Sunteți pe pagina 1din 64

FLORENTIN ERBAN

SILVIA DEDU

MATEMATICI APLICATE IN ECONOMIE


Suport de curs pentru ID

Cuprinsul cursului

Unitatea de nvatare 1 1. Serii numerice ......................................................................................................................... 1.1 Obiectivele unitatii de nvatare 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 unitatii de nvatare 1 ........................................................................................... Unitatea de nvatare 2
2. Serii de puteri

2.1 Obiectivele unitatii de nvatare 2 ....................................................................................... 2.2 Definiia si studiul noiunii de serie de puteri.................................................................... 2.3 Ilustrarea rezultatelor teoretice pe cazul numeric concret al aplicaiilor ........................... Teste de autoevaluare ............................................................................................................... Rspunsuri si comentarii la testele de autoevaluare ................................................................. Bibliografia unitatii de nvatare 2 ........................................................................................... Lucrarea de verificare nr. 1 ..................................................................................................... Unitatea de nvatare 3 3. Funcii de mai multe variabile reale 3.1 Obiectivele unitatii de nvatare 3........................................................................................ 3.2 Definiia limitei si continuitatii pentru o funcie de mai multe variabile real 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 si comentarii la testele de autoevaluare .................................................................. Bibliografia unitatii de nvatare 3............................................................................................. Lucrarea de verificare nr.2 .......................................................................................................

Unitatea de nvatare 4 4.Calcul integral 4.1 Obiectivele unitatii de nvatare 4.2 Clasificarea integralelor euleriene...................................................................................... 4.3 Definiii si 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 unitatii de nvatare 4 ............................................................................................. Lucrarea de verificare nr. 3....................................................................................................... Unitatea de nvatare 5 5. Formule probabilistice n care apar operatii cu evenimente 5.1 Obiectivele unitatii de nvatare 5 ......................................................................................... 5.2 Formule de calcul practic pentru probabilitati .................................................................... 5.3 Scheme probabilistice clasice .............................................................................................. 5.4 Ilustrarea teoriei pe cazul numeric concret al aplicaiilor.................................................... Teste de autoevaluare................................................................................................................ Rspunsuri si comentarii la testele de autoevaluare................................................................... Bibliografia unitatii de nvatare 5............................................................................................. Lucrarea de verificare nr. 4 ....................................................................................................... Unitatea de nvatare 6 6. Variabile aleatoare 6.1 Obiectivele unitatii de nvatare 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 .................................................. Teste de autoevaluare................................................................................................................ Rspunsuri si comentarii la testele de autoevaluare................................................................... Bibliografia unitatii de nvatare 6............................................................................................. Lucrarea de verificare nr.5........................................................................................................

Unitatea de nvatare 7 7. Statistica matematica 7.1 Obiectivele unitatii de nvatare 7......................................................................................... 7.2 Elemente de teoria seleciei................................................................................................ 7.3 Elemente de teoria estimaiei............................................................................................. 7.4 Ilustrarea teoriei pe cazul numeric concret al aplicaiilor .................................................. Teste de autoevaluare ............................................................................................................... Rspunsuri si comentarii la testele de autoevaluare................................................................... Bibilografia unitatii de nvatare 7............................................................................................. Lucrarea de verificare nr. 6

Prefata
Lucrarea Matematici aplicate in economie" dezvolt numeroase probleme teoretice i practice, care fac obiectul cursurilor de matematic sau de statistic economic ale studenilor din nvatamantul economic, i n particular ale studenilor nscrii la programul de studiu ID, organizat de facultatea de Finante, Banci si Burse de Valori i face parte din planul de nvatamdnt aferent anului I, semestrul 1. Fiind subordonate programei analitice a disciplinei Matematici aplicate n economie de la Academia de Studii Economice Bucureti, facultatea de Finante, Banci si 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 dobandi dup parcurgerea i asimilarea lui, sunt urmtoarele: -va avea cunotine solide de strict specialitate, dar i de tehnici specifice matematicii aplicate; -va fi n msurd sa construiasc, sa prelucreze i sa valorifice o teorie economical relevant, credibil i inteligibil, numai n condiiile n care stpdnete deopotrivd cunotine n domeniul respectiv, dar i temeinice cunotine de matematici aplicate n economies -va dispune de numeroase soluii pentru eficientizarea marketingului la nivel micro i macroeconomic n vederea practicdrii n condiii de performantd 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 sapte unitati de nvatare (capitole), fiecare dintre acestea cuprinzand cate o lucrare de verificare, pe care studentul o va putea transmite tutorelui su. Pentru ca procesul de instruire al studentului sa se desfasoare ntr-un mod riguros, dar i atractiv, studentul va putea utiliza un set de resurse suplimentare prezentate sub forma bibliografiei de la sfaritul fiecarei unitati de nvatare n format electronic, ce sa va regsi accesand platforma de e-learning. Evaluarea cunotinelor se va realiza sub dou forme: -evaluare continu, pe baza lucrrilor de verificare, regsite la sfdritul fiecdrei unitdti de nvdtare; -evaluare final, realizat prin examenul susinut n perioada de sesiune.

Criteriile de evaluare constau n: 1. Punctajul obinut la cele ase lucrri de verificare menionate; 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 si 2 - cite 0,50 puncte pentru fiecare dintre cele sase lucrari de verificare (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 studentul din anul I, de la programul de studiu ID, facultatea de Finante, Banci si Burse de Valori , sa 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

UNIT ATEA DE INVATARE 1:

Serii numerice Cuprins


1.1 Obiectivele unitatii de nvatare 1 ........................................................................................ 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 convergenta ................................................................

Teste de autoevaluare ............................................................................................................... Rspunsuri si comentarii la testele de autoevaluare ................................................................. Bibliografia unitatii de nvatare 1

1.1 Obiective
Unitate de nvatare 1 conine, o prezentare intr-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 invatare 2. Dup studiul acestei unitati de nvatare, studentul va avea cunosjine 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 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, Bucuresji.

Fie an o serie numeric de termen general an .


n =1

1.2 Definiii si proprietati generale ale seriilor numerice

Definim irul sumelor pariale ( S n ) n 1 , S n = ak . Definiia 1. Seria an este convergent dac irul ( Sn ) n1 este convergent. n acest caz, numrul S = lim S n se numete suma seriei.
n
n =1

k =1

Dac lim S n = sau ( Sn ) n 1 nu are limit, seria an este divergent.


n

n =1

Propoziia 1.
n =1

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

b) Dac seriile an i bn sunt convergente i au sumele S1 i S 2 , atunci seria (a n + bn ) este


n =1 n=1
n =1

convergent i are suma S1 + S 2 .


n =1

Definiia 2. Seria an este absolut convergent dac seria a n este convergent.


n =1

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 lim an 0 , atunci seria an este divergent.


n n =1

Criteriul lui Leibniz.

Fie seria alternat (1) n a n , a n > 0. Dac :


n =1

a) irul (an ) n 1 este descresctor i b) lim an = 0 , atunci seria (1) n an este convergent.
n n =1

Serii clasice

1) Seria geometric q n este convergent q ( 1,1) i are suma S = 1 . 2) Seria armonic generalizat 1 este convergent > 1. n =1 n
n=0

1 q

1.4 Serii cu termeni pozitivi.Criterii de convergenta


Criteriul 1 de comparaie. Fie an i bn serii cu termini pozitivi pentru care exist

n0 N astfel nct a n bn , ()n n0 .


n =1

n =1

n =1

a) Dac bn este convergent, atunci an este convergent.


n =1

b) Dac an este divergent, atunci bn este divergent.


n =1

Criteriul 2 de comparaie. Fie an i bn serii cu termeni


n =1 n =1

n =1

pozitivi pentru care exist n0 N astfel nct a n+1 bn+1 , ()n n0 . a) Dac bn este convergent, atunci an este convergent. b) Dac an este divergent, atunci
n =1

an

bn

n =1

n =1 bn n =1

este divergent.

Criteriul 3 de comparaie. Fie an i bn serii cu termeni pozitivi.


n =1
n =1

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


an = 0 i: b1 ) bn este convergent, atunci an este convergent; n bn n =1 n =1

b2 ) an este divergent, atunci bn este divergent.


n =1 n =1

a c) Dac lim n = i: n bn c1 ) an este convergent, atunci bn este convergent; c 2 ) bn este divergent, atunci an este divergent.
n =1 n =1 n =1 n =1

Corolarul criteriului raportului (d'Alembert).

a Fie an o serie cu termeni pozitivi i l = lim n +1 . n an n =1

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

Corolarul criteriului rdcinii (Cauchy).

Fie an o serie cu termeni pozitivi i l = lim


n =1

na n

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

Corolarul criteriului Raabe-Duhamel.


an . Fie an o serie cu termeni pozitivi i l = lim n 1 n an +1 n =1

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

Corolarul criteriului logaritmic.


1 an Fie an o serie cu termeni pozitivi i l = lim . n ln n n =1

ln

a) Dac l < 1 , atunci an este divergent.


n =1

b) Dac l > 1 , atunci an este convergent


n =1

10

Teste de autoevaluare
I.Sa se afle natura si daca este cazul sa se calculeze suma seriilor 1.

n =1 n + +

n + +1

, > 0. 2.

n =1

ln

n n 3n 1 3. 3 + 8 n +1 3n + 2 + 8n +1 n =1 3

II.Sa se afle natura seriilor


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

n2

1.

n =1 n +

Rspunsuri si comentarii la testele de autoevaluare


1

+ n + +1

, > 0.

Rezolvare: Considerm irul sumelor pariale: n n n k + k + +1 1 = = S n = ak = 1 k =1 k =1 k + + k + + 1 k =1 = 1 + + 2 + 2 + + 3 + ... n + + n + + 1 S n = n = + 1 1 + lim S n = , deci irul ( S n ) n 1 este divergent.
n

Conform definiiei, rezult c seria este divergent.

2.

n =1 n

ln

3n 1 . 3n + 2

Rezolvare:
n 3k 1 = [ln(3k 1) ln(3k + 2)] = k =1 3k + 2 k =1 = ln 2 ln 5 + ln 5 ln 8 + ... + ln(3n 1) ln(3n + 2) = ln 2 ln(3n + 2) lim S n = , prin urmare seria este divergent.

S n = ln

3.

n =1

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

Rezolvare:
3 n 8 n + 1 8 =10 lim a n = lim n + 1 n n 8 3 8 n+1 + 1 8

; conform criteriului suficient de divergen, rezult c seria este

divergent.
11

4.

1 4 7 ... (3n 2)

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

Rezolvare:

Vom folosi corolarul criteriului raportului. Fie an = 1 4 7.....(3n 2) . Avem:


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

prin urmare seria este convergent.


3n 1 5. n =1 3n + 2
n2

Rezolvare:

3n 1 Aplicm corolarul criteriului rdcinii. Fie a n = 3n + 2


n n 3

n2

. Avem:

lim n 3 3n 1 n 3n + 2 = 1 < 1 , lim n a n = lim =e = lim 1 3n + 2 e n n 3n + 2 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.

