ( ) 58 , 2 ; 58 , 2 422 , 0 e = z , rezult c se accept ipoteza c cheltuielile medii
lunare ale unei familii pentru abonamentele la ziare i reviste sunt de 16 mii lei, cu
probabilitatea de risc 0,01.

( )
( ) ( ) 422 , 0
3
40 2 , 0
40
3
/ 16 8 , 15 /
8 , 15 20 8 17 10 15 12 13 6 11 4
40
1 1
1
=

= = =
= + + + + = =

=
n
m x z
x
n
x
n
k
k
o
152
4.11. Caracteristica X reprezint gradul de ocupare zilnic a unei uniti hoteliere
(n procente), S se verifice, cu nivelul de semnificaie o=0,05, ipoteza c media de
ocupare zilnic a hotelului este dat prin m=80%, dac dintr-o selecie fcut n 15 zile
s-au obinut urmatoarele date de selecie (n procente) : 60, 85, 90, 75, 84, 78, 92, 55, 77,
82, 65, 79, 83, 65, 76.

Soluie. Putem considera c X urmeaz legea normal N(m, o ), cu m i o
necunoscui. Ipoteza nul ce se face este H
0
: m = 80, cu H
1
: m = 80 .
Deoarece abaterea standard o este necunoscut, se folosete testul T. Pentru
aceasta, considernd o=0,05, cu ajutorul Anexei II, se determin
975 , 0 ; 14
2
1 , 1
t t
n
=
o

, astfel
nct ( ) 975 . 0
2
1
975 , 0 ; 14 14
=
o
= t F . Se obine n acest fel 145 . 2
975 , 0 ; 14
= t . Prin urmare,
intervalul pentru statistica T=
n
m X
o
/ ) ( , care urmeaz legea Student cu n-1=14 grade
de libertate, este (-2,145; 2,145).
Calculm n continuare succesisv:

=
= = =
n
k
k
x
n
x
1
; 4 , 76 1146
15
1 1


=
=

=
n
k
k
x x
n
1
2
; 686 , 116 ) (
1
1
o ; 80 , 10 = o

. 291 , 1
80 , 10
15 6 , 3
15
80 , 10
/ ) 80 4 , 76 ( / ) ( =

= = =
n
m x t
o


Deoarece ), 145 , 2 ; 145 , 2 ( 291 , 1 e = t ipoteza c media de ocupare zilnic a
unitaii hoteliere este de 80% se accept.

4.12. La o unitate de mbuteliere a laptelui exist dou maini care efectueaz
aceast operaie n sticle de un litru. Pentru a cerceta reglajul de mbuteliere la cele dou
maini s+au efectuat dou selecii relative la sticlele imbuteliate de cele dou maini i s-
au obinut datele de selecie


k
x' (n ml)
990 995 1000 1005 1010
k
f '
7 9 11 8 5






153
k
x ' ' (n ml)
985 990 995 1000 1005 1010
k
f ' '
5 5 6 7 6 4

Folosind nivelul de semnificaie 01 , 0 = o , s se verifice dac mediile de umplere a
sticlelor de ctre cele dou maini sunt aceleai, n cayul n care abaterile standard sunt
= 6 ml i 5 , 7 = ' ' o ml.

Soluie. Caracteristicile X i X ce reprezint cantitatea de lapte (n ml) coninut
de o sticl imbuteliat de prima main, respectiv de a doua, se consider ca urmnd
legile de probabilitate normele N (m, 6) i N (m, 7,5).
Verivicarea ipotezei nule H
0
: m = m cu alternativa H
1
: m m, se va face cu
testul Z, deoarece sunt cunoscute abaterile standard.
Folosind nivelul de semnificaie 01 , 0 = o , se determin din Anexa I valoarea
,
995 , 0
2
1
z z =

o
astfel nct . 495 , 0
2
1
2
1
=

=
|
|
.
|

\
|
u

o
o
z Anume, se obine c z
0,995
= 2,58,
care ne d intervalul (-2,58; 2,58) pentru statistica :
( ) ( ) .
2 2
n n
m m X X Z
' '
' '
+
'
'
' ' ' ' ' ' =
o o

Se calculeaz succesiv:


; 424 , 997 ) 1010 4 990 5 985 5 (
33
1 1
; 375 , 999 ) 1010 5 995 9 990 7 (
40
1 1
1
1
= + + + = ' '
' '
= ' '
= + + + = '
'
= '

' '
=
'
=

n
k
k
n
k
k
x
n
x
x
n
x

( ) 109 , 1
60461 , 2
951 , 1
33
25 , 56
40
36
424 , 997 375 , 999
/
2 2
= =
+

=
' '
' '
+
'
'
' ' ' =
n n
x x z
o o
.
Deoarece ( ) 58 , 2 ; 58 , 2 209 , 1 e = z , rezult c mediile de umplere a sticlelor nu
difer semnificativ pentru cele dou maini.

4.13. Se cerceteaz dou loturi de ulei pentru automobile, din punct de vedere al
vscozitii, obinndu-se datele de selecie

Pentru primul lot:






Pentru al doilea lot:
k
x'
10,27 10,28 10,29 10,30 10,32

k
f '
3 2 1 1 1
154
k
x ' '
10,26 10,27 10,29 10,30 10,31
k
f ' '
2 1 1 1 3

Analizele facndu-se cu acelai aparat, se consider ca abaterile standard sunt aceleai.
Considernd nivelul de semnificaie 05 , 0 = o , s se verifice dac mediile de vscpzitate
pentru cele dou loturi nu difer semnificativ.

