Suport Curs Probabilitati PDF

178 Matematici aplicate in economie – S. Dedu, F.
Şerban
TEORIA PROBABILITĂŢILOR
CAPITOLUL 9. CÂMP DE PROBABILITATE

9.2. PROBABILITATE; CÂMP DE PROBABILITATE;
FORMULE DE CALCUL CU PROBABILITĂŢI
BREVIAR TEORETIC
Definiţia 1.Se numeşte eveniment orice rezultat al unei experienţe.

Se numeşte eveniment sigur (notat Ω) evenimentul care se realizează cu certitudine într-o experienţă.
Se numeşte eveniment imposibil (notat ) evenimentul care nu se realizează niciodată într-o experienţă
Definiţia 2. Considerăm două evenimente A, B. Definim:
A  B (“A sau B”) evenimentul ce constă în realizarea a cel puţin unuia dintre evenimentele A, B.
A  B (“A şi B”) evenimentul ce constă în realizarea simultană a evenimentelor A, B.
A (“non A”) evenimentul ce constă în nerealizarea evenimentului A.
A \ B evenimentul ce constă în realizarea lui A şi nerealizarea lui B.
A  B (“A implică B”) dacă realizarea lui A are ca efect realizarea lui B.
Definiţia 3. Un eveniment A se numeşte eveniment elementar dacă din B  A rezultă B =  sau B = A.
Observaţia 1. Dacă asociem evenimentului sigur ataşat unei experienţe o mulţime Ω, atunci se poate realiza o
corespondenţă între mulţimea evenimentelor ataşate acelei experienţe şi mulţimea părţilor lui Ω şi o corespondenţă între
operaţiile cu evenimente şi operaţiile cu mulţimi.
Observaţia 2. Dacă Ω este o mulţime cel mult numărabilă, atunci elementele acesteia sunt evenimente elementare.
Definiţia 4. Două evenimente A, B se numesc incompatibile dacă nu se pot realiza simultan: A  B = .
În caz contrar, acestea se numesc evenimente compatibile.
Fie Ω evenimentul sigur ataşat unei experienţe şi P(Ω) mulţimea părţilor lui Ω.
Definiţia 5. O familie nevidă K  P (Ω) se numeşte corp de părţi dacă verifică axiomele:
i)  A  K  A  K ;
ii)  A, B  K  A  B  K .
Observaţie. Dacă înlocuim condiţia ii) prin
ii' ) , atunci K se numeşte corp borelian.
  An nN  K   An  K
nN
Definiţia 6. Se numeşte câmp (câmp borelian) de evenimente evenimentul sigur Ω înzestrat cu un corp (corp borelian) K
de evenimente. Vom nota acest câmp de evenimente (Ω, K).
Definiţia 7. (definiţia clasică a probabilităţii) Se numeşte probabilitate a evenimentului A şi se notează P(A) raportul
dintre numărul de rezultate favorabile producerii evenimentului A ( nfav ) şi numărul total de rezultate ale experimentului,
considerate egal posibile (npos): n fav
P( A ) 
n pos
Definiţia 8. (definiţia axiomatică a probabilităţii) Considerăm un câmp de evenimente (Ω, K). Se numeşte probabilitate pe
câmpul de evenimente (Ω, K) o funcţie de mulţime P : K → R+, care verifică axiomele:
1)  A  K  P (A)  0;
2) P (Ω) = 1;
3)  A, B  K, A  B =   P (A  B) = P (A) + P (B) .
Definiţia 9. Un câmp de evenimente (Ω, K) înzestrat cu o probabilitate P se numeşte câmp de probabilitate şi se notează
(Ω, K, P).
Propoziţia 1. (Proprietăţi ale funcţiei probabilitate)
1) P( A)  1  P( A),  A  K
2) P (B \ A) = P (B) - P (A  B) ,  A, B  K
3) P () = 0
4) 0  P (A)  1,  A  K
Variabile aleatoare 179
 n  n  n  (formula lui Poincaré)

P  Ai    P( Ai )   P( Ai  A j )   P( Ai  A j  Ak )  .....  (1) n1 P  Ai 
5)
 i 1  i 1 1i  j  n 1i  j  k  n  i 1 
Observaţia 1. Dacă evenimentele A1, A2 ,…, An sunt incompatibile două câte două, atunci formula 5) devine:
 n  n
5')
P  Ai    P( Ai )
 i 1  i 1
Observaţia 2. În cazul n = 2, formula lui Poincaré devine:
P( A)  P( B), A  B   ( A, B incompatib ile )
P( A  B)  
P( A)  P( B)  P( A  B), A  B   ( A, B compatibil e)
 n  n
6) P  Ai    P( Ai )  (n  1) (inegalitatea lui Boole).
 i 1  i 1
Definiţia 10. Fie (Ω, K, P) un cămp de probabilitate şi B  K astfel încật P (B) > 0.
Se numeşte probabilitate condiţionată de evenimentul B a evenimentului A expresia: P( A  B)
P( A / B) 
P( B)
Definiţia 5. Spunem că evenimentele A şi B sunt independente dacă P (A  B) = P (A)  P (B)
Definiţia 6. Spunem că evenimentele A1, A2 ,…, An sunt independente în totalitate dacă
P( Ai1  Ai2  ....  Aik )  P( Ai1 )  P( Ai2 )  ....  P( Aik ),  k  1, n,  1  i1  i 2  ...  i k  n
Propoziţia 2. Fie A1, A2 ,…, An o familie finită de evenimente astfel încât  n  ; atunci
P  Ai   0
 i 1 
 n 
P  Ai   P( A1 )  P( A2 / A1 )  P( A3 / A1  A2 )  ....  P( An / A1  A2  ...  An1 )
 i 1 
Observaţie. Dacă A1, A2 ,…, An este o familie finită de evenimente independente în totalitate, atunci:
 n 
P  Ai   P( A1 )  P( A2 )  P( A3 )  ....  P( An )
 i 1 
Observaţie. În cazul n = 2, avem: P( A)  P( B), pentru A, B evenimente independen te

P( A  B)  
P( A)  P( B / A), pentru A, B evenimente dependente
Propoziţia 3. (Formula probabilităţii totale) Fie (A1, A2 ,…, An) un sistem complet de evenimente
(adică A  A  ,  i  j; i, j  1, n şi n ) şi X  K, cu P (X)  0. Atunci:
i j  Ai  
i 1
n
P( X )   P( Ai )  P( X / Ai )
i 1
Propoziţia 4. (Formula lui Bayes) Fie (A1, A2 ,…, An) un sistem complet de evenimente şi X  K, cu P (X)  0. Atunci:
sau, altfel spus, P( Ai )  P( X / Ai )
P( Ai )  P( X / Ai ) P( Ai / X ) 
P( Ai / X )  P( X )
n
 P( Ai )  P( X / Ai )
i 1
PROBLEME REZOLVATE
1. Pentru evenimentele A şi B se cunosc următoarele: P( A  B)  0,25 , P( A  B)  0,4 ,

P (A  B) = 0,8. Să se calculeze probabilităţile: P (A ), P (B), P (A  B).
Rezolvare:
0,25  P( A  B)  P( B)  P( A  B)  P( B)  0,25  P( A  B) (1)
0,4  P( A  B)  P( A)  P( A  B)  P( A)  0,4  P( A  B) (2)
0,8  P( A  B)  P( A)  P( B)  P( A  B) (3)
180 Matematici aplicate in economie – S. Dedu, F. Şerban
Înlocuind P(A) şi P(B) date de (1) şi (2) în relaţia (3), rezultă:
0,8  0,4  P( A  B)  0,25  P( A  B)  P( A  B)  P( A  B)  0,15

P( B)  0,25  0,15  P( B)  0,4 ; P( A)  0,4  0,15  P( A)  0,55
2. Pentru evenimentele A şi B se cunosc următoarele: P (A) = 0,5 şi P (A  B) = 0,8. Să se afle P (B) dacă:
a) A, B incompatibile;
b) A, B independente;
c) P (B / A) = 0,3.
Rezolvare:
a) Se ştie că P (A  B) = P (A) + P (B) - P (A  B) (1);.
Cum evenimentele A şi B sunt incompatibile rezultă P (A  B) = 0, prin urmare P (B) = 0,3.
a) Dacă A, B sunt independente rezultă P (A  B) = P (A)  P (B), prin urmare relaţia (1) devine:
0,8 = 0,5 + P (B) - 0,5  P (B), deci P (B) = 3/5.
c) Se ştie că P( B / A)  P( B  A) , prin urmare P (B  A) = P (B / A)  P (A) = 0,3  0,5 = 0,15.
P( A)
Din relaţia (1) obţinem P (B) = 0,8 – 0,5 + 0,15 = 0,45.
PROBLEME PROPUSE
1. Fie (, K, P) un câmp de probabilitate şi A, B  K două evenimente independente. Ştiind că P( A  B)  1 şi că

3
P( A)  1 , să se afle P( B / A) . R: 2/5.
6
2. Fie (, K, P) un câmp de probabilitate şi A, B  K . Ştiind că P( A  B)  0,01 , P( A  B)  0,03 şi
P( A / B)  0,05 , să se calculeze următoarele probabilităţi:
a) P(A), P(B);

b) P A  B  , P A  B ; 

c) PB / A , P A / B ; 
 
d) P B / A ) şi P A / B . 
R: a) 0,04; 0,2; b) 0,23; 0,77; c) 0,25; 0,0375; d) 0,19791(6); 0,9625.
3. Pentru evenimentele A, B, X se cunosc: P (A / X) = 0,22; P (A  X) = 0,11; P (B  X) = 0,16;
P (B  X) = 0,76; P (A) = 0,31. Să se calculeze următoarele probabilităţi:
a) P (B / X); b) P ( X); c) P (A  X); d) P (B).
R: a) 0,32; b) 0,5; c) 0,7; d) 0,42.
4. Pentru evenimentele A şi B se cunosc următoarele: P( A  B)  0,24 , P( A  B)  0,18 , P( A  B)  0,16 .

Să se calculeze următoarele probabilităţi: a) P(A) , P(B) ; b) P( A  B) ; c) P( A  B) ; d) P( A / B) , P( B / A) ;
e) P( A / B) , P( B / A) .
R: a) 0,4; 0,42; b) 0,58; c) 0,42; d) 0,(571428); 0,6; e) 0,724137; 0,3.
32. Să se arate că dacă A1, A2,...,An sunt evenimente independente, atunci  n  n
P  Ai   1   1  P Ai 
 i 1  i 1
CAPITOLUL 10
VARIABILE ALEATOARE
10.1. VARIABILE ALEATOARE UNIDIMENSIONALE
BREVIAR TEORETIC
Definiţia 1. Fie (Ω, K, P) un câmp de probabilitate. O aplicaţie X : Ω → R se numeşte variabilă aleatoare (v.a.) dacă
pentru orice x  R avem: {  Ω  X () < x}  K.
Notăm cu X (Ω) mulţimea valorilor v.a. X.
Definiţia 2. Variabila aleatoare X : Ω → R se numeşte:
a) discretă, dacă mulţimea valorilor v.a. este finită sau numărabilă;
b) continuă, dacă mulţimea valorilor v.a. este un interval sau o reuniune finită de intervale din R.
Repartiţia unei v.a. discrete X se reprezintă sub forma unei matrice având două linii: prima linie conţine valorile v.a., iar a
doua linie conţine probabilităţile ca v.a. să ia aceste valori:
 xi 
X :   , pi  P( X  xi ), i  I , p i  1, I mulţime finită sau numărabilă
 pi  iI iI
Definiţia 3. Se numeşte funcţia de repartiţie a v.a. X aplicaţia F: R  [0,1], F(x) = P (X < x) = P({   / X()<x}).
Propoziţia 1. Dacă F: R  [0,1] este funcţia de repartiţie a unei v.a. X : Ω → R , atunci:

a) lim F ( x)  0, lim F ( x)  1;
x   x 
b) F este nedescrescătoare pe R, adică  x1, x2  R, x1 < x2  F (x1)  F (x2);

c) F este continuă la stânga, adică  x  R  F (x - 0) = F (x).
Propoziţia 2. Dacă funcţia F : R → R satisface condiţiile a), b) şi c) din propoziţia precedentă, atunci există un câmp de
probabilitate (Ω, K, P) şi o variabilă aleatoare X : Ω → R a cărei funcţie de repartiţie este F.
Definiţia 4. Fie X : Ω → R o v.a. continuă şi I = X (Ω). Dacă funcţia de repartiţie F a v.a. X este derivabilă, cu derivata
F ' ( x), x  I
continuă pe I, atunci funcţia f ( x)   se numeşte densitatea de repartiţie a v.a. X.
 0 , xI
Propoziţia 3. Densitatea de repartiţie f : R → R a unei variabile aleatoare continue verifică proprietăţile:
a) f (x)  0,  x  R ;

b)  f ( x)dx  1.

Propoziţia 4. Dacă funcţia f : R → R satisface condiţiile a), b) din propoziţia precedentă, atunci există un un câmp de
probabilitate (Ω, K, P) şi o variabilă aleatoare X : Ω → R a cărei densitate de probabilitate este f.
Observaţii. Fie X : Ω → R variabilă aleatoare continuă, având densitatea de repartiţie f şi funcţia de repartiţie F.
x
Atunci: 1) Deoarece F este o primitivă pe R a funcţiei f, rezultă F ( x)   f (t )dt ,  x  R
a 
2) P( X  a )  P( X  a )  F (a )   f ( x)dx


P ( X  b)  P( X  b)  1  F (b)   f ( x)dx
b
b
P (a  X  b)  P (a  X  b)  P (a  X  b)  P (a  X  b)  F (b)  F (a)   f ( x)dx
a
Definiţia 5. Variabilele aleatoare Xi, i  1, n , n  2, sunt independente dacă evenimentele Ai = { | Xi () < xi } sunt
independente,  xi  R, i  1, n.
 xi   yj 
Observaţie. Fie X :   , Y :   variabile aleatoare discrete.
q 
 pi  iI  j  jJ
Atunci X, Y sunt independente dacă P(X = xi, Y = yj) = P(X = xi)  P(Y = yj),  i I,  i J.
Propoziţia 5. Dacă X : Ω → R, Y : Ω → R sunt variabile aleatoare şi c  R, a  R, a > 0, k  N*, atunci c X, X + c, X,

X k, 1 (dacă X nu ia valoarea 0), aX, X +Y, X ·Y sunt variabile aleatoare.
X
Observaţie. Dacă  xi   yj  sunt v.a. discrete, atunci repartiţiile operaţiilor cu v.a. definite mai sus sunt:
X :   , Y : 
q 
 pi  iI  j  jJ
 cx i   xi  c   xi   xk   1 
c  X :   , X  c :   , X :   , X k :  i  , 1 :  xi  , xi  0, i  1, n ,
    
 pi  iI  pi  iI  pi  iI  pi  iI X  pi  iI
 a xi   xi  y j   xi y j  , unde p  P( X  x , Y  y ),  i  I , j  J
a X :   , X Y
 :  , X Y :   ij i j
 p  iI  p  iI
 pi  iI  ij  jJ
 ij  jJ
Definiţia 6. Se numeşte media (valoarea medie) variabilei aleatoare X numărul (dacă există):
M ( X )   xi pi , dacă X este o v.a. discretă;
i I

M ( X )   x  f ( x)dx , dacă X este o v.a. continuă.

Propoziţia 6. Dacă X : Ω → R , Y : Ω → R sunt variabile aleatoare şi a  R, rezultă:

a) M (a) = a;
b) M (aX ) = a M (X );
c) M (X +Y ) = M (X ) + M (Y );
d) dacă v.a. X, Y sunt independente, atunci M (X  Y ) = M (X )  M (Y ).
Definiţia 7. Se numeşte dispersia variabilei aleatoare X numărul (dacă există): D( X )  M  X  M ( X )2 
Propoziţia 7. Dacă X : Ω → R, Y : Ω → R sunt variabile aleatoare şi a  R, rezultă:

a) D (X)  0;
b) D (X) = M (X 2) - M 2(X);
c) D (a) = 0;
d) D (a X) = a2D (X);
e) dacă X, Y sunt v.a. independente, atunci D (X + Y) = D (X) + D (Y).
Definiţia 8. Se numeşte abaterea medie pătratică (abaterea standard) a v.a. X numărul (dacă există): ( X )  D( X )
Definiţia 9. Se numeşte moment iniţial de ordin r al v.a. X numărul (dacă există): mr = Mr (X) = M (X r )
Observaţie. , dacă X este o v.a. discretă;

mr   xir pi
i I

, dacă X este o v.a. continuă.
mr   x r  f ( x)dx

Definiţia 10. Se numeşte moment centrat de ordin r al v.a. X numărul (dacă există):  r  M r  X  M ( X )  M  X  M ( X )r 
Observaţie.
mr   ( xi  M ( X ))r  pi , dacă X este o v.a. discretă;
iI

, dacă X este o v.a. continuă.
mr   ( x  M ( X )) r  f ( x)dx

3 X 
Definiţia 11. Se numeşte coeficient de asimetrie al v.a. X numărul (dacă există): A  X  
 23 / 2  X 
 4 X 
Definiţia 12. Se numeşte coeficient de exces al v.a. X numărul (dacă există): E  X  
 22  X 
Mediana variabilei aleatoare X este numărul finit me care satisface condiţiile: F (me) ≤ 1/2 şi F (me + 0)  1/2.
Dacă F este continuă şi strict crescătoare, atunci mediana me se determină în mod unic rezolvând ecuaţia F (me) = 1/2
Definiţia 14. Dacă variabila aleatoaare X are densitatea de probabilitate f, se numeşte mod (punct modal) al variabilei
aleatoare X orice punct de maxim local al funcţiei f.
Observaţie. În cazul repartiţiilor discrete, punctul modal este valoarea cea mai probabilă.
Definiţia 15. Fie (Ω, K, P) un câmp de probabilitate şi X : Ω → R o variabilă aleatoare.

Se numeşte funcţia caracteristică a variabilei aleatoare X aplicaţia  : R  R,  (t) = M (e i t X ).

 (t )   eitx pkk
kI
 , dacă X este o v.a. continuă.
 (t )   e itx f ( x) dx

Definiţia 16. Fie (Ω, K, P) un câmp de probabilitate şi X : Ω → R o variabilă aleatoare.

Se numeşte funcţia generatoare de momente a variabilei aleatoare X aplicaţia g : R  R, g(t) = M (e t X ).

g (t )   e txk pk
k I
 , dacă X este o v.a. continuă.
g (t )   e tx f ( x) dx

Propoziţia 8. Fie φX funcţia caracteristică a v.a. X.
1) Dacă  X  sunt v.a. independente, atunci n
k k 1, n  n (t )    X k (t ), t  R
 Xk
k 1 k 1
2) Dacă a, b  R, atunci  aX + b (t) = eitb   X (at),  t  R.
3) Dacă v.a. X are momentul iniţial absolut de ordinul k finit, atunci:  (r ) (0) şi
mr  M ( X r )  ,  r  1, k
ir
mr  M ( X r )  g ( r ) (0),  r  1, k
Teoremă. (Teorema de unicitate). Funcţia caracteristică determină în mod unic funcţia de repartiţie a unei v.a.
PROBLEME REZOLVATE
1. Fie variabila aleatoare discretă   2 1 0 1 2 . Să se determine:

X :  , p  R
 2 p 4 p p 2 p p 
a) repartiţia v.a. X;
b) funcţia de repartiţie a v.a. X;
c) media, dispersia şi abaterea medie pătratică ale v.a. X;
d) M (X3), M (2X-3), D (3X-2);
e) probabilităţile: P (X  - 0,75), P (X > 1,25), P (-1,25  X  0,5), P (X > -1,5 / X < 2).
Rezolvare:
a) Impunem condiţiile p  0 şi 2p + 4p + p + 2p + p = 1  p = 1/10.
Rezultă că repartiţia variabilei aleatoare X este:  2 1 0 1 2
X : 2 
 4 1 2 1
 10 10 10 10 10 
0, x  ( ,2]
 2 1
b)   , x  ( 2,1]
10 5
 2 4 6 3
    , x  ( 1,0]
10 10 10 5
Fx ( x )  P ( X  x )  
 2  4  1  7 , x  (0,1]
10 10 10 10
 2 4 1 2 9
     , x  (1,2]
10 10 10 10 10

1, x  ( 2,]
c) M ( X )  (2)  2  (1)  4  0  1  1  2  2  1   4  0,4

10 10 10 10 10 10
M ( X 2 )  (2) 2  2  (1) 2  4  0 2  1  12  2  2 2  1  18  1,8
10 10 10 10 10 10
D( X )  M ( X 2 )  M 2 ( X )  1,8  (0,4) 2  1,64   ( X )  D( X )  1,28
d) M ( X 3 )  (2) 3  2  (1) 3  4  03  1  13  2  23  1  1
10 10 10 10 10
Folosind proprietăţile mediei şi ale dispersiei, obţinem: M (2X-3) = 2M(X)-3 = 2 (-0,4)-3 = -3,8;
D (3X-2) = 9D (X) = 9 (1,64) = 14,76.
e) P( X  0,75)  P( X  1)  P( X  2)  2  4  3 ; P( X  1,25)  P( X  2)  1

10 10 5 10
5 1
P(1,25  X  0,5)  P( X  1)  P( X  0)  
10 2
P( X  1,5)  ( X  2)  P 1,5  X  2
P X  1,5 / X  2   
P( X  2) P( X  2)
P( X  1)  P( X  0)  P( X  1) 7 / 10 7
  
P( X  2)  P( X  1)  P( X  0)  P( X  1) 9 / 10 9
2. Fie v.a. independente  1 0 1  şi   1 1  . Să se scrie repartiţiile următoarelor v.a.:

X :   Y :  
 0,3 0,3 0,4   0,5 0,5 
2X, 3Y, 2X +3Y, XY, X 2, X 2 + X, Y n, X, n  N*.
Rezolvare:
Aplicând propoziţia 5 din breviarul teoretic referitoare la operaţiile cu v.a., obţinem:
  2 0 2 ;  3 3  .
2X :   3Y :  
 0,3 0,3 0,3   0,5 0,5 
 Deoarece variabilele X şi Y sunt independente, rezultă că
pij  P( X  xi , Y  y j )  P( X  xi )  P(Y  y j )  i  1,3, j  1,2
Prin urmare,  2 xi  3 y j
 şi  xi  y j  , deci
2 X  3Y :   X Y :  
 pi  q j
 i 1,3  pi  q j  i 1,3
  j 1,2   j 1,2
  5  3 1 1 3 5  şi 1 0 1 .
2 X  3Y :   X  Y :  
 0,15 0,15 0,2 0,15 0,15 0,2   0,35 0,3 0,35 
  1 0 1  0 1 ;  0 1 ;
X :      X 2 :  

 0,3 0,3 0,4   0,3 0,7   0,3 0 ,7 
 (1) 2  (1) 0 2  0 12  1  0 2 ; 1 ;  1 1 
X 2  X :    Y n :   , n  2k Y n :   , n  2k  1
 
0,4   0,6 0,4  1  0,5 0,5 
 0,3 0,3
3. Se consideră variabila aleatoare 1 0 1 

X :   , p1 , p2 , p3  R
 p1 p2 p3 
a) Să se afle p1, p2, p3 astfel încât v.a. X să aibă media egală cu 0 şi momentul iniţial de ordinul doi egal cu 2/3
b) Să se scrie funcţia de repartiţie a variabilei aleatoare X.
c) Dacă X este v.a. găsită la punctul a) şi Y = 3 – 2X, să se calculeze M(X - 2Y), M(2 - 3Y), D2 (3 + 2Y ),
D2 (X - Y ) şi să se determine repartiţia v.a. X – Y şi funcţia de repartiţie a v.a. Y.
Rezolvare:
a) Impunem condiţiile: p1, p2, p3  0 (1) şi p1 + p2 + p3 = 1 (2). Avem că:
M ( X )  1  p1  0  p2  1  p3  0  p3  p1  0  p3  p1 (3)
M ( X 2 )  (1)2  p1  02  p2  12  p3  0  p3  p1  2
3
(4)
Din relaţiile (3) şi (4) obţinem p1 = p3 = 1/3; folosind şi relaţia (2), rezultă p2 = 1/3.
Aşadar  1 0 1 
X : 1 
 1 1
 3 3 3
0, x  (,1]
b) 1
 3 , x  (1,0]
F(X )  
 23 , x  (0,1]

1, x  (1,)
c) M (2 X  3Y )  M  X  2(3  2 X )  M (5 X  6)  5M ( X )  6  6
M (2  3Y )  M (2  3(3  2 X ))  M (6 X  7)  6M ( X )  7  7
2 32
D(3  2Y )  D(3  2(3  2 X ))  D(4 X  9)  (4) 2 D( X )  16( M ( X 2 )  M 2 ( X ))  16  
3 3
1
D( X  Y )  D( X  (3  2 X ))  D(3 X  3)  9 D( X )  9   3
3
4. Fie o v.a. X cu media m şi dispersia σ 2. Să se determine media şi dispersia v.a. normate, Y  X  m

Rezolvare:
 X  m  X m 1 m m m  X m  X m 1 1
M (Y )  M    M     M ( X )     0 D(Y )  D   D    2 D( X )  2    1
2
                 
5. Să se determine v.a.  a a  1 a  2  , ştiind că M (6 X 2 )  7, a  Z , p  R

X :  
 p 3p 2 p 
Rezolvare:
Din condiţia ca X să reprezinte o v.a. discretă, obţinem p  0 şi p + 3p + 2p = 1  p = 1/6, prin urmare
 a a 1 a2 
X :  
 1/ 6 3/ 6 2 / 6 
  7  6M X 2  7  6  a 2  16  (a  1) 2  63  (a  2) 2  62  7 
M 6X 2
1
 a 2  3a 2  6a  3  2a 2  8a  8  7  6a 2  14a  4  0  a1  2, a 2    Z , deci a = - 2.
3
Prin urmare, repartiţia v.a. X este:  2 1 0 
X :  
1 / 6 1/ 2 1 / 3 
6. Fie variabila aleatoare  2 3 4 5 6 7  . Se cere probabilitatea P(X – M(X)< (X)).

X :  
 0,05 0,1 0, 25 0,3 0,2 0,1
Rezolvare:
M(X) = 2  0,05 + 3  0,1 + 4  0,25 + 5  0,3 + 6  0,2 + 7  0,1 = 4,8
M(X2) = 22  0,05 + 32  0,1 + 42  0,25 + 52  0,3 + 62  0,2 + 72  0,1 = 24,7
D( X )  M ( X 2 )  M 2 ( X )  1,66   ( X )  D( X )  1,288
P(X – M(X)< (X)) = P(X – 4,8< 1,288) = P(-1,288 < X – 4,8 < 1,288)) = P(3,512 < X < 6,088)) =
= P(X = 4) + P(X = 5) + P(X = 6) = 0,75.
7. Se consideră variabila aleatoare  a a 1 3 

X :   , a  R
2 p 5p 3p
Să se determine valoarea parametrului a pentru care dispersia v.a. X este minimă.
Rezolvare:
Impunem condiţiile: (1) p  0 şi (2) 2p + 5p + 3p = 1  p = 0,1, deci  a a 1 3 
X :  
 0,2 0,5 0,3
Avem: M(X) = 0,7 a + 1,4; D (X) = 0,21 a2 – 0,96 – 1,24
Observăm că expresia dispersiei este o funcţie de gradul al doilea în variabila a, care admite minim în punctul
0,96
a  a  16
2  0,21 7
8. Fie variabila aleatoare discretă  3 1 0 2 3  . Să se determine:

X :  
 0,21 0,24 0,27 0,10 0,18 
a) valoarea medie şi momentul iniţial de ordinul 3 ale v.a. X;
b) modul v.a. X;
c) P ( | X -1| > 1,8); P ( X < 1,8 / X > - 0,83).
Rezolvare:
5
a) M ( X ) 
 xi pi (3)  0,21  (1)  0,24  2  0,10  3  0,18  0,13
i 1
  5
m3 ( X )  M X 3   xi 3 pi  33  0,21   13  0,24  03  0,27  23  0,10  33  0,18  0,25
i 1
b) Deoarece X este variabilă aleatoare discretă, modul este valoarea cea mai probabilă (valoarea căreia îi corespunde
probabilitatea cea mai mare).
Se observă că probabilitatea maximă este 0,27= P (X = 0), deci modul v.a. X este mo = 0
   
c) P X  1  1,8  1  P X  1  1,8  1  P  1,8  X  1  1,8 
 1  P  0,8  X  2,8  1  P( X  0)  P( X  2)  1  0,37  0,63
P (0,83  X  1,8) P ( X  0)
P  X  1,8 / X  0,83 
0,27
   0,491
P ( X  0,83) P ( X  0)  P ( X  2)  P ( X  3) 0,55
9. Fie v.a. discretă  1 3 4 5 7  şi Y v.a. normată corespunzătoare  X  M (X ) 

X :    Y  
 0,11 0,23 0,31 0,18 0,17    ( X ) 
Să se determine probabilitatea ca v.a. Y să ia valori strict negative.
Rezolvare:
Avem: M ( X )  4,13; M ( X 2 )  19,97 , deci D( X )  M ( X 2 )  M 2 ( X )  19,97  4,132  2,91
X  M (X )   1,84  0,66  0,07 0,51 1,68 
Y  Y :  
 (X )  0,11 0,23 0,31 0,18 0,17 
Rezultă că P (Y < 0) = 0,11 + 0,23 + 0,31 = 0,65.
10. Profitul anual al unui agent economic, exprimat în milioane de unităţi monetare, este o v.a. continuă X ,
 a (1  x), x  [0, 1]
având densitatea de probabilitate f : R  R, f ( x)   , a  R. Să se determine:
 0, x  [0, 1]
a) parametrul a;
b) funcţia de repartiţie a variabilei aleatoare X;
c) probabilităţile evenimentelor: A = profitul agentului economic este sub 0,25 milioane u.m.;
B = profitul este cel puţin 0,5 milioane u.m.; C = profitul este cuprins între 0,25 şi 1,5 milioane u.m.
d) profitul mediu şi dispersia variabilei aleatoare profit;
e) mediana variabilei aleatoare X.
Rezolvare:
a) Deoarece funcţia f este densitatea de repartiţie a unei v.a. continue, rezultă că îndeplineşte condiţiile:

1) f ( x)  0,  x  R  a  0; 2)  f ( x)dx  1

1
  
Avem: 0 1 0 1
 x2  a
  f ( x)dx  0 f ( x)dx  1 f ( x)dx  0 dx  0 a(1  x) dx  1 0 dx  a x  2 
f ( x)dx  
2
0
Din condiţia 2) rezultă a = 2, deci  2 (1  x), x  [0, 1]

f ( x)  
 0, x  [0, 1] x
b) Funcţia de repartiţie a variabilei aleatoare X este F : R  R, F ( x)   f (t )dt
 x 
x  (, 0]  F ( x)   0 dt 0