12

UNITATEA DE NVATARE 2

Serii de puteri Cuprins


2.1 Obiectivele unitatii de nvatare 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 si comentarii la testele de autoevaluare ..................................................................... Bibliografia unitatii de nvatare 2 ............................................................................................... Lucrarea de verificare nr. 1

2.1 Obiectivele unitatii de nvatare 2


Fiind, n strns concordanta 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 Finante, Banci si Burse de Valori noiunile si conceptele prezentate n cadrul acestei unitati de nvatare apar, n mod firesc, intr-o succesiune logic si sunt supuse unor restricii temporale inevitabile, care conduc adeseori la dezvoltri teoretice limitate. Dup studiul acestei unitati de nvatare, studentul va avea cunotine despre: -conceptul de serie de puteri, un alt element de baz al analizei matematice, legat de studiul seriilor numerice, necesar si extrem de util, pentru a putea aborda, inelege si dezvolta diverse probleme ale disciplinelor de specialitate din cadrul Facultatii de Finante, Banci si 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 Finante, Banci si Burse de Valori din Academia de Studii Economice, Bucuresti

13

2.2 Definiia si studiul noiunii de serie de puteri


Fie seria de puteri a n x n , Se numete mulime de convergen a seriei de puteri mulimea format
n =1

din punctele n care seria este convergent: C =

{ xR

n =1

a n x n convergent

}.

Teorema 1 (Teorema lui Abel). Pentru orice serie de puteri a n x n exist R , 0 R , astfel
n =1

nct: 1) seria este absolut convergent pe intervalul ( R, R ) ; 2) seria este divergent pe mulimea ( , R ) (R, ) ; 3) pentru orice r (0, R ) , seria este uniform convergent pe intervalul [ r , r ] . Observaie. R se numete raz de convergen.
Teorema 2 (Cauchy-Hadamard). Fie a n x n o serie de puteri i R raza de convergen a

acesteia. Dac notm


1 , 0 R = , = 0 . 0, =

n =1 n = lim a n , atunci n

Observaie. Se poate calcula i dup formula: = lim

a n +1 an

2.3 Ilustrarea rezultatelor teoretice pe cazul numeric concret al aplicaiilor


1. S se studieze convergena seriei de puteri: ( 1)n
n =1

1 n5
n

xn , x R .

Rezolvare: Calculm raza de convergen. Fie a n = ( 1)n


a n +1 an

1 n 5n

. Avem c:

( 1)n +1
= lim
n

1 ( n + 1) 5 n +1 1 n 5n

= lim

( 1)n

n 1, = lim = n 5( n + 1) 5

deci R =

= 5.

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 r (0,5) , seria este uniform convergent pe [ r , r ] .

14

Studiem natura seriei pentru R = 5 :


Pentru R = 5 , seria de puteri devine: ( 1)n 1 5 n , adic ( 1)n 1 ; n
n =1

n5

n =1

irul u n = 1 este descresctor i are limita zero; rezult, conform criteriului


lui Leibniz, c seria ( 1)n 1 este convergent. n =1

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


n =1 n

1 n 5n

(5) n , adic

n =1

, care este divergent (seria armonic).

n concluzie, seria de puteri este convergent pe mulimea ( 5,5] .


n

2. S se determine mulimea de convergen a seriei de puteri:


2n + 1 n (x 3) , x R . n =1 6n 5

Rezolvare: Notm y = x 3 .
2n + 1 n Determinm mai nti mulimea de convergen a seriei y . n =1 6n 5 n

2n + 1 Calculm raza de convergen. Fie a n = . Avem: 6n 5


2n + 1 a n = lim n n n 6n 5
n n

= lim

1 = 1 , deci R = = 3 .
3

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 r (0,3) , seria este uniform convergent pe [ r , r ] . Studiem natura seriei pentru y = 3 :
2n + 1 6n + 3 n Pentru y = 3 , seria de puteri devine: . 3 , sau n =1 6n 5
n =1 6n 5
n n 4 lim 6 8 8 n 5 6n + 3 = e 3 0 , deci, conform criteriului Fie u n = = e n ; avem: lim u n = lim 1 + 6n 5 n n 6n 5 suficient de divergen, seria este divergent.

2n + 1 n 6n + 3 . n Pentru y = 3 , seria devine: (3) , sau ( 1)


n =1 6n 5

n =1

6n 5

6n + 3 Fie v n = ( 1)n ; deoarece nu exist lim v n , rezult c irul (v n )n 1 este divergent, deci seria 6n 5
n

este divergent. n concluzie, seria de puteri este convergent pentru y ( 3,3) 3 < y < 3 3 < x 3 < 3 0 < x < 6 . Rezult c
2n + 1 n mulimea de convergen a seriei ( x 3) este (0,6) .
n =1 6n 5 n

15

Teste de autoevaluare
1.S se determine mulimea de convergen a seriei de puteri
3 n + ( 4 ) n

n =1

( x + 2 )n

Rspunsuri si comentarii la testele de autoevaluare


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

n n Calculm raza de convergen. Fie a n = 3 + (4) , n 1 .

n +1

= lim

a n +1 an

= lim

+ ( 4 ) n +1

n +1

3 n + ( 4 ) n n

= lim

3 n + 1 + ( 4) n + 1 n = n ( n + 1) 3 n + ( 4) n

n = lim n ( n + 1)

n +1 + 1 (4) n +1 3 4 =4 R= 1 n 4 (4) n 3 + 1 4

( ) ( )

Conform teoremei lui Abel, rezult c:


4 4 1 1 2) seria este divergent pentru y , , ; 4 4 1 3) pentru orice r 0, , seria este uniform convergent pe intervalul [ r , r ] . 4 Studiem natura seriei pentru y = 1 : 4 n n n 1 1 Pentru y = , seria de puteri devine: 3 + (4) , adic 4 n 4 n =1
1 3 1 3 n n 1 . Avem c seria este convergent + ( 1) n n =1n 4 n =1 n 4 n

1 1 1) seria este absolut convergent pentru y , ;

(folosind criteriul raportului) i seria ( 1)n 1 este convergent (folosind criteriul lui Leibniz), prin
n =1

urmare seria este convergent. 3 n + ( 4) n 1 n , adic Pentru y = 1 , seria de puteri devine: ( 1)n 4 n 4
n =1

n =1

1 3 1. + n 4 n
n

Notm

bn = ( 1)n

1 3 , n N * n 4

cn =

n 1 3 1 * , n N * i d n = ( 1)n 1 + , n N . Avem c seria bn este n n 4 n n =1


n =1

convergent (folosind criteriul lui Leibniz). Dac presupunem c seria d n este convergent, deoarece c n = d n bn , ()n N * , rezult c i seria cn este convergent,
n =1

16

contradicie. Prin urmare seria d n este divergent.


n =1

n concluzie, seria

3 n + ( 4) n

n =1

y n este convergent pentru

1 9 7 1 1 1 1 1 y , < y < x + 2 < x . 4 4 4 4 4 4 4 4


9 7 Am obinut c mulimea de convergen a seriei este , . 4 4

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.

Lucrarea de verificare nr. 1


1. Sa se afle natura si sa se calculeze suma seriei 2. Sa se afle natura seriei

1
2

n=2 n

1 n n =1 n + 5

3. Sa se calculeza multimea de convergenta a seriei ( 1)n+1


n =1

(2n 1) 3

xn , x R

17

UNITATEA DE NVATARE 3

Funcii de mai multe variabile reale Cuprins


3.1 Obiectivele unitatii de nvatare 3 3.2 Definiia limitei si continuitatii pentru o funcie de mai multe variabile real 3.3 Definiia derivatelor pariale de ordinul I si 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 3.6 Ilustrarea teoriei pe cazul numeric concret al aplicaiilor Teste de autoevaluare Rspunsuri si comentarii la testele de autoevaluare Bibliografia unitatii de nvatare 3 Lucrarea de verificare nr.2

3.1 Obiective
Economitii, indiferent de domeniul n care lucreaz, au nevoie de cunostine solide de strict specialitate, dar si de tehnici specifice matematicii aplicate, cum ar fi noiunile pe care ni le propunem s le prezentm n cadrul unitatii de nvatare 3. Informaia economic trebuie s fie relevant, credibil, inteligibil - calitati, care sunt asigurate numai atunci cnd economistul care o construieste, o prelucreaz si o valorific, stpneste deopotriv cunostine n domeniul respectiv, dar si temeinice cunotine de matematici aplicate n economie. Dup studiul acestei unitati de nvatare, studentul va avea cunostine despre funciile de 2 si respectiv 3 variabile reale, si 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 si extrem de util, pentru a putea aborda, inelege si dezvolta diverse probleme ale disciplinelor de specialitate din cadrul Facultatii de Finante, Banci si 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 Finante, Banci si Burse de Valori, s obin acumulri de noi cunostinte utile disciplinelor specifice anilor de licenta, de la aceast facultate, n vederea formrii lui ca viitor economist, ce urmeaz s practice munca de economist n condiii de performanta

18

3.2 Definiia limitei si continuitatii pentru o funcie de doua variabile


Definiia 1. Fie f : A R m R o funcie real de m variabile reale. Spunem c lim f ( x) = l dac pentru orice ir ( x n ) n N A, x n x0 i lim x n = x0 avem
x x0
n n

lim f ( xn ) = l .

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

3.3 Definiia derivatelor pariale de ordinul I i II pentru o funcie de doua variabile Definiia 3. Fie f : A R 2 R i (a, b) A . Spunem c funcia f este derivabil parial n raport cu x n punctul (a, b) A dac f ( x, b ) f ( a , b ) exist i este finit. lim xa xa
' (a, b) sau f (a, b) . Vom nota aceast limit cu f x

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

3.4 Definiia difereniabilitatii pentru o funcie de mai multe variabile


.
Definiia 4. Fie f : A R 2 R o funcie difereniabil n punctul (a, b) interior lui A .

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

Se numete difereniala de ordinul n a funciei f n punctul


( n)

(a, b) funcia: d n f ( x, y; a, b) = dx + dy y x

f ( a, b) .

Observaie. Toate definiiile valabile pentru funcii de dou variabile f : A R 2 R se pot extinde pentru cazul funciilor de n variabile, f : A R n R , n N , n 3 .

19

3.5 Extremele locale ale funciilor de mai multe variabile reale


Definiia 1. Funcia f : A R n R admite un maxim local (minim local) n punctul a = (a1 , a 2 ,..., a n ) A dac exist o vecintate V a punctului a astfel nct oricare ar fi

x = ( x1 , x 2 ,..., x n ) V A are loc inegalitatea f ( x) f (a ) (respectiv f ( x) f (a ) ). 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 f : A R n R . Punctul a = (a1 , a 2 ,..., a n ) int A este punct staionar pentru funcia f dac f este difereniabil n a i difereniala df ( x ; a ) = 0 . Observaie. Dac punctul a = (a1 , a 2 ,..., a n ) int A este punct staionar, df ( x; a) = 0
' implic f x (a ) = 0, k = 1, n . k

Propoziie. Dac funcia f : A R n R admite un extrem local n punctul


' a = (a1 , a 2 ,..., a n ) A i exist f x ntr-o vecintate a punctului a , k = 1, n , atunci k ' fx (a ) = 0, k = 1, n k

Teorema 1. Fie f : A R 2 R i (a, b ) int A un punct staionar pentru f . Presupunem c f admite derivate pariale de ordinul doi, continue pe o vecintate V a punctului (a, b ) .
'' Considerm expresia (a, b ) = f xy (a, b ) f x' ' (a, b ) f y' ' (a, b ) . Atunci:
2 2

1. Dac ( a , b ) < 0 , atunci (a, b) este punct de extrem local, i anume:


' '2 - punct de minim local, dac f x ( a, b ) > 0 ;

- punct de maxim local, dac f x' '2 ( a , b ) < 0 . 2. Dac ( a , b ) > 0 , atunci (a, b ) este punct a.
Teorema 2. Fie f : A R n R . Presupunem c punctul a A 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 d 2 f ( x ; a ) < 0 , pentru orice x V A , atunci a este punct de maxim local; 2) dac d 2 f ( x ; a ) > 0 , pentru orice x V A , atunci a este punct de minim local; 3) dac d 2 f (x ; a ) este nedefinit, atunci a este punct a.

