Curs complementar de Matematici Aplicate în

Economie

ROSE
 Cuprins

1 Descrierea cursului : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

I Analiza matematică

2 Ecuaţii liniare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

3 Funcţii de una şi mai multe variabile reale . . . . . . . . . . . . . . . . . . . . . 13

4 Derivate parţiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

5 Derivate parţiale de ordin superior . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

6 Diferenţiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

7 Extreme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

8 Extreme condiţionate (legate) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

9 Ajustarea datelor experimentale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

10 Integralele lui Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

 II Probabilităţi

11 Evenimente. Probabilităţi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

12 Scheme probabilistice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

13 Variabile Aleatoare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63

14 Caracteristici numerice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
 1. Descrierea cursului :

Se vor avea in vedere urmatoarele obiective:

• Introducerea catorva notiuni de analiza functiilor reale de mai multe variabile reale care
sa constituie pentru studenti instrumente pentru tratarea unor probleme de extrem, pentru a permite
ajustarea datelor experimentale, etc.

• Crearea bazelor necesare de noţiuni de analiză matematică, a teoriei probabilitatilor si a

statisticii matematice.

• Definirea si studiul principalelor proprietati ale conceptelor de baza din teoria probabili-
tatilor. Crearea la studenti a unor deprinderi de utilizare a tehnicilor probabilistice si de folosire a
acestora in scop aplicativ. Fundamentarea probabilistică a statisticii matematice.

Organizarea părţilor în cadrul cursului :

Cursul va avea urmatoarele doua parti:

1. Elemente de analiza matematica

2. Elemente de teoria probabilitatilor

Organizarea părţilor s-a făcut având în vedere ordinea firească şi faptul că gradul de dificultate
să urmeze o ordine crescătoare.

Strategii de studiu recomandate :

Recomandăm studenţilor să se pregătească mai întâi din aspectele teoretice, aşa încât, mai întâi,
6 Capitolul 1. Descrierea cursului :

din curs, să fie studiate modulele cu teoria şi exemplele ilustrative formulate, iar apoi şi problemele
formulate spre rezolvare.
I
Analiza matematică

2 Ecuaţii liniare . . . . . . . . . . . . . . . . . . . . . . . . 11

3 Funcţii de una şi mai multe variabile reale

13

4 Derivate parţiale . . . . . . . . . . . . . . . . . . . . 17

5 Derivate parţiale de ordin superior . . . 21

6 Diferenţiale . . . . . . . . . . . . . . . . . . . . . . . . . 23

7 Extreme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

8 Extreme condiţionate (legate) . . . . . . . 31

9 Ajustarea datelor experimentale . . . . . 35

10 Integralele lui Euler . . . . . . . . . . . . . . . . . . 41

 9

Obiective

• Introducerea câtorva noţiuni de analiza funcţiilor reale de mai multe variabile reale care să
constituie pentru studenţi instrumente pentru tratarea unor probleme de extrem, pentru a
permite ajustarea datelor experimentale, etc.

• Crearea bazelor necesare de analiză matematică, de teorie a probabilitatilor şi pentru statistica
matematică.

Concepte de baza

• Ecuaţii liniare. Funcţii de una şi mai multe variabile reale;

• Derivate parţiale, diferenţiala de ordinul I pentru funcţiile reale de mai multe variabile reale,
derivate parţiale şi diferenţiale de ordin superior;

• Extremele funcţiilor reale de mai multe variabile reale (libere sau cu legături);

• Ajustarea datelor experimentale;

• Integrale Euler.

Rezultate asteptate

Insusirea conceptelor de baza mentionate si crearea deprinderilor de utilizare a acestora. Stu-

dentul trebuie sa fie capabil sa aplice in practica notiunile studiate pentru analizarea unor situatii
concrete din economie, cum ar fi de exemplu probleme de gestiunea optima a stocurilor.
 2. Ecuaţii liniare

1 Ecuaţia liniară ax + by = c este o ecuaţie în care toate variabilele sunt la puterea întâi şi nu
apare nici un produs al variabilelor (a, b şi c nu sunt zero simultan).

Graficul unei ecuaţii liniare este o dreaptă, unde

• x = variabila independenta (exogenă)
• y = variabila dependenta (endogenă)

Panta unei drepte m = tgθ măsoară schimbarea în variabila dependentă divizată de schimba-
rea în variabila independentă
∆y y2 − y1
m= = , (x1 6= x2 )
∆x x2 − x1

Observaţie :
• y = mx + n sau y − y1 = m(x − x1 ) este ecuaţia dreptei "punct-pantă"
y − y1 y2 − y1
• = este ecuaţia dreptei prin "tăieturi" (prin 2 puncte)
x − x1 x2 − x1

 Exemplul 1 Scrieţi ecuaţiile dreptelor pentru care:

1
• panta este m = 4 şi avem punctul (0, 3) ∈ dreptei

Răspuns: y = 14 x + 3

• avem punctele (4, 1) şi (6, 2) ∈ dreptei

Răspuns: y = 21 x − 1

12 Capitolul 2. Ecuaţii liniare
3
 Exemplul 2 Fie dreptele 6x + 3y = 18, y = x + 1, y = 5. Găsiţi pantele şi interpretaţi rezultatele.
4
Aflaţi punctele de intersecţie cu axele de coordonate.

Răspuns:
1. y = −2x + 6 ⇒ m = −2 = − 12 < 0 adică o creştere cu 1 unitate în variabila independentă x
atrage după sine o scădere cu 2 unităţi în variabila dependentă y.

2. y = 34 x + 6 ⇒ m = 3
4 > 0 adică o creştere cu 4 unităţi în variabila independentă x atrage după
sine o creştere cu 3 unităţi în variabila dependentă y.

3. y = 5 ⇒ m = 0 adică variabila dependentă y are valoare constantă indiferent dacă variabila

independentă x creşte sau scade


 Exemplul 3 Ecuaţiile liniare sunt des folosite pentru a a descrie constrângerile de producţie.
Presupunem că într-o firmă, se folosesc 240 ore de muncă calificată pe săptămână pentru a produce
2 produse x şi y. Fiecare bucată din x necesită 3 ore de muncă calificată iar pentru y, 4 ore.Exprimaţi
constrângerea firmei pentru munca calificată în termenii unei ecuaţii liniare.

Răspuns: 3x + 4y = 240 
 3. Funcţii de una şi mai multe variabile reale

2 • Un punct important al teoriei economice este să exprime şi să analizeze relaţiile dintre
variabilele economice (descrise matematic prin funcţii);
• În general, funcţiile care modelează fenomene economice depind de una sau de mai multe
variabile;
• Sunt în general compuneri ale funcţiilor elementare (polinoame, funcţii raţionale, expo-
nenţiale, logaritmice).

 Exemplul 4 Dacă D = [0, ∞)×[0, ∞)×[0, ∞) ⊆ R3 atunci funcţia f : D −→ R, f (x) = f (x1 , x2 , x3 ) =

x1 x2 x3 reprezintă producţia unei intreprinderi (funcţie reală de 3 variabile reale) unde x1 este
productivitatea muncii, x2 numărul de muncitori, iar x3 timpul de muncă. 

