Sunteți pe pagina 1din 61

UNIVERSITATEA BABE S-BOLYAI CLUJ-NAPOCA

FACULTATEA DE STIIN TE ECONOMICE SI GESTIUNEA


AFACERILOR
TRUNCHI COMUN ANUL I zi si ID
ANUL UNIVERSITAR 2010/2011
SEMESTRUL I
I. Informatii generale
Date de identicare a cursului
Date de contact ale titularilor de curs:
1. Muresan Anton S., Birou: Cabinetul 229, Etajul II, E-mail: anton.muresan@econ.ubbcluj.ro,
Consultatii: Luni ora 17,00-18,00 si Marti orele 16,00-17,00
2. Curt Paula, Birou: Cabinetul 229, Etajul II, E-mail: paula.curt@econ.ubbcluj.ro,
Consultatii: Miercuri orele 13,00-14,00 si Joi orele 16,00-17,00
3. Filip Diana Andrada, Birou: Cabinetul 230, Etajul II, E-mail: di-
ana.lip@econ.ubbcluj.ro, Consultatii: Joi orele 11,30-12,30
4. Lung Rodica, Cabinetul 230, Etajul II, E-mail: rodica.lung@econ.ubbcluj.ro,
Consultatii:
5. Rosca Alin, Cabinetul 231, Etajul II, E-mail: alin.rosca@econ.ubbcluj.ro,
Consultatii: .
Fax: 0264-412570
Date de identicare curs si contact tutori:
Numele cursului: MATEMATICI APLICATE IN ECONOMIE
Codul cursului: EBS0003
Anul I, Semestrul I
Tipul cursului: Obligatoriu
Pagina web a cursului:
Tutori:
1. Muresan Anton S. anton.muresan@econ.ubbcluj.ro
2. Filip Diana Andrada, diana.lip@econ.ubbcluj.ro
3. Curt Paula, paula.curt@econ.ubbcluj.ro
4. Lung Rodica, rodica.lung@econ.ubbcluj.ro
5. Rosca Alin, alin.rosca@econ.ubbcluj.ro
6. Mihalca Gabriela, gabriela.mihalca@econ.ubbcluj.ro
7. Coconet Tiberiu, tiberiu.coconet@econ.ubbcluj.ro
8. Pop Flaviu, aviu.pop@econ.ubbcluj.ro
Locul de desf asurare a cursului: Cl adirea Campus, s ali etajul II
Programarea n orar a activit atilor (la nv at amtul de zi): S apt amnal 2 ore
de curs + 2 ore de seminar, conform orarului asat la sediul facult atii
(la nv at amtul ID) :8 ore activitati
tutoriale
Conditionari si cunostinte prerechizite: -
Descrierea cursului :
Se vor avea in vedere urmatoarele obiective:
1
Introducerea catorva notiuni de analiza functiilor reale de mai multe
variabile reale care sa constituie pentru studenti instrumente pentru tratarea
unor probleme de extrem, pentru a permite interpolarea si ajustarea datelor
experimentale, etc.
Crearea bazelor de analiza matematica necesare pentru studiul teoriei
probabilitatilor si pentru statistica matematica.
Denirea si studiul principalelor proprietati ale conceptelor de baza din
teoria probabilitatilor. Crearea la studenti a unor deprinderi de utilizare a tehni-
cilor probabilistice si de folosire a acestora in scop aplicativ. Fundamentarea
probabilistica a statisticii matematice.
Organizarea temelor (partilor) in cadrul cursului:
Cursul va avea urmatoarele doua parti:
1. Elemente de analiza matematica
2. Elemente de teoria probabilitatilor
Organizarea temelor s-a facut avand in vederea ordinea reasca si gradul de
dicultate sa urmeze o ordine crescatoare. Informatia relevanta referitoare la
ecare tema (parte) se gaseste in lista bibliograca ce va prezentata ulterior,
iar accesul va realizat direct.
Formatul si tipul activitatilor implicate de curs:
Formatul va unul clasic, permitand studentului de a-si gestiona singur,
fara constrangeri, parcurgerea cursului. De sigur o participare la activitatile
planicate va usura intelegerea tematicii cursului. Tipurile de activitati ce vor
abordate in cadrul cursului vor atat cele clasice cat si proiecte de grup.
Materiale bibliograce obligatorii:
Principalele materiale bibliograce pe care le vom utiliza, si care se vor gasi
la biblioteca facultatii, iar unele vor putea accesate prin internet, sunt:
1. Colectiv, Elemente de teoria probabilitatilor si statistica matemetica pen-
tru economisti, Ed. Todesco, Cluj-Napoca, 2004.
2. Colectiv, Analiza matematica, Teoria Probabilitatilor si Algebra liniara
aplicate in economie, Ed. Mediamira, Cluj-Napoca, 2008.
Materiale si instrumente necesare pentru curs :
Vom folosi: suport electronic de curs, materiale multiplicate, calculator,
videoproiector.
Calendarul cursului: este prezentat in calendarul disciplinei
Politica de evaluare si notare:
Evaluarea si notarea nala se va face prin rezolvarea de probleme, intocmirea
unor teme de casa. Toate acestea se vor realiza pe parcursul semestrului. In-
trarea in examenul nal este conditionata de realizarea sarcinilor ce rezulta din
temele de control de la sfarsitul ecarui modul al suportului de curs. Studentii
vor primi feed-back la rezultatele realizate in examenul nal prin comunicare
directa cu cei care solicita. In cazul cand studentul doreste sa revina la un ex-
amen de marire a notei, acest nou examen se va desfasura in aceleasi conditii,
cu aceleasi cerinte, ca si examenul initial.
Elemente de deontologie academica:
Pentru a evita situatiile care pun in discutie onestitatea studentilor facem de
la inceput precizarea ca se interzice categoric frauda, iar tentativele de frauda
2
se vor trata conform reglementarilor in vigoare elaborate la nivelul facultatii
si universitatii. Este normal ca atunci cand se utilizeaza anumite date, texte,
formulari, etc. luate din alte surse, sa se faca citarea, si astfel sa se asume
meritele doar pentru munca si contributia proprie. Se va cere studentului sa
aiba un comprtament academic fata de profesori si fata de colegi.
Studentii cu dizabilitati:
Nu vor avea nici o problema in a se incadra in cerintele cursului si a celorlalte
activitati, sansele in pregatire si obligatiile lor ind de aceeasi factura ca si
pentru studentii fara dizabilitati.
Strategii de studiu recomandate:
Recomandam studentilor sa se pregateasca mai intai din aspectele teoretice,
asa incat, mai intai, din curs, sa e studiate modulele cu teoria si exemplele
ilustrative formulate, apoi sa se abordeze problemele rezolvate, iar apoi si prob-
lemele formulate spre rezolvare. Pentru tot cursul, apreciem ca fondul de timp
necesar insusirii complete este de 56 de ore, din care 40 pentru suportul de curs,
8 pentru activitatile directe cu tutorii, iar 12 pentru sarcinile individuale de
studiu al bibliograei si realizarea temelor de control.
II. Suportul de curs propriu-zis
Cursul va structurat pe module, iar dorinta este de a se obtine o prezentare
gradata a notiunilor si rezultatelor.
MODULUL I. Elemente de analiza matematica
Obiectivele modulului
Introducerea catorva notiuni de analiza functiilor reale de mai multe vari-
abile reale care sa constituie pentru studenti instrumente pentru tratarea
unor probleme de extrem, pentru a permite interpolarea si ajustarea datelor
experimentale, etc.
Crearea bazelor de analiza matematica necesare pentru studiul teoriei
probabilitatilor si pentru statistica matematica.
Concepte de baza
Spatiul R
n
, distanta in R
n
, topologia euclidiana in R
n
;
Limite de functii de la R
n
la R, continuitatea functiilor de la R
n
la R;
Derivate partiale, diferentiabilitate si diferentiala pentru functiile de la R
n
la R, derivate partiale si diferentiale de ordin superior;
Extremele functiilor reale de mai multe variabile reale (libere sau cu lega-
turi);
Ajustarea datelor experimentale;
Integrale Euler.
3
Rezultate asteptate
Insusirea conceptelor de baza mentionate si crearea deprinderilor de utilizare
a acestora. Studentul trebuie sa e capabil sa aplice in practica notiunile studi-
ate pentru analizarea unor situatii concrete din economie, cum ar de exemplu
probleme de gestiunea optima a stocurilor.
Sinteza
UNITATEA 1. Functii reale de mai multe variabile
reale
1.1. Elemente de topologie a spatiului R
n
n studiul fenomenelor zice, economice (si n alte situatii) apare de mai
multe ori necesitatea studiului multimilor nite cu num ar x de numere reale.
De exemplu, spatiul n care tr aim este modelat ca o multime de puncte de-
terminate de trei coordonate. Fie : un num ar natural xat nenul. Multimea
sistemelor de forma:
r = (r
l
, r
2
, ..., r
n
) ,
unde r
l
, r
2
, ..., r
n
sunt numere reale, se numeste spatiul R
n
. Elementele acestei
multimi se numesc puncte, iar numerele r
l
, r
2
, ..., r
n
care determin a punctul r
se numesc coordonatele sau componentele acestui punct.
Pe spatiul R
n
se pot considera diverse structuri care s a extind a structura
axei reale.
Pentru orice pereche de elemente r si j din R
n
, exist a n R
n
suma lor r +j
dat a de:
r +j = (r
l
+j
l
, r
2
+j
2
, ..., r
n
+j
n
) .
De asemenea, pentru ecare c R si r R
n
exist a n R
n
cr = (cr
l
, cr
2
, ..., cr
n
) .
Se numeste metric a sau distant a pe multimea nevid a A orice aplicatie
d : A A R (r, j) d (r, j)
astfel nct:
D1) d (r, j) _ 0, \r, j A si d (r, j) = 0 == r = j
D2) d (r, j) = d (j, r) , \r, j A
D3) d (r, j) _ d (r, .) +d (., j) , \r, j, . A (inegalitatea triunghiului)
Cuplul (A, d) unde A este o multime nevid a iar d este o metric a (distanta)
pe A se numeste spatiu metric.
Aplicatia d : R
n
R
n
R dat a de
d (r, j) =

_
n

I=l
(r
I
j
I
)
2
este o metric a pe R
n
, numit a metrica (distanta) euclidian a pe R
n
.
4
Dac a : = 1 atunci
d (r, j) = [r j[ , r, j R.
Dac a : = 2 si : = 3 reg asim formula distantei dintre dou a puncte din
plan si din spatiu. Intr-adev ar dac a : = 2 atunci
d (r, j) =
_
(r
l
j
l
)
2
+ (r
2
j
2
)
2
,
iar dac a : = 3 atunci
d (r, j) =
_
(r
l
j
l
)
2
+ (r
2
j
2
)
2
+ (r
3
j
3
)
2
.
Notiunile de limit a si continuitate se pot introduce n orice spatiu metric.In
cele ce urmeaz a vom considera spatiul R
n
nzestrat cu metrica euclidian a.
Fie a = (a
l
, a
2
, ..., a
n
) R
n
si r 0.
Se numeste bila deschis a cu centrul n a si raza r multimea 1(a, r) =
r R
n
, d (r, a) < r
Pentru : = 1 respectiv : = 2 adic a n R, respectiv n R
2
bilele deschise sunt
intervale deschise centrate n a
l
de forma (a
l
r, a
l
+r) , respectiv discuri
deschise cu centrul n a = (a
l
, a
2
) .
Spunem c a multimea \ _ R
n
este o vecin atate a punctului a R
n
dac a exist a o bil a deschis a cu centrul n a inclus a n multimea \ , adic a
1(a, r) \.
Not am cu 1 (a) = \ R
n
[\ vecin atate a lui a multimea vecin at atilor
punctului a.Din denitie rezult a c a orice bil a deschis a cu centrul n a R
n
este o vecin atate a lui a.
Spunem c a a R
n
este punct interior multimii _ R
n
dac a \
1 (a) astfel ca \ . i:t = a [a punct interior lui - reprezint
multimea punctelor interioare multimii .
O multime _ R
n
care contine numai puncte interioare se numeste
multime deschis a.
a R
n
este punct de acumulare al multimii _ R
n
dac a orice
vecin atate \ a lui a contine cel putin un punct din multimea ,diferit de
a, adic a \\ 1 (a) , (\ a) ,= O

t
= a R
n
[a punct de acumulare pentru a - reprezint a multimea
punctelor de acumulare a multimii . Din denitie rezult a c a punctul a
poate sau nu s a apartin a multimii .
a este punct izolat al multimii _ R
n
dac a exist a o vecin atate \
a lui a astfel nct \ = a
1.2. Limite si continuitate pentru functii reale de mai multe vari-
abile
5
Fie R
n
. Aplicatia
) : R, astfel ca r = (r
l
, ..., r
n
) ) (r) = ) (r
l
, r
2
, ..., r
n
) R
se numeste functie real a de : variabile reale.
Dac a \ este venitul unei societ ati comerciale, r num arul de ore de munc a
productiv a prestat a, j fondurile xe angajate n productie atunci
\ (r, j) = /r
o
j
o
, /, c, , constante pozitive
(functie de productie de tip Cobb-Douglas) este o functie real a de 2 variabile
reale.
Dac a = [0, ) [0, ) [0, ) _ R
3
atunci functia
) : R, ) (r) = ) (r
l
, r
2
, r
3
) = r
l
r
2
r
3
(functie real a de trei variabile reale) reprezint a productia unei intreprinderi
dac a r
l
este productivitatea muncii, r
2
num arul de muncitori, r
3
timpul de
munc a.
Fie R
n
(: _ 1) o multime nevid a, a un punct de acumulare al multimii
, a
t
si ) : R
Spunem c a ) are limita | 1 cnd r tinde c atre a si scriem | =
lim
ro
) (r) (sau ) (r)
ro
|) dac a \- 0, c
:
0 astfel nct pentru orice
r a cu proprietatea d(r, a) < c
:
s a avem [) (r) |[ < -.
Limita | = lim
ro
) (r) se numeste limita global a a functiei ) cnd r tinde
c atre a, se noteaz a prin
| = lim
r1o1
r2o2
..........
rnon
) (r
l
, r
2
, ..., r
n
)
si se citeste limita functiei ) cnd r
l
a
l
, r
2
a
2
, ..., r
n
a
n
simultan
si independent.
In cele ce urmeaz a, mention am cteva propriet ati ale limitelor de functii de
la R
n
la R,propriet ati analoage celor ale functiilor reale de o variabil a real a.
Fie : _ 2, _ R
n
, o multime nevid a, a
t
, |
l
, |
2
R si ), q : R.
Dac a ) are limit a atunci cnd r tinde c atre a, atunci limita este unic a.
Dac a lim
ro
) (r) = |
l
atunci exist a \ 1 (a) astfel nct ) este m arginit a
pe \ .
Dac a lim
ro
) (r) = |
l
si lim
ro
q (r) = |
2
atunci
lim
ro
() (r) +q (r)) = |
l
+|
2
, lim
ro
() q) (r) = |
l
|
2
6
iar dac a |
2
,= 0 si
) (r)
q (r)
are sens pe o vecin atate a lui a atunci avem si
lim
ro
) (r)
q (r)
=
|
l
|
2
.
(criteriul major arii) Fie , : R. Dac a exist a \ 1 (a) astfel nct
a) ,(r) _ 0, \r \
b) [) (r) |
l
[ _ ,(r) , \r \
c) lim
ro
,(r) = 0
atunci exist a limita functiei ) cnd r tinde la a si lim
ro
) (r) = |
l
.
In continuare vom studia cteva propriet ati relative la continuitatea functi-
ilor denite pe R
n
cu valori n R.
Fie _ R
n
o multime nevid a a si ) : R. Functia ) se numeste
continu a (sau global continu a) n a dac a pentru orice - 0 exist a
c 0 astfel nct pentru orice r cu d(r, a) < c
:
avem c a [) (r) ) (a)[ <
-.Functia ) este continu a (sau global continu a) pe multimea nevid a 1
dac a ) este continu a n orice punct a 1.
Dac a a este un punct izolat al multimii atunci ) este continu a n a.
Dac a a
t
atunci ) este continu a n a dac a si numai dac a lim
ro
) (r) = ) (a) .
1.3. Derivate partiale, diferentiabilitate si diferential a pentru
functiile reale de mai multe variabile reale
Spunem c a multimea 1 R
n
este un domeniu dac a este deschis a si conex a
(format a dintr-o singur a bucat a adic a nu se poate scrie ca reuniune disjunct a
de dou a multimi deschise si nevide).
Mention am c a dac a 1 R
n
este un domeniu, atunci 1 nu are puncte izolate
si prin urmare orice punct a 1 este punct de acumulare pentru multimea 1
(a 1
t
) .
Fie 1 R
n
(: _ 2) un domeniu, a = (a
l
, ..., a
n
) 1 si ) : 1 R. Fie
i = 1, ..., :
Spunem c a ) este derivabil a partial n raport cu variabila r
I
n punctul
a dac a
lim
rioi
}(o1,o2,...,oi1,ri,oi+1,...,on)}(o1,o2,...,on)
rioi
, exist a si este nit a.
Not am aceast a limit a (dac a exist a) cu
J}
Jri
(a) sau )
t
ri
(a) .
Spunem c a ) este derivabil a partial n raport cu r
I
pe 1 dac a este
derivabil a partial n raport cu r
I
n orice punct a 1. Dac a ) este derivabil a
partial n raport cu r
I
pe 1 atunci se poate vorbi de functia partiala a lui ) n
raport cu variabila r
I
notat a
J}
Jri
si anume
J}
Jri
: 1 R, r
J}
Jri
(r)
In cazul : = 2 se noteaz a cu (r, j), n loc de (r
l
, r
2
) punctul curent din
R
2
,iar n R
3
se noteaz a cu (r, j, .) n loc de (r
l
, r
2
, r
3
) . Asadar, o functie de
7
dou a variabile ) : 1 R, 1 domeniu, 1 R
2
este derivabil a partial n
raport cu r, respectiv cu j n punctul a = (a
l
, a
2
) 1, dac a exist a si este nit a
urm atoare limit a
J}
Jr
(a) = lim
ro1
}(r,o2)}(o1,o2)
ro1
, respectiv
J}
J
(a) = lim
o2
}(o1,)}(o1,o2)
o2
.
Pentru functii elementare (polinoame, functiile rationale, trigonometrice, ex-
ponential a, logaritmic a si compuneri ale acestora, etc.)
J}
Jr
= )
t
r
se calculeaz a
derivnd ) uzual n raport cu r, considernd j ca parametru, iar
J}
J
= )
t

se
calculeaz a derivnd ) n raport cu j si considernd r ca parametru.
1) Fie ) (r, j) = r
2
+rj si a = (5, 3) , 1 = R
2
. In acest caz
J}
Jr
(a) = lim
r5
}(r,3)}(5,3)
r5
= lim
r5
r
2
3rl0
r5
= lim
r5
(r5) (r2)
r5
= 7
J}
J
(a) = lim
3
}(5,)}(5,3)
3
= lim
3
5l5
3
= 5.
In punctul curent avem
J}
Jr
(r, j) = 2r +j si
J}
J
(r, j) = r si dac a nlocuim
r = 5, j = 3 reg asim valorile anterioare.
2) Dac a ) (r, j, .) = r
2
+ sinj., 1 = R
3
, atunci avem
J}
Jr
: R
3
R,
J}
Jr
(r, j, .) = 2r,
J}
J
: R
3
R,
J}
J
(r, j, .) = . cos j.,
J}
J:
: R
3
R, (r, j, .) = j cos j..
3) ) : 1 R 1 = r R
n
[ r
l
0, r
2
0, ..., r
n
0
) (r
l
, ..., r
n
) = r
2
l
+r
2
2
+... +r
2
nl
+
rn
r1
. In acest caz derivnd n raport cu
cte o variabil a si considernd celelalte : 1 ca parametrii, obtinem
J}
Jr1
(r) = 2r
l

rn
r
2
1
,
J}
Jr2
(r) = 2r
2
, ...,
J}
Jrn1
(r) = 2r
nl
,
J}
Jrn
(r) =
l
r1
.
Functia ) se numeste de clas a C
l
pe 1 si se noteaz a ) C
l
(1) dac a ) este
derivabil a partial pe 1 n raport cu toate variabilele si plus, functiile
J}
Jr1
, ...,
J}
Jrn
sunt continue pe 1.
Fie ) : R
2
R, ) (r, j) =
_
r
r
2

2
, (r, j) R
2
(0, 0)
0, (r, j) = (0, 0)
.
Atunci ) nu este continu a n (0, 0) dar ) admite derivate partiale n punctul
(0, 0) .
Intr-adev ar:
J}
Jr
(0, 0) = lim
r0
}(r,0)}(0,0)
r
= 0
J}
J
(0, 0) = lim
0
}(0,)}(0,0)