20

Algoritm de determinare a punctelor de extrem local pentru f : A R n R 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: ' fx (x1 , x 2 ,..., x n ) = 0
1 ' f x2 (x1 , x 2 ,..., x n ) = 0 ..................................... ' f xn ( x1 , x 2 ,..., x n ) = 0

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 P(a1 , a 2 ,..., a n ) calculm matricea hessian:
'' f ''2 (a1,.., an ) (a1,.., an ) . . . . . . . . f x''1 xn (a1,.., an ) fx x1 1 x2 '' ''2 '' f x2 x1 (a1,.., an ) f x (a1,.., an ) . . . . . . . . . f x2 xn (a1,.., an ) 2 H (a1, a2 ,..., an ) = . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . '' fx (a ,.., an ) f x''n x2 (a1,.., an ) . . . . . . . . . f x''n2 (a1,.., an ) n x1 1

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

Discuie. Dac toi minorii i > 0 , atunci P (a1 , a 2 ,..., a n ) punct de minim local. Dac minorii i alterneaz ca semn, ncepnd cu minus, atunci P(a1 , a 2 ,..., a n ) este punct de maxim local. Orice alt combinaie de semne, cu i 0 , implic P(a1 , a 2 ,..., a n ) punct a. Metoda II. (aplicabil numai funciilor de dou variabile) Pentru fiecare punct staionar P(a, b ) calculm expresia:
'' (a, b ) f x' '2 (a, b ) f y' '2 (a, b ) . (a, b ) = f xy 1. Dac (a , b ) < 0 , atunci (a, b ) este punct de extrem local, i anume:
''2 - punct de minim local, dac f x (a, b ) > 0 ;

- punct de maxim local, dac f x'' (a, b) < 0 . 2. Dac (a , b ) > 0 , atunci (a, b ) este punct a.
2

21

Observaia 1. n cazul funciilor de dou variabile, se observ c (a, b ) = 2 . Prin urmare, dac aplicnd metoda 1 obinem c 2 < 0 , atunci (a, b ) > 0 , deci, indiferent de valoarea minorului 1 , rezult c (a, b ) este punct a. Metoda III. Se calculeaz difereniala de ordinul al doilea a funciei n punctul staionar a = (a1 , a 2 ,..., a n ) 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.
3.7 Ilustrarea teoriei pe cazul numeric concret al aplicaiilor 1. S se determine punctele de extrem local ale funciei:

f : R 2 R, f ( x, y) = 2 x 2 + y 3 6 xy + 1.
Rezolvare:
' fx ( x, y ) = 0 Etapa 1. Determinm punctele staionare, care sunt soluiile sistemului: .

f y ( x, y ) = 0

'

Avem c:

' fx ( x, y ) = 4 x 6 y ' fy ( x, y ) = 3 y 2 6 x

, prin urmare rezult sistemul:

x = 3 y 4 x 6 y = 0 2 x 3 y = 0 2 . 2 2 2 3 y 6 x = 0 y 2x = 0 y 3y = 0

Din a doua ecuaie obinem: y1 = 0, y 2 = 3 , de unde, prin nlocuire n prima relaie, rezult x1 = 0, x 2 = 9 , soluiile sistemului sunt:
2

9 Am obinut punctele staionare: P 1 (0, 0 ), P2 , 3 .

x2 = x1 = 0 ; . y = 3 y1 = 0 2
9 2

(2 )

22

Etapa 2. Stabilim care dintre punctele staionare sunt puncte de extrem local. Scriem matricea hessian:
H ( x, y ) =
'' ( x, y x2 '' ( x, y yx

f f

) )

f f

'' ( x, y ) xy '' ( x, y ) y2

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


'' f xy ' x ' y ' y '' yx

' '2 fy

[ ] (x, y ) = [ f (x, y )] = [4 x 6 y ] = 6 = f (x, y ) ; (x, y ) = [ f (x, y )] = [3 y 6 x ] = 6 y , deci


' y ' y 2 ' y

4 H ( x, y ) = 6

6 . Avem: 6y

4 6 4 6 H (0, 0) = 1 = 4 > 0, 2 = = 36 < 0 , 6 0 6 0 prin urmare P1 (0, 0) este punct a.

4 = , 3 H 9 6 2

( )

prin urmare P2 9 , 3 este punct de minim local.


2. S se determine punctele de extrem local ale funciei:

(2 )

6 4 6 1 = 4 > 0, 2 = = 36 > 0 , 18 6 18

f : R 2 R, f ( x, y) = 6 x 2 y + 2 y 3 45x 51y + 7 .
Rezolvare:
' fx ( x, y ) = 0 Etapa 1. Determinm punctele staionare, care sunt soluiile sistemului: .

f y ( x, y ) = 0

'

Avem c: ' ( x, y ) = 12 xy 45 fx
' fy ( x, y ) = 6 x 2 + 6 y 2 51

, prin urmare obinem sistemul:

xy = 15 12 xy 45 = 0 4 . 2 2 2 2 17 + = 6 x 6 y 51 0 x +y = 2

P = 15 15 P = 4 4 Notm x + y = S , xy = P S 2 2 P = 17 S = 4 2

23

Pentru S = 4, P = 15 t 2 4t + 15 = 0 t1 = 3 , t 2 = 5 ,
4 4 2 2

x1 = deci

3 2 y =5 1 2

x2 = sau

5 2. y =3 2 2

2 Pentru S = 4, P = 15 t + 4t + 15 = 0 t1 = 3 , t 2 = 5 , 4 4 2 2

x3 = 3 2 deci y =5 2 3

x4 = 5 2. sau y =3 2 4

3 5 5 3 3 5 5 3 Am obinut punctele staionare: P 1 2 , 2 , P2 2 , 2 , P3 2 , 2 , P4 2 , 2 .

( ) ( ) (

) (

Etapa 2. Stabilim care dintre punctele staionare sunt puncte de extrem local. Metoda I. Scriem matricea hessian:
H ( x, y ) =
'' ( x, y x2 '' ( x, y yx

f f

) )

f f

'' ( x, y ) xy '' ( x, y ) y2

' '2 '' '' (x, y ) = f x' (x, y ) 'x = 12 y ; f xy (x, y ) = f x' (x, y ) 'y = 12x = f yx ( x, y ) ; Avem: f x

12 y 12 x H ( x, y ) = . 12 x 12 y 30 18 30 18 3 5 H 3 , 5 = 1 2 , 2 este 18 30 1 = 30 > 0, 2 = 18 30 = 576 > 0 , prin urmare P 2 2 punct de minim local.


' '2 (x, y ) = f y' (x, y ) 'y = 12 y , deci fy

( )

( )

18 30 18 30 P 5, 3 H 5, 3 = 30 18 1 = 18 > 0, 2 = 30 18 = 576 < 0 , prin urmare 2 2 2 este 2 2

( )
(

( )

punct a.

30 18 30 18 5 = , 30 0 , = 576 > 0 , = < = H3 1 2 18 30 2 2 18 30

prin urmare P3 3 , 5 este punct de maxim local.


18 30 18 30 H 5 , 3 = 30 18 1 = 18 < 0, 2 = 30 18 = 576 < 0 , 2 2 3 5 prin urmare P 1 2 , 2 este punct a.

( )

24

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

Rspunsuri si comentarii la testele de autoevaluare


Etapa 1. Determinm punctele staionare. Avem c:
x . ' 14 f y ( x, y ) = 2 y + 3 x y ' fx ( x, y ) = 2 x + 3 y 8

Rezolvm sistemul:
2 2 x + 3xy = 8 (1) . 2 2 y + 3xy = 14 (2)

f ' ( x, y ) = 0 x ' f y ( x, y ) = 0

Am obinut un sistem omogen. nmulim prima ecuaie cu 7, pe cea de-a doua cu ( 4 ) i adunm relaiile obinute; rezult: x 14 x 2 + 9 xy 8 y 2 = 0 . mprim aceast ecuaie prin y 2 y 2 0 i notm = t . Obinem:

2 x + 3 y 8 = 0 x 14 2 y + 3x = 0 y

14t

+ 9t 8 = 0 t1 = 8 ,t 7 2

. Rdcina negativ nu convine, =1 2


x y

deoarece x > 0 i y > 0 , prin urmare avem t =

= 1 y = 2x .
2

nlocuind y = 2 x n (1) , rezult x = 1 . Cum x > 0 , rezult c singura valoare care se accept este x = 1 , de unde obinem y = 2 . Am obinut un singur punct staionar: P(1, 2 ) . Etapa 2. Stabilim dac punctul staionar este punct de extrem local.
'' ' ' '' '' (x, y ) = f x' (x, y ) 'y = 3 = f yx (x, y ) ; Avem: f x 2 ( x, y ) = f x ( x, y ) x = 2 + 82 ; f xy x

'' 2 (x, y ) = f y' (x, y ) 'y = 2 + 14 fy , deci matricea hessian este: y2


'' 2 + 82 3 ( x, y ) f xy x . = 14 '' '' 2 3 2 + f yx ( x, y ) f y ( x, y ) y2 10 3 10 3 = 10 > 0, = , prin urmare P(1, 2 ) este Avem c H (1, 2 ) = 1 2 11 = 46 > 0 3 11 3 2 2

H ( x, y ) =

''2 ( x, y ) fx

punct de minim local.

25

Bibliografia unitatii de nvatare 3


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.

Lucrarea de verificare nr. 2


1. S se calculeze derivatele pariale de ordinul nti i doi ale funciei f : R 2 R, f ( x, y ) = kx y ; k , , R. 2. Sa se afle punctele de extreme alr functiei f : R 2 R, f ( x, y ) = xy x 2 + y 2 4 3. Sa se afle punctele de extreme ale functiei f ( x, y, z ) = x 4 + y 3 + z 2 + 4 xz 3 y + 2

26

UNITATEA DE NVATARE 4 Calcul integral

Cuprins
4.1 Obiectivele unitatii de nvatare 4.2 Definiii si proprietati ale integralelor euleriene................................................................. 4.3 Ilustrarea teoriei pe cazul numeric concret al aplicaiilor .................................................. Teste de autoevaluare ............................................................................................................... Rspunsuri si comentarii la testele de autoevaluare .................................................................. Bibliografia unitatii de nvatare 4............................................................................................. Lucrarea de verificare nr. 3

4.1 Obiectivele unitatii de nvatare

Unitatea de nvatare 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, si din acest motiv considerm c unitatea de nvatare 5 isi justific pe deplin tangena cu domeniul economic. Dup studiul acestei unitati de nvatare, 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 Finante, Banci si 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 Finante, Banci si Burse de Valori, anul I, ID.