Soluie: Caracteristicile X i X, ce reprezint vscozitaile pentru cele dou
loturi de ulei, se consider c urmeaz fiecare legea normal, respectiv N (m, ) i N (m,
), cu ambaterea standard > 0 necunoscut.
Verificarea ipotezei nule H
0
: m = m cu alternativa H
1
: m m, se va face cu
testul T, deoarece abaterea standard este necunoscut.
Folosind nivelul de semnificaie o=0,05, se determin , din Anexa II, valoarea
t
n,1- (o/2)
, astfel nct
2
1 F
2
1
n
o
o
=
|
|
.
|

\
|
n
t
, unde numrul gradelor de
libertate este n=n+n-2=8+8-2=14. Adic, se determin t
14;0;975
astfel nct
( ) 975 . 0
975 , 0 ; 14 14
= t F obinndu-se t
14;0;975
=2,145. n acest mod , s-a obinut intervalul
(-2,145;2,145) pentru statistica
( )
n
n n
n n
n n
m m X X
T
1
'
1
2 ' ' '
' ' ' ) 1 ' ' ( ' ' ) 1 ' (
) ' ' ' ( ' ' '
2 2
+
+

+

=
o o
,
care urmeaz legea Student cu n=n+n-2 grade de libertate.
Se calculeaz pe rnd

=
= =
'
1
8
1
'
'
1
'
n
k
k
x
n
x (3 10,27+22,28++110,32)=10,285;

=
= =
' '
1
8
1
' '
' '
1
' '
n
k
k
x
n
x (2 10,26+22,27++310,31)=10,289;
=

=

=
'
1
2
2
'
) ' ' (
1 '
1
n
k
k
x x
n
o 3,14310
-4
;
=

=

=
' '
1
2
2
' '
) ' ' ' ' (
1 ' '
1
n
k
k
x x
n
o 4,98310
-4
;
155
=
+
+

=
+
+

+

=

8
1
8
1
14
10 ) 881 , 34 001 , 22 (
289 , 10 285 , 10
' '
1
'
1
2 ' ' '
' ' ' ) 1 ' ' ( ' ' ) 1 ' (
' ' '
4 2 2
n n
n n
n n
x x
t
o o

= 397 , 0 56
882 . 56
10 4
1
=



Deoarece t=-0,397 e(-2,145;2,145), rezult c vscozitile medii ale celor dou
loturi de ulei nu difer semnificativ.
4.14. Se efectueaz o selecie repetat de volum n=12 relativ la caracteristica X
ce urmeaz legea normal N(m,o), obinndu-se distribuia empiric de selecie
|
|
.
|

\
|
1 2 1 1 1 1 1 1 2 1
5 , 1 2 , 1 1 8 , 0 6 , 0 2 , 0 0 2 , 0 4 , 0 5 , 0
X
S se verfice , cu nivelul de semnificaie o=0,05, ipoteza nul
H
0
: o
2
=D
2
(X)=0,5, cu alternativa H
1
: o
2
=0,5.
Solutie Deoarece caracteristica X urmeaz legea normal , pentru verificarea
ipotezei nule H
o
: o
2
=0,5, se utilizeaza testul _
2
.
Pentru nivelul de semnificatie o=0,05, se determin intervalul
|
|
.
|

\
|

2
2
1 , 1
2
2
, 1
;
o o
n n
h h ,
pentru statistica H
2
=
2
2
) 1 (
o
o n
,care urmeaz legea _
2
cu n-1 grade de libertate.
Se utilizeaz Anexa III, pentru a determina intervalul mai inainte precizat. Astfel,
deoarece n-1=12-1=11, se obtine
2
025 , 0 ; 11
h =3,82, pentru care F
11
(3,82)=0,025 si de
asemenea
2
975 , 0 ; 11
h =21,9. Prin urmare , intervalul pentru statistica H
2
este (3,82;21,9).


156
Se calculeaz succesiv

=
= =
n
k
k
x
n
x
1
12
1 1
[1(-0,5)+2(-0,4)++11,5]=0,4167;
=

=

=
n
k
k
x x
n
1
2
2
) (
1
1
o 0,518;
h
2=
2
0
2
) 1 (
o
o n
=
5 , 0
518 , 0 11
=11,396
Deoarece h
2
=11,396 e(3,82;21,9), ipoteza nul fcut relativ la dispersia
teoretic este acceptat.

4.15 Dou strunguri produc acelasi tip de piese. Caracteristica cercetat este
diametrul acestor piese.Se consider dou selecii de volume n=7 si n=9, relative la
diametrele pieselor produse de cele dou strunguri. Datele de selecie sunt prezentate prin
distribuiile empirice de selecie:

|
|
.
|

\
|
2 4 1
8 , 3 6 , 3 4 , 3
' X i respectiv
|
|
.
|

\
|
2 2 4 1
8 , 3 7 , 3 6 , 3 5 , 3
' ' X
Considernd nivelul de semnificaie o=0,05, s se verifice ipoteza nul H
0
:o=o, cu
alternativa H
1
: o=o, dac se presupune c X si X urmeaz legea normal N(m,o) i
respectiv N(m,o).
Soluie. Pentru compararea celor dou dispersii , se utilizeaz testul F. Statistica
ce se consider n acest caz este F=
2
2
2
2
' '
' '
'
'
o
o
o
o
, care urmeaza legea Snedecor-Fisher cu
(m,n)=(n-1,n-1) grade de libertate.
157
Pentru inceput se determin intervalul (f
m,n;o/2;
f
m,n;1-o/2
), pentru statistica F,
folosind Anexa IV.
Anume, se determin f
m,n;o/2
astfel nct F
m,n
(f
m,n;o/2
)

=
2
o
i respectiv f
m,n;1-o/2

astfel nct F
m,n
(f
m,n;1-o/2
)

=1-
2
o
.
Deoarece m=n-1=7-1=6 si n=n-1=9-1=8 , avem pe de o parte c
60 , 5
1 1
975 , 0 ; 6 , 8
975 , 0 ; 8 , 6
= =
f
h =0,18. Prin urmare, intervalul de ncredere pentru F este
(0,18;4,65).
Se calculeaz, apoi, succesiv:

=
= =
'
1
7
1
'
'
1
'
n
k
k
x
n
x (13,4+43,6+23,8)=3,629;

=
= =
' '
1
9
1
' '
' '
1
' '
n
k
k
x
n
x (13,5+43,6+23,7+23,8)=3,656;
=

=

=
'
1
2
2
'
) ' ' (
1 '
1
n
k
k
x x
n
o 0,01905;
=

=

=
' '
1
2
2
' '
) ' ' ' ' (
1 ' '
1
n
k
k
x x
n
o 0,01028;
f=
2
2
'
'
o
o
=1,85.
Avnd in vedere c f=1,85e(0,18;4,65), rezult c ipoteza facut, privind
egalitatea dispersiilor , este admis.
4.16. Se cerceteaz capacitatea fiolelor farmaceutice de 100 ml, care provin de la
dou fabrici. n acest scop, se consider cte o selectie pentru dou loturi de fiole
158
provenite respectiv de la cele dou fabrici. Seleciile obinute au distribuiile empirice de
selecie
|
|
.
|

\
|
1 3 1 4 5 4 3 2 1 1
109 108 107 106 105 104 103 102 101 100
' X

respectiv, pentru X:110, 101, 112, 120, 117, 105, 109, 111, 118, 113, 106, 108, 115, 113,
112, 100, 116, 112, 114, 112.
a) Folosind nivelul de semnificaie o=0,02, s se compare dispersiile celor dou
caracteristici;
b) Folosind acelai nivel de semnificaie o=0,02, s se compare mediile celor
dou caracteristici;
Solutie. a ) Vom considera c cele dou caracteristici X si X sunt repartizate
normal, respectiv N(m;o) si N(m;o). Se poate aplica testul F, pentru compararea
dispersiilor o
2
si o
2.
Calculm pe rnd:

=
= =
'
1
25
1
'
'
1
'
n
k
k
x
n
x (1100+1101+2102++1109)=104,76;

=
= =
' '
1
' '
' '
1
' '
n
k
k
x
n
x 111,2;
=

=

=
'
1
2
2
'
) ' ' (
1 '
1
n
k
k
x x
n
o 5,19;
=

=

=
' '
1
2
2
' '
) ' ' ' ' (
1 ' '
1
n
k
k
x x
n
o 27,537.
159
Deoarece
2
'
o <
2
' '
o , se consider statistica F=
2
2
2
2
'
'
' '
' '
o
o
o
o
, care urmeaz legea
Snedecor-Fisher cu (m,n)= (n-1,n-1)=(19,24) grade de libertate.
Dac se consider ipoteza nul
H
0
:o
2
=o
2
, cu alternativa H
1
: o
2
=o
2
,
avem c f=
2
2
'
' '
o
o
=
19 , 5
537 , 27
=5,31.
Pe de alt parte, pentru o=0,002, avem din Anexa IV, c
f
m,n;1-o/2=

99 , 0 ; 24 , 19
f =2,76;
f
m,n;o/2=

01 , 0 ; 24 , 19
f =
92 , 2
1 1
99 , 0 ; 19 , 24
=
f
=0,34.
n acest fel , am obinut intervalul (0,34;2,76), pentru statistica F.
Deoarece f=5,31e(0,34;2,56),respingem ipoteza o
2
=o
2.

b) Avnd n vedere c dispersiile teoretice o
2
si o
2
sunt necunoscute, iar
comform punctului precedent difer n mod semnificativ, folosim testul T pentru
compararea mediilor m si m. Statistica ce se consider , in acest caz , este:
( )
n
n n
m m X X
T
2
2
' '
'
'
) ' ' ' ( ' ' '
o o
+

=
care urmeaza legea Student cu n grade de libertate, unde n se calculeaz din relaia
1 ' '
) 1 (
1 '
1
2 2

=
n
c
n
c
n
, cu = c
n
n n
2
2
' '
'
' o o
+
Astfel , pentru determinarea lui n, avem succesiv
160
c= 131 , 0
20
537 , 27
25
19 , 5
25
19 , 5
=
+
si
19
) 131 , 0 1 (
24
131 , 0 1
2 2

+ =
n
=0,0404604,
de unde n=25.
Folosind Anexa II, se obine c t
25;0,99
=2,485, prin urmare intervalul pentru
statistica T este (-2,485;2,485).
Pe de alt parte ,avem c
( )
' '
2
2
' '
'
'
' ' '
n n
x x
t
o o
+

= = . 11 , 5
26 , 1
44 , 6
3768 , 1 2076 , 0
2 , 111 76 , 104
= =
+


Deoarece t=-5,11e(-2,485;2,485), respingem ipoteza c mediile teoretice pentru
fiolele produse de cele dou fabrici nu difer semnificativ.
4.17. Se consider caracteristica X ce reprezint rezistena, n KO, a unor
tronsoane de ceramic acoperite de carbon. S se verfice normalitatea lui X, folosind o
selecie de volum n=124, pentru care s-au obtinut datele de selecie
17 17 14 11 .
) 180 ; 75 , 1 [ ) 75 , 1 ; 70 , 1 [ ) 70 , 1 ; 65 , 1 [ ) 65 , 1 ; (
frecv
clasa

8 10 13 16 18
) ; 00 , 2 [ ) 00 , 2 ; 95 , 1 [ ) 95 , 1 ; 90 , 1 [ ) 90 , 1 ; 85 , 1 [ ) 85 , 1 ; 80 , 1 [ +
,
a) utiliznd testul de concordan _
2
, cu nivelul de semnificaie o=0,05;
c) utilizand testul de concordan al lui Kolomogorov, cu nivelul de semnificaie
o=0,05.
Solutie. Prima data se estimeaz parametrii de la legea normal N(m,o), adic
media teoretic m=M(X) i abaterea standard teoretic o= ) (
2
X D , folosind metoda de
161
verosimilitate maxim. Se cunoate c estimaiile de verosimilitate maxim pentru m si o
sunt respectiv
x x
n
m
n
k
k
= = =