= 0.
Fie 1 domeniu, 1 R
n
, a 1 si ) : 1 R. Spunem c a ) este
diferentiabil a n punctul a dac a exist a c
l
, c
2
, ..., c
n
R si o functie . :
1 R cu lim
ro
. (r) = . (a) = 0 (deci . continu a si nul a n a) astfel nct s a
avem
) (r) ) (a) =
n

I=l
c
I
(r
I
a
I
) +. (r) d(r, a), \r 1.
Spunem c a ) este diferentiabil a pe 1 dac a este diferentiabil a n orice
punct din .
Fie 1 domeniu, 1 R
n
, a 1 si ) : 1 R. Dac a ) este diferentiabil a
n a atunci ) este continu a n a.
8
In continuare vom studia leg atura ntre diferentiabilitatea unei functii ntr-
un punct si existenta derivatelor partiale n acel punct.
Fie 1 domeniu, 1 R
n
, a 1 si ) : 1 R. Dac a ) este diferentiabil a
n a atunci ) admite derivate partiale n a si
J}
Jri
(a) = c
I
pentru orice i = 1, :.
Rezultatul precedent implic a faptul c a relatia de denitie a diferentiabilit atii
devine:
) (r) ) (a) =
n

I=l
J}
Jri
(a) (r
I
a
I
) +. (r) d(r, a), \r 1.
Concret, cnd e nevoie s a studiem diferentiabilitatea unei functii ntr-un
punct este necesar s a avem cunoscute conditii suciente de diferentiabilitate.
Urm atorul rezultat rezolv a aceast a problem a.
Fie 1 domeniu, 1 R
n
, a 1 si ) : 1 R. Dac a exist a \ vecin atate
a punctului a astfel nct ) are derivate partiale pe \ 1 si dac a acestea sunt
continue n a atunci ) este diferentiabil a n a.
Dac a ) admite derivate partiale continue pe 1 atunci ) este diferentiabil a pe
1.
Rezultatul precedent prezint a conditii suciente de diferentiabilitate nu
si necesare.
Fie 1 R
n
, un domeniu a 1 si ) : 1 R o functie diferentiabil a n
a. Se numeste diferential a a functiei ) n punctul a notat a d)
(o)
, aplicatia
d)
(o)
: R
n
R , d)
(o)
(/) =
n

I=l
J}
Jri
(a) /
I
.
Fie 1 R
n
,un domeniu a 1 si ) : 1 R o functie diferentiabil a n a.
Atunci exist a . : 1 R, . continu a si nul a n a astfel nct \r 1
avem ) (r) ) (a) =
n

I=l
J}
Jri
(a) (r
I
a
I
) +. (r) d(r, a).
r
I
a
I
se numeste cresterea celui de-al i-lea argument a lui )
_
i = 1, :
_
r a = (r
l
a
l
, r
2
a
2
, ..., r
n
a
n
) se numeste sistem de cresteri ale ar-
gumentelor lui ).
) (r) ) (a) se numeste cresterea functiei corespunz atoare sistemului de
cresteri r a ale argumentelor.
Pentru r sucient de apropiat de a (adic a pentru |r a| sucient de mic a
astfel nct cantitatea . (r) |r a| poate neglijat a) avem evident ) (r)
) (a) - d)
(o)
(r a) adic a d)
(o)
aproximeaz a cresterea (sau descresterea) functiei
) n a corespunz atoare unui sistem ra de cresteri ale argumentelor (deci cnd
se trece de la punctul r la punctul a).
Consider am functiile ,
I
: R
n
R, ,
I
(r
l
, r
2
, ..., r
n
) = r
I
, 1 _ i _ :.
9
Avem:
J,
i
Jrj
(r) =
_
1, , = i,
_
i, , = 1, :
_
0, , ,= i,
pentru orice r R
n
, deci
functiile ,
I
admit derivate partiale continue pe R
n
si prin urmare sunt difer-
entiabile n orice punct a R
n
si d
,
i(a)
(r a) =
n

=l
J,
i
(o)
Jrj
(r

) = r
I
a
I
, i = 1, :.
Pentru simplicarea notatiilor vom nota d
,
i(a)
= dr
I
,
Cu aceasta putem scrie d)
(o)
(r a) =
n

=l
J}
Jri
(a) dr
I
.
Adesea dr
l
, dr
2
, ..., dr
n
se identic a cu cresterile argumentelor si deci avem
d)
(o)
(dr
l
, dr
2
, ..., dr
n
) =
n

I=l
J}
Jri
(a) dr
I
.
Interpretnd produsul simbolic
J
Jri
) (a) ca ind derivata partial a a lui ) n
raport cu r
I
n punctul a
_
i = 1, :
_
se obtine
d)
(o)
=
_
J
Jr1
dr
l
+
J
Jr2
dr
2
+... +
J
Jrn
dr
n
_
) (a) , a 1.
Putem considera astfel operatorul de diferentiere
d =
J
Jr1
dr
l
+
J
Jr2
dr
2
+... +
J
Jrn
dr
n
.
1.4. Derivate partiale de ordin superior. Diferentiale de ordin
superior
1.4.1. Derivate partiale de ordin superior
Fie 1 domeniu, 1 R
n
, a 1 si ) : 1 R o functie ce admite derivate
partiale pe 1 .
Dac a derivata
J}
Jri
: 1 R i = 1, :, este derivabil a n raport cu variabila
r

, , = 1, : n punctul a 1, numim derivat a partial a de ordinul al doilea n


punctul a a functiei ) n raport cu variabilele r
I
, r

(n aceast a ordine) num arul


J
2
}
JriJrj
(a) =
J
Jrj
_
J}
Jri
_
(a) ,
Dac a i ,= ,, i, , 1, ..., : atunci derivata
J
2
}
JriJrj
(a)
no|
= )
tt
rirj
(a) se nu-
meste derivata mixt a n raport cu variabilele r
I
si r

.
Dac a i = , 1, ..., : atunci vom folosi una dintre notatiile
J
2
}
Jr
2
i
(a) =
)
tt
r
2
i
(a) .
In general o functie de : variabile reale ) are : derivate partiale de ordin
nti si :
2
derivate partiale de ordinul doi.
S a calcul am derivatele partiale de ordinul nti si doi pentru functia ) :
R
2
R ) (r, j) = ln
_
r
2
+j
2
+ 1
_
J}
Jr
(r, j) = )
t
r
(r, j) =
2r
r
2

2
l
,
J}
J
(r, j) = )
t

(r, j) =
2
r
2

2
l
.
J
2
}
Jr
2
(r, j) =
_
2r
r
2

2
l
_
t
r
=
2(r
2

2
l)2r 2r
(r
2

2
l)
2
=
2(r
2

2
l)
(r
2

2
l)
2
.
J
2
}
JrJ
(r, j) =
_
2r
r
2

2
l
_
t

= 2r
_

2
(r
2

2
l)
2
_
=
dr
(r
2

2
l)
2
.
J
2
}
J
2
(r, j) =
_
2
r
2

2
l
_
t

=
2(r
2

2
l)
(r
2

2
l)
2
.
10
Se observ a c a )
tt
r
(r, j) = )
tt
r
(r, j). In general, aceste derivate partiale de
ordinul al doilea nu sunt egale. Urm atorul criteriu stabileste conditii suciente
pentru ca derivatele partiale mixte s a e egale.
(Schwarz). Dac a functia ) : 1 R , 1 domeniu, 1 R
n
, are derivate
partiale de ordinul doi mixte
J
2
}
JriJrj
si
J
2
}
JrjJri
, i, , 1, ..., : , i ,= ,, ntr-
o vecin atate \ a punctului a 1 si dac a aceste functii derivate partiale de
ordinul doi mixte
J
2
}
JriJrj
si
J
2
}
JrjJri
sunt continue n a atunci are loc egalitatea:
J
2
}
JriJrj
(a) =
J
2
}
JrjJri
(a) .
Pentru simplicarea notatiilor vom face demonstratia doar n cazul : = 2.
Fie (a, /) 1 R
2
.
Alegem un punct (r, j) \ 1(a, /) astfel nct dreptunghiul cu vrfurile
opuse (r, j) si (a, /) s a e continut n \ 1.
Consider am functia 1 : \ 1 R, 1 ( r, j) =
}(r,)}(r,b)}(o,)}(o,b)
(ro) (b)
.
Fie q (t) =
}(|,)}(|,b)
b
unde t [a, r] sau t [r, a] dup a cum a < r sau
a r.
Deoarece q (r) =
}(r,)}(r,b)
b
, q (a) =
}(o,)}(o,b)
b
rezult a c a 1(r, j) =
(r)(o)
ro
.
Aplicnd teorema lui Lagrange functiei q rezult a c a exist a ntre a si r astfel
nct 1(r, j) =
(r)(o)
ro
= q
t
() .
Pe de alt a parte observ am c a ipotezele din enunt asigur a faptul c a functia q
este derivabil a pe (a, r) (respectiv (r, a)) si astfel egalitatea precedent a devine:
1(r, j) =
(r)(o)
ro
= q
t
() =
l
b
_
J}
Jr
(, j)
J}
Jr
(, /)
_
.
Aplicnd din nou teorema lui Lagrange n raport cu variabila j, obtinem c a
exist a j ntre / si j astfel nct:
1(r, j) =
l
b
_
J}
Jr
(, j)
J}
Jr
(, /)
_
=
J
2
}
JrJ
(, j) .
In mod analog, considernd functia /(:) =
}(r,s)}(o,s)
ro
, unde : [/, j] sau
: [j, /] dup a cum / < j sau / j, deducem c a exist a j
l
ntre / si j si
l
ntre
a si r astfel nct 1(r, j) =
J
2
}
J Jr
(
l
, j
l
) .
In concluzie
J
2
}
Jr J
(, j) =
J
2
}
JrJ
(
l
, j
l
) unde ,
l
se g asesc ntre a si r
iar j, j
l
se g asesc ntre / si j.
Folosind continuitatea functiilor derivate partiale de ordinul doi mixte n
punctul (a, /), obtinem prin trecere la limit a cu r a si j / (ceea ce
implic a faptul c a ,
l
a si j, j
l
/) egalitatea
J
2
}
JrJ
(a, /) =
J
2
}
J Jr
(a, /) ,
deci teorema este demonstrat a.
Dac a functia ) : 1 R, 1 _ R
n
are derivate partiale de ordinul doi mixte
J
2
}
JriJrj
si
J
2
}
JrjJri
, i, , 1, ..., : , i ,= ,, pe 1 si sunt functii continue pe 1
atunci ele sunt egale pe 1 adic a
0
2
)
0r
I
0r

(r) =
0
2
)
0r

0r
I
(r) , r 1.
Conditia de continuitate a derivatelor mixte este esential a.
11
De exemplu, e
) : R
2
R,
) (r, j) =
_
rj
r
2

2
r
2

2
, dac a (r, j) ,= (0, 0)
0, dac a (r, j) = (0, 0)
.Functia ) este derivabil a n raport cu r si j pe R
2
si anume
0)
0r
(r, j) =
_
3r
2
j j
3
_ _
r
2
+j
2
_
2r
2
j
_
r
2
j
2
_
(r
2
+j
2
)
2
=
j
_
r
d
j
d
_
+ 4r
2
j
3
(r
2
+j
2
)
2
pentru (r, j) ,= (0, 0) ,
0)
0j
(r, j) =
_
r
3
3rj
2
_ _
r
2
+j
2
_
2rj
2
_
r
2
j
2
_
(r
2
+j
2
)
2
=
r
_
r
d
j
d
_
4r
3
j
2
(r
2
+j
2
)
2
pentru (r, j) ,= (0, 0) ,
iar
0)
0r
(0, 0) = lim
r0
) (r, 0) ) (0, 0)
r
= 0
0)
0j
(0, 0) = lim
0
) (0, j) ) (0, 0)
j
= 0.
De asemenea exist a, peste tot, derivatele de ordinul al doilea, ns a
0
2
)
0r0j
(0, 0) = lim
0
J}
Jr
(0, j)
J}
Jr
(0, 0)
j
= lim
0

4
j
= 1
0
2
)
0j 0r
(0, 0) = lim
r0
J}
J
(r, 0)
J}
J
(0, 0)
r
= lim
0
r
5
r
4
r
= 1
deci
0
2
)
0r0j
(0, 0) ,=
0
2
)
0j 0r
(0, 0) .
Aceasta se ntmpl a din cauz a c a derivatele mixte nu sunt functii continue.
Fie 1 domeniu, 1 R
n
, si ) : 1 R o functie ce admite derivate partiale
de ordinul doi pe 1 . Atunci putem studia existenta derivatelor partiale de
ordinul 3.
Dac a derivata
J
2
}
JriJrj
: 1 R ( i, , 1, ..., :) este derivabil a n raport
cu r
|
(/ 1, ..., :) n punctul a 1, numim derivat a partial a de ordinul al
treilea n punctul a a functiei ) n raport cu variabilele r
I
, r

, r
|
(n aceast a
ordine) num arul
0
3
)
0r
I
0r

0r
|
(a)
no|
= )
ttt
rirjr
k
(a) =
0
0r
|
_
0
2
)
0r
I
0r

_
(a) .
Dac a cel putin doi indici dintre i, ,, / sunt diferiti derivata se va numi mixt a. In
caz contrar, adic a i = , = /, se obtine derivata de ordinul 3 n raport cu aceiasi
variabil a r
I
_
i = 1, :
_
,
J
3
}
Jr
3
i
(a) = )
ttt
r
3
i
(a) .
12
In mod analog se pot deni derivate partiale de ordin mai mare ca trei.
Concluzia Teoremei lui Schwarz r amne adev arat a si pentru derivatele partiale
mixte de ordin mai mare ca doi. De fapt, n ipoteza continuit atii acelor functii
derivate mixte de ordin superior, important a este nu ordinea n care se face
derivarea ci variabilele n raport cu care se face derivarea si de cte ori se de-
riveaz a n raport cu o variabil a. De exemplu avem c a
J
3
}
Jr
2
J
=
J
3
}
JrJJr
=
J
3
}
JJr
2
.
Fie functia ) : R(0, ) R dat a de ) (r, j) = rlnj
Derivatele partiale distincte de ordinul doi, trei se calculeaz a astfel:
Calcul am mai nti derivatele partiale de ordinul nti
J}(r,)
Jr
= (rlnj)
t
r
= lnj,
J}
J
(r, j) = (rlnj)
t

=
r

Calcul am derivatele partiale de ordinul doi distincte


J
2
}(r,)
Jr
2
=
J
Jr
_
J}
Jr
(r, j)
_
=
J
Jr
(lnj) = 0
J
2
}(r,)
JrJ
=
J
J
_
J}
Jr
(r, j)
_
=
J
J
(lnj) =
l

=
J
2
}(r,)
J Jr
J
2
}(r,)
J
2
=
J
J
_
J}
J
(r, j)
_
=
J
J
_
r

_
=
r

2
.
Calcul am derivatele partiale de ordinul trei distincte
J
3
}
Jr
3
(r, j) =
J
Jr
_
J
2
}
Jr
2
(r, j)
_
=
J
Jr
(0) = 0
J
3
}
Jr
2
J
(r, j) =
J
3
}
JrJJr
(r, j) =
J
3
}
JJr
2
(r, j) =
J
J
_
J
2
}
Jr
2
(r, j)
_
=
J
J
(0) = 0
J
3
}
JrJ
2
(r, j) =
J
3
}
JJrJ
(r, j) =
J
3
}
J
2
Jr
(r, j) =
J
Jr
_
J
2
}
J
2
(r, j)
_
=
J
Jr
_

2
_
=

2
J
3
}
J
3
(r, j) =
J
J
_
J
2
}
J
2
(r, j)
_
=
J
J
_

2
_
=
2r

3
.
1.4.2. Diferentiale de ordin superior
In paragraful 1.3. a fost introdus a notiunea de diferential a a unei functii n
punctul a, notat a d)
(o)
.
Aceasta este dat a de d)
(o)
: R
n
R, d)
(o)
(/) =
n

I=l
J}
Jri
(a) /
I
sau dac a not am cu dr = (dr
l
, dr
2
, ..., dr
n
) cresterile argumentelor atunci
d)
(o)
(dr) =
n

I=l
0)
0r
I
(a) dr
I
.
De asemenea, am introdus operatorul de diferentiere
d =
0
0r
l
dr
l
+
0
0r
2
dr
2
+... +
0
0r
n
dr
n
cu ajutorul c aruia se poate scrie
d)
(o)
=
_
0
0r
l
dr
l
+
0
0r
2
dr
2
+... +
0
0r
n
dr
n
_
) (a) .
Fie 1 domeniu, 1 R
n
, a 1 si ) : 1 R
13
1) Spunem c a ) este de dou a ori diferentiabil a n punctul a sau c a are
diferentiabil a de ordinul doi n a dac a ) admite derivate partiale n raport
cu toate variabilele pe o vecin atate \ a lui a si functiile derivate partiale
J}
Jri
, i 1, ..., :, (considerate pe \ 1) sunt diferentiabile n a.
In general
2) Spunem c a functia ) este diferentiabil a de / ori n punctul a, sau c a
are diferential a de ordinul / n a dac a toate derivatele partiale de ordinul
/ 1 ale lui ) exist a ntr-o vecin atate \ a lui a si sunt diferentiabile n a.
3) Spunem c a functia ) este diferentiabil a de / ori pe domeniul 1 dac a este
diferentiabil a de / ori n ecare punct din 1.
Prezent am n continuare (f ar a demonstratie) un rezultat care ne d a conditii
suciente pentru ca o functie s a e de / ori diferentiabil a ntr-un punct.
Fie 1 domeniu, 1 R
n
, a 1 si ) : 1 R.
Dac a ) are ntr-o vecin atate \ a lui a toate derivatele partiale de ordinul /
si dac a aceste functii derivate partiale sunt continue n a, atunci ) este difer-
entiabil a de / ori n a.
Diferentiala de ordinul / n punctul a se deneste prin egalitatea
d
|
)
(o)
(dr) =
_
J
Jr1
dr
l
+
J
Jr2
dr
2
+... +
J
Jrn
dr
n
_
(|)
) (a) ,
unde dr = (dr
l
, dr
2
, ..., dr
n
) iar (/) reprezint a puterea simbolic a-formal a,
dup a care se dezvolt a suma din parantez a si apoi se nmulteste formal cu ) (a) .
Utiliznd ridicarea la puterea simbolic a se obtine expresia:
d
|
)
(o)
(dr) =