 0dt   2 (1  t ) dt  2t  t 
0 x
 x
x  (0,1]  F ( x)  2
 2x  x2
0
 0
0 1 x

x  (1, )  F ( x)   0dt   2(1  t )dt   0dt  1
 0 1
 0, x  ( , 0 ]
Am obţinut: 
F : R  [0,1], F ( x)  2 x  x 2 , x  ( 0, 1]
 1, x  (1,  )

c) Metoda I. Deoarece se cunoaşte funcţia de repartiţie a v.a. X, probabilităţile pot fi calculate în acest mod:
P(A) = P(X < 1/4) = F(1/4) = 1/2 – 1/16 = 7/16
P(B) = P(X  1/2) = 1 - P(X <1/2) = 1 - F(1/2) = 1 – 3/4 = 1/4
P(C) = P(1/4  X  3/2) = F(3/2) - F(1/4) = 1 – 7/16 = 9/16
Metoda II. Dacă nu se cunoaşte funcţia de repartiţie a v.a. X, iar determinarea acesteia ar implica un volum prea mare
de calcule, probabilităţile cerute pot fi calculate utilizând formula:
b
P (a  X  b)  P (a  X  b)  P (a  X  b)  P (a  X  b)   f ( x)dx , a, b  R  {}
a
Astfel obţinem:
1/ 4 0 1/ 4
1 1 7
 f ( x)dx   0 dx   2(1  x) dx  (2 x  x
1/ 4
P ( A)  P ( X  1 / 4)  2
)   
  0
0 2 16 16
Analog se calculează şi celelalte probabilităţi.
d) Profitul mediu este reprezentat de media v.a. X:
1
 
0 1
 x2 2 x3  1
M (X )   xf ( x)dx   x  0 dx   x  2 (1  x) dx   x  0 dx   2
  0 1
  
3  0 3
Calculăm momentul iniţial de ordinul 2 al variabilei aleatoare X:
1
 
 2 x3 x 4 
  x
0 1
1
M X2  2
f ( x)dx   x 2  0dx   x 2  2 (1  x) dx   x 2  0 dx     
  0 1  3 2 0 6
Prin urmare, dispersia variabilei aleatoare profit este: D (X) = M (X2) - M2(X) = 1/18.
e) Pentru a determina mediana me a v.a. X , rezolvăm ecuaţia F (me) = 1/2.
Deoarece F (x)  1/2,  x  (- , 0]  (1, ), rezultă că me  (- , 0]  (1, ).
Pentru me  (0, 1], ecuaţia devine: 2m  m 2  1  m  2  2 ; convine soluţia m  2 2
e e e e 2 2 2
 ax, x  [0,1]
11. Fie funcţia  . Să se determine:
f : R  R, f ( x)  2  x, x  (1,2] ; a  R
 0, x  [0,2]

a) parametrul a astfel încât f să fie densitatea de repartiţie a unei v.a. continue X;
 
b) probabilităţile P X  3 şi P X  1 / X  3 ;
2
 4 2

c) funcţia de repartiţie a variabilei aleatoare X;
d) media şi dispersia variabilei aleatoare X;
e) mediana şi modul variabilei aleatoare X.
Rezolvare:
a) Pentru ca funcţia f să fie densitatea de repartiţie a unei v.a. continue trebuie să îndeplinească condiţiile:

1) f ( x)  0, x  R  a  0 ; 2)
 f ( x)dx  1

1 2
 
0 1 2
x2  x2 


f ( x)dx   0 dx   ax dx  (2  x) dx   0 dx  a
 0 1 2
  2 x    a2  12
2 0  2 1
  x, x  [0,1]

 f ( x)dx  1  a  1  f ( x)  2  x, x  (1,2]
  0, x  [0,2]

b)  3   2
P X     f ( x)dx   (2  x)dx   0dx  18
 2 3
2
3
2
2
P X  1/ 4   X  3 / 2 P1/ 4  X  3 / 2

P X  14 / X  32   
P X  3 / 2  P X  3 / 2 
 
3 3
2 1 2
P 14  X  32   f ( x)dx   xdx   (2  x)dx  32

27
1 1
1
     
4 4
P X  32  1  P X  32  78 , deci P X  14 / X  32  27
28
x
c) Funcţia de repartiţie a variabilei aleatoare X este F : R  R, F ( x) 
 f (t )dt

x

x  (, 0]  F ( x)   0 dt 0

0 x x
 t2 x2
x  (0,1]  F ( x)   0dt   tdt  
 0
2 0
2
1 x

0 1 x
t2  t2   x 2  4x  2
x  (1,2]  F ( x)   0dt   tdt   2  t  dt 
 0 1
2
  2t 
 2



2
0 1
0 1 2 x

x  (2, )  F ( x)   0dt   tdt   2  t dt   0dt  1
, deci
 0 1 2
 0, x  (, 0]
 2
 x
, x  (0,1]

F : R  [0,1], F ( x)   2 2
  x  4 x  2 , x  (1, 2]
 2

 1, x  (2, )
1 2
 1 2
x3  x3  1 8 1
d)
M ( X )   xf ( x)dx   x  x dx   x(2  x)dx    x 2     4  1
 0 1 3 0  3 1
3 3 3
2
 4 1
1 2
x  x x 3 4
 1 16 2 1 7
M (X 2)  x f ( x)dx   x 2  x dx   x 2 (2  x)dx    2     4   
2
 0 1
4 0  3 4  1
4 3 3 4 6
1
 D( X )  M ( X 2 )  M 2 ( X ) 
6
e) Pentru a determina mediana me, rezolvăm ecuaţia F (me) = 1/2. Observăm că me  (- , 0]  (2, ).
2
Dacă x  (0,1], ecuaţia devine: me  1  m  1 ; convine soluţia me = 1.
e
2 2
Cum X este o v.a. continuă, cu funcţia de repartiţie strict crescătoare pe intervalul [0, 2], rezultă că mediana este unică:
me = 1.
Modul mo este orice punct de maxim local al densităţii de repartiţie f . Pentru determinarea acestuia, vom studia
 x, x  [0,1]
monotonia funcţiei 
f : R  R, f ( x)  2  x, x  (1,2]
 0, x  [0,2]

Folosind monotonia funcţiei de gradul întâi, obţinem:
x -∞ 0 1 2 +∞
f(x) 0 0 1 0 0
Deducem că modul v.a. X este: mo = 1.

 2  2x
12. Fie funcţia  Să se determine:
f : R  R, f ( x)  k x e , x  0 , k  R .

 0, x0
a) parametrul k astfel încât f să fie densitatea de repartiţie a unei v.a. continue X;
c) probabilităţile: P(X < 4), P(X > 4), P(6 ≤ X ≤ 8), P(X ≤ 4 / X >2);
d) media, dispersia, momentul iniţial de ordinul r, r  N* şi momentul centrat de ordinul 3 ale v.a. X ;
e) modul variabilei aleatoare X;
f) asimetria şi excesul variabilei aleatoare X.
Rezolvare:
a) Condiţiile ca f să fie densitatea de repartiţie a unei v.a. continue sunt:

 f ( x)dx  1
Avem:
1) f ( x)  0, x  R  k  0; 2)

 0  x
 x
I 

f ( x)dx   0dx   k x 2 e
 0
2
dx ; cu schimbarea de variabilă
2
 t  x  2t; dx  2dt obţinem:

I  k  4 t 2e  t 2dt  8k  (3)  16k ; din condiţia I = 1  k = 1/ 16.
0
 1 2  2x

f : R  R, f ( x)  16 x e , x  0
Rezultă

 0, x0
x
b) Funcţia de repartiţie a variabilei aleatoare X este
F : R  R, F ( x)   f (t )dt

x
 ;
x  (, 0]  F ( x)   0 dt 0

' x

0 x
1 2 2
t
1
x
  
t
1 
t
1
x t

x  (0, )  F ( x)   0dt   t e dt   t 2   2e 2  dt   t 2 e 2
8 0
 (2t )e 2 dt 

16 0 16 0   8 0
' x x
1   
x t x t t x x t
x 2  4x  8  2
2 x x x
x  x2  t  1  x2  x  
 e 2
  t   2e 2  dt   e 2  e 2   e 2 dt   e 2  e 2  e 2  1 e
8 40  8 2 20 8 2 8
 0 0
 0, x0
. Rezultă 
F : R  R, F ( x )   x 2  4 x  8  x
1  e 2, x 0
 8
c) P( X  4)  F (4)  1  5e2 ;
17 3 ;
P( X  6)  1  P( X  6)  1  P( X  6)  1  F (6)  e
2
17 3
P(6  X  8)  F (8)  F (6)  e  13e 4 ;
2
P( X  4)  ( X  2)  P(2  X  4) F (4)  F (2) 2e  e2 e  2
5 5
P( X  4 / X  2)     
P( X  2) 1  P( X  2) 1  F (2) 5 e
2e
  x
d) Momentul iniţial de ordin r este: m  M ( X r )  x r f ( x)dx  x r  1 x 2 e  2 dx
r 

0 16

cu schimbarea de variabilă x  t  x  2t ; dx  2dt rezultă m  1
16 0
r (2 t ) r  2 e t 2dt  2 r 1  (r  3)
2
Am obţinut mr = 2 r -1(r + 2)!,  r  N*.
 Media v.a. X este momentul iniţial de ordinul 1, deci M (X) = m1 = 3! = 6
 Avem M (X 2) = m2 = 2  4! = 48, deci dispersia v.a. este: D( X )  M ( X 2 )  M 2 ( X )  m2  m12  12
 Momentul centrat de ordinul 3 este:

   
3 ( X )  M  X  M ( X )3  M  X  63  M X 3  18 X 2  108 X  216 
 3
  2

 M X  18M X  108M ( X )  216  m3  18m2  108m1  216  768 .
e) Pentru a determina modul variabilei aleatoare X, vom studia monotonia funcţiei f. Avem:
 - x 2  4 x  2x

f ': R  R, f ' ( x)   32 e , x  0
 0, x0
Deoarece pe intervalul (- ∞, 0] funcţia este constantă, vom căuta punctele de maxim în intervalul (0, ∞).
Pentru x > 0, f ' (x) = 0  x = 4.
x -∞ 0 4 +∞
f ' (x) 0 0 + + + + + + + 0 - - - - - - - - - - -
f (x)
Rezultă că modul variabilei este mo = 4.
f) Asimetria variabilei aleatoare X este A  X   3  X 

2
3/ 2
X 
Am calculat μ3(X) = 768 şi  2 ( X )  D X   12 , prin urmare A  X   768  32
3/ 2
12 3
Excesul variabilei aleatoare X este E  X   4  X   3
22  X 
Calculăm momentul centrat de ordinul 4:
    
 4 ( X )  M  X  M ( X )4  M  X  64  M X 4  24 X 3  216 X 2  864 X  1296  
     
 M X 4  24M X 3  216M X 2  864M ( X )  1296  m4  24m3  216m2  864m1  1296
Avem: m4 = 2  6! = 5760, m3 = 22  5! = 480, m2 = 2  4! = 48, m1 = 6, prin urmare  4 (X) = 720.
3
Rezultă E  X   7202  3  2
12
13. Fie funcţia F : R  R, F ( x)   a, x0

 x2
; a, b, c  R . Să se determine:
 b  ce ,x0
a) parametrii a, b, c astfel încât F să fie funcţia de repartiţie a unei v.a. continue X.
b) densitatea de repartiţie a variabilei aleatoare X.
c) funcţiile de repartiţie ale variabilelor aleatoare Y = 3 X - 1, Z = X 2, T = │X│.
Rezolvare:
a) Conform propoziţiei 2 din breviarul teoretic, F este funcţia de repartiţie a unei v.a. dacă verifică următoarele
condiţii:
1) lim F ( x)  0  lim a  0  a  0 ; lim F ( x)  1  lim (b  ce  x 2 )  1  b  1 ;
x   x   x x
2) F este continuă la stânga; avem:
F (0  0)  lim F ( x)  lim 0  0 ; F (0)  b  c  1  c
x 0 x 0
x 0 x 0
impunând condiţia de continuitate la stânga în punctul x = 0, rezultă c = -1. Obţinem F ( x)  

 0, x0


1  e
x2
,x  0
3) F nedescrescătoare, condiţie care se verifică pentru F determinat.
b) 
 0, x0 .
f ( x)  F ' ( x)  
  x 2
2 xe ,x  0
c) Funcţia de repartiţie a variabilei aleatoare Y este:
 x 1  0
 x  1
   
0, 0,
 
FY ( x)  P(3 X  1  x)  P X  x 1  F X x 1  
3

  x 31 
2
  
x 1 2
, x 1  0 
3 3
1  e
 3 1  e 3 , x  1
Funcţia de repartiţie a variabilei aleatoare Z este:
 P(), x0  0, x0 .
FZ ( x)  P( Z  x)  P( X 2  x)   
 
P X  x , x  0 P( x  X  x ) , x  0
 0, x0   0, x  0 . Funcţia de repartiţie a v.a. T este:
FZ ( x)   
  
FX x  FX  x , x  0   x
1  e , x  0
 P(), x  0  x0  0, x  0

FT ( x)  P(T  x)  P X  x   
0,
 
P x  X  x , x  0 FX x   FX  x , x  0 
x2
1  e , x  0
 0, x  0
14. Variabila aleatoare X are funcţia de repartiţie 
 x2
F : R  R, F  x    , x  0, 2
 4

 1, x  2
Să se determine funcţiile de repartiţie ale variabilelor aleatoare Y = 3 – X şi Z = 2X 2 + 1.
Rezolvare:
b) FY x  PY  x  P3  X  x  P X  3  x  1  P X  3  x  1  FX 3  x
 0, 3  x  0  0, x  3  0, x 1
  ; rezultă 
 3 x  .
  FY x    1  4 , x  1, 3
2
FX 3  x    34x  , 3  x  0, 2   34x  , x  1, 3

2 2
 1, 3  x  2  1, x  1 

 
  1, x3

 P ( ), x 1
0  0, x 1
 
 
   
2
FZ ( x)  P( Z  x)  P(2 X 2  1  x)  P X 2  x21    
P  2  X  2 , x  1
x 1 x 1
P X  2 , 2  0 
x 1 x 1

 0, x  1  0, x  1
x  1  0, x  1 


 
x 1

0,
x 1


 x 1
  
1 x 1
2
 
x 1 
  4 2 , 2  0, 2  FZ x    x21 , x  1, 9
 X
F 2 F X 2 , x 1  X
F 2 , x 1   1, x  9
 1, 2  2
x 1 
15. V.a. continuă X are densitatea de repartiţie: 4 x 3 , x  [0,1]

f ( x)  
 0, x  [0,1]
Să se determine repartiţiile v.a. Y = X 2, Z = 2 X + 3, şi T = e X.
Rezolvare:
 Repartiţia v.a. Y este de forma:  x  , unde fY este densitatea de probabilitate a v.a. Y. Avem:
Y :  
 Y
f ( x )  xR

 P ( ), x 0  0, x0  0, x0
FY ( x)  P(Y  x)  P( X 2  x)    
P( X  x ) , x  0  P (  x  X  x ) , x  0  X
F ( x )  F X (  x ) , x0
 x0
Prin derivare obţinem:  0, x0 
0,

f Y ( x)  
 x  1
, x0
 3
 4 x   
1
, x  (0,1]
fX  2 x
 2 x 
 0, x 1
Rezultă  2 x, x  [0,1] şi astfel repartiţia v.a. Y este determinată.
f Y ( x)  
 0, x  [0,1]
 V.a. Z are repartiţia:  x  , unde fZ este densitatea de probabilitate a v.a. Z.
Z :  
 f Z ( x)  xR
Avem F ( x)  P( Z  x)  P(2 X  3  x)  P X  x  3  F x  3 .
Z X  2
 2
 0, x 3  0
Prin derivare obţinem:  2
   
.
 1  x 3 3 1 x  3
f Z ( x)  f X x 3   4   ,  (0,1]
2 2  2 2 2
x 3  1
 0,
 2
Rezultă că v.a. Z are densitatea de repartiţie  ( x  3) 3

 , x  [3,5] .
f Z ( x)   4
 x  [3,5]
 0,
  x  , unde fT este densitatea de probabilitate a v.a. T.
V.a. T are repartiţia
T :  
 f T ( x)  xR
Avem: P(), x  0  0, x0.
FT ( x)  P(T  x)  P(e X  x)   
P( X  ln x), x  0 FX (ln x), x  0
 0, x0
Prin derivare obţinem:  0, x0   4 ln 3 x .
  4(ln x ) 3
 , x  [1, e]
f T ( x)   1  , ln x  (0,1]   x
 f X (ln x)  x , x  0  x  xe
 0, ln x  1  0,
16. Fie v.a. discretă   2  1 0 1 2  . Să se determine:

X : 2 
 1 4 1 2
 10 10 10 10 10 
a) funcţia caracteristică a variabilei aleatoare X;
b) funcţia generatoare de momente a variabilei aleatoare X;
c) media şi dispersia variabilei aleatoare X, folosind funcţia generatoare de momente;
d) funcţia caracteristică a variabilei aleatoare Y = 3 X - 2.
Rezolvare:
 (t )   e itx pk  e it  2  2  e it 1  1  e it 0  4  e it 1  1  e it  2  2
5
a) k
10 10 10 10 10
k 1
Folosind formula eitx = cos x + i sin x, funcţia caracteristică se mai poate scrie:
1 2 cos  2t   2i sin  2t   cos  t   i sin  t   4  cos t  i sin t  2 cos 2t  2i sin 2t  sau

 (t )  10
1 4  2 cos t  4 cos 2t   1 2  cos t  2 cos 2t  .
 (t )  10 5
 
5
b) g (t ) 
e
k 1
txk
pk  e t( 2)  102  e t( 1)  101  e t0  104  e t1  101  e t2  102  101 2e 2t  e t  4  e t  2e 2t
’
c) Aplicând propoziţia 8, punctul 2), obţinem: M(X) = m1 = g (0);
10
 
g ' (t )  1  4e 2t  e t  e t  4e 2t  g ' (0)  0 , deci M(X) = 0; M(X ) = m2 = g (0);
2 ’’
 
9 , deci
g ' ' (t )  101 8e 2t  e t  e t  8e 2t  g ' ' (0) 
5
M X 2    D 2  X  .
9
5
d) Aplicând propoziţia 8, punctul 3), avem: 3 X 2 (t )  e2it   X (3 t )  e2it  (2  cos 3t  2 cos 6t ) / 5
17. Fie f : N  R, f x   e 2 a  2a  , a  0

x
x!
a) Să se arate că f reprezintă legea de probabilitate a unei variabile aleatoare X.
b) Să se determine funcţia caracteristică a variabilei aleatoare X.
c) Să se calculeze media şi dispersia v.a. X, folosind funcţia caracteristică.
Rezolvare:
a) Din domeniul de definiţie al funcţiei f deducem că X este o v.a. discretă; prin urmare

f este legea de probabilitate a unei v.a. X dacă îndeplineşte condiţiile: 1) f x   0, x  N ; 2)  f x   1
x 0
  2a x  2a x
 f  x    e  2a 
Deoarece condiţia 1) se verifică şi
 e  2a   e  2a  e 2a  1
x 0 x 0 x! x 0 x!
rezultă că f este legea de probabilitate a unei v.a. discrete.
b)

 (t )   eitx f x    eitxe 2a 
 2a x  e  2a 

 2aeit x 
x 0 x 0 x! x 0 x!
 2a 2aeit 2aeit 1 , deci 2aeit 1
e e e  : R  C,  (t )  e
c) Conform propoziţiei 8 din breviarul teoretic, M ( X )   ' (0) ; M ( X 2 )   ' ' (0)
2
i i
 ' (t )  2a i e  e it    ' (0)  2 a i  M ( X )  2a
2 a eit 1
 ' ' (t )  2a i 2 e it  e 2a e 1  4a 2 i 2 e 2it  e 2a e 1   ' ' (0)  4a 2  2a  

it it
 M(X2) = 4a2 + 2a, prin urmare D2(X) = 2a.
 1 
x
18. Să se calculeze funcţia caracteristică a v.a. având densitatea de repartiţie  x 3

e 2a
, x0
f ( x)   96 a 4
 x0
 0,
Rezolvare:
Conform definiţiei, avem:
  x   1 
   it  x
 : R  C ,  (t )   e f ( x) dx  itx 1
96 a 4 e
itx 3
x e 2a
dx  1
96 a 4 e  2a 
x 3 dx
 0 0
Cu schimbarea de variabilă  1  1 2a 2a obţinem:
  it  x  y  x  y y  dx  dy
 2a  1
i 1  2ait 1  2ait
2a
 3 
1  2a  2a 1 1 1 1 1
96a 4 0 3 
 (t )  e y  y dy   y 3e y dy  (4) 
 1  2ait  1  2 ait 6 1  2 ait  0
6 1  2 ait 3
1  2 ait 
3
19. O v.a. X are funcţia caracteristică

 (t ) 
1
8

1  e it  3 . Să se determine:
a) media şi dispersia variabilei aleatoare X;

b) repartiţia variabilei aleatoare X;
c) funcţia de repartiţie a variabilei aleatoare X.
Rezolvare:
a) Din propoziţia 8 avem că:  ' (0)  " (0)
M (X )  ; M (X 2 )  ;
i i2
3 3  ' (0) 3
 ' (t )  (1  e it ) 2  ie it   ' (0)  i  M ( X )   ;
8 2 i 2
6 3  ' ' (0)
 ' ' (t )  (1  e )  i e  (1  e )  i e   ' ' (0)  3i  M ( X 2 )  2  3 ;
it 2 2it it 2 2 it 2
8 8 i
9 3
D( X )  M ( X 2 )  M 2 ( X )  3   .
4 4
b) 1  0 1 2 3 
 (t )  (1  3eit  3e 2it  e3it )  M (eitx )  X :  
8 1 / 8 3 / 8 3 / 8 1 / 8 
0, x  0
1
c)  ,0  x  1
8

1
F ( x )   ,1  x  2
2
7
 8 ,2  x  3

1, x  3

1  x
20. Fie funcţia  4 1  4  , x  4
f : R  R, f ( x )    
 0, x 4

a) Să se arate că f este densitatea de probabilitate a unei variabile aleatoare continue X.
Rezolvare:
a) Trebuie să verificăm condiţiile: 1) f ( x)  0,  x  R , care este adevărată; 2)  ;
 f ( x)dx  1

4
 4 1 x 1 4 x 1 x2 
 f ( x)dx   4 1  4 dx  2  4  1  4 dx  2  x  8   1
 4   0    0
b) Conform definiţiei, funcţia caracteristică a variabilei aleatoare X este:
 
 4 1 x 0 4
 dx   eitx 1   dx   eitx 1   dx
1 x 1 x
 X (t )  M eitX   eitx  f ( x)dx   eitx 1 
 4 4 4  4 4  4  0 4 4
În prima integrală facem schimbarea de variabilă - x = y  dx = - dy
1 y 1 x  y  x  x
 
0 4 4 4 4
1 1 1
 X (t )   e ity 1  dy   e itx 1  dx   e ity 1  dy   e itx 1  dx   e itx  e itx 1  dx 
4
4 4 0
4 4 40  4 4 0  4 40  4
cos tx  i sin tx  cos(tx )  i sin(tx )1  x dx  1  1  x  cos tx dx  1  1  x   1 sin tx ' dx 
4 4 4
1
4 0

 4 2 0 4 2 0  4  t 
4 4
1 x  1  1 1  cos 4t sin 2 2t
4
1 1 1 1 1
2 4 0 t
 1   sin tx    sin tx dx   2 cos tx  cos 4t  2  
2 4  t  0
8t 0 8t 2 8t 8t 2 4t 2
PROBLEME PROPUSE
1. Fie X, Y două v.a. independente, având repartiţiile 1 0 1  şi 2 3 5  . Să se determine

X : 5  Y : 
 1 2 3 1 1 
 8 8 8 5 5 5 
repartiţiile următoarelor v.a.: X  2 , X  1 , ln Y, X - Y,
Y
Y 2-2 Y, XY şi să se calculeze mediile şi dispersiile variabilelor 3X – 2Y, XY.
12. Distribuţia v.a. X este  2 -1 0 1 2

X :  7  ; p  R . Să se determine:
1
p 3
p p2 1 
 16 4 2 16 
a) parametrul p;
    
b) M 5 X 2  2 , M X 3  3 X , D X 2  2 X , D X 3  2 ,  1  ;
D    
3 X 

c) P X  1 / X  1 ; P X  M ( X )  1  ( X ) ;
3

d) funcţia caracteristică a variabilei aleatoare X.
13. Să se determine repartiţia sumei şi a produsului variabilelor aleatoare independente  2 0 1 2  şi

X : 1 
 8q q 2 2
 15 5 15 
 1 0 1 ,
Y :5  p, q  R .
 p p 2 1
3 3
14. Fie v.a. independente  1 0 1 şi a 0 1  , p, q R, a  R \ {0,1}.

X :  Y : 
p1 q1 1 1  p 2 
 6 3 3 3 2 p q 12
a) Să se determine distribuţia variabilei aleatoare X + Y .
b) Să se determine valorile parametrului a pentru care P (X + Y = 0) > 2/9.
15. Fie variabila aleatoare  1 0 1 2  . Să se calculeze media, dispersia şi funcţia caracteristică ale v.a.
X : 1 
 1 1 1
 8 2 4 8
Y = 7 X - 4 şi Z = X 2 - 3X.
16. Să se calculeze media şi dispersia următoarelor variabile aleatoare:

a) X :   1 0 1 2
; p  R b) X :  0 1 2 3 4 5 
; p  R
 p p  6 p p 2
2 p 3 p 3 p 2 
2
 4p 2p  4p
c) 1 2 3 . . . n . . .  0 1 2 . . . n . . . 
X :   ; p, q  R d) X :  
p pq pq 2 . . . pq n 1 . . .  p

p p
. . .
p
. . . ; p  R

 3 32
3n

 n   n   n 
e)   f)   g)  
X : p  ; pR X : p  ; pR X : p  ; pR
 n n  1   n   n 
 nN *  2 nN  4  nN *
h)  n  i)  n  j)  n 
   
X :  an  , a  0 ; p  R X :  an  , a  0, 1; p  R  
X : p  , a  1, p  R
 p   p   n 
 n! nN  n  nN *
 a  nN
k)  n  l)  n 
   
X : p  , a  0; p  R X : p  ; pR
 n  a n  a  1n  a  2   n n  1n  2 
 nN *   nN *
0 2 3 4 .......... n  şi
1 1 1 ,
 p, q  R , n  N . Să se determine:
*
X :  
17. Fie v.a. . . .
p 1 1 Y :  2 23
1 .......... 1  n(n  1) 
 2 4 8 q
2n 1  q 
 q . . .
a) repartiţiile variabilelor aleatoare X şi Y; b) M ( X + Y ).
18. Să se calculeze momentul centrat de ordin k, k≥ 2 al v.a.  2 2 3 

 
X : , pR
12 p 
1
 2p p 2
 6 
19. Fie v.a.  2 3 4 6  . Să se determine parametrii reali a, b astfel încât v.a. Y = aX + b să aibă media
X :  
 6 p 2 p 9 p p
57 şi dispersia 75. R: a = 3, b = 51 sau a = -3, b = 63.
20. Fie X v.a. care indică numărul de puncte obţinute la aruncarea unui zar. Să se determine parametrii reali a şi b
astfel încât momentul centrat de ordinul doi al v.a. Y = a X + b să fie egal cu 1.
21. Fie v.a. discretă   2 1 0 1 2 . Să se determine:

X :  , p  R
 3p 4 p 2 p p p 
a) repartiţia variabilei aleatoare X;

b) funcţia de repartiţie a v.a. X şi graficul acesteia;
c) M (3 X  2) , D(6 X  3) , M ( X  X 2 ) , D ( X  X 2 ) ,
D  

 2

 X  1  ; P X  1,3 , P X  1 /  1,25  X  0,75
 X  1
 a 1 2  şi  a 1 1 2
X : 1  Y :  , a, p, q  R .
22. Se dau v.a. independente
 p q   1 2 q p 
 3   3 3
Să se determine parametrul real a astfel încât v.a. X - Y să aibă dispersia egală cu 4/9.
23. Fie v.a.  a a 1 a  3  . Să se determine parametrii reali a şi p astfel încât valoarea medie a v.a. X să
X : 
 p  0,05 0,3 p 2 

fie 2,05. R: a = 1; p = 0,5.
24. Fie v.a.  a 1 a2 a  4  . Să se determine parametrii reali a şi p ştiind că D (X) = 6,76.
X :  
 0,9  3 p 2p 0,3  p 
25. Fie variabila aleatoare  1 2 3  . Să se determine parametrul real p pentru care dispersia v.a.
V :  
 0, 2  p 0, 4  2 p 0, 4  p 
V este: a) maximă; b) minimă.
26. Fie variabila aleatoare a 2 a 3  . Să se determine valorile parametrilor reali a şi p pentru

V :  
 0,2 0,25  p 0,35 0,2  p 
care dispersia variabilei aleatoare V este minimă.
27. Fie v.a.  1 2 3 4  . Să se afle parametrul real p pentru care P(X<2,5) = 0,7.
X :  
 0,2  p 0,25  p 0,3  2 p 0,25 
  3  2 0 1  şi Y = 2 X - 3. Să se calculeze M(X + X - Y).

2
28. Fie v.a.
X :  
 0,2 0,4 0,1 0,3 
29. Să se determine repartiţia v.a. X, funcţiile de repartiţie şi dispersiile v.a. Y = 4 X + 1, Z = X 2, T = e X dacă:
a)  x  ; b) x
X :   ; x  [0,1], a  R X :   ; x  [1,3], a  R
 a (3 x 2
 2 x )   ax 
 3  2x
32. Fie funcţia  Să se determine:
f : R  R, f ( x)  k x e , x  0 , k  R .

