Matematica Aplicata in Economie

1
FLORENTIN ERBAN SILVIA DEDU

MATEMATICI APLICATE IN ECONOMIE

Suport de curs pentru ID

2
Cuprinsul cursului
Unitatea de nvare 1
1. Serii numerice .........................................................................................................................
1.1 Obiectivele unitii de nvare 1.......................................................................................
1.2 Definiii si proprietati generale ale seriilor numerice ........................................................
1.3 Serii clasice,serii cu termeni oarecare,serii alternate
1.4 Serii cu termeni pozitivi.Criterii de convergenta................................................................
Teste de autoevaluare...............................................................................................................
Rspunsuri si comentarii la testele de autoevaluare .................................................................
Bibliografia unitii de nvare 1 ............................................................................................
Unitatea de nvare 2
2. Serii de puteri
2.1 Obiectivele unitii de nvare 2........................................................................................
2.2 Definiia si studiul noiunii de serie de puteri....................................................................
2.3 Ilustrarea rezultatelor teoretice pe cazul numeric concret al aplicaiilor ...........................
Bibliografia unitii de nvare 2 ............................................................................................
Lucrarea de verificare nr. 1 .....................................................................................................
Unitatea de nvare 3
3. Funcii de mai multe variabile reale
3.1 Obiectivele unitii de nvare 3........................................................................................
3.2 Definiia limitei i continuitii pentru o funcie de mai multe variabile reale
3.3 Definiia derivatelor pariale de ordinul I si II pentru o funcie de mai multe variabile reale
3.4 Definiia difereniabilitatii pentru o funcie de mai multe variabile reale..........................
3.5 Extremele locale ale funciilor de mai multe variabile reale..
3.6 Ilustrarea teoriei pe cazul numeric concret al aplicaiilor
Teste de autoevaluare ...............................................................................................................
Rspunsuri i comentarii la testele de autoevaluare ..................................................................
Bibliografia unitii de nvare 3 .............................................................................................
Lucrarea de verificare nr.2.......................................................................................................
3
Unitatea de nvare 4
4.Calcul integral
4.1 Obiectivele unitii de nvare 4
4.2 Clasificarea integralelor euleriene......................................................................................
4.3 Definiii i proprietati ale integralelor euleriene ..................................................................
4.4 Ilustrarea teoriei pe cazul numeric concret al aplicaiilor....................................................
Teste de autoevaluare................................................................................................................
Rspunsuri si comentarii la testele de autoevaluare...................................................................
Bibliografia unitii de nvare 4..............................................................................................
Lucrarea de verificare nr. 3.......................................................................................................
Unitatea de nvare 5
5. Formule probabilistice n care apar operatii cu evenimente
5.1 Obiectivele unitii de nvare 5..........................................................................................
5.2 Formule de calcul practic pentru probabilitati ....................................................................
5.3 Scheme probabilistice clasice..............................................................................................
5.4 Ilustrarea teoriei pe cazul numeric concret al aplicaiilor....................................................
Lucrarea de verificare nr. 4 .......................................................................................................
Unitatea de nvare 6
6. Variabile aleatoare
6.1 Obiectivele unitii de nvare 6 ........................................................................................
6.2 Variabile aleatoare unidimensionale..................................................................................
6.3 Variabile aleatoare bidimensionale
6.4 Variabile aleatoare unidimensionale clasice
6.5 Ilustrarea teoriei pe cazul numeric concret al aplicaiilor ..................................................

Rspunsuri i comentarii la testele de autoevaluare...................................................................
Lucrarea de verificare nr.5........................................................................................................

4

Unitatea de nvare 7
7. Statistica matematica
7.1 Obiectivele unitii de nvare 7.........................................................................................
7.2 Elemente de teoria seleciei ................................................................................................
7.3 Elemente de teoria estimaiei.............................................................................................
Bibilografia unitii de nvare 7..............................................................................................
Lucrarea de verificare nr. 6..

5

Prefa
Lucrarea Matematici aplicate in economie" dezvolt numeroase probleme
teoretice i practice, care fac obiectul cursurilor de matematic sau de statistic
economic ale studenilor din nvmntul economic, i n particular ale studenilor
nscrii la programul de studiu ID organizat de Facultatea de Finane, Asigurri, Bnci
i Burse de Valori i face parte din planul de nvmnt aferent anului I, semestrul 1.
Fiind subordonate programei analitice a disciplinei Matematici aplicate n
economie de la Academia de Studii Economice Bucureti, Facultatea de Finane,
Asigurri, Bnci i Burse de Valori, anul I, ID, noiunile i conceptele prezentate n
lucrare apar, n mod firesc, ntr-o succesiune logic i sunt supuse unor restricii
temporale inevitabile, care conduc adeseori la dezvoltri teoretice limitate.
Obiectivele principale ale acestui curs, concretizate n competenele pe care
studentul le va dobndi dup parcurgerea i asimilarea lui, sunt urmtoarele:
- va avea cunotine solide de strict specialitate, dar i de tehnici specifice
matematicii aplicate;
- va fi n msur s construiasc, s prelucreze i s valorifice o teorie
economic relevant, credibil i inteligibil, numai n condiiile n care stpnete
deopotriv cunotine n domeniul respectiv, dar i temeinice cunotine de matematici
aplicate n economie
- va dispune de numeroase soluii pentru eficientizarea managementului la nivel
micro i macroeconomic n vederea practicrii n condiii de performan a muncii de
economist;
- va putea aborda, nelege i dezvolta diverse probleme ale disciplinelor de
specialitate, precum i alte concepte legate de modelarea matematic a unor procese
sau fenomene economice dintre cele mai diverse.
Cursul Matematici aplicate in economie este structurat pe apte uniti de
nvare (capitole), fiecare dintre acestea cuprinznd cte o lucrare de verificare, pe
care studentul o va putea transmite tutorelui su.
Pentru ca procesul de instruire al studentului s se desfaoare ntr-un mod
riguros, dar i atractiv, studentul va putea utiliza un set de resurse suplimentare
prezentate sub forma bibliografiei de la sfritul fiecrei uniti de nvare n format
electronic, ce sa va regsi accesnd platforma de e-learning.
Evaluarea cunotinelor se va realiza sub dou forme:
- evaluare continu, pe baza temelor de contro care se vor derula pe platforma
online;
- evaluare final, realizat prin examenul susinut n perioada de sesiune.
6

Criteriile de evaluare constau n:
1. Punctajul obinut la zece teme de control;
2. Gradul de implicare n discuiile tematice, organizate prin opiunea
Forum a platformei electronice.
3. Punctajul obinut la examenul susinut n cadrul sesiunii.
Ponderile asociate fiecarui criteriu precizat sunt urmtoarele:
- criteriile 1 i 2: cte 0,30 puncte pentru fiecare dintre cele zece teme de
control (total = 3 puncte) ; (in evaluarea punctajului va conta si gradul de imiplicare
al studentului in discutiile tematice organizate pe forumul platformei electronice)
- criteriul 3: 7 puncte pentru examenul susinut n sesiune.
Nutrim sperana ca studenii din anul I, de la programul de studiu ID,
Facultatea de Finane, Asigurri, Bnci i Burse de Valori, s gseasc n aceast
lucrare un sprijin real i important pentru studiu i cercetare, pentru viitoarea lor
profesie, ce le va solicita i cunotine de matematici aplicate n economic

Autorii
7
UNITATEA DE INVARE 1:
Serii numerice
Cuprins

1.2 Definiii si proprietati generale ale seriilor numerice........................................................
1.3 Serii cu termeni oarecare, serii alternate, serii clasice
1.4 Serii cu termeni pozitivi. Criterii de convergen ..............................................................

Bibliografia unitii de nvare 1

1.1 Obiective
Unitatea de nvare 1 conine o prezentare ntr-o form accesibil, dar riguroas a noiunii de
serie numeric din cadrul analizei matematice, care fundamenteaz teoretic noiunea de serie de puteri,
un alt element de baz al analizei matematice, ce va fi expus n unitatea de invare 2.
Dup studiul acestei uniti de nvare, studentul va avea cunotine despre:
- conceptul de serie numeric, necesar si extrem de util, pentru a putea modela matematic
anumite procese sau fenomene economice, dintre cele mai diverse;
- tipul de probleme teoretice si practice, care fac obiectul cursului de Serii numerice i al
lucrrilor de verificare ale studenilor din nvmntul economic din anul I, ID, de la Facultatea de
Finane, Asigurru, Bnci i Burse de Valori din Academia de Studii Economice, Bucureti.

8
1.2 Definiii si proprieti generale ale seriilor numerice
Fie
=1 n
n
a o serie numeric de termen general
n
a .
Definim irul sumelor pariale
1
) (
> n n
S ,
=
=
n
k
k n
a S
1
.
Definiia 1. Seria

=1 n
n
a este convergent dac irul
1
) (
> n n
S este convergent.
n acest caz, numrul
n
n
S S

= lim se numete suma seriei.
Dac =

n
n
S lim sau
1
) (
> n n
S nu are limit, atunci seria
=1 n
n
a este divergent.

Propoziia 1.
) a Dac seria
=1 n
n
a
este convergent i are suma S , atunci seria
=

1 n
n
a o este convergent i are
suma S o .
) b Dac seriile
=1 n
n
a
i
=1 n
n
b
sunt convergente i au sumele
1
S i
2
S , atunci seria
=
+
1
) (
n
n n
b a
este
convergent i are suma
2 1
S S + .
Definiia 2. Seria
=1 n
n
a
este absolut convergent dac seria
=1 n
n
a este convergent.
Propoziia 2. Dac o serie este absolut convergent, atunci seria este convergent.

1.3 Serii cu termeni oarecare, serii alternate, serii clasice

Criteriul suficient de divergen.
Dac 0 lim =

n
n
a , atunci seria
=1 n
n
a este divergent.

Criteriul lui Leibniz.
Fie seria alternat . 0 , ) 1 (
1
>
=
n
n
n
n
a a Dac :
) a irul
1
) (
> n n
a este descresctor i
) b 0 lim =

n
n
a , atunci seria
=

1
) 1 (
n
n
n
a este convergent.

Serii clasice

1) Seria geometric
=0 n
n
q este convergent ( ) 1 , 1 e q i are suma
q
S
=
1
1
.
2) Seria armonic generalizat
=1
1
n n
o
este convergent 1 > o .
9
1.4 Serii cu termeni pozitivi. Criterii de convergen
Criteriul 1 de comparaie. Fie
=1 n
n
a i
=1 n
n
b serii cu termini pozitivi pentru care exist
N n e
0
astfel nct ( )
0
, n n b a
n n
> s .
) a Dac
=1 n
n
b este convergent, atunci
=1 n
n
a este convergent.
) b Dac
=1 n
n
a
este divergent, atunci
=1 n
n
b
este divergent.
=1 n
n
a i
=1 n
n
b serii cu termeni
pozitivi pentru care exist N n e
0
astfel nct
( )
0
1 1
, n n
b
b
a
a
n
n
n
n
> s
+ +
.
) a Dac
=1 n
n
b este convergent, atunci
=1 n
n
a este convergent.
) b Dac
=1 n
n
a este divergent, atunci
=1 n
n
b este divergent.
=1 n
n
a
i
=1 n
n
b
serii cu termeni pozitivi.
) a Dac ) , 0 ( lim e

n
n
n b
a
, atunci seriile au aceeai natur.
) b Dac
0 lim =

n
n
n b
a
i: )
1
b

=1 n
n
b
este convergent, atunci
=1 n
n
a
este convergent;
)
2
b

=1 n
n
a este divergent, atunci
=1 n
n
b este divergent.
) c Dac =

n
n
n b
a
lim i:
)
1
c

=1 n
n
a este convergent, atunci

=1 n
n
b este convergent;
)
2
c

=1 n
n
b este divergent, atunci
=1 n
n
a este divergent.

Corolarul criteriului raportului (d'Alembert).
Fie
=1 n
n
a o serie cu termeni pozitivi i
n
n
n a
a
l
1
lim
+

= .
) a Dac 1 < l , atunci
=1 n
n
a este convergent.
) b Dac 1 > l , atunci
=1 n
n
a este divergent.

10
Corolarul criteriului rdcinii (Cauchy).
Fie
=1 n
n
a
o serie cu termeni pozitivi i
n
n
n
a l

= lim .
=1 n
n
a este convergent.
=1 n
n
a este divergent.
Corolarul criteriului Raabe-Duhamel.
Fie
=1 n
n
|
|
.
|
\
|
=
+

1 lim
1 n
n
n a
a
n l
.
=1 n
n
a
este divergent.
=1 n
n
a
este convergent.

Corolarul criteriului logaritmic.
Fie
=1 n
n
n
a
l
n
n ln
1
ln
lim

=
.
=1 n
n
a
este divergent.
=1 n
n
a
este convergent

11
Teste de autoevaluare
I. S se determine natura i dac este cazul s se calculeze suma seriilor:
1.
. 0 ,
1
1
1
>
+ + + +
=
o
o o
n
n n
2.

=
+
1
2 3
1 3
ln
n
n
n
3.

=
+ +
+
+
1
1 1
8 3
8 3
n
n n
n n

II. S se determine natura seriilor:
4.

=

1
) 1 4 ( ... 10 7 3
) 2 3 ( ... 7 4 1
n
n
n
. 5.
2
1
2 3
1 3
n
n
n
n
=
|
.
|
\
|
+

Rspunsuri i comentarii la testele de autoevaluare
1.
. 0 ,
1
1
1
>
+ + + +
=
o
o o
n
n n

Rezolvare:
Considerm irul sumelor pariale:
=
+ + +
=
+ + + +
= =

= = =
n
k
n
k
n
k
k n
k k
k k
a S
1 1 1
1
1
1
1 o o
o o

+ + + + + + + + + + = 1 ... 3 2 2 1 o o o o o o n n
= + + = =

n
n
n
S n S lim 1 1 o o , deci irul
1
) (
> n n
S este divergent.
Conform definiiei, rezult c seria este divergent.

2.
=
+
1
2 3
1 3
ln
n
n
n
.

Rezolvare:
| |

= =
= + =
+
=
n
k
n
k
n
k k
k
k
S
1 1
) 2 3 ln( ) 1 3 ln(
2 3
1 3
ln
+ = + + + + = ) 2 3 ln( 2 ln ) 2 3 ln( ) 1 3 ln( ... 8 ln 5 ln 5 ln 2 ln n n n
=

n
n
S lim , prin urmare seria este divergent.

3.
=
+ +
+
+
1
1 1
8 3
8 3
n
n n
n n
.

Rezolvare:
0
8
1
1
8
3
8
1
8
3
8
lim lim
1
1
= =
|
|
.
|
\
|
+ |
.
|
\
|
|
|
.
|
\
|
+ |
.
|
\
|
=
+
+

n
n
n
n
n
n
n
a
; conform criteriului suficient de divergen, rezult c seria este
divergent.

12
4.
=

1
) 1 4 ( ... 10 7 3
) 2 3 ( ... 7 4 1
n
n
n
.

Rezolvare:
Vom folosi corolarul criteriului raportului. Fie
) 1 4 ....( 10 7 3
) 2 3 .....( 7 4 1

=
n
n
a
n
. Avem:
1
4
3
) 3 4 (
) 1 3 (
lim
) 1 4 ( ... 10 7 3
) 2 3 ( ... 7 4 1
) 3 4 )( 1 4 ( ... 10 7 3
) 1 3 )( 2 3 ( ... 7 4 1
lim lim
1
< =
+
+
=

+
+
=

+
n
n
n
n
n n
n n
a
a
n n
n
n
n
,
prin urmare seria este convergent.

5.
2
1
2 3
1 3
n
n
n
n
=
|
.
|
\
|
+
.