|1|2...|n=|
/!
/
l
!, /
2
!, ..., /
n
!
0
|
) (a)
0r
|1
l
...0r
|n
n
dr
|1
l
dr
|2
2
...dr
|n
n
.
Operatorul de diferentiere de ordinul / este
d
|
=
_
0
0r
l
dr
l
+
0
0r
2
dr
2
+... +
0
0r
n
dr
n
_
(|)
care este (formal) puterea de ordinul / a operatorului de diferentiere de
ordinul nti.
Pentru o mai bun a ntelegere a puterii simbolice vom prezenta n continuare
expresia detaliat a a diferentialelor de ordinul doi si trei pentru o functie de
dou a variabile reale
Dac a ) : 1 R, 1 _ R
2
, a = (a
l
, a
2
) si dac a ) este o functie de trei ori
diferentiabil a n a atunci
d
2
)
(o1,o2)
(dr, dj) =
0
2
)
0r
2
(a) dr
2
+ 2
0
2
)
0r0j
(a) drdj +
0
2
)
0j
2
(a) drdj,
respectiv
14
d
3
)
(o1,o2)
(dr, dj) =
0
3
)
0r
3
(a) dr
3
+ 3
0
2
)
0r
2
0j
(a) dr
2
dj +
+3
0
2
)
0r0j
2
(a) drdj
2
+
0
3
)
0j
3
(a) dj
3
.
Scriem diferentialele de ordinul unu, doi si trei pentru functia:
) : R (0, ) R prezentat a n exemplul 2.4.2.
Diferentiala de ordinul unu este
d)
(o1,o2)
(dr, dj) =
0)
0r
(a
l
, a
2
) dr +
0)
0j
(a
l
, a
2
) dj =
= lna
2
dr +
a
l
a
2
dj.
Diferentiala de ordinul doi este
d
2
)
(o1,o2)
(dr, dj) =
0
2
)
0r
2
(a
l
, a
2
) dr
2
+ 2
0
2
)
0r0j
(a
l
, a
2
) drdj +
+
0
2
)
0j
2
(a
l
, a
2
) dj
2
=
2
a
2
drdj
a
l
a
2
2
dj
2
.
Diferentiala de ordinul trei va
d
2
)
(o1,o2)
(dr, dj) =
3
a
2
2
drdj
2
+
2a
l
a
3
2
dj
3
.
1.5. Extreme pentru functii de mai multe variabile
1.5.1. Notiunea de punct de extrem
Asa cum pentru functiile de o singur a variabil a si pentru functiile de mai
multe variabile se pune problema, att teoretic ct si prin prisma aplicatiilor,
determin arii punctelor de extrem. Derivatele partiale vor juca un rol important
n aceast a determinare, cu ajutorul lor vor stabilite conditiile necesare si cele
suciente ca un punct din domeniul de denitie al functiei s a e punct de extrem.
Fie functia de : variabile ) : 1 R, 1 R
n
.
Denitia 1.5.1. Spunem c a punctul a = (a
l
, a
2
, . . . , a
n
) 1 este punct
de maxim local pentru functia ) dac a exist a o vecin atate \ (a) a lui a astfel
nct )(r) _ )(a) pentru orice r = (r
l
, r
2
, . . . , r
n
) 1 \ (a). Spunem c a
punctul a 1 este punct de minim local dac a exist a o vecin atate \ (a) a lui
a astfel nct )(r) _ )(a) pentru orice r 1 \ (a).
Punctele de maxim local respectiv de minim local le numim puncte de ex-
trem local.
Observatie. Cnd inegalit atile din Denitia 1.5.1 sunt ndeplinite pentru
orice r 1 vom avea puncte de extrem global.
15
Denitia 1.5.2. Spunem c a punctul interior a = (a
l
, a
2
, . . . , a
n
) 1 este
punct stationar al functiei ) : 1 R, 1 R
n
, dac a exist a derivatele partiale
J }(o)
Jr
k
, / = 1, :, si
J }
k
(o)
Jr
k
= 0, pentru / = 1, :.
1.5.2. Conditii necesare pentru existenta extremelor locale
Din denitia punctului de extrem local se constat a c a diferenta )(r) )(a)
trebuie s a-si p astreze semnul pe o ntreag a vecin atate a punctului a asa nct
acesta s a e punct de extrem. A stabili acest semn se dovedeste adesea a o
problem a dicil a. Dar n cazul functiilor care admit derivate partiale se obtin
niste conditii necesare de extrem exprimabile foarte simplu. Are loc
Teorema 1.5.1. Fie ) : 1 R, 1 R
n
, o func tie de : variabile care are
punctul interior a = (a
l
, a
2
, . . . , a
n
) 1 punct de extrem local. Daca exista
derivatele par tiale
J}(o)
J r
k
, / = 1, :, atunci
Jf (a)
J x
k
=0, k=1, :.
Observatie. Relatiile precedente constituie conditiile necesare ca un punct
interior a 1 s a e punct de extrem pentru functia ) care are derivate partiale
de ordinul nti. n fond se constat a c a punctele de extrem local (interioare) se
a a printre punctele stationare.
1.5.3. Conditii suciente pentru existenta extremelor locale
Consider am functia de : variabile ) : 1 R, 1 R
n
, care are derivatele
partiale pn a la ordinul doi continue ntr-o vecin atate \ (a) a punctului stationar
a = (a
l
, a
2
, . . . , a
n
). Atunci formula lui Taylor, pentru / = 2 si r 1 \ (a),
este )(r) = )(r
l
, r
2
, . . . , r
n
) = )(a) +d)
(o)
(dr) +d
2
)
(o)
(dr) +1
2
.
Dar, cum a este punct stationar, rezult a c a d)
(o)
(dr) = 0, si n consecint a
putem scrie
)(r) )(a) = d
2
)
(o)
(dr) +1
2
.
Are loc urm atorul rezultat care evidentiaz a conditiile suciente pentru exis-
tenta extremelor locale
Teorema 1.5.2. Fie ) : 1 R, 1 R
n
o func tie de : variabile care
are derivatele par tiale pna la ordinul doi continue ntr-o vecinatate \ (a) a
punctului sta tionar a = (a
l
, a
2
, . . . , a
n
) 1. Daca:
d
2
)
(o)
(dr) 0 atunci a este un punct de minim local;
d
2
)
(o)
(dr) < 0 atunci a este un punct de maxim local.
Observatii. 1. Inegalit atile d
2
)
(o)
(dr) < 0 respectiv d
2
)
(o)
(dr) 0 arat a
c a forma p atratic a d
2
)
(o)
(dr) este negativ denit a respectiv pozitiv denit a si
constituie conditiile suciente de extrem. Cnd forma p atratic a d
2
)
(o)
(dr) este
nedenit a punctul stationar a nu este punct de extrem.
2. Dac a forma p atratic a d
2
)
(o)
(dr) este semipozitiv denit a sau semine-
gativ denit a problema privind natura punctului stationar r amne deschis a.
Adic a sunt cazuri cnd a este punct de extrem f ar a ca d
2
)
(o)
(dr) s a e denit a,
respectiv sunt cazuri cnd a nu este punct de extrem f ar a ca d
2
)
(o)
(dr) s a e
nedenit a.
3. Sintetiznd toate cele spuse pn a acum putem preciza etapele ce trebuie
parcurse pentru a g asi punctele de extrem locale interioare.
1

Se determin a punctele stationare ale functiei ) .


16
2

Se calculeaz a derivatele partiale de ordinul doi n ecare punct stationar a


si se determin a natura formei p atratice d
2
)
(o)
(dr). n raport cu natura acesteia
se precizeaz a tipul punctului stationar a.
3

Dac a a este punct de extrem local se calculeaz a valoarea extrem a pentru


functia ).
1.6. Ajustarea datelor experimentale
S a presupunem c a legile teoretice care guverneaz a procesul n care apar cele
dou a m arimi m asurabile ne asigur a c a dependenta dintre aceste dou a m arimi
este descris a de relatia j = )(r), unde ) T, unde T este o clas a precizat a de
functii reale de o variabil a real a. Se pune atunci problema determin arii acelei
functii ) din clasa T care d a ct mai bine dependenta lui j de r n procesul
concret respectiv.
S a admitem c a : observatii experimentale asupra procesului respectiv dau
pentru r si j valorile din tabelul urm ator:
x x
l
x
2
x
n
y y
l
y
2
y
n
Problema pus a revine la determinarea functiei ) din clasa T ale c arei valori
n punctele r
l
, r
2
, . . . , r
n
s a "se apropie ct mai mult" de datele determinate
experimental.
O m asur a a apropierii functiei ) de datele experimentale este

n
I=l
()(r
I
)
j
I
)
2
.
Determinarea functiei ) din clasa T pentru care
n

I=l
()(r
I
) j
I
)
2
are cea
mai mic a valoare posibil a va numit a ajustarea datelor experimentale din
tabelul
r r
l
r
2
r
n
j j
l
j
2
j
n
cu metoda celor mai
mici p atrate.
n cele ce urmeaz a vom considera cazul cnd T este clasa functiilor polino-
miale de grad cel mult : n nedeterminata r, adic a
T =
_
1
n
(r) =

n
|=0
a
|
r
|
[ a
|
R, / = 0, :
_
.
A determina functia ) revine atunci la a determina coecientii a
0
, a
l
, . . . , a
n
.
S a not am 1(a
0
, a
l
, . . . , a
n
) =

n
I=l
(1
n
(r
I
) j
I
)
2
.
Problema pus a se reduce atunci la problema determin arii punctului de minim
al functiei 1.
Punctele stationare ale functiei 1 sunt solutiile sistemului
1
t
oj
(a
0
, a
l
, . . . , a
n
) = 0, , = 0, :
care conduce la sistemul normal _

_
:
0
a
0
+:
l
a
l
+ +:
n
a
n
= t
0
:
l
a
0
+:
2
a
l
+ +:
nl
a
n
= t
l
. . .
:
n
a
0
+:
nl
a
l
+ +:
2n
a
n
= t
n
.
unde avem sumele s
l
=
n

I=l
r
l
I
:i t
l
=
n

I=l
r
l
I
j
I
.
Aceste sume pot determinate completnd tabelul urm ator
17
r
0
I
r
l
I
r
2
I
r
2n
I
r
0
I
j
I
r
l
I
j
I
r
n
I
j
I
1 r
l
r
2
l
r
2n
l
j
l
r
l
j
l
r
n
l
j
l
1 r
2
r
2
2
r
2n
2
j
2
r
2
j
2
r
n
2
j
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1 r
n
r
2
n
r
2n
n
j
n
r
n
j
n
r
n
n
j
I

:
0
:
l
:
2
:
2n
t
0
t
l
t
n
n care coloanele r
l
I
si r
0
I
j
I
sunt date de tabelul de date experimentale.
Fie (a
0
, a
l
, . . . , a
n
) solutia unic a a sistemului normal. Atunci punctul
(a
0
, a
l
, . . . , a
n
) este punctul stationar unic al functiei 1.
Avnd n vedere c a 1(a
0
, a
l
, . . . , a
n
) =

n
I=l
(1
n
(r
I
) j
I
)
2
,
deci c a 1 este o sum a de p atrate, se poate ar ata c a dac a 1 are un punct de
extrem nit atunci el este punct de minimsi c a punctul stationar (a
0
, a
l
, . . . , a
n
)
este ntotdeauna punctul de minim al functiei 1.
n acest fel, etapa a doua a procedeului de determinare a extremelor functiei
1 nu mai trebuie parcurs a si deci polinomul (de grad cel mult :) care ajusteaz a
- n sensul metodei celor mai mici p atrate - datele experimentale considerate este
1
n
(r) = a
0
+a
l
r +a
2
r
2
+ +a
n
r
n
.
Mention am c a, dac a : = 1, n locul expresiei "s a se determine polinomul
de ajustare de grad cel mult unu", se mai utilizeaz a expresia "s a se ajusteze cu
o dreapt a", iar dac a : = 2, n locul expresiei "s a se determine polinomul de
ajustare de grad cel mult doi", se mai utilizeaz a expresia "s a se ajusteze cu o
parabol a". Aceste exprim ari se bazeaz a pe faptul c a imaginea geometric a a unui
polinom de gradul nti este o dreapt a, iar imaginea geometric a a unui polinom
de gradul doi este o parabol a.
1.7. Exercitii si probleme rezolvate
1.7.1.S a se studieze existenta limitei functiilor de mai jos n punctele spec-
icate iar atunci cnd este cazul s a se calculeze aceste limite.
a) )(r, j) =
r
2

2
]r]]]
, (0, 0); b) )(r, j) =
r
_
rll
, (0, 0); c) )(r, j) =
r
2

2
r
2

2
, (0, 0).
Rezolvare. a) Domeniul de denitie al functiei este 1 = R
2
(0, 0) . (0, 0)
nu apartine domeniului 1 dar este punct de acumulare al s au. Avem:
[)(r, j)[ =
r
2

2
]r]]]
_
[r
2
[[
2
[2]r]]]
]r]]]
=
(]r]]])
2
]r]]]
= [r[ +[j[
si cum lim
(r,)(0,0)
([r[ +[j[) = 0, din criteriul major arii, rezult a c a
| = lim
(r,)(0,0)
)(r, j) = 0.
b) ) este denit a pentru
_
rj + 1 _ 0
_
rj + 1 1 ,= 0
adic a pe 1 = (r, j)
R
2
[ rj _ 1, rj ,= 0
| = lim
(r,)(0,0)
)(r, j) = lim
(r,)(0,0)
r
_
rll
=
= lim
(r,)(0,0)
r(
_
rll)
r
= lim
(r,)(0,0)
__
rj + 1 + 1
_
= 2.
c) Domeniul de denitie al functiei este 1 = R
2
(0, 0).
18
lim
(r,)(0,0)
)(r, j) = lim x!0
y=mx
)(r, j) = lim
r0
r
2
n
2
r
2
r
2
n
2
r
2
= lim
r0
r
2
(ln
2
)
r
2
(ln
2
)
=
ln
2
ln
2
,
depinde de : si deci ) nu are limit a n (0, 0).
1.7.2. S a se cerceteze continuitatea functiei
) (r, j) =
_
lcos(r
3

3
)
r
2

2
, dac a (r, j) ,= (0, 0)
0, dac a (r, j) = (0, 0)
Rezolvare. ) este continu a pe R
2
(0, 0)ind o functie compusa de functii
elementare. Mai r amne de studiat continuitatea n punctul (0, 0). Avem:
| = lim
(r,)(0,0)
lcos(r
3

3
)
r
2

2
= lim
(r,)(0,0)
2 sIn
2

x
3
+y
3
2

r
2

2
=
= lim
(r,)(0,0)
2
sIn
2

x
3
+y
3
2

x
3
+y
3
2

x
3
+y
3
2

2
r
2

2
=
l
2
lim
(r,)(0,0)
(r
3

3
)
2
r
2

2
.
Pentru a calcula limita |, aplic am inegalitatea Cauchy-Schwarz-Buniakowsky:
(r
3
+j
3
)
2
= (r r
2
+j j
2
)
2
_ (r
2
+j
2
)(r
d
+j
d
) _ (r
2
+j
2
)
3
Avem
0 _ | _
l
2
lim
(r,)(0,0)
(r
2

2
)
3
r
2

2
=
l
2
0 = 0 = )(0, 0)
adic a ) este continu a si n origine si deci continu a pe tot spatiul R
2
.
1.7.3. Folosind denitia s a se calculeze
J}
Jr
,
J}
J
n punctele precizate, pentru
functia de mai jos:
)(r, j) = r
2
+j
2
+rj, (2, 1)
Rezolvare.
J}
Jr
(2, 1) = lim
r2
}(r,l)}(2,l)
r2
= lim
r2
(r
2
lr)(dl2)
r2
=
lim
r2
r
2
r6
r2
= lim
r2
(r + 3) = 5
J}
J
(2, 1) = lim
l
}(2,)}(2,l)
l
= lim
l
(d
2
2)(dl2)
l
=
lim
l

2
23
l
= lim
l
(j + 3) = 4
1.7.4. S a se calculeze derivatele partiale de ordinul nti pentru urm atoarele
functii:
a) ) : 1 R, )(r, j) = r
2
+j
2
3arj
b) ) : 1 R, )(r, j) =

r
c) ) : 1 R, )(r, j) = ln
_
r +
_
r
2
+j
2
_
(1 este domeniul maxim de denitie.)
Rezolvare. a)
J}
Jr
(r, j) = (r
2
+j
2
3arj)
t
r
= 2r 3aj
J}
J
(r, j) = (r
2
+j
2
3arj)
t

= 2j 3ar
b)
J}
Jr
(r, j) =
_

r
_
t
r
=

r
2
si
J}
J
(r, j) =
_

r
_
t

=
l
r
c)
J}
Jr
(r, j) =
_
ln
_
r +
_
r
2
+j
2
__
t
r
=
l
r
_
r
2

2
_
r +
_
r
2
+j
2
_
t
r
=
l
_
r
2

2
J}
J
(r, j) =
l
r
_
r
2

2
_
r +
_
r
2
+j
2
_
t

r
_
r
2

2
_
r
2

2
19
1.7.5. S a se scrie diferentialele de ordinele unu, doi si trei pentru functia
)(r, j) = ln(rj) cu rj 0
Rezolvare. Derivatele partiale sunt:
J}(r,)
Jr
=
l
r
,
J}(r,)
J
=
l

J
2
}(r,)
Jr
2
=
l
r
2
,
J
2
}(r,)
JrJ
= 0,
J
2
}(r,)
J
2
=
l

2
J
3
}(r,)
Jr
3
=
2
r
3
,
J
3
}(r,)
Jr
2
J
= 0,
J
3
}(r,)
JrJ
2
= 0,
J
3
}(r,)
J
3
=
2

3
Diferentiala de ordinul intai este: d)
(r,)
(dr, dj) =
J}(r,)
Jr
dr+
J}(r,)
J
dj =
l
r
dr +
l

dj
Diferentiala de ordinul doi este:
d
2
)
(r,)
(dr, dj) =
J
2
}(r,)
Jr
2
dr
2
+2
J
2
}(r,)
JrJ
drdj+
J
2
}(r,)
J
2
dj
2
=
l
r
2
dr
2

2
dj
2
Diferentiala de ordinul trei va :
d
3
)
(r,)
(dr, dj) =
_
J
Jr
dr +
J
J
dj
_
(3)
)(r, j) =
J
3
}(r,)
Jr
3
dr
3
+3
J
3
}(r,)
Jr
2
J
dr
2
dj+
3
J
3
}(r,)
JrJ
2
drdj
2
+
+
J
3
}(r,)
Jr
3
dj
3
=
2
r
3
dr
3
+
2

3
dj
3
1.7.6. O fabric a produce dou a tipuri de bunuri. Costul producerii acestor
bunuri este dat prin functia )(r, j), unde r si j reprezint a cantit atile produse
din ecare tip de produs. S a se minimizeze costul cnd
)(r, j) = r
3
+j
3
9rj + 100.
Rezolvare. Pentru nceput determin am punctele stationare.
_
J}(r,)
Jr
= 3r
2
9j = 0
J}(r,)
J
= 3j
2
9r = 0
Solutiile sistemului, adic a (0, 0) si (3, 3), vor punctele stationare ale functiei
). Derivatele partiale de ordinul doi vor
J
2
}(r,)
Jr
2
= 6r,
J
2
}(r,)
JrJ
= 9,
J
2
}(r,)
J
2
= 6j
si deci diferentialele de ordinul doi calculate n punctele stationare vor
d
2
)
(0,0)
(dr, dj) = 18drdj
si d
2
)
(3,3)
(dr, dj) = 18dr
2
18drdj + 18dj
2
Matricea asociat a primei diferentiale de ordinul doi este =
_
0 9
9 0
_
Folosind aceast a matrice putem arma c a punctul stationar (0, 0) nu este
punct de extrem local.
Matricea asociat a celei de-a doua diferentiale este
=
_
18 9
9 18
_
v
1
2
J1J2J2
_
18 9
0
27
2
_
v
1
2
c1c2c2
_
18 0
0
27
2
_
= 1.
Din forma matricei 1 rezult a c a forma p atratic a asociat a celei de-a doua
diferentiale este pozitiv denit a. Deci punctul stationar (3, 3) este un punct de
minim local. Valoarea minim a a costului este )
nIn
= )(3, 3) = 73.
20
1.7.7. Fie datele numerice
r 1 0 1 2
j 2 1 2 11
S a se ajusteze aceste date numerice:
a) printr-un polinom de gradul nti (o dreapt a)
b) printr-un polinom de gradul doi (o parabol a)
Rezolvare. a) Avem gradul polinomului : = 1, deci pentru scrierea sistemu-
lui normal trebuie calculate sumele :
0
, :
l
, :
2
si sumele t
0
si t
l
.
r
0
I
r
l
I
r
2
I
r
0
I
j
I
r
l
I
j
I
1 1 1 2 2
1 0 0 1 0
1 1 1 2 2
1 2 4 11 22

4 2 6 16 22
Deci :
0
= 4, :
l
= 2, :
2
= 6, t
0
= 16 si t
l
= 22. Sistemul normal este:
_
4a
0
+ 2a
l
= 16
2a
0
+ 6a
l
= 22
Solutia unic a a acestui sistem este: a
0
=
l3
5
, a
l
=
ld
5
Atunci polinomul de ajustare de grad cel mult unu este 1
l
(r) =
l3
5
+
ld
5
r,iar
dreapta de ajustare este dreapta de ecuatie j =
l3
5
+
ld
5
r.
b) Avnd : = 2, pentru scrierea sistemului normal vom calcula sumele
:
0
= 4, :
l
= 2, :
2
= 6, :
3
= 8, :
d
= 18, t
0
= 16, t
l
= 22, t
2
= 48.
Sistemul normal va :
_
_
_
4a
0
+ 2a
l
+ 6a
2
= 16
2a
0
+ 6a
l
+ 8a
2
= 22
6a
0
+ 8a
l
+ 18a
2
= 48
ce admite solutia unic a a
0
=
l
l0
, a
l
=
3
l0
, a
2
=
25
l0
.Polinomul de ajustare
de grad cel mult 2 este 1
2
(r) =
l
l0
+
3
l0
r +
25
l0
r
2
iar parabola de ajustare este
parabola de ecuatie: j = 0, 1 + 0, 3r + 2, 5r
2
Teme de control
1.8. Exercitii si probleme propuse
1.8.1. S a se studieze existenta limitelor functiilor de mai jos n punctele
specicate iar atunci cnd este cazul s a se calculeze aceste limite:
a) )(r, j) =
sIn(r
3

3
)
r
2

2
, (0, 0); b) )(r, j) =

2
r

2
r
, (0, 0); c) )(r, j) =
_
1 r
2
j
2
,
_
l
2
,
l
2
_
.
Raspuns. a) 1 = R
2
(0, 0), | = 0, b) 1 = (r, j) R
2
[ r ,= 0, j ,=
0, r ,= j
2
, nu exist a limita lui ),
c) 1 = (r, j) R
2
[ r
2
+ j
2
_ 1 este discul cu centrul n originea axelor
de coordonate si de raz a 1, | =
_
2
2
.
1.8.2. S a se cerceteze continuitatea urm atoarelor functii:
) (r, j) =
_
3r
2
2r
2
9
4
, dac a (r, j) ,= (0, 0)
0, dac a (r, j) = (0, 0)
21
Raspuns. ) continu a pe R
2
(0, 0)
1.8.3. S a se calculeze derivatele partiale de ordinul nti pentru urm atoarele
functii:
a) . = )(r, j) =
r
r
, b) . = )(r, j) =
r
_
r
2