 0, x0
b) funcţiile de repartiţie v.a. X, 3X – 2, 1/X, X1/2 şi e X şi mediile v.a. X, 4X2 – 3, 1/X, X1/2;
c) P (X < 2), P (X > 4), P (4  X  8), P (X  4 / X > 2) şi modul variabilei aleatoare X;
d) media, dispersia şi momentul iniţial de ordinul r, r  N* ale v.a. X prin două metode;
 0, x0 2 r 1 r 3!
R: a) 1/96; b)  ; d) 8; 16; ; e) 6.
F ( x)   x 3  6 x 2  24 x  48  x 3
1  e , x0
2
 48
( 2a ) x
f a : N  R, f a  x   e  2 a 
33. Fie
, a0
x!
a) Să se arate că f este legea de probabilitate a unei v.a. X şi să se determine funcţia caracteristică a v.a. X.
b) Să se calculeze media şi dispersia v.a. X prin două metode de calcul.
c) Dacă v.a. Y are densitatea de repartiţie fb, unde b > 0, să se determine legea de repartiţe a v.a. X + Y, ştiind că v.a.
X, Y sunt independente.
d) Să se generalizeze rezultatul obţinut la punctul c).
35. Fie  k x a 1  1  x  b 1, x  0,1 . Să se determine:

f : R  R, f ( x)   , a, b  0; k  R
 0, x  0,1
b) media, dispersia, modul şi momentul iniţial de ordin r al variabilei aleatoare X, r  N*;
c) funcţia de repartiţie a v.a. X şi P (X < 1/2), P (X > 1/3), P (X  1/2 / X > 1/4) pentru a = 2 şi b = 3.
R: 1 a ab a a  1a  2.....a  r  1
a) ; b) ; ;
 a, b ab a  b2 a  b  1 a  b2 a  b  1...a  b  r  1
40. Fie funcţia  

x
. Să se determine:

f : R  R, f ( x)  k x e , x  0 , k  R, a  0 .
a

 0, x0
b) funcţia de repartiţie, modul şi mediana variabilei aleatoare X;
c) P (X < 2a), P (X > a) şi P (X  4a / X > 2a) şi o margine inferioară a probabilităţii P (0 < X < 4a);
d) media, dispersia, şi momentul iniţial de ordinul r, r  N* ale v.a. X , folosind două metode de calcul;
e)
-
mediile variabilelor aleatoare X2, X1/2, X 1/2. R: a) 12 ; b)  0, x0

a F ( x)   x  a  x
1  a e , x  0
a
41. Fie funcţia k , x  3 . Să se determine:


f ( x)   81
 4 , x 3
8x
b) densitatea de repartiţie a v.a. X3;
c) funcţia de repartiţie a v.a. X şi probabilitatea p = P(1< X < 4 / X >3);
d) media si dispersia v.a. X;
e) o margine inferioară a probabilităţii P (-10 < X < 10).
R: a) 1/8; b)  1 2 / 3 ; c) p = 37/64; d) 0; 9; e) 0,91.
y , y  27  27

 24  8 x 3 , x  3
f X 3 ( y)   
 27 , y  27 x  4
F ( x)   ,  3  x  3,
8 y 2
  8
 27
1  3 , x  3
 8x

2
x
 2
42. Fie funcţia  , x  0 ; k  R, a  0 . Să se determine:
f : R  R, f ( x)  k x e
2a
 0, x  0
c) P (X < 2a), P (X > a) şi P (X  4a / X > 2a);
d) media, dispersia, momentul iniţial de ordinul r, r  N* ale v.a. X ;
e) momentul centrat de ordinul trei, mediana şi modul variabilei aleatoare X;
f) momentul centrat de ordinul 2 al v.a. Y = X 2;
g) o margine inferioară a probabilităţii P(0  X  a 2 ) .
R: a) 1 / a 2 ; d ) M  X   a  / 2 ; D X   a 2 2   / 2; e)  3  X   a 3   3  / 2; mo  a
43. Fie  p x 2 (1  x) 4 , x  (0,1) . Să se determine:

f : R  R, f ( x)   ; pR
 0, x  (0,1)
a) parametrul p astfel încât f să fie densitatea de repartiţie a unei v.a. continue X;
b) media v.a. X , 1/X şi X1/2, dispersia, modul şi momentul iniţial de ordin r al v.a. X, r  N*;
c) funcţia de repartiţie a v.a. X şi P (X < 1/2), P (X > 1/3), P (X  1/2 / X > 1/4).
 n2 1  3x
44. V.a. X are densitatea de repartiţie  e , x  0, p  R, n  N * .
f n : R  R, f n ( x )   p x
 0, x0
a) Să se determine parametrul p şi funcţia caracteristică, iar media şi dispersia v.a. X prin două metode de calcul.
b) Dacă v.a. Y are densitatea de repartiţie fm, m  N*, să se determine densitatea de repartiţe a v.a. X + Y, ştiind că v.a.
X, Y sunt independente.
c) Să se generalizeze rezultatul obţinut la punctul b).
45. Fie funcţia  
 p x 2  1 , x  [1,1]
f : R  R, f ( x)   , pR
. Să se determine:
 0 , x  [ 1,1]
a) parametrul p astfel încât f să fie densitatea de repartiţie a unei v.a. continue X;
b) funcţia de repartiţie a v.a. X şi probabilităţile: P (X < 1/2), P (X > -1/2) şi P (1/4  X  2/3);
c) media, dispersia, mediana şi modul variabilei aleatoare X.
46. Se consideră următoarele funcţii:
k (4 x  1), x  [2,  1] ;   3x k (2 x  1), x [0,3] ;
a)
f ( x)  
b)  ; c)
f ( x)  
x  [2,  1] f ( x)  ke 2 , x  0 0, x [0,3]
 0,  0, x  0 



k , x  [1, 1]
ke 2 x , x  0 ;
  k ,x  0 ;
d)
f ( x)   x 2 1 ; e)
f ( x)   f) 
f ( x)   x x 2 1

 0, x  [1, 1] 
 0, x  0 
 0, x  0
 x  k , x   2, 2
g)   ; h)  ;
f ( x)  kxe 3 , x  0 f ( x)   4  x 2
 0, x  0 
 0 , x   2, 2 



k , x   1, 3 ;  k , x  1, 2 . Să se determine:
f ( x)   6  x 13 x 
j) k)
f ( x)   x 2  4 x

 0, x   1, 3  0, x  1, 2
i) parametrul k astfel încât funcţiile să fie densităţi de repartiţie ale unor v.a. continue;
ii) funcţiile de repartiţie ale variabilelor aleatoare corespunzătoare;
iii) media, dispersia, momentul iniţiale de ordin r, r  N*, momentul centrate de ordinul 3, mediana, modul, asimetria
şi excesul pentru fiecare dintre v.a. corespunzătoare.
47. Funcţia de repartiţie a unei v.a. continue X este  a, x  0 . Să se determine:


F ( x)  bx 2 ,0  x  1; a, b, c  R
 c, x  1

a) parametrii a, b, c şi P (1/ 4  X  3/ 4);
b) funcţiile de repartiţie ale variabilelor aleatoare 2X – 3, eX +1, 3X2 - 1, X5;
c) densităţile de repartiţie ale variabilelor aleatoare 3X2 + 2, e2X -1;
d) dispersiile variabilelor aleatoare 5 - X, eX, 2X2 – 3 X + 5.
48. Fie funcţia  ax, x   1, 0

f : R  R, f ( x)   x  a, x  1, 2 , aR
 0, x   1, 0  1, 2

a) Să se determine parametrul a astfel încât f să fie densitatea de repartiţie a unei v.a. continue X.
b) Să se determine funcţia de repartiţie şi funcţia caracteristică a variabilei aleatoare X.
c) Să se calculeze media, mediana, modul, asimetria şi abaterea medie pătratică ale v.a. X.
49. Fie funcţia k 1  x  3 , x  2, 4 . Să se determine:

f : R  R, f ( x)   , kR
 0 , x  2, 4 
b) funcţia de repartiţie şi funcţia caracteristică a variabilei aleatoare X;
c) media, mediana, modul, asimetria şi abaterea medie pătratică ale v.a. X. R: a) 1.
50. Fie funcţia  ax  b, x   2, 2 . Să se determine:

f : R  R, f ( x)   , a, b  R
 0 , x   2, 2 
a) parametrii a, b astfel încât f să fie densitatea de repartiţie a unei v.a. continue X;
b) funcţia de repartiţie şi funcţia caracteristică a variabilei aleatoare X;
c) media, mediana, modul, şi dispersia variabilei aleatoare X.
53. Fie funcţia k x x e  x / 2 , x  0 Să se determine:

f : R  R, f ( x )   , k R.
 0 , x  0
b) media şi dispersia v.a. X , X1/2 şi X3, funcţia caracteristică şi funcţia generatoare de momente a v.a. X ;
c) modul şi momentul iniţial de ordinul r, r  N* ale v.a. X.
R: a) 1 /(3 2 ) ; b) M ( X )  5; D( X )  10;  (t )  (1  it )  5 / 2
54. V.a. continuă X are funcţia de repartiţie  0, x  0


F ( x )   x 3 , x  (0, 1]
 1, x 1

Să se determine:
a) valoarea medie şi dispersia v.a. X, X 3 şi X 1/2;
b) mediana şi modul variabilei aleatoare X;
c) funcţia de repartiţie şi dispersia v.a. 5X +1, e3X, 2X2+3.
55. O v.a. continuă X are funcţia de repartiţie  0, x  0


F ( x)  4 x 2 , x  (0,1 / 2]
 1, x  1

Să se determine funcţiile de repartiţie şi mediile v.a. Y = 2X+3, Z = X5, T = eX, U = 3X2 +1.
57. Fie x 2 , x  ( ,  ) . Să se determine:

f : R  R, f ( x )   , 0
 0 , x  (  ,  )
a) parametrul α astfel încât f să fie densitatea de probabilitate a unei v.a. continue X.
b) abaterea medie pătratică a v.a. X;
c) funcţia de repartiţie a variabilei aleatoare X. R: a) 4 3 / 2
58. Se consideră funcţia f ( x)   ax e , x  0 ; k  0, a  R . Să se determine:

2  kx

 0, x0
b) funcţia de repartiţie a variabilei aleatoare X .
c) dispersia v.a. X şi X1/2 şi P(0 < X < 1/k).
 0, x0
R: a) k ; b) F x   
3
; c) 3 ; 3 ; 1  5
2  k x  2kx  2 e 2kx ,
2 2
1  x0
2
k k 2e
2
61. Fie variabila aleatoare X cu densitatea de repartiţie f (x) = e - 2x, x  R. Să se determine:

a) dispersia, momentul iniţial de ordinul r şi momentul centrat de ordinul r, r  N*;
b) P (X < n), n > 0;
c) funcţia de repartiţie a variabilei aleatoare X;
d) mediana şi modul variabilei aleatoare X.
1 Să se determine:
62. Fie  , x  (1   ,1   )
f : R  R, f ( x )   x ;   (0,1) .

 0, x  (1   ,1   )
a) parametrul α astfel încât f să fie densitatea de probabilitate a unei v.a. continue X
b) media şi dispersia v.a. X;
c) funcţia de repartiţie a variabilei aleatoare X.
 0, x  2
 e 1
R: a) e 1 ; b) 2 e 1 ; 2 e 13  e  ; c)
 
.
 x e 1
e 1 e 1 e 1 2
F x    , x  2 , 2e
2e e 1 e 1

 1, x  2e
 e 1
69. O variabilă aleatoare X are funcţia caracteristică (t) = 0,25  (1 + eit)2. Să se determine:
a) valoarea medie şi dispersia v.a. X;
b) funcţia de repartiţie a variabilei aleatoare X.

70. O v.a. X are funcţia caracteristică φ(t) = cost. Să se calculeze momentul iniţial de ordinul 2 al v.a. X .
71. Să se calculeze funcţia caracteristică şi funcţia generatoare de momente pentru fiecare din următoarele v.a.:
 1 2 3   x  x 
a) X :   ; b) X :  , x  [0,1] ; c) X :  5  x , x  0

1 / 4 1 / 4 1 / 2   
2 x  x e / 120 
şi apoi să se verifice dacă momentele obţinute pe cale directă coincid cu cele obţinute cu ajutorul acestei funcţii.
80. Fie v.a.  i  Să se afle abaterea medie pătratică a v.a. X şi P ( X = 2 / X > 1).
X :   , c  R, n  N , n  2.
c 
  i 1,n
i
1
81. Să se determine repartiţiile v.a. X, Y, Z ştiind că: 1 2  e it 
 X (t ) 
(1  e it ) 4 ;  Y (t )  cos 3 t;  Z (t )  1   .
16 3 3 
82. Fie v.a. independente X, Y având funcţia de repartiţie, respectiv densitatea de repartiţie date de:
 0 , x   , 0 şi  x, x  [0,1]
 
FX : R  0,1, FX ( x)   x f : R  R , f ( x )   2  x , x  (1,2]
1  1  3x  e 3 , x  0,  
 Y Y
 0, x  [0,2]

Să se determine funcţia caracteristică a sumei celor două v.a.
k
84. Se consideră funcţia  , xa
f : R  R, f ( x )   x 4 , k  R, a  R .
 0, x  a
a) Să se determine parametrul k astfel încât f să fie densitatea de repartiţie a unei v.a. continue X.
b) Să se studieze existenţa momentelor iniţiale ale v.a. X.
R: a) 3a3; b) există mr dacă şi numai dacă r = 1 sau r = 2.
 x
2
85. Fie funcţia  ,  > 0 fixat. Se cere:

f : R  R, f ( x)  kxe , x  0 , k  R

 0, x  0
a) parametrul k astfel încât f să fie densitatea de repartiţie a unei v.a. continue X.
b) să se studieze existenţa momentelor iniţiale de ordinul n, n  N* ale v.a. X.
86. Fie funcţia   x fixat. Să se determine:


f : R  R, f ( x)  ke , x   , k  R,   0
 0, x  
b) funcţia de repartiţie, funcţia caracteristică a v.a. X şi PX  2 / X   
  x2
2
87. Fie funcţia  . Să se determine:

f : R  R, f ( x)  axe

, x  0 , a  R,   0
 0, x  0
c) P (X < ), P (X > ), P (X  4 / X > 2) şi o margine inferioară a probabilităţii P ( | X - M(X) |< ).
d) media, dispersia, momentul iniţial de ordinul r, r  N* ale v.a. X ;
e) momentul centrat de ordinul trei, mediana şi modul variabilei aleatoare X;
f) momentul centrat de ordinul 2 al v.a. Y = X2;
89. Fie funcţia 1  x 
 1  , x 
f : R  R, f ( x)     
 , 0

 0, x 
a) Să se arate că f este densitatea de probabilitate a unei v.a. continue X.
10.2. REPARTIŢII CLASICE
BREVIAR TEORETIC
REPARTIŢII CLASICE DISCRETE
Repartiţia binomială X  Bi (n, p)  X :  k 

 ; n  N * ; p, q  0; p  q  1
 C k p k q nk 
 n  k 0, n

M ( X )  np; D( X )  npq ;  (t )  peit  q n
 k 
  ;  0
Repartiţia Poisson X  Po ( )  X :     k
e  
 k!  kN
M ( X )  ; D( X )  ;  (t )  e ( e 1)
it
Repartiţia geometrică  k  ; p, q  0; p  q  1
X  Ge( p)  X :  k 1 
 pq 
 kN *
1 q .
M (X )  ; D( X )  2
p p
REPARTIŢII CLASICE CONTINUE
Repartiţia uniformă pe intervalul [a,b]

X  U [a, b]  X are densitatea de repartiţie  1
 , x  [ a, b]
f ( x)   b  a

 0, x  [a, b]
ab (b  a) 2
M (X )  , D( X ) 
2 12
Repartiţia Gamma
 1 
x
X  [a, b]; a, b  0  X are densitatea de repartiţie  a x a 1 e b , x  0

f ( x)   b a 
 x0
 0,
M ( X )  ab, D( X )  ab 2 ;  (t )  1  ibt 
a
Repartiţia Beta
X   [a, b]; a, b  0  X are densitatea de repartiţie  1
 x a 1 (1  x)b 1, x  (0,1)
f ( x)    a, b 
 x  (0,1)
 0,
a ab
M (X )  , D( X ) 
ab (a  b) 2 (a  b  1)
Repartiţia exponenţială
 1  x
X  Exp ( );   0  X are densitatea de repartiţie f ( x)   e , x  0


 0 , x0
M ( X )   , D( X )  2 ;  (t )  1  it 1
Repartiţia hi-pătrat cu n grade de libertate

 1
x 2 1e  2 , x  0
n x
X  H (n), n  N *  X are densitatea de repartiţie f ( x)   2 2  n


n
2


 0 , x0

Observaţie. H (n)   n , 2
2

M ( X )  n, D( X )  2n ;  (t )  1  2it 
n

2
Repartiţia Student cu n grade de libertate

n 1
X  S (n), n  N *  X are densitatea de repartiţie f ( x)   2   1  x2  n 1
2
, xR
n  n2   n 
M ( X )  0, D( X )  n
n2
Repartiţia normală
( x  m) 2
1 
X  N (m,  )  X are densitatea de repartiţie f ( x)  e 2 2
, x  R; m  R,   0
 2
M ( X )  m, D( X )   2 ;  (t )  eimt 
 2t 2
2
 Dacă Z  N (0, 1), atunci funcţia de repartiţie a acestei variabile este:

x y2
FZ : R  0, 1, FZ x  
1 
2
e

2
dy şi are proprietăţile: 1) FZ (-x) = 1 - FZ (x); 2) FZ (0) = 1/2
Propoziţie.
1) Dacă v.a. independente X k  Bi nk , p , k  1, r , atunci 
r  r 
X k  Bi   n k , p 
k 1  k 1 
2) Dacă v.a. independente X k  Pok , k  1, n , atunci n X  Po n  

k  k
k 1  k 1 
Dacă v.a. independente X k  ak , b, k  1, n , atunci

n  n 
3)
 X k    a k , b 
k 1  k 1 
r  r 
4) Dacă v.a. independente X k  H nk , k  1, r , atunci  X k  H   n k 
 
k 1  k 1 
 n 
X k  N mk ,  k , k  1, n , atunci   X  N    m ,   2 2 
n n
5) Dacă v.a. independente
k 1
k k  k 1 k k
k 1
k k 
 
6) Dacă v.a. X  N m,   , atunci v.a. normată Z  X  m  N 0,1


7) Dacă v.a. X  N 0,1 , atunci v.a. X 2  H (1)

X k  N 0,1, k  1, n , atunci  X 2  H (n)

n
8) Dacă v.a. independente
k
k 1
9) Dacă Z  N 0,1 , Y  H (n) sunt v.a. independente, atunci T

Z
 S (n)
Y
n
PROBLEME REZOLVATE
1. Se ştie că un anumit furnizor livrează către beneficiarii săi produse corespunzătoare calitativ cu probabilitatea 0,9. Se
selectează la întâmplare un eşantion de 20 unităţi din produsele livrate de furnizorul respectiv şi fie X v.a. ce ia ca valori
numărul produselor corespunzătoare calitativ. Să se determine:
b) numărul mediu de produse corespunzătoare şi abaterea medie pătratică a numărului de produse corespunzătoare din
eşantionul considerat;
c) funcţia caracteristică a variabilei aleatoare X;
d) probabilitatăţile evenimentelor:
A = lotul conţine exact două piese corespunzătoare;
B = lotul conţine cel puţin 7 piese corespunzătoare;
C = lotul conţine cel mult 9 produse corespunzătoare, ştiind că în lot există cel puţin 5 produse corespunzătoare.
Rezolvare:
a) Deoarece probabilitatea ca un produs să fie corespunzător calitativ este constantă, rezultă că X este o v.a. cu o
repartiţie binomială de parametri p = 0,9 şi n = 20.
Aşadar repartiţia v.a. considerate este  k 
X : k 
 C (0,9) k (0,1) 20  k 
 20  k  0,20
b) Numărul mediu de produse corespunzătoare din eşantion este media v.a. X: M ( X ) = n ∙ p = 20 ∙ 0,9 = 18.
Dispersia numărului de produse corespunzătoare din eşantionul considerat este:
D ( X ) = n ∙ p ∙ q = 18 ∙ 0,1 = 1,8, de unde obţinem abaterea medie pătratică:  ( X )  D( X )  1,341
c)
20
 X (t )   e itk C 20
k
20
(0,9) k (0,1) 20k   C 20
k

0,9e it k 0,120k   0,9e it  0,120
k 0 k 0
2
d) P( A)  P( X  2)  C20 (0,9) 2 (0,1)18
20
P( B)  P( X  7)   C 20
k
(0,9) k (0,1) 20  k
k 7
9
 C 20
k
(0,9) k (0,1) 20k
P( X  9  X  5) P(5  X  9) k 3
P(C )  P X  9 / X  5   
P( X  5) P( X  5) 20
 C 20
k
(0,9) k (0,1) 20k
k 5
2. Din cei 2000 de salariaţi ai unei firme, 300 au studii superioare. Se selectează la întâmplare un eşantion de 40 de
salariaţi ai firmei respective şi se notează cu X variabila aleatoare ce reprezintă numărul salariaţilor cu studii superioare
din eşantionul considerat. Să se determine:
b) numărul mediu de salariaţi cu studii superioare şi dispersia numărului de salariaţi cu studii superioare;
c) probabilităţile evenimentelor: A = exact 10 salariaţi din cei 40 selectaţi au studii superioare; B = cel mult 12 salariaţi
din cei 40 selectaţi au studii superioare; C = cel puţin 6 şi cel mult 19 salariaţi au studii superioare.
Rezolvare:
a) Din enunţul problemei deducem că variabila aleatoare X are o repartiţie hipergeometrică de parametri
 k 
n = 40, A = 300, B = 1700, deci repartiţia variabilei aleatoare X are forma:  k 40 k

X :  C300  C1700 
 C 40 
 2000  k  0, 40
b) M ( X )  n  A  40  300  6 , unde N = A + B; D( X )  n  A  B  N  n  6  1700  2000  40  5
N 2000 N N N 1 2000 2000  1
C10  C 30 12 C k  C 40  k
c)
P A  P( X  10)  300 1700 ; PB   P( X  12)   300 1700
40 40
C 2000 k 0 C 2000
k 60  k
19 C300  C1700
PC   P(6  X  19)  
40
k 6 C 2000
3. O societate de asigurări încheie poliţe de asigurare de bunuri. În ipoteza că numărul solicitărilor de despăgubire
înregistrate anual pentru astfel de poliţe urmează o repartiţie Poisson de parametru 4, să se determine:
a) repartiţia variabilei aleatoare X care indică numărul solicitărilor de despăgubire înregistrate anual la această societate;
b) funcţia caracteristică a variabilei aleatoare X;
c) probabilităţile evenimentelor:
A = în cursul unui an să fie înregistrate exact 2 cereri de despăgubire;
B = în cursul unui an să fie înregistrate cel puţin 3 cereri de despăgubire;
d) numărul mediu de solicitări de despăgubire şi dispersia numărului de cereri de despăgubire înregistrate de-a lungul
unui an la societatea respectivă.
Rezolvare:
a) Repartiţia variabilei aleatoare X este:
 k 
 
X : k 
4 4
 e  
 k!  k  N
b)  (t ) 
X 

e itk  4 4
e 
k
 e 4
 4e it

k
 
 e  4  e 4e  e 4(e 1)
it it
k 0 k! k 0 k!
2
c) P( A)  P( X  2)  e  4  4 
8
 0,14652
2! e4
13
P( B)  P( X  3)  1  P( X  0)  P( X  1)  P( X  2)  1   0,7618
e4
d) Folosind rezultatele din breviarul teoretic, avem: M ( X )  D( X )  4
4. Fie X v.a. ce indică numărul de aruncări ale unui zar până la prima apariţie a feţei cu un punct. Să se afle:
a) repartiţia, media şi dispersia variabilei aleatoare X;
b) probabilitatea de a face cel puţin două aruncări până la prima apariţie a feţei cu un punct.
Rezolvare:
a) Numărul de aruncări efectuate până la apariţia feţei cu un punct poate fi orice număr natural nenul, deci mulţimea
valorilor v.a. X este N*.
V.a. X ia valoarea n, n  N*, dacă în primele n aruncări nu apare faţa cu un punct şi în aruncarea cu numărul n + 1 apare
faţa cu un punct.
Notăm cu p probabilitatea ca la o aruncare să apară faţa 1 şi cu q probabilitatea evenimentului opus, prin urmare
P(X = n) = qn – 1 p
Deducem că v.a. X are o repartiţie geometrică de parametri p  16 şi q  56 :
1 2 3 ........ n .... 
X : 
1
6
1
6  5
6
1
6  6 ........   
5 2 1
6
5 n 1
6 .... nN *
  n 1   n 1
1  5 1  5
M ( X )   n  pn   n     ; M ( X 2 )   n 2  pn   n 2    
n 1 n 1 6  6 n 1 n 1 6  6
' '
1   1  y  1
 

1 1  1  1
S ( y)   n   y n 1   n  y n 1   y n    y n    
Fie '
  
n 1 6 6 n 1 6 n 1 6  n 1  6  1  y  6 1  y 2
1 1 y
   

1 1  1  1  1 1
T ( y)   n 2   y n 1   n 2  y n 1   n 2  n  n  y n 1   y n 1  
Fie ''
 
n 1 6 6 n 1 6 n 1 6 n 1 6 1  y  2
6 1  y 3
Rezultă: M(X) = S(5/6) = 6; M(X2) = T(5/6) = 66; D(X) = M(X2) – M 2(X) = 30.
Observaţie. M(X) şi D(X) se pot calcula şi observând că folosind rezultatele din breviarul teoretic referitoare le repartiţia
geometrică: 1 q 5/ 6
M (X )   M ( X )  6; D( X )   D( X )   30
p p  1 / 62
b) Probabilitatea cerută este P( X  2)  1  P( X  1)  1  1  5
6 6
5. Fie X v.a. ce indică numărul de apariţii ale feţei cu un punct în douăsprezece aruncări ale unui zar. Să se afle:
a) repartiţia, valoarea medie şi dispersia variabilei aleatoare X;
b) probabilitatea ca în cele 12 aruncări faţa 1 să apară cel puţin de două ori.
Rezolvare:
a) Deoarece probabilitatea ca la o aruncare a zarului să apară faţa 1 este constantă, rezultă că v.a. X are o repartiţie
 k 
binomială de parametri p  16 şi n = 12, prin urmare  
X :  k  1  k  5  12k 
 C12     
  6  6  k 0,12
Valoarea medie a variabilei aleatoare X este M(X) = n  p = 12  1/6 = 2
Dispersia variabilei aleatoare X este: D( X )  npq  2  5  1, (6)

6
12 11
b) P( X  2)  1  P( X  0)  P( X  1)  1   5   12 5  1  0,61866
   
 6  6 6
6. Trei trăgători trag simultan şi independent unul de altul asupra unei ţinte. Primul nimereşte ţinta cu probabilitatea
de 0,4, al doilea cu probabilitatea 0,3, iar al treilea cu probabilitatea 0,8. Fie X variabila aleatoare ce indică numărul de
focuri care ating ţinta. Să se determine numărul mediu de focuri care ating ţinta.
Rezolvare:
Repartiţia variabilei aleatoare X este X :  0 1 2 3


p p3 
 0 p1 p2
Vom determina probabilităţile p0, p1, p2, p3 folosind schema lui Poisson, unde pk reprezintă probabilitatea ca, din cele 3
focuri trase, exact „k” focuri să atingă ţinta, k  0,3
Avem că pk = p (3: k, 3 – k ) = coeficientul lui t k din dezvoltarea Q (t), unde
100  100  100 

Q(t )  40  t  60  30  t  70  80  t  20  0,096t 3  0,392t 2  0,428t  0,084 . Obţinem:
100 100 100
p (3: 0, 3) = coeficientul lui t 0 din Q (t)  p0 = 0,084
Rezultă X :  0 1 2 3 
 0,084 0,428 0,392 0,096 
 
M ( X )  0  0,084  1  0,428  2  0,392  3  0,096  0,428  0,784  0,288  1,5

7. Fie X şi Y două v.a. independente, definite pe acelaşi câmp de probabilitate, având repartiţii Poisson de parametri
λ1 şi respectiv λ2. Fie v.a. U ce ia valoarea k  N , k  n , cu n  N * fixat, atunci când se realizează evenimentul
condiţionat ( X = k / X + Y = n ). Să se determine:
a) repartiţia variabilei aleatoare Z = X + Y;
b) repartiţia variabilei aleatoare U.
Rezolvare:
a) Repartiţia variabilei aleatoare X  Po(1 ) este  k 

 
X : k 
1 1
e  
 k! kN
Calculăm funcţia caracteristică a v.a. X:
 X t    e

itk 1
e 
1k
e 1

1e it 
k
 e   e  e 1 1
it
 e 1 e 1
it
k 0 k! k 0 k!
Analog, obţinem funcţia caracteristică a v.a. Y: Y t   e2 e 1

it
Deoarece X şi Y sunt v.a. independente, rezultă că funcţia caracteristică a sumei Z = X + Y este:

 Z t   X Y t   X t  Y t  e 1 e 1  e 2 e 1  e 1  2  e 1 ,
   
it it it
Prin urmare v.a. Z are o repartiţie Poisson de parametru λ1 + λ2.
În concluzie, dacă X  Po 1  şi Y  Po 2  , atunci X  Y  Po1  2 
b) Repartiţia v.a. U este:  k  , unde

U :  
 p k  k  0, n
P X  k    X  Y  n  P X  k   Y  n  k 
p k  PU  k   P X  k / X  Y  n   
P X  Y  n  P X  Y  n 
P X  k   PY  n  k  .
Deoarece v.a. X şi Y sunt independente, rezultă pk 
P X  Y  n 
Avem că X  Po 1  , Y  Po 2  , Z  Po 1  2  , prin urmare
1k n2  k
 e  1   e 2 
U  Bi  n; 1 
nk
n  k !
k
k!  1   2  , deci
pk   Cnk       ,  k  0, n  1   2 
1  2 n  e    1 2  1  2   1  2 
n!