Rezolvare:
Aplicm corolarul criteriului rdcinii. Fie
2
2 3
1 3
n
n
n
n
a |
.
|
\
|
+
= . Avem:
1
1
2 3
3
1 lim
2 3
1 3
lim lim
2 3
3
lim
< = = |
.
|
\
|
+
= |
.
|
\
|
+
=

+

e
e
n n
n
a
n
n
n
n
n
n
n
n
n
n
,
prin urmare seria este convergent.
Bibliografia unitii de nvare 1:

1. Gh. Cenu i colectiv, Matematici aplicate in economie. Teorie si aplicatii.
Editura CISON, Bucureti, 2007
2. S. Dedu, F. erban, Matematici aplicate n economie. Culegere de probleme,
Editura. Teocora, Buzau, 2009
3. C.Raischi si colectiv, Analiza matematica,
Editura.Plus, Bucureti, 2005
4.I. Purcaru, Matematici generale si elemente de optimizare,
Editura Economic, Bucureti, 1997.

13

UNITATEA DE NVARE 2

Serii de puteri

Cuprins
2.1 Obiectivele unitii de nvare 2...........................................................................................
2.2 Definiia noiunii de serie de puteri .......................................................................................
2.3 Studiul naturii unei serii de puteri
2.4 Ilustrarea rezultatelor teoretice pe cazul numeric concret al aplicaiilor ...............................
Teste de autoevaluare...................................................................................................................
Rspunsuri i comentarii la testele de autoevaluare .....................................................................
Bibliografia unitii de nvare 2 ................................................................................................
Lucrarea de verificare nr. 1....

Fiind n strns concordan cu programa analitic a disciplinei Matematici aplicate n
economie, de la Academia de Studii Economice Bucuresti, pentru studenii de la anul I, ID,
Facultatea de Finane, Asigurri, Bnci i Burse de Valori, noiunile si conceptele prezentate n cadrul
acestei uniti de nvare apar, n mod firesc, ntr-o succesiune logic i sunt supuse unor restricii
temporale inevitabile, care conduc adeseori la dezvoltri teoretice limitate.
Dup studiul acestei uniti de nvare, studentul va avea cunotine despre:
- conceptul de serie de puteri, un alt element de baz al analizei matematice, legat de studiul
seriilor numerice, necesar i extrem de util, pentru a putea aborda, nelege i dezvolta diverse
probleme ale disciplinelor de specialitate din cadrul Facultii de Finane, Asigurri, Bnci i Burse de
Valori, creia ne adresm;
- tipul de probleme teoretice si practice, care fac obiectul cursului de Serii de puteri i al
lucrrilor de verificare ale studenilor din invatamntul economic din anul I, ID, de la Facultatea de
Finane, Asigurri, Bnci i Burse de Valori din Academia de Studii Economice, Bucuresti

14

2.2 Definiia si studiul noiunii de serie de puteri

Fie seria de puteri
n
n
n
x a
=1
, Se numete mulime de convergen a seriei de puteri mulimea format
din punctele n care seria este convergent: = C {
n
n
n
x a R x

=
e
1
convergent}.
Teorema 1 (Teorema lui Abel). Pentru orice serie de puteri
n
n
n
x a
=1
exist R , s s R 0 , astfel
nct:
) 1 seria este absolut convergent pe intervalul ( ) R R, ;
) 2 seria este divergent pe mulimea ( ) ( ) , , R R ;
) 3 pentru orice ( ) R r , 0 e , seria este uniform convergent pe intervalul
| | r r, .
Observaie. R se numete raz de convergen.

Teorema 2 (Cauchy-Hadamard). Fie
n
n
n
x a
=1
o serie de puteri i R raza de convergen a
acesteia. Dac notm
n
n
n
a

= lim e , atunci

=
=
=
=
e
e
e
e
, 0
0 ,
0 ,
1
R
.
Observaie. Se poate calcula e i dup formula:
n
n
n a
a
1
lim
+

= e .

2.3 Ilustrarea rezultatelor teoretice pe cazul numeric concret al aplicaiilor
1. S se studieze convergena seriei de puteri: ( ) R x x
n n
n
n
n
e
=
,
5
1
1
1
.

Rezolvare:
- Calculm raza de convergen. Fie
( )
n
n
n
n
a
5
1
1
=
. Avem c:
( )
( )
5
1
) 1 ( 5
lim
5
1
1
5 ) 1 (
1
1
lim lim
1
1
1
=
+
=
= =

+
+

+
n
n
n
n
a
a
n
n
n
n
n
n
n
n
n
e
, deci 5
1
= =
e
R .
- Conform teoremei lui Abel, rezult c:
1) seria este absolut convergent pe intervalul ( ) 5 , 5 ;
2) seria este divergent pe mulimea ( ) ( ) , 5 5 , ;
3) pentru orice ( ) 5 , 0 e r , seria este uniform convergent pe | | r r, .

15
- Studiem natura seriei pentru 5 = R :
Pentru 5 = R , seria de puteri devine:
( )
n
n
n
n
n
5
5
1
1
1

=
, adic
( )
n
n
n
1
1
1
=

;
irul
n
u
n
1
=
este descresctor i are limita zero; rezult, conform criteriului
lui Leibniz, c seria
( )
n
n
n
1
1
1
=

este convergent.
Pentru 5 = R , seria de puteri devine:
( )
n
n
n
n
n
) 5 (
5
1
1
1

=
, adic
=1
1
n
n
, care este divergent (seria armonic).
n concluzie, seria de puteri este convergent pe mulimea ( | 5 , 5 .

2. S se determine mulimea de convergen a seriei de puteri:
( ) R x x
n
n
n
n
n
e |
.
|
\
|
=
, 3
5 6
1 2
1
.
Rezolvare:
- Notm 3 = x y .
Determinm mai nti mulimea de convergen a seriei
=
|
.
|
\
|
+
1
5 6
1 2
n
n
n
y
n
n
.
n
n
n
n
a
|
.
|
\
|
+
=
5 6
1 2
. Avem:
3
1
5 6
1 2
lim lim = |
.
|
\
|
+
= =

n
n
n
n
n
n n
n
a e
, deci 3
1
= =
e
R .
- Conform teoremei lui Abel, avem:
) 1 seria este absolut convergent pe intervalul ( ) 3 , 3 ;
) 2 seria este divergent pe mulimea ( ) ( ) , 3 3 , ;
) 3 pentru orice ( ) 3 , 0 e r , seria este uniform convergent pe | | r r, .
- Studiem natura seriei pentru 3 = y :
Pentru 3 = y , seria de puteri devine:
=
|
.
|
\
|
+
1
3
5 6
1 2
n
n
n
n
n
, sau
=
|
.
|
\
|
+
1
5 6
3 6
n
n
n
n
.
Fie
n
n
n
n
u |
.
|
\
|
+
=
5 6
3 6
; avem: 0
5 6
8
1 lim lim
3
4
5 6
8
lim
= = = |
.
|
\
|
+ =

e e
n
u
n
n
n
n
n
n
n
, deci, conform criteriului
suficient de divergen, seria este divergent.
Pentru 3 = y , seria devine:

=
|
.
|
\
|
+
1
) 3 (
5 6
1 2
n
n
n
n
n
, sau ( )
=
|
.
|
\
|
1
5 6
3 6
1
n
n
n
n
n
.
Fie
( )
n
n
n
n
n
v |
.
|
\
|
+
=
5 6
3 6
1
; deoarece nu exist
n
n
v

lim , rezult c irul ( )
1 > n
n
v este divergent, deci seria
este divergent.
n concluzie, seria de puteri este convergent pentru ( ) e 3 , 3 y
6 0 3 3 3 3 3 < < < < < < x x y . Rezult c
mulimea de convergen a seriei
( )
=
|
.
|
\
|
+
1
3
5 6
1 2
n
n
n
x
n
n
este ( ) 6 , 0 .
16

1.S se determine mulimea de convergen a seriei de puteri
( )
=
+
+
1
2
) 4 ( 3
n
n
n n
x
n

Rspunsuri si comentarii la testele de autoevaluare

1. Rezolvare:
- Notm 2 + = x y . Vom determina mai nti mulimea de
convergen a seriei.
=
+
1
) 4 ( 3
n
n
n n
y
n

1 ,
) 4 ( 3
>
+
= n
n
a
n n
n
.
=
+
+
+
=
+
+
+
= =
+ +

+ +

+

n n
n n
n
n n
n n
n
n
n
n n
n
n
n
a
a
) 4 ( 3
) 4 ( 3
) 1 (
lim
) 4 ( 3
1
) 4 ( 3
lim lim
1 1
1 1
1
e
( )
( )
4
1
4
1 ) 4 (
1 ) 4 (
) 1 (
lim
4
3
1
4
3 1
= =
|
.
|
\
|
+
|
.
|
\
|
+
+
=
+
+

R
n
n
n
n
n
n
n

Conform teoremei lui Abel, rezult c:
1) seria este absolut convergent pentru
|
.
|
\
|
e
4
1
,
4
1
y
;
2) seria este divergent pentru
|
.
|
\
|
|
.
|
\
|
e ,
4
1
4
1
, y ;
3) pentru orice
|
.
|
\
|
e
4
1
, 0 r
, seria este uniform convergent pe intervalul | | r r, .
- Studiem natura seriei pentru
4
1
= y
:
Pentru
4
1
= y
, seria de puteri devine:
=
|
.
|
\
| +
1
4
1 ) 4 ( 3
n
n n n
n
, adic
( )
=
(
(
+ |
.
|
\
|
1
1
1
4
3 1
n
n
n
n n
. Avem c seria
=
|
.
|
\
|
1
4
3 1
n
n
n
este convergent
(folosind criteriul raportului) i seria
( )
=

1
1
1
n
n
n
este convergent (folosind criteriul lui Leibniz), prin
urmare seria este convergent.
Pentru
4
1
= y , seria de puteri devine:
=
|
.
|
\
|
+
1
4
1 ) 4 ( 3
n
n n n
n
, adic
( )
=
(
(
+ |
.
|
\
|

1
1
4
3 1
1
n
n
n
n n
. Notm
( )
*
,
4
3 1
1 N n
n
b
n
n
n
e |
.
|
\
|
=

*
,
1
N n
n
c
n
e = i
( )
*
,
1
4
3 1
1 N n
n n
d
n
n
n
e + |
.
|
\
|
=
. Avem c seria
=1 n
n
b este
convergent (folosind criteriul lui Leibniz). Dac presupunem c seria
=1 n
n
d
este convergent,
deoarece ( )
*
, N n b d c
n n n
e = , rezult c i seria
=1 n
n
c
este convergent,
17
contradicie. Prin urmare seria
=1 n
n
d este divergent.
n concluzie, seria
=

+
1
) 4 ( 3
n
n
n n
y
n
este convergent pentru
4
7
4
9
4
1
2
4
1
4
1
4
1
4
1
,
4
1
s < s + < s <
(
\
|
e x x y y .
Am obinut c mulimea de convergen a seriei este
(
\
|

4
7
,
4
9
.

Bibliografia unitii de nvare 1:

Editura Teocora, Buzau, 2009
Editura Plus, Bucureti, 2005
4.I. Purcaru , Matematici generale si elemente de optimizare,

Lucrarea de verificare nr. 1

1. S se determine natura si sa se calculeze suma seriei

= 2
2
1
1
n n

2. S se determine natura seriei
=
+
1
5
1
n
n
n

3. Sa se calculeze multimea de convergenta a seriei
( )
( )
R x x
n
n
n
n
n
e

=
+
,
3 1 2
1
1
1
1

18
UNITATEA DE NVARE 3

Funcii de mai multe variabile reale

Cuprins

3.2 Definiia limitei si continuitatii pentru o funcie de mai multe variabile real
3.3 Definiia derivatelor pariale de ordinul I i II pentru o funcie de doua variabile
3.4 Definiia difereniabilitatii pentru o funcie de mai multe variabile reale
3.5 Extremele locale ale funciilor de mai multe variabile reale
Lucrarea de verificare nr.2
3.1 Obiective
Economitii, indiferent de domeniul n care lucreaz, au nevoie de cunostine solide de strict
specialitate, dar i de tehnici specifice matematicii aplicate, cum ar fi noiunile pe care ni le propunem
s le prezentm n cadrul unitii de nvare 3. Informaia economic trebuie s fie relevant,
credibil, inteligibil - caliti, care sunt asigurate numai atunci cnd economistul care o construiete,
o prelucreaz si o valorific, stpneste deopotriv cunostine n domeniul respectiv, dar i temeinice
cunotine de matematici aplicate n economie.
Dup studiul acestei uniti de nvare, studentul va avea cunostine despre funciile de 2 si
respectiv 3 variabile reale i despre conceptele asociate lor, precum: limitele lor, continuitatea acestora,
derivabilitatea parial a respectivelor funcii si difereniabilitatea lor; ele reprezint un alt element
important al analizei matematice, necesar i extrem de util, pentru a putea aborda, nelege i dezvolta
diverse probleme ale disciplinelor de specialitate din cadrul Facultii de Finane, Asigurri, Bnci i
Burse de Valori, creia ne adresm.
Prin introducerea unitatii de invatare 3, subordonat analizei matematice, nutrim sperana
ca studentul de la anul I, ID, Facultatea de Finane, Asigurri, Bnci i Burse de Valori, s obin
acumulri de noi cunotine utile disciplinelor specifice anilor de licen, de la aceast facultate,
n vederea formrii lui ca viitor economist, ce urmeaz s practice profesia de economist n
condiii de performan.
19

3.2 Definiia limitei si continuitii pentru o funcie de dou variabile

Definiia 1. Fie R R A f
m
c : o funcie real de m variabile reale. Spunem c
l x f
x x
=
) ( lim
0
dac pentru orice ir
0
, ) ( x x A x
n N n n
= c
e
i
0
lim x x
n
n
=

avem
l x f
n
n
=

) ( lim .

Definiia 2. Fie R R A f c
2
: i A b a e ) , ( .
Spunem c f este continu n punctul ) , ( b a dac pentru orice ir { } A y x
N n
n n
c
e
) , (
cu proprietatea c ) , ( ) , ( lim b a y x
n n
n
=

rezult c ) , ( ) , ( lim b a f y x f
n n
n
=

.

3.3 Definiia derivatelor pariale de ordinul I i II pentru o funcie de doua variabile

2
: i A b a e ) , ( .
Spunem c funcia f este derivabil parial n raport cu x n punctul A b a e ) , ( dac
a x
b a f b x f
a x
) , ( ) , (
lim exist i este finit.
Vom nota aceast limit cu ) , (
'
b a f
x
sau
x
b a f
c
c ) , (
.

Analog, funcia f este derivabil parial n raport cu y n punctul A b a e ) , ( dac
b y
b a f y a f
b y
) , ( ) , (
lim exist i este finit.
Vom nota aceast limit cu ) , (
'
b a f
y
sau
y
b a f
c
c ) , (
.

3.4 Definiia difereniabilitatii pentru o funcie de mai multe variabile
.
2
: o funcie difereniabil n punctul ) , ( b a interior lui A.

- Se numete difereniala de ordinul nti a funciei f n punctul ) , ( b a
funcia liniar:
dy b a dx b a b y b a f a x b a b a y x df f f f
y x
y
x
) , ( ) , ( ) )( , ( ) )( , ( ) , ; , (
' ' ' '
+ = + =
.

- Se numete difereniala de ordinul n a funciei f n punctul
) , ( b a funcia: ) , ( ) , ; , (
) (
b a f dy
y
dx
x
b a y x f d
n
n
(
c
c
+
c
c
= .
Observaie. Toate definiiile valabile pentru funcii de dou variabile R R A f c
2
: se
pot extinde pentru cazul funciilor de n variabile, R R A f
n
c : , 3 , > e n N n .
20
3.5 Extremele locale ale funciilor de mai multe variabile reale

Definiia 1. Funcia R R A f
n
c : admite un maxim local (minim local) n punctul
A a a a a
n
e = ) ,..., , (
2 1
dac exist o vecintate V a punctului a astfel nct oricare ar fi
A V x x x x
n
e = ) ,..., , (
2 1
are loc inegalitatea ) ( ) ( a f x f s (respectiv ) ( ) ( a f x f > ). n
aceste condiii, spunem c punctul a este punct de extrem local pentru funcia f . Dac
inegalitile de mai sus sunt verificate pe tot domeniul de definiie A, spunem c punctul
a este punct de maxim (minim) global pentru funcia f .
Definiia 2. Fie R R A f
n
c : . Punctul A a a a a
n
int ) ,..., , (
2 1
e = este punct staionar
pentru funcia f dac f este difereniabil n a i difereniala 0 ) ; ( = a x df .
Observaie. Dac punctul A a a a a
n
int ) ,..., , (
2 1
e = este punct staionar, 0 ) ; ( = a x df
implic n k a f
k
x
, 1 , 0 ) (
'
= = .