2
, c) . = arctq

r
Raspuns. a)
J:
Jr
=
2
(r)
2
,
J:
Jr
=
2r
(r)
2
, b)
J:
Jr
=

2
3
_
(r
2

2
)
2
,
J:
J
=


2
3
_
(r
2

2
)
2
,c)
J:
Jr
=

r
2

2
,
J:
J
=
r
r
2

2
,
1.8.4. S a se calculeze derivatele partiale de ordinul doi si trei pentru functia
)(r, j, .) = r
2
j.
3
Raspuns. a)
J
2
}(r,,:)
Jr
2
= 2j.
2
,
J
2
}(r,,:)
J
2
= 0,
J
2
}(r,,:)
J:
2
= 6r
2
j.,
J
2
}(r,,:)
JrJ
=
2r.
3
,
J
2
}(r,,:)
JrJ:
= 6rj.
2
,
J
2
}(r,,:)
JJ:
= 3r
2
.
2
J
3
}(r,,:)
Jr
3
= 0,
J
3
}(r,,:)
Jr
2
J
= 2.
2
,
J
3
}(r,,:)
Jr
2
J:
= 4j.,
J
3
}(r,,:)
J
3
= 0,
J
3
}(r,,:)
J
2
J:
=
0,
J
3
}(r,,:)
J:
3
= 6r
2
j
J
3
}(r,,:)
JrJ
2
= 0,
J
3
}(r,,:)
JrJJ:
= 4r.,
J
3
}(r,,:)
JrJ:
2
= 12rj.,
J
3
}(r,,:)
JJ:
2
= 6r
2
.
1.8.5. S a se scrie diferentialele de ordinele doi si trei pentru functia )(r, j) =
r
2
rj + 2j
3
+ 3r 5j + 10
Raspuns. d
2
)
(r,)
(dr, dj) = 2dr
2
2drdj +12jdj
2
, d
3
)
(r,)
(dr, dj) = 12dj
3
1.8.6. S a se determine punctele de extrem local pentru functia )(r, j) =
2r
2
+ 2rj 5j
2
+ 6r + 6j, (r, j) R
2
,
Raspuns. )
nor
= )(2, 1) = 9
1.8.7. Se consider a datele numerice:
r 2 0 1 2
j 48 32 9 8
S a se ajusteze aceste date numerice printr-o dreapt a si g asiti apoi valoarea
lui j n punctul r = 3.
Raspuns. j = 10, 89r + 26, 97, j(3) = 5, 69
Rezumat modul
In acest capitol s-au prezentat denitii si concepte de baza legate de functiile
reale de mai multe variabile reale cum sunt: elemente de topologie ale spatiului
R
n
, limite de functii si continuitatea lor de la R
n
la R, derivate partiale si
diferentiala. Au fost prezentate notiunile de derivate partiale si derivate de
ordin superior, extremele functiilor de mai multe variabile (conditii necesare
si suciente pentru existenta extremelor locale). De asemenea s-au prezentat
si notiuni legate de ajustarea prin metoda celor mai mici patrate a datelor
experimentale.
Bibliograe modul
1. Colectiv, Elemente de algebra liniara, analiza matematica si teoria prob-
abilitatilor, Ed. Mega, Cluj-Napoca, 2009
2. Colectiv, Analiza matematica, Teoria Probabilitatilor si Algebra liniara
aplicate in economie, Ed. Mediamira, Cluj-Napoca, 2008
UNITATEA 2. Integrale Euler
2.1. Integrala lui Euler de speta nti. Functia beta
22
Denitia 2.1. Se numeste integrala lui Euler de speta nti integrala
_
l
0
r
l
(1 r)
jl
dr,
care pentru j < 1 este o integral a improprie avnd ca punct critic pe 0 si pentru
< 1 este o integral a improprie avnd ca punct critic pe 1.
Se arata ca integrala lui Euler de speta intai este convergenta pentru j 0
si 0. Astfel putem deni o functie reala de dou a variabile reale 1 : (0, )
(0, ) R prin relatia
1(j, ) =
_
l
0
r
l
(1 r)
jl
dr.
Aceast a functie se numeste functia lui Euler de speta nti sau functia
beta.
n continuare vom da cteva propriet ati ale functiei beta.
(B1) 1(j, 1) =
1
j
.
n particular, pentru j = 1 se obtine
1(1, 1) = 1.
(B2)
1
_
1
2
,
1
2
_
= .
(B3)
1(j, ) = 1(, j).
(B4) Dac a j 1 atunci
1(j, ) =
j 1
j + 1
1(j 1, ).
Mention am c a ipoteza j 1 este necesar a pentru ca j 1 0 si deci
1(j 1, ) s a existe.
Proprietatea (B4) permite micsorarea cu o unitate a primului argument al
functiei 1. Ea poate utilizat a succesiv atta timp ct primul argument r amne
pozitiv.
(B5) Dac a 1 atunci
1(j, ) =
1
j + 1
1(j, 1).
Proprietatea (B5) permite micsorarea cu o unitate a celui de al doilea argu-
ment al functiei 1. Ea poate de asemenea utilizat a succesiv atta timp ct al
doilea argument r amne pozitiv.
23
Observ am astfel c a prin utilizarea convenabil a a propriet atilor (B4) si (B5)
se poate calcula 1(j, ) pentru j 1 si 1 dac a se cunoaste 1(j, ),
unde r noteaz a partea fractionar a a lui r.
Exist a tabele cu valori ale lui 1(j, ) pentru 0 < j _ 1 si 0 < _ 1.
Exemplu de utilizare a propriet atilor (B4) si (B5).
Avem
1
_
3
2
,
5
2
_
=
3
2
1
3
2
+
5
2
1
1
_
3
2
1,
5
2
_
=
1
6
1
_
1
2
,
5
2
_
=
=
1
6
5
2
1
l
2
+
5
2
1
1
_
1
2
,
5
2
1
_
=
1
6

3
4
1
_
1
2
,
3
2
_
=
=
1
6

3
4

3
2
1
l
2
+
3
2
1
1
_
1
2
,
3
2
1
_
=
1
6

3
4

1
2
1
_
1
2
,
1
2
_
=
=
1
6

3
4

1
2
=
1
16
.
(B6) Dac a : N
+
si : N
+
atunci
1(:, :) =
(:1)! (: 1)!
(:+: 1)!
.
Astfel, de exemplu
1(5, 4) =
4! 3!
8!
=
1
280
.
(B7) Dac a 0 < j < 1 atunci
1(j, 1 j) =

sin j
.
2.2. Integrala lui Euler de speta a doua. Functia gama
Denitia 2.2. Se numeste integrala lui Euler de speta a doua integrala
_
o
0
r
ol
c
r
dr,
care este o integral a improprie (avnd limita superioar a de integrare ) si n
plus dac a a < 1 are punct critic si pe 0.
Se arata c a integrala improprie
_
l
0
r
l
c
r
dr este convergent a dac a j 0.
Acest rezultat ne permite s a denim functia real a de o variabil a real a :
(0, ) R prin relatia
(j) =
_
o
0
r
l
c
r
dr.
Aceast a functie se numeste functia lui Euler de speta a doua sau functia
gama.
24
n continuare vom da cteva propriet ati ale functiei gama.
(1) (1) = 1.
(2) Dac a j 1, atunci
(j) = (j 1)(j 1).
Mention am c a ipoteza j 1 este necesar a pentru a exista (j 1).
Proprietatea 2) permite micsorarea cu o unitate a argumentului functiei
gama. Prin utiliz ari succesive ale acestei propriet ati, calculul lui (j) pentru
j 1 poate redus la calculul lui (j).
Exist a tabele cu valori ale functiei gama pentru 0 < j _ 1.
(3) Dac a : N
+
, atunci
(:) = (:1)!
Proprietatea 3) sugereaz a faptul c a functia gama este o generalizare a fac-
torialului.
S a observ am n continuare c a dac a n proprietatea B6) a functiei beta,
1(:, :) =
(:1)! (: 1)!
(:+: 1)!
,
utiliz am n locul factorialului valori ale functiei gama date de proprietatea 3)
obtinem
1(:, :) =
(:) (:)
(:+:)
, \ :, : N
+
.
Aceast a relatie dintre functiile beta si gama r amne adev arat a si pentru
argumente reale, adic a are loc proprietatea
(4) 1(j, ) =
(j) ()
(j +)
, \ j 0 si \ 0,
cunoscut a sub denumirea de relatia lui Euler.
(5)
_
1
2
_
=
_
.
2.3. Integrala Euler-Poisson
Denitia 2.3. Integrala improprie
_
o
0
c
r
2
dr =
1
2
_
.
se numeste integrala Euler-Poisson.
Observatie. Prin calcule elementare se g asesc urm atoarele rezultate
_
o
o
c
r
2
dr =
_
si
_
o
o
c

x
2
2
dr =
_
2.
2.4. Exercitii si probleme rezolvate
2.4.1. S a se calculeze valorile functiilor lui Euler:
a) (6), b)
_
5
2
_
, c) 1(3, 5), d) 1
_
3
2
,
l
2
_
, e) 1
_
l
d
,
5
d
_
25
Solutie:
a) (6) = 5! = 120
b)
_
5
2
_
=
_
5
2
1
_

_
5
2
1
_
=
3
2

_
3
2
_
=
3
2
_
3
2
1
_

_
3
2
1
_
=
3
2
l
2

_
l
2
_
=
3
_
t
d
c) 1(3, 5) =
(3l)!(5l)!
(35l)!
=
2! d!
7!
=
dS
50d0
=
l
l05
d) 1
_
3
2
,
l
2
_
=
I(
3
2
)I(
1
2
)
I(
3
2

1
2
)
=
1
2
_
t
_
t
l!
=
t
2
e) 1
_
l
d
,
7
d
_
=
7
4
l
1
4

7
4
l
1
_
l
d
,
3
d
_
=
3
4
l
1
_
l
d
,
3
d
_
=
3
d
t
sIn

4
=
3
d
t
p
2
2
=
3t
2
_
2
2.4.2. Folosind integralele euleriene s a se calculeze integralele:
a)
_
b
o
Jr
_
(ro)(br)
, b)
_
o
2
rc
2r
dr, c)
_
o
0
3
_
r
lr
2
dr.
Solutie:
a) Facem schimbarea de variabil a
ro
bo
= t, dr = (/ a) dt
Limitele de integrare:
_
r = a, = t = 0
r = /, = t = 1
_
Deci,
_
b
o
Jr
_
(ro)(br)
=
_
l
0
(bo)J|
_
(bo)|(bo)(l|)
=
_
l
0
J|
_
|(l|)
=
_
l
0
t

1
2
(1 t)

1
2
dt = 1
_
l
2
,
l
2
_
=
b) Facem schimbarea de variabil a
r 2 = t = dr = dt Obtinem astfel:
_
o
2
rc
2r
dr =
_
o
0
(t + 2) c
|
dt =
_
o
0
tc
|
dt +2
_
o
0
c
|
dt = (2) +(1) =
1! + 2 1 = 3
c) Facem schimbarea de variabil a
r
2
=
|
l|
, dr =
l
2
_
|
l|
_

1
2
l
(l|)
2
dt
_
o
0
3
_
r
lr
2
dr =
_
l
0
(
t
1t
)
1
6
l
t
1t
l
2
_
|
l|
_

1
2
l
(l|)
2
dt =
l
2
_
l
0
t
1
6

1
2
(1 t)

1
6
l
1
2
2
dt
=
l
2
_
l
0
t

1
3
(1 t)

2
3
dt =
l
2
1
_
2
3
,
l
3
_
=
l
2
1
_
l
3
,
2
3
_
=
l
2
t
sIn

3
=
l
2
t
p
3
2
=
t
_
3
.
Teme de control
2.5. Exercitii si probleme propuse:
2.5.1. S a se calculeze valorile functiilor lui Euler:
a) (8), b)
_
9
2
_
, c)1(2, 2), d) 1
_
3
2
,
3
2
_
,
R aspuns:
a) 5040, b)
l05
_
t
l6
, c)
l
6
, d)
t
S
2.5.2. Folosind integralele euleriene s a se calculeze:
a)
_
l
0
_
r
5
r
6
dr, b)
_
2
0
sin
d
r cos
2
rdr, c)
_
o
0
r
3
Jr
(lr
3
)
2
, d)
_
o
0
r
2
c

x
5
dr,
e)
_
o
0
3
_
r
(lr)
4
dr
R aspuns:
a)
5t
2
7
, b)
t
S
, c)
2t
_
3
27
, d) 250, e)
l0t
_
3
3
5
Rezumat
In aceasta unitate au fost introduse si studiate notiunile privind integralele
Euler de speta intai (functia beta), de speta a doua (functia gama), proprietatile
acestora, precum si integrala Euler-Poisson.
26
Bibliograe
1. Colectiv, Elemente de algebra liniara, analiza matematica si teoria prob-
abilitatilor, Ed. Mega, Cluj-Napoca, 2009
2. Colectiv, Analiza matematica, Teoria Probabilitatilor si Algebra liniara
aplicate in economie, Ed. Mediamira, Cluj-Napoca, 2008
MODULUL II. Elemente de teoria probabilitatilor
Obiective
Denirea si studiul principalelor proprietati ale conceptelor de baza din
teoria probabilitatilor.
Crearea la studenti a unor deprinderi de utilizare a tehnicilor probabilistice
si de folosire a acestora in scop aplicativ.
Fundamentarea probabilistica a statisticii matematice.
Concepte de baza
Eveniment aleator, probabilitate, probabilitate conditionata, scheme cla-
sice de probabilitate.
Variabila aleatoare, functie de probabilitate a unei variabile aleatoare dis-
crete, functie de repartitie a unei variabile aleatoare, densitate de proba-
bilitate, functia de repartitie a unei variabile aleatoare de tip continuu.
Caracteristici numerice ale variabilelor aleatoare (media, dispersia, mo-
mente, corelatia)
Repartitii clasice.
Rezultate asteptate
Se urmareste buna intelegere de catre studenti a tehnicilor de abordare prob-
abilistica a fenomenelor aleatoare, utilizarea adecvata a schemelor probabilis-
tice care modeleaza astfel de fenomene, intelegerea conceptului de variabila
aleatoare, precum si formarea deprinderilor de calcul ale caracteristicelor nu-
merice pentru variabilelor aleatoare. Se doreste ca studentii sa inteleaga foarte
bine semnicatia caracteristicilor pe care le calculeaza si, de asemenea sa inte-
leaga motivele aplicarii teoriei probabilitatilor in statistica matematica.
Sinteza
UNITATEA 1. Camp de evenimente. Camp de pro-
babilitate. Scheme clasice de probabilitate.
1.1. Corp ( o-corp) de p arti ale unei multimi
Denitia 1.1.1. Se numeste corp de p arti ale multimii nevide orice
familie nevid a K P() unde P() este multimea p artilor lui , astfel nct
a) \ K == C
.
K unde C
.
=
b) \ , 1 K == ' 1 K
Propozitia 1.1.1.: Fie K un corp de p arti ale multimii nevide . Atunci:
27
1) c, K
2) \ , 1 K == 1 K
3) \ , 1 K == 1 K
Observatii: Prin denitie, un corp de p arti K este nchis fat a de trecerea
la complementar a si fat a de reuniune. Denitia corpului de p arti garanteaz a si
nchiderea sa fat a de reuniunea sau diferenta de mentiuni.
De asemenea, un corp de p arti contine n mod necesar submultimile improprii
csi .
Prin inductie matematic a rezult a c a un corp de p arti este nchis si fat a de re-
uniunea sau intersectia nit a oarecare de multimi adic a pentru orice
l
,
2
, ...,
n
K (: _ 3) avem si
n
'
I=l

I
K respectiv
n

I=l

I
K
Exemple:
1) Dac a ,= c atunci K = P() este un exemplu (banal) de corp de p arti
ale lui .
2) Fie = 1, 2, 3, 4, 5, 6
K =c, , 1, 6 , 2, 3 , 4, 5 , 1, 2, 3, 6 , 1, 4, 5, 6 , 2, 3, 4, 5 este un corp
de p arti ale lui .
Denitia 1.1.2. Se numeste o-corp de p arti ale multimii nevide orice
familie nevid a K P() astfel nct
a) \ K == C
.
K
b) \(
n
)
nN
K
o
'
n=l

n
K
1.2. Cmp (o-cmp) de evenimente
Vom ntelege prin experiment aleator orice experiment al c arui rezultate,
considerate din punct de vedere al unui anumit criteriu, nu sunt cunoscute
nainte de efectuarea experimentului (repetnd un astfel de eveniment, n conditii
identice, se pot obtine rezultate diferite, nu se poate preciza rezultatul ci se
poate face doar o list a cu rezultatele posibile). Orice rezultat posibil n urma
unui experiment aleator se numeste eveniment aleator. Evenimentele care nu
se pot realiza drept consecint a a reraliz arii altora se numesc evenimente ele-
mentare.Consider am, de exemplu, experimentul arunc arii unui zar (obisnuit,
nem asluit) si evalu am rezultatul din punc de vedere al aparitiei (non-aparitiei)
vreunora dintre fetele de la 1 la 6. Folosim notatii de tipul ce urmeaz a:
= 1- aparitia fetei 1.
1 = 1, 4- aparitia vreuneia dintre fetele 1 sau 4.
C = 2, 5, 6- aparitia vreuneia dintre fetele 2,5 sau 6,etc.
este evenimentul elementar (analog 2 , 3 , 5 , 6) dar 1 nu este
elementar (1 se poate realiza ca si consecint a a realiz arii lui ). Vom reveni
ulterior, cu mai mult a rigoare, asupra conceptului de experiment elementar.
Not am cu multimea tuturor evenimentelor elementare generate de un ex-
periment aleator. In continuare ne este comod s a trat am aceast a multime ca o
multime de puncte pentru care submultimile reduse la un punct corespund eveni-
mentelor elementare. se mai numeste si multime fundamentala (de referin ta)
sau spa tiu de selec tie. Orice alt eveniment poate asimilat cu o submultime a
spatiului (n exemplul de mai sus avem = 1, 2, 3, 4, 5, 6 si , 1, C ).
28
In particular, corespunde evenimentului constnd n realizarea a cel puin unul
dintre evenimentele elementare posibile ceea ce se ntmpl a la orice efectuare a
evenimentului si de aceea acest eveniment se numeste eveniment cert sau sigur.
Un alt eveniment particular este cel care corespunde multimii vide c si care
revine la nerealizarea a cel putin unui eveniment elementar posibil, ceea ce este
imposibil la orice efectuare a experimentului si din acest motiv acest eveniment
se numeste eveniment imposibil. Vom p astra pentru evenimentul sigur si eveni-
mentul imposibil aceleasi notatii si respectiv c ca si pentru submultimile lui
c arora le corespund.
Fie multimea tuturor evenimentelor aleatoare generate de un experiment
aleator.
Denitia 1.2.1. Fie , 1 .
Se numeste intersec tie a evenimentelor si 1, notat a 1, evenimentul
care se realizeaz a dac a si numai dac a se realizeaz a att ct si 1.
Se numeste reuniune a evenimentelor si 1, notat a '1, evenimentul care
se realizeaz a dac a si numai dac a se realizeaz a cel putin unul dintre evenimentele
si 1.
Se numeste diferen ta a evenimentelor si 1, notat a 1, evenimentul
care se realizeaz a atunci cnd se realizeaz a dar nu si 1 (adic a 1 = C
1
).
Se numeste eveniment contrar evenimentului , notat C
.
, evenimentul
care se realizeaz a dac a si numai dac a nu se realizeaz a (evenimentul comple-
mentar lui se mai numeste si eveniment contrar lui si se mai noteaz a sau
:o:).
Propozitia 1.2.1. Pentru orice , 1, C au loc propriet atile:
a) (' 1)'C = '(1 ' C) , ( 1)C = (1 C) (asociativitate)
b) ' 1 = 1 ' , 1 = 1 (comutativitate)
c) ' (1 C) = (' 1) (' C) , (1 ' C) = ( 1) ' ( C)
(distributivitate)
d) ' = , = (...)
e) C
.
= c, 'C
.
= , = , ' = , c = c, 'c =
Denitia 1.2.2. Fie , 1 . Se spune c a evenimentul implica eveni-
mentul 1 (sau c a 1 este implicat de ) si se scrie 1 (respectiv 1 )
dac a realizarea lui antreneaz a neap arat si realizarea lui 1.
Observatii:
1. Relatia de implicatie se poate deni si cu ajutorul ' sau . Mai
precis, pentru , 1 avem
1 == 1 = == ' 1 = 1
Cum c = c si = rezult a c a c si adic a avem
c , \ .
2. Relatia de implicatie este o relatie de ordine partial ape (adic a este
reexiv a, antisimetric a si tranzitiv a). Intr-adev ar avem:
a) \ == (reexivitate)
b) , 1 , 1 si 1 == = 1 (antisimetrie)
c) , 1 , 1 si 1 C == C
29
3. Se poate ar ata c a dac a , 1 , '1 = , si 1 = c atunci = C
1
sau, echivalent, 1 = C
.
(n particular cum C
.
= c si ' C
.
= avem
C (C
.
) = si de asemenea din c ' = , c = c
rezult a c a c = C
:
si = C