În concluzie, dacă X  Po 1 , Y  Po 2  şi n  N * , atunci X  X  Y  n   Bi  n; 1 
 1   2 
Observaţie. Aplicând metoda de rezolvare de la punctul a), se pot demonstra punctele 1)-5) ale propoziţiei din breviarul
teoretic.
8. a) Fie X şi Y v.a. independente, definite pe acelaşi câmp de probabilitate, având repartiţii binomiale de parametri
n1, p şi respectiv n2, p, unde n1, n2  N*;p  (0, 1). Să se determine repartiţia v.a. X + Y.
b) Două maşini automate realizează aceeaşi piesă, dând rebuturi cu probabilităţile 0,05, respectiv 0,05. Dacă
producţia zilnică a primei maşini este de 2000 de piese şi producţia zilnică a celei de-a doua maşini este de 3000 de piese,
să se scrie repartiţia v.a. care indică numărul de rebuturi din producţia zilnică totală şi să se calculeze numărul mediu de
rebuturi din producţia zilnică totală.
Rezolvare:
 k 
a) Repartiţia v.a. X  Bi (n1 , p) este
X :  k k n1  k 
, unde q = 1 - p
C p q 
 n1  k  0, n1
Calculăm funcţia caracteristică a v.a. X:  t  
X
n1 n1
 e itk C nk p k q n k   C nk pe it
1
 k q n k  peit  qn
1
1
k 0 1
k 0 1

Analog, funcţia caracteristică a v.a. Y este Y t   pe it  q 2 n
Cum X şi Y sunt v.a. independente, rezultă că funcţia caracteristică a sumei Z = X + Y este
  
 Z t   X Y t   X t  Y t  peit  q  n1
 
peit  q
n2

 pe it  q n1  n 2

prin urmare variabila aleatoare Z urmează o repartiţie binomială de parametri n1 + n2 şi p.
Observaţie. Am obţinut următorul rezultat: Dacă X  Bi (n1 , p) şi Y  Bi (n2 , p) , atunci X  Y  Bi n1  n2 , p 
b) Fie X, Y v.a. care indică numărul de rebuturi din producţia zilnică a primei, respectiv a celei de-a doua maşini. Cum
probabilităţile ca maşinile să producă piese rebut sunt constante, rezultă că X, Y au repartiţii binomiale:
X  Bi (n1  2000, p  0,05) , Y  Bi (n2  3000, p  0,05) .
V.a. ce indică numărul de rebuturi din producţia zilnică totală este X + Y şi conform punctului a), X  Y  Bi n1  n2 , p  ,
adică X + Y  Bi (5000; 0,05) şi are repartiţia:  k 
X Y : k 
 5000 0,05 0,95
C k 5000k 
 k 0,5000
Numărul mediu de rebuturi din producţia zilnică totală este media v.a. X + Y: M (X + Y) = (n1 + n2) p = 250.
9. Fie X şi Y v.a. independente, definite pe acelaşi câmp de probabilitate, care iau valori în mulţimea numerelor
naturale cu probabilităţile p n  P X  n  PY  n  pq n , n  N , p  0,1 . Să se calculeze probabilităţile:
a) P X  Y  1 , P X  Y  n  , n  N fixat;
b) P X  k / X  Y  n ; k , n  N , k  n .
Rezolvare:
a) P X  Y  1  P X  0, Y  1   X  1, Y  0  P X  0, Y  1  P X  1, Y  0
Cum v.a. X, Y sunt independente, rezultă că
P X  Y  1  P X  0 PY  1  P X  1 PY  0  p  pq  pq  p  2 p q
2
P X  Y  n  P X  0, Y  n   X  1, Y  n  1  ...   X  n, Y  0 

n n n n
  P X  k , Y  n  k    P X  k PY  n  k    pq k  pq nk   p 2 q n  n  1 p 2 q n
k 0 k 0 k 0 k 0
b) P X  k / X  Y  n   P X  k    X  Y  n   P X  k   Y  n  k 
P X  Y  n  P X  Y  n 
Deoarece X şi Y sunt v.a. independente, rezultă că
P X  k   PY  n  k  pq k  pq n  k
P X  k / X  Y  n     1
P X  Y  n  n  1 p 2 q n n 1
10. Profitul anual al unei firme este rezultatul acţiunii a două grupuri de factori U şi V, ale căror modele probabilistice
sunt U = 3X – 2Y, V = X + 5Y, unde X şi Y sunt v.a. independente, X  Bi (10; 0,8) şi Y  Po (1).
Să se calculeze M (2U + 3V ), D (U ) şi D (V ).
Rezolvare:
Deoarece X  Bi (10; 0,8) , rezultă că M ( X ) = 10 ∙ 0,8 = 8 şi D ( X ) = 10 ∙ 0,8 ∙ 0,2 = 1,6
Din Y Po (1) rezultă că M (Y) = D (Y) = 1. Obţinem:
M 2U  3V   M 2 3 X  2Y   3 X  5Y   M 9 X  11Y   9M  X   11M Y   9  8  11  1  83
Deoarece v.a. X şi Y sunt independente, rezultă că DU   D3 X  2Y   9D X   4DY   9  1,6  4  1  18,4 .
Analog, DV   D X  5Y   D X   25DY   1,6  25  1  26,6
11. Fie X o v.a. având repartiţie uniformă pe intervalul [-3,3]. Să se determine:

a) funcţia de repartiţie şi densitatea de repartiţie a variabilei aleatoare Y = 3X +2;

b) densitatea de repartiţie a variabilei aleatoare Z = X 2 + 1;
c) densitatea de repartiţie a variabilei aleatoare T = e X;
d) funcţia de repartiţie a variabilei aleatoare V  X .
Rezolvare:
Densitatea de repartiţie şi funcţia de repartiţie ale v.a. X sunt:
 0, x  3
1 x  3
 , x   3,3 
f X x    6 ; FX  x    , x  (3, 3]
 0, x   3,3  6
 1, x  3
 x2  x2
FY x   PY  x   P3 X  2  x   P X 
a) Avem
  FX  
 3   3 
1
 x2
 3 . Prin derivare obţinem:  , x   7,11
f Y x   18
 0,
3

 0, x   7,11
x2 3  0, x  7 
x2 
 x  7
 3 ,  (3, 3]   , x  (7, 11]
 6 3  18
 x2 
 1 , x  11
 1, 3
3


b)  P(), x  1
Fz ( x)  P( Z  x)  P( X 2  1  x)  P( X 2  x  1)  
 X x  1), x  1
F (
 0, x 1
 0, x 1   0, x  (1,10)
 1 1 
f Z ( x)   1  f Z ( x)    , x  1  [3,3], x  1  f Z ( x)   1
 f X ( x  1 )  , x  1  6 2 x  1  2 x  1 , x  (1,10)
 2 x 1 
    
 0 , x 1 [ 3,3], x 1
c) P(), x0  0, x  0 . Prin derivare obţinem:
FT ( x)  P(T  x)  P(e X  x)   
 P ( X  ln x ), x  0  X
F (ln x), x  0
 0, x  0
0, x  0 1

1
  , x  [e  3 , e 3 ]
f T ( x)   1   , ln x  [3,3], x  0  6x
 f X (ln x)  , x  0 6x  0, x  [e  3 , e 3 ]
 x
 0, ln x  [3,3], x  0 

d)  0, x0  0, x  0
P(), x0  x0 x  3  x  3 x
 
FV ( x)  P(V  x)  P  X  x   
0,
   , x  0, 3   , x  0, 3
P( x  X  x), x  0  FX x   FX  x , x  0  6 6 3
 1  0, x3  1, x  3
12. Se consideră v.a. X  N m,   . Să se determine repartiţia v.a. Z  X  m


Rezolvare:
Calculăm funcţia caracteristică a v.a. Z:
 m  m m  2t 2 t2
it   
 1  it    i t  2 
 Z (t )   X m (t )   (t )  e  
  X  t   e     e  2  e 2
 
 m
1
X   
 
 
t2
Z  N 0,1

am obţinut  Z (t )  e 2 , de unde rezultă că variabila
Prin urmare, dacă v.a. X  N m,   , atunci X  m  N


0,1
Observaţie. Rezolvând această problemă am demonstrat afirmaţia de la punctul 6) al propoziţiei din breviarul teoretic.
13. Fie v.a. X  N m,   şi a, b  R, a  0 . Se cere repartiţia v.a. Y = aX + b.

Rezolvare:
Densitatea de repartiţie a v.a. Y este: fY : R  R, fY ( x)  FY' ( x),  x  R . Avem că:

 xb  x  b  . Prin derivare obţinem:
FY ( x)  P(Y  x)  PaX  b  x   P X    FX  
 a   a 
2
 x b 
 m 
 x bam 2
1  x b 1  
a 
1 1 2 ( a ) 2
f Y ( x)  F ( x)  f X    2

' 2
e e
a  a  a  2 a 2
Y
Observaţie. Folosind problema 13 deducem următoarele rezultate importante:

 
1) Dacă X  N m,  şi a, b  R, a  0 , atunci Y  N (am  b, a )
2) Dacă X  N 0,1 şi a, b  R, a  0 , rezultă că Y  aX  b  N (b, a)
3) Dacă X  N m,   şi b  R , rezultă că Y  X  b  N (m  b,  )
14. a) Se consideră v.a. X  N (0,1). Să se determine repartiţia v.a. Y = X 2.

b) Fie v.a. independente X k  N 0,1,  k 1, n . Se cere repartiţia v.a. Z 
n
 X k2
k 1
Rezolvare:
a) Vom determina densitatea de probabilitate a variabilei aleatoare Y. Avem:
 P, x  0  x0  x0

 
 0, 0,
FY x   PY  x   P X 2  x    

 P X  x , x  
0  P  x  
X  x , x  0 FX   x   F   x , x  0
X
 0, x0

f Y x   FY x '  


fX  2 x

x  1  fX  x  1 , x  0
2 x

x2
Deoarece X  N (0,1), rezultă că are v.a. X densitatea de probabilitate f ( x)  1 2
e , x  R , deci
2
X
 0, x  0 , adică densitatea de probabilitate a repartiţiei Hi-pătrat cu un grad de libertate


fY x    1
e x / 2 , x  0
 2 x

Prin urmare, dacă X  N (0,1), atunci X2  H (1).
b) Aplicând rezultatul de la punctul precedent, avem: X k  N 0,1,  k 1, n  X 2  H 1,  k 1, n
k
Deoarece variabilele aleatoare X k , k  1, n , sunt independente, rezultă că
n n n
 (t )   X 2 (t )   1  2it  2 1  2it   1  2it  2

1 1 n
, prin urmare n
 X k2  H n 
2
n
k 1
 Xk
2
k
k 1 k 1 k 1 k 1
X k  N 0,1,  k 1, n , atunci  X 2  H n 

n
Am obţinut că dacă v.a. independente
k
k 1
15. Se consideră variabilele aleatoare X  N (5, 2) şi  X 5
2
Y  
 2 
Să se determine densitatea de repartiţie, media, dispersia şi funcţia caracteristică ale v.a. Y.
Rezolvare:
Deoarece v.a. X  N (5, 2), aplicând metoda de rezolvare a problemei 12 sau, direct, folosind punctul 6) al propoziţiei din
breviarul teoretic, rezultă că v.a. Z  X  5  N (0,1)
2
Aplicând metoda de rezolvare a problemei 14 sau, direct, folosind punctul 7) al propoziţiei din breviarul teoretic, rezultă că
v.a. Y  H (1).
 1
1
1 
x
Obţinem:  1 x2 e 2, x  0  1
, x0
 2 1 
f Y ( x)   2     2 x e x
  
2 
 0 , x  0  0 , x0
M (Y )  1; D(Y )  2 1  2 ; Y (t )  1  it 
1

2
1 10 2 . Să se determine:
19. Fie v.a. independente X k  N (0, 2), k  1,10 şi Y  Xk
4 k 1
a) densitatea de repartiţie, media, dispersia şi funcţia caracteristică a v.a. Y ;
b) densitatea de repartiţie a v.a. X3.
Rezolvare:
a)
Y
1 10 2 10 1
 X   Xk
4 k 1 k k 1 2
 
2 . Notăm Y  1 X ,  k  1,10 .
k 2 k
Conform punctului 6) al propoziţiei din breviarul teoretic, rezultă Y  1 X  N (0,1) ,  k  1,10

k 2 k
Deoarece v.a. X k , k  1,10 sunt independente, rezultă că şi v.a. Yk , k  1,10 sunt independente
10
Aplicând punctul 8) din aceeaşi propoziţie, obţinem că Y  şi prin urmare densitatea de repartiţie
 Yk2  H (10)
k 1
 1 x
corespunzătoare este:  5 x 4e 2 , x  0
fY ( x)   2 5
 0 , x0

Y  H (10)  M (Y )  10; D 2 (Y )  2  10  20 ; Y (t )  1  it 5
x2
1 
b) X  N (0, 2)  f ( x)  e 8
, xR
2 2
3 X3
15
20. Se consideră v.a. independente X k  N (0,1), k  1,15 şi Y 
 Xk
k 1
Să se determine densitatea de repartiţie, media, dispersia şi funcţia caracteristică a v.a. Y.
Rezolvare:
Deoarece v.a. X k  N (0,1), k  1,15 sunt independente, conform punctului 5) al propoziţiei din breviarul teoretic,
rezultă că v.a.
15 15  15 15 

Y   X k  1  X k  N   1  0, 1  1   N 0, 15 , deci Y  N 0, 15 .   
k 1 k 1  k 1 
 k 1
x2
1 
Obţinem că Y are densitatea de repartiţie: f ( x)  e 30 , x  R
Y
30
Folosind rezultatele din breviarul teoretic referitoare la repartiţia normală, obţinem:
15t 2

M ( X )  0 ; D ( X )  15 ;  (t )  e
2 2
21. Fie v.a. X  N (m, ). Să se calculeze următoarele probabilităţi:

a) P ( X < a );
b) P ( X > b );
c) P ( a < X < b ).
Rezolvare:
a) Conform punctului 6) al propoziţiei din breviarul teoretic, deoarece X  N (m, ) rezultă că Z  X  m  N 0,1 .

Avem:
  
P X  a   P X  m  a  m  P Z  a  m  FZ a  m , unde
   
  
FZ este funcţia de repatiţie a v.a. normale normate Z  N (0,1) şi valorile acestei funcţii sunt tabelate.
      
b) P X  b  1  P X  b  1  P X  b  1  P X  m  b  m  1  P Z  b  m  1  FZ
 
  
 bm 
 

c) Pa  X  b   P X  b   P X  a   P X  m  b  m  P X  m  a  m 
 
  
PZ


bm
PZ   
am

 FZ bm

 FZ am .

   
Reţinem că dacă X  N (m, ), atunci: P X  a   F a  m
Z   
P X  b  1  FZ b  m 

Pa  X  b  FZ   m   FZ a  m 
b
 
unde FZ este funcţia de repatiţie a variabilei normale normate Z  N (0,1).
Aceste probabilităţi pot fi exprimate şi cu ajutorul funcţiei Laplace, folosind faptul că F x   1  x ,  x  R
Z 2
Obţinem că, dacă
2 
 
X  N m,   , atunci: P X  a   1   a  m
P X  b      m 
1 b 
2 
Pa  X  b  b  m   a  m 
 
22. Fie v.a. X  N (m  3,   2) . Să se determine:

a) P (0  X  2); P( X  1); P( X  1) ;
b) P  X  1 / 0  X  2 ;
c) P  X  m  1,2;
d)  R astfel încât P( X   )  0,67 .
Rezolvare:
Procedând ca în cazul problemei precedente sau folosind direct rezultatele obţinute la problema precedentă, avem:
a) P0  X  2  FZ  22 3   FZ 02 3   FZ  12   FZ  32   1  FZ 12   1  FZ  32  
 FZ (1,5)  FZ (0,5)  0,9332  0,6915  0,2417
 
P X  1  P X  1  FZ 123  FZ (1)  1  FZ (1)  1  0,8413  0,1587
2
P( X  1)  1  P( X  1)  1  FZ 1 3  1  FZ (2)  1  1  FZ (2)  0,9772
b) P X  1 / 0  X  2  P 1  X  1 / 0  X  2  P 1  X  1  0  X  2 
 
P(0  X  2)
P0  X  1  
FZ 123  FZ 023       FZ (1) 0,9332  0,8413
FZ (1)  FZ  32 FZ 32
      0,38
P(0  X  2)  
FZ 22 3  FZ 023         FZ 12  0,9332  0,6115
FZ  12  FZ  32 FZ 32
c) P 
X  m  1,2  P  1,2  X  m  1,2  P 
1,2
 2
 X  m   

1,2
2 
 P(0,6  Z  0,6)  Fz (0,6)  Fz (0,6)  2Fz (0,6)  1  2  0,7257  1  0,4514
d) P X     0,67  P Xm   23   0,67  P  Z   23   0,67  FZ  23   0,67
Deoarece
2
 
FZ (0,44)  0,67 , relaţia precedentă este echivalentă cu: FZ   3  FZ (0,44) şi cum funcţia de repartiţie
Z 2 Z  
FZ este nedescrescătoare, rezultă: F   3  F (0,44)    3  0,44    3,88
2
23. Productivitatea muncii într-o societate comercială este rezultanta a doi factori modelaţi prin două v.a. independente
( x  2) 2

X şi Y. V.a. X are o repartiţie binomială de parametri 10 şi 0,8, iar Y are densitatea de repartiţie 1 .
f Y ( x)  e 8
2 2
Dacă productivitatea muncii se exprimă prin formula W = 3 X + 4 Y, să se determine productivitatea medie a muncii la
societatea respectivă şi abaterea medie pătratică a productivităţii muncii.
Rezolvare:
Din enunţ rezultă că Y  N (m  2;  2) , deci M (Y )  2, D(Y )  22  4
Deoarece X  Bi 10; 0,8 , rezultă M ( X )  10  0,8  8, D( X )  10  0,8  0,1  0,8
Productivitatea medie a muncii este: M (W )  M (3 X  4Y )  3M ( X )  4M (Y )  24  8  32
Dispersia variabilei aleatoare W este: D(W )  D(3 X  4Y )
Deoarece v.a. X şi Y sunt independente, rezultă D(W )  9D( X )  16D(Y )  7,2  64  71,2
Abaterea medie pătratică a productivităţii muncii este  (W )  D(W )  8,438
24. V.a. X are o repartiţie Beta de parametri p şi q, unde p, q >1. Să se determine:

a) densitatea de repartiţie a v.a. Y = (b - a)X + a, 0 < a < b;
b) valoarea medie, dispersia şi abaterea medie patratică ale v.a. Y.
Rezolvare:
a) Densitatea de repartiţie a v.a. Y este: fY : R  R, fY ( x)  FY' ( x),  x  R . Avem:
   
FY ( x)  P(Y  x)  P(b  a) X  a  x   P X  x  a  FX x  a . Prin derivare obţinem:
ba ba
 1
  
x  a p 1
1  xa 
q 1 x  a
 (0,1)
   ,
f Y ( x)  FY' ( x)  1 f X x  a     p, q 
b  a b  a ba
ba ba
 0 , x  a  (0,1)
 ba
 1 x  a  p 1 b  x q 1
 , x  ( a, b)
f Y ( x )     p, q  b  a  pq2

 0, x  ( a, b)
b) M (Y )  M aX  b  aM ( X )  b  apq  b ;
D(Y )  DaX  b  a 2 D( X )  a 2 pq 2 ;  (Y )  D(Y )  aq p
25. a) Să se arate că dacă v.a. independente X k  ak , b, k  1, n , atunci

n  n 
 X k     ak , b 
k 1  k 1 
b) Se consideră v.a. independente X 1  (3,2) şi X 2  (5,2) . Să se determine:
i) densitatea de repatiţie a variabilei aleatoare Y = X1 + X2;
ii) media, dispersia şi funcţia caracteristică a variabilei aleatoare Y.
Rezolvare:
a) Deoarece variabilele aleatoare Xk, sunt independente rezultă:
n n n
 n (t )    X k (t )   1  itb  a k 1  itb  

k 1
a k , prin urmare n  n 
 X k     ak , b 
 Xk
k 1 k  1 k  1 k 1  k 1 
b) i) X1  (3,2) şi X2  (5,2) sunt v.a. independente; folosind punctul precedent sau punctul 3) al propoziţiei din
breviarul teoretic, rezultă că v.a. sumă urmează tot o repartiţie Gamma, X1  X 2  (3  5, 2) ; prin urmare Y  (8,2), iar
densitatea de repartiţie a v.a. Y este:

 1 
x
 8 x7e 2 , x  0
f Y ( x)   2 (8)
 x0
 0,
ii) M (Y )  M ( X1  X 2 )  M ( X1 )  M ( X 2 )
Deoarece X1, X2 sunt variabile aleatoare independente, rezultă că D 2 ( X 1  X 2 )  D 2 ( X 1 )  D 2 ( X 2 )

X 1  (3,2)  M ( X 1 )  3  2  6; D( X 1 )  3  22  12
X 2  (5,2)  M ( X 2 )  5  2  10; D( X 2 )  5  2 2  20
Obţinem M (Y )  M ( X1 )  M ( X 2 )  16 şi D(Y )  D( X 1 )  D( X 2 )  32
Deoarece Y  (8, 2) , aplicând rezultatele din breviarul teoretic referitoare la repartiţia Gamma, rezultă
Y (t )  (1  2it ) 8
PROBLEME PROPUSE
1. Se ştie că angajaţii unei firme au studii liceale cu probabilitatea de 0,75. Se selectează la întâmplare un eşantion de 20
de angajaţi din totalul salariaţilor firmei şi fie X v.a. care indică numărul angajaţilor cu studii liceale. Se cere:
a) repartiţia v.a. X;
b) valoarea medie, dispersia şi abaterea medie patratică ale v.a. X;
c) funcţia generatoare de momente şi funcţia caracteristică ale v.a. X;
d) P(X ≥19); P(11 ≤ X ≤ 15); P(2 ≤ X ≤ 9 / X ≥ 3 ).
2. Se aruncă un zar de cinci ori pe o suprafaţă netedă . Fie X variabila aleatoare care indică numărul de apariţii al feţei
cu şase puncte. Să se calculeze media şi dispersia v.a. X.
3. O variabilă aleatoare X are o repartiţie binomială . Să se calculeze parametrii n şi p ai repartiţiei, ştiind că media v.a.
este egală cu 50 şi dispersia este egală cu 5.
4. Se aruncă o monedă până la apariţia stemei. Fie X v.a. care indică numărul de
aruncări efectuate până la apariţia stemei. Să se determine:
b) media, dispersia şi funcţia caracteristică ale variabilei aleatoare X.
5. Dintr-un lot de 200 de cutii cu conserve, 10 sunt necorespunzătoare calitativ. Se extrag la întâmplare 8 cutii şi se
controlează efectiv calitatea lor. Fie X v.a. ce reprezintă numărul de cutii necorespunzătoare calitativ. Se cer:
b) M (X), D (X), σ (X);
c) P (6 ≤ X); P (X ≤ 2); P (X =5); P (2 ≤ X / X ≤ 6).
6. S-a stabilit că 54% din numărul total de copii născuţi într-o anumită regiune sunt băieţi. Fie X v.a. ce indică numărul
de băieţi din 1000 de copii născuţi în regiunea respectivă.
a) Să se determine repartiţia variabilei aleatoare X;
b) Să se calculeze media şi abaterea medie pătratică a variabilei aleatoare X.
7. Un magazin comercializează produse din cristal. Probabilitatea ca un articol de cristal să fie de culoare roşie este 0,1.
Fie X v.a. ce indică numărul de articole din cristal vândute până la apariţia primului articol de cristal de culoare roşie. Se cer:
b) media, dispersia şi funcţia caracteristică ale variabilei aleatoare X.
8. Dacă v.a. X are o repartiţie normală de parametri m şi σ, să se determine repartiţia v.a. Y  1  X  m2
3 2
9. Fie X o v.a. având o repartiţie uniformă pe intervalul [-1, 1]. Să se determine:
a) funcţiile de repartiţie ale v.a. X, Y = 3 – 4 X, Z = 5X 2 + 1, T = e 2X - 1 , V = │X│;
b) densităţile de repartiţie ale v.a. A = 2 X + 1, B = 3X 2 - 2, C = e X
c) densităţile de repartiţie ale v.a. Y = 5X + 2, Z = e X+1 , U = ln X, V = X 3 .
10. Fie X o v.a. având o repartiţie beta de parametri 3 şi 2. Să se determine:
a) funcţiile de repartiţie ale v.a. X, Y = 3X - 2, Z = 3 - 5X 2, T = e X , V = │X│;
b) densităţile de repartiţie ale v.a. A = 1 – 2 X, B = 3X 2 - 2, C = e X +1 , D = │X - 1│.
11. V.a. X are o repartiţie uniformă pe intervalul [a, b]. Să se arate că P (|X - m| < k)  1 – 1/k2, unde m şi σ sunt
media şi abaterea medie pătratică ale v.a. X.
( x 1) 2
12. V.a. X are densitatea de repartiţie 1  . Se cer: P( X < 2); P(│X - 1│< 3); P(2 < X < 3)
f : R  R, f ( x )  e 2
2
13. Fie v.a. X  N (m = 2,  = 3).
i) Să se scrie densitatea de repartiţie a v.a. X.
ii) Folosind tabelele, să se calculeze: a) P (X < 2,45); b) P (X > 1,7); c) P (1,55 < X < 2,25);
d) P (│X - m│< 0,72); e) P (│X - m│ > 0,3).
14. Fie X  N (m,  = 2).

i) Să se calculeze: a) P (│X - m│< 1,54); b) P (│X - m│ > 1,78).
ii) Se cere parametrul real a astfel încât: a)P (│X - m│< a) > 0,8; b)P (│X - m│> a) > 0,3
15. Variabilele aleatoare independente X şi Y urmează legile N (0,1) respectiv N (2,1).
a) Care este probabilitatea ca cel puţin una din relaţiile -1< X < 2, -1< Y < 2 să fie verificată?
b) Considerând U = 3 X - Y şi V = X + 2Y, să se calculeze M(U), M(V) şi ρ (U, V).
16. Fie X   (3,2). Să se determine:
a) densitatea de repartiţie a variabilei aleatoare Y = X + 1;
b) valoarea medie, dispersia şi abaterea medie patratică ale v.a. Y.
17. Fie v.a. independente Xi, i  {1,2}, Xi  Bi(ni, p), ni  N*,  i  {1,2}, p  (0,1).
a) Să se determine funcţiile caracteristice ale v.a. X, Y şi X + Y.
b) Să se calculeze mediile şi dispersiile v.a. X, Y şi X + Y prin două metode.
c) Să se determine repartiţia v.a. X + Y şi să se generalizeze rezultatul obţinut.
18. Fie v.a. independente Xi, i  {1,2,..., n}, Xi  Po(i), i > 0,  i  {1,2,..., n}.
a) Să se determine funcţiile caracteristice ale v.a. X, Y şi X1 + X2 + … + Xn.
b) Să se determine repartiţia v.a. X1 + X2 + … + Xn.
19. Fie v.a. independente Xi, i  {1,2}, Xi  (ni, 2), ni  N*,  i  {1,2}.
20. Fie v.a. independente Xi, i  {1,2}, Xi   (ni), ni  N*,  i  {1,2}.
21. Fie X  N (0,1). Să se determine repartiţia variabilei aleatoare Y = X2.
22. Fie X  N (m,  ) . Să se determine repartiţia variabilei aleatoare  X m
2
Y  
  
n
23. Fie v.a. independente X k  N (0,1), k  1, n . Să se afle repartiţia v.a. Y   X k2
k 1
5
3
k
24. Fie v.a.aleatoare independente X k  N (2  k , 2), k  1, 5 şi Y  k
X k . Să se determine:
k 1
a) densitatea de repartiţie, media, dispersia şi funcţia caracteristică a v.a. Y ;
b) densitatea de repartiţie a variabilei aleatoare X4.
 2 k 1
 şi v.a.
6
 X  k 2
25. Fie v.a.independente
X k  N  k , 2 2  , k  1, 6 Y   k 2 k 1 . Să se determine:
  k 1 2
a) densitatea de repartiţie, media, dispersia şi funcţia caracteristică a v..a. Y
6
26. Fie v.a.independente X k  N (0,1), k  1,15 şi Y   2) . Să se determine:
 (3 X
k 1
k
a) densitatea de repartiţie, media, dispersia şi funcţia caracteristică ale variabilei aleatoare Y

27. Fie v.a. independente X k  N (0,1), k  1,15 şi 15 . Să se determine densitatea de repartiţie, media,
Z   kX k
k 1
dispersia şi funcţia caracteristică ale variabilei aleatoare Z.
5
28. Fie v.a. independente X k  H (3k 1  1), k  1, 5 şi Y  . Să se determine densitatea de repartiţie, media,
 Xk
k 1
dispersia şi funcţia caracteristică ale v.a. Y.
29. Se consideră variabilele aleatoare independente X1  N(4,1) şi X2  N(-3,2).
Să se afle densitatea de repatiţie, media şi abaterea medie pătratică ale v.a. Y = 5 X1 + 3 X2
2
30. Fie v.a. X  N (3, 4) şi  X  3  . Să se afle densitatea de repartiţie, dispersia şi funcţia caracteristică ale
Y  
 4 
v.a. X şi Y.
10.3. VARIABILE ALEATOARE BIDIMENSIONALE
BREVIAR TEORETIC
Definiţia 1. Fie (Ω, K, P) un câmp de probabilitate. O aplicaţie (X, Y) :   R 2 se numeşte variabilă aleatoare
bidimensională (vector aleator) dacă oricare ar fi (x, y)  R 2 avem: {  X () < x, Y() < y }  K.
 În cazul în care componentele X, Y sunt v.a. discrete cu o mulţime finită de valori,
 ( xi , y j ) 
repartiţia vectorului aleator (X, Y) se poate reprezenta sub forma: ( X , Y ) :  
 sau sub forma tabelului:
 p ij  ij11,,mn
Y y1 y2  yj  yn pi
X
x1 p11 p12  p1 j  p1n p1
x2 p21 p22  p2 j p2 n p2
     
xi pi1 pi 2  pij  pin pi
     
xm pm1 pm2  pmj  pmn pn
qj q1 q2  q j  qm 1
n m
unde pij  P ( X  xi , Y  y j ) , i  1, m, j  1, n , pi   pij , i  1, m , q j   pij , j  1, n ,
m n j 1 i 1
cu condiţiile: 1) pij  0,  i  1, m, j  1, n şi 2)   pij  1

i 1 j 1
Repartiţiile marginale sunt repartiţiile variabilelor care compun vectorul (X, Y)

 xi 
Repartiţia variabilei aleatoare X condiţionată de evenimentul (Y = yj), j 1, n , este: X / Y  y j :  
 P 
X  xi Y  y j
 
i 1,m
 yj 
Repartiţia variabilei aleatoare Y condiţionată de evenimentul (X = xi), i 1, m , este: Y / X  xi :  
  
 P Y  y j X  xi  j 1,n
 În cazul în care componentele X, Y sunt v.a. continue, repartiţia vectorului aleator (X, Y) se reprezintă sub forma:
 ( x, y )  , unde f : R  R se numeşte densitatea de repartiţie a vectorului aleator (X, Y)
2
( X , Y ) :    
 f ( x, y )    f ( x, y)dxdy  1
şi verifică următoarele condiţii: 1) f(x, y)  0,  (x, y) R2 şi 2) 
Densităţile marginale se definesc astfel:
 
f X : R  R, f X ( x)   f ( x, y)dy ;

fY : R  R, fY ( y)   f ( x, y)dx

f ( x, y )
Densitatea de repartiţie a variabilei alea v.a. X condiţionată de evenimentul Y = y este: f X Y ( x y)  , pentru y 
f Y ( y)
R astfel încât fY (y)  0.
f ( x, y )
Densitatea de repartiţie a v.a. Y condiţionată de evenimentul X = x este: f Y X ( y / x)  ,
f X ( x)
pentru x  R astfel încât fX (x)  0.
Funcţia de regresie a v.a. X în raport cu Y este aplicaţia RX : Y () R, RX (y) = M (X / Y = y).
În cazul discret, funcţia de regresie se poate reprezenta sub formă sintetică astfel:
y ( y j ) j 1,n
RX (y) (M ( X Y  y j )) j 1,n
Funcţia de regresie a v.a. Y în raport cu X este aplicaţia RY : X () R, RY (x) = M (Y / X = x).