27

4.2 Definiii i proprietati ale integralelor euleriene

Integrala gamma:

(a ) = x a 1e x dx; a > 0 .
0

Proprieti: 1) (1) = 1 . 2) (a ) = (a 1)(a 1), ()a > 1 . 3) (n ) = (n 1)!, ()n N . 1 4) = . 2


Integrala beta: (a, b ) = x a 1 (1 x )b1 dx; a > 0, b > 0
0 1

Proprieti: 1) (a, b ) = (b, a ), a, b > 0 (a )(b ) 2) (a, b ) = , a, b > 0 . (a + b ) 2) (a, b ) =

x a 1

a +b 0 (1 + x )

dx . sin (a )

3) Dac a + b = 1 , atunci (a, b) =

28

4.3 Ilustrarea teoriei pe cazul numeric concret al aplicaiilor


Sa se calculeze integralele
1. I = x 5 e 2 x dx .
0 +

Rezolvare: Folosim schimbarea de variabil 2 x = t x = 1 t dx = 1 dt .


x t
0 0

t 5! 15 1 1 5 t 1 Obinem: I = e t dt = t e dt = (6 ) = = . 6 6 6 2 2 8 2 2 2 0 0

2. I = e x dx (integrala Euler-Poisson).
2

Rezolvare:
1 1 Folosim schimbarea de variabil: x 2 = t x = t 2 dx = 1 t 2 dt .

x t

0 0

1 1 1 t 2 e t dt = 1 1 = . 2 I = e t 1 t dt = 2 2 2 2 2 0 0

3. I = x 8 1 x 3 dx .
0

Rezolvare:
1 2 Facem schimbarea de variabil x 3 = t x = t 3 dx = 1 t 3 dt .

x t

0 0

1 1

I=

1 2 1 t8 3 ( 1 t )t 3 dt 3 0

1 1 t 2 (1 t )dt 3 0

1 (3)(2) 1 = 1 (3,2) = = 3 (5) 3 12

Teste de autoevaluare
S se calculeze urmtoarele integrale:
1. I = 2. I =
+ 1 1

x + 1 e x 1dx .

dx x 2 (1 x )

03

29

Rspunsuri si comentarii la testele de autoevaluare


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

0 rezult a 1 = 1 a = 3 , prin urmare I = 3 = 1 1 = 1 2 2 2 2 2 2

()

()

x 2 (1 x ) 0 integralei beta, obinem: a 1 = 2 a = 1 ; b 1 = 1 b = 2 , prin urmare, avnd n vedere definiia i


03

2. I =

dx

= x 3 (1 x ) 3 dx . Prin identificare cu formula de definiie a


2 1

2 proprietatea 3 pentru integrala beta, rezult: I = 1 , 2 = = . 3 3 3 sin


3

( )

Bibliografia unitatii de nvatare 4


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

Lucrarea de verificare nr. 3


S se calculeze integralele
1.

0
0

x x 2 dx

2. x 6 e 3 x dx

30

UNITATEA DE NVATARE 5

Formule probabilistice n care apar operatii cu evenimente Cuprins


5.1 Obiectivele unitatii de nvatare 5 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 .................................................... Teste de autoevaluare ............................................................................................................... Rspunsuri si comentarii la testele de autoevaluare .................................................................. Bibliografia unitatii de nvatare 5 ............................................................................................ Lucrarea de verificare nr. 4

5.1 Obiectivele unitatii de nvatare 5


Teoria probabilitatilor debuteaz cu unitatea de nvatare 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.

31

5.2 Evenimente , operatii cu evenimente


Definiia 1. Se numete eveniment orice rezultat al unei experiene. Se numete eveniment sigur (notat ) evenimentul care se realizeaz cu certitudine ntr-o experien. Se numete eveniment imposibil (notat ) evenimentul care nu se realizeaz niciodat ntr-o experien. Definiia 2. Considerm dou evenimente A , B . Definim: A B ( A sau B ) evenimentul ce const n realizarea a cel puin unuia dintre evenimentele A , B . A B ( A i B ) evenimentul ce const n realizarea simultan a evenimentelor A , B . A (non A ) evenimentul ce const n nerealizarea evenimentului A . A \ B evenimentul ce const n realizarea evenimentului A i nerealizarea evenimentului B . Spunem c A B (" A implic B ") dac realizarea lui A are ca efect realizarea lui B . Definiia 3. Un eveniment A este eveniment elementar dac din B A rezult B = sau B = A . Observaia 1. Dac asociem evenimentului sigur ataat unei experiene o mulime , atunci se poate realiza o coresponden ntre mulimea evenimentelor ataate acelei experiene i mulimea prilor lui i o coresponden ntre operaiile cu evenimente i operaiile cu mulimi.. Observaia 2. Dac 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: A B = . n caz contrar, ele sunt evenimente compatibile. Fie evenimentul sigur ataat unei experiene i P () mulimea prilor lui . Definiia 5. O familie nevid K P() se numete corp de pri dac verific

axiomele: i) A K A K ; ii) A, B K A B K . Observaie. Dac nlocuim condiia ii) prin ii)' ( An )n N K U An K , se obine noiunea de corp borelian.
Definiia 6. Se numete cmp (cmp borelian) de evenimente evenimentul sigur nzestrat cu un corp (corp borelian) K de evenimente.
n N

Vom nota acest cmp de evenimente (, K )

32

5.3 Formule de calcul practic pentru probabilitati


Definiia 1. (definiia clasic a probabilitii) Se numete probabilitate a evenimentului A i se noteaz P( A) raportul dintre numrul de rezultate favorabile producerii evenimentului A ( nfav ) i numrul total de rezultate ale experimentului, considerate egal posibile ( n pos ): P ( A) = n fav .
n pos

Definiia 2. (definiia axiomatic a probabilitii) Considerm un cmp de evenimente (, K ) . Se numete probabilitate pe cmpul de evenimente (, K ) o funcie de mulime P : K R+ , care verific axiomele: 1) A K P( A) 0 ; 2) P() = 1 ; 3) A, B K , A B = P( A B) = P( A) + P( B) . Definiia 3. Un cmp de evenimente (, K ) nzestrat cu o probabilitate P se numete cmp de probabilitate i se noteaz (, K , P ) . Propoziia 1. (Proprieti ale funciei probabilitate) 1) P ( A) = 1 P( A), A K . 2) P ( B \ A) = P( B) P( A B), A, B K . 3) P() = 0 . 4) 0 P( A) 1, A K .
n 1 5) P U Ai = P( Ai ) P ( Ai A j ) + P ( Ai A j Ak ) ..... + (1) P I Ai i =1 1 i < j n 1i < j < k n
n n n

i =1

i =1

(formula lui Poincar). Observaia 1. Dac evenimentele A1 , A2 ,..., An sunt incompatibile dou cte dou, atunci

n n A formula 5) devine: 5') P U i = P ( Ai ) . i =1 i =1 Observaia 2. n cazul n = 2 , formula lui Poincar devine: A B = ( A, B incompatibile) P( A) + P( B), P( A B) = P( A) + P( B) P( A B), A B ( A, B compatibile) n n 6) P I Ai P( Ai ) (n 1) (inegalitatea lui Boole). i =1 i =1 Definiia 4. Fie (, K , P ) un cmp de probabilitate i A K , a.. P( A) > 0 . Se numete probabilitate condiionat de evenimentul A a evenimentului B expresia: P( A B) P ( B / A) = , P( B) > 0 . P( B) Definiia 5. Spunem c evenimentele A i B sunt independente dac P ( A B) = P( A) P( B) .

33

Definiia 6. Spunem c evenimentele A1 , A2 ,..., An sunt independente n totalitate dac P ( Ai1 Ai 2 .... Ai k ) = P( Ai1 ) P( Ai 2 ) .... P( Ai k ) ,
k = 1, n, 1 i1 < i2 < ... < ik n .
Propoziia 2. Fie A1 , A2 ,..., An o familie finit de evenimente astfel nct P ; I Ai 0
n

i =1

atunci P I Ai = P ( A1 ) P ( A2 / A1 ) P ( A3 / A1 A2 ) .... P ( An / A1 A2 ... An 1 ) .


i =1

Observaie. Dac A1 , A2 ,..., An este o familie finit de evenimente independente n

totalitate, atunci: P I Ai = P( A1 ) P( A2 ) P( A3 ) .... P( An ) .


i =1
P ( A) P ( B ), Observaie. P ( A B ) = P ( A) P ( B / A), pentru A, B evenimente independen te . pentru A, B evenimente dependente

Propoziia 3. (Formula probabilitii totale) Fie ( A1 , A2 ,..., An ) un sistem complet de

evenimente (adic Ai A j = , i j; i, j = 1, n i U Ai = ) i X K , cu
i =1

P( X ) 0 . Atunci P ( X ) = P( Ai ) P( X / Ai ) .
i =1

Propoziia 4. (Formula lui Bayes) Fie ( A1 , A2 ,..., An ) un sistem complet de evenimente P( Ai ) P( X / Ai ) sau i X K , cu P( X ) 0 . Atunci P ( Ai / X ) = n P( Ai ) P( X / Ai )
i =1

P ( Ai / X ) =

P( Ai ) P( X / Ai ) . P( X )

34

5.3 Scheme probabilistice clasice


I. Schema lui Poisson Se consider n urne, fiecare urn U i , i = 1, n , coninnd bile albe i bile negre. Se cunosc probabilitile evenimentelor ca, fcnd la ntmplare o extragere din urna U i , i = 1, n , s obinem o bil alb, respectiv o bil neagr, probabiliti notate pi , respectiv qi ( pi + qi = 1 ). Se extrage cte o bil din fiecare urn. Probabilitatea ca, din cele n bile extrase, k s fie albe i n k s fie negre, notat

P (n : k , n k ) , este: P (n : k , n k ) = coeficientul lui t k din polinomul Q(t ) , unde Q(t ) = ( p1t + q1 )( p 2 t + q 2 )......( p n t + q n ) .
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 p (0,1) ca extrgnd la ntmplare o bil din urn, aceasta s fie alb ( q = 1 p 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 n k s fie

negre, notat P(n : k , n k ) , este:

k k nk P (n : k , n k ) = C n p q .

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",

i = 1, m , probabiliti notate p1 , p 2 ,....., p m , cu pi (0,1),

p
i =1

= 1.

Se fac n extrageri succesive din urn, cu revenire. Probabilitatea P(n : n1 , n2 ,...., nm ) ca din cele n bile extrase n1 s fie de culoarea "1", n2 s fie de culoarea "2"," nm " de culoarea "m", este:
P (n : n1 , n2 ,...., nm ) = n! n n nm . p 1 p 2 2 ....... p m n1! n2 ! ........ nm ! 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 p, q > 0, p + q = 1 .