=1
1
,
2
1
2
) (
1
o = =

=
n
k
k
x x
n

.
Avem distribuia empiric de selecie pentru caracteristica X
|
|
.
|

\
|
8 10 13 16 18 17 17 14 11
125 , 2 975 , 1 925 , 1 875 , 1 825 , 1 775 , 1 725 , 1 625 , 1 625 , 1
X ,
de unde calculm
24
1 1
1
= = =

=
n
k
k
x
n
x m

(111,625+141,625++82,125)=1,82;

=
= =
n
k
k
x x
n
1
2
2
) (
1
o

=0,129.
a) Se consider valoarea numeric h
2
=

N
i i
i i
p n
p n f
1
2
) (

, unde N este numrul


claselor (N=9 in cazul de fa), f
i
este frecvena clasei i , iar
i
p

este dat prin


i
p

=
|
|
.
|

\
|

u
|
|
.
|

\
|

u

o o
x a x a
i i 1
, subintervalul [a
i-1
,a
i
) definind clasa i. Dup cum este
cunoscut, h
2
este valoarea unei variabile aleatoare H
2
, care urmeaz legea _
2
cu k=N-s-1
grade de libertate, s fiind numrul parametrilor estimai. n cazul de fa avem c s=2,
deci k=9-2-1=6.
Se determin intervalul (0,
2
1 , o k
h ), pentru statistica H
2
, folosind Anexa III.
Anume, se obine c
2
1 , o k
h =
2
95 , 0 ; 6
h =12,59, adic intervalul pentru statistica H
2
este
(0;12,59).
Calculele pentru valoarea numeric h
2
se aranjeaz in urmtorul tabel:


162


n=124 h
2
=2,4743



Valorile funciei lui Laplace | se iau din Anexa I i se are n vedere c |(-x) = -|(x). De
asenemea facem observaia c :

0934 , 0 5 , 0 4066 , 0 ) ( ) 32 , 1 ( )

( )

(
0 1
1
= + = u u =

u =
o o
x a x a
p



Deoarece h
2
= 2,4743 e(0; 12,59), rezult c se accept ipoteza normalitii caracteristicii
X.
b) Pentru o = 0.05, folosind Anexa V, se determin x
1-o
= x
0.95
, astfel nct K(x
1-o
)
= 1-o. Se obine astfel c x
0.95
= 1,36.
Ipoteza c X urmeaz legea normal N( o , x ) , cu x i o calculai nainte, este
acceptat dac
o
<
1
x d n
n
, unde
. | ) ( ) ( | max max
, 1
i i n
N i
n
a F a F d =
=

Aici ) (x F
n
este funcia de repartiie de selecie, iar F(x) este funcia de repartiie pentru
legea normal N( o , x ).
Calculele pentru determinarea lui d
n
sunt aranjate in tabelul urmtor:
163

d
n
=0,044

Deoarece 36 , 1 491 , 0 0441 , 0 124 < = =
n
d n , acceptm ipoteza c X urmeaz
legea normal N( o , x ).
4.18. Se in sub observaie n=50 motoare electrice, pn la defectarea ultimului
dintre ele. Se consider caracteristica X, ce reprezint numrul miilor de ore de
funcionare pn la defectare. Rezultatele observaiilor sunt grupate in tabelul urmtor :








S se cerceteze exponenialitatea caracteristicii X folosind:
a) testul _
2
, cu nivelul de semnificaie o = 0,05,
b) testul lui Kolmogorov, cu nivelul de semnificaie o =0,05.


Soluie : Legea exponenial are funcia de repartiie :

F(x;)=
x
e

1 , x>0 cu parametrul >0.
Trebuie la nceput s determinm estimaia de verosimilitate maxim pentru
parametrul . Pentru aceasta, avem c densitatea de probabilitate corespunztoare lui F
este :

0 , ) ; ( ' ) ; ( > = =

x e x F x f
x


Ecuaia de verosimilitate este :
0 )
1
( , 0
) ; ( ln
1 1
= =
c
c

= =
k
n
k
n
k
k
X adic
X f


,
Durata
n mii ore
frecvena
0-30 30-60 60-90 90-120 120-150 150-180 180-300
13 10 5 5 5 5 7
164
de unde se obine estimatorul de verosimilitate maxim pentru parametrul , anume
X
X
n
n
k
k
1
1
1

1
=

=
. Prin urmare, estimaia de verosimilitate maxim pentru este
X
1

= .

Distribuia empiric de selecie pentru X este:


,
7 5 5 5 5 10 13
240 165 135 105 75 45 15
|
|
.
|

\
|
X
de unde obinem:

, 5 , 94 ) 240 7 ... 45 10 15 13 (
50
1 1
1
= + + + = =

=
n
k
k
x
n
x
astfel c . 0106 , 0
1

= =
x

a) Se consider valoarea numeric

=
n
k
i i
n
p n f
h
1
2
2
) (
, N fiind numrul
claselor (aici N = 7), f
i
este frecvena clasei [a
i-1
, a
I
), iar ).