 Exemplul 5 Calculaţi derivatele funcţiilor de mai jos:

• f (x) = 5
• f (x) = 5x
• f (x) = 7x3 − 2x2 + 3x + 4
• f (x) = 2x
2
• f (x) = e2x +3
√
• f (x) = 5x2 − 1
• f (x) = ln(5x2 + 3x + 7)
• f (x) = (2x + 1)(5x − 2)
4x − 3
• f (x) =
7x + 2

14 Capitolul 3. Funcţii de una şi mai multe variabile reale

REAMINTIM: FORMULELE DE DERIVARE pentru o funcţie de o variabilă reală:

c0 = 0 (c f )0 = c · f 0

x0 = 1 ( f ± g)0 = f 0 ± g’

(xn )0 = nxn−1 (un )0 = nun−1 · u0 ( f · g)0 = f 0 · g + g0 · f

 0
f f 0 · g − g0 · f
(ex )0 = ex (eu )0 = eu · u0 =
g g2
(ax )0 = ax · ln a (au )0 = au · ln a · u0

(ln x)0 = 1
x (ln u)0 = 1u · u0

1 0 1 0
= − x12 = − u12 · u0



x u
√ √
( x)0 = 1
√
2 x
( u)0 = 1
√
2 u
· u0

 Exemplul 6 Derivaţi funcţia considerând ca fiind variabilă, fiecare parametru în parte (a, b, c, d,
x, V, Q, s, t) :
• f = a + bx + cx2
• Q = a · lnV
• S = a · eQ
p
• S = b cQ2 − d
• R = ln(2s + 3t)
4s − 5t
• R=
2s + 5t


APLICAŢII ECONOMICE: funcţii marginale în economie

3 Cost marginal = costul producerii unei unităţi suplimentare

Costul marginal este dat de relaţia

C0 (x) ∼
= C(x + 1) −C(x).

Fie costul total al unei companii care produce x bucăţi dintr-un anumit produs

C(x) = 8000 + 200x − 0, 2x2 (0 ≤ x ≤ 400).

a) Care este costul actual de producţie al celui de al 251-lea produs?

b) Care este rata variaţiei costului total, relativ la x dacă x = 250 (derivata)?
c) Comparaţi rezultatele de la a) şi b)
 15

4 Elasticitatea cererii în raport cu preţul = gradul (procentul) de modificare al variabilei cerere

C(p) în raport cu modificarea variabilei preţ p

p ·C0 (p)
EC (p) = −
C(p)

Interpretare

EC (p) > 1 (cerere elastică) procentul cu care descreşte cererea e mai mare ca procentul
cu care creşte preţul

• EC (p) < 1 (cerere inelastică) procentul cu care descreşte cererea e mai mic ca procentul
cu care creşte preţul

• EC (p) = 1 (elasticitate unitară) creşterea preţului cu o unitate implică descreşterea cererii

cu o unitate

 Exemplul 7 O firmă producătoare de laptopuri consideră că cererea C (mii bucăţi) care va fi
solicitată de clienţi, depinde de preţul p (în mii lei) al unui laptop comform relaţiei

C(p) = 357 − 25 · p3

Deduceţi elasticitatea cererii în raport cu preţul dacă un laptop costa 2000 lei (p=2). 

 Exemplul 8 Fie funcţia cerere în raport cu preţul unitar

C(p) = 100 − p2 .

Exprimaţi preţul în funcţie de cerere şi calculaţi valoarea marginală (derivata) acestuia. 
 4. Derivate parţiale

• Un scop important al analizei economice este acela de a înţelege cum este afectată o variabilă
dependentă (endogenă), f , de schimbarea uneia dintre celelalte variabile independente
(exogene) (x, y, ...).

• Din moment ce suntem interesaţi de schimbarea uneia singure, vom schimba o singură
variabilă o dată, şi le vom pastra neschimbate pe celelelte.

• Matematic, efectul schimbării este exprimat prin derivata parţială a unei funcţii f în raport
cu variabila considerată.

5 Pentru o funcţie de două variabile reale :

Fie D ⊂ R2 , (a, b) ∈ D şi f : D −→ R.

Definiţie : Derivatele parţiale ale funcţiei f în raport cu x, respectiv cu y, în puctul (a,b)

sunt
∂f f (x, b) − f (a, b)
fx0 (a, b) = (a, b) = lim ,
∂x x→a x−a
∂f f (a, y) − f (a, b)
fy0 (a, b) = (a, b) = lim .
∂y y→b y−b

Analog se pot defini derivatele parţiale pentru funcţii cu mai mult de 2 variabile reale.

Pentru funcţii elementare (polinoame, funcţiile raţionale, trigonometrice, exponenţială, loga-

∂f
ritmică şi compuneri ale acestora, etc.) ∂x = fx0 se calculează derivând f uzual în raport cu x,
∂f
considerând y ca parametru, iar ∂y = fy0 se calculează derivând f în raport cu y şi considerând x ca
parametru.
18 Capitolul 4. Derivate parţiale

 Exemplul 9 Fie f (x, y) = x2 + xy şi a = (5, −3) , D = R2 . In acest caz

fx0 (x, y) = (x2 )0x + (xy)0x = 2x + y

şi
fy0 (x, y) = (x2 )0y + (xy)0y = x

In punctul a înlocuim x = 5, y = −3 şi găsim fx0 (5, −3) = 7 şi fy0 (5, −3) = 5. 

Observaţie (ECONOMIC)
• Valori marginale = derivatele parţiale de ordinul I ale funcţiei scop (Productivitate, cost,
beneficiu, câştig, venit, încasare)
fx0 , fy0

• Rata de schimb parţială = raportul dintre derivata parţială de ordinul I şi funcţia însăşi

(x) f0 (y) fy0

ρf = x, ρf =
f f
• Elasticitatea parţială a unei funcţii = produsul dintre rata de schimb parţială şi variabila
în raport cu care facem derivarea

(x) (x) −x · fx0

E f = −x · ρ f =
f

(y) (y) −y · fy0

E f = −y · ρ f =
f

 Exemplul 10 Calculaţi derivatele parţiale de ordinul întâi pentru funcţiile de mai jos în punctele
specificate:
1. f (x, y) = 2x3 + 4y2 , (2, 3), R: (24, 24)
2. f (x, y) = x4 + 2x3 y − 3xy2 + 2y3 + 4, (−1, 2), R: (−4, 34)
x y
3. f (x, y) = + , (−2, 2), R: (0, 0)
y xp
4. f (x, y) = ln(x + x2 + y2 ), (1, 0), R: (1, 0)
5. f (x, y, z) = 2x2 + 3y + y2 − 2yz + xz2 + z3 , (−2, 4, 1), R: (−7, 9, −9)


 Exemplul 11 Determinaţi productivităţile marginale şi elasticităţile parţiale pentru

√
3 √
f (x, y, z) = 3 x2 · y5 · z, Răspuns: (2/3, 1, 1/2)

 Exemplul 12 Productivitatea unei anumite ţări este descrisă de funcţia

Q(L, K) = 4L1/4 K 3/4

unde L reprezintă forţa de muncă, iar K este capitalul investit.