Propoziie. Dac funcia R R A f
n
c : admite un extrem local n punctul
A a a a a
n
e = ) ,..., , (
2 1
i exist
'
k
x
f ntr-o vecintate a punctului a , n k , 1 = , atunci
n k a f
k
x
, 1 , 0 ) (
'
= =

Teorema 1. Fie R R A f c
2
: i ( ) A b a int , e un punct staionar pentru f .
Presupunem c f admite derivate pariale de ordinul doi, continue pe o vecintate V a
punctului ( ) b a, .
Considerm expresia ( ) ( ) | | ( ) ( ) b a f b a f b a f b a
y x xy
, , , ,
' ' ' '
2
' '
2 2 = A . Atunci:
1. Dac 0 ) , ( < A b a , atunci ( ) b a, este punct de extrem local, i anume:
- punct de minim local, dac 0 ) , (
' '
2 > b a f
x
;
- punct de maxim local, dac 0 ) , (
' '
2 < b a f
x
.
2. Dac 0 ) , ( > A b a , atunci ( ) b a, este punct a.

Teorema 2. Fie R R A f
n
c : . Presupunem c punctul A a e este punct staionar
pentru f i funcia f are derivate pariale de ordinul doi continue pe o vecintate V
a punctului a . Atunci:
) 1 dac ( ) 0 ;
2
< a x f d , pentru orice A V x e , atunci a este punct de
maxim local;
) 2 dac ( ) 0 ;
2
> a x f d , pentru orice A V x e , atunci a este punct de
minim local;
) 3 dac ( ) a x f d ;
2
este nedefinit, atunci a este punct a.

21
Algoritm de determinare a punctelor de extrem local pentru R R A f
n
c :

Acest algoritm se aplic pe mulimea punctelor n care funcia f este difereniabil i
admite derivate pariale de ordinul doi continue ntr-o vecintate a punctelor respective.

Etapa 1. Determinm punctele staionare, care sunt soluiile sistemului:

( )
( )
( )
=
=
=
0 ,..., ,
....... .......... .......... ..........
0 ,..., ,
0 ,..., ,
2 1
'
2 1
'
2 1
'
2
1
n x
n x
n x
x x x f
x x x f
x x x f
n

Etapa 2. Stabilim care dintre punctele staionare sunt puncte de extrem local. Acest lucru
se poate realiza n mai multe moduri:

Metoda I. Pentru fiecare punct staionar ( )
n
a a a P ,..., ,
2 1
calculm
matricea hessian:
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
|
|
|
|
|
|
|
.
|
\
|
=
n x n x x n x x
n x x n x n x x
n x x n x x n x
n
a a f a a f a a f
a a f a a f a a f
a a f a a f a a f
a a a H
n n n
n
n
,.., . . . . . . . . . ,.., ,..,
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
,.., . . . . . . . . . ,.., ,..,
,.., . . . . . . . . ,.., ,..,
) ,..., , (
1
' '
1
' '
1
' '
1
' '
1
' '
1
' '
1
' '
1
' '
1
' '
2 1
2
2 1
2
2
2 1 2
1 2 1
2
1

i minorii acesteia
n
A A A ,......, ,
2 1
, unde
i
A este minorul format din primele i linii i i
coloane ale matricei ) , ( b a H , n i , 1 = .

Discuie.
- Dac toi minorii 0 > A
i
, atunci ) ,..., , (
2 1 n
a a a P punct de minim local.
- Dac minorii
i
A alterneaz ca semn, ncepnd cu minus, atunci
) ,..., , (
2 1 n
a a a P este punct de maxim local.
- Orice alt combinaie de semne, cu 0 = A
i
, implic
) ,..., , (
2 1 n
a a a P punct a.

Metoda II. (aplicabil numai funciilor de dou variabile)
Pentru fiecare punct staionar ( ) b a P , calculm expresia:
( ) ( ) | | ( ) ( ) b a f b a f b a f b a
y x xy
, , , ,
' ' ' '
2
' '
2 2 = A .
1. Dac ( ) 0 , < A b a , atunci ( ) b a, este punct de extrem local,
i anume:
- punct de minim local, dac ( ) 0 ,
' '
2 > b a f
x
;
- punct de maxim local, dac ( ) 0 ,
' '
2 < b a f
x
.
2. Dac ( ) 0 , > A b a , atunci ( ) b a, este punct a.

22
Observaia 1. n cazul funciilor de dou variabile, se observ c ( )
2
, A = A b a . Prin
urmare, dac aplicnd metoda 1 obinem c 0
2
< A , atunci ( ) 0 , > A b a , deci, indiferent
de valoarea minorului
1
A , rezult c ( ) b a, este punct a.

Metoda III. Se calculeaz difereniala de ordinul al doilea a funciei n punctul staionar
( )
n
a a a a ,..., ,
2 1
= i se aplic teorema 2.

Observaia 2. Existena unui punct de extrem local poate fi pus n eviden cu ajutorul
metodelor prezentate numai dac funcia f este difereniabil n acel punct i admite
derivate pariale de ordinul doi continue ntr-o vecintate a punctului respectiv.

n caz contrar sau n cazul n care n urma aplicrii metodelor de mai sus nu se poate
preciza natura punctului, se folosete:

Metoda IV. Definiia punctului de extrem local.


1. S se determine punctele de extrem local ale funciei:
1 6 2 ) , ( , :
3 2 2
+ + = xy y x y x f R R f .

Rezolvare:
=
=
0 ) , (
0 ) , (
'
'
y x f
y x f
y
x
.
Avem c:
x y y x f
y x y x f
y
x
6 3 ) , (
6 4 ) , (
2 '
'
=
=
, prin urmare rezult sistemul:
=
=
=
=
=
=
0 3
0 2
0 3 2
0 6 3
0 6 4
2
2
3
2 2
y y
x
x y
y x
x y
y x
y
.

Din a doua ecuaie obinem: 3 , 0
2 1
= = y y , de unde, prin nlocuire n prima relaie,
rezult
2
9
2 1
, 0 = = x x , soluiile sistemului sunt:
=
=
0
0
1
1
y
x
;
=
=
3
2
2
9
2
y
x
.
Am obinut punctele staionare: ( ) ( ) 3 , , 0 , 0
2
9
2 1
P P .

23
Etapa 2. Stabilim care dintre punctele staionare sunt puncte de extrem local.

Scriem matricea hessian:
( )
( ) ( )
( ) ( ) |
|
|
.
|
\
|
=
y x y x
y x y x
y x H
f f
f f
y yx
xy x
, ,
, ,
,
' ' ' '
' ' ' '
2
2
.

Avem: ( ) ( ) | | | | 4 6 4 , ,
' ' ' ' '
2 = = =
x x x x
y x y x f y x f ;

( ) ( ) | | | | ( ) y x f y x y x f y x f
yx y y x xy
, 6 6 4 , ,
' ' ' ' ' ' '
= = = = ;

( ) ( ) | | | | y x y y x f y x f
y y y y
6 6 3 , ,
' 2 ' ' ' '
2 = = = , deci
|
|
.
|
\
|

=
y
y x H
6 6
6 4
) , (
. Avem:

0 36
0 6
6 4
, 0 4
0 6
6 4
) 0 , 0 (
2 1
< =

= A > = A
|
|
.
|
\
|

= H ,
prin urmare ( ) 0 , 0
1
P este punct a.

( ) 0 36
18 6
6 4
, 0 4
18 6
6 4
3 ,
2 1
2
9
> =

= A > = A
|
|
.
|
\
|

= H ,
prin urmare ( ) 3 ,
2
9
2
P este punct de minim local.

2. S se determine punctele de extrem local ale funciei:
7 51 45 2 6 ) , ( , :
3 2 2
+ + = y x y y x y x f R R f .

Rezolvare:
=
=
0 ) , (
0 ) , (
'
'
y x f
y x f
y
x
.
Avem c:

51 6 6 ) , (
45 12 ) , (
2 2 '
'
+ =
=
y x y x f
xy y x f
y
x
, prin urmare obinem sistemul:
= +
=
= +
=
2
17 2 2
4
15
2 2
0 51 6 6
0 45 12
y x
xy
y x
xy
.

Notm
=
=
=
=
= = +
4 2
,
4
15
2
17 2
4
15
S
P
P S
P
P xy S y x
24
Pentru
2
5
2
2
3
1
4
15 2
4
15
, 0 4 , 4 = = = + = = t t t t P S ,
deci
=
=
2
5
1
2
3
1
y
x
sau
=
=
2
3
2
2
5
2
y
x
.
Pentru
2
5
2
2
3
1
4
15 2
4
15
, 0 4 , 4 = = = + + = = t t t t P S ,
deci
=
=
2
5
3
2
3
3
y
x
sau
=
=
2
3
4
2
5
4
y
x
.
Am obinut punctele staionare: ( ) ( ) ( ) ( )
2
3
2
5
4
2
5
2
3
3
2
3
2
5
2
2
5
2
3
1
, , , , , , , P P P P .

Etapa 2. Stabilim care dintre punctele staionare sunt puncte de extrem local.

Metoda I. Scriem matricea hessian:
( )
( ) ( )
( ) ( ) |
|
|
.
|
\
|
=
y x y x
y x y x
y x H
f f
f f
y yx
xy x
, ,
, ,
,
' ' ' '
' ' ' '
2
2
.
Avem: ( ) ( ) | | y y x f y x f
x x x
12 , ,
' ' ' '
2 = = ; ( ) ( ) | | ( ) y x f x y x f y x f
yx y x xy
, 12 , ,
' ' ' ' ' '
= = = ;
( ) ( ) | | y y x f y x f
y y y
12 , ,
' ' ' '
2 = = , deci
|
|
.
|
\
|
=
y x
x y
y x H
12 12
12 12
) , ( .
( ) 0 576
30 18
18 30
, 0 30
30 18
18 30
,
2 1
2
5
2
3
> = = A > = A
|
|
.
|
\
|
= H , prin urmare ( )
2
5
2
3
1
, P este
punct de minim local.
( ) 0 576
18 30
30 18
, 0 18
18 30
30 18
,
2 1
2
3
2
5
< = = A > = A
|
|
.
|
\
|
= H
, prin urmare ( )
2
3
2
5
2
, P este
punct a.
( ) 0 576
30 18
18 30
, 0 30
30 18
18 30
,
2 1
2
5
2
3
> =

= A < = A
|
|
.
|
\
|

= H ,
prin urmare ( )
2
5
2
3
3
, P este punct de maxim local.
( ) 0 576
18 30
30 18
, 0 18
18 30
30 18
,
2 1
2
3
2
5
< =

= A < = A
|
|
.
|
\
|

= H
,
prin urmare ( )
2
5
2
3
1
, P este punct a.

25

S se determine punctele de extrem local ale funciei:
( ) 5 ln 14 ln 8 3 ) , ( , , 0 :
2 2 2
+ + + = y x xy y x y x f R f .


Etapa 1. Determinm punctele staionare. Avem c:
y
y
x
x
x y y x f
y x y x f
14 '
8 '
3 2 ) , (
3 2 ) , (
+ =
+ =
. Rezolvm sistemul:
( )
( )
= +
= +
= +
= +
=
=
2 14 3 2
1 8 3 2
0 3 2
0 3 2
0 ) , (
0 ) , (
2
2
14
8
'
'
xy y
xy x
x y
y x
y x f
y x f
y
x
y
x
.
Am obinut un sistem omogen. nmulim prima ecuaie cu 7, pe cea de-a doua cu ( ) 4
i adunm relaiile obinute; rezult:
0 8 9 14
2 2
= + y xy x . mprim aceast ecuaie prin ( ) 0
2 2
= y y i notm t
y
x
= . Obinem:
2
1
2
7
8
1
2
, 0 8 9 14 = = = + t t t t . Rdcina negativ nu convine,
deoarece 0 > x i 0 > y , prin urmare avem x y t
y
x
2
2
1
= = = .
nlocuind x y 2 = n ( ) 1 , rezult 1 = x . Cum 0 > x , rezult c singura valoare care se
accept este 1 = x , de unde obinem 2 = y .
Am obinut un singur punct staionar: ( ) 2 , 1 P .

Etapa 2. Stabilim dac punctul staionar este punct de extrem local.
Avem: ( ) ( ) | |
2
2
8 ' ' ' '
2 , ,
x
x x x
y x f y x f + = = ; ( ) ( ) | | ( ) y x f y x f y x f
yx y x xy
, 3 , ,
' ' ' ' ' '
= = = ;
( ) ( ) | |
2
2
14
' ' ' '
2 , ,
y
y y y
y x f y x f + = = , deci matricea hessian este:
( )
( ) ( )
( ) ( ) |
|
|
.
|
\
|
+
+
=
|
|
|
.
|
\
|
=
2
2
2
2
14
8
' ' ' '
' ' ' '
2 3
3 2
, ,
, ,
,
y
x
y yx
xy x
y x f y x f
y x f y x f
y x H
.
Avem c ( ) 0 46
3
3 10
, 0 10
3
3 10
2 , 1
2
11
2 1
2
11
> = = A > = A
|
|
.
|
\
|
= H , prin urmare ( ) 2 , 1 P este
punct de minim local.

26

Editura CISON,Bucureti, 2007
Editura Teocora,Buzau, 2009
Editura Plus, Bucureti, 2005


1. S se calculeze derivatele pariale de ordinul nti i doi ale funciei
. , , ; ) , ( , :
2
R k y kx y x f R R f e = | o
| o

2. Sa se determine punctele de extrem local ale funciei
( ) 4 ) , ( , :
2 2 2
+ = y x xy y x f R R f
3. Sa se determine punctele de extrem local ale funciei
2 3 4 ) , , (
2 3 4
+ + + + = y xz z y x z y x f

27

UNITATEA DE NVARE 4

Calcul integral

Cuprins

4.1 Obiectivele unitii de nvare
4.2 Definiii si proprieti ale integralelor euleriene.................................................................
Rspunsuri i comentarii la testele de autoevaluare ..................................................................
Bibliografia unitii de nvare 4.............................................................................................

4.1 Obiectivele unitii de nvatare
Unitatea de nvare 4 cuprinde noiuni si concepte, legate de calculul integral, un
alt element deosebit de important al analizei matematice, fr de care nu este posibil
construcia unei teorii economice de valoare. Menionm c sunt de notorietate modelele
economice, care utilizeaz rezultate profunde din teoria calculului integral, i din acest
motiv considerm c unitatea de nvare 5 i justific pe deplin tangena cu domeniul
economic.
Dup studiul acestei uniti de nvare, studentul va avea cunostine despre:
- integralele euleriene, care ofer teoriilor economice un aparat matematic
consistent;
- tipul de probleme teoretice si practice, care fac obiectul cursului de Integrale
euleriene si al lucrrilor de verificare ale studenilor din invatamntul economic din anul
I, ID, de la Facultatea de Finane, Asigurri, Bnci i Burse de Valori din Academia de
Studii Economice Bucureti. Coninutul acestei unitati de nvatare incheie incursiunea
noastr n domeniul analizei matematice si subliniem c el este conform programei
analitice a disciplinei de Matematici aplicate n economie de la Academia de Studii
Economice Bucuresti, Facultatea de Finane, Asigurri, Bnci i Burse de Valori, anul I,
ID.

28

4.2 Definiii i proprieti ale integralelor euleriene

- Integrala gamma: ( )
}

> = I
0
1
0 ; a dx e x a
x a
.
Proprieti:
1) ( ) 1 1 = I .
2) ( ) ( ) ( ) ( ) 1 , 1 1 > I = I a a a a .
3) ( ) ( ) ( ) N n n n e = I , ! 1 .
4) t = |
.
|
\
|
I
2
1
.