În cazul discret, funcţia de regresie se poate reprezenta sub formă sintetică astfel:
x ( xi ) i 1, m
RY (x) (M (Y X  xi )) i 1,m
Definiţia 2. Se numeşte funcţia de repartiţie a v.a. bidimensionale (X,Y) aplicaţia

F : R2  [0,1], F(x, y)=P (X < x, Y < y)
Definiţia 3. Se numeşte covarianţa v.a. X şi Y numărul: cov (X, Y) = M(XY ) - M(X )M(Y ).
Definiţia 4. Variabilele aleatoare X şi Y se numesc necorelate dacă cov (X, Y) = 0.
Definiţia 5. Se numeşte coeficient de corelaţie al variabilelor aleatoare X şi Y numărul:
cov( X , Y ) M ( XY )  M ( X )  M (Y )
 ( X ,Y )  
 ( X )   (Y )  ( X )   (Y )
Propoziţie. Oricare ar fi variabilele aleatoare X şi Y cu D 2(X) D 2(Y)  0, atunci:
1) ρ (X, Y) = 0 dacă şi numai dacă v.a. X şi Y sunt necorelate.
2) Dacă X, Y sunt v.a. independente, atunci ρ (X, Y) = 0.
3) | ρ (X, Y) | ≤ 1.
4) Dacă | ρ (X, Y) | = 1, atunci între X şi Y există o relaţie de dependenţă liniară.
Definiţia 5. Se numeşte moment iniţial de ordinul (r, s) al v.a. bidimensionale (X, Y) numărul (dacă există):
  xir y sj pij , dacă X, Y v.a. discrete
 iI jJ
mr , s  M r, s ( X ,Y )    
   x r y s f ( x, y ) dxdy , dacă X, Y v.a. continue

Definiţia 6. Se numeşte moment centrat de ordinul r, s al v.a. bidimensionale (X, Y) numărul (dacă există):

 r , s  X , Y   M  X  M  X r Y  M Y s 
Definiţia 7. Dacă funcţia de regresie a v.a. Y în raport cu v.a. X este liniară, adică RY (x) = aX + b, atunci dreapta de
regresie a lui Y în raport cu X este: y  M Y     X , Y   Y  x  M  X 
 X 
PROBLEME REZOLVATE
1. Fie v.a. independente X, Y definite pe acelaşi câmp finit de probabilitate (Ω, K, P), având repartiţiile
 1 2  şi   1 2 3  . Se cere repartiţia v.a. bidimensionale Z=(X,Y).
X :   Y :  
 0,3 0,7   0,4 0,2 0,4 
Rezolvare:
Deoarece v.a. X, Y sunt independente, rezultă:

P(X = xi, Y = yj) = P(X = xi)  P(Y = yj),  i{1,2}, j  {1,2,3}. Prin urmare,
P(X = 1, Y = -1) = P(X = 1)  P(Y = -1) = 0,3 0,4 = 0,12 şi analog obţinem:
P(X = 1,Y = 2) = 0,06; P(X = 1,Y = 3)= 0,12; P(X = 2,Y = -1)= 0,28; P(X = 2,Y = 2)= 0,14; P(X = 2,Y = 3)=0,28
Astfel rezultă repartiţia comună a vectorului aleator Z=(X,Y):
-1 2 3 pi
X Y
1 0,12 0,06 0,12 0,3
2 0,28 0,14 0,28 0,7
qj 0,4 0,2 0,4 1
Din repartiţia comună a v.a. X, Y se deduce repartiţia v.a.  (1,1) (1,2) (1,3) (2,1) (2,2) (2,3) 
Z  ( X , Y ) :  
 0,12 0,06 0,12 0,28 0,14 0,28 
2. Variabilele aleatoare X, Y au următoarea repartiţie comună:
X Y 0 1 2
-1 0,3 0,2 0,1
1 0,15 0,1 0,15
a) Să se determine repartiţiile marginale.
b) Să se stabilească dacă v.a. X, Y sunt independente.
c) Să se determine repartiţiile v.a. A = X + Y, B = 3X, C = Y 3, D = Y + Y 2, E = XY.
Rezolvare:
a) Din datele problemei deducem tabelul complet al repartiţiei comune:

0 1 2 pi
X Y
-1 0,3 0,2 0,1 0,6
1 0,15 0,1 0,15 0,4
qj 0,45 0,3 0,25 1
Obţinem repartiţiile marginale: 1 1   0 1 2 
X :   ; Y :  
 0,6 0,4   0,45 0,3 0,25 
b) V.a. X, Y sunt independente dacă P(X = xi, Y = yj) = P(X = xi)  P(Y = yj),  i{1,2}, j  {1,2,3}.
Avem P(X = -1, Y = 0) = 0,3 şi P(X = -1)  P(Y = 0) = 0,6 0,45 = 0,27, deci X, Y sunt v.a. dependente.
c)  1 0 1 1 2 3   1 0 1 2 3 
A  X  Y :     
 0,3 0,2 0,1 0,15 0,1 0,15   0,3 0,2 0,1  0,15 0,1 0,15 
 3 3   0 1 8   00 2
11 2
22   0
2
2 6 
B  3 X :   ; C  Y 3 :   ; D  Y  Y 2 :    
 
 0,6 0,4   0,45 0,3 0,25   PY  0 PY  1 PY  2  0,45 0,3 0,25 
 0 1  2 0 1 2   2 1 0 1 2 
E  X  Y :     
 0,3 0,2 0,1 0,15 0,1 0,15   0,1 0,2 0,3  0,15 0,1 0,15 
5. Se consideră v.a. X, Y având repartiţia comună dată în următorul tabel:
X Y -1 0 1 pi
-1 0,08 0,17 0,05 0,3
0 0,11 0,26 0,13 0,5
1 0,05 0,05 0,10 0,2
qj 0,24 0,48 0,28 1
a) Să se scrie repartiţiile marginale.
b) Să se afle coeficientul de corelaţie al v.a. X şi Y;
c) Să se calculeze covarianţa v.a. U = 3X – 2Y şi V = X + 4Y.
Rezolvare:
a) Repartiţiile marginale sunt 1 0 1   1 0 1 
X :   ; Y :  
 0,3 0,5 0,2   0,24 0,48 0,28 
b) Coeficientul de corelaţie este:  ( X , Y )  cov ( X , Y )  M ( XY )  M ( X )  M (Y )
 ( X )   (Y )  ( X )   (Y )
3 3
M ( X )   xi pi  (1)  0,3  0  0,5  1  0,2  0,1; M (Y )   y j q j  (1)  0,24  0  0,48  1  0,28  0,04 ;
i 1 j 1
3
M 2 ( X )  M ( X 2 )   xi2 pi  (1) 2  0,3  0 2  0,5  12  0,2  0,5 ;
i 1
D( X )  M ( X 2 )  M 2 ( X )  0,5  0,01  0,49   ( X )  D( X )  0,7 ;

3
M 2 (Y )  M (Y 2 )   y 2j q j  (1) 2  0,24  0 2  0,48  12  0,28  0,52 ;
j 1
D(Y )  M (Y 2 )  M 2 (Y )  0,52  0,0016  0,5184   (Y )  D(Y )  0,72

3 3
M ( XY )   xi y j pij  (1)  (1)  0,08  (1)  0  0,17  (1)  1  0,05 
i 1 j 1
+ 0(-1)0,11 + 000,26 + 010,13 + 1(-1)0,05 + 100,1 = 0,08
M ( XY )  M ( X )  M (Y ) 0,08  (0,1)  0,04
 ( X ,Y )    0,167
 ( X )   (Y ) 0,7  0,72
c) cov(U, V) = cov(3X – 2Y, X + 4Y) = M[(3X – 2Y)( X + 4Y)] - M(3X – 2Y) M( X + 4Y) = 3M(X 2) + 10 M(XY) -
- 8M(Y 2) – 3M 2(X) - 10 M(X) M(Y) + 8M 2(Y) = 1,5 + 0,8 – 4,16 – 0,03 + 0,004 + 0,0128 = -1,8732.
6. Fie X, Y v.a. discrete având repartiţia comună dată în tabelul incomplet de mai jos:
pi
X Y -1 0 1
-1 0,2 0,6
1 0,1
qj 0,3 0,3
a) Să se scrie repartiţiile v.a. X, Y şi repartiţia comună a v.a. X, Y .
b) Să se determine repartiţiile v.a. A = min(X, Y), B = X + Y şi repartiţia comună a v.a. A, B
c) Să se scrie repartiţiile v.a. X / Y = 1 şi Y / X = 1, | Y |, X / (Y + 2).
Rezolvare:
a) Impunând condiţiile 2 3 3 2 obţinem:

p
i 1
i  1, q
j 1
j  1, p j 1
ij  pi ,  i  1,2,  pij  q j ,  j  1,3 ,
11
p1 + p2 = 1  p2 = 0,4; q1 + q2 + q3 = 1  q2 = 0,4; p11 + p21 = 0,3  p21 = 0,1; p12 + p22 = 0,4  p12 = 0,3;
p11 + p12 + p13 = 0,6  p13 = 0,1; p13 + p23 = 0,3  p23 = 0,2.
Rezultă repartiţiile  1 1   1 0 1  şi repartiţia comună a v.a. (X, Y)
X :   ; Y :  
 0,6 0,4   0,3 0,4 0,3 
X Y -1 0 1 pi
-1 0,2 0,3 0,1 0,6
1 0,1 0,1 0,2 0,4
qj 0,3 0,4 0,3 1
b) 1 1 1 1 0 1  1 0 1 
A  min ( X , Y ) :     
 0,2 0,3 0,1 0,1 0,1 0,2   0,7 0,1 0,2 
  2 1 0 0 1 2    2 1 0 1 2 
B  X  Y :     0,2 0,3 0,2 0,1 0,2 
 0 , 2 0 ,3 0,1 0,1 0,1 0, 2   
Pentru determinarea repartiţiei comune a v.a. A, B procedăm în felul următor:
Y -1 0 1
X
-1 A = min (-1,-1) = -1 A = min (-1,0) = -1 A = min (-1,1) = -1
B = -1 + (-1) = -2 B = -1 + 0 = -1 B = -1 + 1 = 0
1 A = min (1,-1) = -1 A = min (1,0) = 0 A = min (1,1) = 1
B = 1 + (-1) = 0 B=1+0=1 B=1+1=2
P(A = -1, B = -2) = P(X = -1, Y = -1) = 0,2; P(A = -1, B = -1) = P(X = -1, Y = 0) = 0,3;
P(A = -1, B = 0) = P(X = -1, Y = 1) = 0,1; P(A = -1, B = 1) = P() = 0;
analog se calculează celelalte probabilităţi şi rezultă că repartiţia comună este:
A B -2 -1 0 1 2 pi
-1 0,2 0,3 0,2 0 0 0,7
0 0 0 0 0,1 0 0,1
1 0 0 0 0 0,2 0,2
qj 0,2 0,3 0,2 0,1 0,2 1
c)   1 1  , unde:
X Y  1 :  
 1  2 
P X  1  Y  1 0,1 1 P X  1  Y  1 0,2 2
 1  P X  1 Y  1    ;  2  P X  1 Y  1    ;
P(Y  1) 0,3 3 P(Y  1) 0,3 3
obţinem:  1
1 ;  1 0 1 ;
X Y  1:  1
 Y X  1 : 
  
  1  2 3 
2
 3
3
PY  1   X  1 0,2 1 ; PY  0   X  1 0,3 1
1  PY  1 X  1     2  PY  0 X  1   
P( X  1) 0,6 3 P( X  1) 0,6 2
PY  1   X  1 0,1 1
 3  PY  1 X  1   
P( X  1) 0,6 6
Deci  1 0 1 1 0 1   0 1 ;
  Y :     
Y X  1 :  1 1 ;

1
  0,3 0,4 0,3  0,4 0,6 
 3 2 6
 1 1 1 1 1 1   1  1  1 1 1 1 
X  1 2 0  2 1 2 1 2 0  2 1 2    2 3 3 2
:
Y  2  0,2 0,2   0,2 0,1 0,1
 0,3 0,1 0,1 0,1  0,3 0,1 0,2
7. Fie v.a. X, Y , unde  1 1   0 1  . Fie k = P(X = -1, Y = 0).

X :   , Y :  
 0,7 0,3   0,4 0,6 
a) Să se scrie tabelul comun al repartiţiei v.a. X, Y.
b) Să se determine parametrul real k astfel încât v.a. X, Y să fie necorelate.
c) Pentru k determinat la punctul b), să se stabilească dacă v.a. X, Y sunt independente.
Rezolvare:
a)
X Y 0 1 pi
-1 k 0,7 - k 0,7
1 0,4 - k k – 0,1 0,3
qj 0,4 0,6 1
k  0
Din condiţiile: 1) p  0,  i, j  1,2 şi 2) 2 2 obţinem: 0,7  k  0
ij   pij  1 
1)    0,1  k  0,4
i 1 j 1
0,4  k  0
k  0,1  0
2)  k + 0,7 – k + 0,4 – k + k - 0,1 = 1, relaţie care se verifică,  k  R .
Repartiţia comună a v.a. X, Y este cea din tabelul de mai sus, cu condiţia k  [0,1; 0,4].
b) V.a. X, Y sunt necorelate dacă: cov(X, Y) = 0  M (XY) - M (X)M (Y) = 0.
2 2
M ( X )   xi pi  (1)  0,7 1  0,3  0,4 ; M (Y )   y j q j  0  0,4  1  0,6  0,6 ;
i 1 j 1
2 2
M ( XY )   xi y j pij  (1)  0  k  (1)  1  (0,7  k )  1  0  (0,4  k )  1  1  (k  0,1)  2k  0,8
i 1 j 1
M (XY) - M (X)M (Y) = 0  2k – 0,8 + 0,24 = 0  k = 0,28  [0,1; 0,4].

c) Pentru valoarea determinată a parametrului k obţinem tabelul repartiţiei comune:
0 1 pi
X Y
-1 0,28 0,42 0,7
1 0,12 0,18 0,3
qj 0,4 0,6 1
Avem: P(X = -1, Y = 0) = 0,28 = P(X = -1)  P(Y = 0); P(X = -1, Y = 1) = 0,42 = P(X = -1)  P(Y = 1);
P(X = 1, Y = 0) = 0,12 = P(X = 1)  P(Y = 0); P(X = 1, Y = 1) = 0,18 = P(X = 1)  P(Y = 1).
Din aceste relaţii rezultă, conform definiţiei, că v.a. X, Y sunt independente.
8. Fie variabila aleatoare bidimensională Z = (X,Y) :
Y -1 0 2 pi
X
-2 0,2 0,3 0,1 0,6
1 0,1 0,1 0,2 0,4
qj 0,3 0,4 0,3 1
Să se calculeze funcţiile de regresie RY (x) şi RX (y).
Rezolvare:
Funcţia de regresie a v.a. Y în raport cu X este: RY (x) = M (Y / X = x).
Calculăm repartiţiile condiţionate ale v.a. Y în raport cu X:  1 0 2 
Y X  2 :  
 1 2  3 
PY  1   X  2 0,2 1
1  PY  1 X  2   
P X  2 0,6 3
PY  0   X  2 0,3 1
 2  PY  0 X  2   
P X  2 0,6 2
PY  2   X  2 0,1 1

 3  PY  2 X  2   
P X  2 0,6 6
1 0 2
 ; M Y X  2  (1)   0   2   0
Rezultă: 1 1 1
Y X  2 :  1 1 1
 3 2 6 3 2 6
Analog obţinem: Y X  1 :   1 0 2
 ; M Y X  1  (1)   0   2   ;
1 1 1 3
 1 1 1
 4 4 2 4 4 2 4
Obţinem funcţia de regresie a v.a. Y în raport cu X:

x -2 1
RY (x) 0 3/4
Funcţia de regresie a v.a. X în raport cu Y este: RY (x) = M (X / Y = y).
Calculăm repartiţiile condiţionate ale v.a. X în raport cu Y :  2 1
X Y  1 :  
 2 
 1
P X  2  Y  1 0,2 2 P X  1  Y  1 0,1 1
1  P X  2 Y  1    ;  2  P X  1 Y  1   
P(Y  1) 0,3 3 P(Y  1) 0,3 3
Obţinem:  2 1 ; şi analog:
 M  X Y  1  (2)   1   1
2 1
X Y  1 :  2
 1 3 3
 3 3
 2 1 ;
 M  X Y  0  (2)   1   
3 1 5
X Y  0: 3
 1  4 4 4
 4 4
 2 1 ;
 M  X Y  2  (2)   1   0
1 2
X Y  2: 1
 2 3 3
 3 3
Rezultă că funcţia de regresie a v.a. X în raport cu Y este:
y -1 0 2
RX (y) -1 -5/4 0
9. Fie v.a.  1 2 3 ,  1 2  . Ştiind că P (X = 1, Y = 1) = 0,04, să se determine valoarea minimă şi

X :   Y :  0,6 0,4 
 0,25 0,14 0,61  
valoarea maximă a coeficientului de corelaţie al celor două v.a.
Rezolvare:
Alcătuim tabelul repartiţiei comune. Notăm P (X = 2, Y = 1) = a şi cunoscând probabilităţile marginale şi
P (X = 1, Y = 1) = 0,4 calculăm celelalte probabilităţi.
Y 1 2 pi
X
1 0,04 0,21 0,25
2 a 0,14 - a 0,14
3 0,56 – a a + 0,05 0,61
qj 0,6 0,4 1
a  0
Din condiţiile p  0,  i  1,3, j  1,2 obţinem: 0,14  a  0
ij 
  a  [0; 0,14]
0,56  a  0
a  0,05  0
M ( XY )  M ( X )  M (Y )
 ( X ,Y ) 
 ( X )   (Y )
3
M ( X )   xi pi  1  0,25  2  0,14  3  0,61  2,36
i 1
3
M ( X )   xi2 pi  12  0,25  2 2  0,14  3 2  0,61  6,3
2
i 1
D( X )  M ( X 2 )  M 2 ( X )  6,3  2,36 2  0,7304   ( X )  D( X )  0,85
2
M (Y )   y j q j  1  0,6  2  0,4  1,4
j 1
2
M (Y )   y 2j q j  12  0,6  2 2  0,4  2,2
2
j 1
D(Y )  M (Y 2 )  M 2 (Y )  2,2  1,96  0,24   (Y )  D(Y )  0,48
3 2
M ( XY )   xi y j pij  1  1  0,04  1  2  0,21  2  1  a  2  2  (0,14  a)  3  1  (0,56  a)  3  2  (a  0,05)  a  3
i 1 j 1
a  0,3 ; cum a  [0; 0,14], rezultă că:

 (X ,Y) 
0,85  0,48
max ρ(X, Y) se obţine pentru a = 0,14 şi are valoarea max ρ(X, Y) = - 0,392;
min ρ(X, Y) se obţine pentru a = 0 şi are valoarea min ρ(X, Y) = - 0,735.
10. Fie v.a.bidimensională discretă Z = (X,Y) a cărei repartiţie este dată în tabelul:
Y pi
b-2 b -1 b b+1
X
a-1 2/24 1/24 9p
a 1/24 8p
a+1 1/24 4/24 1/24 7p
qj 6q 7q 8q 3q 1
unde a, b  N ; p, q  R . Ştiind că M(3X2 – 12X) = 3 şi D (6Y - 4) = M2(6Y ) - 4, să se determine:
b) repartiţia variabilei aleatoare Y;
c) repartiţia comună a v.a. X şi Y şi repartiţiile marginale;
d) coeficientul de corelaţie al v.a. X şi Y.
Rezolvare:
a) Avem: M(3X2 – 12X) = 3  3M(X2) – 12 M(X) = 3.
Din tabelul repartiţiei comune deducem că repartiţia v.a. X este:  a 1 a a  1 ; din condiţiile p  0 şi
X :  
 9 p 8 p 7 p 
9p + 8p +7p = 1 rezultă p = 1/24. Obţinem  a 1 a a  1
X : 9 
 8 7 
 24 24 24 
3
M ( X )   xi pi  (a  1)  249 a  248  (a  1)  247  a  121 ;
i 1
3
M ( X 2 )   xi2 pi  (a  1) 2  249 a 2  248  (a  1) 2  247  a 2  16 a  23 . Rezultă:
i 1
   
3M X 2  12M  X   3  3 a 2  16 a  23  12a  121   3  3a 2  25
2
a  3  3  a1  0, a2  25
6
Deoarece a  N, convine numai soluţia a = 0. Deducem că repartiţia v.a. X este  1 0 1 
 
X : 9 8 7 
 
 24 24 24 
b) Avem: D (6Y - 4) = M2(6Y ) - 4
Din tabelul repartiţiei comune deducem că repartiţia v.a. Y este: b  2 b 1 b b  1 ;
Y :  
 6q 7q 8q 3q 
din condiţiile q  0 şi 6q + 7q + 8q + 3q = 1 rezultă q = 1/24, prin urmare b  2 b 1 b b  1
Y : 6 
 7 8 3 
 24 24 24 24 
4
6 7 8 3 2
M (Y )   y j q j  (b  2)   (b  1)  b  (b  1)  b ;
i 1 24 24 24 24 3
4
6 7 8 3 4 17
M (Y 2 )   y 2j q j  (b  2) 2  (b  1) 2   b2   (b  1) 2   b2  b 
i 1 24 24 24 24 3 12
D(Y )  M (Y 2 )  M 2 (Y )  b 2  43 b  17  (b  23 ) 2  35
 D(6Y  4)  36D(Y )  35
 
12 36
M 2 (6Y )  M 6Y   M 36Y

2
 2
  36M Y   36b
2 2
 48b  51 . Rezultă:
D6Y  4  M 2 6Y   4  35  36b  48b  51  4  36b 2  48b  12  0  b1  1, b2  1/ 3
2
Deoarece b N, convine numai soluţia b = 1. Deducem că repartiţia v.a. Y este  1 0 1 2

 
Y : 6 7 8 3 
 
 24 24 24 24 
c) Folosind rezultatele obţinute la punctele precedente, obţinem:
Y b -2 b -1 b b+1 pi
X
a-1 2/24 1/24 9/24
a 1/24 8/24
a+1 1/24 4/24 1/24 7/24
qj 6/24 7/24 8/24 3/24 1
Din condiţiile ca tabelul să reprezinte repartiţia comună a v.a. X şi Y obţinem:
7 6 1 6 2 4
p31  p3  ( p32  p33  p34 )    ; p11  q1  ( p21  p31)   
24 24 24 24 24 24
analog rezultă: p22 = 4/24; p13 = 2/24; p23 = 2/24; p24 = 1/24. Repartiţia comună a variabilelor aleatoare X şi Y este:
Y
-1 0 1 2 pi
X
-1 4/24 2/24 2/24 1/24 9/24
0 1/24 4/24 2/24 1/24 8/24
1 1/24 1/24 4/24 1/24 7/24
qj 6/24 7/24 8/24 3/24 1
d)  ( X , Y )  M ( XY )  M ( X )  M (Y ) ; folosind calculele realizate la punctele a) şi b), deducem:
 ( X )   (Y )
1
12
1
12
1
6
2 2;
M ( X )  a    ; M ( X 2 )  a2  a  
3 3
D X   M X 2  M 2  X  
95
144
 
; M (Y )  b   ; DY  
2 1
3 3
35
36
3 4
5 . Obţinem:
5
 121  13
M ( XY )   xi y j pij  (X ,Y )   17  72  0,2948
24
72 5 133
i 1 j 1 24 95
144
 36
35
11. Fie v.a. bidimensională continuă Z = (X,Y) având densitatea de repartiţie

k ( x  y  1), ( x, y )  1,2 0,1
f ( x, y)   ; kR
 0, ( x, y)  1,2 0,1
a) Să se determine parametrul k;
b) Să se calculeze densităţile de repartiţie marginale;
c) Să se verifice dacă variabilele aleatoare X, Y sunt independente;
d) Să se determine funcţia de repartiţie a variabilei aleatoare Z;
e) Să se determine densităţile de repartiţie condiţionate;
f) Să se calculeze P ({ / Z ()  A}), unde A = [1, 3/2]  [0, 1/2];
g) Să se determine funcţia de regresie a v.a. X în raport cu v.a. Y.
Rezolvare:
a) Punem condiţiile ca f să fie densitatea de repartiţie a unei v.a. bidimensionale continue:
1) f ( x, y)  0,  x, y   R 2 ; 2)   . Din condiţia 1) rezultă k  0;
  f ( x, y)dxdy  1
 
  1 2
  
1 2

  f ( x, y ) dxdy  0  1
 k ( x  y  1)dx 


dy  k    ( x  y  1)dx dy 

01


   
1 2 1 2 1
 k  x  xy  x dy  k  5  y dy  k  5 y    2k
y2
0
2
0
2 2 2 
0
1
Din condiţia 2) obţinem k = 1/2 şi prin urmare  1 ( x  y  1), ( x, y )  1,2 0,1

f ( x, y )   2

 0, ( x, y )  1,2 0,1
b) Fie fX , fY densităţile de repartiţie ale v.a. X, Y (densităţile marginale).


f X : R  R, f X x    f ( x, y )dy

xy  
0 1 
f X x    0 dy  12  x  y  1dy   0 dy 
1
Pentru x  [1,2] avem: y2
1
2 2
y  2 x 1
4
0
 0 1
  2 x 1 , x  1, 2
Pentru x  [1,2] rezultă
f X x    0 dy  0 . Obţinem f X : R  R, f X x    4
  0, x  1, 2

f Y : R  R, f Y  y    f ( x, y )dx

 
1 2  2 52 y
Pentru y  [0,1] avem: f Y  y    0 dx  12  x  y  1 dx   0 dx  12 x2  xy  x  4
2
1
 1 2

Pentru y [0,1] rezultă f  y   . Obţinem
Y  0 dx  0

 5 2 y
 , y  0,1
f Y : R  R, f Y  y    4

 0 , y  0, 1
c) V.a. X, Y sunt independente dacă f(x, y) = f(x)  f(y),  x, y  R.
Observăm că această condiţie nu este îndeplinită, prin urmare v.a. X, Y sunt dependente.
x y
F : R 2  R, F x, y     f u, v  du dv
d)
 
Pentru x  (-, 1] sau x  (-, 0] rezultă F (x, y) = 0.
Pentru x  (1, 2] şi y  (0, 1] rezultă
x
 
yx y x  y 2
F x, y     12 (u  v  1)dudv  12    (u  v  1)du dv  12  u2  uv  u dv 
 
01 01  0 1
   
y 2 y
2 2 2 x 2 y  xy 2  2 xy  y 2  3 y
 1  x  xv  x  3  v dv  1 x v  x v  xv  3 v  v 
2 2 2 2 2 2 2 2 0 4
0
 
1 x x
Pentru x  (1, 2] şi y  (1, ) rezultă 1x  1
F x, y     1 (u  v  1) dudv  1    (u  v  1)du dv  1 u2  uv  u dv 
2 2   2 2
01 0 1  0 1
1
2
  2 2

 1  x  xv  x  3  v dv  1 x v  x v  xv  3 v  v
2 2 2 2 2 2 2 2
2
 10  x 4x  2
2
0
Pentru x  (2, ) şi y  (0, 1] rezultă
2
2 
   (u  v  1)du dv      
y 2 y y y
F x, y     12 (u  v  1)dudv    v dv 

y
5 y y2
u2
 uv  u dv  v  v2 
2
1 1 1 5 1 5
2 2 2 2 2 2 2 0 4
0 1 0 1 0 1 0
Pentru x  (2, ) şi y  (1, ) reyultă că F(x, y) = 1. Am obţinut că funcţia de repartiţie a v.a. Z = (X,Y) este:
 0, x, y   ,1  R sau R  - ,0

 2
 x y  xy  2 xy  y  3 y ,
2 2
x, y  1, 2x0, 1
 4

 5y  y2
F  x, y    , x, y  2,    0, 1
 4
 x2  x  2
 , x, y  1, 2  2,  
 4

 1, x, y  2,    1,  
e) Densitatea de repartiţie a v.a. X condiţionată de evenimentul Y = y este:

f x, y  , pentru y  [0,1], adică  2x  y  1
f X Y x y    , x  1,2 şi y  [0,1]
f X Y x y    5  2 y
fY ( y)

 0, x  1,2
Densitatea de repartiţie a v.a. Y condiţionată de evenimentul X = x este:
2 x y 1
f x, y  , pentru x  [1,2], adică 
 , y  0,1 şi x [1,2]
fY X  y x  f Y X  y x    2 x1
f X ( x) 
 0, y  0,1
1 3
2 2
P / Z ( )  A   f x, y dxdy  
1
 2 ( x  y  1)dxdy 
f)
A 0 1
3
 1 3
 1 2 1 1
1  2 2  1  x2 2
 1 29 y 19 y2  2
7
    ( x  y  1)dx dy     xy  x  dy      dy   y   
2 01  2 0 2 0 2 08 2 28 2  0
32
 
g) Pentru y  [0, 1], avem:
2

2( x  y  1) 2  x3 x2 x2  23  27 y
2
R X ( y)  M ( X / Y  y) 

 x  f ( x / y)dx   x 
1
5  2 y
dx 
5  2 y
 
 3 2
y   
2  1 3(5  2 y)
,
prin urmare 23  27 y pentru y  [0, 1].

R X ( y)  ,
3(5  2 y )
12. Fie v.a. bidimensională continuă Z = (X,Y) a cărei densitate de repartiţie este
ke2 x 3 y , ( x, y)  0,   0,   . Să se determine:
f ( x, y)   ; kR
 0, ( x, y)  0,   0,  
a) parametrul k;
b) densităţile de repartiţie marginale;
c) să se studieze dacă variabilele aleatoare X, Y sunt independente;
d) coeficientul de corelaţie al variabilelor aleatoare X, Y .
Rezolvare:
a) Punem condiţiile ca f să fie densitatea de  repartiţie a unei v.a. bidimensionale
continue: 1) f(x, y)  0,  (x, y) R2 şi 2)   f ( x, y )dxdy  1. Din condiţia 1) rezultă k ≥ 0;

 
      
 f ( x, y)dxdy    ke  2 x 3 y
dxdy  k  e 2 x dx   e3 y dy  k  12  et dt  13  e v dv  k  16 1  1  k
6
 0 0 0 0 0 0
Din condiţia 2) obţinem k = 6 şi deci 6e 2 x 3 y , ( x, y )  0,   0,  

f ( x, y )   ;
 0, ( x, y )  0,   0,  
b) Fie fX , fY densităţile de repartiţie ale v.a X, Y (densităţile marginale). Avem: 
f X : R  R, f X x    f ( x, y )dy


Pentru x  (- , 0] rezultă
f X x    0 dy  0

Pentru x  (0, ) avem: 0 
, deci 2e 2 x , x  0,  
f X x    0 dy  6 e  2 x 3 y dy  2e  2 x f X : R  R, f X x   
 0  0, x  0,  

f Y : R  R, f Y  y    f ( x, y )dx


Pentru y  (- , 0] rezultă
f Y  y    0 dx  0


3e 3 y , y  0,  
0
Pentru y  (0, ) avem:
f Y  y    0 dx  6 e  2 x 3 y dx  3e 3 y f Y : R  R, f Y  y   
 0 , deci  0, y  0,  
c) V.a. X, Y sunt independente dacă f (x, y) = f (x)  f (y),  x, y  R.

Observăm că această condiţie este îndeplinită, prin urmare v.a. X, Y sunt independente.
d) Deoarece variabilele aleatoare X, Y sunt independente, rezultă că ρ (X, Y) = 0.
PROBLEME PROPUSE
1. Fie v.a. independente X, Y definite pe acelaşi câmp finit de probabilitate (Ω, K, P), având repartiţiile
  2 1  şi 1 1 3  . Se cere repartiţia v.a. bidimensionale Z = (X, Y).
X :   Y :  
 0,6 0, 4   0,3 0, 2 0,5 
2. Variabilele aleatoare X, Y au următoarea repartiţie comună:
X Y 0 2 3
-1 0,25 0,1 0,15
2 0,15 0,2 0,15
a) Să se determine repartiţiile marginale.
b) Să se stabilească dacă v.a. X, Y sunt independente.
c) Să se determine repartiţiile v.a. A = X + Y, B = 4Y, C = X 4, D = XY, E = Y + Y 2.
3. Se consideră v.a. X, Y având repartiţia comună dată în următorul tabel:

Y -2 -1 2 pi
X
-2 0,08 0,12 0,05 0,25
0 0,12 0,23 0,15 0,5
3 0,05 0,05 0,15 0,25
qj 0,25 0,4 0,35 1
a) Să se scrie repartiţiile marginale.
b) Să se calculeze coeficientul de corelaţie al v.a. X, Y şi covarianţa v.a. U, V, unde U = 3X – 2Y, V = X + 4Y.
4. Se dau v.a.  2 1  ,   1 3  . Fie k = P(X = -2, Y = 3).