 19
 1/4  3/4
L K
1. Calculaţi Q0L , Q0K ,
Răspuns: 3 ,
K L
2. Care este productivitatea marginală a forţei de muncă, respectiv a capitalului atunci când
L = 625, K = 10.000. În acest caz, guvernul ar trebui să încurajeze investiţia în capital sau
în forţa de muncă pentru a creţe productivitatea totală?
R: Q0K (625, 10.000) = 1.5, Q0L (625, 10.000) = 8
Interpretare: O unitate investită suplimentar în capital duce la o creştere cu 1.5 unităţi în producţie,
în timp ce, o unitate investită suplimentar în forţa de muncă duce la o creştere cu 8 unităţi în
producţie. În acest caz, guvernul ar trebui să încurajeze investiţia în forţa de muncă pentru a creşte
productivitatea totală.

 5. Derivate parţiale de ordin superior

6 Fie D ⊂ R2 , (a, b) ∈ D şi f : D −→ R care admite derivate parţiale de ordinul I.

Derivatele parţiale de ordinul doi ale funcţiei f sunt

∂2 f
fx002 = = ( fx0 )0x
∂ x2
∂2 f
fy002 = = ( fy0 )0y
∂ y2

00 ∂2 f
fxy = = ( fx0 )0y
∂ x∂ y

00 ∂2 f
fyx = = ( fy0 )0x
∂ y∂ x
Se poate trece similar la derivatele parţiale de ordin superior (n ≥ 2).

Observaţie O funcţie de n variabile reale are:

• n derivate parţiale de ordin I
• n2 derivate parţiale de ordinul II
• n3 derivate parţiale de ordinul III

 Exemplul 13 Să calculăm derivatele parţiale de ordinul întâi şi doi pentru funcţia f : R2 −→ R,

f (x, y) = ln x2 + y2 + 1

u0
Folosim ln(u)0 = u:
• fx0 (x, y) = 2x
x2 +y2 +1
, fy 0 (x, y) = x2 +y2y2 +1 .
 0 2(x2 +y2 +1)−2x 2x 2(−x2 +y2 +1)
• fx002 (x, y) = x2 +y2x2 +1 = 2 2 2 = 2 2 2 .
x (x +y +1) (x +y +1)
22 Capitolul 5. Derivate parţiale de ordin superior
 0  
2y
00 (x, y) =
• fxy 2x
x2 +y2 +1
= 2x − 2 = − 2 4xy 2.
(x2 +y +1)
2 2
(x +y +1)
 0y 2(x2 −y2 +1)
2y
• fy002 (x, y) = x2 +y2 +1 y
= 2 2 2 .
(x +y +1)
Se observă că 00 00
fxy (x, y) = fyx (x, y). 

 Exemplul 14 Calculaţi derivatele parţiale de ordinul I, II şi III în punctul a = (1, 1) pentru

f : R2 → R, f (x, y) = x3 y2 − 4y2 x.

Observaţie:
• Se observă că (în situaţiile acoperite în acest manual) o parte din derivatele mixte de ordinul
II şi III sunt egale:
00 00
fxy = fyx

fx0002 y = fxyx
000 000
= fyx 2,
000
fxy 000 000
2 = f yxy = f y2 x

• Nu contează ordinea de derivare ci doar de câte ori derivăm şi în raport cu ce variabile
 6. Diferenţiale

7 Definiţie : Fie D ⊂ R2 , (a, b) ∈ D şi f : D −→ R ce admite der. parţiale de ordin I,II şi III
atunci :
d f(a,b) (dx, dy) = fx0 (a, b)dx + fy0 (a, b)dy

d 2 f(a,b) (dx, dy) = fx002 (a, b)dx2 + 2 fxy

00
(a, b)dxdy + fy002 (a, b)dy2

d 3 f(a,b) (dx, dy) = fx0003 (a, b)dx3 + fy0003 (a, b)dy3

+3 fx0002 y (a, b)dx2 dy + 3 fy0002 x (a, b)dy2 dx

 Exemplul 15 Calculaţi d f , d 2 f , d 3 f pentru

f (x, y) = x3 y2 − 4y2 x în a = (1, 1).

Probleme :

1. Calculaţi derivatele parţiale indicate:

1. f (x, y) = x4 y − 3xy5 + 3x − 7y + 2, fx0 , fy0 , fx002 , fxy
00

2. f (x, y, z) = x3 y2 (2z − 1)7 , fx0 , fy0 , fz0 , fz002 , fz0003 , fz0002 y , ( fzyz
000 , f 000 , ) f 000
yz2 xyz

3. f (x, y) = exy , fx002 , fxy

00
24 Capitolul 6. Diferenţiale
 
p+q 00
4. f (p, q) = ln , fqp
pq
2 000
5. f (r, θ ) = er · θ 3 , frθ r
s+t
6. f (s,t) = , fst00
s−t
2. Fie f : R2 → R, f (x, y) = 2x3 + 3xy + 4y3 . Calculaţi:
1. d f(x,y) (dx, dy)

2. d f(1,−1) (dx, dy) şi d f(1,2) (dx, dy)

3. d f(x,y) (u, v)

4. d f(1,−1) (u, v) şi d f(1,2) (u, v)

5. d f(1,−1) (2, 3) şi d f(1,2) (5, 7)

6. d 2 f(x,y)

7. d 2 f(1,−1)

Răspuns:
1. d f(x,y) (dx, dy) = (6x2 + 3y)dx + (3x + 12y2 )dy

2. d f(1,−1) (dx, dy) = 3dx + 15dy sau d f(1,2) (dx, dy) = 12dx + 51dy

3. d f(x,y) (u, v) = (6x2 + 3y)u + (3x + 12y2 )v

4. d f(1,−1) (u, v) = 3u + 15v sau d f(1,2) (u, v) = 12u + 51v

5. d f(1,−1) (2, 3) = 51 sau d f(1,2) (5, 7) = 417

6. d 2 f(x,y) = 12xdx2 + 24ydy2 + 2 · 3dxdy

7. d 2 f(1,−1) = 12dx2 − 24dy2 + 6dxdy

3. Calculaţi d f , d 2 f pentru f (x, y, z) = x2 y3 z + xz − yz2 , în a = (1, 2, 3)

Răspuns:

d f (1, 2, 3) = 51dx + 27dy − 3dz

d 2 f (1, 2, 3) = 48dx2 + 36dy2 − 4dz2 + 2 · 72dxdy + 2 · 17dxdz + 2 · 6dydz

4. Calculaţi d f , d 2 f , d 3 f pentru:
1. f (x, y) = 2x4 + 3x2 y + 4y3 , a = (1, 2)

2. f (x, y) = ln(xy), a = (1, 1)

Răspuns:
1. d f (x, y) = (8x3 + 6xy)dx + (3x2 + 12y2 )dy ⇒ d f (1, 2) = 20dx + 51dy
d 2 f (x, y) = (24x2 + 6y)dx2 + 12xdxdy + 24ydy2 ⇒ d 2 f (1, 2) = 36dx2 + 12dxdy + 48dy2
d 3 f (x, y) = 48xdx3 + 24dy3 + 18dx2 dy ⇒ d 3 f (1, 2) = 48dx3 + 24dy3 + 18dx2 dy
 25
1 1
2. d f (x, y) = dx + dy ⇒ d f (1, 1) = dx + dy
x y
−1 2 −1 2
d f (x, y) = 2 dx + 2 dy ⇒ d 2 f (1, 1) = −dx2 − dy2
2
x y
2 2
d 3 f (x, y) = 3 dx3 + 3 dy3 ⇒ d 3 f (1, 1) = 2dx3 + 2dy3
x y
 7. Extreme

Adesea, în problemele practice din domeniul economic, întâlnim formulări de genul:

• "să se minimizeze costul producţiei"
• "determinaţi profitul maxim"
• "care sunt cheltuielile minime de transport ?"