- Integrala beta: ( ) ( )
}
> > =

1
0
1 1
0 , 0 ; 1 , b a dx x x b a
b a
|
Proprieti:
1) ( ) ( ) 0 , , , , > = b a a b b a | |
2) ( )
( ) ( )
( )
0 , , , >
+ I
I I
= b a
b a
b a
b a | .
2) ( )
( )
}
+
=
0
1
1
, dx
x
x
b a
b a
a
| .
3) Dac 1 = + b a , atunci
( ) t
t
|
a
b a
sin
) , ( = .

29


Sa se calculeze integralele

1.
}
+
=
0
2 5
dx e x I
x
.
Rezolvare:
Folosim schimbarea de variabil dt dx t x t x
2
1
2
1
2 = = = .
x 0
t 0
Obinem: ( )
8
15
2
! 5
6
2
1
2
1
2
1
2
6 6
0
5
6
0
5
= = I = = |
.
|
\
|
=
} }

dt e t dt e
t
I
t t
.

2.
}
=
0
2
dx e I
x
(integrala Euler-Poisson).
Rezolvare:
Folosim schimbarea de variabil: dt t dx t x t x
2
1
2
1
2
1 2
= = = .
x 0
t 0
2 2
1
2
1
0
2
1
0
2
1
2
1
2
1
t
= |
.
|
\
|
I = = =
} }

dt e t dt t e I
t t
.
3. ( )
}
=
1
0
3 8
1 dx x x I .

Rezolvare:
Facem schimbarea de variabil dt t dx t x t x
3
2
3
1
3
1 3
= = = .
x 0 1
t 0 1
( ) ( ) ( )
12
1
) 5 (
) 2 ( ) 3 (
3
1
2 , 3 1 1
1
0
3
1
1
0
2
3
1
3
1
3
2
3
8
=
I
I I
= = = =
} }
| dt t t dt t t t I
S se calculeze urmtoarele integrale:
1.
}
+

+ =
1
1
1 dx e x I
x
.
30
2.
( )
}
=
1
0
3 2
1 x x
dx
I .

1. Folosim schimbarea de variabil dt dx t x t x = = = + 1 1 .
Intervalul de integrare se modific dup cum rezult din tabelul de mai jos:
x
1
t 0
Obinem: dt e t I
t
}
=
0
2
1
. Prin identificare cu formula de definiie a integralei gamma,
rezult
2
3
2
1
1 = = a a , prin urmare ( ) ( ) t
2
1
2
1
2
1
2
3
= I = I = I

2.
( )
( )
} }

=
=
1
0
1
0
3 2
3
1
3
2
1
1
dx x x
x x
dx
I . Prin identificare cu formula de definiie a
integralei beta, obinem:
3
1
3
2
1 = = a a ;
3
2
3
1
1 = = b b , prin urmare, avnd n vedere definiia i
proprietatea 3 pentru integrala beta, rezult: ( )
3
2
sin
,
3
3
2
3
1
t t
|
t
= = = I .
Bibliografia unitatii de nvatare 4

Ed. CISON,Bucureti, 2007
Ed. Teocora,Buzau, 2009
Ed.Plus, Bucureti, 2005


S se calculeze integralele

1.
}

1
0
2
dx x x

2.
}
0
3 6
dx e x
x

31

UNITATEA DE NVARE 5

Formule probabilistice n care apar operatii cu evenimente

Cuprins

5.2 Evenimente, operatii cu evenimente...................................................................................
5.2 Formule de calcul practic pentru probabilitati....................................................................
5.3 Scheme probabilistice clasice .............................................................................................
5.4 Ilustrarea teoriei pe cazul numeric concret al aplicaiilor ...................................................
Rspunsuri si comentarii la testele de autoevaluare ..................................................................

Teoria probabilitatilor debuteaz cu unitatea de nvare 5, prin care introducem
noiunile de experienta si eveniment, prezentm operaiile cu evenimente, formulele de
calcul practic pentru probabilitati si schemele probabilistice clasice, toate aceste elemente
fund eseniale n elaborarea modelelor economice temeinice si fundamentale din domenii
precum: modelarea matematic a unor procese sau fenomene economice dintre cele mai
diverse, gestiunea financiar, asigurri de bunuri si persoane, ingineria financiar.
Dup studiul acestei unitati de nvatare, studentul va avea cunostine despre:
-noiunile elementare din teoria probabilitatilor, care ofer teoriilor economice un
aparat matematic consistent;
-tipul de probleme teoretice si practice, care fac obiectul cursului de Formule
probabilistice n care apar operaii cu evenimente si al lucrrilor de verificare ale
studenilor din invatamntul economic din anul I, ID, de la Facultatea de Finante, Banci
si Burse de Valori din Academia de Studii Economice Bucuresti.

32

5.2 Evenimente, operatii cu evenimente

Definiia 1. Se numete eveniment orice rezultat al unei experiene.
Se numete eveniment sigur (notat O) evenimentul care se realizeaz cu
certitudine ntr-o experien.
Se numete eveniment imposibil (notat C) evenimentul care nu se realizeaz
niciodat ntr-o experien.

Definiia 2. Considerm dou evenimente A, B . Definim:
B A ( A sau B ) evenimentul ce const n realizarea a cel puin unuia
dintre evenimentele A, B .
B A ( A i B ) evenimentul ce const n realizarea simultan a
evenimentelor A, B .
A (non A) evenimentul ce const n nerealizarea evenimentului A.
B A \ evenimentul ce const n realizarea evenimentului A i nerealizarea
evenimentului B .
Spunem c B A c (" A implic B ") dac realizarea lui A are ca efect
realizarea lui B .

Definiia 3. Un eveniment A este eveniment elementar dac din A B c rezult C = B
sau A B = .

Observaia 1. Dac asociem evenimentului sigur ataat unei experiene o mulime O,
atunci se poate realiza o coresponden ntre mulimea evenimentelor ataate acelei
experiene i mulimea prilor lui O i o coresponden ntre operaiile cu evenimente i
operaiile cu mulimi..
Observaia 2. Dac O este o mulime cel mult numrabil, atunci elementele acesteia
sunt evenimente elementare.

Definiia 4. Dou evenimente A, B sunt incompatibile dac nu se pot realiza simultan:
C = B A .
n caz contrar, ele sunt evenimente compatibile.
Fie O evenimentul sigur ataat unei experiene i ) (O P mulimea prilor lui O.
Definiia 5. O familie nevid ) (O c P K se numete corp de pri dac verific
axiomele: i) K A K A e e ;
ii) K B A K B A e e , .
Observaie. Dac nlocuim condiia ii) prin
ii)' ( ) K A K A
N n
n
N n
n
e c
e
e

, se obine noiunea de corp borelian.
Definiia 6. Se numete cmp (cmp borelian) de evenimente evenimentul sigur O
33
nzestrat cu un corp (corp borelian) K de evenimente.

Vom nota acest cmp de evenimente ( ) K , O
5.3 Formule de calcul practic pentru probabilitati

Definiia 1. (definiia clasic a probabilitii) Se numete probabilitate a evenimentului
A i se noteaz ) ( A P raportul dintre numrul de rezultate favorabile producerii
evenimentului A ( n
fav
) i numrul total de rezultate ale experimentului, considerate egal
posibile (
pos
n
):
pos
fav
n
n
A P = ) (
.
Definiia 2. (definiia axiomatic a probabilitii) Considerm un cmp de evenimente
( ) K , O . Se numete probabilitate pe cmpul de evenimente ( ) K , O o funcie de mulime
+
R K P : , care verific axiomele:
1) 0 ) ( > e A P K A ;
2) 1 ) ( = O P ;
3) ) ( ) ( ) ( , , B P A P B A P B A K B A + = C = e .

Definiia 3. Un cmp de evenimente ( ) K , O nzestrat cu o probabilitate P se numete
cmp de probabilitate i se noteaz ( ) P K, , O .

Propoziia 1. (Proprieti ale funciei probabilitate)
1) K A A P A P e = ), ( 1 ) ( .
2) K B A B A P B P A B P e = , ), ( ) ( ) \ ( .
3) 0 ) ( = C P .
4) K A A P e s s , 1 ) ( 0 .
5)
|
|
.
|
\
|
+ + =
|
|
.
|
\
|
=
s < < s s < s = =

n
i
i
n
n k j i
k j i
n j i
j i
n
i
i
n
i
i
A P A A A P A A P A P A P
1
1
1 1 1 1
) 1 ( ..... ) ( ) ( ) (

(formula lui Poincar).
Observaia 1. Dac evenimentele
n
A A A ,..., ,
2 1
sunt incompatibile dou cte dou, atunci
formula 5) devine: 5')
= =
=
|
|
.
|
\
|
n
i
i
n
i
i
A P A P
1 1
) (
.
Observaia 2. n cazul 2 = n , formula lui Poincar devine:
C = +
C = +
=
) , ( ), ( ) ( ) (
) , ( ), ( ) (
) (
e compatibil B A B A B A P B P A P
ile incompatib B A B A B P A P
B A P
6) ) 1 ( ) (
1 1
>
|
|
.
|
\
|
= =
n A P A P
n
i
i
n
i
i
(inegalitatea lui Boole).
Definiia 4. Fie ( ) P K, , O un cmp de probabilitate i K Ae , a.. 0 ) ( > A P . Se numete
probabilitate condiionat de evenimentul A a evenimentului B expresia:
0 ) ( ,
) (
) (
) / ( >
= B P
B P
B A P
A B P .
Definiia 5. Spunem c evenimentele A i B sunt independente dac
34
) ( ) ( ) ( B P A P B A P = .

Definiia 6. Spunem c evenimentele
n
A A A ,..., ,
2 1
sunt independente n totalitate dac
) ( .... ) ( ) ( ) .... (
2 1 2 1 k k
i i i i i i
A P A P A P A A A P = ,
n i i i n k
k
s < < < s = ... 1 , , 1
2 1
.

Propoziia 2. Fie
n
A A A ,..., ,
2 1
o familie finit de evenimente astfel nct
0
1
=
|
|
.
|
\
|
=
n
i
i
A P
;
atunci ) ... / ( .... ) / ( ) / ( ) (
1 2 1 2 1 3 1 2 1
1

=
=
|
|
.
|
\
|
n n
n
i
i
A A A A P A A A P A A P A P A P

.

Observaie. Dac
n
A A A ,..., ,
2 1
este o familie finit de evenimente independente n
totalitate, atunci: ) ( .... ) ( ) ( ) (
3 2 1
1
n
n
i
i
A P A P A P A P A P =
|
|
.
|
\
|
=
.

Observaie.
=
, ), / ( ) (
, ), ( ) (
) (
dependente evenimente B A pentru A B P A P
te independen evenimente B A pentru B P A P
B A P
.

Propoziia 3. (Formula probabilitii totale) Fie ( )
n
A A A ,..., ,
2 1
un sistem complet de
evenimente (adic n j i j i A A
j i
, 1 , ; , = = C = i O =
=
n
i
i
A
1
) i K X e , cu
0 ) ( = X P . Atunci ) / ( ) ( ) (
1
i
n
i
i
A X P A P X P =

=
.

Propoziia 4. (Formula lui Bayes) Fie ( )
n
A A A ,..., ,
2 1
un sistem complet de evenimente
i K X e , cu 0 ) ( = X P . Atunci
) / ( ) (
) / ( ) (
) / (
1
i
n
i
i
i i
i
A X P A P
A X P A P
X A P
=
sau
) (
) / ( ) (
) / (
X P
A X P A P
X A P
i i
i

= .

35

5.3 Scheme probabilistice clasice

I. Schema lui Poisson
Se consider n urne, fiecare urn n i U
i
, 1 , = , coninnd bile albe i bile negre. Se
cunosc probabilitile evenimentelor ca, fcnd la ntmplare o extragere din urna
n i U
i
, 1 , = , s obinem o bil alb, respectiv o bil neagr, probabiliti notate
i
p ,
respectiv
i
q ( 1 = +
i i
q p ).
Se extrage cte o bil din fiecare urn.
Probabilitatea ca, din cele n bile extrase, k s fie albe i k n s fie negre, notat
) , : ( k n k n P , este: = ) , : ( k n k n P coeficientul lui
k
t din polinomul ) (t Q , unde
) )......( )( ( ) (
2 2 1 1 n n
q t p q t p q t p t Q + + + = .

II. Schema bilei revenite cu dou stri (schema lui Bernoulli sau schema
binomial)
Se consider o urn care conine bile albe i bile negre. Se cunoate probabilitatea
) 1 , 0 ( e p ca extrgnd la ntmplare o bil din urn, aceasta s fie alb ( p q =1 este
probabilitatea ca la o extragere la ntmplare din urn s se obin o bil neagr).
Se fac n extrageri succesive din urn, cu revenire.
Probabilitatea ca din cele n bile extrase k s fie albe i k n s fie
negre, notat ) , : ( k n k n P , este:
k n k k
n
q p C k n k n P

= ) , : ( .

Generalizare: Schema bilei revenite cu "m" stri (schema multinomial)
Se consider o urn care conine bile de "m" culori. Se cunosc probabilitatile
evenimentelor ca, extrgnd la ntmplare o bil din urn, aceasta s fie de culoarea "i",
m i , 1 = , probabiliti notate
m
p p p ,....., ,
2 1
, cu 1 ), 1 , 0 (
1
= e

=
m
i
i i
p p .
Se fac n extrageri succesive din urn, cu revenire.
Probabilitatea ) ,...., , : (
2 1 m
n n n n P ca din cele n bile extrase
1
n s fie
de culoarea "1",
2
n s fie de culoarea "2","
m
n " de culoarea "m", este:
m
n
m
n n
m
m
p p p
n n n
n
n n n n P

= .......
! ........ ! !
!
) ,...., , : (
2 1
2 1
2 1
2 1
.
Observaie. Schema bilei revenite poate modela o experien cu dou rezultate posibile:
evenimentele A i A, avnd probabilitile p i q de a se realiza la orice repetare a
experienei, cu 1 , 0 , = + > q p q p .

36

III. Schema bilei nerevenite cu dou stri (schema hipergeometric)
Se consider o urn care conine N bile, dintre care
1
N bile albe i
2
N bile
negre. Se fac n extrageri succesive din urn, fr revenire.
Probabilitatea ca din cele n bile extrase k s fie albe i k n s fie
negre, notat ) , : ( k n k n P , este:

n
N
k n
N
k
N
C
C C
k n k n P

=
2 1
) , : (
.
Generalizare: Schema bilei nerevenite cu "m" stri
Se consider o urn ce conine N bile de " m " culori, dintre care
1
N bile de
culoarea "1",
2
N bile de culoarea " 2 ",..,
m
N bile de culoarea " m".
Se fac n extrageri succesive din urn, fr revenire.
Probabilitatea ) ,...., , : (
2 1 m
n n n n P ca din cele n bile extrase
1
n s fie
de culoarea "1",
2
n de culoarea " 2 ","
m
n " de culoarea " m", este:
n
N
n
N
n
N
n
N
m
C
C C C
n n n n P
m
m

=
.........
) ,...., , : (
2
2
1
1
2 1
.


1. ntr-o urn sunt 10 bile albe i 15 negre. Se extrag consecutiv 2 bile. S se calculeze
probabilitatea de a obine bile de culori diferite n ipotezele:
) a prima extragere este cu revenire;
) b prima extragere este fr revenire.

Rezolvare:
Notm
1
A - evenimentul ca la prima extragere s obinem o bil alb;

2
A - evenimentul ca la a doua extragere s obinem o bil alb;

1
N - evenimentul ca la prima extragere s obinem o bil neagr;

2
N - evenimentul ca la a doua extragere s obinem o bil neagr.

Fie X evenimentul ca n cele dou extrageri s obinem bile de culori diferite. Deoarece
evenimentele
2 1
N A i
2 1
A N sunt incompatibile, rezult c
( ) ( ) ( ) ( ) ( )
2 1 2 1 2 1 2 1
) ( A N P N A P A N N A P X P + = = .