).
Utiliznd aceast a observatie se poate demonstra propozitia de mai jos (pe
care o admitem f ar a demonstratie).
Propozitia 1.2.2. (rela tiile lui De Morgan)
Pentru orice , 1 avem:
C
.|1
= C
.
C
1
si C
.|1
= C
.
' C
1
.
Denitia 1.2.3. Se spune c a evenimentele , 1 sunt incompatibile
dac a ele nu se pot realiza simultan, adic a 1 = c
Denitia 1.2.4. Se spune c a evenimentul este eveniment elementar
dac a \ 1 , 1 rezult a c a 1 = c sau 1 =
( nu poate implicat dect de c atre evenimentul imposibil sau de c atre el
nsusi).
Denitia 1.2.5. Se numeste cmp de evenimente orice corp de p arti (, K)
al unei multimi nevide . Se numeste o-cmp de evenimente orice o-corp de
p arti (, K) al unei multimi nevide .
1.3. Cmp (o-cmp) de probabilitate
Denitia 1.3.1. (deni tia axiomatica a probabilita tii)
Fie (, K) un cmp de evenimente. Se numeste probabilitate pe K orice
aplicatie 1 : K R astfel nct:
P 1) 1 () _ 0, \ K
P 2) 1 (' 1) = 1 () +1 (1) , \, 1 K, 1 = c
P 3) 1 () = 1
Se numeste cmp de probabilitate orice triplet (, K, 1) unde (, K) este un
cmp de evenimente iar peste o probabilitate pe K.
Propozitia 1.3.1. Fie (, K, 1) un cmp de evenimente. Atunci:
a) 1 (c) = 0
b) 1 (C
.
) = 1 1 () , \ K
c) 1 (1 ) = 1 (1) 1 () , \, 1 K, 1
d) 1 (1 ) = 1 (1) 1 ( 1) , \, 1 K,
e) 1 (' 1) = 1 () +1 (1) 1 ( 1) , \, 1 K
Consecinte:
1. , 1 K, 1 == 1 () _ 1 (1) (monotonie).
2. K == 0 _ 1 () _ 1
Prin inductie matematic a, pornind de la P 2), rezult a c a dac a
l
,
2
, ...,
n
K,
I

= c, i = 1, :
i ,= , atunci 1
_
n
'
I=l

I
_
=
n

I=l
= 1 (
I
) (probabilitatea unei reuniuni nite
de evenimente incompatibile dou a cte dou a este suma probabilit atilor eveni-
mentelor reuniunii). Comportamentul probabilit atii fat a de o reuniune nit a de
evenimente oarecare (nu mai sunt incopatibile dou a cte dou a) din K este dat
de propozitia care urmeaz a, obtinut tot prin inductie matematic a pornind de la
subpunctul e) din propozitia 1.4.1.
30
Propozitia 1.4.2. (formula de adunare a probabilita tilor sau formula lui
Poincar).
Fie (, K, 1) un cmp de probabilitate si
l
,
2
, ...,
n
K. Atunci
1
_
n
'
I=l

I
_
=
n

I=l
1 (
I
)
n

I,=l
I<
1 (
I

) +
n

I,,|=l
I<<|
1 (
I


|
) ... +
(1)
nl
1
_
n
'
I=l

I
_
.
Observatie. Dac a , 1, C, 1 K avem evident:
a) 1 (' 1 ' C) = 1 () + 1 (1) + 1 (C) 1 ( 1) 1 ( C)
1 (1 C) +1 ( 1 C)
b) 1 (' 1 ' C ' 1) = 1 () + 1 (1) + 1 (C) + 1 (1) 1 ( 1)
1 ( C) 1 ( 1) 1 (1 C) 1 (1 1)
1 (C 1) +1 ( 1 C) +1 ( 1 1) +1 ( C 1) +
1 (1 C 1) 1 ( 1 C 1) .
Denitia 1.3.2. Fie (, K, 1) un o-cmp de evenimente. Se numeste
probabilitate o-aditiva pe K orice aplicatie 1 : K R astfel nct:
P 1) 1 () _ 0, \ K
P 2) 1
_
o
'
n=l

n
_
=
o

n=l
1 (
n
) \ (
n
)
nN
K,
I

= c \ i, ,
N
+
, i ,= ,.
P 3) 1 () = 1
Se numeste o-cmp de probabilitate orice triplet (, K, 1) unde (, K) este
un o-cmp de evenimente iar 1 este o probabilitate o-aditiva pe K.
Observatie:
Orice o-cmp de probabilitate este si cmp de probabilitate si deci toate
propriet atile probabilit atii sunt adev arate si pentru o- probabilit ati. Urm arim
n continuare cteva propriet ati ale o- probabilit atilor.
Propozitia 1.3.3. Fie (, K, 1) un o-cmp de probabilitate si (
n
)
nN

un sir de evenimente din K. Atunci:


1
_
o
'
n=l

n
_
_
o

n=l
1 (
n
)
Propozitia 1.3.4. (inegalitatea lui Boole). Fie (, K, 1) un o-cmp de
probabilitate si (
n
)
nN
un sir de evenimente din K. Atunci:
1
_
o

n=l

n
_
_ 1
o

n=l
(1 1 (
n
)) .
Observatie. Inegalitatea lui Boole este adev arat a si pentru un cmp de
probabilitate. Dac a:
l
,
2
, ...,
n
K atunci
1
_
n

I=l

I
_
_ 1
n

I=l
(1 1 (
I
)) =
n

I=l
1 (
I
) (: 1) . Avem deci:
1
_
n

I=l

I
_
_
n

I=l
1 (
I
) (: 1)
Observatie. Fie = n
l
, n
2
, ..., n
n
si K = 1(). Pe cmpul de eveni-
mente (, K) se consider a probabilitatea 1 cu proprietatea 1 (n
l
) = 1 (n
2
) =
... = 1 (n
n
)
_
=
l
n
_
Dac a = n
I1
, n
I2
, ..., n
I
k
K atunci 1 () = 1
_
|
'
=l
_
n
Ij
_
_
=
31
|

=l
1
__
n
Ij
__
=
|

=l
l
n
=
|
n
.
Se obtine astfel o alt a denitie a probabilit atii, adev arat a ntr-un cadru mult
mai restrictiv dect cel din denitia 1.3.1. dar extrem de utilizat a n numeroase
cazuri practice si constituind din punct de vedere istoric, prima deniie dat a
conceptului de probabilitate.
Denitia 1.3.3. (deni tia clasica a probabilita tii):
Probabilitatea unui eveniment , generat de un experiment aleator care
genereaz a un cmp nit de probabilitate cu evenimente elementare egal proba-
bile, este egal cu raportul dintre numrul evenimentelor elementare favorabile
realizrii lui si numrul total de evenimente elementare posibile.
1.4. Probabilitti conditionate. Independenta evenimentelor
In paragraful precedent, printre alte proprietti, s-au si proprietti care ar-
tau comportamentul probabilittii fat de reuniunea evenimentelor. In acest
paragraf vom urmrii comportamentul probabilittii fat de intersectia eveni-
mentelor, proprietti grupate ntr-un paragraf separat tocmai datorit impor-
tantei deosebite pe care o au n aplicatiile practice.
Denitia 1.4.1. Fie (, K, 1) un cmp de probabilitate si K cu
1 () ,= 0.
Se numeste probabilitatea evenimentului A 1 condi tionat de evenimentul
, notat 1 (A[
.
) , raportul
1 (A[
.
) =
1 (A )
1 ()
Observatie:
Avem 1 (A ) = 1 () 1 (A[
.
) .Dac , 1 K, 1 () ,= 0, 1 (1) ,= 0,
atunci
1 ( 1) = 1 () 1 (1[
.
) = 1 () 1 ([
1
). Am obtinut un prim rezul-
tat care indic comportamentul probabilittii fat de intersectie.
Propozitia 1.4.1. Fie (, K, 1) un cmp de probabilitate si K cu
1 () ,= 0.
Atunci, aplicatia 1
.
: K R, 1
.
(A) = 1 (A[
.
) este de asemenea o
probabilitate pe K adic (, K, 1
.
) este tot un cmp de probabilitate.
Observatie. Analog pornind de la o-cmpul de probabilitate (, K, 1)si
K cu 1 () ,= 0 se obtine o-cmpul de probabilitate (, K, 1
.
) unde
1
.
: K R, 1
.
(A) = 1 (A[
.
)
Propozitia 1.4.2. (formula de nmul tire a probabilit tilor)
Fie (, K, 1) un cmp de probabilitate si
l
,
2
, ...,
n
K astfel nct
1
_
nl

I=l

I
_
,= 0.Atunci:
1
_
nl

I=l

I
_
= 1 (
l
) 1 (
2
[
.1
) 1 (
3
[
.1|.2
) ...1
_

n1
|
i=1
.i
_
.
Denitia 1.4.2. Fie (, K, 1) un cmp de probabilitate. Se spune c
evenimentul
l
,
2
, ...,
n
K formeaz un sistem complet de evenimente
dac:
32
a) 1 (
I
) ,= 0, \i = 1, :
b)
I

,= 0, \i, , = 1, : i ,= ,
c)
n
'
I=l

I
= .
Observatie:
l
,
2
, ...,
n
K formeaz un sistem complet de evenimente
dac si numai dac la orice efectuare a experimentului se realizeaz unul si nu-
mai unul dintre evenimentele sistemului. Un exemplu banal de sistem complet
de evenimente este sistemul , C
.
unde K, 1 () ,= 0. Renuntnd la
conditia a) (cerut aici pentru comoditate) multimea tuturor evenimentelor el-
ementare (poate o innitate msurabil) ale unui cmp de evenimente ofer
un alt exemplu de sistem complet de evenimente.
Propozitia 1.4.3.(formula probabilit tii totale)
Fie (, K, 1) un cmp de probabilitate si
l
,
2
, ...,
n
K un sistem com-
plet de evenimente si A K. Atunci:
1 (A) =
n

I=l
1 (
I
) 1 (A[
.i
)
Propozitia 1.4.4. (formula lui Bayes)
Fie (, K, 1) un cmp de probabilitate si
l
,
2
, ...,
n
K un sistem com-
plet de evenimente si A K
astfel nct 1 (A) ,= 0. Atunci, pentru orice , 1, 2, ..., : xat, avem
1 (

) =
1 (

) 1
_
A

.j
_
n

I=l
1 (
I
) 1 (A[
.i
)
Denitia 1.4.3. Fie (, K, 1) un cmp de probabilitate si , 1 K. Se
spune c si 1 sunt independente dac
1 ( 1) = 1 () 1 (1)
Observatie. Denitia independentei a dou evenimente, la care s-a dat
formula mai sus, este echivalent cu armatia c si 1 sunt independente dac
nu se conditioneaz reciproc. Fie , 1 K astfel nct 1 () ,= 0, 1 (1) ,= 0 si
, 1 independente n sensul denitiei 1.5.3. Atunci:
1 ([
1
) =
1(.|1)
1(1)
=
1(.) 1(1)
1(1)
= 1 () si 1 (1[
.
) =
1(1|.)
1(.)
=
1(1) 1(.)
1(.)
=
1 (1)
adic faptul c 1 nu conditioneaz pe este respins n relatia 1 ([
1
) =
1 () si analog faptul c nu conditioneaz pe 1 rezult din egalitatea 1 (1[
.
) =
1 (1) .
Propozitia 1.4.5. Fie (, K, 1) un cmp de probabilitate si , 1 K.
Dac si 1 sunt independente, atunci C
.
si 1, C
1
si ,
C
.
si C
1
sunt de asemenea independente.
Denitia 1.4.4. Fie (, K, 1) un cmp de probabilitate si : N, : _ 2.
Se spune c evenimentele
l
,
2
, ...,
n
K sunt independente (n totalitate)
dac oricare ar i
l
, i
2
, ...i
:
N, 1 _ i < i
2
< ... < i
:
_ :
33
avem 1 (
I1

I2
...
Ir
) = 1 (
I1
)1 (
I2
) ...1(
Ir
) unde r N
+
, r _
:.
Se spune c evenimentele
l
,
2
, ...,
n
K sunt independente / cte /
(/ N, 2 _ / _ : 1) dac oricare / evenimente dintre
l
,
2
, ...,
n
sunt
independente n (totalitate). Se spune c familia (
I
)
I1
de evenimente din K
este format din evenimente independente(n totalitate) dac orice subfamilie
nit a sa este format din evenimente independente (n totalitate).
Se spune c familia (
I
)
I1
de evenimente din K este format din evenimente
independente / cte / (/ N, / _ 2) dac orice subfamilie nit cu cel putin
/ elemente este format din evenimente independente / cte /.
Incheiem acest paragraf cu trei exemple care s ilustreze modul de utilizare al
formulelor tratate (formula de adunare si respectiv nmultire a probabilittilor,
formula probabilittii totale si respectiv formula lui Bayes).
Exemplul 1. Dintre cei 20 de studenti ai unei grupe, 6 cunosc limba englez,
5 cunosc limba francez, 2 cunosc limba german. Care este probabilitatea ca
un student, luat la ntmplare din aceast grup, s cunoasc o limb strin
(dintre cele trei mentionate)?
Solutie: Considerm evenimentele:
1 - studentul considerat cunoaste limba englez,
1 - studentul considerat cunoaste limba francez
G - studentul considerat cunoaste limba german
A - studentul considerat vorbeste o limb strin (dintre cele trei)
Din denitia clasic a probabilittii avem 1 (1) =
6
20
, 1 (1) =
5
20
, 1 (G) =
2
20
.Cum A = 1 ' 1 ' G si evenimentele 1, 1, G, nu sunt incompatibile dou
cte dou rezult (formula lui Poincar) c:
1 (A) = 1 (1 ' 1 ' G) = 1 (1) +1 (1) +1 (G) 1 (1 1) 1 (1 G)
1 (1 G) +1 (1 1 G)
Evenimentele 1, 1, G, sunt independente n totalitate si deci:
1 (A) = 1 (1) +1 (1) +1 (G) 1 (1)1(1) 1 (1)1(G) 1 (1)1(G) +
1 (1)1(1)1(G) =
=
652
20

6 56 25 2
20 20
+
6 5 2
20 20 20
=
l3
20

52
d00
+
3
d00
=
2ll
d00
.
Exemplul 2. O urn contine a bile albe si / bile negre. Se xtrag succesiv,
fr repunere trei bile. Care este probabilitatea ca toate cele trei bile extrase s
e albe (presupunem a _ 3)?
Solutie: Considerm evenimentele:

I
- a i-a bil extras a fost alb, i = 1, 3
A - toate cele trei bile extrase au fost albe
Avem A =
l

2

3
. Din formula de nmultire a probabilittilor avem:
1 (A) = 1 (
l
) 1 (
2
[
.1
) 1 (
3
[
.1|.2
). Utiliznd denitia clasic a prob-
abilittii obtinem:
1 (
l
) =
o
ob
, 1 (
2
[
.1
) =
ol
obl
, 1 (
3
[
.1|.2
) =
o2
ob2
. Si deci:
1 (A) =
o
ob
ol
obl
o2
ob2
.
Exemplul 3. Trei urne contin bile albe si bile negre n compozitiile:
l
l
(a, /) , l
2
(c, d) ,
34
l
3
(c, )) . Se extrage o bil din l
3
si dac ea este alb se pune n l
l
si se
extrage o a doua bil din l
l
iar dac este neagr se pune n l
2
si a doua bil
extrage din l
2
. S se ae probabilittile ca:
a) a doua bil extras s e alb,
b) prima bil extras s fost alb dac a doua bil extras s fost neagr.
Solutie: Considerm evenimentele:

I
- a i-a bil extras a fost alb, (i = 1, 2)

I
- a i-a bil extras a fost neagr, (i = 1, 2)
a) Se cere 1 (
2
). Rezolvarea este un exemplu de utilizare a formulei
probabilittii totale cu sistemul complet de evenimente
l
,
l
.Avem:

2
=
2
=
2
(
l
'
l
) = (
2

l
) ' (
2

l
)
Cum
2

l
si
2

l
sunt incompatibile rezult:
1 (
2
) = 1 (
2

l
)+1 (
2

l
) = 1 (
l
) 1 (
2
[
.1
)+1 (
l
) 1 (
2
[
1
) =
t
t}
ol
obl
+
}
t}
c
cJl
Analog:
1 (
2
) = 1 (
l
) 1 (
2
[
.1
) + 1 (
l
) 1 (
2
[
1
) =
t
t}
b
obl
+
}
t}
Jl
cJl
(sau 1 (
2
) = 1 1 (
2
))
b) Se cere 1 (
l
[
2
) . Rezolvarea ofer un exemplu de utilizare a formulei lui
Bayes care permite interschimbarea raportului de conditionare apriori-aposteori.
Probabilitatea 1 (
l
[
2
) ne este mai putin la ndemn dect 1 (
2
[
.1
) iar
formula lui Bayes ne permite calculul lui 1 (
l
[
2
) cu ajutorul lui 1 (
2
[
.1
) .
Avem:
1 (
l
[
2
) =
1 (
l
) 1 (
2
[
.1
)
1 (
2
)
=
t
t}
b
obl
t
t}
b
obl
+
}
t}
Jl
cJl
1.5. Scheme clasice de probabilitate
Sub acest titlu vor descrise anumite experimente aleatoare si vor cal-
culate probabilit atile unor evenimente ale acestora. Din multiple motive aceste
experimente aleatoare apar foarte des n aplicatii. Traditional descrierea exper-
imentelor respective se face cu ajutorul unor urne din care se extrag bile.
n cele ce urmeaz a vom ntelege prin urn a o incint a n care se a a bile (sfere
identice ca m arime si greutate, dar putnd avea culori diferite). Din exterior nu
se pot vedea culorile bilelor din urn a, ns a se consider a c a exist a un mecanism
cu ajutorul c aruia bilele pot extrase din urn a, bilele existente n urn a avnd
toate aceeasi sans a de a extrase.
1.5.1. Schema urnei cu bila nerevenit a
Urna l contine a bile albe si / bile negre. Din l se fac : extrageri succesive
de cte o bil a f ar a ntoarcere, adic a f ar a a reintroduce n urn a bilele extrase.
(S a remarc am c a modul acesta de a extrage : bile din urna l este echivalent cu
extragerea celor : bile deodat a.) Se pune problema determin arii probabilit atii
evenimentului A
|,l
o,b
c a din cele : bile astfel extrase / sunt albe si | = :/ sunt
negre. (Evident c a a, /, :, / si | sunt numere naturale si : _ a+/, / _ min:, a,
| _ min:, /.)
S a ne imagin am c a cele a+/ bile existente n urna l ar numerotate de la 1
la a +/. Experimentul aleator al extragerii celor : = / +| bile din aceast a urn a
35
are C
|l
ob
rezultate posibile egal probabile. Dintre acestea, favorabile realiz arii
evenimentului A
|,l
o,b
sunt C
|
o
C
l
b
c aci / bile dintre cele a bile albe existente n urn a
pot alese n C
|
o
moduri diferite, ec arei asemenea alegeri corespunzndu-i C
l
b
moduri diferite de alegere a | bile dintre cele / bile negre existente n urna l.
S a not am
1
o,b
(/, |) = 1(A
|,l
o,b
).
Dup a denitia clasic a a probabilit atii se obtine
1
o,b
(/, |) =
C
|
o
C
l
b
C
|l
ob
.
Exemplu. Urna l contine 3 bile albe si 2 bile negre. Din l se extrag
deodat a 3 bile (sau - echivalent - se fac 3 extrageri succesive de cte o bil a f ar a
ntoarcere). S a se calculeze probabilitatea evenimentului c a cel mult dou a din
bilele astfel extrase sunt albe.
Este clar c a evenimentul se realizeaz a dac a din cele trei bile extrase din l
exact dou a sunt albe, sau exact una este alb a, sau nici una nu este alb a, adic a
= A
2,l
3,2
' A
l,2
3,2
' A
0,3
3,2
.
Evenimentele reunirii care d a evenimentul sunt evident dou a cte dou a
incompatibile, deci
1() = 1(A
2,l
3,2
) +1(A
l,2
3,2
) +1(A
0,3
3,2
) =
= 1
3,2
(2, 1) +1
3,2
(1, 2) +1
3,2
(0, 3).
Dar A
0,3
3,2
= O deoarece este imposibil ca din urna l s a e extrase (f ar a
ntoarcere) 3 bile negre, ea continnd doar 2 asemenea bile. Atunci 1
3,2
(0, 3) =
1(A
0,3
3,2
) = 1(O) = 0 si deci
1() = 1
3,2
(2, 1) +1
3,2
(1, 2) =
C
2
3
C
l
2
C
3
5
+
C
l
3
C
2
2
C
3
5
=
=
3 2
10
+
3 1
10
=
9
10
= 0, 9.
1.5.2. Schema urnei cu bila nerevenit a cu mai multe st ari
O generalizare natural a a schemei precedente se obtine considernd c a n
urn a se g asesc bile de mai mult dect dou a culori (st ari), s a zicem de : culori.
Urna l contine a
I
bile de culoarea c
I
, i = 1, :. Din l se fac : extrageri suc-
cesive de cte o bil a f ar a ntoarecere (ceea ce este echivalent cu extragerea celor
: bile deodat a). Se cere probabilitatea evenimentului A
|1,|2,...,|s
o1,o2,...,os
c a dintre cele :
bile extrase /
I
sunt de culoarea c
I
, i = 1, :. (Evident c a a
l
, a
2
, . . . , a
s
, /
l
, /
2
, . . . , /
s
si : sunt numere naturale si c a
s