Prin urmare, a fost necesară găsirea unei metode de aflare a punctelor de extrem (minim sau
maxim) a unei funcţii.

8 Definiţie: EXTREM GLOBAL Fie f : D −→ R, D ⊂ R2 şi (a, b) ∈ D.

• (a, b) ∈ D se numeşte punct de maxim global pentru f dacă f (x, y) ≤ f (a, b) pentru
∀(x, y) ∈ D.

Valoarea de maxim global a funcţiei este fmax = f (a, b)

• (a, b) ∈ D se numeşte punct de minim global pentru f dacă f (a, b) ≤ f (x, y) pentru
∀(x, y) ∈ D.

Valoarea de minim global a funcţiei este fmin = f (a, b)

Observaţie (a, b) ∈ D se numeşte punct de maxim/nimin local pentru f dacă f (x, y) ≤ / ≥ f (a, b)
atunci când (x, y) se găseşte în vecinătatea lui (a, b).

9 Punctele de extrem local pentru o funcţie se caută printre punctele staţionare.

Este necesar să definim mai întâi punctul staţionar (critic).

28 Capitolul 7. Extreme

Fie f : D −→ R, D ⊂ R2 şi (a, b) ∈ D.

Definiţie : (a, b) se numeşte punct staţionar pentru f dacă sunt îndeplinite condiţiile:
1. f admite derivate parţiale în (a, b)
2. fx0 (a, b) = 0, fy0 (a, b) = 0

10 TEOREMĂ: Condiţii necesare pentru existenţa extremelor locale Fie f : D −→ R,

D ⊂ R2 şi (a, b) ∈ D un punct de extrem.
Dacă f admite derivatele parţiale de ordinul întâi în punctul (a, b) atunci avem

fx0 (a, b) = 0, fy0 (a, b) = 0

deci (a, b) este punct staţionar.

Observaţie Dacă (a, b) este punct de extrem pentru f atunci

d f(a,b) = 0

11 TEOREMĂ: Condiţii suficiente pentru existenţa extremelor locale Fie f : D −→ R,

D ⊂ R2 şi (a, b) ∈ D un punct staţionar.

Dacă f admite derivate parţiale până la ordinul doi continue într-o vecinătate a lui (a, b),
dx = x − a, dy = y − b atunci au loc afirmaţiile:
• dacă d 2 f(a,b) > 0, ∀(x, y) 6= (a, b) ⇒ (a, b) minim local pentru f

• dacă d 2 f(a,b) < 0, ∀(x, y) 6= (a, b) ⇒ (a, b) maxim local pentru f

• dacă d 2 f(a,b) nu are semn constant ⇒ (a, b) nu este punct de extrem.

Observaţie În cele ce urmează vom face referire la o funcţie cu 3 variabile, f (x, y, z) şi un punct
a ∈ D ⊂ R3 .
Pentru fiecare punct staţionar a, diferenţiala (forma pătratică) poate fi scrisă sub forma matri-
ceală

 
 
fx002 00
fxy fxz00
 dx 
 
 
   
 00
2 f fy002 fyz00
  
d f(a) = (dx dy dz) 
 yx


 dy  ,
 
   
   
 f 00 fzy00 fz002  dz
zx
|a

Matricea pătratică de ordinul 3 se numeşte matricea hessiană asociată lui f în punctul staţionar
a şi se notează
H(a) = H(a1 , a2 , a3 ).
 29

Introducând notaţiile
ai j = fx00i x j (a), i, j = 1, 3

matricea hessiană H(a) primeşte forma:

 
 a11 a12 a13 
 
 
H(a) = 
 a21 a22 a23


 
 
a31 a32 a33

H(a) este o matrice simetrică pentru că

ai j = fx00i x j = fx00j xi = a ji , i, j = 1, 3

Fie minorii principali ai matricei hessiene:

A1 = a11
 
 
 a
 11 a12


A2 =  

 a
 21 a22



 
 
 a
 11 a12 a13


 
 
A3 =  a21 a22 a23 

 
 
 a31 a32 a33
 


Putem formula un criteriu care să ne ajute în stabilirea naturii unei forme pătratice.

12 TEOREMĂ: Criteriul lui Sylvester

1. Dacă
A1 > 0, A2 > 0, A3 > 0

+, +, +

⇒ a este punct de minim al lui f

2. Dacă
A1 < 0, A2 > 0, A3 < 0

−, +, −

⇒ a este punct de maxim al lui f

30 Capitolul 7. Extreme

3. In orice altă situaţie nu avem punct de extrem (excludem excepţiile).

13 Algoritmul pentru găsirea punctelor de extrem:

1. Condiţii necesare:

 fx0 = 0


⇒ (a, b) punct staţionar.
0

 fy = 0


2. Condiţii suficiente:
Calculăm derivatele parţiale de ordinul doi în punctul (a, b) şi scriem diferenţiala de
ordinul doi d 2 f(a,b) .

3. Se aplică Criteriul lui Sylvester

 Exemplul 16 Determinaţi punctele de extrem pentru funcţiile de mai jos:

a) f (x, y) = x3 + y3 − 9xy + 100 R: fmin = f (3, 3) = 71

b) f (x, y, z) = −x2 − y2 − z2 − x + 2z R: fmax = f (− 12 , 0, 1) = 5

4


Probleme : Găsiţi extremele funcţiei:

4y2
1. f (x, y) = 2x2 + − 24x, x 6= 0 Răspuns: fmin = f (6, 0) = −72
x
2. f (x, y) = 160x + 120y − 3x2 − 2xy − 2y2 − 18 Răspuns: fmax = f (20, 20) = 2728
3. f (x, y, z) = 5 − 2x2 − 2xy − 2y2 − z2 + yz − 3y Răspuns: fmax = f ( 35 , − 56 , − 35 ) = 34
5
4. f (x, y, z) = 2x2 + y2 + 2xy + 3z2 + 2xz + 4z + 3 Răspuns: fmin = f (1, −1, −1) = 1
 8. Extreme condiţionate (legate)

Există mai multe metode pentru aflarea extremelor condiţionate. Prezentăm în cele ce urmează
două dintre ele:
1. Metoda directă

2. Metoda multimplicatorilor lui Lagrange

Vom prezenta problema generală pe cazul funcţiei de 2 variabile reale.