) a Dac extragerile sunt cu revenire, atunci evenimentele
1
A i
2
N , respectiv
1
N i
2
A sunt independente, prin urmare:
48 , 0
25
15
25
10
25
15
25
10
) ( ) ( ) ( ) ( ) (
1 2 2 1
= + = + = N P A P N P A P X P
.

37

) b Dac extragerile sunt fr revenire, atunci evenimentele
1
A i
2
N , respectiv
1
N i
2
A sunt dependente, deci ) / ( ) ( ) / ( ) ( ) (
1 2 1 1 2 1
N A P N P A N P A P X P + = .
) / (
1 2
A N P reprezint probabilitatea de a obine o bil neagr la a doua extragere, tiind
c la prima extragere s-a obinut o bil alb, deci
24
15

) / (
1 2
= =
urna in ramase bile de nr
negre bile de nr
A N P .
) / (
1 2
N A P reprezint probabilitatea de a obine o bil alb la a doua extragere, tiind c
la prima extragere s-a obinut o bil neagr, deci
24
15

albe .
) / (
1 2
= =
urna in ramase bile de nr
bile de nr
N A P .
Obinem c 5 , 0
24
10
25
15
24
15
25
10
) ( = + = X P .
2. Un magazin primete ntr-o zi 10 produse de acelai tip, dintre care 5 provin de la
furnizorul
1
F , 3 provin de la furnizorul
2
F i restul de la furnizorul
3
F . Care este
probabilitatea ca din 4 produse vndute:
) a dou s provin de la
2
F i cte unul de la ceilali furnizori?
) b toate s provin de la acelai furnizor?
) c unul singur s provin de la
3
F ?
Rezolvare:
) a Problema poate fi modelat cu ajutorul unei urne coninnd bile de trei culori, din
care se fac extrageri fr revenire.

10 produse

Aplicnd schema urnei cu bila nerevenit, obinem:
142857 , 0 ) 1 , 2 , 1 : 4 (
7
1
4
10
1
2
2
3
1
5
= =

=
C
C C C
P
.
) b Fie B evenimentul ca toate produsele s provin de la acelai furnizor; acesta se
realizeaz numai atunci cnd toate produsele provin de la
1
F , prin urmare

0238 , 0 ) 0 , 0 , 4 : 4 ( ) (
42
1
4
10
0
2
0
3
4
5
= =

= =
C
C C C
P B P .
) c Fie C evenimentul ca ) c un singur produs s provin de la
3
F .
Se observ c, aplicnd schema urnei cu bile de 3 culori, numrul situaiilor n care se
realizeaz evenimentul C este destul de mare.
Problema poate fi modelat mai uor cu ajutorul unei urne coninnd bile de dou culori:
bilele albe reprezint produsele ce provin de la
1
F sau
2
F , iar bilele negre sunt produsele
care provin de la
3
F . Obinem:
53333 , 0 ) 1 , 3 : 4 ( ) (
15
8
4
10
1
2
3
8
= =
= =
C
C C
P C P
.
2 F
3
se extrag
fr revenire
5 F
1
3 F
2
1 F
1
2 F
2
1 F
3
4

38

1. Doi studeni susin simultan un examen. Probabilitatea ca primul student s
promoveze este 0,8, iar probabilitatea ca al doilea s promoveze este 0,7. S se calculeze
probabilitatea ca:
) a ambii studeni s promoveze examenul;
) b exact un student s promoveze;
) c cel puin un student s promoveze;
) d numai primul student s promoveze.

2. Dintre cele 30 de subiecte recomandate pentru examen de ctre profesorul de curs,
un student a pregtit 20 de subiecte, pe care le poate prezenta perfect . La examen fiecare
subiect este scris pe cte un bilet, iar studentul trebuie s extrag cinci bilete la ntmplare
i s prezinte cele cinci subiecte aflate pe bilete. tiind c pentru fiecare subiect la care
rspunde corect va primi dou puncte i c nu se acord nici un punct pentru rezolvri
pariale, s se determine probabilitatea ca:
) a studentul s primeasc nota 10;
) b studentul s primeasc nota 6;
) c studentul s nu promoveze examenul.


1. Problema poate fi modelat cu ajutorul unei urne coninnd bile de dou culori, din
care se fac extrageri fr revenire.
) a Se cere probabilitatea ca din cele 5 subiecte extrase, 5 s fie rezolvate perfect.

30 subiecte

027198 , 0 ) 0 , 5 : 5 (
5
30
0
10
5
20
=
=
C
C C
P .
) b Se cere probabilitatea ca din cele 5 subiecte extrase, exact 3 s fie rezolvate perfect:
35998 , 0 ) 2 , 3 : 5 (
5
30
2
10
3
20
=
=
C
C C
P .
) c Fie C evenimentul ca studentul s nu promoveze examenul, adic s rezolve
perfect 0, 1 sau 2 subiecte:
( ) ( ) 27283 , 0 5 , : 5
5
30
3
10
2
20
5
30
4
10
1
20
5
30
5
10
0
20
2
0
=
= =

= C
C C
C
C C
C
C C
k k P C P
k
.

10 nu pot fi rezolvate perfect
20 pot fi rezolvate perfect

5
5 pot fi rezolvate perfect
0 nu pot fi rezolvate perfect
se extrag
fr revenire
39

2. Notm cu A evenimentul ca primul student s promoveze examenul i cu B
evenimentul ca al doilea student s promoveze.
) a Cum cele dou evenimente sunt independente, rezult c probabilitatea ca ambii
studeni s promoveze examenul este: 56 , 0 7 , 0 8 , 0 ) ( ) ( ) ( = = = B P A P B A P .

) b Probabilitatea ca exact un student s promoveze examenul este:
( ) = + = + = ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( B P A P B P A P B A P B A P B A B A P
38 , 0 7 , 0 2 , 0 3 , 0 8 , 0 = + = .

) c Probabilitatea ca cel puin un student s promoveze se scrie:
= + = + = ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( B P A P B P A P B A P B P A P B A P
94 , 0 7 , 0 8 , 0 7 , 0 8 , 0 = + .

) d Probabilitatea ca numai primul student s promoveze se poate calcula astfel:
( ) ( ) ( ) 24 , 0 3 , 0 8 , 0 = = = B P A P B A P , avnd n vedere independena celor dou
evenimente, sau
( ) ( ) 24 , 0 56 , 0 8 , 0 ) ( ) ( \ = = = = B A P A P B A P B A P


3. I. Purcaru , Matematici generale si elemente de optimizare,


1. ntr-o urn sunt 10 bile albe i 15 negre. Se extrag consecutiv 2 bile. S se calculeze
probabilitatea de a obine bile de culori diferite n ipotezele:
) a prima extragere este cu revenire;
) b prima extragere este fr revenire.
2. Trei bnci acord credite pentru finanarea studiilor cu probabilitile 0,8; 0,75,
respectiv 0,82, independent una de alta. Un student se adreseaz tuturor bncilor. Cu ce
probabilitate el va primi:
) a trei rspunsuri favorabile;
) b exact dou rspunsuri favorabile;
) c exact dou rspunsuri nefavorabile;
) d nici un rspuns favorabil;
) e cel mult dou rspunsuri favorabile .
40

UNITATEA DE NVARE 6

Variabile aleatoare

Cuprins

6.2 Variabile aleatoare unidimensionale .................................................................................
6.3 Variabile aleatoare bidimensionale ...................................................................................
6.4 Variabile aleatoare unidimensionale clasice......................................................................
6.5 Ilustrarea teoriei pe cazul numeric concret al aplicaiilor..................................................

6.1 Obiective

Unitatea de nvare 6 continu incursiunea n teoria probabilitatilor, prezentnd
variabilele aleatoare. mpreun cu noiunile importante asociate lor, precum
caracteristicile numerice corespunztoare acestora, ce sunt de un real folos pentru
practica economic, pentru studiu i cercetare, pentru realizarea performanei n viitoarea
munc de economist si eficientizarea activitii l la nivel micro si macroeconomic.
Dup studiul acestei uniti de nvare, studentul va avea cunostine despre:
- noiunile de variabile aleatoare existente i conceptele de baz din teoria
probabilitatilor corelate cu ele, toate acestea oferind economitilor, indiferent de
domeniul n care vor lucra, cunotine solide de strict specialitate, dar si tehnici specifice
matematicii aplicate;
- tipul de probleme teoretice i practice, care fac obiectul cursului de Variabile
aleatoare si al lucrrilor de verificare ale studenilor din invatamntul economic din anul
I, ID, de la Facultatea de Finane, Asigurri, Bnci i Burse de Valori din Academia de
Studii Economice Bucureti.

41

6.2 Variabile aleatoare unidimensionale

Definiia 1. Fie ) , , ( P K O un cmp de probabilitate.
O aplicaie R X O : se numete variabil aleatoare dac
pentru orice R x e avem: { } K x X e < ) (e e .
Definiia 2. Spunem c variabila aleatoare R X O : este:
) a discret, dac mulimea valorilor variabilei aleatoare (adic ) (O X ) este finit sau
numrabil;
) b continu, dac mulimea valorilor variabilei aleatoare este un interval sau o
reuniune finit de intervale din R .

Repartiia unei variabile aleatoare discrete X se reprezint sub forma unei matrice
avnd dou linii: prima linie conine valorile pe care le ia variabila aleatoare, iar a doua
linie conine probabilitile ca variabila aleatoare s ia aceste valori:

I i
i
i
p
x
X
e
|
|
.
|
\
|
:
, 1 , ), ( = e = =

eI i
i i i
p I i x X P p ,
unde I este o mulime finit sau numrabil.
Definiia 3. Se numete funcia de repartiie a variabilei aleatoare X aplicaia
{ } ( ) x X P x X P x F R F < O e = < = ) ( / ) ( ) ( ], 1 , 0 [ : e e .
Propoziia 1. Dac ] 1 , 0 [ : R F este funcia de repartiie a unei variabilei
aleatoare R X O : , atunci:
) a
0 ) ( lim =

x F
x
, 1 ) ( lim =

x F
x
;
) b F este nedescresctoare adic ) ( ) ( , ,
2 1 2 1 2 1
x F x F x x R x x s < e ;
) c F este continu la stnga, adic ) ( ) 0 ( x F x F R x = e .
Propoziia 2. Dac funcia R R F : satisface condiiile ) a , ) b , ) c din propoziia
precedent, atunci exist un un cmp de probabilitate ) , , ( P K O i o variabil aleatoare
R X O : a crei funcie de repartiie este F .
Definiia 4. Fie R X O : o variabil aleatoare continu i ) (O = X I . Dac funcia de
repartiie F a variabilei aleatoare X este derivabil, cu derivata continu, pe I , atunci
funcia
e
e
=
I x
I x x F
x f
, 0
), ( '
) ( se numete densitatea de repartiie (densitatea de
probabilitate) a variabilei aleatoare X .
Propoziia 3. Densitatea de repartiie R R f : a unei variabile aleatoare continue
verific proprietile: ) a R x x f e > , 0 ) ( ; ) b
}

=1 ) ( dx x f
.

Propoziia 4. Dac funcia R R f : satisface condiiile ) a , ) b din propoziia
precedent, atunci exist un un cmp de probabilitate ) , , ( P K O i o variabil aleatoare
R X O : a crei densitate de probabilitate este f .

Observaii. Fie R X O : o variabil aleatoare continu, avnd densitatea de repartiie
42
f i funcia de repartiie F . Atunci:
1) Deoarece F este o primitiv pe R a funciei f , rezult
}

e =
x
R x dt t f x F , ) ( ) (
.
2)
}

= = s = <
a
dx x f a F a X P a X P ) ( ) ( ) ( ) (
;

}
= = > = >
b
dx x f b F b X P b X P ) ( ) ( 1 ) ( ) (
;

}
= = s < = s s = < < = < s
b
a
dx x f a F b F b X a P b X a P b X a P b X a P ) ( ) ( ) ( ) ( ) ( ) ( ) (

Definiia 5. Variabilele aleatoare 2 , , 1 , > = n n i X
i
sunt independente dac evenimentele
{ }
i i i
x X A < = ) (e e sunt independente, n i R x
i
, 1 , = e .
Observaie. Fie
I i
i
i
p
x
X
e
|
|
.
|
\
|
:
,
J j
j
j
q
y
Y
e
|
|
.
|
\
|
:
variabile aleatoare discrete. Atunci X , Y
independente dac J j I i y Y P x X P y Y x X P
j i j i
e e = = = = = , ), ( ) ( ) , (

Propoziia 5. Dac R X O : , R Y O : sunt variabile aleatoare i R c e , 0 , > e a R a ,
*
N k e , atunci X c , c X + ,
X
,
k
X ,
X
1
(dac X nu ia valoarea 0),
X
a , Y X + , Y X sunt
variabile aleatoare.
Observaie. Dac
I i
i
i
p
x
X
e
|
|
.
|
\
|
:
i
J j
j
j
q
y
Y
e
|
|
.
|
\
|
:
sunt variabile aleatoare discrete, atunci
repartiiile operaiilor cu variabile aleatoare definite mai sus sunt:
I i
i
i
p
cx
X c
e
|
|
.
|
\
|
: ,
I i
i
i
p
c x
c X
e
|
|
.
|
\
| +
+ :
,
I i
i
i
p
x
X
e
|
|
.
|
\
|
:
,
I i
i
k
i k
p
x
X
e
|
|
.
|
\
|
:
,
n i x
p
X
i
I i
i
x
i
, 1 , 0 , :
1
1
= =
|
|
.
|
\
|
e
,
I i
i
x
X
p
a
a
i
e
|
|
.
|
\
|
:
,
J j
I i
ij
j i
p
y x
Y X
e
e
|
|
.
|
\
| +
+ :
,
J j
I i
ij
j i
p
y x
Y X
e
e
|
|
.
|
\
|
:
, unde J j I i y Y x X P p
j i ij
e e = = = , ), , ( .

Definiia 6. Se numete media (valoarea medie) variabilei aleatoare X numrul (dac
exist):
e
=
I i
i i
p x X M ) ( , dac X este o variabil aleatoare discret;
}

= dx x f x X M ) ( ) ( , dac X este o variabil aleatoare continu.
Propoziia 6. Dac R X O : , R Y O : sunt variabile aleatoare i R a e , rezult:
) a a a M = ) ( ;
) b ) ( ) ( X aM aX M = ;
) c ) ( ) ( ) ( Y M X M Y X M + = + ;
43
) d dac variabilele aleatoare X , Y sunt independente, atunci ) ( ) ( ) ( Y M X M Y X M = .
Definiia 7. Se numete dispersia variabilei aleatoare X numrul (dac exist):
( ) | |
2 2
) ( ) ( X M X M X D = .
Propoziia 7. Dac R X O : , R Y O : sunt variabile aleatoare i R a e , rezult:
) a 0 ) (
2
> X D ;
) b ) ( ) ( ) (
2 2 2
X M X M X D = ;
) c 0 ) (
2
= a D ;
) d ) ( ) (
2 2 2
X D a aX D = ;
) e dac X , Y sunt independente, atunci ) ( ) ( ) (
2 2 2
Y D X D Y X D + = + .
Definiia 8. Se numete abaterea medie ptratic (abaterea standard)
a variabilei aleatoare X numrul (dac exist):
) ( ) ( ) (
2
X D X D X = = o
.
Definiia 9. Se numete moment iniial de ordin r al variabilei aleatoare X numrul
(dac exist): ) ( ) (
r
r r
X M X M m = = .
Observaie.
e
=
I i
i
r
i r
p x m , dac X este o variabil aleatoare discret;

}

= dx x f x m
r
r
) ( , dac X este o variabil aleatoare continu.
Definiia 10. Se numete moment centrat de ordin r al variabilei aleatoare X numrul
(dac exist): ( ) ( ) | |
r
r r
X M X M X M X M ) ( ) ( = = .
Observaie.

e
=
I i
i
r
i r
p X M x m )) ( (
, dac X este o variabil aleatoare discret;

}

= dx x f X M x m
r
r
) ( )) ( (
, dac X este o variabil aleatoare continu.
Definiia 15. Fie ) , , ( P K O un cmp de probabilitate i R X O : o variabil aleatoare.
Se numete funcia caracteristic a variabilei aleatoare X aplicaia
( )
itX
e M t C R = ) ( , : .