, ( )

, (
1


=
i i i
a F a F p
Valoarea numeric h
2
este valoarea unei variabile aleatoare H
2
, care urmeaz legea X
2
cu
k = N- s 1 grade de libertate , s fiind numrul parametrilor estimai , n cazul de fa s =
1 deci k = 7 1- 1 = 5.
Se determin
2
1 ; o k
h din Anexa III , astfel nct , 1 ) (
2
1 ;
o
o
=
k k
h F adic
. 95 , 0 ) (
2
95 , 0 ; 5 5
= h F Se obine astfel c 07 , 11
2
95 , 0 ; 5
= h .
Calculele lui h
2
se efectueaza din tabelul urmtor:

n=50 h=3,083

De remarcat cazul particular :
165

. 2739 , 0 0 1 )

, ( )

, (
1
0 1 1
= = =
x
a
e a F a F p


Deoarece 07 , 11 083 , 3
2
95 , 0 ; 5
2
= < = h h , rezult c se accept ipoteza
exponenialitii pentru caracteristica X.

b) Din Anexa V se determin x
1+o
= x
0,95
astfel nct s aib loc 95 , 0 ) (
1
=
o
x K ,
obinndu-se x
0,95
=1,36.
Ipoteza exponenialitii lui X este acceptat dac ,
1 o
< x d n
n
unde
) ( |, ) ; ( ) ( | max
, 1
x F a F a F d
n i i n
N i
n
=
=
fiind funcia de repartiie de selecie.
Calculul pentru determinarea lui d
n
se efectueaz n tabelul urmtor :

d
n
=0,0592


Deoarece , 36 , 1 4186 , 0 0592 , 0 50
1
= < = =
|
x d n
n
acceptm ipoteza c X
urmeaz legea exponenial.


5.Exerciii si probleme propuse


5.1. Fie caracteristica X, care are distribuia empiric de selecie

|
|
.
|

\
|
1 2 4 2 4 2
50 , 40 25 , 40 00 , 40 75 , 39 50 , 39 25 , 39
X
Se cere:
a) media de selectie, momentul centrat de selectie de ordinul doi si dispersia de
selectie;
b) funcia de repartiie de selecie.

166
Rspunsuri. a) ; 145 , 0 , 135 , 0 , 8 , 39
2
2
= = = o x
b)

>
s <
s <
s <
s <
s <
s
=
50 40 1
50 40 25 40
15
14
25 40 00 40
15
12
00 40 75 39
15
8
75 39 50 39
15
6
50 39 25 39
15
2
50 39 0
) (
15
, x ,daca
, , x , ,daca
, , x , ,daca
, , x , ,daca
, x , ,daca
, , x , ,daca
, , x ,daca
x F

5.2. n urma unei selecii de volum n=100, privind caracteristica X, s-au obinut
urmtoarele date de selecie :

x
i
10,5 10,55 10,6 10,65 10,7 10,8
i
f
10 12 16 25 18 9


Se cere:

a) o estimaie absolut corect pentru media teoretic m=M(X),
b) o estimaie corect i una absolut corect pentru dispersia teoretic
). (
2 2
X D = o
Rspunsuri. a) x =10,65; b)
2
=0,0077,
2
o =0,0078.

5.3. Fie caracteristica X , care are distribuia teoretic

|
|
.
|

\
|
p p
X
1
0 1
, unde pe(0,1) este necunoscut.
Se consider o selecie repetat de volum n, relativ la caracteristica X.
S se arate c funcia de selecie

=
=

=
n
k
k
X
n
X unde X n X
n
V
1
,
1
), 1 (
1
1

este o funcie de estimaie nedeplasat pentru p
2
.
Rspuns
2
2
) ( ], ) 1 ( 1 [ ) ( , ) ( p V M p n
n
p
X M p X M = + = = .

167
5.4. Fie caracteristica X, ce urmeaz legea lui Poisson, cu parametrul
0 > necunoscut. Se consider o selecie repetat de volum n.
Se cere:
a) estimatorul
-
de verosimilitate maxim pentru parametrul ,
b) s se arate c
-
este estimator absolut corect pentru ,
c) s se determine c
-
este estimator eficient pentru .

Rspunsuri. a)
-
= X ; b) M(
-
)= , D
2
(
-
)= ; 0
n


c) I( )=
n

, D
2
(
-
)= .
) (
1
I n



5.5. Relativ la populaia C, se cerceteaz caracteristica X ce urmeaz legea
normal N(m,o), cu media teoretic m=M(x) necunoscut i dispersia o
2
=0,006. S se
determine intervalul de ncredere pentru m, cu probabilitatea de ncredere 1-o=0,9, dac
se cunosc datele de selecie.
10,5 10,8 11,2 10,9 10,14 10,6 10,9 11,0 10,3 10,8 10,6 11,3 10,5 10,7 10,8 10,9 10,8
10,7 10,9 11,0

Rspuns. Z
1-a/2
=1,65,
me
|
|
.
|

\
|
+

2
1
2
1
;
o o
o o
z
n
x z
n
x =(10,61;10,75).

5.6. Se efectueaz 12 msurtori independente asupra caracteristicii X, rezultatele
obinute dnd distribuia empiric de selecie

|
|
.
|

\
|
1 2 1 1 1 1 1 1 2 1
5 , 1 2 , 1 1 8 , 0 6 , 0 2 , 0 0 2 , 0 4 , 0 5 , 0
X
Folosind probabilitatea de ncredere 0,95 s se determine intervalul de ncredere pentru
valoarea medie teoreric m=M(X).

Rspunsuri t
11,1-o/2
=2,201,

me
|
|
.
|

\
|
+

2
1 , 11
2
1 , 11
;
o o
o o
t
n
x t
n
x =(0,0405;0,8745).
5.7. Caracteristicile X si X relative la dou populaii independente, urmeaz fiecare
legea normal, respectiv N(m,o) i N(m,o), unde o=0,005 i o=0,0045. Relativ la
aceste caracteristici s-au obinut urmtoarele date selecie:

X : 0,240, 0,240, 0,235, 0,25, 0, 235;
X : 0,220, 0,225, 0,220, 0,225, 0,235.

168
Folosind probabilitatea de ncredere 0,98, s se determine intervalul de ncredere pentru
diferena m-m.

Rspuns. z
1-o/2
=2,33, m-me
' '
' '
'
'
) ' ' ' ( ;
' '
' '
'
'
) ' ' ' (
2 2
2
1
2 2
2
1
n n
z x x
n n
z x x
o o o o
o o
+

=
=(-0,0866;0,1166).