Fie f , g : D −→ R, D ⊂ R2 . Determinaţi punctele de extrem local ale funcţiei f care satisfac

condiţia (legătura) g(x, y) = 0.

14 Definiţie: EXTREM LOCAL LEGAT

(a, b) ∈ D se numeşte punct de maxim local pentru f dacă f (x, y) ≤ f (a, b) atunci când
(x, y) este în vecinătatea lui (a, b);
• (a, b) ∈ D se numeşte punct de minim local pentru f dacă f (x, y) ≥ f (a, b) atunci când
(x, y) este în vecinătatea lui (a, b).

Observaţie

Valoarea de maxim local legat a funcţiei este fmax = f (a, b)

Valoarea de minim local legat a funcţiei este fmin = f (a, b)

Observaţie Numărul de legături este mai mic decât numărul variabilelor funcţiei
32 Capitolul 8. Extreme condiţionate (legate)

METODA DIRECTĂ

15 Algoritm de rezolvare :

1. Din legătură exprimăm o variabilă în funcţie de cealaltă. Obţinem, de exemplu, y = h(x).

2. Înlocuim acum în funcţia f şi obţinem astfel funcţia F de o variabilă reală F(x) =
f (x, h(x)).

3. Pentru noua funcţie F se determină extremele în mod obişnuit (condiţii necesare şi sufi-
ciente).
Rezultă astfel extremele local condiţionate pentru funcţia dată f .

 Exemplul 17 Determinaţi punctele de extrem pentru funcţia

f (x, y) = x2 + y2 cu legătura 2x + y = 1

2 1 1


Răspuns: fmin = f 5, 5 = 5


16 Observaţie: Nu totdeauna putem exprima o variabilă în funcţie de cealaltă (legătura poate

fi complicată), deci metoda directă nu poate fi aplicată în orice condiţii.

METODA MULTIPLICATORILOR LUI LAGRANGE

Fie f , g : D −→ R, D ⊂ R2 . Determinaţi punctele de extrem local ale funcţiei f care satisfac

condiţia (legătura) g(x, y) = 0.

17 Algoritm de rezolvare :

1. Construim funcţia lui Lagrange

L(x, y, λ ) = f (x, y) + λ g(x, y)

unde λ se numeşte multiplicatorul lui Lagrange.

2. Condiţii necesare:

Lx0 = 0







 Ly0 = 0 ⇒ (a, b, λ ∗ ) punct staţionar pentru L



 L0 = g(x, y) = 0


λ
 33

3. Condiţii suficiente:

Scriem d 2 L(a, b, λ ∗ ) şi diferenţiem legătura dg(a, b) = 0. Înlocuim ceea ce obţinem în

relaţia diferenţialei şi stabilim natura ei ⇒ punctul de extrem pentru L respectiv punctul
de extrem condiţionat pentru f .

Observaţie : Dacă sunt mai multe puncte staţionare, raţionamentul se repetă pentru fiecare în
parte.

 Exemplul 18 Determinaţi punctele de extrem pentru funcţiile:

1. f (x, y) = x2 + y2 cu legătura 2x + y = 1

2 1 1


Răspuns: fmin = f 5, 5 = 5

2. f (x, y, z) = 3x3 + 3y3 + 3z3 − 9xyz cu legătura x + y + z = 3

Răspuns: fmin = f (1, 1, 1) = 0



Probleme : Aflaţi extremele funcţiilor de mai jos:

1. f (x, y) = 3x + y cu legătura 36x2 + y2 = 20
1 1
Răspuns: fmin = f (− , −4) = −5, fmax = f ( , 4) = 5
3 3

2. f (x, y, z) = xy + yz + zx cu legătura xyz = 8

Răspuns: fmin = f (2, 2, 2) = 12 (λ = −1)

3. f (x, y, z) = 2x + 3y + z cu legătura x2 + y2 + z2 = 14

Răspuns: fmin = f (2, 3, 1) = 14 fmax = f (−2, −3, −1) = −14

 9. Ajustarea datelor experimentale

1 Privim această problemă ca o aplicaţie la determinarea punctelor de extrem a unei funcţii.

Să presupunem că într-un proces concret participă două mărimi măsurabile ale căror valori să
fie notate cu x şi y.

Dependenţa dintre cele două mărimi poate fi descrisă de o funcţie

f : R → R, y = f (x).

Determinarea funcţiei f este o problemă centrală în orice ştiinţă experimentală.

Informaţii utile în rezolvarea acestei probleme sunt valori determinate experimental pentru
cele două mărimi x şi y, valori ce sunt în mod obiectiv afectate de erori de măsurare.

Recunoaşterea acestui fapt subliniază importanţa cunoştinţelor teoretice despre procesul în

discuţie.

Să admitem că n observaţii experimentale dau următoarele valori pentru x şi y:

x x1 x2 ··· xn

y y1 y2 ··· yn

Problema care se pune este determinarea unei funcţii f dintr-o clasa F ale cărei valori în
punctele x1 , x2 , . . . , xn să "se apropie cât mai mult" de datele determinate experimental y1 , y2 , ..., yn .
36 Capitolul 9. Ajustarea datelor experimentale

O măsură a ”apropierii” funcţiei f de datele experimentale este

n
∑ ( f (xi ) − yi )2 .
i=1

Această metodă se va numi ajustarea datelor experimentale cu metoda celor mai mici
pătrate.

În cele ce urmează, considerăm F clasa funcţiilor polinomiale de grad cel mult m în nedeter-
minata x
F = Pm (x) = am xm + ... + a2 x2 + a1 x + a0 | ak ∈ R, k = 0, m .


A determina pe f revine atunci la a determina coeficienţii a0 , a1 , . . . , am .

Particularizăm alegerea funcţiei la clasa funcţiilor polinomiale de gradul I (dreapta), respectiv

de gradul II (parabola) :

f (x) = a0 + a1 x, f (x) = a0 + a1 x + a2 x2

Pentru a putea găsi coeficienţii a0 şi a1 , respectiv a0 ,a1 şi a2 construim:

n
F(a0 , a1 ) = ∑ ((a0 + a1 xi ) − yi )2
i=1

şi respectiv,
n
F(a0 , a1 , a2 ) = ∑ ((a0 + a1 xi + a2 xi2 ) − yi )2
i=1

Problema pusă se reduce atunci la determinarea minimului lui F.

Punctele staţionare ale funcţiei F sunt soluţii ale sistemului


Fa00 (a0 , a1 , a2 ) = 0
 



 Fa0 (a0 , a1 ) = 0

 


0
respectiv Fa01 (a0 , a1 , a2 ) = 0
 Fa0 (a0 , a1 ) = 0

 


1 
 Fa0 (a0 , a1 , a2 ) = 0


2

Calculând derivatele parţiale de ordinul întâi ale funcţiei F se ajunge la următorul sistem de
ecuaţii liniare, sistem ce se numeşte sistemul normal :
• pentru dreapta y = a0 + a1 x, avem


 s a +s a = t

0 0 1 1 0


 s1 a0 + s2 a1 = t1

 37

• pentru parabola y = a0 + a1 x + a2 x2 , avem






 s0 a0 + s1 a1 + s2 a2 = t0


 s1 a0 + s2 a1 + s3 a2 = t1




 s2 a0 + s3 a1 + s4 a2 = t3 .