Observaie.
e
=
I k
k
itx
p e t
k
) ( , dac X este o variabil aleatoare discret;

}

= dx x f e t
itx
) ( ) ( , dac X este o variabil aleatoare continu.

Definiia 16. Fie ) , , ( P K O un cmp de probabilitate i R X O :
o variabil aleatoare. Se numete funcia generatoare de momente a variabilei aleatoare
X aplicaia ( )
tX
e M t g R R g = ) ( , : .

44

6.3 Variabile aleatoare bidimensionale

Definiia 1. Fie ) , , ( P K O un cmp de probabilitate. O aplicaie ( )
2
: , R Y X O se
numete variabil aleatoare bidimensional (vector aleator) dac oricare ar fi ( )
2
, R y x e
avem: { } K y Y x X e < < ) ( , ) ( e e e .

n cazul n care componentele Y X, sunt variabile aleatoare discrete cu
o mulime finit de valori, repartiia vectorului aleator ( ) Y X, se poate reprezenta sub
forma:
( )
( )
n j
m i ij
j i
p
y x
Y X
, 1
, 1
,
: ,
=
=
|
|
.
|
\
|
sau sub forma tabelului urmtor:

1
y

2
y

j
y

n
y

i
p

1
x

2
x

i
x

m
x
11
p

12
p

j
p
1

n
p
1

21
p

22
p

j
p
2

n
p
2

1 i
p

2 i
p

ij
p

in
p

1 m
p

2 m
p

mj
p

mn
p

1
p

2
p

i
p

n
p

j
q

1
q

2
q
j
q

m
q

1

unde
( ) n j m i y Y x X P p
j i ij
, 1 , , 1 , , = = = = =
,
m i p p
n
j
ij i
, 1 ,
1
= =

=
,
=
= =
m
i
ij j
n j p q
1
, 1 ,

cu condiiile: 1) n j m i p
ij
, 1 , , 1 , 0 = = > i 2)
1
1 1
=

= =
m
i
n
j
ij
p
.

Repartiiile marginale sunt repartiiile variabilelor care compun vectorul ( ) Y X, .

Repartiia variabilei aleatoare X condiionat de evenimentul ( )
j
y Y = , unde n j , 1 e ,
este:
( )
m i
j i
i
j
y Y x X P
x
y Y X
, 1
: /
=
|
|
.
|
\
|
= =
=
.
Repartiia variabilei aleatoare Y condiionat de evenimentul ( )
i
x X = , unde m i , 1 e ,
este:
( )
n j
i j
j
i
x X y Y P
y
x X Y
, 1
: /
=
|
|
.
|
\
|
= =
=
.
Definiia 2. Se numete covariana variabilelor aleatoare X i Y numrul:
) ( ) ( ) ( ) , cov( Y M X M XY M Y X = .
Definiia 3. Variabilele aleatoare X i Y se numesc necorelate dac
0 ) , cov( = Y X .

X
Y
45

Definiia 4. Se numete coeficientul de corelaie al variabilelor aleatoare X i Y
numrul:
) ( ) (
) ( ) ( ) (
) ( ) (
) , cov(
) , (
Y X
Y M X M XY M
Y X
Y X
Y X
o o o o
= .

Propoziie. Oricare ar fi variabilele aleatoare X i Y cu ( ) ( ) 0
2 2
= Y D X D , au loc
urmtoarele proprieti:
1) 0 ) , ( = Y X dac i numai dac X i Y sunt necorelate.
2) Dac X , Y sunt independente, atunci 0 ) , ( = Y X .
3) 1 ) , ( s Y X .
4) Dac 1 ) , ( = Y X , atunci ntre X i Y exist o dependen liniar.

6.4 Variabile aleatoare unidimensionale clasice

REPARTIII CLASICE DISCRETE
Repartiia binomial
n k
k n k k
n
q p C
k
X p n Bi X
, 0
: ) , (
=
|
|
.
|
\
|
e ; 1 ; 0 , ;
*
= + > e q p q p N n .
npq X D np X M = = ) ( ; ) (
2
; ( )
n
it
q pe t + = ) ( .
Repartiia Poisson
N k
k
k
e
k
X Po X
e
|
|
|
.
|
\
|
e
!
: ) (

; 0 > .
= = ) ( ; ) (
2
X D X M ;
) 1 (
) (

=
it
e
e t

.

REPARTIII CLASICE CONTINUE
Repartiia Gamma
> I e 0 , ]; , [ b a b a X X are densitatea de repartiie:
( )
s
>
I =

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

2 2
) ( , ) ( ab X D ab X M = = ; ( )
a
ibt t

= 1 ) ( .

Repartiia normal
X R m m N X e > e , 0 ); , ( o o are densitatea de repartiie:
R x e x f
m x
e =

,
2
1
) (
2
2
2
) (
o
t o

2 2
) ( , ) ( o = = X D m X M ;
2
2 2
) (
t
imt
e t
o

= .
46


1. Fie variabila aleatoare discret
|
|
.
|
\
|
p p p p p
X
2
2
1 0
4
1
2
2
:
, R p e .
S se determine:
) a repartiia variabilei aleatoare X;
) b funcia de repartiie a variabilei X;
) c media, dispersia i abaterea medie ptratic variabilei aleatoare X;
) d ) (
3
X M , ) 3 2 ( X M , ) 2 3 (
2
X D ;
) e probabilitile: ) 75 , 0 ( s X P , ) 25 , 1 ( > X P , ) 5 , 0 25 , 1 ( s s X P ,
.

Rezolvare:
) a Impunem condiiile ca 0 > p i
10
1
1 2 4 2 = = + + + + p p p p p p .
Rezult c repartiia variabilei aleatoare X este:
|
|
.
|
\
|
10
1
10
2
10
1
10
4
10
2
2 1 0 1 2
: X
.
) b
+ e
e = + + +
e = + +
e = = +
e =
e
= < =
] , 2 ( , 1
] 2 , 1 ( ,
10
9
10
2
10
1
10
4
10
2
] 1 , 0 ( ,
10
7
10
1
10
4
10
2
] 0 , 1 ( ,
5
3
10
6
10
4
10
2
] 1 , 2 ( ,
5
1
10
2
] 2 , ( , 0
) ( ) (
x
x
x
x
x
x
x X P x F
x

) c 4 , 0 2 1 0 ) 1 ( ) 2 ( ) (
10
4
10
1
10
2
10
1
10
4
10
2
= = + + + + = X M .
8 , 1 2 1 0 ) 1 ( ) 2 ( ) (
10
18
10
1 2
10
2 2
10
1 2
10
4 2
10
2 2 2
= = + + + + = X M .
64 , 1 ) 4 , 0 ( 8 , 1 ) ( ) ( ) (
2 2 2 2
= = = X M X M X D .
28 , 1 ) ( ) (
2
~ = X D X o .
) d 1 2 1 0 ) 1 ( ) 2 ( ) (
10
1 3
10
2 3
10
1 3
10
4 3
10
2 3 3
= + + + + = X M .
Folosind proprietile mediei i ale dispersiei, obinem:
8 , 3 3 ) 4 , 0 ( 2 3 ) ( 2 ) 3 2 ( = = = X M X M . 76 , 14 64 , 1 9 ) ( 9 ) 2 3 (
2 2
= = = X D X D .
) e
5
3
10
4
10
2
) 2 ( ) 1 ( ) 75 , 0 ( = + = = + = = s X P X P X P .
10
1
) 2 ( ) 25 , 1 ( = = = > X P X P .
47
2
1
10
5
) 0 ( ) 1 ( ) 5 , 0 25 , 1 ( = = = + = = s s X P X P X P .

2. Fie
e
e
=
] 1 , 0 [ , 0
] 1 , 0 [ ), 1 (
) ( , :
x
x x a
x f R R f
, R a e .
S se determine:
) a parametrul R a e astfel nct f s fie densitatea de repartiie a unei variabile
aleatoare continue X;

) b funcia de repartiie a variabilei aleatoare X;
) c probabilitile: ( )
4
1
< X P , ( )
2
1
> X P i ( )
2
3
4
1
s s X P ;
) d media i dispersia variabilei aleatoare X;

Rezolvare:
) a Pentru ca funcia f s fie densitatea de repartiie a unei variabile aleatoare
continue, trebuie s ndeplineasc urmtoarele condiii:

1) 0 , 0 ) ( > e > a R x x f ;
2) 1 ) ( =
}

dx x f .
Avem:
= + + = + + =
} } } } } } }

1
1
0
0
1
1
0
0
0 ) 1 ( 0 ) ( ) ( ) ( ) ( dx dx x a dx dx x f dx x f dx x f dx x f
( )
2
1
0
2
2
a x
x a = =
; din condiia 1 ) ( =
}

dx x f rezult 2 1
2
= = a
a
, deci
e
e
=
] 1 , 0 [ , 0
] 1 , 0 [ ), 1 ( 2
) (
x
x x
x f
.

) b Funcia de repartiie a variabilei aleatoare X este
}

=
x
dt t f x F R R F ) ( ) ( , :
.

0 0 ) ( ] 0 , (
}

= = e
x
dt x F x
;
( )
2
0
2
0
0
2 2 ) 1 ( 2 0 ) ( ] 1 , 0 ( x x t t dt t dt x F x
x
x
= = + = e
} }

;
1 0 ) 1 ( 2 0 ) ( ) , 1 (
1
1
0
0
= + + = e
} } }

x
dt dt t dt x F x .
Am obinut c:
48
e
e
e
=
) , 1 ( , 1
] 1 , 0 ( , 2
] 0 , ( , 0
) ( ], 1 , 0 [ :
2
x
x x x
x
x F R F

) c ( )
4
1
4
1
2
1
4
1
4
1
= = |
.
|
\
|
= < F X P .

( ) ( ) ( )
2
1
2
1
2
1
2
1
2
1
1 1 1 = = = s = > F X P X P .

( ) ( ) ( )
4
3
4
1
4
1
2
3
2
3
4
1
1 = = = s s F F X P .

) d
3
1
3
2
2
0 ) 1 ( 2 0 ) ( ) (
1
0
3 2
1
1
0
0
=
|
|
.
|
\
|
= + + = =
} } } }

x x
dx x dx x x dx x dx x xf X M
.
( )
6
1
2 3
2
0 ) 1 ( 2 0 ) (
1
0
4 3
1
2
1
0
2
0
2 2 2
=
|
|
.
|
\
|
= + + = =
} } } }

x x
dx x dx x x dx x dx x f x X M
.
18
1 2 2 2
) ( ) ( ) ( = = X M X M X D
.

3. Fie funcia R R f : , R k
x
x e k
x f
x
e
<
>
=

,
0 , 0
0 , x
) (
2
2
. S se determine:
) a parametrul R k e astfel nct f s fie densitatea de repartiie a unei variabile
) b funcia de repartiie a variabilei aleatoare X;
) c probabilitile: ) 4 ( < X P , ) 6 ( > X P , ) 8 6 ( s s X P , ) 2 / 4 ( > s X X P ;
) d media, dispersia, momentul iniial de ordinul
*
, N r r e pentru variabila aleatoare X

Rezolvare:
) a Condiiile ca f s fie densitatea de repartiie a unei variabile aleatoare continue X
sunt:
1) 0 0 ) ( > > k x f ;
2) 1 ) ( =
}

dx x f .
Avem c
} } }

+ = =
0
2
0
, x 0 ) (
2
dx e k dx dx x f I
x
; folosind schimbarea de
variabil
dt dx t x t
x
2 ; 2
2
= = =
, obinem c
k k dt e t k I
t
16 ) 3 ( 8 2 4
0
2
= I = =
}
; din condiia
49
16
1
1 = = k I .Rezult c
<
>
=

0 , 0
0 , x
) ( , :
2
2
16
1
x
x e
x f R R f
x
.

) b Funcia de repartiie a variabilei aleatoare X este
}

=
x
dt t f x F R R F ) ( ) ( , : .
0 0 ) ( ] 0 , (
}

= = e
x
dt x F x ;

( ) = + = = + = e
} } } }

dt e t e t dt e t dt e t dt x F x
x
x
t
x x
t t t
0 0
2
0
'
2
0
2
0
2 2 2
) 2 (
8
1
8
1
2
16
1
16
1
0 ) ( ) , 0 (

( ) = = + = + =

} }
x
x
x
x
t x x t t x t x
e e
x
e
x
dt e e
t
e
x
dt e t e
x
0
2
0 0
2
'
0
2
2 2 2 2 2 2 2 2
2 8 2
1
2 8
2
4
1
8

2
8
8 4
1
2
x
e
x x

+ +
=
. Rezult:
>
+ +
s
=

0 ,
8
8 4
1
0 , 0
) ( , :
2
2
x e
x x
x
x F R R F
x

) c
2
5 1 ) 4 ( ) 4 (

= = < e F X P ;

3
2
17
) 6 ( 1 ) 6 ( 1 ) 6 ( 1 ) 6 (

= = < = s = > e F X P X P X P
;

4 3
13
2
17
) 6 ( ) 8 ( ) 8 6 (

= = s s e e F F X P ;
( )
e
e
F
F F
X P
X P
X P
X X P
X X P
e
e e
2
) 2 ( 1
) 2 ( ) 4 (
) 2 ( 1
) 4 2 (
) 2 (
) 2 ( ) 4 (
) 2 / 4 (
2
5
5
2
5
2

=

=
<
s <
=
>
> s
= > s
.
) d Momentul iniial de ordinul r este:
} } }

+ = = =
0
2
0
2
16
1
0 ) ( ) ( dx e x x dx x dx x f x X M m
x
r r r r
r
;
cu schimbarea de variabil dt dx t x t
x
2 ; 2
2
= = = rezult
) 3 ( 2 2 ) 2 (
16
1
1
0
2
+ I = =

+
}
r dt e t m
r t r
r
.
Am obinut c
* 1
, )! 2 ( 2 N r r m
r
r
e + =

.

Media variabilei aleatoare X este momentul iniial de ordinul 1, prin
urmare 6 ! 3 ) (
1
= = = m X M .

50
Avem c 48 ! 4 2 ) (
2
2
= = = m X M , deci dispersia variabilei este:
12 ) ( ) ( ) (
2
1 2
2 2 2
= = = m m X M X M X D .

4. Fie X , Y dou variabile aleatoare discrete avnd repartiia comun dat n tabelul
incomplet de mai jos:

-1 0 1
i
p
-1
1
0,2
0,1
0,6

j
q 0,3 0,3

) a S se scrie repartiiile variabilelor X , Y i repartiia comun a variabilelor X , Y .
) b S se scrie repartiiile variabilelor 1 / = Y X i 1 / = X Y , Y ..

Rezolvare:
) a Impunnd condiiile
1 , 1
3
1
2
1
= =

= = j
j
i
i
q p , 2 , 1 ,
3
1
= =
=
i p p
i
j
ij
,
3 , 1 ,
2
1 1
= =
=
j q p
j ij
, obinem:

4 , 0 1
2 2 1
= = + p p p ; 4 , 0 1
2 3 2 1
= = + + q q q q ; 1 , 0 3 , 0
21 21 11
= = + p p p ;
3 , 0 4 , 0
21 22 12
= = + p p p ; 1 , 0 6 , 0
13 13 12 11
= = + + p p p p ;
2 , 0 3 , 0
23 23 13
= = + p p p .