X :   Y :  
 0, 4 0,6   0,7 0,3
a) Să se alcătuiască tabelul comun al repartiţiei v.a. X, Y ;
b) Să se determine parametrul real k astfel încât v.a. X, Y să fie necorelate.
c) Pentru k determinat la punctul b), să se stabilească dacă v.a. X, Y sunt independente.
5. Să se determine funcţiile de regresie RY (x) şi RX (y) cunoscând repartiţia v.a. Z=(X,Y):
X Y -2 1 3 pi
-1 0,3 0,1 0,2 0,6
2 0,1 0,2 0,1 0,4
qj 0,4 0,3 0,4 1
6. Fie v.a. X :   1 1 2 , 3 4  . Ştiind că P(X = 1, Y = 4) = 0,05, se cere valoarea minimă şi

 0,15 0,25 0,6  Y :  0,4 0,6 
   
valoarea maximă a coeficientului de corelaţie al celor două v.a.
7. Fie v.a. bidimensională continuă Z = (X,Y) având densitatea de repartiţie este

k ( x  y  1), ( x, y)  0,2  1,1
f ( x, y)   ; k  R . Să se determine:
 0, ( x, y )  0,2  1,1
a) parametrul k, densităţile de repartiţie marginale şi densităţile condiţionate;
b) funcţia de repartiţie a v.a. Z şi P({ / Z()A}), unde A = [1/2, 1]  [-1/2, 1/2].
8. Fie X, Y două variabile aleatoare având următoarea repartiţie comună:

X Y 1 3 pi
-1 k 1/2
1
qj 2/3 1
Să se completeze tabelul dat şi să se studieze independenţa v.a X, Y pentru k = 1/6 şi k = 1/12.
9. Fie X şi Y două v.a. discrete, a căror repartiţie comună este dată în tabelul următor:
X Y b 3a +1 pi
a 3p
b +1 . k 2p
qj 2q 3q 1 unde a, b, k R.
a) Să se determine repartiţiile v.a. X şi Y, ştiind că M(5X +1)=10 şi M(5Y +4)=20.
b) Să se calculeze coeficientul de corelaţie al v.a. X şi Y.
c) Să se determine valoarea parametrului k astfel încât v.a. X şi Y sa fie independente.
d) Să se determine valoarea parametrului k astfel încât v.a. X şi Y sa fie necorelate.
10. Fie v.a. X, Y a căror repartiţie comună este definită în tabelul de mai jos:
Y
X -1 0 2 pi
-1 1/24 1/8 1/4
2 1/4 1/6 1/2
3 1/12
qj 1/6
a) Să se completeze tabelul repartiţiei comune şi să se determine repartiţiile marginale.
b) Să se precizeze dacă v.a. X, Y sunt dependente.
c) Să se determine repartiţiile v.a. X + Y, XY, X .
Y
d) Să se afle coeficientul de corelaţie al variabilelor aleatoare X şi Y.
11. Fie v.a.  0 1  şi  1
1  . Ştiind că P (X = 1, Y = -1) = k, k  R, se cere:
X :   Y :  
1 / 3 2 / 3  1 / 2 
 1/ 2
a) repartiţia v.a. bidimensionale Z = (X,Y) şi coeficientul de corelaţie al v.a. X şi Y ;
c) valorile k  R pentru care v.a. X, Y sunt necorelate; în acest caz să se cerceteze independenţa v.a. X, Y.
12. În cazul v.a bidimensionale Z = (X,Y) având repartiţia de mai jos se cere:
Y -1 0 1
X
-1 0,10 0,15 0,05
0 0,13 0,20 0,17
1 0,02 0,03 0,15
a) coeficientul de corelaţie al variabilelor aleatoare X şi Y ;
b) funcţia de regresie a v.a. X în raport cu Y şi funcţia de regresie a v.a.Y în raport cu X.
13. Să se calculeze P(X > Y) în cazul v.a. bidimensionale Z = (X,Y) având repartiţia:
X Y -1 0 2
0 0,08 0,17 0,05
1 0,11 0,26 0,13
2 0,05 0,05 0,10
14. Fie v.a.  1 2 3  şi  1 2  . Ştiind că P(X = 2, Y = 1) = 0,05 şi P(X = 1, Y = 2) = 0,1 se cer:

X :   Y :  
 0, 25 0, 4 0,35   0,35 0,65 
a) repartiţia variabilei aleatoare Z = X / Y ;
2
b) coeficientul de corelaţie al v.a. X şi Y.
15. Fie X, Y două v.a. discrete având repartiţia comună dată în tabelul de mai jos:
Y -2 -1 1 pi
X
-1 0,1 0,6
3 0,1
qj 0,3 0,3
a) Să se scrie repartiţiile v.a. X, Y, X / Y = -1, Y / X = 3, |Y |, X şi repartiţia comună a v.a. X, Y .
Y 3
b) Să se afle repartiţiile v.a. A = max(X, Y), B = X - Y şi repartiţia comună a v.a. A, B.
16. Fie v.a. bidimensională (X,Y) cu densitatea de repartiţie axy 2 , ( x, y )  [0,1]  [0,2]
h ( x, y )   ; a  R . Se cer:
 0, ( x, y )  [ 0,1]  [ 0, 2]
a) parametrul a, densităţile de repartiţie marginale, densităţile condiţionate şi funcţiile de regresie;
b) F(1/2, 3/2), unde F este funcţia de repartiţie a vectorului aleator (X, Y);
c) coeficientul de corelaţie al v.a. X, Y şi să se studieze inpendenţa v.a. X, Y;
d) covarianţa şi coeficientul de corelaţie al v.a. U, V, dacă U = 5X - 2Y şi V = 4X + 3.
17. Fie v.a. bidimensională continuă Z = (X,Y) a cărei densitate de repartiţie este
1 . Să se determine:
 (2 x  y  2), ( x, y ) [0,1]  [2,2]
h( x, y )  12

 0, ( x, y )  [0,1]  [2,2]
a) densităţile de repartiţie marginale şi densităţile de repartiţie condiţionate;
b) să se cerceteze dacă variabilele aleatoare X, Y sunt independente;
c) funcţia de repartiţie a v.a. Z şi probabilitatea P({ / Z()D}) unde D = [0,1]  [1,2];
d) covarianţa şi coeficientul de corelaţie al v.a. U, V, dacă U = X - 4Y şi V = 2X + 3Y.
18. Fie v.a. bidimensională continuă Z = (X,Y), a cărei densitate de repartiţie este
k (3x  2 y ) e 2 x3 y , ( x, y )  0,    0,  
 . Să se determine:
f ( x, y )   ; kR

 0, ( x, y )  0,    0,  
a) parametrul k şi densităţile de repartiţie marginale;
b) să se studieze dacă variabilele aleatoare X, Y sunt independente;
c) coeficientul de corelaţie al variabilelor aleatoare X, Y.
19. Fie v.a. bidimensională Z= (X,Y) având repartiţia   x, y  

 X , Y  :  1 1 

 a x  
y  
   x, y 2,31,2,3
a) Să se determine repartiţiile marginale, P (X =2Y ) şi ρ (X, Y).
b) Să se verifice dacă variabilele aleatoare X, Y sunt independente.
20. Fie v.a. bidimensională discretă Z = (X, Y) având repartiţia dată în tabelul următor:
Y b3 b2 b 1 b 2b pi
X
a2 5/80 2/80 1/80 1/80 p
a 1 10/80 3/80 2p
a 1 1/80 15/80 10/80 3p
a2 1/80 5/80 10/80 2p
qj q 2q 3q 2q 2q 1
unde a, b  R, b > 0; p, q  R. Ştiind că M (8X +7) = 10 şi M (15Y 2 +25Y) = 29, să se determine:
a) repartiţiile individuale şi repartiţia comună ale v.a. X, Y ;
b) să se studieze dacă X şi Y sunt independente;
c) coeficientul de corelaţie al v.a. X, Y şi dispersiile v.a. X / Y, Y / X = x3 şi X / Y = y2.
21. Fie v.a.  1 2 , 2 4 6  , astfel ca P (X = 1, Y = 2) = 0,1 şi P (X = 2, Y = 4) = 0,3.
X :   Y :  
 0,4 0,6   0,2 0,5 0,3
a) Să se determine funcţiile de regresie.
b) Să se calculeze covarianţa v.a. X, Y şi coeficientul de corelaţie al v.a. A = 2X – 3 şi B = 5X + Y;
c) Să se calculeze mediile şi dispersiile v.a. Y/X, X/Y= 4, Y / X= 2, Y 2– 2Y +3 şi 3X– 4Y .
Legi ale numerelor mari. Teoreme limitǎ 229
CAPITOLUL 11
LEGI ALE NUMERELOR MARI. TEOREME LIMITĂ
BREVIAR TEORETIC
LEGI ALE NUMERELOR MARI
Inegalitatea lui Cebîşev: Dacă X este o v.a. pentru care există M (X) şi D (X), atunci pentru orice ε > 0 are loc
P  : X ( )  M ( X )     1 
inegalitatea: D( X )

2
Teorema lui Cebîşev: Fie ( X ) * un şir de v.a. independente, cu medii finite şi dispersii egal mărginite
n nN
( c > 0 a.î. D (Xk) ≤ c,  k  N* ). Atunci1 n 1 n 

lim P  X k   M ( X k )     1
n 
 k 1
n n k 1 
Teorema lui Bernoulli: Fie α numărul de apariţii ale evenimentului A în n probe independente şi p = P (A). Atunci,
oricare ar fi ε > 0,  
lim P  p     1
n 
n 
Teorema lui Poisson: Dacă într-o succesiune de probe independente probabilitatea de apariţie a evenimentului A în proba
de rang k este pk şi α este numărul de apariţii ale evenimentului A în primele n probe, atunci:
 1 n 
lim P   p k     1
n    n
n k 1 

TEOREME LIMITĂ
Teorema limită centrală (Lindeberg-Levy). Fie ( X n ) * un şir de v.a. independente, identic repartizate, care
nN n
 n 
X
k 1
k  M  X k 
, k 1 
admit momente de ordinul unu şi doi. Dacă se consideră şirul de v.a. (Yn ) nN , Yn 
* , n N *
 n 
  X k 
atunci Yn n  Z  N (0,1) (converge în repartiţie), adică  k 1 
 2
y
1 x 2
lim Fn ( x)  lim P( : Yn ( )  x)   e dy
n n 2 
Teorema Moivre-Laplace. Fie un experiment în care se poate realiza evenimentul A cu probabilitatea p(0,1) sau
evenimentul contrar lui A cu probabilitatea q (deci p + q = 1)
Dacă se repetă de n ori experimentul în aceleaşi condiţii şi se notează cu k numărul de realizări ale evenimentului
y2
A în cele n experimente independente, atunci:  k  np  1 x 
lim P  x 
 2 
e 2 dy
n    npq  
Observaţie. Enunţul poate fi exprimat şi astfel:
Dacă X  Bi(n, p), atunci v.a. normată X  np converge în repartiţie, când n→∞, către Z  N (0,1).
npq
PROBLEME REZOLVATE
1. S-a constatat că numărul de apeluri telefonice efectuate în unitatea de timp (o oră) într-o centrală telefonică poate fi
asimilat cu o variabilă aleatoare X care are media egală cu 40 şi momentul iniţial de ordinul al doilea egal cu 1609 . Să se
găsească o limită inferioară a probabilităţii ca numărul de apeluri înregistrate într-o oră să fie cuprins între 31 şi 49.
Rezolvare:
Vom folosi inegalitatea lui Cebîşev. Din enunţ deducem: M(X) = 40; D(X) = M(X2) - M2(X) = 1609 – 1600 = 9
Probabilitatea a cărei limită inferioară se cere se mai poate scrie astfel:
P(31  X  49)  P(31  40  X  40  49  40)  P(9  X  M ( X )  9)  P X  M ( X )  9
230 Matematici aplicate în economie - culegere de probleme

Aplicând inegalitatea lui Cebîşev rezultă: P(31  X  49)  P X  M ( X )  9  1  9 
92
Am obţinut P(31 < X < 49) ≥ 0,88, deci o limită inferioară a probabilităţii este 0,88.
2. S-a observat că, în medie, din 5 persoane care se adresează unei agenţii de turism, două cumpără bilete de la acea
agenţie şi trei nu cumpără.
a) Să se determine probabilitatea ca, din 300 de persoane care se adresează agenţiei într-o săptămână, numărul celor care
cumpără bilete să fie cuprins între 90 şi 150.
b) Să se determine o margine inferioară a probabilităţii de la punctul precedent.
c) Să se determine o margine inferioară a probabilităţilor ca numărul persoanelor care cumpără bilete să fie cuprins
între: i) 80 şi 140; ii) 70 şi 135.
Rezolvare:
a) Notăm cu X v.a. ce indică numărul de persoane din cele 300 care cumpără bilete. Deoarece probabilitatea ca o
persoană să cumpere bilete este constantă, rezultă că v.a. X are o repartiţie binomială,
X  Bi (n = 300, p = 2/5), de forma  k 

X :  k 2 k 3 300 k 
C     
 300 5 5 k  0,300
149
k
P(90  X  150)  P(91  X  149)   C300 2
5 5

k 3 300  k
k  91
Observăm că valoarea exactă a probabilităţii găsite mai sus este greu de calculat.
b) Avem: M ( X )  n  p  300  2  120 ; D( X )  n  p  q  300  2  3  72

5 5 5
O margine inferioară a probabilităţii de la punctul precedent se poate găsi folosind inegalitatea lui Cebîşev. Astfel:
P 90  X  150  P 90  120  X  120  150  120  P  30  X  M ( X )  30 
 P X  M ( X )  30   1   0,92 , deci P 90  X  150  0,92 .

D( X ) 72
 1
30 2 900
Am obţinut astfel că o margine inferioară a probabilităţii din enunţ este 0,92, adică probabiliatea ca, din 300 de persoane
care vizitează agenţia într-o săptămână, numărul celor care cumpără bilete să fie cuprins între 90 şi 150 este cel puţin 0,92.
c) i) P 80  X  140  P(100  X  140)  P(100  120  X  120  140  120) 
 P 20  X  M ( X )  20  P X  M ( X )  20  1 

D( X )
 0,82
20 2
ii) P 70  X  135  P(105  X  135)  P(105  120  X  120  135  120) 
 P 15  X  M ( X )  15  P X  M ( X )  15  1 

D( X ) 72
1  0,68
15 2 225
 1
3. Variabila aleatoare X are densitatea de repartiţie  ( x  x 2 ) a 1 , x  (0,1)
f ( x)    a, a  , a0
 0 , x  (0,1)

4
Să se arate că P 1  X  3  2a .
4
 2a 1
Rezolvare:
Se observă că v.a. X are o repartiţie Beta, X   (a, a).

Utilizând formulele pentru media şi dispersia repartiţiei beta sau efectuând calculele, obţinem:
a 1 aa 1 . Aplicând inegalitatea lui Cebîşev rezultă:
M (X )   ; D( X )  
aa 2 a  a 2 a  a  1 42a  1
1 3 1 1 1 3 1  1 D( X ) 1 2a
P  X    P   X      P X  M ( X )    1   1 
4 4 4 2 2 4 2  4 1 / 22 2a  1 2a  1
4. Să se determine o limită inferioară a probabilităţii  k 1 1  , unde k reprezintă numărul de apariţii ale

P 5   2 
 10 6 10 
feţei cu 6 puncte în 100.000 de aruncări ale unui zar.
Rezolvare:
Notăm cu X v.a. ce indică numărul de apariţii ale feţei cu 6 puncte în 100.000 de aruncări ale unui zar. Deoarece
probabilitatea ca la o aruncare să apară faţa cu 6 puncte este constantă, rezultă că v.a. X are o repartiţie binomială,
  1 1 5
X  Bi n  100.000 , p  1 . Rezultă M ( X )  n  p  100.000  ; D 2 ( X )  n  p  q  100.000  
6 6 6 6
Fie v.a. Y 1  X , deci M (Y )  1  M ( X )  1 ; D(Y )  1  D( X )  1  5
100.000 100.000 6 1010 100.000 36
Aplicând inegalitatea lui Cebîşev, obţinem:
 k 1 1   1  D(Y ) 5 5
P 5   2   P Y  M (Y )  2   1   1  10.000  1   0,986
 10 6 10   10   1 
2
100.000  36 360
 2
 10 
5. Fie k numărul de apariţii ale evenimentului A în n probe independente şi p = P(A).

k
Să se arate că, oricare ar fi  > 0, are loc relaţia:  pq
P  p     1 
n  n 2
Rezolvare:
Notăm cu X v.a. ce indică numărul de realizări ale evenimentului în n probe independente. Deoarece probabilitatea p =
P(A) este constantă, rezultă că v.a. X are repartiţie binomială, X  Bi(n, p).
Avem deci: M(X) = n ∙ p; D2(X) = n ∙ p ∙ q.
Considerăm variabila aleatoare Y  1  X , deci M (Y )  1  M ( X )  p; D(Y )  1  D( X )  pq
n n n2 n
Aplicând inegalitatea lui Cebîşev variabilei aleatoare Y rezultă:
k 
P  p     PY  M (Y )     1  2  1  2
D(Y ) pq
 n   n 
Am obţinut: k  pq
P  p     1 
n  n 2
6. Se ştie că probabilitatea realizării unui anumit eveniment într-o singură probă este 0,8. Se cere numărul minim al
probelor independente ce trebuie efectuate astfel ca  k 
P  p  0,05   0,98
n 
Rezolvare:
Metoda I. Notăm cu X v.a.ce indică numărul de apariţii ale evenimentului considerat în n probe independente. Aceasta are
o repartiţie binomială de parametri n şi p = 0,8, deci M(X) = n ∙ p şi D (X) = n ∙ p ∙ q.
Fie variabila aleatoare Y  X , care reprezintă frecvenţa relativă a evenimentului A în cele n probe. Rezultă
n
X 1 1 ; X 1 1 pq
M (Y )  M    M ( X )   np  p  0,8 D(Y )  D   2 D( X )  2  npq 
n n n n n n n
k 
P  p  0,05   P Y  M (Y )  0,05  1 
Aplicând inegalitatea lui Cebîşev v.a. Y, obţinem: D(Y )
n  (0,05) 2
Condiţia  k  este îndeplinită dacă D(Y ) 0,16
P  p  0,1  0,98 1  0,98  1   0,98  n  3200
n  (0,05) 2 0,0025 n
Prin urmare, este necesar să se efectueze cel puţin 3201 probe.
Metoda II. Folosind inegalitatea stabilită la problema precedentă, avem: k  pq , unde

P  p     1 
 n  n 2
p = 0,8; q = 0,2; ε = 0,05; inegalitatea din enunţ are loc dacă 1  pq  0,98  n  3200
n 2
7. Se efectuează 1.000 probe independente. În 300 dintre ele probabilitatea apariţiei unui eveniment A este 0,4, în 500
de probe probabilitatea este 0,6, iar în restul de 200 probe este de 0,3. Să se determine o margine inferioară a probabilităţii
ca valoarea absolută a abaterii frecvenţei relative de apariţie a evenimentului de la media probabilităţilor să nu depăşească
0,08.
Rezolvare:
Notăm cu n numărul total de probe efectuate, cu ni, i  1,3 numărul de probe din fiecare categorie şi cu pi probabilitatea
de realizare a evenimentului A în categoria i de probe, i  1,3 . Probabilitatea a cărei margine inferioară se cere este:
 k n p  n2 p 2  n3 p3 
P  1 1  0,08 
 n n1  n 2  n3 
Fie X1 v. a. ce reprezintă numărul de apariţii ale evenimentului considerat în primele 300 de probe, X2 v. a. ce reprezintă
numărul de apariţii ale evenimentului considerat în următoarele 500 de probe şi X3 v. a. ce reprezintă numărul de apariţii
ale evenimentului considerat în ultimele 200 de probe.
V.a. Y  X 1  X 2  X 3 reprezintă frecvenţa relativă a evenimentului A în cele 1.000 de probe
n
P Y  M (Y )  0,08  1 
Aplicând inegalitatea lui Cebâşev v.a. Y, obţinem: D(Y )
(1)
(0,08) 2
3 n p  n2 p2  n3 p3
M Y   1  M  X k   1 1
Avem:
n n
k 1
1 3 n1 p1 q1  n2 p 2 q 2  n3 p3 q3 300  0,4  0,6  500  0,6  0,4  200  0,3  0,7 234
DY   2  D X k     6
n k 1 n2 10 6 10
P Y  M (Y )  0,08  1 
Inegalitatea (1) devine: D(Y ) 234
 1  0,963
(0,08) 2 6400
8. Profitul unui aagent economic este rezultatul acţiunii a doi factori, care pot fi modelaţi prin două v.a. independente X
şi Y. V.a. X urmează o repartiţie binomială de parametri 10 şi 0,9, iar v.a. Y are densitatea de repartiţie
( x  2) 2
1 
f Y ( x)  e 8 . Să se determine:
2 2
a) o limită inferioară a probabilităţii P (5 < X <13);
b) o limită inferioară a probabilităţii P (-1 < Y < 5);
c) coeficientul de corelaţie al v.a. U şi V, unde U = X + 2Y şi V = 4X - Y
Rezolvare:
Din enunţ rezultă că Y  N (m = 2;  = 2). Deducem că
M(X) = 10 · 0,9 = 9; D(X) = 10 · 0,9 · 0,1 = 0,9; M(Y) = 2; D(Y) = 4

a) P(5  X  13)  P(5  9  X  M ( X )  13  9)  P X  M ( X )  4  1  0,9 
42
Obţinem: P(5  X  13)  0,9437
2
 
b) P(1  Y  5)  P(1  2  Y  M (Y )  5  2)  P Y  M (Y )  3  1  2 , deci P(1  Y  5)  5
32 9
c) Avem: M (U )  M ( X  2Y )  M ( X )  2M (Y )  9  4  13 .
M (V )  M (4 X  Y )  4M ( X )  M (Y )  4  9  2  34 . Cum X, Y v.a. independente, rezultă:
D(U) = D(X + 2Y) = D (X) + 4 D (Y) = 0,9 + 16 = 16,9
D(V) = D(4X - Y) = 16 D (X) + D (Y) = 16·0,9 + 4 = 18,4
M (UV )  M ( X  2Y )  (4 X  Y )  M 4 X 2  XY  2Y 2   4M ( X 2 )  7M ( X )  M (Y )  2M (Y 2 )
Cum M(X 2) = D(X) + M 2(X) = 0,9 +81 = 81,9; M(Y 2) = D(Y) + M 2(Y) = 4 + 4 = 8, obţinem:
M (UV )  4  81,9  7  9  2  16  437,6 , deci
M (UV )  M (U )  M (V ) 437,6  13  34  4,4
 (U ,V )     0,246
D 2 (U )  D 2 (V ) 16,9  18,9 4,11  4,34
9. Se consideră şirurile de v.a. independente, definite pe acelaşi câmp de probabilitate:

 n 0 2n 
a)  
 X n nN , Xn:  1
* 2 1 
 1 2 
 5n 2 5n 5n 2 
  np 0 np 
b)  
Yn nN * , Yn :  1 1 1  ; pN ,   0
*
 1 n n 
 n   
c) Z n nN , Z n  n,  n ;   0
*
Să se verifice dacă se poate aplica teorema lui Cebîşev acestor şiruri.
Rezolvare:
Teorema lui Cebîşev se poate aplica unui şir de v.a. independente dacă v.a. care formează şirul au mediile finite şi
dispersiile egal mărginite (adică  c  0 a.î. D( X k )  c,  k  N * ).
a) M ( X )  n  1  1,  n  N * , prin urmare mediile v.a. din şirul ( X n ) * sunt finite
n nN
5n 2 5n
 2

M  X n   1  D X n   1 
1
25n 2
 1,  n  N * , deci dispersiile v.a. sunt egal mărginite.
În concluzie, se poate aplica teorema lui Cebîşev şirului ( X n ) *
nN
b) M (Yn )  0,  n  N * , prin urmare mediile v.a. din şirul (Yn ) * sunt finite.
nN

M Yn  
2
 2 n2 p
 n
 DYn  
2 n2 p
n
, n  N * ;
0,   1 , deci dispersiile v.a.sunt egal mărginite dacă şi numai dacă α > 1.
lim DYn   
n 
,   1
Prin urmare, se poate aplica teorema lui Cebîşev şirului (Yn ) * dacă şi numai dacă α > 1.
nN
 
c) Z n   n,  n  M (Z n )  n  n , D(Z n )  n  2 n , n  N *
 0,   (0,1) 0,   (0,1)
lim M ( Z n )   lim DYn   
n ,   1 n 
,   1
Rezultă că mediile v.a. sunt finite şi dispersiile sunt egal mărginite dacă şi numai dacă  (0,1), deci se poate aplica
teorema lui Cebîşev şirului ( Z n ) * dacă şi numai dacă  (0,1).
nN
10. Fie şirul de v.a. independente, identic repartizate ( X n ) * , cu densitatea de repartiţie

nN
 1
x x e 2 , x  0 . Să se calculeze probabilitatea  
x 160
 P 730   X k  850 
f : R  R, f ( x )   3 
 0 , x0  k 1 

Rezolvare:
Se observă că v.a. care compun şirul ( X n ) * urmează o repartiţie hi-pătrat cu 5 grade de libertate, Xn H (5).
nN
Aplicând formulele pentru media şi dispersia corespunzătoare acestei repartiţii sau făcând calculele, obţinem:
M  X n   5 , D X n   2  5  10
V.a. Xn sunt independente, identic repartizate şi admit momente de ordinul unu şi doi, deci putem aplica teorema limită
n  n 
centrală şi obţinem că şirul  X k  M   X k  converge în repartiţie către Z N(0,1)
Yn 
k 1  k 1 
 n 
   X k 
 k 1 
Prin urmare, pentru n suficient de mare putem aproxima repartiţia v.a. Yn cu repartiţia normală standard, ZN(0,1)
 X k , n  N * şi Yn devine Yn  S n  M S n 
n
Notăm S 
 S n 
n
k 1
 160  160 160

Avem că
M S160   M   X k    M  X k    5  800 şi, deoarece v.a. X n , n  N sunt independente,
*
 k 1  k 1 k 1
 160  160 160
DS160   D  X k    D X k   10  1600   S160   40
 k 1  k 1 k 1
Obţinem:  160
  730  800 S160  M S160  850  800 
P 730   X k  850   P730  S160  850  P    
 k 1   40  S160  40 
 P 1,75  Z  1,25  1,25   1,75  1,25  1,75  0,39435  0,45994  0,85429
11. Se ştie că, în medie, 5% dintre piesele realizate de o maşină automată prezintă defecte. Se cere probabilitatea ca într-
un lot de 200 piese realizate de această maşină să existe:
a) cel mult 15 piese defecte;
b) cel puţin 5 şi cel mult 9 piese defecte.
Rezolvare:
a) Notăm cu X v.a. ce indică numărul de piese defecte din lot. Deoarece probabilitatea ca o piesă să fie defectă este
constantă, rezultă că v.a. X are o repartiţie binomială, X  Bi(n = 200, p = 0,05), de forma
  Prin urmare, 15
P( X  15)   C 200 0,05k 0,95200  k
k k
X: 
 C k 0,05k 0,95200k  k 0
 200 k 1,200
Observăm că valoarea exactă a probabilităţii găsite după această formulă este greu de calculat.
Având în vedere că numărul de piese din lot este mare, putem determina o valoare aproximativă a probabilităţii din enunţ
cu ajutorul teoremei Moivre-Laplace.
Deoarece XBi(n, p), rezultă, conform teoremei Moivre-Laplace, că v.a. normată X  np converge în repartiţie către
npq
Z  N (0,1).
n  200; p  0,05; q  1  p  0,95  M ( X )  np  10 ; D( X )  npq  9,5 .
 0  10 X  np 15  10 
P ( X  15)  P 0  X  15  P      P 3,244  Z  1,622 
 38 38 
 npq
  1,622   3,244  1,622  3,244  0,44738  0,49940  0,05202
b) Probabilitatea ca în lotul de 200 de piese să existe cel puţin 5 şi cel mult 9 piese defecte este:
 5  10 X  np 9  10 
P5  X  9  P      P 1,622  Z  0,3244 
 38 38 
 npq
  0,3244   1,622  0,3244  1,622  0,12552  0,44738  0,32186
12. Fie variabila aleatoare X  N(m = 3,  = 2).

a) Să se determine o limită inferioară a probabilităţii P(0 < X < 6)
b) Să se calculeze probabilitatea P(0 < X < 6)
Rezolvare:
a) Vom aplica inegalitatea lui Cebâşev. Avem: M(X) = 3; D (X) =  2 = 4, prin urmare
P(0  X  6)  P(0  3  X  3  6  3)  P  X  3  3   1 
4
32
Am obţinut P (0  X  6)  5  P (0  X  6)  0,55555
9
b) P(0  X  6)  P 0  3  X  m  6  3   (1,5)  (1,5)  2 (1,5)  2  0,43319  0,86638

 
 2  2 
13. Un agent economic are 200 de salariaţi. Probabilitatea de pensionare a unui salariat în decursul unui an este egală cu
0,005 şi nu depinde de situaţia celorlalţi angajaţi. În ipoteza că numărul de pensionaţi în decursul unui an este o variabilă
aleatoare X cu repartiţia Poisson de parametru 1, să se determine:
a) probabilitatea pensionării a exact şase salariaţi;
b) probabilitatea pensionării a cel puţin trei salariaţi;
c) media şi dispersia v.a. X.
Rezolvare:
Repartiţia v.a. X este:  k   k 

   
X : 1k   X :  1 1 
1 
e   

e 
k!  k  N
 k!  k  N
1
a) Probabilitatea ca exact şase salariaţi să se pensioneze este: P( X  6)  e
6!
b) Probabilitatea ca cel puţin puţin trei salariaţi să se pensioneze este:
 e 1 
P( X  3)  1  P( X  0)  P( X  1)  P( X  2)   1   e 1  e 1 
5
 1
 2  2e
 
c) M (X)= D (X) = λ = 1
PROBLEME PROPUSE
1. O v.a. X are media egală cu 60 şi momentul iniţial de ordinul al doilea egal cu 3760 . Să se afle o limită inferioară a
probabilităţii ca v.a. X să ia valori cuprinse între 47 şi 73.
2. S-a observat că, în medie, din 3 persoane care intră într-un magazin, una cumpără şi două nu cumpără.
a) Să se determine probabilitatea ca, din 600 de persoane care intră în magazin într-o zi, numărul celor care cumpără să
fie cuprins între 200 şi 300.
b) Să se determine o margine inferioară a probabilităţii de la punctul precedent.
c) S ă se determine o margine inferioară a probabilităţilor ca numărul persoanelor care cumpără să fie cuprins între:
i) 80 şi 140; ii) 70 şi 135.
3. Probabilitatea apariţiei într-o singură probă a unui eveniment A este p = 0,3. Să se determine probabilitatea ca, în
4.000 de probe independente, frecvenţa relativă a apariţiilor evenimentului A să difere în valoare absolută faţă de
probabilitatea p cu mai puţin de 0,05.
4. Se aruncă o monedă de 100 de ori . Fie α numărul de apariţii ale stemei. Să se găsească o limită inferioară pentru
probabilitatea P(485 < α < 515).
5. O v.a. X are repartiţie binomială de parametri n şi p. Aplicând inegalitatea lui Cebîşev acestei v.a., obţinem
P(740 < X < 860) ≥ 8/9. Să se afle valorile parametrilor n şi p.
6. Dintr-un lot de 200 de cutii de conserve, zece sunt necorespunzătoare calitativ. Se extrag la întâmplare 8 cutii şi se
controlează calitatea lor.
Fie X v.a. ce reprezintă numărul de cutii necorespunzătoare calitativ. Să se determine:
a) repartiţia v.a. X ;
b) media, dispersia şi abaterea medie pătratică ale v.a. X ;
c) P(6  X ) ; P( X  2) ; P( X  5) ; P(2  X / X  6) .
7. Într-o urnă sunt 200 bile albe şi 200 de bile negre. Din această urnă se scot 267 de bile simultan. Să se găsească o
limită inferioară a probabilităţii ca numărul bilelor albe scoase să fie cuprins între 124 şi 143.
8. Fie v.a. X având repartiţia  1 2 3 4 5  . Să se determine probabilitatea P ( X - m < 1,5) direct şi