• iar, la general, avem






 s0 a0 + s1 a1 + · · · + sm am = t0




 s1 a0 + s2 a1 + · · · + sm+1 am = t1






 ...




 sm a0 + sm+1 a1 + · · · + s2m am = tm .


Sistemul normal poate fi scris dacă se cunosc sumele s0 , s1 , . . . , s2m şi respectiv sumele t0 ,t1 , . . . ,tm
ce pot fi determinate astfel :
• s0 = x10 + x20 + ... + xn0 = n, ATENŢIE! 00 = 1
• s1 = x1 + x2 + ... + xn
• s2 = x12 + x22 + ... + xn2
• ...
• s2m = x12m + x22m + ... + xn2m
şi
• t0 = y1 + y2 + ... + yn
• t1 = x1 · y1 + x2 · y2 + ... + xn · yn
• t2 = x12 · y1 + x22 · y2 + ... + xn2 · yn
• ...
• tm = x1m · y1 + x2m · y2 + ... + xnm · yn

Soluţia unică a sistemului normal este punctul staţionar (a0 , a1 ), respectiv (a0 , a1 , a2 ).

Având în vedere că F este o sumă de pătrate, se poate arăta că:

• Dacă F are un punct de extrem finit acesta este punct de minim

• ⇒ punctul staţionar este întotdeauna punct de minim

• ⇒ nu mai este necesar să verificăm şi condiţiile suficiente.

Prin urmare, polinomul care aproximează cel mai bine funcţia f (ajustează - în sensul metodei
celor mai mici pătrate) este
38 Capitolul 9. Ajustarea datelor experimentale

P1 (x) = a0 + a1 x

respectiv,

P2 (x) = a0 + a1 x + a2 x2

Observaţie Putem generaliza problema aproximând funcţia printr-un polinom de gradul m.

 Exemplul 19 Să se ajusteze cu o dreaptă şi cu o parabolă datele experimentale din tabelul

x -1 0 1 2

y -3 1 0 3

1. Pentru ajustarea cu o dreaptă,



 s0 a0 + s1 a1 = t0

m = 1, f = a0 + a1 x,

 s1 a0 + s2 a1 = t1


2. Pentru ajustarea cu o parabolă,






 s0 a0 + s1 a1 + s2 a2 = t0


m = 2, f = a0 + a1 x + a2 x2 , s1 a0 + s2 a1 + s3 a2 = t1





 s2 a0 + s3 a1 + s4 a2 = t2


Pentru calcularea valorilor s0 , s1 , s2 , s3 , t0 , t1 şi t2 , folosim tabelul

xi0 xi1 xi2 xi3 xi4 yi yi xi yi xi2

1 −1 1 −1 1 −3 3 −3

1 0 0 0 0 1 0 0

1 1 1 1 1 0 0 0

1 2 4 8 16 3 6 12

4 2 6 8 18 1 9 9

s0 s1 s2 s3 s4 t0 t1 t2
 39


 4a0 + 2a1 = 1

1. Pentru m = 1, f = a0 + a1 x şi sistemul normal este:

 2a0 + 6a1 = 9


Soluţia unică a sistemuluieste (a0 , a1 ) = (− 35 , 85 ).

Polinomul de ajustare de grad cel mult 1 este

3 8
P(x) = − + x.
5 5

Dreapta de ajustare are ecuaţia: y = − 35 + 58 x.

2. Pentru m = 2, f = a0 + a1 x + a2 x2 şi sistemul normal este





 4a0 + 2a1 + 6a2 = 1


 2a0 + 6a1 + 8a2 = 9




 6a0 + 8a1 + 18a2 = 9


7 39
Soluţia sistemului: (a0 , a1 , a2 ) = (− 20 , 20 , − 14 ).
Parabola de ajustare are ecuaţia

7 39 1
y=− + x − x2 .
20 20 4

 Exemplul 20 O agenţie imobiliară a stabilit următoarea dependenţă între vechimea unei case şi
preţul ei de piaţă:

x (ani) 2 3 4

y (preţ · 100.000 euro) 6 4 3

• Ajustaţi aceste date printr-o dreaptă, respectiv o parabolă

• Care va fi preţul estimat după 6 ani?

Răspuns:
53
• y= 6 − 23 x şi y = 13 − 29 x + 12 x2
• Vânzarea casei nu ar mai fi rentabilă după 6 ani:

1
y = f (6) = − < 0
6

Probleme :
40 Capitolul 9. Ajustarea datelor experimentale

1. Ajustaţi printr-o dreaptă, respectiv parabolă, datele numerice:

x -1 0 1 2

y 2 1 2 11

13
Răspuns: y = 5 + 14
5 x, y =
1
10
3
+ 10 x + 25 x2

2. Ajustaţi printr-o dreaptă, respectiv parabolă, datele numerice:

x -2 0 3

y 1 5 2

50 2
Răspuns: y = 19 + 19 x, y = 5 + 54 x − 35 x2
 10. Integralele lui Euler

Integrala lui Euler de speţa I. Funcţia Beta

18 Definiţie: Prima integrală Euler este integrala
Z 1
x p−1 (1 − x)q−1 dx
0

care
• pentru p < 1 este o integrală improprie cu punctul critic 0
• pentru q < 1 este o integrală improprie cu punctul critic 1
• pentru p, q ≥ 1 este o integrală definită (proprie).

Această integrală este:

• convergentă dacă p, q > 0

• divergentă dacă p, q ≤ 0

19 Definiţie: Funcţia Beta este B : (0, ∞) × (0, ∞) → R definită prin

Z 1
B(p, q) = x p−1 (1 − x)q−1 dx.
0

Proprietăţi :
1
1. B(p, 1) = , B(1, 1) = 1
 p
1 1
2. B , =π
2 2
3. B(p, q) = B(q, p)
42 Capitolul 10. Integralele lui Euler
p−1
4. Dacă p > 1 ⇒ B(p, q) = B(p − 1, q)
p+q−1
q−1
5. Dacă q > 1 ⇒ B(p, q) = B(p, q − 1)
p+q−1
(m − 1)!(n − 1)!
6. Dacă m, n ∈ N∗ ⇒ B(m, n) =
(m + n − 1)!
π
7. Dacă 0 < p < 1, p + q = 1 ⇒ B(p, q) =
sin pπ

Integrala lui Euler de speţa II. Funcţia Gamma

20 Definiţie: A doua integrală Euler este integrala improprie pe interval nemărginit, ce are
pe 0 ca punct critic pentru p < 1 Z ∞
x p−1 e−x dx
0

Această integrală este:

• convergentă dacă p > 0,
• divergentă dacă p ≤ 0.