5.8. Cu datele problemei precedente, dar o=o=o necunoscut, s se determine
intervalul de ncredere pentru diferena m-m.

Rspuns t
8;1-o/22,896,
2 2
' ' ) 1 ' ' ( ' ) 1 ' ((
2 ' ' '
' '
1
'
1
o o +
+
+
= n n
n n
n n
s =0,0045,
m-me( ) ) ' ' ' ( ; ) ' ' ' (
2
1 ; 8
2
1 ; 8
o o

+ st x x st x x =(0,002;0,028).
5.9. Caracteristica X urmeaz legea normal N(m,o). Se consider o selecie
repetat de volum n=15 relativ la X cu datele de selecie :
23,1, 22,8, 22,9, 23,0, 22,7, 22,9, 23,2, 22,9, 23,3, 23,2, 23,0, 22,9, 23,1, 23,2, 22,9.

S se determine intervalul de ncredere pentru dispersia o
2
=D
2
(X) i pentru
abaterea standard ) (
2
X D =o, folosind probabilitatea de ncredere 0,9.
Rspuns. 57 , 6
2
2
, 1
=

o
n
h , 68 , 23
2
2
1 , 1
=

o
n
h ,
o
2
e
|
|
|
.
|

\
|


2
2
, 1
2
2
2
1 , 1
2
) 1 (
;
) 1 (
o o
o o
n n
h
n
h
n
=(0,017;0,062),
o
2
e = ) 062 , 0 ; 017 , 0 ( (0,13;0,25).
5.10. Caracteristica X reprezint media obinut de un student care a promovat
anul I de studii. S se verifice, cu nivelul de semnificaie o=0,05, ipoteza c media
teoretic m=M(X)=7,25, dac se consider c o= ) (
2
X D =1,5, i s-a fcut un sondaj de
volum n=42, pentru care s-au obinut datele de selecie:



media 5-5,99 6-6,99 7-7,99 8-8,99 9-10
frecv. 5 5 6 7 6



169
Rspuns z
1-o/2
=1,96 , z=
n
m x
o
0

=0,86e(-1,96; 1,96), ipoteza m=7,25 este admis.


5.11. Caracteristica X reprezint rezistena la rupere a cablurilor produse de o
anumit fabric. Considernd c X urmeaz legea de probabilitate normal N(m,o), s se
verifice, folosind nivelul de semnificaie o=0,05, ipoteza c media teoretic a rezistenei la
rupere a cablurilor este de 400Kg , dac se dispune de o selecie de volum n=10, cu urmatoarele
date de selecie:
401,403,398,98,400,5,399,396,401,5,400,5,398,5.
Raspuns t
n-1,1-o/2
=2,262 , t=
n
m x
o
0

=0,61e(-2,262; 2,262), ipoteza m=400 este


admis.

5.12. Dou maini produc piese de acelai tip.Fie X dimensiunea pieselor produse
de prima main, respectiv Xs fie dimensiunea pieselor produse de a doua masin,
fiecare urmnd legea normal, respectiv N(m,0,02) i N(m,0,15). S se verifice, folosind
nivelul de semnificaie o=0,05, ipoteza c mediile dimensiunilor pieselor (n mm)
produse de cele dou maini sunt egale, cu alternativa c ele difer, dac se dispune de
seleciile, care au ca distribuii empirice de selecie, respectiv

|
|
.
|

\
|
14 19 16 11
05 , 5 00 , 5 95 , 4 90 , 4
' X ,
|
|
.
|

\
|
7 10 14 8 6
10 , 5 05 , 5 00 , 5 95 , 4 90 , 4
' ' X

Rspuns. Z
1-o/2
1,96, z=
' '
' '
'
'
' ' '
2 2
n n
x x
o o
+

=-9,956e(-1,96;1,96),
Ipoteza m=m este respinsa.

5.13. Dou maini produc acelai tip de articol. Se efectueaza dou selecii de volume
n=12 i n=15 i se masoar dimensiunea produselor, datele de selecie sunt trecute in
tabelele urmtoare

x
k
3,5 3,6 3,7 3,8 x
k
3,4 3,6 3,8

f
k
3 4 2 3 f
k
2 4 9


Considernd nivelul de semnificaie o=0,01, s se verifice ipoteza c mediile
dimensiunilor articolelor produse de cele dou maini nu difer semnificativ, tiind c
dispersiile teoretice pentru cele dou caracteristici coincid.

Rspuns t
25,1-o/2
=2,787,
170

( )
n
n n
n n
n n
x x
t
1
'
1
2 ' ' '
' ' ' ) 1 ' ' ( ' ' ) 1 ' (
' ' '
2 2
+
+

+

=
o o
=-0,953e(-2,787;2,787),
ipoteza m=m este admis.

5.14. Se cerceteaz caracteristica X ce reprezint diametrul pieselor produse de o
masin (n mm). tiind c X urmeaz legea normal N(m,o) i avnd o selecie de volum
n=11, care ne d distribuia empiric de selecie

|
|
.
|

\
|
1 5 3 2
65 , 10 60 , 10 55 , 10 50 , 10
X ,
s se verifice ipoteza nul

H
0
:o
2
=0,003, cu alternativa H
1
: o
2
=0,003,

cu nivelul de semnificatie o=0,01.