I=l
/
I
= : si /
I
_ mina
I
, :, i = 1, :.)
36
n acest caz num arul total de evenimente elementare ale experimentului
aleator este C
|1|2|s
o1o2os
, iar num arul evenimentelor elementare favorabile eveni-
mentului A
|1,|2,...,|s
o1,o2,...,os
este C
|1
o1
C
|2
o2
. . . C
|s
os
.
S a not am
1(A
|1,|2,...,|s
o1,o2,...,os
) = 1
o1,o2,...,os
(/
l
, /
2
, . . . , /
s
).
Denitia clasic a a probabilit atii d a
1
o1,o2,...,os
(/
l
, /
2
, . . . , /
s
) =
C
|1
o1
C
|2
o2
. . . C
|s
os
C
|1|2|s
o1o2os
Exemplu. Dintre cele 10 bilete ale unei loterii unul este cstig ator cu
10000 u.m., dou a sunt cstig atoare cu cte 5000 u.m., trei sunt cstig atoare
cu cte 1000 u.m. si patru sunt nec astig atoare. Un juc ator cump ar a patru
bilete din aceast a loterie. S a se calculeze probabilitatea j ca dintre cele patru
bilete cump arate unul s a e cstig ator cu 5000 u.m., dou a s a e cstig atoare cu
cte 1000 u.m. si unul s a e necstig ator.
Probabilitatea c autat a poate calculat a utiliznd relatia de mai sus si se
obtine
j = 1
l,2,3,d
(0, 1, 2, 1) =
C
0
l
C
l
2
C
2
3
C
l
d
C
d
l0
=
1 2 3 4
210
=
24
210
=
4
35
- 0, 114.
1.5.3. Schema urnei cu bila revenit a
Urna l contine bile de dou a culori (albe si negre). Compozitia urnei este
cunoscut a n sensul c a se cunoaste probabilitatea ca o bil a extras a din l s a e
alb a (e aceast a probabilitate j) si probabilitatea ca o bil a extras a din l s a e
neagr a (o not am cu , = 1 j). Din l se efectueaz a : extrageri succesive
de cte o bil a cu ntoarcere (adic a dup a extragerea oric arei bile si observarea
culorii ei, bila extras a este reintrodus a n urn a naintea extragerii urm atoare).
Se cere probabilitatea evenimentului A
|
n
, c a dintre cele : bile astfel extrase /
sunt albe (atunci restul de : / bile sunt negre), notata prin 1
n
(/). Evident /
si : sunt numere naturale si / _ :. Se obtine
1
n
(/) = C
|
n
j
|

n|
.
Observatie. Cum membrul drept al relatiei precedente este coecientul lui
t
|
din dezvoltarea cu formula binomului lui Newton a lui (jt+)
n
, schema urnei
cu bila revenit a se mai numeste schema binomial a. Aceast a schem a este nu-
mit a si schema lui Bernoulli. Esential n schema urnei cu bila revenit a este
faptul c a, din cauza reintroducerii bilei n urn a dup a ecare extragere, rezul-
tatele extragerilor sunt evenimente total independente si din acest motiv ea este
uneori numit a schema extragerilor (probelor) repetate si independente,
iar schema urnei cu bila nerevenit a este numit a atunci schema extragerilor (pro-
belor) repetate si dependente.
Exemplu. Urna l contine 2 bile albe si 3 bile negre. Din l se fac 6 extrageri
succesive de cte o bil a cu ntoarcerea bilei n urn a dup a ecare extragere. S a
se calculeze probabilitatea ca 4 dintre cele 6 bile extrase s a e albe, iar 2 s a e
negre.
37
Cum la ecare extragere putem obtine oricare dintre cele 2 + 3 = 5 bile ex-
istente n urn a, ecare extragere este un experiment aleator care genereaz a cte
un cmp de evenimente cu 5 rezultate posibile echiprobabile. Atunci, folosind
denitia clasic a a probabilit atii, g asim c a probabilitatea ca la oricare din cele 6
extrageri s a se obtin a o bil a alb a este j =
2
5
, iar probabilitatea ca la oricare din
cele 6 extrageri s a se obtin a o bil a neagr a este =
3
5
.
Probabilitatea ca 4 din cele 6 bile extrase s a e albe si 2 s a e negre este
deci
1
6
(4) = C
d
6
_
2
5
_
d
_
3
5
_
2
= 15
16
625

9
25
=
432
3125
= 0, 13824.
Observatie. Din schema urnei cu bila revenit a se obtine urm atoarea schem a
numit a schema lui Pascal.
S a presupunem c a urna l contine bile albe si negre. Fie j probabilitatea
ca o bil a extras a din l s a e alb a si = 1 j probabilitatea ca o bil a extras a
din l s a e neagr a. Se cere probabilitatea evenimentului 1
|
n
ca la efectuarea
a : extrageri succesive de cte o bil a cu ntoarcere din urna l s a se obtin a
/ bile albe si : / bile negre, iar a :-a bil a extras a din l s a e alb a (adic a
probabilitatea ca cea de a /-a bil a alb a s a se obtin a dup a ce au fost extrase
: / bile negre).
F ar a dicultate se obtine c a probabilitatea acestui eveniment este
1(1
|
n
) = 1(A
|l
nl

n
).
Deoarece rezultatul unei extrageri nu este inuentat de rezultatele extrager-
ilor precedente (bila ind reintrodus a n urn a dup a ecare extragere) avem
1(1
|
n
) = 1(A
|l
nl
)1(
n
) = 1
nl
(/ 1)j =
= C
|l
nl
j
|l

(nl)(|l)
j = C
|l
nl
j
|

n|
.
Observatie. Din schema lui Pascal se obtine ca un caz particular schema
geometric a lund / = 1. Probabilitatea ca efectund : extrageri succesive de
cte o bil a cu ntoarcere din urna l (cunoscut a n sensul c a se stie c a proba-
bilitatea ca o bil a extras a din l s a e alb a este j, iar probabilitatea ca o bil a
extras a din l s a e neagr a este = 1 j) s a se obtin a pentru prima dat a bil a
alb a n cea de a :-a extragere este
1(1
l
n
) = 1(A
0
nl

n
) = 1(A
0
nl
)1(
n
) =
= 1
nl
(0)j = C
0
nl
j
0

nl0
j = j
nl
.
Denumirea de schema geometric a provine de la faptul c a probabilitatea
j
nl
este al :-lea termen al progresiei geometrice cu primul termen j si ratia
.
38
1.5.4. Schema urnei cu bila revenit a cu mai multe st ari
Aceast a schem a este o generalizare natural a a schemei urnei cu bila revenit a,
ea referindu-se la extrageri cu ntoarcere dintr-o urn a n care exist a bile de mai
mult dect dou a culori.
Urna l contine bile de : culori: c
l
, c
2
, . . . , c
s
, : N, : 2. Compozitia
urnei l este cunoscut a n sensul c a se cunoaste probabilitatea ca o bil a extras a
din l s a aib a culoarea c
I
, i = 1, :. Fie aceast a probabilitate j
I
. Evident j
I
0,
i = 1, : si
s

I=l
j
I
= 1.
Din l se fac : extrageri succesive de cte o bil a cu ntoarcere (adic a, dup a
extragerea oric arei bile si observarea culorii ei, bila extras a este reintrodus a n
urn a naintea extragerii urm atoare).
Se cere probabilitatea evenimentului A
|1,|2,...,|s
n
c a dintre cele : bile astfel
extrase /
I
s a e de culoarea c
I
, i = 1, :. Evident 0 _ /
I
_ :, i = 1, : si
s

I=l
/
I
= :.
Vom utiliza notatia
1(A
|1,|2,...,|s
n
) = 1
n
(/
l
, /
2
, . . . , /
s
).
Atunci se obtine
1
n
(/
l
, /
2
, . . . , /
s
) =
:!
/
l
!/
2
!.../
s
!
j
|1
l
j
|2
2
. . . j
|s
s
.
Observatie. Deoarece membrul drept al relatiei precedente este coecientul
lui t
|1
l
t
|2
2
. . . t
|s
s
din dezvoltarea lui (j
l
t
l
+j
2
t
2
+ +j
s
t
s
)
n
, schema urnei cu bila
revenit a cu mai multe st ari se mai numeste schema polinomial a sau schema
multinomial a.
Exemplu. Urna l contine 2 bile rosii, 4 bile albe si 3 bile albastre. Din l
se fac 6 extrageri succesive de cte o bil a cu ntoarcere. Se cere probabilitatea ca
dintre cele 6 bile extrase una s a e rosie, dou a s a e albe si trei s a e albastre.
Avem evident j
l
=
2
9
, j
2
=
4
9
, j
3
=
3
9
, : = 6, /
l
= 1, /
2
= 2 si /
3
= 3, deci
probabilitatea cerut a este
1
6
(1, 2, 3) =
6!
1!2!3!
_
2
9
_
l
_
4
9
_
2
_
3
9
_
3
- 0, 0325.
1.5.5. Schema urnelor lui Poisson
Schema urnelor lui Poisson este o alt a generalizare a schemei urnei cu bila
revenit a.
Experimentul de la schema urnei cu bila revenit a poate imaginat si n
modul urm ator: exist a : urne l
l
, l
2
, . . . , l
n
cu compozitii identice, din ecare
urn a se extrage cte o bil a si se caut a probabilitatea evenimentului c a dintre
cele : bile astfel extrase / sunt albe.
O generalizare a acestui experiment se obtine considernd c a cele : urne au
compozitii diferite.
S a presupunem date urnele l
l
, l
2
, . . . , l
n
si c a aceste urne contin bile albe si
negre, compozitiile urnelor sunt cunoscute n sensul c a se stie c a probabilitatea
39
ca o bil a extras a din l
I
s a e alb a este j
I
, i = 1, : (atunci probabilitatea ca o
bil a extras a din l
I
s a e neagr a este
I
= 1j
I
, i = 1, :). Se extrage cte o bil a
din ecare din cele : urne si se cere probabilitatea evenimentului A
|
c a dintre
cele : bile astfel extrase / sunt albe si : / negre.
Evident 0 < j
I
< 1, i = 1, : si 0 _ / _ :.
Dac a
I
este evenimentul c a bila extras a din l
I
este alb a atunci 1(
I
) = j
I
si 1(
I
) = 1 j
I
=
I
.
Se constat a ca probabilitatea ceruta este egal a cu coecientul lui t
|
din
polinomul de gradul : n t (j
l
t +
l
)(j
2
t +
2
) . . . (j
n
t +
j
), astfel nct
probabilitatea 1(A
|
) este dat a de relatia
n

|=0
1(A
|
)t
|
=
n

I=l
(j
I
t +
I
).
Remarc am faptul c a dac a n schema urnelor lui Poisson consider am toate
cele : urne identice (adic a j
I
= j,
I
= , i = 1, :) atunci relatia precedenta
devine
n

|=0
1(A
|
)t
|
= (jt +)
n
,
astfel nct
1(A
|
) = C
|
n
j
|

n|
,
adic a 1(A
|
) = 1
n
(/).
Exemplu. O ntreprindere agricol a cultiv a gru n 3 ferme. Din date statis-
tice se stie c a probabilitatea ca ntr-un an oarecare productia de gru la hectar
s a dep aseasc a 3000 kg este j
l
= 0, 5 la prima ferm a, j
2
= 0, 4 la a doua si
j
3
= 0, 6 la ferma a treia. Se cere probabilitatea evenimentului A c a ntr-un
anumit an productia de gru la hectar s a dep aseasc a 4000 kg la cel putin dou a
din cele trei ferme.
S a not am cu A
|
evenimentul c a exact n / dintre cele 3 ferme productia
de gru n anul respectiv dep aseste 3000 kg la hectar, / = 0, 3. Se observ a c a
evenimentul A
|
este de tipul celor descrise n schema urnelor lui Poisson.
Vom avea
1(A) = 1(A
2
' A
3
) = 1(A
2
) +1(A
3
).
Relatia (1.5.9) ne d a
(0, 4t + 0, 6)(0, 5t + 0, 5)(0, 6t + 0, 4) =
= 0, 12 + 0, 38t + 0, 38t
2
+ 0, 12t
3
,
astfel c a 1(A
2
) = 0, 38 si 1(A
3
) = 0, 12, deci
1(A) = 0, 38 + 0, 12 = 0, 50.
40
UNITATEA 2. Variabile aleatoare. Repartitii clasice
de probabilitate
2.1. Variabile aleatoare
Pn a acum evenimentele au fost studiate mai nti din punct de vedere
calitativ iar o dat a cu introducerea probabilit atilor si din punct de vedere can-
titativ. Studiul se extinde prin considerarea unei notiuni noi, aceea de variabil a
aleatoare, variabil a care va juca un rol similar n teoria probabilit atilor ca si
variabila din cadrul analizei matematice sau din alt a parte a matematicii.
n cazul variabilelor aleatoare valorile vor luate dintr-o anumit a multime
nu n mod cert ci numai cu o anumit a probabilitate. Ca notatie pentru vari-
abila aleatoare se utilizeaz a de obicei literele mari sau pot utilizate si literele
grecesti: j, ....
Consider am un cmp de probabilitate (, /, 1)
Denitia 1. Se nume ste variabila aleatoare reala orice aplica tie
A : R
aplica tie care asociaza ecarei probe . un numar real A (.) ,
. A (.)
astfel nct
A
l
(, r) / \r R.
Aici, prin A
l
(, r) am notat evenimentul identicat cu multimea pro-
belor . astfel nct A (.) < r :
A
l
(, r) = ., . , A (.) < r .
Observatie. n cele ce urmeaza vom avea n vedere doua categorii de vari-
abile aleatoare si anume:
- variabile aleatoare de tip discret
- variabile aleatoare de tip continuu
Variabilele aleatoare de tip discret sunt variabile aleatoare pentru care mul timea
valorilor (codomeniul lui A) este o mul time nita sau numarabila de forma
' = r
I
[r
I
R
I1
, 1 N.
Variabila aleatoare de tip continuu este variabila aleatoare a carui codomeniul
' este un interval ' = [a, /] 1 nchis sau nu.
Exemplul 2. Not am cu A variabila aleatoare care reprezint a suma punctelor
obtinute la aruncarea a dou a zaruri. Atunci
' = 2, 3, 4, 5, 6, ..., 11, 12 .
Exemplul 3. Fie = .
l
, .
2
, .
3
; / = O, .
l
, .
2
, .
3
, , ' =
r
l
, r
2
R, r
l
< r
2
.
41
Ar at am c a A : ', A(.
l
) = r
l
, A(.
2
) = r
2
, A(.
3
) = r
2
este o
variabil a aleatoare.
A
l
((, r)) = O pentru orice r _ r
l
;
A
l
((, r)) = .
l
pentru orice r
l
< r _ r
2
;
A
l
((, r)) = .
2
, .
3
pentru orice r r
2
.
Denitia 4. Daca A este o variabila aleatoare de tip discret atunci numim
func tie de probabilitate si o notam cu )

: ' 1 func tia care asociaza


ecarui r
I
)

(r
I
) = 1 (A = r
I
) unde A = r
I
reprezinta evenimentul
ca variabila aleatoare discreta A ia valoarea r
I
.
Observatia 5. Atunci cnd nu e pericol de confuzie indicele A de la func tia
) se va omite si vom nota ) (r
I
) cu j
I
, unde j
I
reprezinta probabilitatea eveni-
mentului ca variabila A sa ia valoarea r
I
. Se constata fara greutate ca sistemul
de evenimente A = r
I

I1
este un sistem complet de evenimente si atunci vor
ndeplinite ntodeauna urmatoarele doua condi tii:
_
I1
j
I
= 1
j
I
_ 0, i 1
Astfel variabilei aleatoare de tip discret A i se asociaza un tabel (tablou) de
reparti tie (distribu tie) de forma:
A :
_
r
I
j
I
_
I1
sau detaliat A :
_
r
l
r
2
... r
n
...
j
l
j
2
... j
n
...
_
.
Se vede c a repartitia (distributia) contine pe prima linie valorile pe care
variabila aleatoare le ia, de obicei scrise o singur a dat a si n ordine cresc atoare,
iar pe linia a doua sunt trecute probabilit atile cu care variabila aleatoare A ia
valoarea corespunz atoare (j
I
).
Exemplul 6. Revenim la primul exemplu din aceast a sectiune si cerem n
plus s a construim distributia acestei variabile aleatoare:
A =
_
2 3 4 5 6 7 8 9 10 11 12
l
36
2
36
3
36
d
36
5
36
6
36
5
36
d
36
3
36
2
36
l
36
_
.
2.2. Operatii cu variabile aleatoare de tip discret
Ca si cu variabilele obisnuite si cu variabilele aleatoare se pot face operatii.
Pentru ecare nou a variabil a obtinut a dup a efectuarea operatiilor trebuie s a
cunoastem tabloul de repartitie:
1. Adunarea unei variabile aleatoare A cu un num ar constant: C +A
C +A :
_
C +r
I
j
I
_
I1
2. nmultirea unei variabile cu o constant a
C A :
_
C r
I
j
I
_
I1
42
3. Ridicarea la putere. Fie / N
A
|
:
_
r
|
I
j
I
_
I1
cnd au sens r
|
I
se poate lua / Z sau chiar / R.
4. Suma a dou a variabile aleatoare A, 1 : A +1
A :
_
r
I
j
I
_
I1
, 1 :
_
j
I

I
_
I1
== A +1 :
_
r
I
+j

1
I
_
I1,
unde
1
I
= 1 [A = r
I
1 = j

]
Caz particular: Atunci cnd A si 1 sunt independente
A = r
I
si 1 = j

\(i, ,) 1 J
vor tot independente deci 1
I
este produsul:
1
I
= j
I

.
4. Produsul a dou a variabile aleatoare
A 1 :
_
r
I
j

1
I
_
I1,
1
I
= 1 [A = r
I
1 = j

]
Exemplul 7. Se consider a variabilele aleatoare de distributii
A :
_
1 0 2
0.3 0.5 0.2
_
1 :
_
2 1
0.4 0.6
_
Presupunem c a acestea sunt independente. S a se efectueze urm atoarele operatii:
2A, 3 +1, A
d
, A +1, A 1,

Y
.
2A :
_
2 0 4
0.3 0.5 0.2
_
;
3 +1 :
_
1 4
0.4 0.6
_
;
A
d
:
_
0 1 16
0.5 0.3 0.2
_
;
A +1 :
_
3 0 2 1 0 3
0.12 0.18 0.2 0.3 0.08 0.12
_
A +1 :
_
3 2 0 1 3
0.12 0.2 0.26 0.3 0.12
_
;
1
l
:
_

l
2
1
0.4 0.6
_
;

Y
= A 1
l
:
_
(1)
_

l
2
_
=
l
2
(1) 1 = 1 0 0 1 2
0.12 0.18 0.2 0.3 0.08 0.12
_
43

Y
:
_
1 0
l
2
2
0.26 0.5 0.12 0.12
_
2.3. Functia de repartitie
Studiul variabilelor aleatoare se poate considera si prin intermediul unei
noi functii asociate variabilei aleatoare. Aceast a functie numit a uneori functie
cumulativ a a probabilit atilor are o serie de propriet ati foarte usor de ex-
ploatat.mai ales cnd e vorba de a evalua probabilit atile unor evenimente con-
struite cu variabile aleatoare.
Fie A o variabil a aleatoare discret a.
Denitia 8. Se nume ste func tie de reparti tie asociata lui A si se noteaza
cu 1

: 1 [0, 1] , func tia care asociaza r 1

(r) , denita prin:


1

def
= 1 (A < r) .
Observatia 9. Atunci cnd nu exista pericolul de confuzie se va renun ta la
indicele A si la acoladele din membrul drept:
1 (r) = 1 (A < r) .
Exemplul 10. S a construim functia de repartitie pentru variabila aleatoare
A din exemplul 7
Studiem ecare caz n parte:
r _ 1 == 1 (r) = 1 (A < r) = 1 (O) = 0
1 < r _ 0 == 1 (r) = 1 (A < r) = 1 (r = 1) = 0.3
0 < r _ 2 == 1 (r) = 1 (A < r) = 1 (r = 1 ' r = 0) =
= 0.3 + 0.5 = 0.8
r 2 == 1 (r) = 1 (A < r) = 1
deci putem scrie:
== 1 (r) =
_