21 Definiţie: Funcţia Gamma este Γ : (0, ∞) → R definită prin

Z ∞
Γ(p) = x p−1 e−x dx.
0

Proprietăţi :
1. Γ(1) = 1
√
 
1
2. Γ = π
2
3. Dacă p > 1 ⇒ Γ(p) = (p − 1)Γ(p − 1)

4. Dacă m ∈ N∗ ⇒ Γ(m) = (m − 1)!

Γ(p)Γ(q)
5. Relaţia lui Euler: B(p, q) = , ∀ p > 0, q > 0
Γ(p + q)

 Exemplul 21 Exemplu de utilizare a proprietăţilor (B4) şi (B5):

3
−1
     
3 5 2 3 5 1 1 5
B , = 3 5 B − 1, = B , =
2 2 2 + 2 −1
2 2 6 2 2

1 52 − 1
   
1 5 1 3 1 3
= 1 5 B , −1 = · B , =
6 2 + 2 −1 2 2 6 4 2 2

3
2 −1
   
1 3 1 3 1 3 1 1 1
= · ·1 3 B , −1 = · · B , =
6 4 2 + 2 −1 2 2 6 4 2 2 2
 43

1 3 1 1
= · · · π = π.
6 4 2 16


Probleme :

1. Calculaţi:  
3
• Γ(3), Γ
2
   
1 3 3 1
• β (5, 2), β , , β ,
4 4 2 2

2. Cu ajutorul integralelor euleriene calculaţi:

Z ∞ Z 1p
3
x · e3−2x dx, x2 − x3 dx
2 0
II
Probabilităţi

11 Evenimente. Probabilităţi . . . . . . . . . . . . 49

12 Scheme probabilistice . . . . . . . . . . . . . . . 57

13 Variabile Aleatoare . . . . . . . . . . . . . . . . . . 63

14 Caracteristici numerice . . . . . . . . . . . . . . 65
 47

Probabilităţi

Obiective

• Definirea şi studiul principalelor proprietăţi ale conceptelor de bază din teoria probabilităţilor.

• Crearea la studenţi a unor deprinderi de utilizare a tehnicilor probabilistice şi de folosire a

acestora în scop aplicativ.

• Fundamentarea probabilistică a statisticii matematice.

Concepte de baza

• Eveniment aleator, probabilitate, probabilitate condiţionată, scheme clasice de probabilitate.

• Variabila aleatoare, funcţie de probabilitate a unei variabile aleatoare discrete, funcţie de

repartiţie a unei variabile aleatoare discrete, densitate de probabilitate, funcţia de repartiţie a
unei variabile aleatoare de tip continuu.

• Caracteristici numerice ale variabilelor aleatoare (media, dispersia, momente, momente

centrate, abaterea medie pătratică)

• Repartiţii clasice.

Rezultate asteptate

Se urmareşte buna întelegere de către studenţi a tehnicilor de abordare probabilistică a fenome-

nelor aleatoare, utilizarea adecvată a schemelor probabilistice care modelează astfel de fenomene,
întelegerea conceptului de variabilă aleatoare, precum şi formarea deprinderilor de calcul ale carac-
teristicilor numerice pentru variabilelor aleatoare. Se doreşte ca studenţii să înteleagă foarte bine
semnificaţia caracteristicilor pe care le calculează si, de asemenea, să înteleagă motivele aplicării
teoriei probabilităţilor în statistica matematică.
 11. Evenimente. Probabilităţi

Teoria probabilităţilor:
• studiază fenomene întâmplătoare (aleatoare) de masă

• are proprietatea de a stabili frecvenţa apariţiei acestor fenomene în condiţii identice

• este o teorie matematică deductivă

• este constituită pe baza convingerii raţionale a omului că:

– incertitudinea care domneşte în diferite domenii de activitate umană poate fi micşorată,

– un rezultat viitor este în bună măsură predictibil.

Vom defini în cele ce urmează cîteva elemente importante pentru teoria probabilităţilor :

Experiment aleator = Orice experiment al cărui rezultate, măsurate din punct de vedere al
unui criteriu, nu sunt cunoscute cu certitudine înainte de efectuarea experimentului.

Exemple: aruncarea unei monede, rostogolirea unui zar, extragerea unei bile dintr-o urnă,
extragerea unei cărti dintr-un pachet.

Spaţiu de selecţie = Mulţimea tuturor rezultatelor posibile generate de un experiment aleator

(poate fi finit sau infinit): E

Eveniment elementar = Orice rezultat posibil obţinut în urma unui experiment aleator

Exemple: Putem avea unul dintre evenimentele elementare:

• X = {1} "Apariţia feţei cu cifra 1"
• Y = {6} "Apariţia feţei cu cifra 6"
50 Capitolul 11. Evenimente. Probabilităţi

• Φ = evenimentul imposibil "Apariţia feţei cu cifra 7", P(Φ) = 0,

• Ω = evenimentul sigur "Apariţia unei feţei cu o cifră între 1 şi 6", P(Ω) = 1

Eveniment = O mulţime de evenimente elementare (o submulţime a spaţiului de selecţie

(A ⊂ E )

Exemple: Putem avea unul dintre evenimentele:

• A = {2, 4, 6} "Apariţia unei feţe cu număr par de puncte"
• B = {1, 2, 3} "Apariţia unei feţe cu cel mult 3 puncte"

Evenimentele sunt mulţimi (submulţimi ale spaţiului de selecţie), prin urmare putem lucra cu
ele cu operaţii obişnuite din teoria mulţimilor.

• Reuniunea : A ∪ B = se realizează A sau B sau amândouă.

Exemplu : A ∪ B = {1, 2, 3, 4, 6} "Apariţia unei feţe cu nr par de puncte sau a celei cu cel
mult 3 puncte"

• Intersecţia : A ∩ B = se realizează şi A şi B.

Exemplu : A ∩ B = {2} "Apariţia unei feţe cu nr par de puncte şi a celei cu cel mult 3 puncte"

• Eveniment CONTRAR A : P(A) = 1 − P(A).

Exemplu : A = {1, 3, 5} "Apariţia unei feţe cu număr impar de puncte"

22 Definiţia clasică a probabilităţii :

k număr de cazuri favorabile

P(A) = = .
n număr de cazuri posibile

Proprietăţi elementare ale probabilităţii :

1. P (φ ) = 0, P(Ω) = 1 ⇒ P(A) ∈ [0, 1]

2. P Ā = 1 − P(A), ∀A ∈ F

3. P (B \ A) = P(B) − P (A ∩ B) , ∀A, B ∈ F

4. Dacă A, B ∈ F , cu A ⊂ B =⇒ P(A) ≤ P(B) (monotonie)

23 Probabilitatea reuniunii = Formula de adunare a probabilităţilor

1. Pentru ∀A, B ∈ F
• dacă A şi B incompatibile : A ∩ B = φ (conform definiţiei) ⇒ P (A ∪ B) = P(A) +
P(B)
• dacă A şi B compatibile : A ∩ B 6= φ ⇒ P (A ∪ B) = P(A) + P(B) − P (A ∩ B)

2. Pentru ∀A, B,C ∈ F

• dacă A, B, C sunt două câte două incompatibile : A ∩ B = φ , A ∩C = φ , B ∩C = φ ,
 51

atunci:
P (A ∪ B ∪C) = P(A) + P(B) + P(C)

• dacă A, B, C sunt oarecare (nu sunt două câte două incompa- tibile)

P (A ∪ B ∪C) = P(A) + P(B) + P(C)

−P(A ∩ B) − P(A ∩C) − P(B ∩C) + P(A ∩ B ∩C)

24 Definiţie: Probabilitatea condiţionată :

P(A ∩ B) probabilitatea intersecţiei

P(A|B ) = PB (A) = =
P(B) probabilitatea condiţiei

Definiţie : Independenţa evenimentelor

• A şi B sunt independente dacă P (A ∩ B) = P(A) · P(B)
• A şi B sunt dependente dacă P (A ∩ B) = P(A) · P(B|A ) = P(B) · P(A|B ) unde P(A), P(B) 6=
0.