Rspuns h
2
n-1,o/2
=2,16 , h
2
n-1,1-o/2
=20,5,
h
2
= =

2
0
2
) 1 (
o
o n
7,3e(-2,16;20,5), ipoteza o
2
=0,003 este admis.
5.15. Se cerceteaz aceeai caracteristic pentru dou populaii independente, care
este respectiv X pentru prima populaie i X pentru a doua, fiecare urmnd legea
normal N(m, o) i N(m, o). Se consider seleciile de volum n= 10 i n= 12, care ne
dau distribuiile empirice de selecie.
,
1 1 4 2 2
2 9 , 1 85 , 1 8 , 1 7 , 1
'
|
|
.
|

\
|
X
|
|
.
|

\
|
=
1 2 2 4 2 1
1 , 2 2 9 , 1 85 , 1 8 , 1 75 , 1
' ' X
Considernd nivelul de semnificaie o 0,02 s se compare dispersiile celor dou
populaii.
Raspuns. , 63 , 4
2
, 11 , 9
=

o
f 193 , 0
1
2
1 , 11 , 9
2
, 11 , 9
= =

o
o
f
f ,
), 63 , 4 ; 193 , 0 ( 782 , 0
' '
'
2
2
e = =
o
o
f ipoteza o
2
= o
2
este admis.
171
5.16. Pentru a cerceta dac durata de ardere a dou loturi de becuri este aceeai
s-a luat cte un eantion de 20 de becuri din fiecare lot, care au fost ncrcate n privina
caracteristicii studiate i s-au obinut urmatoarele rezultate:
1070, 1110, 1050, 1090, 1140, 1130, 1240, 1010, 1110, 1100,
1160, 1100, 1060, 1020, 1130, 1210, 970, 1100, 1030.
ore de ardere pentru eantionul din primul lot i respectiv:
1100, 1170, 990, 1180, 1130, 1140, 1110, 1090, 1100, 1130, 1220,
1030, 1010, 1130, 1110, 1120, 1140, 1050, 1130, 1080.
ore de ardere pentru eantionul din al doilea lot.
a) Folosind nivelul de semnificaie o= 0,01, s se verifice dac dispersiile pentru
cele dou loturi nu difer semnificativ.
b) Folosind nivelul de semnificaie o= 0,05, i rezultatul de la punctul precedent ,
s se verifice dac duratele medii de ardere pentru cele dou loturi sunt aceleai.
Raspunsuri: a) 44 , 3
2
1 , 19 , 19
=

|
f , , 30 , 0
1
2
1 , 19 , 19
2
, 19 , 19
= =

o
o
f
f
) 44 , 3 ; 3 , 0 ( 41 , 1
' '
'
2
2
e = =
o
o
f , ipoteza o = o este admis.
b) 03 , 2
2
1 , 1 , 38
=

o
t
), 03 , 2 ; 03 , 2 ( 09 . 1
' '
1
'
1
2 ' ' '
' ' ) 1 ' ' ( ' ) 1 (
' ' '
2 2
e =
+
+

+

=
n n
n n
n n
x x
t
o o

ipoteza m=m este admis.
172
5.17.Se consider caracteristica X ce reprezint greutatea in grame a unor cutii
ncrcate automat de un dispozitiv. Pentru verificarea normalitii lui X, se consider o
selecie de volum n=100, datele de selecie fiind urmtoarele:



Se cere :
a) aplicarea testului X
2
, cu nivelul de semnificaie o=0,05, pentru verificarea
normalitii luiX,
b) aplicarea testului lui Kolmogorov, cu nivelul de semnificaie o=0,05 , pentru
verificarea normalitii lui X.
Rspunsuri: 48 , 1 , 91 , 49
2
= = = = o x m ;
a)

=


= = > =
5
1
2 2
2
1 , 3
) (
5142 , 2 81 , 7
i i
i i
p
p n f
h h
o
, ipoteza normalitii este admis.
b) , 36 , 1 403 , 0 100 0403 , 0
1
= < = =
o
x d n
n
ipoteza normalittii este acceptat.
5.18. Se consider caracteristica X ce reprezint durata unei convorbiri telefonice
interurbane (n minute). Pentru cercetarea duratei convorbirilor interurbane se consider o
selecie de volum n= 200, datele de selecie obinute sunt trecute in tabelul urmtor :
durata n
minute
(0,3) [3,6) [6,9) [9,12) [12,15) [15,18)
Frecv. 29 41 62 23 22 23

S se verifice exponenialitatea lui X, cu nivelul o=0,005 de semnificaie, folosind:
a) testul
2
,
b) testul lui Kolomogorov.
greutatea n
grame

Frecv.
47-48 48-49 48-50 50-51 51-52 52-53
12 18 22 21 19 8
173
Rspunsuri = =
x
1

0,12415,
a) h
2
4;1-o/2
=9,48<60,4985=h
2
=

=

5
1
) (
i i
i i
p
p n f

, ipoteza exponenialitii este respins.


b) =
n
d n 0,1752 200 =2,48>x
1-o
=1,36, ipoteza exponenialitii este respins.