35

III. Schema bilei nerevenite cu dou stri (schema hipergeometric) Se consider o urn care conine N bile, dintre care N1 bile albe i N 2 bile negre. Se fac n extrageri succesive din urn, fr revenire. Probabilitatea ca din cele n bile extrase k s fie albe i n k s fie negre, notat P (n : k , n k ) , este:
P(n : k , n k ) =
k nk CN CN 1 2 n CN

Generalizare: Schema bilei nerevenite cu "m" stri Se consider o urn ce conine N bile de " m " culori, dintre care N1 bile de culoarea " 1 ", N 2 bile de culoarea " 2 ",.., N m bile de culoarea " m ". Se fac n extrageri succesive din urn, fr revenire. Probabilitatea P(n : n1 , n2 ,...., nm ) ca din cele n bile extrase n1 s fie de culoarea " 1 ", n2 de culoarea " 2 "," nm " de culoarea " m ", este:
P ( n : n 1 , n 2 ,...., n m ) = C N1 C N 2 ......... C N m
1 2

n CN

5.4 Ilustrarea teoriei pe cazul numeric concret al aplicaiilor


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 A1 - evenimentul ca la prima extragere s obinem o bil alb; A2 - evenimentul ca la a doua extragere s obinem o bil alb; N 1 - evenimentul ca la prima extragere s obinem o bil neagr; N 2 - 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 A1 N 2 i N1 A2 sunt incompatibile, rezult c P ( X ) = P (( A1 N 2 ) ( N 1 A2 )) = P ( A1 N 2 ) + P ( N 1 A2 ) .

a) Dac extragerile sunt cu revenire, atunci evenimentele A1 i N 2 , respectiv N1 i A2 sunt independente, prin urmare:
P ( X ) = P ( A1 ) P ( N 2 ) + P ( A2 ) P ( N1 ) = 10 15 10 15 + = 0,48 . 25 25 25 25

36

b) Dac extragerile sunt fr revenire, atunci evenimentele A1 i N 2 , respectiv N1 i A2 sunt dependente, deci P ( X ) = P ( A1 ) P ( N 2 / A1 ) + P ( N1 ) P ( A2 / N1 ) . P ( N 2 / A1 ) reprezint probabilitatea de a obine o bil neagr la a doua extragere, tiind c la prima extragere s-a obinut o bil alb, deci nr de bile negre 15 P( N 2 / A1 ) = = . nr de bile ramase in urna 24 P ( A2 / N1 ) reprezint probabilitatea de a obine o bil alb la a doua extragere, tiind c la prima extragere s-a obinut o bil neagr, deci nr. de bile albe 15 P( A2 / N1 ) = = . nr de bile ramase in urna 24 10 15 15 10 Obinem c P( X ) = + = 0,5 . 25 24 25 24 2. Un magazin primete ntr-o zi 10 produse de acelai tip, dintre care 5 provin de la furnizorul F1 , 3 provin de la furnizorul F2 i restul de la furnizorul F3 . Care este probabilitatea ca din 4 produse vndute: a ) dou s provin de la F2 i cte unul de la ceilali furnizori? b) toate s provin de la acelai furnizor? c) unul singur s provin de la F3 ? Rezolvare: a ) Problema poate fi modelat cu ajutorul unei urne coninnd bile de trei culori, din care se fac extrageri fr revenire.
5 F1

10 produse

3 F2 2 F3

se extrag fr revenire

1 F1 4 2 F2 1 F3

Aplicnd schema urnei cu bila nerevenit, obinem:


C1 C 2 C1 P(4 : 1, 2,1) = 5 3 2 = 1 = 0,142857 . 4 7 C10

b) Fie B evenimentul ca toate produsele s provin de la acelai furnizor; acesta se realizeaz numai atunci cnd toate produsele provin de la F1 , prin urmare
P ( B ) = P (4 : 4, 0, 0) =
4 0 0 C5 C3 C2 4 C10

= 1 = 0,0238 .
42

c) Fie C evenimentul ca c) un singur produs s provin de la F3 . 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 F1 sau F2 , iar bilele negre sunt produsele care provin de la F3 . Obinem:
C 3 C1 2 P (C ) = P(4 : 3,1) = 8 = 8 = 0,53333 . 4 15 C10

37

Teste de autoevaluare
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.

Rspunsuri si comentarii la testele de autoevaluare


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.
20 pot fi rezolvate perfect se extrag fr revenire 5 pot fi rezolvate perfect 5 0 nu pot fi rezolvate perfect

30 subiecte
10 nu pot fi rezolvate perfect
5 0 C10 C 20 5 C30

P (5 : 5, 0) =

= 0,027198 .

b) Se cere probabilitatea ca din cele 5 subiecte extrase, exact 3 s fie rezolvate perfect:
P (5 : 3, 2) =
3 2 C 20 C10 5 C30

= 0,35998 .

c) Fie C evenimentul ca studentul s nu promoveze examenul, adic s rezolve perfect 0, 1 sau 2 subiecte:
P(C ) = P(5 : k , 5 k ) =
k =0 2 0 5 C10 C 20 C1 C 4 C2 C3 + 20 10 + 20 10 = 0,27283 . 5 5 5 C 30 C 30 C 30

38

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: P ( A B) = P( A) P( B) = 0,8 0,7 = 0,56 .
P ( A B ) ( A B ) = P ( A B ) + P ( A B ) = P ( A) P ( B ) + P ( A) P ( B ) = = 0,8 0,3 + 0,2 0,7 = 0,38 .

b) Probabilitatea ca exact un student s promoveze examenul este:

c) Probabilitatea ca cel puin un student s promoveze se scrie: P( A B) = P( A) + P( B) P( A B) = P( A) + P( B) P( A) P ( B) = 0,8 + 0,7 0,8 0,7 = 0,94 .
P A B = P( A) P B = 0,8 0,3 = 0,24 , avnd n vedere independena celor dou evenimente, sau P A B = P( A \ B ) = P( A) P( A B) = 0,8 0,56 = 0,24

( (

d ) Probabilitatea ca numai primul student s promoveze se poate calcula astfel:

) )

()

Bibliografia unitatii de nvatare 5


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. I. Purcaru , Matematici generale si elemente de optimizare, Editura Economic, Bucureti, 1997.

Lucrarea de verificare nr. 4


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 .

39

UNITATEA DE NVATARE 6

Variabile aleatoare Cuprins


6.1 Obiectivele unitatii de nvatare 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................................................... Teste de autoevaluare ............................................................................................................... Rspunsuri si comentarii la testele de autoevaluare .................................................................. Bibliografia unitatii de nvatare 6 ............................................................................................ Lucrarea de verificare nr.5

6.1 Obiective
Unitatea de nvatare 6 continu incursiunea n teoria probabilitatilor, prezentnd variabilele aleatoare. Impreun cu noiunile importante asociate lor, precum caracteristicile numerice corespunztoare acestora, ce sunt de un real folos pentru practica economic, pentru studiu si cercetare, pentru realizarea performanei n viitoarea munc de economist si eficientizarea activitatii l la nivel micro si macroeconomic. Dup studiul acestei unitati de nvatare, studentul va avea cunostine despre: -noiunile de variabile aleatoare existente si 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 si 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 Finante, Banci si Burse de Valori din Academia de Studii Economice Bucureti.

40

6.2 Variabile aleatoare unidimensionale


Definiia 1. Fie (, K , P ) un cmp de probabilitate. O aplicaie X : R se numete variabil aleatoare dac pentru orice x R avem: { X ( ) < x} K . Definiia 2. Spunem c variabila aleatoare X : R este: a) discret, dac mulimea valorilor variabilei aleatoare (adic 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:
xi X : p i , i I

pi = P ( X = xi ), i I , pi = 1 ,
i I

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

b) F este nedescresctoare adic x1 , x 2 R, x1 < x 2 F ( x1 ) F ( x 2 ) ; c) F este continu la stnga, adic x R F ( x 0) = F ( x ) . Propoziia 2. Dac funcia F : R R satisface condiiile a) , b) , c) din propoziia precedent, atunci exist un un cmp de probabilitate (, K , P ) i o variabil aleatoare X : R a crei funcie de repartiie este F . Definiia 4. Fie X : R o variabil aleatoare continu i I = X () . Dac funcia de repartiie F a variabilei aleatoare X este derivabil, cu derivata continu, pe I , atunci
funcia f ( x) =
F ' ( x), x I se numete densitatea de repartiie (densitatea de 0 , xI probabilitate) a variabilei aleatoare X .

Propoziia 3. Densitatea de repartiie f : R R a unei variabile aleatoare continue

verific proprietile: a ) f ( x ) 0, x R ; b) f ( x)dx = 1 .

Propoziia 4. Dac funcia f : R R satisface condiiile a ) , b) din propoziia precedent, atunci exist un un cmp de probabilitate (, K , P ) i o variabil aleatoare X : R a crei densitate de probabilitate este f . Observaii. Fie X : R o variabil aleatoare continu, avnd densitatea de repartiie f i funcia de repartiie F . Atunci:

41

1) Deoarece F este o primitiv pe R a funciei f , rezult F ( x) = f (t )dt , x R .

2) P ( X < a ) = P ( X a ) = F ( a ) = f ( x ) dx ;
P( X > b) = P( X b) = 1 F (b) = f ( x) dx ;
b

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


a

Definiia 5. Variabilele aleatoare X i , i = 1, n, n 2 sunt independente dac evenimentele Ai = { X i ( ) < xi } sunt independente, xi R, i = 1, n .
xi Observaie. Fie X : p i iI y , Y : variabile aleatoare discrete. Atunci X , Y j qj jJ

independente dac P( X = xi , Y = y j ) = P( X = xi ) P(Y = y j ), i I , j J


Propoziia 5. Dac X : R , Y : R sunt variabile aleatoare i
k N * , atunci c X , X + c , X , X k ,
1 X

c R , a R, a > 0 ,

(dac X nu ia valoarea 0),

aX

X +Y

, X Y sunt

variabile aleatoare.
xi Observaie. Dac X : i Y : j p qj i i I
y sunt variabile aleatoare discrete, atunci jJ

cxi repartiiile operaiilor cu variabile aleatoare definite mai sus sunt: c X : p i


xi + c X +c: p i iI

, iI
, iI

xi X : p i

, k X iI

xk : i p i

1 , 1 : xi , x i 0, i = 1, n , a X iI X p i iI

a xi : p i

xi + y j X +Y : pij

x y iI , X Y : i j p ij jJ

iI , jJ

unde pij = P( X = xi , Y = y j ), i I , j J .

Definiia 6. Se numete media (valoarea medie) variabilei aleatoare X numrul (dac exist): M ( X ) = xi pi , dac X este o variabil aleatoare discret;

M ( X ) = x f ( x)dx , dac X este o variabil aleatoare continu.


Propoziia 6. Dac X : R , Y : R sunt variabile aleatoare i a R , rezult: a) M (a ) = a ; b) M (aX ) = aM ( X ) ; c) M ( X + Y ) = M ( X ) + M (Y ) ; d ) dac variabilele aleatoare X , Y sunt independente, atunci M ( X Y ) = M ( X ) M (Y ) .

i I

42

Definiia 7. Se numete dispersia variabilei aleatoare X numrul (dac exist):

D 2 ( X ) = M ( X M ( X ) )2 . Propoziia 7. Dac X : R , Y : R sunt variabile aleatoare i a R , rezult: a) D 2 ( X ) 0 ; b) D 2 ( X ) = M ( X 2 ) M 2 ( X ) ; c) D 2 (a) = 0 ;

d ) D 2 (aX ) = a 2 D 2 ( X ) ;
e) dac X , Y sunt independente, atunci D 2 ( X + Y ) = D 2 ( X ) + D 2 (Y ) . Definiia 8. Se numete abaterea medie ptratic (abaterea standard) a variabilei aleatoare X numrul (dac exist): ( X ) = D( X ) = D 2 ( X ) . Definiia 9. Se numete moment iniial de ordin r al variabilei aleatoare X numrul (dac exist): mr = M r ( X ) = M ( X r ) .
Observaie. mr = xir pi , dac X este o variabil aleatoare discret;
i I

mr = x r f ( x)dx , dac X este o variabil aleatoare continu.

Definiia 10. Se numete moment centrat de ordin r al variabilei aleatoare X numrul (dac exist): r = M r ( X M ( X ) ) = M ( X M ( X ) )r .

Observaie. mr = ( xi M ( X )) r pi , dac X este o variabil aleatoare discret;


iI

m r = ( x M ( X )) r f ( x)dx , dac

X este o variabil aleatoare continu.

Definiia 15. Fie (, K , P ) un cmp de probabilitate i X : R o variabil aleatoare. Se numete funcia caracteristic a variabilei aleatoare X aplicaia : R C , (t ) = M e itX .

( )
k I itx

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

(t ) = e

f ( x) dx , dac X este o variabil aleatoare continu.