X :  
 0,15 0, 25 0,05 0, 25 0,3 
prin folosirea inegalităţii lui Cebîşev.
9. Să se determine numărul probelor independente astfel ca  k  , dacă probabilitatea realizării
P   p  0,09   0,99
 n 
evenimentului într-o singură probă este 0,9.
10. Inegalitatea lui Cebîşev aplicată v.a. X cu media m dă P  X  m  8  15 . Să se afle dispersia v.a. X
16
11. Fie şirurile de v.a. independente, definite pe acelaşi câmp de probabilitate:

a)   3n 0 4n  ;
 
 X n nN, Xn:  1
* 2 1 
 1 2 2 
 3n 2
3n 3n 
b)   np 0 np  ;
Yn nN * , Yn :  n  ; p  N *,   0

  1   n
 n

c) Z n nN *  
, Z n   n,  n ;   0 .
Să se verifice dacă se poate aplica teorema lui Cebîşev acestor şiruri.
12. Se consideră şirul de v.a. independente, identic repartizate ( X n ) * , cu densitatea de

nN
x e 3 , x  0 . Să se calculeze P 565   X  656  .

repartiţie
 2 x 343

f : R  R, f ( x)   3 3  k 
 0 , x0  k 1 

13. Se ştie că 2% din confecţiile realizate într-o fabrică prezintă defecte. Să se determine probabilitatea ca într-un lot de
800 confecţii realizate în această fabrică să existe:
a) cel mult 30 articole defecte;
b) cel puţin 20 şi cel mult 60 să fie defecte.
14. Fie X o v.a. având repartiţie Γ(m+1,1), m>0. Arătaţi că P0  X  2m  1  m
m 1
15. Se efectuează 1.200 probe independente. În 300 dintre ele probabilitatea apariţiei unui eveniment A este 0,4, în 400
de probe probabilitatea este 0,5, iar în restul de 500 probe este 0,6. Se cere o margine inferioară a probabilităţii ca valoarea
absolută a abaterii frecvenţei relative de apariţie a evenimentului de la media probabilităţilor să nu depăşească 0,07.
16. Fie v.a. X cu densitatea de probabilitate f ( x)  e  2 x , x  R . Să se determine P  X  n , n  0 , precum şi o
margine inferioară a acestei probabilitãţi.
17. Să se determine de câte ori trebuie aruncat un zar pentru a putea afirma cu o probabilitate de cel puţin 0,99 că faţa cu
6
6 puncte a apărut cu o frecvenţă relativă cuprinsă în intervalul 1  0,01; 1  0,01 .
6

18. Să se afle valorile parametrului λ astfel încât şirul de v.a. independente ( X n ) * să se supună variantei Cebîşev a
nN
 1 e  n , x  0
x
legii numerelor mari, ştiind că densitatea de repartiţie a v.a. Xn este  n

f X n x     ,  0
 0, x0
19. Dacă v.a. X are media m şi abaterea medie pătratică σ, să se arate că P  X  m  k   1  12
k
20. Motorul unei maşini este format din 500 de repere. Probabilitatea de defectare a unui reper în decursul unui an de
funcţionare este egală cu 0,002 şi nu depinde de starea celorlalte repere. În ipoteza că numărul de defectări este o v.a. X cu
repartiţie Poisson de parametru λ = 1, să se determine:
a) media şi abaterea medie pătratică a v.a. X;
b) probabilitatea defectării a cel mult trei repere;
c) probabilitatea defectării a cel puţin două repere;
d) probabilitatea defectării a exact cinci repere.
21. Probabilitatea apariţiei într-o singură probă a unui eveniment A este p = 0,2. Să se determine probabilitatea ca, în
5.000 de probe independente, frecvenţa relativă a apariţiilor evenimentului A să difere în valoare absolută faţă de
probabilitatea p cu mai puţin de 0,06.
22. S-a observat că, în medie, din 5 persoane care intră într-un magazin, 3 cumpără şi 2 nu cumpără.
a) Să se determine probabilitatea ca, din 600 de persoane care intră în magazin într-o zi, numărul celor care cumpără să
fie cuprins între 300 şi 500.
b) Să se determine o margine inferioară a probabilităţii de la punctul a).
c) S ă se determine o margine inferioară a probabilităţilor ca numărul persoanelor care cumpără să fie cuprins între:
i) 100 şi 140; ii) 120 şi 160.
23. Se consideră şirul de v.a. independente, identic repartizate ( X n ) * . Ştiind că variabila aleatoare Xn are densitatea de
nN
kxn1 (1  x) 1 , x  (0,1)

repartiţie f n : R  R, f n ( x)   ;   0, k  R; n  N * , se cere:
 0 , x  (0,1)
a) să se determine parametrul k;
1 X n
b) sa se calculeze densitatea de probabilitate a variabilei aleatoare Yn  , n N*
Xn
c) să se demonstreze că   0, lim P X n     0 .
n 
d) să se determine o valoare aproximativă a probabilităţii P100  

80

X
k 1
k  200  .

24. Se consideră şirul de v.a. independente, identic repartizate ( X n ) * . Ştiind că variabila aleatoare Xn ar densitatea
nN
 
x
kxe 2 , x  0
de probabilitate f n : R  R, f n ( x )   ; k  R; n  N * , se cere:

 0 , x0
b) să se determine funcţia de repartiţie a variabilei aleatoare X10;
c) să se determine valoarea exactă a probabilităţii P(1< X < 4/ X < 2);
d) să se determine o margine inferioară a probabilităţii P(1< X < 7);
e) să se determine o valoare aproximativă a probabilităţii P150  
50

X
k 1
k  250  .

25. Se consideră şirul de v.a. independente, identic repartizate ( X n ) * . Ştiind că variabila aleatoare Xn ar densitatea de
nN
  x2
2

f n : R  R, f n ( x)  kxe , x  0 ; a  0, k  R; n  N * , se cere:
a
probabilitate

 0 , x0
b) să se determine funcţia de repartiţie a variabilei aleatoare X15;
c) să se determine valoarea exactă a probabilităţii P(a< X < 4a/ X > 2a);

d) să se determine o margine inferioară a probabilităţii P X n  M ( X n )  a ;
e) să se determine o valoare aproximativă a probabilităţii P 40a  

80

X
k 1
k  80a  ;

f) să se determine densitatea de repartiţie a variabilei aleatoare X 2 ;
g) să se determine media variabilei aleatoare 1 şi dispersia variabilei aleatoare X 2 .
X
100
26. Fie v.a.independente X k  H (2 k  1), k  1,100 şi Y 
X
k 1
k
a) Să se determine densitatea de repartiţie, media, dispersia şi funcţia caracteristică a v.a. Y.

b) Să se determine valoarea exactă a probabilităţii P100  Y  200 .
c) Să se determine o valoare aproximativă a probabilităţii P100  Y  200 .
d) Să se determine o margine inferioară a probabilităţii PY  M (Y )  10
Partea a IV-a. STATISTICĂ MATEMATICĂ
CAPITOLUL 12
ELEMENTE DE TEORIA SELECŢIEI; SELECŢII DIN POPULAŢII NORMALE
BREVIAR TEORETIC
ELEMENTE DE TEORIA SELECŢIEI
Ne propunem să studiem o anumită caracteristică a unei colectivităţi C. Presupunem că această caracteristică este modelată
de o variabilă aleatoare X definită pe un câmp de probabilitate (, K, P), în care elementele mulţimii  sunt tocmai
elementele colectivităţii C.
Se numeşte selecţie (eşantion) o colectivitate parţială de elemente luate la întâmplare din C.
Numărul elementelor unei selecţii se numeşte volumul selecţiei.
Spunem că o selecţie este repetată dacă elementul luat la întâmplare din C este reintrodus în colectivitatea generală înaintea
efectuării următoarei alegeri.
Se efectuează o selecţie de volum n din populaţia considerată şi se notează cu x1, x2,...., xn valorile de observaţie (valori
de selecţie sau date de selecţie).
 După efectuarea selecţiei, valorile de selecţie x1, x2,.., xn sunt valori bine determinate ale variabilei aleatoare X
 Înainte de efectuarea selecţiei, acestea sunt variabile aleatoare independente X1, X2,......, Xn, identic repartizate cu
variabila aleatoare X , în cazul unei selecţii repetate.
Variabila aleatoare asociată experimentului cu n probe independente efectuate asupra caracteristicii modelate de variabila
aleatoare X se numeşte variabilă aleatoare de selecţie (empirică) şi se notează X*. Repartiţia variabilei aleatoare X, numită
 x1 x2 ................xn 
X * : 1 1 
repartiţie empirică, este:
 ............. .... 1 
n n n 
Funcţia de repartiţie a variabilei aleatoare de selecţie se numeşte funcţie empirică de repartiţie
Se numeşte statistică o funcţie de variabilele aleatoare de selecţie: T (X1, X2,......, Xn).
După efectuarea selecţiei, statisticii T (X1, X2,......, Xn) i se asociază valoarea sa corespunzătoare valorilor de selecţie
obţinute, notată t (x1, x2,...., xn).
Considerăm o selecţie de volum n: X1, X2,......, Xn efectuată asupra variabilei aleatoare X.

n
 Se numeşte moment iniţial de selecţie de ordin r statistica notată mr* sau M r , dată de: mr*  1
n X
i 1
i
r
n
Pentru r = 1 obţinem media de selecţie: X  1
n
 Xi
i 1
 
n
 r  1n  X i  X
r
 Se numeşte moment centrat de selecţie de ordin r statistica
i 1
Pentru r = 2 obţinem dispersia de selecţie (necorectată):
 X i  X   1n  X i2  X
2 n 2 n 2
  S2  2  1
n
i 1 i 1
 X 
n
Dispersia de selecţie corectată (modificată) este: s 2  1
X
2
n 1 i
i 1
Elemente de teoria selecţiei. Selecţii din populaţii normale 239
Observaţie. Dacă după efectuarea selecţiei de volum n se obţin exact k  n valori de selecţie distincte x1, x2,...., xk, valoarea
 x1 x 2 . . . . . . . . . . . . . . . .x k 
X * :  , iar statisticile
xi apărând de ni ori, i  1, k şi k , atunci repartiţia empirică este:
 ni  n  n1 n2 nk 
i 1 . . . . . . . . . . . . . . . .
 n n n 
definite mai sus devin:
k k
mr*  1
n n X i i
r ; X  1n  ni X i ;
i 1 i 1
   2 ;  2
k r k k
 r  1n  ni X i  X ;  2  S 2  1n  ni X i  X s 2  n11  ni X i  X
i 1 i 1 i 1
Teorema 1. Dacă se efectuează o selecţie de volum n: X1, X2,......, Xn dintr-o populaţie caracterizată de o variabilă
aleatoare X pentru care există M(X) = m şi D (X) =  2  0, atunci statistica X  m converge în repartiţie către o
/ n
variabilă aleatoare având repartiţie normală standard, Z  N (0,1), adică
  y2
 X m  1 x 
lim P  x   e 2 dy
n     2  
 n 
SELECŢII DIN POPULAŢII NORMALE
Teorema 2. Dacă X1, X2,...., Xn este o selecţie de volum n dintr-opopulaţie caracterizată de o variabilă aleatoare X N(m,),
atunci media de selecţie X  N  m ,  
 
 n
Corolar. Dacă X  N (m, ) şi   0, atunci X m

Z  N 0,1

n
Teorema 3. Dacă X1, X2,......, Xn este o selecţie de volum n dintr-o populaţie caracterizată de o variabilă aleatoare X  N
X m
(m, ), atunci
t  S n  1
s
n
Teorema 4. Dacă X1, X2,......, Xn este o selecţie de volum n dintr-o populaţie caracterizată de o variabilă aleatoare X  N
(m, ) şi   0, atunci U  n  1s  H n  1

2
2

PROBLEME REZOLVATE
1. Pentru a studia o anumită caracteristică X a unei populaţii statistice oarecare, s-a realizat un sondaj de volum n = 16
din populaţia respectivă şi s-au obţinut rezultatele:
xi -2 -1 0 2
ni 3 4 2 7
a) Să se scrie repartiţia variabilei aleatoare de selecţie.
b) Să se scrie funcţia empirică de repartiţie.
c) Să se calculeze media de selecţie, dispersia de selecţie şi dispersia de selecţie corectată.
Rezolvare:
a) Repartiţia variabilei aleatoare de selecţie este:   2 1 0 2

X* : 3 7 
 4 2
 16 16 16 16 
0, x   ,2
3
b) Funcţia empirică de repartiţie este: 16 , x   2,1
 3 4
F16 x   P X  x     7 ,
* *
16 16 16
 
x   1,0

3  4  2  9 , x  0,2
16 16 16 16

1, x  2,  
c) Media de selecţie este statistica: 4 , iar valoarea acesteia corespunzătoare selecţiei efectuate este
X  1n  ni X i
i 1
4
x  1n  ni xi
i 1
  2 , iar valoarea acesteia corespunzătoare selecţiei efectuate

4
Dispersia de selecţie este statistica
 2  S 2  1n  ni X i  X
i 1
 ni xi  x 
4 2
este 2
S  1n
i 1
 
4
Dispersia de selecţie corectată este statistica s 2  1 n X  X , iar valoarea acesteia corespunzătoare selecţiei
2
n1  i i
i 1
 ni xi  x 
4 2
efectuate este 2
s  1
n 1
i 1
Pentru determinarea valorilor cerute organizăm valorile de selecţie în următorul tabel:
xi ni xi ni xi  x x  x
i
2

ni xi  x 
2
-2 3 -6 -2,25 5,0625 15,1875

-1 4 -4 -1,25 1,5625 6,25
0 2 0 -0,25 0,0625 0,125
2 7 14 1,75 3,0625 21,4375
- 16 4 - - 43
Obţinem: x  161  4  0,25; S 2  161  43  2,6875; s 2  151  43  2,87
2. Pentru a stabili conţinutul în magneziu al apei minerale provenite de la un anumit izvor s-a determinat cantitatea de
magneziu, exprimată în grame, conţiunută într-un litru de apă minerală. Efectuîndu-se 15 măsurători, s-au obţinut
următoarele rezultate: 7,2; 8,3; 6,7; 6,7; 7,2; 8,1; 8,3; 6,9; 7,2; 7,2; 8,1; 6,7; 6,7; 8,1; 6,7.
b) Să se scrie funcţia de repartiţie de selecţie.
c) Să se calculeze probabilitatea ca probele prelevate să conţină sub 7 grame magneziu la litru.
d) Pe baza rezultatelor înregistrate, să se determine cantitatea medie de magneziu, exprimată în grame, conţinută într-un
litru de apă minerală şi modul în care variază aceasta.
Rezolvare:
Organizăm datele în următorul tabel:

xi 6,7 6,9 7,2 8,1 8,3
ni 5 1 4 3 2
a) Repartiţia variabilei aleatoare de selecţie este:  6,7 6,9 7,2 8,1 8,3
X* : 5 2 
 1 4 3
 15 15 15 15 15 
0, x   , 6,7
b) Funcţia de repartiţie de selecţie este: 5
15 , x  6,7; 6,9
5
x  6,9; 7,2
 
  1  15 ,
6
*
F15 x   P X *  x  155 15
15  15  15  15 ,
1 4 10 x  7,2; 8,1

5  1  4  3  13 , x  8,1; 8,3
15 15 15 15 15


1, x  8,3;  

c) Probabilitatea ca probele prelevate să conţină sub 7 grame magneziu la litru este: P X *  7  F * 7  6
15 15

d) Cantitatea medie de magneziu, exprimată în grame, conţinută într-un litru de apă minerală pe baza rezultatelor
înergistrate este reprezentată de media de selecţie x . Modul în care variază aceasta este pus în evidenţă de abterea medie
pătratică de selecţie S.
i
2

ni xi  x 
2
6,7 5 33,5 -0,64 0,4096 2,048

6,9 1 6,9 -0,44 0,1936 0,1936
7,2 4 28,8 -0,14 0,0196 0,0784
8,1 3 24,3 0,76 0,5776 1,7328
8,3 2 16,6 0,96 0,9216 1,8432
- 15 110,1 - - 5,896
Obţinem: x  151
 110.1  7,34, S 2  151  5,896  0,393  S  0,627 , prin urmare apa minerală analizată conţine
în medie 7,34 grame de magneziu la litru şi conţinutul de magneziu dintr-un litru de apă minerală variază în jurul valorii
medii cu 0,627 grame.
3. Pentru a stabili durata medie de timp necesară pentru înlocuirea unei anumite piese la un autoturism într-un service
auto, s-a cronometrat timpul de execuţie a acestei operaţiuni în cazul a 7 autoturisme luate întâmplător şi s-au obţinut
următoarele valori, exprimate în minute:
Numărul autoturismului (i) 1 2 3 4 5 6 7
Durata operaţiunii (xi) 19,2 20,3 18,7 19,8 20,1 17,9 18,4
a) Să se determine repartiţia variabilei aleatoare de selecţie.

b) Să se calculeze durata medie de timp necesară pentru înlocuirea piesei respective şi modul în care variază timpul
necesar pentru înlocuirea piesei.
Rezolvare:
a) Repartiţia variabilei aleatoare de selecţie este 19,2 20,3 18,7 19,8 20,1 17,9 18,4 
X * :  
 1/ 7 1/ 7 1/ 7 1/ 7 1/ 7 1/ 7 1/ 7 
b) Durata medie de timp necesară pentru înlocuirea piesei este pusă în evidenţă de media de selecţie:
7
x  1  xi  1 19,2  20,3  18,7  19,8  20,1  17,9  18,4 
134,4
 19,2
7 7 7
i 1
 2 
Calculăm dispersia de selecţie: 7
S 2  17  xi  x
i 1

19,219,2 20,319,2 18,719,2 19,819,2 20,119,2 17,919,2 18,419,2 
2 2 2 2 2 2 2
7
0 1,21 0,25  0,36  0,811,69  0,64 4,96
   0,708 ; S  0,708  0,841
7 7
Rezultă că înlocuirea piesei respective dureză în medie 19,2 minute, iar timpul necesar pentru executarea operaţiei variază
faţă de timpul mediu cu aproximativ 0,8 minute.
4. O bancă a acordă tinerilor credite pentru cumpărarea de bunuri de folosinţă îndelungată. S-a făcut o selecţie aleatoare
de 225 de credite acordate de această bancă şi s-au obţinut următoarele rezultate:
Valoarea creditului (euro) 100-200 200-300 300-400 400-500 500-600 600-700
Număr de credite acordate 15 18 27 66 54 45
Să se determine nivelul mediu al creditelor acordate de banca respectivă şi modul în care variază valoarea creditelor
acordate faţă de nivelul mediu.
Rezolvare:
Nivelul mediu al creditelor acordate de banca respectivă este exprimat de media de selecţie, iar modul în care variază
valoarea creditelor acordate faţă de nivelul mediu este evidenţiat de abaterea medie standard.
Pentru a determina aceste caracteristici numerice de selecţie, vom considera drept valori de observaţie mijloacele
intervalelor. Obţinem:
i
2

ni xi  x 
2
150 15 2250 -316 99856 1497840

250 18 4500 -216 46656 839808
350 27 9450 -116 13456 363312
450 66 29700 -16 256 16896
550 54 29700 84 7056 381024
650 45 29250 184 33856 1523520
- 225 104850 - - 4622400
6
 ni xi  x  
6 2 4622400
x  225
1
 ni xi  104225
.850  466 ; 2
S  225
1  20544  S  143,33
i 1 i 1 225
prin urmare nivelul mediu al creditelor acordate de banca respectivă este de 466 euro şi
valoarea unui credit variază faţă de nivelul mediu cu 143,33 euro.
5. Se ştie că o caracteristică X a unei populaţii C are media egală cu m şi dispersia egală cu σ2 . Fie X1, X2,......, Xn o
selecţie aleatoare de volum n din populaţia C. Să se calculeze media şi dispersia mediei de selecţie.
Rezolvare:
Vom folosi faptul că dacă C este o populaţie, X este o caracteristică a acestei populaţii, şi X1, X2,......, Xn este o selecţie
de volum n din populaţia C, atunci variabilele aleatoare de selecţie  X  sunt independente şi identic repartizate cu
k k 1, n
X, deci
M (X k )  M (X )  m şi D( X k )  D( X )  2 ,  k  1, n .
Astfel obţinem:
  1 n  1  n  1 n
M X  M   X k   M   X k    M X k    n  m  m
1
 k 1
n  n  k 1  n k 1 n
  1 n  1  n  1 2
n
 D X   n  n  
1
D X  D  X k   2 D  X k   2 k 2
2

 n k 1  n  k 1  n k 1 n
8. Pe baza observaţiilor statistice s-a constatat că abaterea nivelului apei din lacul de acumulare care deserveşte o
hidrocentrală faţă de nivelul de siguranţă este o variabilă aleatoare cu repartiţie normală N (m,  ) . S-a măsurat abaterea
nivelului apei faţă de nivelul de siguranţă în 10 zile dintr-o anumită perioadă a anului şi s-au obţinut rezultatele:
Abaterea (cm) -2 0 2 3
Număr zile 2 2 4 2
Să se determine probabilitatea ca diferenţa dintre valoarea medie a abaterii nivelului apei calculată pe baza datelor de
selecţie şi valoarea reală a abaterii nivelului apei în perioada respectivă a anului să fie de cel puţin 0,324 cm.
Rezolvare:
Probabilitatea a cărei valoare se cere se scrie astfel:
 X  m 0,324 
  
P X  m  0,324  1  P X  m  0,324  1  P s  s 


 10 10 
Deoarece X  N m,   , conform teoremei 3 rezultă că X m

t s
 S  10  1
10
Obţinem că:  X  m 0,324  

  P t 
0,324  . Calculăm valoarea dispersiei de selecţie corectate s2.
P  
 s / 10 s / 10   s / 10 
xi ni xi ni xi  x x  x i
2

ni xi  x 
2
-2 2 -4 -3 9 18
0 2 0 -1 1 2
2 4 8 1 1 4
3 2 6 2 4 8
- 10 10 - - 32
Obţinem: x  1  10  1; s 2  1  32  3,56  s  3,56  1,89 . Prin urmare,

10 9
 X  m 0,324   0,324 
P    P t 
   Pt  0,5435 . Din tabelul repartiţiei Student, pentru 9 grade de libertate
 s / 10 s / 10   s / 10 
deducem că P t  0,324   Pt  0,5435  0,7 ,
 s / 10 
deci    X  m 0,324 
P X  m  0,324  1  P    1  0,7  0,3

 s / 10 s / 10 
PROBLEME PROPUSE
1. S-a constatat că productivitatea medie lunară la o societate comercială este o variabilă aleatoare X. Luându-se la
întâmplare 20 de salariaţi, s-au înregistrat următoarele rezultate:
Productivitatea medie lunară (milioane lei) 10 12 15 18 20
Numărul de salariaţi 3 4 6 5 2
b) Să se calculeze media de selecţie şi dispersia de selecţie.
2. S-a observat că nivelul vânzărilor unui anumit articol este o variabilă aleatoare X. Studiindu-se acest fenomen în
primele 10 zile ale lunii ianuarie 2003, s-au găsit rezultatele:
Ziua 1 2 3 4 5 6 7 8 9 10
Nivelul vânzărilor 6 10 6 6 8 8 6 5 10 6
a) Să se scrie repartiţia variabilei aleatoare de selecţie a nivelului vânzărilor şi funcţia de repartiţie de selecţie.
b) Să se calculeze media de selecţie şi dispersia de selecţie corectată.
CAPITOLUL 13
ELEMENTE DE TEORIA ESTIMAŢIEI
13.1 ESTIMAREA PARAMETRILOR UNEI REPARTIŢII

BREVIAR TEORETIC
Presupunem că studiem o anumită caracteristică a unei populaţii. Vom modela această caracteristică folosind o variabilă
aleatoare X, având legea de repartiţie f (x; θ), unde θ este un parametru necunoscut. Considerăm selecţia X1, X2,......, Xn
efectuată asupra variabilei aleatoare X şi dorim ca pe baza acestei selecţii să evaluăm parametrul θ din legea f (x; θ).
Se numeşte estimator al parametrului θ o statistică θn(X1, X2,......, Xn) determinată pe baza unei metode de estimare.
Valoarea luată de statistica θn(X1, X2,......, Xn) pentru valori bine determinate x1, x2,...., xn ale variabilelor X1, X2,......, Xn se
numeşte estimaţie a parametrului θ
Definiţia 1. Spunem că statistica θn(X1, X2,......, Xn), este un estimator nedeplasat al parametrului θ dacă
M  n  X 1 , X 2 ,....., X n   
Statistica θn(X1, X2,......, Xn) este un estimator deplasat al parametrului θ dacă M   X , X ,....., X   .
n 1 2 n n 
Definiţia 2. Spunem că statistica θn(X1, X2,......, Xn) este un estimator absolut corect al parametrului θ dacă
M  n  X 1 , X 2 ,....., X n    şi D n  X 1 , X 2 ,....., X n    0 .
n 
Definiţia 3. Spunem că statistica θn(X1, X2,......, Xn) este un estimator corect al parametrului θ dacă
M  n  X 1 , X 2 ,....., X n      şi D  X , X ,....., X   0 .
n  n 1 2 n n 
Definiţia 4. Spunem că statistica θn(X1, X2,......, Xn) este un estimator consistent al parametrului θ dacă θn converge

în probabilitate la θ, adică   0, lim P       1 .
n 
n 
Definiţia 5. Spunem că statistica θn(X1, X2,......, Xn) este un estimator eficient al parametrului θ dacă este absolut corect şi
1 , unde   ln f  X ,     2 ln f  X ,  
D n  X 1 , X 2 ,....., X n   I    M     M  
n  I         2 
 
Propoziţia 1. Orice estimator absolut corect este consistent.
Propoziţia 2. a) Media de selecţie este un estimator absolut corect pentru media m a oricărei populaţii.
b) Dispersia de selecţie este un estimator corect pentru dispersia σ2 a oricărei populaţii.
c) Dispersia de selecţie corectată este un estimator absolut corect pentru dispersia σ2 a oricărei populaţii
METODE DE ESTIMARE A PARAMETRILOR UNEI REPATIŢII
A. Metode de estimare punctuală

1. Metoda momentelor
Presupunem că legea de repartiţie f (x; θ1, θ 2,...., θ k ) a variabilei aleatoare X depinde de k parametri necunoscuţi:
θ1, θ 2,...., θ k şi că variabila aleatoare X admite momente iniţiale cel puţin până la ordinul k inclusiv.
Aplicarea metodei momentelor constă în parcurgerea următoarelor etape:
I. Considerăm o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn
II. Rezolvăm sistemul mr  mr* , r  1, k
Dacă sistemul are soluţii reale, atunci acestea sunt estimaţii ale parametrilor θ1, θ 2,...., θ k
2. Metoda verosimilităţii maxime
Aplicarea acestei metode constă în parcurgerea următoarelor etape:
I. Considerăm o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn.
Px1 , x2 ,..., xn ; 1 , 2 , . . ., k    f x j ; 1 , 2 , . . ., k .
II. Construim funcţia de verosimilitate: n
j 1
III. Logaritmăm funcţia de verosimilitate: Lx1 , x2 ,..., xn ;1 , 2 , ..., k   ln Px1 , x2 ,..., xn ;1 , 2 , ..., k 
IV. Rezolvăm sistemul: Lx1 , x2 ,..., xn ;1 , 2 , ..., k  şi obţinem estimaţiile de maximă
 0, j  1, k
 j
verosimilitate: ˆ  ˆ x , x ,..., x , j  1, k ale parametrilor θ1, θ 2,...., θ k.
j j 1 2 n
V. Verificăm faptul că estimaţiile găsite asigură maximul funcţiei de verosimilitate.
B. Estimarea prin intervale de încredere a parametrilor m şi σ2 ai unei repartiţii N (m, σ)
1. Interval de încredere pentru parametrul m când σ este cunoscut

 
xz   m  xz  
1 n 1 n
2 2
2. Interval de încredere pentru parametrul m când σ este necunoscut
s s
x t    m  xt  
1  ; n 1 n 1  ; n 1 n
2 2
3. Interval de încredere pentru parametrul σ2
n  1s 2   2  n  1s 2
 2

2

1  ; n 1 ; n 1
2 2
PROBLEME REZOLVATE
1. Să se arate că media de selecţie este un estimator absolut corect pentru media m a oricărei populaţii.
Rezolvare:
Verificăm cele două condiţii din definiţia 2.
1)
  1 n  1 n 1 n
M X  M   X i    M X i    m   n  m  m
1
 i 1
n  n i 1 n i 1 n
2)
  1 n  1 n 1 n 2 1
D X  D  X i   2  D X i   2    2  n   2  2 
2
 0
n 
 n i 1  n i 1 n i 1 n n
Rezultă că media de selecţie este un estimator absolut corect pentru media m a oricărei populaţii.
2. Dintr-o populaţie generală s-a extras o selecţie de volum 140, care a condus la rezultatele:
xi 2,6 3,2 3,4 3,5
ni 40 50 30 20
a) Să se determine un estimator nedeplasat pentru media m a populaţiei generale şi estimaţia corespunzătoare.
b) Să se găsească un estimator deplasat pentru dispersia σ2 şi estimaţia corespunzătoare.
Rezolvare:
Am demonstrat la problema precedentă că media de selecţie este un estimator nedeplasat pentru media m.
 X i  X 
Conform propoziţiei din breviarul teoretic, 2 1 n 2 este un estimator corect, deci şi deplasat pentru dispersia σ
2
S 
n
i 1
i
2

ni xi  x 
2
2,6 40 104 -0,52 0,2704 10,816

3,2 50 160 -0,08 0,0064 0,320
3,4 30 102 -0,28 0,0784 2,352
3,5 20 70 0,38 0,1444 2,888
- 140 446 - - 16,376
n
a) Estimatorul nedeplasat pentru m este X  1  X i , iar estimaţia corespunzătoare este x  140
1  436  3,12
n
i 1
 
n
 1n  X i  X
2
b) Estimatorul deplasat pentru σ este S 2 2 , iar estimaţia corespunzătoare este 16,376
S2   0,117
i 1 140
2. O selecţie de volum 35 a dat estimaţia nedeplasată s2 = 2 pentru dispersia σ2. Să se determine o estimaţie
deplasată a dispersiei.
Rezolvare:
 X i  X 
n
Conform propoziţiei din breviarul teoretic, avem că S 2  1 2 este un estimator corect, deci şi deplasat pentru
n
i 1
 
n 2
dispersia σ2 iar dispersia de selecţie corectată s 2  1 X  X este un estimator absolut corect, deci şi nedeplasat
n 1  i
i 1
pentru dispersia σ2.
Avem: S
2
n 1 S 2 34
2
    S 2  1,943
s n 2 35
4. Fie X o variabilă aleatoare cu densitatea de repartiţie f ( x,  )  (  2) x 1; x  (0,1);   2

a) Să se determine un estimator al parametrului θ prin metoda momentelor, utilizând o selecţie de volum n.
b) Să se determine o estimaţie a parametrului θ al acestei repartiţii, pe baza valorilor de selecţie: 0,32; 0,28; 0,33; 0,31;
0,27; 0,30; 0,29; 0,28; 0,27; 0,27.
Rezolvare:
a) I. Fie o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn
II. Rezolvăm ecuaţia: m1  m1*  M ( X )  X . (1)
  1
x  3  2
1
M X    xf ( x)dx   x  (  2) x dx  (  2) x dx  (  2)
 1  2

 0 0
 3 0
 3
 
Ecuaţia (1) devine:   2  X    2   X  3 X   1  X  3 X  2 , deci estimatorul parametrului θ obţinut prin
 3
metoda momentelor este ˆ  3 X  2 , iar estimaţia este ˆ  3 x  2
1 X 1 x
10
xj
b) Calculăm media de selecţie: x  0,32  2  0,28  0,33  0,31  3  0,27  0,30  0,29
j 1
  0,292
10 10
Estimaţia parametrului θ pe baza valorilor de selecţie date este ˆ  3 x  2  3 0,292  2  1,5875
1 x 1 0,292
5. Fie X o variabilă aleatoare cu legea de repartiţie f ( x, q)  (1  q)q x ; x  N ; q  (0,1)

a) Să se determine un estimator al parametrului q al acestei repartiţii prin metoda verosimilităţii maxime, utilizând o
selecţie de volum n.
b) Să se determine o estimaţie a parametrului q al acestei repartiţii, pe baza valorilor de selecţie: 11; 9; 11; 12; 10; 10;
9; 12; 10; 11; 12; 10; 11; 11; 10.
Rezolvare:
a) I. Fie o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn.
II. Construim funcţia de verosimilitate:

n
 xj
Px1 , x 2 ,..., x n ; q    f x j ; q    (1  q)q
n n
 (1  q)q  (1  q)q  .....  (1  q)q  (1  q) q
xj x1 x2 xn n j 1
j 1 j 1
III. Logaritmăm funcţia de verosimilitate:

  xj 
n n
 xj
Lx1 , x 2 ,..., x n ; q   ln Px1 , x 2 ,..., x n ; q   ln (1  q) n q j 1   ln 1  q   ln q j 1  n ln 1  q    x j ln q
n n
  j 1
 
IV. Rezolvăm ecuaţia:
Lx1 , x2 ,..., xn ; q 
n
 xj n n  n  n
 0   n  j 1  0  nq   x j  q  x j  0  q n   x j    x j
q 1 q q
j 1 j 1
 
j 1  j 1

n
şi obţinem că estimaţia de maximă verosimilitate a parametrului q este

 xj sau qˆ  x , iar estimatorul de
j 1
qˆ  n 1 x
n   xj
j 1
maximă verosimilitate este qˆ  X

1 X
V. Verificăm faptul că estimaţia găsită asigură maximul funcţiei de verosimilitate.

n n
 xj  xj
 2 Lx1 , x2 ,..., xn ; q  n j 1 n j 1 , deoarece x j  N ,
    0
q 2 q qˆ
1  q 2
q2 1  qˆ  qˆ
2 2
q qˆ
prin urmare qˆ  x este punct de maxim al funcţiei de verosimilitate.