Rezult repartiiile variabilelor X , Y :
|
|
.
|
\
|
4 , 0
1
6 , 0
1
: X ;
|
|
.
|
\
|
3 , 0
1
4 , 0
0
3 , 0
1
: Y
i repartiia comun a variabilelor X , Y :

-1 0 1
i
p
-1
1
0,2 0,3 0,1
0,1 0,1 0,2
0,6
0,4
j
q 0,3 0,4 0,3 1

) b
|
|
.
|
\
|
=
2 1
1 1
: 1
o o
Y X
( )
( ) ( ) ( )
3
1
3 , 0
1 , 0
) 1 (
1 1
1 1
1
= =
=
= =
= = = =
Y P
Y X P
Y X P o
;
( )
( ) ( ) ( )
3
2
3 , 0
2 , 0
) 1 (
1 1
1 1
2
= =
=
= =
= = = =
Y P
Y X P
Y X P o
;
obinem:
|
|
.
|
\
|
=
3
2
3
1
1 1
: 1 Y X ;
|
|
.
|
\
|
=
3 2 1
1 0 1
: 1
| | |
X Y ;
X
X
Y
Y
51
Analog
|
|
|
.
|
\
|
=
6
1
1
2
1
0
3
1
1
: 1 X Y

|
|
.
|
\
|
=
|
|
.
|
\
|
6 , 0 4 , 0
1 0
3 , 0
1
4 , 0 3 , 0
0 1
: Y ;


1. S se determine variabila aleatoare
|
|
.
|
\
| + +
p
a
p
a
p
a
X
2
2
3
1
:
, tiind c 7 ) 6 (
2
= X M ,
R p Z a e e , .
2. Fie funcia R R f : ,
e
e
e
=
] 2 , 0 [ , 0
] 2 , 1 ( , 2
] 1 , 0 [ ,
) (
x
x x
x ax
x f
. S se determine:
) a parametrul R a e astfel nct f s fie densitatea de repartiie a unei variabile
) b probabilitile ( )
2
3
> X P i ( )
2
3
4
1
/ s > X X P ;
) c funcia de repartiie a variabilei aleatoare X;
) d media i dispersia variabilei aleatoare X;

3. Fie dou variabile aleatoare X , Y unde
|
|
.
|
\
|
3 , 0
1
7 , 0
1
: X ,
|
|
.
|
\
|
6 , 0
1
4 , 0
0
: Y . Fie ( ) 0 , 1 = = = Y X P k .

) a S se scrie tabelul comun al repartiiei variabilelor aleatoare X , Y .
) b S se determine parametrul R k e astfel nct variabilele aleatoare X , Y s fie
necorelate.
) c Pentru k determinat la punctul precedent, s se stabileasc dac variabilele
aleatoare X , Y sunt independente.


1. Din condiia ca X s reprezinte o variabil aleatoare discret, obinem:
0 > p i
|
|
.
|
\
| + +
= = + +
6
2
6
3
6
1
6
1
2 1
: 1 2 3
a a a
X p p p p
.
( ) ( ) ( ) = + + + + = = 7 ) 2 ( ) 1 ( 6 7 6 7 6
6
2
2
6
3
2
6
1
2 2 2
a a a X M X M
= + + = + + + + + + 0 4 14 6 7 8 8 2 3 6 3
2 2 2 2
a a a a a a a
Z a a e = =
3
1
, 2
2 1
, deci 2 = a .
52
Prin urmare, repartiia variabilei aleatoare X este:
|
|
|
.
|
\
|
3
1
0
2
1
1
6
1
2
: X
.

2. ) a Pentru ca funcia f s fie densitatea de repartiie a unei variabile aleatoare
continue, trebuie s ndeplineasc urmtoarele condiii:
1) 0 , 0 ) ( > e > a R x x f ;
2) 1 ) ( =
}

dx x f .
= + + + =
} } } } }

2
2
1
1
0
0
) ( ) ( ) ( ) ( ) ( dx x f dx x f dx x f dx x f dx x f
2
1
2
2
1
2
1
0
2
2
2
1
1
0
0
2
2
2
0 ) 2 ( 0 + =
|
|
.
|
\
|
+ = + + + =
} } } }

a
x
x
x
a dx dx x dx ax dx
.
e
e
e
= = =
}

] 2 , 0 [ , 0
] 2 , 1 ( , 2
] 1 , 0 [ ,
) ( 1 1 ) (
x
x x
x x
x f a dx x f
.
) b
8
1
2
2
0 ) 2 ( ) (
2
3
2
3
2
3
= + = = |
.
|
\
|
>
} } }

dx dx x dx x f X P
.
( )
( ) ( ) ( )
( )
( )
( )
2
3
2
3
4
1
2
3
2
3
4
1
2
3
4
1
/
s
s s
=
s
s >
= s >
X P
X P
X P
X X P
X X P .
( )
32
27
1
1
2
3
4
1
2
3
4
1
2
3
4
1
) 2 ( ) ( = + = = s s
} } }
dx x xdx dx x f X P ; ( ) ( )
8
7
2
3
2
3
1 = > = s X P X P , deci
( )
28
27
2
3
4
1
/ = s > X X P .
) c Funcia de repartiie a variabilei aleatoare X este
}

=
x
dt t f x F R R F ) ( ) ( , :
.

0 0 ) ( ] 0 , (
}

= = e
x
dt x F x
;

2
0
2
0
0
2 2
0 ) ( ] 1 , 0 (
x
x
t
x
tdt dt x F x = = + = e
} }

;

( ) ( ) = + = + + = e
} } }

x
t t
x
t dt t tdt dt x F x
1
2
1
0
2
1
1
0
0
2 2
2 2 0 ) ( ] 2 , 1 (

2
2 4
2
3
2 2
1
2 2
2
+
= + =
x x x
x ;
( ) 1 0 2 0 ) ( ) , 2 (
2
2
1
1
0
0
= + + + = e
} } } }

x
dt dt t tdt dt x F x . Am obinut c:
53
e
e
+
e
e
=
) , 2 ( , 1
] 2 , 1 ( ,
2
2 4
] 1 , 0 ( ,
2
] 0 , ( , 0
) ( ], 1 , 0 [ :
2
2
x
x
x x
x
x
x
x F R F

) d
= + + + = =
} } } } }

2
2
1
1
0
0
0 ) 2 ( 0 ) ( ) ( dx x dx x x dx x x dx x dx x xf X M

1
3
1
1
3
8
4
3
1
3 3
2
1
3
2
1
0
3
= + + =
|
|
.
|
\
|
+ =
x
x
x
.
= + + + = =
} } } } }

2
2
1
2
1
0
2
0
2 2
0 ) 2 ( 0 ) ( ) ( dx x dx x x dx x x dx x dx x f x X M
6
1 2 2 2
2
1
4 3
1
0
4
) ( ) ( ) (
6
7
4
1
3
2
4
3
16
4
1
4 3
2
4
= = = + + =
|
|
.
|
\
|
+ = X M X M X D
x x x

3. ) a

0 1
i
p
-1
1
k k 7 , 0
k 4 , 0 1 , 0 k
0,7
0,3
j
q 0,4 0,6 1

Din condiiile: 1) 2 , 1 , , 0 = > j i p
ij
i
2)
1
2
1
2
1
=

= = i j
ij
p
obinem:
4 , 0 1 , 0
0 1 , 0
0 4 , 0
0 7 , 0
0
) 1 s s
>
>
>
>
k
k
k
k
k
;
1 1 , 0 4 , 0 7 , 0 ) 2 = + + + k k k k , relaie care se verific, R k e .
n concluzie, repartiia comun a variabilelor X , Y este cea din tabelul de mai sus, cu
condiia | | 4 , 0 ; 1 , 0 e k .
) b Variabilele aleatoare X , Y sunt necorelate dac avem:

0 ) ( ) ( ) ( 0 ) , cov( = = Y M X M XY M Y X .

4 , 0 3 , 0 1 7 , 0 ) 1 ( ) (
2
1
= + = =

= i
i i
p x X M
;
6 , 0 6 , 0 1 4 , 0 0 ) (
2
1
= + = =

= j
j j
q y Y M
;
8 , 0 2 ) 1 , 0 ( 1 1 ) 4 , 0 ( 0 1 ) 7 , 0 ( 1 ) 1 ( 0 ) 1 ( ) (
2
1
2
1
= + + + = =

= =
k k k k k p y x XY M
i j
ij j i

| | 4 , 0 ; 1 , 0 28 , 0 0 24 , 0 8 , 0 2 0 ) ( ) ( ) ( e = = + = k k Y M X M XY M .
X
Y
54

) c Pentru valoarea determinat a parametrului k obinem tabelul repartiiei comune de
mai jos:

0 1
i
p
-1
1
0,28 0,42
0,12 0,18
0,7
0,3
j
q 0,4 0,6 1

Avem c: ( ) ( ) ( ) 0 1 28 , 0 0 , 1 = = = = = = Y P X P Y X P ;

( ) ( ) ( ) 1 1 42 , 0 1 , 1 = = = = = = Y P X P Y X P ; ( ) ( ) ( ) 0 1 12 , 0 0 , 1 = = = = = = Y P X P Y X P ;

( ) ( ) ( ) 1 1 18 , 0 1 , 1 = = = = = = Y P X P Y X P ;de aici rezult, c v.a sunt independente.


1. Gh. Cenu i colectiv, Matematici aplicate in economie. Teorie i aplicaii.


1. Distribuia variabilei aleatoare X este
|
|
.
|
\
|
16
1 2
2
3
4
1
16
7
2 1 0 1 - 2
:
p p p
X
.
S se determine: ) a parametrul R p e ; ) b Media si dispersia lui X,
2. Fie funcia R R f : , R k
x
x e k
x f
x
e
<
>
=

,
0 , 0
0 , x
) (
3
. S se determine:
) a parametrul R k e astfel nct f s fie densitatea de repartiie a unei variabile
aleatoare continue X; ) b funcia de repartiie a variabilei aleatoare X;
) c media, dispersia, momentul iniial de ordinul
*
, N r r e pentru v.a. X
3. Se consider variabilele aleatoare X , Y , avnd repartiiile:
|
|
.
|
\
|
6 , 0
2
4 , 0
1
: X ,
|
|
.
|
\
|
3 , 0
6
5 , 0
4
2 , 0
2
: Y , astfel nct ( ) 1 , 0 2 , 1 = = = Y X P i ( ) 3 , 0 4 , 2 = = = Y X P . S se
determine coeficientul de corelatie al variabilele aleatoare X , Y

X
Y
55
UNITATEA DE NVATARE 7

Statistica matematic

Cuprins

7.1 Obiectivele unitii de nvare 7 ........................................................................................
7.2 Elemente de teoria seleciei ................................................................................................
7.3 Elemente de teoria estimaiei .............................................................................................
7.4 Ilustrarea teoriei pe cazul numeric concret al aplicaiilor...................................................
Bibilografia unitii de nvare 7.............................................................................................

7.1 Obiective

Unitatea de nvatare 7, introduce statistica matematic, prin relevarea a ctorva
elemente de baz ale acestui domeniu deosebit de important din matematicile aplicate n
economie.
Dup studiul acestei unitati de nvatare, studentul va avea cunostine despre:
- noiunile fundamentale din statistica matematic, toate acestea pentru a cunoaste
mai mult i mai bine tematica si problematica matematicilor aplicate sau aplicabile n
economie;
- tipul de probleme teoretice si practice, care fac obiectul cursului de teoria
seleciei si a estimaiei si al lucrrilor de verificare ale studenilor din invatamntul
economic din anul I, ID, de la Facultatea de Finane, Asigurri, Bnci i Burse de Valori
din Academia de Studii Economice, Bucuresti.

56

7.2 Elemente de teoria seleciei

Ne propunem s studiem o anumit caracteristic a unei colectiviti C .
Presupunem c aceast caracteristic este descris de o variabil aleatoare X definit
pe un cmp de probabilitate ( ) P K, , O , n care elementele mulimii O sunt tocmai
lementele colectivitii C .
Se numete selecie (eantion) o colectivitate parial de elemente luate la ntmplare
dinC .Numrul elementelor unei selecii l numim volumul seleciei.
Spunem c o selecie este repetat dac elementul luat la ntmplare din C

este
reintrodus n colectivitatea general naintea efecturii urmtoarei alegeri.
Se efectueaz o selecie de volum n din populaia considerat i se noteaz cu
n
x x x ,.., ,
2 1
valorile de observaie (valori de selecie sau date de selecie)
- Dup efectuarea seleciei, valorile de selecie
n
x x x ,......, ,
2 1
sunt valori
bine determinate ale variabilei aleatoare X .

- nainte de efectuarea seleciei, acestea pot fi considerate ca variabile
aleatoare independente
n
X X X ,....., ,
2 1
, identic repartizate cu variabila X , n cazul unei
selecii repetate.
Variabila aleatoare asociat experimentului cu n probe independente efectuate asupra
lui X se numete variabil aleatoare de selecie
(empiric) i se noteaz
*
X . Aceasta are urmtoarea repartiie, numit i repartiie
empiric:
|
|
.
|
\
|
n n n
n
x x x
X
1 1 1
2 1
*
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
:
.
Funcia de repartiie a variabilei aleatoare de selecie se numete funcie empiric de
repartiie.
Se numete statistic o funcie de variabilele aleatoare de selecie: ( )
n
X X X T ,....., ,
2 1
.
Dup efectuarea seleciei, statisticii ( )
n
X X X T ,....., ,
2 1
i se asociaz valoarea sa
corespunztoare valorilor de selecie obinute, notat ( )
n
x x x t ,....., ,
2 1
.
Considerm o selecie de volum n :
n
X X X ,....., ,
2 1
efectuat asupra variabilei al. X .
Se numete moment iniial de selecie de ordin r statistica
=
=
n
i
r
i
n
r
X M
1
1
.
Pentru 1 = r obinem media de selecie:
=
=
n
i
i
n
X X
1
1
.
Se numete moment centrat de selecie de ordin r statistica
( )
=
=
n
i
r
i
n
r
X X
1
1
.

Pentru 2 = r obinem dispersia de selecie necorectat:
( )
2
1
2 1
1
2
1
2
2
2
X X X X S
n
i
i
n
n
i
i
n
= = = =

= =
o

Dispersia de selecie corectat (modificat) este:
( )
=
n
i
i
n
X X s
1
2
1
1 2
.
57

7.3 Elemente de teoria estimaiei

Considerm selecia
n
X X X ,....., ,
2 1
efectuat asupra unei populaii care este
caracterizat de o variabil aleatoare X cu legea de repartiie ( ) u ; x f .
Dorim s estimm parametrul u din legea ( ) u ; x f cu ajutorul statisticii
( )
n n
X X X T ,....., ,
2 1
, care se numete estimator al parametrului u . Valoarea luat de
( )
n n
X X X T ,....., ,
2 1
pentru valori bine determinate
n
x x x ,....., ,
2 1
ale
variabilelor
n
X X X ,....., ,
2 1
se numete estimaie a parametrului u .
Definiia 1. Spunem c statistica ( )
n n
X X X T ,....., ,
2 1
este un estimator nedeplasat al
parametrului u dac ( ) ( ) u =
n n
X X X T M ,....., ,
2 1
.
Spunem c statistica ( )
n n
X X X T ,....., ,
2 1
este un estimator deplasat al parametrului u
dac ( ) ( ) u
n
n n
X X X T M ,....., ,
2 1
.
n n
X X X T ,....., ,
2 1
este un estimator absolut corect al
parametrului u dac ( ) ( ) u =
n n
X X X T M ,....., ,
2 1
i ( ) ( ) 0 ,....., ,
2 1
2

n
n n
X X X T D .
Spunem c statistica ( )
n n
X X X T ,....., ,
2 1
este un estimator nedeplasat al parametrului u
dac ( ) ( ) u =
n n
X X X T M ,....., ,
2 1
.
n n
X X X T ,....., ,
2 1
este un estimator eficient al
parametrului u dac este absolut corect i ( ) ( )
( ) u I n
X X X T D
n n
=
1
,....., ,
2 1
2
, unde
( )
( ) ( )
(
(
|
|
.
|
\
|
c
c
=
(
|
.
|
\
|
c
c
=
2
2
, ln , ln
u
u
u
u
u
X f
M
X f
M I
.
Propoziie. ) a Media de selecie
=
=
n
i
i
n
X X
1
1
este un estimator absolut corect pentru
media m a oricrei populaii.
) b Dispersia de selecie ( )
=
=
n
i
i
n
X X S
1
2
1 2
este un est.corect pentru dispersia
2
o .
) c Dispersia de selecie corectat
( )
=
n
i
i
n
X X s
1
2
1
1 2
este un estimator absolut corect
pentru dispersia
2
o .