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

( )

43

6.3 Variabile aleatoare bidimensionale


Definiia 1. Fie (, K , P ) un cmp de probabilitate. O aplicaie ( X , Y ) : R 2 se

numete variabil aleatoare bidimensional (vector aleator) dac oricare ar fi ( x, y ) R 2 avem: { X ( ) < x, Y ( ) < y} K .
n cazul n care componentele X , Y sunt variabile aleatoare discrete cu o mulime finit de valori, repartiia vectorului aleator ( X , Y ) se poate reprezenta sub forma: sau sub forma tabelului urmtor: (x i , y j )
(X ,Y ) :
p ij i = 1, m
j = 1, n

Y
x1 x2

y1
p11

y2
p12

p21 pi1 pm1

p22 pi 2 pm2

K K K

yj

K p1 j K
p2 j

yn
p1n p2n pin

pi

p1 p2

M xi
xm
qj

M
M

M
M

K
K

pij

M
M

M M

pi

pmj K pmn

pn

q1

q2 K

q j K qm

unde

pij = P X = xi , Y = y j , i = 1, m, j = 1, n , p i =

j =1

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

cu condiiile: 1) pij 0, i = 1, m, j = 1, n i 2) pij = 1 .


i =1 j =1

m n

Repartiiile marginale sunt repartiiile variabilelor care compun vectorul ( X , Y ) . Repartiia variabilei aleatoare X condiionat de evenimentul Y = y j , unde j 1, n ,
este: X / Y = y j :
. = = P X x Y y i j i=1,m

xi

Repartiia variabilei aleatoare Y condiionat de evenimentul ( X = xi ) , unde i 1, m ,


este: Y / X = xi :
. = = P Y y X x j i j=1,n

yj

Definiia 2. Se numete covariana variabilelor aleatoare X i Y numrul: cov( X , Y ) = M ( XY ) M ( X ) M (Y ) . Definiia 3. Variabilele aleatoare X i Y se numesc necorelate dac

cov( X , Y ) = 0 .

44

Definiia 4. Se numete coeficientul de corelaie al variabilelor aleatoare X i Y cov( X , Y ) M ( XY ) M ( X ) M (Y ) = . numrul: ( X ,Y ) = ( X ) (Y ) ( X ) (Y ) Propoziie. Oricare ar fi variabilele aleatoare X i Y cu D 2 ( X ) D 2 (Y ) 0 , au loc urmtoarele proprieti: 1) ( X , Y ) = 0 dac i numai dac X i Y sunt necorelate. 2) Dac X , Y sunt independente, atunci ( X , Y ) = 0 . 3) ( X , Y ) 1 .

4) Dac ( X , Y ) = 1 , atunci ntre X i Y exist o dependen liniar.

6.4 Variabile aleatoare unidimensionale clasice


REPARTIII CLASICE DISCRETE Repartiia binomial k X Bi (n, p) X : ; n N * ; p, q > 0; p + q = 1 . C k p k q nk n k =0,n M ( X ) = np; D 2 ( X ) = npq ; (t ) = peit + q . Repartiia Poisson k X Po( ) X : k ; > 0 . e k ! k N M ( X ) = ; D 2 ( X ) = ; (t ) = e (e REPARTIII CLASICE CONTINUE Repartiia Gamma
x a X [a, b]; a, b > 0 X are densitatea de repartiie: f ( x) = b (a ) 1
x a 1 b

)n

it

1)

, x>0 x0

0,

M ( X ) = ab, D 2 ( X ) = ab 2 ; (t ) = (1 ibt ) a .
Repartiia normal X N (m, ); > 0, m R X are densitatea de repartiie:
2 1 f ( x) = e 2 , x R 2 ( x m) 2

M ( X ) = m, D 2 ( X ) = 2 ; (t ) = eimt

2t 2
2

45

6.5 Ilustrarea teoriei pe cazul numeric concret al aplicaiilor


2 1 0 1 2 1. Fie variabila aleatoare discret X : , pR. 2 p 4 p p 2p p 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 ) M ( X 3 ) , M ( 2 X 3) , D 2 (3 X 2) ; e) probabilitile: P ( X 0,75 ) , P ( X > 1, 25 ) , P(1,25 X 0,5) , .

Rezolvare: a) Impunem condiiile ca p 0 i 2 p + 4 p + p + 2 p + p = 1 p = 1 .


10

Rezult c repartiia variabilei aleatoare X este: X :

2
2 10

1
4 10

0
1 10

1
2 10

0 , x ( , 2 ] 2 1 , x ( 2 ,1 ] = 5 10 2 4 6 3 , x ( 1, 0 ] + = = b) 10 10 10 5 Fx (x) = P ( X < x) = 2 + 4 + 1 = 7 , x ( 0 ,1 ] 10 10 10 10 2 4 1 2 9 + + + = , x (1 , 2 ] 10 10 10 10 10 1 , x ( 2 , + ]

2 . 1 10

c) M ( X ) = (2) 2 + (1) 4 + 0 1 + 1 2 + 2 1 = 4 = 0,4 .


10

M ( X ) = (2)
2

2
2

2 10

+ (1)
2

10 10 2 1 4 +0 10 10

10 2 2 +1 10
2

+2

10 2

10

1 10

= 18 = 1,8 .
10

D ( X ) = M ( X ) M ( X ) = 1,8 (0,4) = 1,64 .

( X ) = D 2 ( X ) 1,28 .
d ) M ( X 3 ) = (2) 3 2 + (1) 3 4 + 0 3 1 + 13 2 + 2 3 1 = 1 .
10 10 10 10 10

Folosind proprietile mediei i ale dispersiei, obinem: M (2 X 3) = 2M ( X ) 3 = 2 (0,4) 3 = 3,8 . D 2 (3 X 2) = 9 D 2 ( X ) = 9 1,64 = 14,76 .

e) P( X 0,75) = P( X = 1) + P( X = 2) = 2 + 4 = 3 .
10 10 5

P ( X > 1,25) = P( X = 2) = 1 .
10

P(1,25 X 0,5) = P( X = 1) + P ( X = 0) = 5 = 1 .
10 2

46

2. Fie f : R R, f ( x) =

a (1 x), x [0, 1] , aR. 0, x [0, 1]

S se determine:

a) parametrul a R astfel nct f s fie densitatea de repartiie a unei variabile aleatoare continue X; b) funcia de repartiie a variabilei aleatoare X; c) probabilitile: P X < 1 , P X > 1 i P 1 X 3 ; 2 4 2 4 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) f ( x) 0, x R a 0 ; 2) f ( x)dx = 1 .

Avem: f ( x)dx = f ( x)dx + f ( x)dx + f ( x)dx = 0 dx + a(1 x) dx + 0 dx =



0 1

1 2 ; din condiia =a x x =a 2 0 2

2 (1 x), x [0, 1] . f ( x) = 0, x [0, 1]

f ( x)dx = 1 rezult

a 2

= 1 a = 2 , deci

b) Funcia de repartiie a variabilei aleatoare X este F : R R, F ( x ) = f (t ) dt .

x ( , 0] F ( x ) = 0 dt =0 ;

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


0

) 0x = 2 x x 2 ;

x (1, ) F ( x) = 0dt + 2(1 t )dt + 0dt = 1 .


0 1

Am obinut c:
0, F : R [0, 1], F ( x) = 2 x x 2 , 1, x (,0] x (0,1] x (1, )

47

c) P X <

1 4

1 )= F 1 = 1. = 1 2 4 4 4

( ) ( ) ( ) )= F( 3 ) F ( 1 ) = 1 1 P(1 X3 =3. 4 2 2 4 4 4
0 1

P X>1 =1 P X 1 =1 F 1 =1 1 =1. 2 2 2 2 2

3 2 d ) M ( X ) = xf ( x)dx = x 0dx + x 2(1 x) dx + x 0 dx = x 2 x = 1 . 2 3 0 1 0 3

M X

( )
2

2x3 x 4 =1. = x f ( x)dx = x 0dx + x 2(1 x) dx + x 0 dx = 3 2 1 0 0 6


2 0 2 1 2 2

D2 ( X ) = M ( X 2 ) M 2 ( X ) = 1 .
18
x kx 2e 2 , x 0 3. Fie funcia f : R R , f ( x) = , k R . S se determine: < 0 , 0 x a) parametrul k R astfel nct f s fie densitatea de repartiie a unei variabile aleatoare continue X; b) funcia de repartiie a variabilei aleatoare X; c) probabilitile: P ( X < 4) , P ( X > 6) , P (6 X 8) , P ( X 4 / X > 2) ;

d ) media, dispersia, momentul iniial de ordinul r , r N * pentru variabila aleatoare X


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

2) f ( x)dx = 1 .

Avem c I = f ( x)dx = 0dx + kx 2e , dx ; folosind schimbarea de


x 2

variabil x = t x = 2t; dx = 2dt , obinem c I = k 4t 2 e t 2dt = 8k (3) = 16k ; din condiia 2


0

x e 1 I = 1 k = .Rezult c f : R R, f ( x) = 16 16 0,
1

x 2 2

, x0 . x<0

48

b) Funcia de repartiie a variabilei aleatoare X este F : R R, F ( x) = f (t ) dt .

x (, 0] F ( x) = 0 dt =0 ;
x (0, ) F ( x) = 0dt +
0 x ' t t 1 x 2 2t 1 x 2 1 2 t 1x 2 t e dt = t 2 e dt = t e + (2t )e 2 dt = 16 0 16 0 8 0 80

x ' t t x 1x t x 2 2x 1 x x 2 2x t 2t x 2 2x x 2x e + t 2e 2 dt = e e + e 2 dt = e e e 2 = 8 40 8 2 8 2 0 0 20

=1

x 2 + 4 x + 8 2x e 8

. Rezult:

0, x0 F : R R, F ( x ) = x 2 + 4 x + 8 x e 2 , x > 0 1 8
c) P( X < 4) = F (4) = 1 5e 2 ;
P ( X > 6) = 1 P ( X 6) = 1 P ( X < 6) = 1 F ( 6) = 17 3 e ; 2

P(6 X 8) = F (8) F (6) =


P ( X 4 / X > 2) =

17 3 e 13e 4 ; 2
2e

5 5 P (( X 4) ( X > 2) ) P ( 2 < X 4) F ( 4) F ( 2) 2e e 2 e 2 . = = = = 5 1 P ( X < 2) 1 F ( 2) P ( X > 2) e

d ) Momentul iniial de ordinul r este:


mr = M ( X r ) = x r f ( x)dx = x r 0dx + x r

1 2 2x x e dx ; 16

x cu schimbarea de variabil = t x = 2t ; dx = 2dt rezult 2 1 mr = (2t ) r + 2 e t 2dt = 2r 1 ( r + 3) . 16 0

Am obinut c m r = 2 r 1 ( r + 2)!, r N * .
Media variabilei aleatoare X este momentul iniial de ordinul 1, prin urmare M ( X ) = m1 = 3!= 6 .

Avem c M ( X 2 ) = m2 = 2 4!= 48 , deci dispersia variabilei este:

2 D 2 ( X ) = M ( X 2 ) M 2 ( X ) = m2 m1 = 12 .

49

4. Fie X , Y dou variabile aleatoare discrete avnd repartiia comun dat n tabelul incomplet de mai jos: Y -1 0 1 pi X -1 0,2 0,6 1 0,1 0,3 q j 0,3

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


Rezolvare: a) Impunnd condiiile
i =1

pi = 1, q j = 1 , pij = pi , i = 1,2 , pij = q j , j = 1,3 , obinem:


j =1

j =1

1=1

p1 + p 2 = 1 p 2 = 0,4 ; q1 + q 2 + q3 = 1 q 2 = 0,4 ; p11 + p 21 = 0,3 p 21 = 0,1 ; p12 + p 22 = 0,4 p 21 = 0,3 ; p11 + p12 + p13 = 0,6 p13 = 0,1 ;

p13 + p 23 = 0,3 p 23 = 0,2 .