1 x
15
 xj
b) Pe baza valorilor de selecţie date obţinem: x  j 1 2  9  5  10  5  11  3  12 159
   10,6 , prin urmare
15 15 15
estimaţia parametrului q este ˆ x 10,6
q   0,9137
1  x 11,6
6. Fie X o variabilă aleatoare continuă, având densitatea de repartiţie:

 x3 x
 964 e 2  , x  0
f : R  R, f ( x;  )   ,  0

 0, x0
a) Să se estimeze parametrul λ prin ambele metode de estimare punctuală, utilizând o selecţie de volum n.
b) Să se arate că estimatorul obţinut este absolut corect şi eficient.
Rezolvare:
a) Metoda momentelor

 0  
M  X    xf ( x)dx   x  0dx   x  x 4 e  2  dx  1 4  x 4 e  2  dx ;
3 x x
96 96
  0 0
facem schimbarea de variabilă x  t  x  2t; dx  2dt şi obţinem:
2
 
M  X   1 4  2t 4 e  t 2dt    t 4 e  t dt   5   .4! 8
96 3 3 3
0 0
Ecuaţia (1) devine: 8  X şi prin urmare estimatorul parametrului λ obţinut prin metoda momentelor este ˆ  X ,
8
iar estimaţia este ˆ  x
8
Metoda verosimilităţii maxime

xj
Px1 , x2 ,..., xn ;     f x j ;     96j 4 e

n n 
x3 2

j 1 j 1
n
xj

x 3
1
e  2 
x1
x
e  2   ..... 
3
2
x2
x xn x x ...x  j 1
e  2  1 2 n e  2
3
n
3
964 964 964 96 n 4n

III. Logaritmăm funcţia de verosimilitate: Lx1 , x 2 ,..., x n ;    ln Px1 , x 2 ,..., x n ;   

 
n n
x j x j
 x x ...x 3  j 1 
 
n
j 1 n  xj
 ln  1 2n 4 nn e 2    ln  x x ... x  3
 ln 96 n
 ln  4n
 ln e
 2
 3 ln  x j  n ln 96  4n ln   j 1
2
 96 
1 2 n
 j 1
 
Lx1 , x2 ,..., xn ;  
n
 xj n
IV. Rezolvăm ecuaţia:  0   4n  j 1 2  0  8n   x j  0 şi obţinem
  2 j 1
n
 xj
că estimaţia de maximă verosimilitate a parametrului λ este ˆ  j 1
 ˆ  x , iar estimatorul de maximă
8n 8
verosimilitate este ˆ  X
8
 2 Lx1 , x 2 ,..., x n ;  
n
 xj
 4n
 j 1 ˆ x
 4n  642  n x  5123   2562 n  0 , deci   8
2 2  3
x x x
  ˆ   8x
este punct de maxim al funcţiei de verosimilitate.
b) Verificăm condiţiile din definiţia estimatorului absolut corect:
    n 
 
M X  81 M  1n  X j   81n  M X j   81n  M  X   81n  8 
n n n
1) M ˆ  M X
8
1
8
 j 1  j 1 j 1 j 1
 81n 8n   . Am obţinut că M ˆ   

2)

X 1 1 1 n
D ˆ  D   D X  D  X j  
 1 n
64  n j 1  64n j 1
 
2 
DX j  
1 n
 D X   64n 2  nD X   64n
64n 2 j 1
1 D( X )
 8  64
 
 0  
M X 2   x 2 f ( x)dx   x 2  0dx   x 2  x 4 e  2  dx  1 4  x 5 e  2  dx ;
3 x x
96 96
  0 0
cu schimbarea de variabilă x  t  x  2t; dx  2dt obţinem:
2
 
M X2   1
964  2 t  e 2 dt  23  t e dt  23 6  23
5 t 5 t 2 2 2
.5!  80 2 
0 0
 D( X )  M ( X 2 )  M 2 ( X )  802  642  162

Revenind, găsim că D ˆ  D( X )  16   , deci lim D ˆ  lim  2
2 2
0
64n 64n 4n n n 4n
Din 1) şi 2) rezultă că estimatorul este absolut corect.
Dovedim că estimatorul găsit este eficient. Deoarece am verificat că este absolut corect, rămâne de verificat condiţia:

D ˆ 
1 , unde
n  I  
  2 ln f  X ,    . Avem:
I     M  
 2 

ln f  X ;    ln X 3
964
e 
 2X

 3 ln X  ln 96  4 ln   2X ;
 ln f  X ;  
  4  X 2 ;
 2
 2 ln f  X ;  
 2

 42  X3  I    M 42  X3   42  13 M  X    42  82  42
  
     


2
Rezultă că 1
  D ˆ , prin urmare estimatorul este eficient.
n  I   4n
7. Fie X o variabilă aleatoare având repartiţie Poisson de parametru θ.

a) Să se determine un estimator al parametrului θ al acestei repartiţii prin ambele metode de estimare punctuală,
utilizând o selecţie de volum n.
b) Să se determine o estimaţie a parametrului θ al acestei repartiţii prin ambele metode de estimare punctuală, pe baza
valorilor de selecţie: 1, 2, 3, 3, 2, 2, 1, 4, 2, 3.
c) Să se studieze calităţile estimatorului obţinut.
Rezolvare:
a) Legea de probabilitate a variabilei aleatoare X este f x;   e    , x  N .

x
x!
Metoda momentelor
Folosind faptul că media unei variabile aleatoare X cu repartiţie Poisson de parametru θ esteM  X    , ecuaţia (1)
devine:   X şi prin urmare estimatorul parametrului θ obţinut prin metoda momentelor este ˆ  X , iar estimaţia este
ˆ  x .
Metoda verosimilităţii maxime

n
xj  xj
      
n n x1 x2 xn j 1
Px1 , x 2 ,..., x n ;    f x j ;   e    e    e    .....  e    e n 

x j! x1! x2 ! xn ! n
j 1 j 1
 x j!
j 1
III. Logaritmăm funcţia de verosimilitate: Lx1 , x 2 ,..., x n ;    ln Px1 , x 2 ,..., x n ;   
 n

 xj  n
 xj
 
j 1 n n
   ln  x j !  n   x j ln   ln  x j !
n
 n  n
 ln e  n  ln e  ln  j 1
 
 j 1 j 1 j 1
 x j !
 j 1 
IV. Rezolvăm ecuaţia: Lx1 , x2 ,..., xn ;   0  n  j 1  0  n 

n
 xj n
 x j  0 şi obţinem că:
 
j 1
n
 xj
estimaţia de maximă verosimilitate a parametrului θ este ˆ   ˆ  x , iar
j 1
n
estimatorul de maximă verosimilitate este ˆ  x .
n n
 2 Lx1 , x2 ,..., xn ;   xj  xj ˆ
 j 1
  ˆ 2  0 , deoarece x j  N , prin urmare   x
j 1 este punct de
 2 2 
 ˆ  ˆ
maxim al funcţiei de verosimilitate.
b) Estimaţia parametrului θ prin ambele metode de estimare punctuală este ˆ  x .

10
 xj
Pe baza valorilor de selecţie din enunţ obţinem: ˆ  x  j 1
 21 4 2  33 1 4  2,3 .
10 10
 n 
    
n n n
c) 1) M ˆ  M X  M  1  X j   1  M X j  1  M  X   1   1  n  
 j 1
n  n
j 1
n
j 1
n
j 1
n
 

prin urmare M ˆ  
Dˆ   DX   D  X

  1 n
  2  DX j   12  D X   12  nD X   n ,
n n
2) 1
n j  n n n
 j 1  j 1 j 1
unde am folosit că dispersia unei variabile aleatoare X cu repartiţie Poisson de parametru θ este D X    .
n

Rezultă că lim D ˆ  lim   0
n  n
Din 1) rezultă că estimatorul este nedeplasat.
Din 1) şi 2) rezultă că estimatorul este absolut corect.
Deoarece am văzut că estimatorul este absolut corect, putem cerceta eficienţa, verificând condiţia:

D ˆ 
1 , unde
n  I  
  2 ln f  X ,  
I     M  
 
  2 
  X 
ln f  X ;   ln  e    ln e   ln  X  ln X !   X ln   ln X !
 X ! 
 
 ln f  X ; 
 1  X ;
 
 2 ln f  X ;   X  1
  2  I     M   2   2 M  X   2   
X 1 1
 2
      
Rezultă că 1 

  D ˆ , prin urmare estimatorul este eficient.
n  I   n
8. Fie X o variabilă aleatoare având repartiţie uniformă de parametri a şi b.

Să se estimeze cei doi parametri ai acestei repartiţii prin metoda momentelor, utilizând o selecţie de volum n.
Rezolvare:
Densitatea de probabilitate a variabilei aleatoare X este: 

1 , x  [ a , b]
şi
f ( x; a, b)   b  a ,a  b

 0 , x  [ a, b]
ab a 2  ab  b 2
M (X )  ; M (X 2) 
2 3
II. Rezolvăm sistemul: mr  mr* , r  1,2 , adică:

a  b
 m1*
m1  m1*  M  X   m1*  2
     2
m2  m2*  M X 2   m2*  a  ab  b  m *
2
 3
2
Notăm ab  s şi a  b  p şi sistemul devine: s  2m1

*
s  2m1*

 2
s  p  3m2
*
 p  4(m1* ) 2  3m2*
t 2  2m1*  t  4(m1* ) 2  3m2*  0  t1,2  m1*  M 1  4(m1* ) 2  3m2*  m1*  3m2*  (m1* ) 2   m1*  S 3 unde am
2
notat S  m*  (m* ) 2 . Cum a < b, obţinem că estimatorii parametrilor a şi b ai repartiţiei uniforme sunt:
2 1
aˆ  X  S 3, bˆ  X  S 3 .
9. Fie X o variabilă aleatoare având o repartiţie normală de parametri m şi σ2. Să se estimeze cei doi parametri ai
acestei repartiţii prin metoda verosimilităţii maxime, utilizând o selecţie de volum n.
Rezolvare:
( x  m) 2
1 
Densitatea de repartiţie a variabilei aleatoare X este f ( x; m,  )  e 2 , x  R
2
 2
n ( x j m )2
( x j m )2  
Px1 , x2 ,..., xn ; m,    f x j ; m,   
n  n
1 1 2 2
e 2 2
 e j 1
j 1  2  n 2 
n
j 1 2
III. Logaritmăm funcţia de verosimilitate: Lx1 , x 2 ,..., x n ; m,    ln Px1 , x 2 ,..., x n ; m,   

 n ( x m)

2

j
 
  n ln   ln 2   2 
1 2 2 n 1 n
 ln  e j 1
( x j  m) 2
  n 2  2
n
 2 2 j 1
 
IV. Rezolvăm sistemul:
 Lx1 , x2 ,..., xn ; m,   1 n  n
 0   ( x j  m)  0  m  1  xj
  2
n
 m  j 1  j 1
  
 L  x , x ,..., x ; m,   n
 n  1  ( x  m) 2  0  2  1  n
1 2 n
0 ( x j  m) 2

     3 j  n
 j  1  j  1
şi obţinem estimaţiile de maximă verosimilitate ale parametrilor m şi σ2:
mˆ  x

 2 1 n
ˆ  n  ( x j  x)  S
2 2
 j 1
V. Verificăm faptul că estimaţiile găsite asigură maximul funcţiei de verosimilitate, folosind matricea hessiană:
  2 Lx , x ,..., x ; m,    2 Lx1, x2 ,..., xn ; m,    ; obţinem:

 1 2 n
 m2 m 
H m,     
  Lx1, x2 ,..., xn ; m,    2 Lx1, x2 ,..., xn ; m,   
2
  m 
  2

 n 
  n2  23  ( x j  m)  , prin urmare
   j 1 
H m,     
n n
  2  ( x  m) n  2
 ( x  m) 
2
  3 j 1 j  2  3 j 1 j
 
 n 
  n2  3  ( x j  x)  
2
, unde am folosit
 S S
j 1    S2
n 0 
H mˆ , ˆ    
  
n
  2  ( x  x)
n  0  n2 
 ( x j  x)  
n  2 2
S 
 S 3 j 1 j S2 S3
j 1
 
faptul că n n n n 2
. Rezultă că    n2  0;   n 4  0,
 ( x j  x)   x j   x   x j  n x  0 1 S 2 S
j 1 j 1 j 1 j 1
deci estimaţiile găsite realizează maximul funcţiei de verosimilitate.

10. Se cunosc rezultatele a 16 măsurători ale unui unghi oarecare, pentru care s-au obţinut valorile exprimate în grade:
xi 26,2 26,7 26,8 26,9 27,0 27,2

ni 3 2 4 3 1 3
În ipoteza că rezultatele măsurătorilor urmează o lege N(m,3) se cere un interval de încredere 95% pentru media m.
Rezolvare:
Deoarece σ este cunoscut, intervalul căutat este:  
xz   m  xz  
1 n 1 n
2 2
Avem: x  1 (3  26,2  2  26,7  4  26,8  3  26,9  1  27  3  27,2)  26,78

16
1    0,95    0,05  z   z 0,975 1,96
1
2
Obţinem: 26,78  1,96  3  m  26,78  1,96  3  25,31  m  28,25
16 16
Rezultă că intervalul (25,31; 28,25) acoperă cu probabilitatea 0,95 valoarea parametrului m.
11. S-a constatat că greutatea pieselor fabricate de o maşină automată poate fi asimilată cu o variabilă aleatoare X
repartizată N(m,σ). Efectuând o selecţie constând din 12 piese, obţinem următoarele valori, exprimate în kilograme:
5,2; 5,8; 5,6; 5,2; 5,8; 5,2; 5,6; 5,5; 5,8; 5,2; 5,6; 5,8.
Să se determine un interval de încredere 0,98 pentru media m a variabilei aleatoare X.
Rezolvare:
Interval de încredere pentru media m dacă σ necunoscut este:
s s
x t    m  xt  
1  ; n 1 n 1  ; n 1 n
2 2
Organizăm datele de selecţie astfel:
xi 5,2 5,5 5,6 5,8
ni 4 1 3 4
xi ni xi n i xi  x xi  x2 
ni xi  x 2
5,2 4 20,8 -0,325 0,105625 0,4225
5,5 1 5,5 -0,025 0,000625 0,000625
5,6 3 16,8 0,075 0,005625 0,016875
5,8 4 23,2 0,275 0,075625 0,3025
- 12 66,3 - - 0,765
66,3 1
x  5,525; s 2   0,765  0,0695  s  0,2637 ;
12 11
1    0,98    0,02  t1 2 ; n 1 t 0,99;11 2,718 , deci intervalul de încredere pentru medie este:
0,2637 0,2637
5,525  2,718   m  5,525  2,718   5,318  m  5,731 .
12 12
12. Durata de funcţionare a unui anumit tip de motor poate fi considerată o v.a. X repartizată normal. O selecţie
constând din 24 de astfel de tipuri de motoare conduce la s2 = 0,36. Se cere un interval de încredere 98% pentru dispersia
v.a. X.
Rezolvare:
Intervalul de încredere pentru dispersia σ2 este: n  1 s n  1 s 2
2
 2 
 12  ; n1  2; n1
2 2
n  24, s 2  0,36, 1    0,98    0,02 , deci  2  2  41,18;  2

  2  10,2
0, 99; 23  0, 01; 23
1  ; n 1 ; n 1
2 2
Înlocuind, obţinem: 230,36   2  230,36  0,198   2  0,811
41,8 10,2
PROBLEME PROPUSE
1. Dintr-o populaţie generală s-a efectuat o selecţie de volum 36, care a condus la rezultatele:
xi 21 22 24 25
ni 7 15 9 5
a) Să se determine un estimator absolut corect pentru media m a populaţiei şi estimaţia corespunzătoare.
b) Să se determine un estimator nedeplasat pentru dispersia σ2 şi estimaţia corespunzătoare.
c) Să se determine un estimator deplasat pentru dispersia σ2 şi estimaţia corespunzătoare.
2. O selecţie de volum 14 a dat estimaţia deplasată s2 = 3,14 pentru dispersia σ2. Să se determine o estimaţie
nedeplasată a dispersiei σ2.
3. O selecţie de volum 20 a dat estimaţia nedeplasată s2 = 5 pentru dispersia σ2. Să se determine o estimaţie deplasată
a dispersiei.
4. Fie X o variabilă aleatoare continuă, cu densitatea de repartiţie f ( x,  )   x  1; x  (0,1);   0 .
a) Să se determine un estimator al parametrului θ al acestei repartiţii prin metoda momentelor.
b) Să se determine o estimaţie a parametrului θ al acestei repartiţii, pe baza valorilor de selecţie: 5,6; 4,8; 5,4; 5,1; 5,8;
5,2; 5,9; 5,8; 5,7; 5,7.
5. Fie X o variabilă aleatoare cu legea de repartiţie f ( x, p)  p1  p x 1; x  N * ; p  (0,1)
a) Să se determine un estimator al parametrului p al acestei repartiţii prin metoda verosimilităţii maxime.
b) Să se determine o estimaţie a parametrului p pe baza valorilor de selecţie: 21; 20; 21; 22; 23; 30; 19; 24; 20; 21; 22;
20; 22; 21; 21.
 x 2  3x
6. Fie X o v.a. cu densitatea de repartiţie:  e , x0
f : R  R, f ( x; )   54 3 ,  0
 
 0 , x 0
a) Să se estimeze parametrul θ prin ambele metode de estimare punctuală, utilizând o selecţie de volum n.
b) Să se arate că estimatorul obţinut este absolut corect şi eficient.
7. Fie X o variabilă aleatoare având legea de repartiţie: f x;   e 2  2  , x  N
x
x!
a) Să se determine un estimator al parametrului θ al acestei repartiţii prin ambele metode de estimare punctuală,
utilizând o selecţie de volum n şi să se studieze calităţile estimatorului obţinut.
b) Să se determine o estimaţie a parametrului θ al acestei repartiţii prin ambele metode de estimare punctuală, pe baza
valorilor de selecţie: 8, 7, 9, 8, 5, 7, 4, 9, 7, 8.
8. Să se estimeze cei doi parametri ai repartiţiei f ( x; m,  )    ( x m)2

, xR
2
e

prin metoda verosimilităţii maxime, folosind o selecţie de volum n.
9. Să se estimeze parametrul p al repartiţiei f ( x; p)  Cnx p x (1  p) n x , x  0, n; n  N * ; p  (0,1) folosind
o selecţie de volum n şi să se studieze calităţile estimatorului obţinut.
10. Fie  x2   x
 e , x0
f : R  R, f ( x;  )   23 ,  0
 0, 
 x 0
a) Să se arate că f este densitatea de probabilitate a unei variabile aleatoare X şi să se calculeze media şi dispersia
acestei variabile aleatoare; b) să se estimeze parametrul λ prin ambele metode de estimare punctuală, utilizând o selecţie
de volum n şi să se studieze calităţile estimatorului obţinut.
11. Folosind metoda momentelor , să se estimeze parametrii din repartiţiile:
a) f ( x,  )   e   x ; x  0;   0 ; b) f ( x, )  (1   ) x ; x  (0,1);   0 ;
x

c) f ( x, )   (1   ) x ; x  N ;   (0,1) ; d) x 1e  cunoscut
f ( x,  )  ; x  0;   0;   0
( ) 
12. Să se estimeze prin metoda verosimilităţii maxime parametrul θ al repartiţiilor:
a) f ( x, )   (1   ) x ; x  N ;   (0,1) ; b) f ( x, )  (1   ) x ; x  (0,1);   0 ;
x

x  1e 
1
1  x
c)
f ( x,  )  ; x  0;   0;   0 cunoscut; d) f ( x, )  e 
; x  0;   0
( )  
13. Să se estimeze parametrul θ pentru fiecare din următoarele repartitţii, folosind ambele metode de estimare
punctuală şi utilizând datele de selecţie corespunzătoare:
f x,   e  , x  0;   0 xk k 1,10  5,7,4,5,6,5,5,4,8,9

x
a) 1  ; ;

f x,   3 e  , x  0;   0 xk k 1,10  3,6,4,2,5,6,4,5,5,4
x
b) x2  ; ;
2
2 1

f x,   x 1 ; x  (0,1);   (1/ 2,1) xk k 1,15  2,4,5,3,5,7,6,4,5,6,5,5,4,3,3
c) ; .
1
x

14. Fie X o v.a. având densitatea de repartiţie:
f x;1 , 2  
1
1
x1 1e  2 ; x  0; 1 , 2  0
 2 (1 )
a) Să se estimeze parametrii 1 şi 2 folosind metoda momentelor, pe baza unei selecţii de volum n.
b) În ipoteza că 1 cunoscut, să se estimeze 2 cu metoda verosimilităţii maxime folosind o selecţie de volum n
15. Să se estimeze parametrul θ al repartiţiei  
, x 

f : R  R, f ( x )   x   1 ,   0,   0
 0, x  

pe baza unei selecţii de volum n şi să se studieze calităţile estimatorului obţinut.
16. Să se estimeze parametrul a al repartiţiei  5a 5
 , xa
f : R  R, f ( x )   x 6 , a0
 0, x  a

17. Fie ax . Să se arate că f este legea de probabilitate a unei v.a. X , să se estimeze
f : N  R, f ( x )  , a0
(a  1) x 1
parametrul a şi să se studieze calităţile estimatorului gặsit.
18. Fie X o v.a. continuă, având densitatea de repartiţie 2  x
2
 xe  , x  0
f : R  R, f ( x; )   ,  0
 0, x  0

Să se estimeze parametrul θ al acestei repartiţii pe baza unei selecţii de volum n.
   1  x

19. Să se estimeze parametrul θ al repartiţiei
 x e  , x0
f ( x )   ;   0,   0
 x0
 0,
20. Folosind ambele metode de estimare punctuală, să se găsească un estimator pentru parametrul p al repartiţiei
binomiale Bi (n, p). Să se studieze calităţile estimatorului obţinut.
21. Fie X o v.a. ce reprezintă grosimea unor plăci metalice. O selecţie de volum 20 a condus la rezultatele:
xi 5,015 5,020 5,025 5,030
ni 5 4 6 5
Dacă X are o repartiţie M (m,2), să se afleun interval de încredere 98% pentru media m.
22. Fie X o variabilă aleatoare având o repartiţie N (m, ). Să se determine un interval de încredere 98% pentru media
m, pe baza selecţiei care a condus la valorile:
i 1 2 3 4 5 6 7 8 9 10
xi 6,4 6,6 6,7 6,8 7,0 7,2 7,3 6,9 6,5 6,3
23. Fie populaţia P, caracterizată de variabila aleatoare X  N (m, ). Să se determine un interval de încredere 98%
pentru dispersia σ2 a populaţiei X, pe baza selecţiei care a condus la următoarele rezultate:
xi 2 3 4 5 6
ni 4 2 6 4 2

Suport Curs Probabilitati PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Suport Curs Probabilitati PDF

Încărcat de

Drepturi de autor:

Formate disponibile

178 Matematici aplicate in economie – S. Dedu, F.

CAPITOLUL 9. CÂMP DE PROBABILITATE

Definiţia 1.Se numeşte eveniment orice rezultat al unei experienţe.

 n  n  n  (formula lui Poincaré)

Observaţie. În cazul n = 2, avem: P( A)  P( B), pentru A, B evenimente independen te

1. Pentru evenimentele A şi B se cunosc următoarele: P( A  B)  0,25 , P( A  B)  0,4 ,

Înlocuind P(A) şi P(B) date de (1) şi (2) în relaţia (3), rezultă:

0,8  0,4  P( A  B)  0,25  P( A  B)  P( A  B)  P( A  B)  0,15

1. Fie (, K, P) un câmp de probabilitate şi A, B  K două evenimente independente. Ştiind că P( A  B)  1 şi că

4. Pentru evenimentele A şi B se cunosc următoarele: P( A  B)  0,24 , P( A  B)  0,18 , P( A  B)  0,16 .

Propoziţia 1. Dacă F: R  [0,1] este funcţia de repartiţie a unei v.a. X : Ω → R , atunci:

b) F este nedescrescătoare pe R, adică  x1, x2  R, x1 < x2  F (x1)  F (x2);

Propoziţia 5. Dacă X : Ω → R, Y : Ω → R sunt variabile aleatoare şi c  R, a  R, a > 0, k  N*, atunci c X, X + c, X,

Propoziţia 6. Dacă X : Ω → R , Y : Ω → R sunt variabile aleatoare şi a  R, rezultă:

Definiţia 7. Se numeşte dispersia variabilei aleatoare X numărul (dacă există): D( X )  M  X  M ( X )2 

Propoziţia 7. Dacă X : Ω → R, Y : Ω → R sunt variabile aleatoare şi a  R, rezultă:

Observaţie. , dacă X este o v.a. discretă;

Definiţia 15. Fie (Ω, K, P) un câmp de probabilitate şi X : Ω → R o variabilă aleatoare.

Observaţie. , dacă X este o v.a. discretă;

Definiţia 16. Fie (Ω, K, P) un câmp de probabilitate şi X : Ω → R o variabilă aleatoare.

Observaţie. , dacă X este o v.a. discretă;

1. Fie variabila aleatoare discretă   2 1 0 1 2 . Să se determine:

c) M ( X )  (2)  2  (1)  4  0  1  1  2  2  1   4  0,4

D( X )  M ( X 2 )  M 2 ( X )  1,8  (0,4) 2  1,64   ( X )  D( X )  1,28

e) P( X  0,75)  P( X  1)  P( X  2)  2  4  3 ; P( X  1,25)  P( X  2)  1

2. Fie v.a. independente  1 0 1  şi   1 1  . Să se scrie repartiţiile următoarelor v.a.:

3. Se consideră variabila aleatoare 1 0 1 

5. Să se determine v.a.  a a  1 a  2  , ştiind că M (6 X 2 )  7, a  Z , p  R

6. Fie variabila aleatoare  2 3 4 5 6 7  . Se cere probabilitatea P(X – M(X)< (X)).

7. Se consideră variabila aleatoare  a a 1 3 

8. Fie variabila aleatoare discretă  3 1 0 2 3  . Să se determine:

9. Fie v.a. discretă  1 3 4 5 7  şi Y v.a. normată corespunzătoare  X  M (X ) 

Din condiţia 2) rezultă a = 2, deci  2 (1  x), x  [0, 1]

P X  1/ 4   X  3 / 2 P1/ 4  X  3 / 2

P 14  X  32   f ( x)dx   xdx   (2  x)dx  32

Deducem că modul v.a. X este: mo = 1.

 Momentul centrat de ordinul 3 este:

Rezultă că modul variabilei este mo = 4.

f) Asimetria variabilei aleatoare X este A  X   3  X 

13. Fie funcţia F : R  R, F ( x)   a, x0

impunând condiţia de continuitate la stânga în punctul x = 0, rezultă c = -1. Obţinem F ( x)  

FX 3  x    34x  , 3  x  0, 2   34x  , x  1, 3

15. V.a. continuă X are densitatea de repartiţie: 4 x 3 , x  [0,1]

Rezultă că v.a. Z are densitatea de repartiţie  ( x  3) 3

16. Fie v.a. discretă   2  1 0 1 2  . Să se determine:

1 2 cos  2t   2i sin  2t   cos  t   i sin  t   4  cos t  i sin t  2 cos 2t  2i sin 2t  sau

17. Fie f : N  R, f x   e 2 a  2a  , a  0

 ' ' (t )  2a i 2 e it  e 2a e 1  4a 2 i 2 e 2it  e 2a e 1   ' ' (0)  4a 2  2a  

 M(X2) = 4a2 + 2a, prin urmare D2(X) = 2a.

18. Să se calculeze funcţia caracteristică a v.a. având densitatea de repartiţie  x 3

19. O v.a. X are funcţia caracteristică

a) media şi dispersia variabilei aleatoare X;

1. Fie X, Y două v.a. independente, având repartiţiile 1 0 1  şi 2 3 5  . Să se determine

12. Distribuţia v.a. X este  2 -1 0 1 2

13. Să se determine repartiţia sumei şi a produsului variabilelor aleatoare independente  2 0 1 2  şi

14. Fie v.a. independente  1 0 1 şi a 0 1  , p, q R, a  R \ {0,1}.

16. Să se calculeze media şi dispersia următoarelor variabile aleatoare:

18. Să se calculeze momentul centrat de ordin k, k≥ 2 al v.a.  2 2 3 

21. Fie v.a. discretă   2 1 0 1 2 . Să se determine:

a) repartiţia variabilei aleatoare X;

26. Fie variabila aleatoare a 2 a 3  . Să se determine valorile parametrilor reali a şi p pentru

  3  2 0 1  şi Y = 2 X - 3. Să se calculeze M(X + X - Y).

d) Să se generalizeze rezultatul obţinut la punctul c).