BIBLIOGRAFIE



1. Baz, D., Butescu, V., Stremtan, N., Matematici superioare, lito. Univ.
Dimitrie Cantemir Bucureti, Bucureti, 1991.
2. Blaga, P., Calculul probabilitilor. Culegere de probleme, lito. Univ. Babes-
Bolyai Cluj-Napoca, Cluj-Napoca, 1984.
3. Blaga, P., Calculul probabilitilor si statistica matematic. Vol II , Curs i
culegere de probleme, lito. Univ. Babes-Bolyai Cluj-Napoca, Cluj-Napoca, 1984.
4. Blaga, P., Murean, A. S. Matematici aplicate n economie, Vol I , partea 1 si
partea 2 , lito. Univ. Cretin Dimitrie Cantemir Cluj-napoca, Cluj-Napoca, 1992.
5. Blaga, P., Rdulescu, M., Calculul probabilitilor , lito. Univ. Babes-Bolyai
Cluj-Napoca, Cluj-Napoca, 1987.
6. Both, N., Lecii de algebr i programare liniara, lito. Univ. Babes-Bolyai
Cluj-Napoca, Cluj-Napoca, 1986.
7. Chirita, S., Probleme de matematici superioare, Edit . did. si pedag. , Bucureti,
1987.
8. Covaci, R., Algebr si programare liniar , lito.Univ. Babes-Bolyai Cluj-
Napoca, Cluj-Napoca, 1986.
9. Craiu, I., Mihoc, Gh., Craiu V., Matematici petru economiti, Vol. II, Edit.
Tehnic, Bucureti,1971.
10. Craiu, M., Tnase, v.V., Analiza matematica, Edit. did. si pedag. Bucureti
1980.
11.Craiu, V., Enache, R., Basca, O., Teste de concordan cu programe n
FORTRAN, Edit. st. si encicl., Bucureti, 1974.
12.Dani, E.,Murean ,A.,Matematici aplicate n economie, Fasc.1,2,3,4,lito.Univ
Babes-Bolyai Cluj Napoca ,1988.
13.Downling E.T.,Mathematiques pour lconomiste, McGraw-Hill,Paris,1990.
14.Dumitrescu, M.,Florea, D.,Tudor, C., Probleme de teoria probabilitilor i
statistic matematic, Edit.tehnic ,Bucureti,1985.
15.Iosifescu, M., Moineanu, C., Trebici, V., Ursianu, E., Mica enciclopedie de
statistic ,Edit. t. si encicl.,Bucureti,1985.
16.Malia, M., Zidaroiu, C., Incertitudine i decizie, Edit. St. i encicl.,
Bucureti,1980.
174
17.Mihil, N., Popescu, O., Matematici aplicate n economie, Edit. did. i pedag.,
Bucureti ,1978.
18.Meghea.C., Bazele analizei matematice , Ed. t . i enc., Bucureti 1977
19. ,A., Matematici pentru economiti, Vol.I, Partea nti i partea a doua, lito.Univ.
Babes-Bolyai Cluj Napoca,1991.
20.Murean, A.S., Optimizarea operaiilor financiare, Transilvania Press, Cluj
Napoca ,1995.
21.Murean, A.S., Blaga, P., Matematici aplicate n economie, Vol II,
Lito.Univ.Crestin Dimitrie Cantemir Cluj-Napoca, 1992.
22.Nicolescu, M., Funcii reale i elemente de topologie, Edit. did. i pedag.,
Bucureti , 1968.
23.Oancea, E., Radulescu, M., Calculul probabilitilor i statistic matematic,
lito.Univ. Babes-Bolyai Cluj Napoca, 1974.
24.Onicescu, O., Teoria probabilitilor i aplicaii, Edit. did. i pedag.,Bucureti,
1963.
25.Onicescu, O, Botez.M.C., Incertitudine i modelare economic Edit. did. i
pedag., Bucureti ,1985.
26.Rancu, N., Tovissi, L., Statistca matematic cu aplicaii n producie.
Edit.Acad., Bucureti,1963.
27.Rocule, M., Analiza matematic, Edit. did. i pedag.,Bucureti ,1979.
28.Rumiiski, L.Z., Prelucrarea matematic a datelor experimentale. Edit.
tehnic., Bucureti, 1974.
29.Schelin, C.W., Bange, D.W., Calculus for business and economics, Prindle,
Weber&Schmidt, Boston,1985.
30.Sirechi, Ch., Calcul diferenial si integral, VolI si II, Edit. did. i
pedag.,Bucureti, 1985.
31.Stnil, O., Analiza matematic , Edit. did. i pedag., Bucureti ,1981.
32.Tassi, Ph., Methodes statistique, Editia a II-a , Economica , Paris ,1989.
33.Yule ,G.U., Kendall, M.G., Introducere n teoria statisticii, Edit tiinific,
Bucureti, 1969.
















175











CUPRINS

PREFA
1. COMPLEMENTE DE ANALIZ MATEMATIC
1.1. Serii de numere (numerice)
1.2. iruri i serii de funcii
1.3. Serii de puteri.Seria lui Taylor
1.4. Spaiul real n- dimensional
1.4.1. Spaiul real n- dimensional
1.4.2. Elemente de topologie
1.5. Limite pentru funcii de mai multe variabile reale
1.6. Continuitatea funciilor de mai multe variabile reale
1.7. Derivate i difereniale pentru funcii de mai multe variabile reale
1.8. Puncte de extrem pentru funcii de mai multe variabile reale
1.8.1.Metoda direct pentru determinarea extremelor legate
1.8.2.Metoda multiplicatorilor lui Lagrange pentru determinarea extremelor
legate
1.9. Ajustarea i interpolarea datelor numerice
1.9.1. Ajustarea datelor numerice
1.9.2. Interpolarea datelor numerice
1.10. Extensii ale noiunii de integral
1.10.1 Integrale improprii
1.10.2 Integrale duble
1.11.Exerciii i probleme rezolvate
1.12. Exerciii i probleme propuse

2. TEORIA PROBABILITILOR
2.1. Cmp de evenimente.Cmp de probabilitate
2.2. Scheme clasice de probabilitate
2.2.1 Schema lui Bernoulli cu bila intoars(binomial)
176
2.2.2. Schema lui Bernoulli cu bila intoars cu mai multe stri (multi
binomial sau polibinomial)
2.2.3. Schema lui Bernoulli cu bila neintoars
2.2.4. Schema lui Poisson
2.2.5. Schema lui Pascal
2.3. Variabile aleatoare
2.4.Caracteristici numerice asociate variabilelor aleatoare.
2.5.iruri de variabile aleatoare.
2.6. Exerciii i probleme rezolvate
2.7. Exerciii i probleme propuse

3. STATISTICA MATEMATIC
3.1.Teoria seleciei
3.2.Teoria estimaiei
3.2.1. Metoda verosimilitii maxime
3.2.2. Metoda momentelor
3.2.3. Metoda intervalelor de ncredere
3.3.Verificarea ipotezelor statistice
3.3.1 Testul Z
3.3.2. Testul T (Student)
3.3.3. Teste pentru compararea a doua medii
3.3.4. Testul X
2
pentru dispersie
3.3.5. Testul F (Snedecor-Fishner)
3.3.6.Testul de concordan X
2

3.3.7. Testul de concordan al lui Kolomogorov
3.4.Exerciii i probleme rezolvate
3.5.Exerciii i probleme propuse

BIBLIOGRAFIE
ANEXE