_
0, r _ 1
0.3, 1 < r _ 0
0.8, 0 < r _ 2
1, r 2
.
Propriet ati ale functiei de repartitie:
Folosind doar denitia si propriet ati ale probabilit atilor se deduc urm atoarele
propriet ati ale functiei de repartitie:
1. 0 _ 1 (r) _ 1.
2. 1 () = lim
ro
1 (r) = 0.
3. 1 (+) = lim
ro
1 (r) = 1.
3. 1 cresc atoare: \ r
t
, r
tt
R
r
t
< r
tt
== 1 (r
t
) _ 1 ( r
tt
) .
44
4. 1 este continu a la stnga \ r

R,
1 (r

) = 1 (r

0) = lim
r0
r<r
1 (r) .
5. \ r
t
, r
tt
R, cu r
t
< r
tt
:
1 (r
t
_ A < r
tt
) = 1 (r
tt
) 1 (r
t
) .
2.4. Variabile de tip continuu
n aplicatii variabilele aleatoare de tip discret nu sunt ntotdeauna suciente.
ntr-adev ar exist a probleme care sunt descrise de variabile aleatoare care nu sunt
discrete.
Exemplul 11. Greutatea unui produs e reprezentat a printr-o variabil a
aleatoare care ia orice valoare dintr-un anumit interval. Este nevoie s a se aib a
n vedere o variabil a aleatoare de tip continuu.
Denitia 12. Variabila aleatoare reala A este de tip continuu daca func tia
sa de reparti tie 1 este data printr-o rela tie de forma:
1 (r) =
r
_
o
) (t) dt
) ind o func tie integrabila pe orice interval de forma (, r), r 1.
Functia de repartitie a unei variabile aleatoare de tip continuu se bucur a de
aceleasi propriet ati ca si n cazul variabilelor aleatoare de tip discret precum si
de propriet ati specice.
Observatia 13. Din deni tia de mai sus si avnd n vedere proprieta tile
integralelor avem:
)(r) = 1
t
J
(r) = lim
.r0
.r,0
1(r + r) 1(r)
r
.
Denitia 14. Func tia ) se nume ste func tie densitate de probabilitate a
variabilei aleatoare de tip continuu, func tie care are proprieta ti similare cu acelea
ale func tiei de probabilitate din cazul discret.
Teorema 15. Daca 1 este func tie de reparti tie a unei variabile aleatoare
continue atunci densitatea de probabilitate ) are urmatoarele proprieta ti:
1.)(r) _ 0, (\)r R
2.
o
_
o
)(t)dt = 1 .
Observatia 16. Dupa cum n cazul variabilei aleatoare discrete aveam o
a sa zisa reparti tie, adica un tablou cu doua linii, pe prima linie ind trecute
valorile variabilei iar pe a doua func tia de probabilitate, tot a sa si la variabilele
45
aleatoare de tip continuu vom considera o a sa zisa reparti tie sau distribui tie.
Astfel, pentru o variabila aleatoare de tip continuu care ia valori doar dintr-un
interval [a, /] reparti tia va avea forma:
A :
_
r
)(r)
_
rR
)(r) _ 0 (\)r R
o
_
o
)(t)dt = 1.
2.5. Caracteristici numerice ale variabilelor aleatoare
Studiul variabilei aleatoare att de tip discret ct si de tip continuu se ex-
tinde prin introducerea unor caracteristici numerice cu ajutorul c arora se dau
informatii suplimentare despre ele. Aceste caracteristici se mpart n mai multe
categorii:
de grupare - care evidentiaz a niste numere n jurul c arora se grupeaz a
valorile variabilelor,
de mpr astiere (de dep artare) care dau informatii asupra gradului de de-
p artare a valorilor variabilelor fat a de o caracteristic a de grupare princi-
pal a,
privind forma distributiei: simetrie, asimetrie, boltire, turtire, etc.
2.5.1. Caracteristici de grupare
Sunt niste numere care se determin a pornind de la variabila aleatoare con-
siderat a, numere n jurul c arora se grupeaz a toate valorile variabilei aleatoare.
Valoarea medie
Denitia 17. Se nume ste valoarea medie a variabilei aleatoare A si se
noteaza ' (A) numarul calculabil prin una din rela tiile:
' (A) =

I1
r
I
j
I
; -dac a A este variabil a aleatoare discret a
' (A) =
_
o
o
r) (r) dr.; dac a A este variabil a aleatoare continu a
Exemplul 18. A :
_
2 1 2
0.4 0.3 0.3
_
==
' (A) = 0.8 + 0.3 + 0.6 = 0, 1
Exemplul 19. A :
_
r
) (r)
_
rR
unde ) (r) =
_
3r
2
r [0, 1]
0 n rest
' (A) =
_
o
o
r) (r) dr =
_
l
0
r3r
2
dr = 3
r
d
4

l
0
=
3
4
46
Propozitia 20. Valoarea medie are cteva proprieta ti. Astfel daca A si 1
sunt variabile aleatoare, c o constanta, avem:
1. ' (cA) = c ' (A) .
2. ' (C) = c unde C :
_
c
1
_
.
3. ' (A +1 ) = ' (A) +' (1 ) .
4. ' (A 1 ) = ' (A) ' (1 ) , dac a A, 1 - independente
5. A
min
_ ' (A) _ A
max
unde A
min
, A
max
sunt valorile minime si maxime
pe care le poate lua A si
a _ ' (A) _ / unde A este o variabil a aleatoare continu a, iar [a, /] e
intervalul pentru care )

(r) ,= 0.
Valoarea medie este considerat a cea mai important a dintre caracteristicile
de grupare.
Momente de ordin superior
n aceeasi categorie de caracteristici de grupare gureaz a asa zisele momente
de ordin superior. n unele aplicatii este nevoie s a se utilizeze puterile naturale
ale unei variabile aleatoare A
2
, A
3
, ..., A
|
, valori pentru care caracteristicile de
grupare principale joac a un rol important. Astfel introducem momentele de
ordin superior n urm atoarea denitie:
Denitia 21. Se nume ste moment de ordin / al variabilei aleatoare A si
se noteaza i
|
.numarul:
i
|
= '
_
A
|
_
.
Observatia 22. Se observa ca i
l
= ' (A) ; i
0
= 1.
Observatia 23. Cele mai des utilizate n aplica tii sunt: i
2
, i
3
, i
d
.
Exemplul 24. Fie A :
_
2 1 2
0.4 0.3 0.3
_
. Avem:
i
2
= '
_
A
2
_
= (2)
2
0.4 + 1
2
0.3 + 2
2
0.3 = 1.6 + 0.3 + 1.2 = 3.1
i
3
= '
_
A
3
_
= (8) 0.4 + 0.3 + 8 0.3 = 3.2 + 0.3 + 2.4 = 5.9
i
d
= '
_
A
d
_
= 16 0.4 + 0.3 + 16 0.3 = 6.4 + 0.3 + 4.8 = 11.5
Exemplul 25. Pentru A :
_
r
3r
2
_
r|0,l|
avem:
i
2
=
_
l
0
r
2
3r
2
dr =
3
5
;
i
3
=
_
l
0
r
3
3r
2
dr =
1
2
;
i
d
=
_
l
0
r
d
3r
2
dr =
3
7
.
2.5.2. Caracteristici de mpr astiere (sau de dep artare)
Dup a ce au fost analizate principalele caracteristici de grupare vom evi-
dentia ct de dep artate sunt valorile variabilei fat a de o valoare de grupare.
ntr-adev ar, valoarea medie d a informatii asupra num arului n jurul c aruia se
47
grupeaz a valoarile variabilei, dar acestea nu sunt de ajuns. De exemplu n cazul
variabilelor aleatoare care pot diferite dar s a aib a aceeasi valoare medie.
Exemplul 26. Fie variabilele A
l
:
_
1 1
l
2
l
2
_
si A
2
:
_
100 100
l
2
l
2
_
.
Avem:
' (A
l
) = ' (A
2
) = 0.
cu toate c a valorile lor difer a semnicativ.
Exist a mai multe caracteristici de mpr astiere. Cele mai des utilizate sunt
urm atoarele:
- dispersia (varianta)
- abaterea medie p atratic a
- momente centrate de ordin superior
Dispersia
Dispersia este cea mai important a caracteristic a de mpr astiere.
Denitia 27. Se nume ste dispersia variabilei aleatoare A numarul notat
1(A) denit ca valoare medie a patratului variabilei aleatoare abatere [A
' (A)], adica numarul:
1(A) = '
_
(A ' (A))
2
_
.
Observatia 28. Avem:
1(A) =

I1
(r
I
' (A))
2
j
I
A variabil a aleatoare discret a
1(A) =
_
o
o
(r ' (A))
2
) (r) dr A variabil a aleatoare continu a.
Propozitia 29. Se demonstreaza ca dispersia are urmatoarele proprieta ti:
1. 1(A) _ 0.
2. 1(cA) = c
2
1(A) .
3. 1(c) = 0.
4. 1(A 1 ) = 1(A) + 1(1 ) ; daca A, 1 - independente.
5. 1(A) = '
_
A
2
_
(' (A))
2
= i
2
i
2
l
.
Exemplul 30. Pentru A :
_
2 1 2
0.4 0.3 0.3
_
avem ' (A) = 0.1.
1(A) = (2 0.1)
2
0.4 + (1 0.1)
2
0.3 + (2 0.1)
2
0.3 = 3. 09.
Sau 1(A) = i
2
i
2
l
= 3.1 0.01 = 3. 09.
Exemplul 31. n cazul variabilei aleatoare continue din exemplul 19 avem:
1(A) =
_
l
0
_
r
3
d
_
2
3r
2
dr = 3
_
l
0
(r
d

3
2
r
3
+
9
l6
r
2
)dr =
3
S0
Sau 1(A) = i
2
i
2
l
=
3
5

9
l6
=
3
S0
.
48
Exemplul 32. Pentru A
l
din exemplul 26 avem:
1(A
l
) = (1 0)
2
1
2
+ (1 0)
2
1
2
= 1,
iar pentru A
2
din acelasi exemplu vom avea:
1(A
2
) = (100 0)
2
1
2
+ (100 0)
2
1
2
= 2
100
2
2
= 10000.
Abaterea medie p atratic a
Denitia 33. Se nume ste abatere medie patratica a variabilei aleatoare A
si se noteaza o (A) numarul dat prin rela tia
o (A) =
_
1(A).
Observatia 34. Abaterea medie patratica a fost introdusa pentru ca unita tile
de masura ale acesteia sunt exact acelea si cu unita tile de masura ale valorilor
variabilei aleatoare.
Momente centrate de ordin superior
Pentru / N se introduc ca o extensie a dispersiei momentele centrate de
ordin superior prin denitia
Denitia 35. Se nume ste moment centrat de ordinil / al variabilei aleatoare
A si se noteaza j
|
valoarea medie a puterii / a variabilei abatere
j
|
= '
_
(A ' (A))
|
_
.
Observatia 36. j
l
= 0; j
2
= 1(A) . Cele mai des utilizate sunt j
3
, j
d
.
Are loc urm atorul rezultat:
Teorema 37. ntre momentele centrate de ordin superior j
|
si momentele
de ordin superior i
|
exista rela tia de legatura:
j
|
=
|

I=0
C
I
|
(1)
I
i
|I
(i
l
)
I
.
n particular avem:
j
2
= i
2
i
2
l
;
j
3
= i
3
3i
2
i
l
+ 2i
3
l
;
j
d
= i
d
4i
3
i
l
+ 6i
2
i
2
l
3i
d
l
.
2.6. Distributii clasice ale variabilelor aleatoare
Tipurile de distributii clasice se asociaz a schemelor clasice de probabilitate.
Distributii de variabile aleatoare discrete:
a) Distributia binomial a (corespunz atoare schemei urnei cu bila revenit a):
A :
_
/
C
|
n
j
|

n|
_
|=0,n
, j + = 1, j, 0.
49
b) Distributia hipergeometric a (corespunz atoare schemei urnei cu bila nerevenit a):
A :
_
/
c
k
a
c
nk
b
c
n
a+b
_
|=0,n
.
c) Distributia lui Poisson (se obtine printr-un proces de trecere la limit a din
distributia binomial a - : , :j = ` (const.))
A :
_
/
X
k
|!
c
X
_
|=0,l,...
d) Distributia lui Pascal (corespunz atoare schemei lui Pascal):
A :
_
/
C
|
n|l
j
n

|
_
|=0,l,...
, j + = 1, j, 0
Caz particular, pentru : = 1 avem distributia geometric a:
A :
_
/
j
|
_
|=0,l,...
, j + = 1, j, 0.
Distributii de variabile aleatoare continue:
a) Distributia uniform a:
A :
_
r
l
bo
_
r|o,b|
.
b) Distributia normal a este cea mai des utilizat a:
A :
_
r
l
c
_
2t
c

(xm)
2
2
2
_
r(o,o)
, o, : R, o 0.
n leg atur a cu aceast a distributie amintim urm atorul rezultat (Integrala
Euler-Poisson-Gauss):
o
_
o
c

t
2
2
dt =
_
2.
Media si dispersia in cazul distributiilor clasice
Prezent am n continuare valoarea medie si dispersia n cazul variabilelor
aleatoare care urmeaz a distributii clasice.
:
Distributia '(A) 1(A)
Binomial a :j :j
Hipergeometric a :
o
ob
:
o
ob
b
ob
obn
obl
Poisson ` `
Pascal (Geometric a)
l

2
Uniform a
ob
2
(bo)
2
l2
Normal a : o
2
.
50
2.7. Exercitii si probleme rezolvate
2.7.1. Se studiaz a alegerea unui proiect de modernizare a unei companii.
S-au prezentat 3 proiecte care pot viabile sau nu. Dac a not am cu A
I
, i = 1, 3,
evenimentul proiectul i este viabil, s a se exprime n functie de
l
,
2
,
3
urm atoarele evenimente:
a) toate proiectele sunt viabile;
b) cel putin un proiect este viabil;
c) dou a proiecte sunt viabile;
d) cel mult dou a proiecte sunt viabile;
e) un singur proiect este viabil.
Solutie:Not am cu

I
, i = 1, 3, evenimentul proiectul i nu este viabil.
a) Not am cu evenimentul toate proiectele sunt viabile =
l

3
,
adic a toate cele 3 proiecte sunt rentabile.
b) Not am cu 1 evenimentul cel putin un proiect este viabil si astfel putem
scrie 1 =
l
'
2
'
3
c) Not am cu C evenimentul dou a proiecte sunt viabile.
C =
_

l

2

3
_
'
_

2

3
_
'
_

l

3

3
_
d) Not am cu 1 evenimentul cel mult dou a proiecte sunt viabile. Eveni-
mentul 1 este echivalent cu a spune c a: nici un proiect nu este viabil, doar un
proiect este viabil sau dou a proiecte sunt viabile.
1 =
_

3
_
'
_

3
_
'
_

l

2

3
_
'
_

2

3
_
'C.
e) Not am cu 1 evenimentul un singur proiect este viabil. Atunci:
1 =
_

3
_
'
_

l

2

3
_
'
_

2

3
_
.
2.7.2. O moned a este aruncat a de 3 ori si secventa de m arci si steme este
nregistrat a.
a) Scrieti spatiul evenimentelor elementare
b) Scrieti urm atoarele evenimente, folosind evenimentele elementare:
-s a apar a cel putin 2 steme
1-primele 2 arunc ari sunt steme
C-ultima aruncare este marc a
c) Determinati urm atoarele evenimente:
1) C
.
; 2) 1; 3) ' C
Solutie: Spatiul evenimentelor aleatoare este:
= ooo, oo', o'o, 'oo, ''o, 'o', o'', ''', unde cu o
not am aparitia stemei, iar cu ' aparitia m arcii.
b) Evenimentele , 1, C,se scriu folosind evenimentele elementare din
dup a cum urmeaz a:
= ooo, oo', o'o, 'oo
1 = oo', ooo
C = oo', o'', ''', 'o'
c) Evenimentele C
.
, 1, ' 1 se scriu folosind punctul b) astfel:
C
.
=

= o'', ''', ''o, 'o'
1 = oo', ooo
' C = ooo, oo', o'o, 'oo, o'', ''', 'o'
2.7.3. Presupunem c a ntr-o camer a sunt 5 persoane. Care este probabili-
tatea ca cel putin 2 persoane s a aib a aceiasi zi de nastere.
51
Solutie: Fie evenimentul cel putin 2 persoane au aceiasi zi de nastere.
Atunci

este evenimentul cele 5 persoane au zile de natere diferite
Presupunem c a anul are 365 zile
Asadar 1
_

_
=
365 36d 363 362 36l
365
5
Deci, 1 () = 1 1
_

_
= 1
365 36d 363 362 36l
365
5
2.7.4. In Romnia numerele de nmatriculare ale masinilor au 7 caractere:
2 litere urmate de 2 cifre si alte trei litere. Dac a toate secventele de 7 caractere
sunt egal probabile, care este probabilitatea ca num arul de nmatriculare al unei
masini noi s a nu contin a cifre si litere identice?
Solutie: Not am cu evenimentul cerut.
Alfabetul contine 26 litere, iar cifrele de pe num arul de nmatriculare pot
: 0,1,2,3,4,5,6,7,8,9. Num arul total de pl acute de nmatriculare este 26
5

10
2
(corespunz atoare celor 5 litere si 2 cifre). Num arul pl acutelor ce contin litere
si cifre diferite este: (26 25) (10 9) (24 23 22) (corespunz atoare primelor 2
litere diferite, urmate de 2 cifre diferite si alte trei litere diferite de primele 2 si
diferite ntre ele).
Deci, 1 () =
26 25 l0 9 2d 23 22
26
5
l0
2
= 0, 597
2.7.5. Fie 1
1
() =
l
2
, 1
1
() =
l
2
si 1
.
(1) =
l
2
. Se cere :
a) s a se determine 1 () si 1 (1).
b) evenimentele si 1 sunt independente?
Solutie:Folosind denitia probabilit atii conditionate se obtin e:
1
1
() =
1(.|1)
1(1)
=
l
2
1
1
() =
1(.|

1)
1(

1)
=
1(.\1)
l1(1)
=
1(.)1(.|1)
l1(1)
=
l
2
1
.
(1) =
1(1|.)
1(.)
=
1(.|1)
1(.)
=
l
2
Dac a not am 1 () = r, 1 (1) = j, 1 ( 1) = ., se obtine sistemul
liniar:
_
_
_
:

=
l
2
r:
l
=
l
2
:
r
=
l
2
=
_
_
_
. =
l
2
j
. =
l
2
r
r . =
l
2

l
2
j
, de unde prin calcule r =
l
2
, j =
l
2
,
. =
l
d
.
In concluzie: 1 () =
l
2
, 1 (1) =
l
2
Conditia ca evenimentele si 1 s a e independente este: 1 ( 1) =
1 () 1 (1)
Deoarece 1 ( 1) =
l
d
=
l
2
l
2
= 1 () 1 (1) se obtine c a evenimentele
si 1 sunt independente.
2.7.6. O rm a de asigur ari are clienti din 3 categorii de risc: ridicat, mediu,
sc azut, care au respectiv probabilit atile de a cere desp agubiri n caz de accidente:
0,02, 0,01, 0,0025 ntr-un an. Proportiile celor 3 categorii de clienti n cadrul
companiei sunt respectiv 10%, 20%, 70%. Care este probabilitatea ca un client
al rmei s a e desp agubit? Care este proportia de desp agubiri ce provin ntr-un
an de la clientii cu risc ridicat?
Solutie:Not am cu 1 evenimentul un client al companiei este desp agubitsi
cu:

l
-evenimentul clientul provine din categoria de risc ridicat
52

2
-evenimentul clientul provine din categoria de risc mediu

3
-evenimentul clientul provine din categoria de risc sc azut
Sistemul
l
,
2
,
3
, formeaz a un sistem complet de evenimente deoarece
reuniunea lor este evenimentul sigur si sunt dou a cte dou a incompatibile.
Astfel conform formulei probabilit atii totale:
1 (1) = 1 (
l
) 1
_
1
.1
_
+1 (
2
) 1
_
1
.2
_
+1 (
3
) 1
_
1
.3
_
= 0, 1 0, 02+0, 2
0, 01 + 0, 7 0, 025 = 0, 00575.
Pentru a r aspunde la a doua ntrebare folosim formula lui Bayes:
1 (
l
,1) =
1(.1) 1(1/.1)
1(.1) 1(1/.1)1(.2)1(1/.2)1(.3)1(1/.3)
=
0,l 0,02
0,00575
= 0, 347.
2.7.7. La o loterie sunt 100 bilete, din care 10 sunt cstig atoare. Opersoan a
cump ar a 15 bilete. S ase determine probabilitatea ca:
a) 1 bilet s a e cstig ator;
b) s a se obtin a toate cele 10 bilete cstig atoare;
c) cel putin 2 bilete s a e cstig atoare.
Rezolvare: Se aplic a schema urnei cu 2 st ari si bila nerevenit a.
a) 1
l0,90
(1, 14) =
c
1
10
c
14
90
c
15
100
b) 1
l0,90
(10, 5) =
c
10
10
c
5
90
c
15
100
c) Fie evenimentul ca cel putin 2 bilete s a e cstig atoare. Consider am

evenimentul contrar ca ca cel mult unul din cele 15 cump arate s a e cstig ator.
Are loc:
1
_