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

Y X -1 1 qj

-1 0,2 0,1 0,3

0 0,3 0,1 0,4

1 0,1 0,2 0,3

pi 0,6 0,4 1

1 = P( X = 1 Y = 1) =

P(( X = 1) (Y = 1)) 0,1 1 ; = = 0,3 3 P (Y = 1) P(( X = 1) (Y = 1)) 0,2 2 2 = P ( X = 1 Y = 1) = = = ; P (Y = 1) 0,3 3

1 1 b) X Y = 1 : 2 1

1 obinem: X Y = 1 : 1 3

1 1 2 ; Y X = 1 : 1 3
0 1 2 1 1 6

1 ; 3

Analog Y X = 1 : 1
1 Y : 0,3

0 1 0 1 = ; 0,4 0,3 0,4 0,6

50

Teste de autoevaluare
a a + 1 a + 2 , tiind c M (6 X 2 ) = 7 , 1. S se determine variabila aleatoare X : p 3p 2p a Z, p R .

2. Fie funcia f : R R , f ( x) = 2 x, x (1,2] . S se determine:


0, x [0,2]

ax,

x [0,1]

a) parametrul a R astfel nct f s fie densitatea de repartiie a unei variabile aleatoare continue X; b) probabilitile P X > 3 i P X 1 / X 3 ;

c) funcia de repartiie a variabilei aleatoare X; d ) media i dispersia variabilei aleatoare X;


3. Fie dou variabile aleatoare X , Y unde

1 1 1 0 : X : , Y . Fie k = P ( X = 1, Y = 0 ) . 0,7 0,3 0,4 0,6

a) S se scrie tabelul comun al repartiiei variabilelor aleatoare X , Y . b) S se determine parametrul k R 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.

Rspunsuri si comentarii la testele de autoevaluare


1. Din condiia ca X s reprezinte o variabil aleatoare discret, obinem:
a 1 6 a +1 a + 2 . 3 2 6 6

p 0 i p + 3 p + 2 p = 1 p = 1 X : 6

3 + ( a + 2) 2 2 = 7 M 6 X 2 = 7 6M X 2 = 7 6 a 2 1 + (a + 1) 2 6 6 6

( )

( )

a 2 + 3a 2 + 6 a + 3 + 2 a 2 + 8a + 8 = 7 6 a 2 + 14 a + 4 = 0
1 a1 = 2, a 2 = Z , deci a = 2 . 3 Prin urmare, repartiia variabilei aleatoare X este:
2 X : 1 6 1 1 2 0 1 3 .

51

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

2) f ( x)dx = 1 .

f ( x)dx = f ( x)dx + f ( x)dx + f ( x)dx + f ( x)dx =

0 1 2
0 1 2

x = 0 dx + ax dx + ( 2 x) dx + 0 dx = a 2 0 1 2

x, f ( x)dx = 1 a = 1 f ( x) = 2 x, 0,

2 2 x =a+1. + 2x 2 2 2 1 0 x [0,1] 2 1

x (1,2] . x [0,2]

2 3 b) P . X > = f ( x)dx = (2 x)dx + 0dx = 1 8

PX

1/ 4

X
3 2

3 2
3 2

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

3 2

3 2

1 4

27 ; P (X 3 ) = 1 P (X > 3 ) = 7 , deci ) = f ( x)dx = xdx + (2 x)dx = 32 2 2 8


1 4

PX1 /X 4

3 2

)=

27 28

.
x

c) Funcia de repartiie a variabilei aleatoare X este F : R R , F ( x ) = f (t ) dt .

x ( , 0] F ( x ) = 0 dt =0 ;

; x (0,1] F ( x) = 0dt + tdt = t2 = x 2 0 0


2 2

x (1,2] F ( x ) = 0dt + tdt + (2 t )dt = t2 + 2t t2 = 0 1 0 1


2 2

)x

x 2 3 = x 2 + 4 x 2 ; =1 + 2 x 2 2 2 2

x (2, ) F ( x) = 0dt + tdt + (2 t )dt + 0dt = 1 . Am obinut c:


0 1 2

52

F : R [0,1], F ( x) = x 2

0,

x (, 0] x (0, 1]

x2 , 2

+ 4x 2 , x (1, 2] 2 1, x (2, )
0 1 2 2

d ) M ( X ) = xf ( x)dx = x 0dx + x x dx + x (2 x)dx + x 0 dx =


0 1

x 3

3 1

x3 1 8 1 + x2 = + 4 1 + = 1. 3 3 3 3 1 0

0 1 2

M ( X 2 ) = x2 f ( x)dx = x 0dx + x2 x dx + x2 (2 x)dx + x 0 dx =



0 1 2

x 4

4 1

x3 x4 1 16 2 1 7 + 2 = + 4 + = D2 ( X ) = M ( X 2 ) M 2 ( X ) = 1 6 3 4 4 3 3 4 6 1 0

3.

a)
0 X Y k -1 1 0,4 k 0,4 qj 1
0,7 k k 0,1

0,6

pi 0,7 0,3 1

Din condiiile: 1) pij 0, i, j = 1,2 i 2) pij = 1 obinem:


i =1 j =1
2 2

2) k + 0,7 k + 0,4 k + k 0,1 = 1 , relaie care se verific, k R . n concluzie, repartiia comun a variabilelor X , Y este cea din tabelul de mai sus, cu condiia k [0,1; 0,4] . b) Variabilele aleatoare X , Y sunt necorelate dac avem:
cov( X , Y ) = 0 M ( XY ) M ( X ) M (Y ) = 0 .
M ( X ) = xi pi = (1) 0,7 +1 0,3 = 0,4 ; M (Y ) = y j q j = 0 0,4 + 1 0,6 = 0,6 ;
i =1

k 0 0,7 k 0 0,1 k 0,4 ; 1) k 0 , 4 0 k 0,1 0

j =1

M ( XY ) = xi y j pij = (1) 0 k + (1) 1 (0,7 k ) + 1 0 (0,4 k ) + 1 1 ( k 0,1) = 2k 0,8

2 2

M ( XY ) M ( X ) M (Y ) = 0 2k 0,8 + 0,24 = 0 k = 0,28 [0,1; 0,4] .

i =1 j = 1

53

c) Pentru valoarea determinat a parametrului k obinem tabelul repartiiei comune de mai jos: X Y -1 1 qj
0 0,28 0,12 0,4 1 0,42 0,18 0,6

pi 0,7 0,3 1

Avem c: P( X = 1, Y = 0) = 0,28 = P( X = 1) P( Y = 0) ;
P( X = 1, Y = 1) = 0,42 = P( X = 1) P( Y = 1) ; P( X = 1, Y = 0) = 0,12 = P( X = 1) P( Y = 0) ; P( X = 1, Y = 1) = 0,18 = P( X = 1) P( Y = 1) ;de aici rezult, c v.a sunt independente.

Bibliografia unitatii de nvatare 6


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. I. Purcaru , Matematici generale si elemente de optimizare, Editura Economic, Bucureti, 1997.

Lucrarea de verificare nr.5


1.Distribuia variabilei aleatoare X este X :
2 . 2 3 p 1 p 1 7 p 4 2 16 16 b) Media si dispersia lui X, -1 0 1
x

S se determine:

a) parametrul p R ;

kx e 3 , x 0 2. Fie funcia f : R R , f ( x) = , k R . S se determine: < x 0 , 0 a) parametrul k R 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 r , r N * pentru v.a. X 2 1 3. Se consider variabilele aleatoare X , Y , avnd repartiiile: X : , 0,4 0,6 4 6 2 Y : 0,2 0,5 0,3 , astfel nct P ( X = 1, Y = 2 ) = 0,1 i P ( X = 2, Y = 4 ) = 0,3 . S se determine coeficientul de corelatie al variabilele aleatoare X , Y

54

UNITATEA DE NVATARE 7

Statistica matematica Cuprins


7.1 Obiectivele unitatii de nvatare 7 ........................................................................................ 7.2 Elemente de teoria seleciei ................................................................................................ 7.3 Elemente de teoria estimaiei ............................................................................................. 7.4 Ilustrarea teoriei pe cazul numeric concret al aplicaiilor................................................... Teste de autoevaluare............................................................................................................... Rspunsuri si comentarii la testele de autoevaluare .................................................................. Bibilografia unitatii de nvatare 7 ............................................................................................ Lucrarea de verificare nr. 6

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 si 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 Finante, Banci si Burse de Valori din Academia de Studii Economice, Bucuresti.

55

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 (, K , P ) , n care elementele mulimii sunt tocmai lementele colectivitii C . Se numete selecie (eantion) o colectivitate parial de elemente luate la ntmplare din C .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 x1 , x2 ,.., xn valorile de observaie (valori de selecie sau date de selecie)

Dup efectuarea seleciei, valorile de selecie x1 , x2 ,......, xn sunt valori bine determinate ale variabilei aleatoare X . nainte de efectuarea seleciei, acestea pot fi considerate ca variabile aleatoare independente X 1 , X 2 ,....., X n , 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: X * :


x1 x2 ................xn . 1 1 ... .... ..... ..... 1 n n n

Funcia de repartiie a variabilei aleatoare de selecie se numete funcie empiric de repartiie. Se numete statistic o funcie de variabilele aleatoare de selecie: T ( X 1 , X 2 ,....., X n ) . Dup efectuarea seleciei, statisticii T ( X 1 , X 2 ,....., X n ) i se asociaz valoarea sa corespunztoare valorilor de selecie obinute, notat t (x1 , x 2 ,....., x n ) . Considerm o selecie de volum n : X 1 , X 2 ,....., X n efectuat asupra variabilei al. X .

Se numete moment iniial de selecie de ordin r statistica M r = 1 X ir . n


i =1

Pentru r = 1 obinem media de selecie: X = 1 X i . n


i =1

Se numete moment centrat de selecie de ordin r statistica

r =

1 n

i =1

r (X i X ) . n

Pentru r = 2 obinem dispersia de selecie necorectat:


= S2 = 2 =
2 1 n

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


n i =1

i =1

X2 X (X i X ) = 1 n i
n
2

i =1

56

7.3 Elemente de teoria estimaiei


Considerm selecia X 1 , X 2 ,....., X n efectuat asupra unei populaii care este caracterizat de o variabil aleatoare X cu legea de repartiie f ( x; ) . Dorim s estimm parametrul din legea f ( x; ) cu ajutorul statisticii Tn ( X 1 , X 2 ,....., X n ) , care se numete estimator al parametrului . Valoarea luat de
Tn ( X 1 , X 2 ,....., X n ) pentru valori bine determinate x1 , x 2 ,....., x n ale

variabilelor X 1 , X 2 ,....., X n se numete estimaie a parametrului . Definiia 1. Spunem c statistica Tn ( X 1 , X 2 ,....., X n ) este un estimator nedeplasat al parametrului dac M (Tn ( X 1 , X 2 ,....., X n )) = . Spunem c statistica Tn ( X 1 , X 2 ,....., X n ) este un estimator deplasat al parametrului dac M (Tn ( X 1 , X 2 ,....., X n )) .
Definiia 2. Spunem c statistica Tn ( X 1 , X 2 ,....., X n ) este un estimator absolut corect al
n

parametrului dac M (Tn ( X 1 , X 2 ,....., X n )) = i D 2 (Tn ( X 1 , X 2 ,....., X n )) 0 . Spunem c statistica Tn ( X 1 , X 2 ,....., X n ) este un estimator nedeplasat al parametrului dac M (Tn ( X 1 , X 2 ,....., X n )) = . Definiia 3. Spunem c statistica Tn ( X 1 , X 2 ,....., X n ) este un estimator eficient al parametrului dac este absolut corect i D 2 (Tn ( X 1 , X 2 ,....., X n )) =
2 ln f ( X , ) ln f ( X , ) . I ( ) = M = M 2
1 , unde n I ( )
n

Propoziie. a) Media de selecie X = 1 X i este un estimator absolut corect pentru n


i =1

media m a oricrei populaii.


n 2 b) Dispersia de selecie S 2 = 1 X i X este un est.corect pentru dispersia 2 . n i =1

c) Dispersia de selecie corectat s2 = 1 (Xi X )2 este un estimator absolut corect n1


n i=1

pentru dispersia .
2

57

METODE DE ESTIMARE A PARAMETRILOR UNEI REPATIII A. Metode de estimare punctual 1. Metoda momentelor Presupunem c legea de repartiie f ( x;1 , 2 , ..., k ) a variabilei aleatoare X depinde de k parametri necunoscui: 1 , 2 , ...., k 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 : X 1 , X 2 ,....., X n .