58

METODE DE ESTIMARE A PARAMETRILOR UNEI REPATIII

A. Metode de estimare punctual

1. Metoda momentelor
Presupunem c legea de repartiie ( )
k
x f u u u ., . . , , ;
2 1
a variabilei aleatoare X depinde
de k parametri necunoscui:
k
u u u ., . . . , ,
2 1
i c variabila aleatoare X admite momente
cel puin pn la ordinul k inclusiv.
Aplicarea metodei momentelor const n parcurgerea urmtoarelor etape:
Etapa 1) Considerm o selecie de volum n :
n
X X X ,....., ,
2 1
.
Etapa 2) Rezolvm sistemul ( ) k r M X M
r
k r
, 1 , ., . . , ,
2 1
= = u u u .
Dac sistemul are soluii reale, atunci acestea sunt estimaii ale parametrilor
k
u u u ., . . . , ,
2 1
.

2. Metoda verosimilitii maxime
Aplicarea acestei metode const n parcurgerea urmtoarelor etape:
n
X X X ,....., ,
2 1
, cu valorile de
selcie
n
x x x ,....., ,
2 1
.
Etapa 2) Construim funcia de verosimilitate:
( ) ( )
[
=
=
n
j
k j k n
x f x x x P
1
2 1 2 1 2 1
., . . , , ; ., . . , , ; ,..., , u u u u u u

Etapa 3) Logaritmm funcia de verosimilitate:
( ) ( )
k n k n
x x x P x x x L u u u u u u ., . . , , ; ,..., , ln ., . . , , ; ,..., ,
2 1 2 1 2 1 2 1
=
Etapa 4) Rezolvm sistemul:
( )
k j
x x x L
j
k n
, 1 , 0
., . . , , ; ,..., ,
2 1 2 1
= =
c
c
u
u u u
i obinem
estimaiile de maxim verosimilitate: ( ) k j x x x
n j j
, 1 , ,..., ,

2 1
= =u u ale parametrilor
k
u u u ., . . . , ,
2 1
.
Etapa 5) Verificm faptul c estimaiile gsite asigur maximul funciei de verosimilitate.

B. Estimare prin intervale de ncredere pentru parametrii m i
2
o ai unei repartiii
normale ( ) o , m N

1. Interval de ncredere pentru parametrul m cnd o este cunoscut

n
z x m
n
z x
o o
o o + < <

2 2
1 1

2. Interval de ncredere pentru parametrul m cnd o este necunoscut

n
s
t x m
n
s
t x
n n
+ < <
1 ; 1 1 ; 1
2 2
o o

59

1. Pentru a studia o anumit caracteristic X a unei populaii statistice oarecare, s-a
realizat un sondaj de volum 16 = n din populaia respectiv i s-au obinut rezultatele:
i
x -2 -1 0 2
i
n 3 4 2 7

) a S se scrie repartiia variabilei aleatoare de selecie.
) b S se calculeze media de selecie, dispersia de selecie i dispersia de selecie
corectat.

Rezolvare:
) a Repartiia variabilei aleatoare de selecie este:
|
|
.
|
\
|
16
7
16
2
16
4
16
3
*
2 0 1 2
: X .

) b Media de selecie este statistica:
=
=
4
1
1
i
i i
n
X n X , iar valoarea acesteia
corespunztoare seleciei efectuate este
=
=
4
1
1
i
i i
n
x n x .

Dispersia de selecie este statistica
( )
=
= =
4
1
2
1 2
2
i
i i
n
X X n S
, iar valoarea acesteia
corespunztoare seleciei efectuate este
( )
=
=
4
1
2
1
2
i
i i
n
x x n S .
Dispersia de selecie corectat este statistica ( )
=
4
1
2
1
1
2
i
i i
n
X X n s , iar valoarea
acesteia corespunztoare seleciei efectuate este
( )
=
4
1
2
1
1 2
i
i i
n
x x n s .
Pentru determinarea valorilor cerute organizm valorile de selecie n urmtorul tabel:

i
x
i
n
i i
n x
x x
i

( )
2
x x
i
( )
2
x x n
i i

-2
-1
0
2
3
4
2
7
-6
-4
0
14
-2,25
-1,25
-0,25
1,75
5,0625
1,5625
0,0625
3,0625
15,1875
6,25
0,125
21,4375
- 16 4 - - 43

Obinem: 25 , 0 4
16
1
= = x ; 6875 , 2 43
16
1 2
= = S ; 87 , 2 43
15
1 2
= = s .

60
2. Fie X o variabil aleatoare avnd o repartiie Poisson de parametru u .
) a S se determine un estimator al parametrului u al acestei repartiii prin ambele
metode de estimare punctual, utiliznd o selecie de volum n .
) b S se determine o estimaie a parametrului u al acestei repartiii prin ambele
metode de estimare punctual, pe baza valorilor de selecie: 1, 2, 3, 3, 2, 2, 1, 4, 2, 3.
) c S se studieze calitile estimatorului obinut.

Rezolvare:
) a Legea de probabilitate a variabilei aleatoare X este ( ) N x
x
e x f
x
e =

,
!
;
u
u
u
.
Metoda momentelor
n
X X X ,....., ,
2 1
.
Etapa 2) Rezolvm ecuaia: ( ) ( ) X X M M X M = =
1
1
u . (1)
Folosind faptul c media unei variabile aleatoare X cu repartiie Poisson de parametru u
este ( ) u = X M , ecuaia (1) devine: X = u i prin urmare estimatorul parametrului u
obinut prin metoda momentelor este X = u
, iar estimaia este x = u
.

Metoda verosimilitii maxime
n
X X X ,....., ,
2 1
, cu valorile de
selcie
n
x x x ,....., ,
2 1
.

( ) ( )
[
[ [
=

=

=
= = = =
=
n
j
j
x
n
n
x x x
n
j j
x
n
j
j n
x
e
x
e
x
e
x
e
x
e x f x x x P
n
j
j
n j
1
2 1 1 1
2 1
!
!
.....
! ! !
; ; ,..., ,
1 2 1
u u u u u
u u
u u u u u
.
( ) ( ) =
(
(
(
(
(
= =
[
=
=
n
j
j
x
n
n n
x
e x x x P x x x L
n
j
j
1
2 1 2 1
!
ln ; ,..., , ln ; ,..., ,
1
u
u u
u
| |
[ [
= = =
+ =
+ =
=
n
j
j
n
j
j
n
j
j
x
n
x x n x e
n
j
j
1 1 1
! ln ln ! ln ln ln
1
u u u
u

Etapa 4) Rezolvm ecuaia:
( )
0 0 0
; ,..., ,
1
2 1 1
= + = + =
c
c
=
=
n
j
j
x
n
x n n
x x x L
n
j
j
u
u
u
u
i obinem c estimaia de
maxim verosimilitate a parametrului este x
n
x
n
j
j
=
=
=
u u

1
, iar estimatorul de
maxim verosimilitate este X .
= u .

61
Etapa 5) Verificm faptul c estimaia gsit asigur maximul funciei de verosimilitate.
( )
0
; ,..., ,
2
1
2
1
2
2 1
2
<
=
c
c
= =
=
=
u
u u
u
u u
u
u
n
j
j
n
j
j
x x
n
x x x L
, deoarece N x
j
e , prin urmare
x .
= u este punct de maxim al funciei de verosimilitate.

) b Estimaia parametrului u prin ambele metode de estimare punctual este x .
= u .
Pe baza valorilor de selecie din enun obinem: 3 , 2
10
4 1 3 3 2 4 1 2
10
10
1
= =
= =
+ + + = j
j
x
x u .

) c Avem c:
1)
( ) ( ) ( ) ( ) u u u u = = = = =
|
|
.
|
\
|
= =

= = = =
n X M X M X M X M M
n
n
j
n
n
j
n
n
j
j
n
n
j
j
n
1
1
1
1
1
1
1
1
1
, deci ( ) u u =
M .
2) ( ) ( ) ( ) ( ) ( )
n n
n
j
n
n
j
j
n
n
j
j
n
X nD X D X D X D X D D
u
u = = = =
|
|
.
|
\
|
= =

= = =
2 1
1
2 1
1
2 1
1
1 2 2 2
2 2 2
, unde am
folosit c dispersia unei variabile aleatoare X cu repartiie Poisson de parametru u este
( ) u = X D
2
.

Rezult c ( ) 0 lim
lim
2
= =

n
n n
D
u
u .

Din 1) rezult c estimatorul este nedeplasat.

Din 1) i 2) rezult c estimatorul este absolut corect.

Deoarece am vzut c estimatorul este absolut corect, putem cerceta eficiena, verificnd
condiia:
( )
( ) u
u
I n
D
=
1
2
, unde
( )
( )
(
(
|
|
.
|
\
|
c
c
=
2
2
, ln
u
u
u
X f
M I
.
( ) ! ln ln ! ln ln ln
!
ln ; ln X X X e
X
e X f
X
X
+ = + =
|
|
.
|
\
|
=

u u u
u
u
u u
;
( )
u
u
u
X
X f
+ =
c
c
1
; ln
;
( )
( ) ( ) ( )
u u u u u
u u
u
u
1 1 1
2
2
3 3 3 3
; ln
= = = = =
c
c
X M M I
X f
X X
.

Rezult c
( )
( ) u
u
u
1
2
D
n I n
= =
, prin urmare estimatorul este i eficient.

62

Fie X o variabil aleatoare continu, avnd densitatea de repartiie:
0 ,
0 , 0
0 ,
) ; ( , :
2
4
3
96
>
s
>
=

x
x e
x f R R f
x
x
.
) a S se estimeze parametrul prin ambele metode de estimare punctual, utiliznd o
selecie de volum n .
) b S se arate c estimatorul obinut este absolut corect i eficient.

Rspunsuri i comentarii la testele de autoevaluare

) a Metoda momentelor
n
X X X ,....., ,
2 1
.
Etapa 2) Rezolvm ecuaia: ( ) ( ) X X M M X M = =
1
1
u . (1)
( )
} } } }

= + = =
0
4
96
1
0
96
0
2
4
2
4
3
0 ) ( dx e x dx e x dx x dx x xf X M
x x
x

;
facem schimbarea de variabil dt dx t x t
x

2 ; 2
2
= = = i obinem:
( ) ( ) ( )

8 ! 4 . 5 2 2
3 3
0
4
3
0
4
96
1
4
= = I = = =
} }

dt e t dt e t X M
t t
.
Ecuaia (1) devine: X = 8 i prin urmare estimatorul parametrului obinut prin
metoda momentelor este
8
X
= , iar estimaia este
8
x
= .

Metoda verosimilitii maxime
n
X X X ,....., ,
2 1
, cu valorile de
selcie
n
x x x ,....., ,
2 1
.
( ) ( ) = = =
[ [
=

=
n
j
x
n
j
j n
j
x
j
e x f x x x P
1
96
1
2 1
2
4
3
; ; ,..., ,

( )

2
1
2
4
3
2
2
4
3
2
2
1
4
3
1
4
3
2 1
96 96 96
96
...
.....

= =
=

n
j
j
x
n
x
n
x x
e
x x x
e e e
n n
n
x x x

( ) ( )
( )
=
(
(
(

= =
=

2
1
4
3
2 1
2 1 2 1
96
...
ln ; ,..., , ln ; ,..., ,
n
j
j
x
e
x x x
x x x P x x x L
n n
n
n n

( ) | |

2
1
4 3
2 1
1
2
1
ln 4 96 ln ln 3 ln ln 96 ln ... ln

=
=
=
=
+
[
n
j
j
n
j
j
x
x n
j
j
n n
n
n n x e x x x

63
Etapa 4) Rezolvm ecuaia:
( )
0 8 0 0
; ,..., ,
1
2
4 2 1
2
1
= + = + =
c
c
=
=
n
j
j
x
n n
x n
x x x L
n
j
j

i obinem c estimaia
de maxim verosimilitate a parametrului este
8 8

1 x
n
x
n
j
j
=
=
=
, iar estimatorul de
maxim verosimilitate este
8
.
X
= .
Etapa 5) Verificm faptul c estimaia gsit asigur maximul funciei de verosimilitate.
( )
0 4
; ,..., ,
2 3 2
8
3
1
2
256 512 64 4
2
2 1
2
< = = =
c
c
=
=
=
x x x
x
n n
x n n
x x x L
x
n
j
j

, prin urmare
8
x
= este punct de maxim al funciei de verosimilitate.
) b Verificm condiiile din definiia estimatorului absolut corect:
1) ( ) ( ) ( ) = =
|
|
.
|
\
|
= = |
.
|
\
|
=

= =
n
j
j
n
n
j
j
n
X
X M X M X M M M
1
8
1
1
1
8
1
8
1
8

( ) = = = =

= =
n X M
n
n
j
n
n
j
n
8 8
8
1
1
8
1
1
8
1
. Am obinut c ( ) =
M .
2)
( ) ( ) ( ) = =
|
|
.
|
\
|
= = |
.
|
\
|
=

= =
n
j
j
n
n
j
j
n
X
X D X D X D D D
1
2
64
1
1
1
2
64
1
2
64
1
8
2 2
2

( ) ( )
( )
n
X D
n
n
j
n
X nD X D
64
2
64
1
1
2
64
1
2
2 2
= = =

=

( )
} } } }

= + = =
0
5
96
1
0
96
2
0
2 2 2
2
4
2
4
3
0 ) ( dx e x dx e x dx x dx x f x X M
x x
x

;
cu schimbarea de variabil dt dx t x t
x

2 ; 2
2
= = = obinem:
( ) ( ) ( ) = = I = = =
} }

2
3
2
3
2
0
5
3
2
0
5
96
1 2
80 ! 5 . 6 2 2
2 2 2
4

dt e t dt e t X M
t t

2 2 2 2 2 2
16 64 80 ) ( ) ( ) ( = = = X M X M X D .
Revenind, gsim c ( )
( )
n n n
X D
D
4 64
16
64
2
2 2
2

= = = .
Rezult c ( ) 0 lim
lim
4
2
2
= =

n
n n
D

.
Din 1) i 2) rezult c estimatorul este absolut corect.

64
Bibilografia unitii de nvare 7



1) Pentru a stabili coninutul n magneziu al apei minerale provenite de la un anumit izvor
s-a determinat cantitatea de magneziu, exprimat n grame, coniunut ntr-un litru de ap
mineral. Efectundu-se un numr de 15 msurtori, s-au obinut urmtoarele rezultate,
prezentate n ordinea apariiei acestora: 7,2; 8,3; 6,7; 6,7; 7,2; 8,1; 8,3; 6,9; 7,2; 7,2;
8,1; 6,7; 6,7; 8,1; 6,7.
) a S se scrie repartiia variabilei aleatoare de selecie.
) b Pe baza rezultatelor nregistrate, s se determine cantitatea medie de magneziu,
exprimat n grame, coninut ntr-un litru de ap mineral i modul n care variaz.

2) Fie X o variabil aleatoare continu, avnd densitatea de repartiie:
0 ,
0 , 0
0 ,
) ; ( , :
3
3
2
54
>
s
>
=

u u
u
u
x
x e
x f R R f
x
x
.
) a S se estimeze parametrul u prin ambele metode de estimare punctual, utiliznd o
selecie de volum n .
) b S se arate c estimatorul obinut este absolut corect .

Matematica Aplicata in Economie

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Matematica Aplicata in Economie

Încărcat de

Drepturi de autor:

Formate disponibile

1

FLORENTIN ERBAN SILVIA DEDU

s < < s s < s = =

, iar estimaia este x = u

= u este punct de maxim al funciei de verosimilitate.

, prin urmare estimatorul este i eficient.

S-ar putea să vă placă și