_
= 1
l0,90
(0, 15) + 1
l0,90
(1, 14) =
c
0
10
c
15
90
c
15
100
+
c
1
10
c
14
90
c
15
100
Probabilitatea cerut a va 1 () = 1 1
_

_
2.7.8. Un depozit de piese auto are n stoc piese de la 4 furnizori n urm a-
toarele cantit ati: 100 de la furnizorul 1
l
, 50 de la 1
2
, 30 de la 1
3
si 80 de la
1
d
.
In decursul unei s apt amni, depozitul a vndut 45 piese. Care e probabili-
tatea ca din cele 45 de piese vndute, 15 s a provin a de la furnizorul 1
l
, 5 de la
1
2
, 10 de la 1
3
si 15 de la 1
d
.
Rezolvare: Se aplic a schema urnei cu 4 st ari si bila nerevenit a, unde
a
l
= 100, a
2
= 50, a
3
= 30, a
d
= 80
/
l
= 15, /
2
= 5, /
3
= 10, /
d
= 15. Probabilitatea cerut a este:
1
l00,50,30,S0
(15, 5, 10, 15) =
c
15
100
c
5
50
c
10
30
c
15
80
c
45
260
2.7.9. Pe parcursul unei s apt amni s-a dat predictia cursului valutar, astfel
nct cursul poate s a creasc a zilnic cu probabilitatea
l
d
, respectiv s a scad a cu
probabilitatea
3
d
. Stabiliti probabilitatea ca:
a) n 5 zile ale s apt amnii cursul valutar s a creasc a;
b) n cel mult 3 zile cursul valutar s a creasc a;
c) n cel putin 2 zile cursul valutar s a creasc a;
Rezolvare: Consider am evenimentul cursul valutar s a creasc a ntr-o
zi. In ecare zi poate avea loc sau

.
Se aplic a schema urnei cu 2 st ari si bila revenit a (schema binomial a), unde:
: = 7, j = 1 () =
l
d
, = 1
_

_
=
3
d
,
Probabilitatea de a se produce A de / ori este: 1 (/) = C
|
7
j
|

7|
.
53
a) Probabilitatea cerut a este: 1
7
(5) = C
5
7
j
5

75
= C
5
7
_
l
d
_
5
_
3
d
_
2
b) Probabilitatea cerut a este:
3

|=0
1
7
(/) =
3

|=0
C
|
7
j
|

7|
=
3

|=0
C
|
7
_
l
d
_
|
_
3
d
_
7|
.
c) Not am cu C evenimentul cursul valutar s a creasc a n cel putin 2 zile.
Atunci C este evenimentul: cursul valutar s a nu creasc a n nici o zi sau s a
creasc a ntr-o zi. Asadar putem scrie:
1
_
C
_
= 1
7
(0) +1
7
(1) = C
0
7
_
l
d
_
0
_
3
d
_
7
+C
l
7
_
l
d
_
l
_
3
d
_
6
Probabilitatea cerut a este:
1 (C) = 1 1
_

C
_
.
2.7.10. Un supermarket vinde urm atoarele sortimente de cafea: natural a,
cappuccino si expresso. Probabilitatea ca un client s a cumpere cafea natural a
este 0,55, cappuccino 0,3, iar expresso 0,15.
Determinati probabilitatea ca din 100 clienti, 70 s a cumpere cafea natural a,
20 s a cumpere cappuccino, iar 10 s a cumpere expresso.
Rezolvare: Aplic am schema urnei cu 3 st ari si bila revenit a (schema multino-
mial a)
Fie
I
, evenimentul ca un client s a cumpere sortimentul i de cafea , i = 1, 3.
Avem evident:
j
l
= 1 (
l
) = 0, 55, j
2
= 1 (
2
) = 0, 3, j
3
= 1 (
3
) = 0, 15, : = 100,
/
l
= 70, /
2
= 20, /
3
= 10
Probabilitatea cerut a este:
1
l00
(70, 20, 10) =
l00!
70!20!l0!
(0, 55)
70
(0, 30)
20
(0, 15)
l0
2.7.11. Care e probabilitatea ca al 80-lea client care intr a ntr-o banc a, s a
e a 20-a persoan a care ncheie o polit a de asigurare, stiind c a probabilitatea ca
cineva s a ncheie o polit a de asigurare este de 0,6.
Rezolvare: Se aplic a schema lui Pascal cu : = 80 (num arul clientilor),
/ = 20 (num arul succeselor), j = 0, 6, = 0, 4.
Probabilitatea cerut a este: C
|l
nl
j
|

n|
= C
l9
79
(0, 6)
20
(0, 4)
60
.
2.7.12. La trei reprezentante ale concernului Nokia se g asesc telefoane mo-
bile cu ecran color sau alb-negru n urm atoarele proportii: la prima reprezen-
tant a 14 cu ecran color si 16 cu ecran alb-negru, la a doua 13 cu ecran color si
17 cu ecran alb-negru, iar la a treia 14 cu ecran color si 18 cu ecran alb-negru.
Se alege la ntmplare cte un telefon mobil de la ecare reprezentant a, pentru
a supus unor probe de vericare. Care e probabilitatea ca din cele 3 telefoane
alese dou a s a e cu ecran color, iar unul cu ecran alb-negru?
Rezolvare:Aplic am schema lui Poisson. Pentru aceasta not am cu j
I
pro-
babilitatea ca telefonul ales de la reprezentanta i s a aib a ecran color, i = 1, 3.
Avem c a:
j
l
=
ld
30
,
l
=
l6
30
, j
2
=
l3
30
,
2
=
l7
30
, j
3
=
ld
32
,
3
=
lS
32
Conform schemei lui Poisson, probabilitatea cerut a este dat a de coecientul
lui t
2
al polinomului
(j
l
t +
l
) (j
2
t +
2
) (j
3
t +
3
)
adic a de:
54
j
l
j
2

3
+j
l

2
j
3
+
l
j
2
j
3
=
ld
30
l3
30
lS
32
+
ld
30
l7
30
ld
32
+
l6
30
l3
30
ld
32
= 0, 33.
Teme de control
2.8. Exercitii si probleme propuse
2.8.1. In drum spre locul de munc a un om trece prin 3 intersectii consecu-
tive, semaforizate. La ecare semafor se opreste sau si continu a drumul. Dac a
not am cu
I
, i = 1, 3 evenimentul la intersectia i continu a drumul, s a se
exprime folosind
l
,
2
,
3
urm atoarele evenimente:
a) persoana are liber la toate intersectiile,
b) persoana opreste la toate intersectiile,
c) persoana opreste la cel putin o intersectie,
d) persoana opreste la cel mult o intersectie.
Solutie:
a) =
l

2

3
b) 1 =

3
c) C =

l
'

2
'

3
d) 1 = '
_

l

2

3
_
'
_

2

3
_
'
_

l

2

3
_
2.8.2. Se arunc a o moned a de dou a ori. Care este probabilitatea ca marca
s a apar a cel putin o dat a?
Solutie: j = 0, 75
2.8.3. Doi tr ag atori trag simultan asupra unei tinte. Probabilitatea de a
nimeri tinta este j, respectiv j
2
cu j (0, 1) pentru cei doi. Stabiliti valoarea
lui j astfel nct probabilitatea ca primul s a nimereasc a tinta si al doilea s a nu
o loveasc a s a e cel putin egal a cu 0, 375.
Solutie: j
_
l
2
;
_
l3l
d
_
2.8.4. Se arunc a 2 zaruri. Care este probabilitatea ca suma fetelor s a e 6,
stiind c a suma acestor fete a dat un num ar par?
Solutie:Folosind formula probabilit atii conditionate se obtine j =
5
lS
.
2.8.5. Un lift ce contine 5 persoane se poate opri la oricare din cele 7 etaje
ale unei cl adiri. Care este probabilitatea ca 2 persoane s a nu coboare la acelasi
etaj?
Solutie: 0, 15
2.8.6. Ocompanie produce n 3 schimburi. Intr-o anumit a zi, 1% din arti-
colele produse de I schimb sunt defecte, 2% din cele produse n al II-lea schimb
si 3% din al III-lea schimb. Dac a cele trei schimburi au aceeiasi productivitate,
care este probabilitate ca un produs din acea zi s a e defect? Dac a un produs
este defect, care este probabilitatea ca el s a fost fabricat n schimbul al III-lea?
Solutie: Folosind formula probilit atii totale si formula lui Bayes se obtine:
0, 02 respectiv 0, 5
2.8.7. Presupunem c a ocupatiile n cadrul unei mari companii sunt gru-
pate n 3 nivele de performant a: superior (l), mijlociu ('), si inferior (1).
l
l
reprezint a evenimentul c a tat al este n nivelul superior, iar l
2
evenimentul
c a ul este n nivel superior, etc. S-a determinat urm atorul tabel privind mo-
bilitatea ocupational a unde indicele1 se refer a la tat a, iar indicele 2 la u:
55
JIu
To| o
l
2
'
2
1
2
l
l
0, 45 0, 48 0, 07
'
l
0, 05 0, 70 0, 25
1
l
0, 01 0, 50 0, 49
Prima linie a tabelului se citeste astfel: dac a tat al este n nivelul ocupational
l probabilitatea ca ul s a e n l este 0, 45, probabilitatea ca ul s a n ' este
0, 48, respectiv probabilitatea ca ul s a e n 1 este 0,07 (celelalte linii ale
tabelului se citesc analog). Presupunem c a 10% din generatia tat alui suntl,
40% sunt ' si 50% n 1. Care este probabilitatea ca un u din generatia
urm atoare s a e n l? Dac a un u este n nivelul ocupational l, care este
probabilitatea ca tat al s a fost n l?
Solutie: Folosind formula probilit atii totale si formula lui Bayes se obtine:
0, 07 si 0, 64.
2.8.8. Intr-un lot de 400 piese, 10 sunt defecte. Se aleg aleator 20 piese. S a
se calculeze probabilitatea ca ntre piesele alese :
a) 4 piese s a e defecte;
b) s a e cel mult 6 piese defecte;
c) s a nu e nici o pies a defect a
R aspuns: a) 1
l0,390
(4, 16) =
c
4
10
c
16
390
c
20
400
; b)
6

|=0
1
l0,390
(/, 20 /); c)
1
l0,390
(0, 20)
2.8.9. O comisie international a este format a din 5 romni, 7 italieni, 4
olandezi si 6 elvetieni. Se aleg la ntmplare 10 persoane pentru a forma o
subcomisie. S a se calculeze probabilitatea ca din cele 10 persoane alese, 2 s a e
romni, 3 italieni, 3 olandezi si 2 elvetieni.
R aspuns: 1
5,7,d,6
(2, 3, 3, 2) =
c
2
5
c
3
7
c
3
4
c
2
6
c
10
22
2.8.10. Pe parcursul a 10 zile de var a s-a dat prognoza meteo astfel nct
zilnic pot c adea precipitatii cu probabilitatea 0,2.Calculati probabilitatea de a
ploua:
a) n 3 zile;
b) n cel mult 4 zile;
c) n cel putin 3 zile.
R aspuns: a) 1
l0
(3) = C
3
l0
(0, 2)
3
(0, 8)
7
; b)
d

1=0
1
l0
(/); c) 1
2

1=0
1
l0
(/).
2.8.11. Se arunc a un zar de 20 de ori. S a se calculeze probabilitatea ca de
8 ori s a apar a un num ar prim, de 10 ori un num ar compus si de 2 ori fata cu un
punct.
R aspuns: 1
20
(8, 10, 2) =
20!
S! l0! 2!
_
3
6
_
2
_
2
6
_
l0
_
l
6
_
2
2.8.12. Avem 4 grupe de studenti: n prima grup a sunt 20 fete si 5 b aieti, n
a doua grup a sunt 15 fete si 10 b aieti, n a treia grup a sunt 10 fete si 15 b aieti, n
a patra grup a sunt 24 fete si 1 b aiat. Se alege cte un student din ecare grup a
pentru a participa la o actiune publicitar a pentru promovarea unui produs.
56
S a se calculeze probabilitatea ca ntre studentii alesi:
a) trei s a e fete;
b) s a e numai fete;
c) s a e cel putin o fat a.
R aspuns: Se aplic a schema lui Poisson
a) 0, 453, b)
20
25
l5
25
l0
25
2d
25
= 0, 184, c) 1
5
25
l0
25
l5
25
l
25
= 0, 998
Rezumat modul
In acest modul s-au introdus notiunile de eveniment, probabilitate, operatii
cu evenimente.S-au denit variabilele aleatoare de tip discret si continuu, functia
de repartitie precum si caracteristicile numerice ale variabilelor aleatoare.
In cazul repartitiilor clasice, s-au precizat functiile de probabilitate si den-
sitate de probabilitate si au fost calculate valorile medii si dispersiile acestor
variabile aleatoare.
Bibliograe modul
1. Colectiv, Elemente de algebra liniara, analiza matematica si teoria prob-
abilitatilor, Ed. Mega, Cluj-Napoca, 2009
2. Colectiv, Analiza matematica, Teoria Probabilitatilor si Algebra liniara
aplicate in economie, Ed. Mediamira, Cluj-Napoca, 2008
III. Anexe
Bibliograa completa a cursului:
1. Colectiv, Elemente de Algebra liniara si Analiza matematica pentru
economisti, Ed. Todesco, Cluj-Napoca, 2003
2. Colectiv, Elemente de teoria probabilitatilor si statistica matemetica pen-
tru economisti, Ed. Todesco, Cluj-Napoca, 2004
3. Colectiv, Elemente de algebra liniara, analiza matematica si teoria prob-
abilitatilor, Ed. Mega, Cluj-Napoca, 2009
4. Muresan A.S., Blaga P., Matematici aplicate in economie, vol. I, Ed.
Transilvania Press, Cluj-Napoca, 1996
5. Colectiv, Analiza matematica, Teoria Probabilitatilor si Algebra liniara
aplicate in economie, Ed. Mediamira, Cluj-Napoca, 2008
6. Colectiv, Elemente de teoria probabilitatilor si statistica matemetica pen-
tru economisti, Ed. Todesco, Cluj-Napoca, 2004
7. Mihoc I., Calculul probabilitatilor si statistica matematica, lito UBB,
Cluj-Napoca, 1998
8. Muresan A.S., Blaga P., Matematici aplicate in economie, vol. I, Ed.
Transilvania Press, Cluj-Napoca, 1996
Scurta biograe a titularilor de curs
Numele si prenumele MURESAN ANTON SILVIU
Data nasterii 31 mai 1947
Functia didactic a actual a Profesor
Institutia la care este titular Catedra de Statistica-Previziuni-Matematica,
FSEGA, UBB
57
Studii Data absolvirii Institutia
Doctorat in matematica 1976 UBB
Licenta in matematica 1970 UBB
Bacalaureat 1965 Sc. Medie nr. 2 Baia Mare
Cariera didactic a
Denumirea functiei didactic Perioada Calitatea
Titular/asociat Institutia
de nv at amnt
Profesor universitar 1994-prezent Titular UBB
Conferentiar universitar 1990-1994 Titular UBB
Lector universitar 1976-1990 Titular UBB
Asistent universitar 1974-1976 Titular UBB
Asistent universitar 1970-1974 Stagiar UBB
Publicatii, alte rezultate ale activit atii didactice si de cercetare stiintic a
Num ar
C arti, monograi, materiale de studiu 63
Alte articole 47
Particip ari la conferinte internationale 15
Particip ari la conferinte interne 29
Membru n comitete de organizare sau stiintice ale unor conferinte 5
Alte rezultate (denumirea) Premiu UBB 1
Visiting Professor Italia Univ. La Sapienza Roma 1
Activit ati n domeniul ID Denumirea/perioada Institutia organiza-
toare
Profesor Matem. aplicate in economie UBB
Profesor Matem. nanciare si actuariale UBB
Profesor Teoria jocurilor si aplicatii UBB
Numele si prenumele FILIP DIANA ANDRADA
Data nasterii 18-03-1969
Functia didactic a actual a Profesor
Institutia la care este titular Catedra de Statistica-Previziuni-Matematica,
FSEGA, UBB
Studii Data absolvirii Institutia
Doctorat in matematica 1999 UBB
Licenta in matematica 1993 UBB
Bacalaureat 1988 Liceul "Nicolae Balcescu"Cluj-
Napoca
Denumirea functiei didactic Perioada Calitatea
Titular/asociat Institutia
de nv at amnt
Conferentiar universitar 2004 - prezent Titular UBB
Lector universitar 2000 - 2004 Titular UBB
Asistent universitar 1996 - 2000 Titular UBB
58
Preparator universitar 1994-1996 Titular UBB
Profesor de matematica 1993-1994 Titular Liceul Traian
Vuia Cluj-Napoca
Publicatii, alte rezultate ale activit atii didactice si de cercetare stiintic a
Num ar
C arti, monograi, materiale de studiu 6
Articole BDI 6
Particip ari la conferinte internationale 8
Particip ari la conferinte interne 12
Membru n comitete de organizare sau stiintice ale unor conferinte 4
Activit ati n domeniul ID Denumirea Institutia organizatoare
Conferentiar Matem. aplicate in economie UBB
Conferentiar Matem. nanciare si actuariale UBB
Numele si prenumele CURT PAULA
Data nasterii 31 mai 1964
Functia didactic a actual a Conferentiar
Institutia la care este titular Catedra de Statistica-Previziuni-Matematica,
FSEGA, UBB
Studii Data absolvirii Institutia
Doctorat in matematica 1997 UBB
Licenta in matematica 1986 UBB
Bacalaureat 1982 Liceul Andrei Muresanu"
Dej
Denumirea functiei didactic Perioada Calitatea
Titular/asociat Institutia
de nv at amnt
Conferentiar universitar 2003-prezent Titular UBB
Lector universitar 1995-2003 Titular UBB
Asistent universitar 1990-1995 Titular UBB
Publicatii, alte rezultate ale activit atii didactice si de cercetare stiintic a
Num ar
C arti, monograi, materiale de studiu 10
Articole BDI 27
Articole ISI 3
Particip ari la conferinte internationale 15
Particip ari la conferinte interne 10
Membru n comitete de organizare sau stiintice ale unor conferinte 6
Activit ati n domeniul ID Denumirea Institutia organizatoare
Conferentiar Matem. aplicate in economie UBB
Conferentiar Matem. nanciare si actuariale UBB
Numele si prenumele: LUNG RODICA IOANA
Data nasterii: 24 iulie 1976
59
Functia didactic a actual a: Lector
Institutia la care este titular: Catedra de Statistica-Previziuni-Matematica,
FSEGA, UBB
Studii Data absolvirii Institutia
Doctorat in informatic a 2006 UBB
Master Analiz a convex a si aproximare 1999 UBB
Licent a in matematic a 1998 UBB
Bacalaureat 1994 Liceul de informatic a Tiberiu Popoviciu
Cluj Napoca
Denumirea functiei didactice Perioada Calitatea
Titular/asociat Institutia de nv at amnt
Lector universitar 2007- Titular UBB
Publicatii, alte rezultate ale activit atii didactice si de cercetare stiintic a Num ar
C arti, monograi, materiale de studiu 3
Articole indexate ISI si BDI 4+ 11+17
Particip ari la conferinte internationale 10
Particip ari la conferinte interne 8
Membru n comitete de organizare sau stiintice ale unor conferinte 5
Activit ati n domeniul ID:
Denumirea Institutia organizatoare
Lector Matem. aplicate in economie UBB
Lector Matem. nanciare si actuariale UBB
Numele si prenumele ROSCA ALIN
Data nasterii 28 septembrie 1974
Functia didactic a actual a Lector
Institutia la care este titular Catedra de Statistica-Previziuni-Matematica,
FSEGA, UBB
Studii Data absolvirii Institutia
Doctorat in matematica 2008 UBB
Licenta in matematica 1997 UBB
Bacalaureat 1993 Liceul Ienachita Vacarescu"
Targoviste
Denumirea functiei didactic Perioada Calitatea
Titular/asociat Institutia
de nv at amnt
Lector universitar 2009-prezent Titular UBB
Asistent universitar 2003-2009 Titular UBB
Asistent universitar 2001-2003 Titular Universitatea
Tehnica
60
Publicatii, alte rezultate ale activit atii didactice si de cercetare stiintic a
Num ar
C arti, monograi, materiale de studiu 10
Articole BDI 10
Particip ari la conferinte internationale 7
Particip ari la conferinte interne 3
Membru n comitete de organizare sau stiintice ale unor conferinte 1
Activit ati n domeniul ID Denumirea Institutia organizatoare
Lector Matem. aplicate in economie UBB
Lector Matem. nanciare si actuariale UBB
61

S-ar putea să vă placă și