Etapa 2) Rezolvm sistemul M r ( X 1 , 2 , ..., k ) = M r , r = 1, k . Dac sistemul are soluii reale, atunci acestea sunt estimaii ale parametrilor 1 , 2 , ...., k .

2. Metoda verosimilitii maxime Aplicarea acestei metode const n parcurgerea urmtoarelor etape: Etapa 1) Considerm o selecie de volum n : X 1 , X 2 ,....., X n , cu valorile de selcie x1 , x 2 ,....., x n . Etapa 2) Construim funcia de verosimilitate:
P ( x1 , x 2 ,..., x n ;1 , 2 , ..., k ) = f x j ;1 , 2 , ..., k
j =1 n

Etapa 3) Logaritmm funcia de verosimilitate: L(x1, x2 ,..., xn ;1, 2 , ..., k ) = ln P( x1, x2 ,..., xn ;1, 2 , ..., k ) L( x1 , x 2 ,..., x n ;1 , 2 , ..., k ) Etapa 4) Rezolvm sistemul: = 0, j = 1, k i obinem j
estimaiile de maxim verosimilitate: j = j ( x1 , x 2 ,..., x n ), j = 1, k ale parametrilor 1 , 2 , ...., k . Etapa 5) Verificm faptul c estimaiile gsite asigur maximul funciei de verosimilitate.
B. Estimare prin intervale de ncredere pentru parametrii m i 2 ai unei repartiii normale N (m, ) 1. Interval de ncredere pentru parametrul m cnd este cunoscut

n n 2. Interval de ncredere pentru parametrul m cnd este necunoscut s s < m < x + t1 2 ; n 1 x t1 2 ; n 1 n n

x z1 2

< m < x + z1 2

58

7.4 Ilustrarea teoriei pe cazul numeric concret al aplicaiilor


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

2 1 0 a) Repartiia variabilei aleatoare de selecie este: X * : 3 4 2 16 16 16 b) Media de selecie este statistica: X =


1 n 4

2 . 7 16

corespunztoare seleciei efectuate este x = 1 ni x i . n


i =1

i =1 4

ni X i , iar valoarea acesteia

Dispersia de selecie este statistica 2 = S 2 = 1 ni (X i X ) 2 , iar valoarea acesteia n


4 i =1

corespunztoare seleciei efectuate este


S2 = 1 n x x n i i
i =1 4

)2 .

4 2 Dispersia de selecie corectat este statistica s 2 = n1 ni X i X , iar valoarea 1 i =1

acesteia corespunztoare seleciei efectuate este


4 2 s 2 = 1 ni x i x . n 1 i =1

Pentru determinarea valorilor cerute organizm valorile de selecie n urmtorul tabel:

xi
-2 -1 0 2 -

ni
3 4 2 7 16

xi ni
-6 -4 0 14 4
16

xi x

(xi x) 2
5,0625 1,5625 0,0625 3,0625 16

ni xi x

)2

-2,25 -1,25 -0,25 1,75 -

15,1875 6,25 0,125 21,4375 43


15

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

59

2. Fie X o variabil aleatoare avnd o repartiie Poisson de parametru . a) S se determine un estimator al parametrului al acestei repartiii prin ambele metode de estimare punctual, utiliznd o selecie de volum n . b) S se determine o estimaie a parametrului 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 f ( x; ) = e Metoda momentelor Etapa 1) Considerm o selecie de volum n : X 1 , X 2 ,....., X n .

x
x!

, xN .

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

Metoda verosimilitii maxime Etapa 1) Considerm o selecie de volum n : X 1 , X 2 ,....., X n , cu valorile de selcie x1 , x 2 ,....., x n .
Etapa 2) Construim funcia de verosimilitate:
P( x1 , x 2 ,..., x n ; ) = f (x j ; ) = e
n n j =1 j =1 xj

x j!

x x x = e e ..... e = e n
1 2 n

xj
j =1

x1!

x2 !

xn !

x j!
j =1

Etapa 3) Logaritmm funcia de verosimilitate:


n xj j =1 = n L ( x1 , x 2 ,..., x n ; ) = ln P ( x1 , x 2 ,..., x n ; ) = ln e n x j ! j =1

= ln e

]+ ln

xj
j =1

ln x j ! = n + x j ln ln x j !
j =1 j =1 j =1

Etapa 4) Rezolvm ecuaia:


xj n L( x1 , x 2 ,..., x n ; ) j =1 = 0 n + = 0 n + x j = 0 i obinem c estimaia de j =1
n

maxim verosimilitate a parametrului este =


maxim verosimilitate este = . X .

xj
j =1

= x , iar estimatorul de

60

Etapa 5) Verificm faptul c estimaia gsit asigur maximul funciei de verosimilitate. 2 L( x1 , x 2 ,..., x n ; )
2

=
=

xj
j =1

2 =

= j =1 2 < 0 , deoarece x j N , prin urmare

xj

= .x este punct de maxim al funciei de verosimilitate.


b) Estimaia parametrului prin ambele metode de estimare punctual este = .x .
Pe baza valorilor de selecie din enun obinem: = x = c) Avem c:

xj
j =1

10

10

= 2 1+ 4 2 + 33 +1 4 = 2,3 .
10

n n n n 1) M ( ) = M (X ) = M 1 X j = 1 M (X j ) = 1 M ( X ) = 1 = 1 n = , deci M = . n n n n j =1 n j =1 j =1 j =1

()

= D2 X = D2 1 X = 1 D2 (X ) = 1 D2 ( X ) = 1 nD2 ( X ) = , unde am 2) D2 j n j n n n n
n n n

()

( )

folosit c dispersia unei variabile aleatoare X cu repartiie Poisson de parametru este D 2 (X ) = . Rezult c lim D 2 = lim = 0 .
n n n

j=1

j =1

j =1

()

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: D 2 ( ) =
1 , n I ( )
2 ln f ( X , ) . unde I ( ) = M 2

X = ln e + ln X ln X != + X ln ln X ! ; ln f ( X ; ) = ln e X !
2 ln f ( X ; ) ln f ( X ; ) 1. = X3 I ( ) = M X3 = 13 M ( X ) = 13 = = 1 + X ; 2

( )

Rezult c

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

()

61

Teste de autoevaluare
Fie X o variabil aleatoare continu, avnd densitatea de repartiie: x x3 964 e 2 , x > 0 f : R R, f ( x; ) = , > 0. x0 0, 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 si comentarii la testele de autoevaluare


a) Metoda momentelor Etapa 1) Considerm o selecie de volum n : X 1 , X 2 ,....., X n .
Etapa 2) Rezolvm ecuaia: M 1 ( X ) = M 1 M ( X ) = X .
0 0 0 x 2

(1)

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

facem schimbarea de variabil


0

= t x = 2t ; dx = 2dt i obinem:
0

M ( X ) = 1 4 (2t )4 e t 2dt = t 4 e t dt = (5) = .4!= 8 . 3 3 3 96 Ecuaia (1) devine: 8 = X i prin urmare estimatorul parametrului obinut prin = X , iar estimaia este = x. metoda momentelor este
8 8

Metoda verosimilitii maxime Etapa 1) Considerm o selecie de volum n : X 1 , X 2 ,....., X n , cu valorile de selcie x1 , x 2 ,....., x n . Etapa 2) Construim funcia de verosimilitate:
n n x xj P ( x1, x2 ,..., xn ; ) = f x j ; = j 4 e 2 = 96
3

j =1
x2

j =1

x13 96 4

e 2
x1

3 x2 96 4

e 2 .....

3 xn 96 4

e 2 =
xn

(x1 x2 ...xn )
96 n 4 n

e
n

xj
j =1 2

Etapa 3) Logaritmm funcia de verosimilitate:


xj ( x1x2 ...xn )3 j =21 L( x1, x2 ,..., xn ; ) = ln P( x1, x2 ,..., xn ; ) = ln e = n 4n 96

ln ( x1x2 ...xn ) ln 96 ln
3
n

4n

+ ln e

j =21

xj

= 3 ln x j n ln 96 4n ln 2
j =1

xj

j =1

62

Etapa 4) Rezolvm ecuaia:


xj n L( x1 , x 2 ,..., x n ; ) j =1 = 0 4n + 2 = 0 8n + x j = 0 i obinem c estimaia 2 j =1
n

= de maxim verosimilitate a parametrului este


maxim verosimilitate este
=.X 8
n

xj
j =1

8n

= x , iar estimatorul de
8

Etapa 5) Verificm faptul c estimaia gsit asigur maximul funciei de verosimilitate. 2 L( x1, x2 ,..., xn ; )
=
x 8
2 =

= 4n 2

xj
j =1

3
x =8

512 = 256 < 0 , = 4n 64 2 nx 3 2

prin

urmare

este punct de maxim al funciei de verosimilitate.

b) Verificm condiiile din definiia estimatorului absolut corect:


n n = M = 1 M X = 1 M1 X j = 1 M X j = 1) M X 8 n 8n j =1 8 8 j =1

()

( )

( )

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

()

2 1 D2 X = 1 D2 1 = D2 X = 64 2) D 8 64 n
D (X ) = 1 2 D2 ( X ) = 1 2 nD2 ( X ) = 64n 64n 64n
2

()

( )

j=1

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

j =1

j =1

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

( )
2

cu schimbarea de variabil

MX

( )

x 2

= t x = 2t ; dx = 2dt obinem:

= 14 96

D2 ( X ) = M( X ) M ( X ) = 80 64 = 16 .
= lim = 0 . Rezult c lim D 2
2

2 5 t 2 2 22 22 (2t ) e 2dt = 3 t e dt = 3 (6) = 3 .5! = 80 0 0 2 2 2 2 2 5 t

2 2 2 = D ( X ) = 16 = . Revenind, gsim c D 2

()

()

64 n

64 n

4n

n 4n

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

63

Bibilografia unitatii de nvatare 7


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. I. Purcaru , Matematici generale si elemente de optimizare, Editura Economic, Bucureti, 1997.

Lucrarea de verificare nr. 6


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: x2 x 54 3 e 3 , x > 0 f : R R, f ( x; ) = , > 0. x0 0, 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 .

64