OBSERVAŢIE : Dacă (A,B) sunt independente ⇒ (A,B), (B,A), (A,B) independente.

25 Probabilitatea intersecţiei = Formula de înmulţire a probabilităţilor

Dacă A, B,C ∈ F (sunt dependente)
• P (A ∩ B) = P(A) · P(B|A )
• P (A ∩ B ∩C) = P(A) · P(B|A ) · P(C|A∩B )

Formula probabilităţii totale : Fie (E , F , P) un câmp de probabilitate, {A1 , A2 , . . . , An } ∈ F un

sistem complet de evenimente şi X ∈ F . Atunci

P(X) = P(A1 ) · P(X|A1 ) + P(A2 ) · P(X|A2 ) + ... + P(An ) · P(X|An )

Formula lui Bayes :

P(A j ∩ X) P(A j ) · P(X|A j )

P(A j |X ) = =
P(X) P(X)

 Exemplul 22 Se studiază alegerea unui proiect de modernizare a unei companii. S-au prezentat
3 proiecte care pot fi viabile sau nu. Dacă notăm cu Ai , i = 1, 3, evenimentul ’proiectul i este
viabil”, să se exprime în funcţie de A1 , A2 , A3 următoarele evenimente:
a) toate proiectele sunt viabile;
b) cel puţin un proiect este viabil;
c) două proiecte sunt viabile;
d) cel mult două proiecte sunt viabile;
e) un singur proiect este viabil.
52 Capitolul 11. Evenimente. Probabilităţi

Soluţie:Notăm cu Āi , i = 1, 3, evenimentul „proiectul i nu este viabil”.

a) Notăm cu A evenimentul „toate proiectele sunt viabile” A = A1 ∩ A2 ∩ A3 , adică toate cele 3
proiecte sunt rentabile.
b) Notăm cu B evenimentul „cel puţin un proiect este viabil” şi astfel putem scrie B = A1 ∪
A2 ∪ A3
c) Notăm cu C evenimentul „două proiecte sunt viabile”.




C = A1 ∩ A2 ∩ Ā3 ∪ A1 ∩ Ā2 ∩ A3 ∪ Ā1 ∩ A3 ∩ A3
d) Notăm cu D evenimentul „cel mult două proiecte sunt viabile”. Evenimentul D este echivalent
cu a spune că: nici un proiect nu este viabil, doar un proiect este viabil sau două proiecte sunt
viabile.





D = Ā1 ∩ Ā2 ∩ Ā3 ∪ A1 ∩ Ā2 ∩ Ā3 ∪ Ā1 ∩ A2 ∩ Ā3 ∪ Ā1 ∩ Ā2 ∩ A3 ∪C.
e) Notăm cu E evenimentul „un singur proiect este viabil”. Atunci:




E = A1 ∩ Ā2 ∩ Ā3 ∪ Ā1 ∩ A2 ∩ Ā3 ∪ Ā1 ∩ Ā2 ∩ A3 . 

 Exemplul 23 O monedă este aruncată de 3 ori şi secvenţa de mărci şi steme este înregistrată.
a) Scrieţi spaţiul evenimentelor elementare Ω
b) Scrieţi următoarele evenimente, folosind evenimentele elementare:
A-să apară cel puţin 2 steme
B-primele 2 aruncări sunt steme
C-ultima aruncare este marcă
c) Determinaţi următoarele evenimente:
1) CA ; 2) A ∩ B; 3) A ∪C
Soluţie: Spaţiul evenimentelor aleatoare Ω este:
Ω = {SSS, SSM, SMS, MSS, MMS, MSM, SMM, MMM}, unde cu S notăm apariţia stemei, iar
cu M apariţia mărcii.
b) Evenimentele A, B,C,se scriu folosind evenimentele elementare din Ω după cum urmează:
A = {SSS, SSM, SMS, MSS}
B = {SSM, SSS}
C = {SSM, SMM, MMM, MSM}
c) Evenimentele CA , A ∩ B, A ∪ B se scriu folosind punctul b) astfel:
CA = Ā = {SMM, MMM, MMS, MSM }
A ∩ B = {SSM, SSS}
A ∪C = {SSS, SSM, SMS, MSS, SMM, MMM, MSM} 

 Exemplul 24 Presupunem că într-o cameră sunt 5 persoane. Care este probabilitatea ca cel puţin
2 persoane să aibă aceiaşi zi de naştere.
Soluţie: Fie A evenimentul „cel puţin 2 persoane au aceiaşi zi de naştere”. Atunci Ā este
evenimentul „cele 5 persoane au zile de natere diferite”
Presupunem că anul are 365 zile
 53
365 364 363 362 361


Aşadar P Ā = 5

365
Deci, P (A) = 1− P Ā = 1 − 365 364365
363 362 361
5 

 Exemplul 25 In România numerele de înmatriculare ale maşinilor au 7 caractere: 2 litere urmate

de 2 cifre şi alte trei litere. Dacă toate secvenţele de 7 caractere sunt egal probabile, care este
probabilitatea ca numărul de înmatriculare al unei maşini noi să nu conţină cifre şi litere identice?
Soluţie: Notăm cu A evenimentul cerut.
Alfabetul conţine 26 litere, iar cifrele de pe numărul de înmatriculare pot fi: 0,1,2,3,4,5,6,7,8,9.
Numărul total de plăcuţe de înmatriculare este 265 × 102 (corespunzătoare celor 5 litere şi 2 cifre).
Numărul plăcuţelor ce conţin litere şi cifre diferite este: (26 25) × (10 9) × (24 23 22) (corespunză-
toare primelor 2 litere diferite, urmate de 2 cifre diferite şi alte trei litere diferite de primele 2 şi
diferite între ele).
26 25 10 9 24 23 22
Deci, P (A) = 265 102
= 0, 597 

 Exemplul 26 Fie PB (A) = 12 , PB̄ (A) = 12 şi PA (B) = 12 . Se cere :

a) să se determine P (A) şi P (B).
b) evenimentele A şi B sunt independente?
Soluţie:Folosind definiţia probabilităţii condiţionate se obţinė:
P(A∩B) 1
PB (A) = P(B) = 2
P(A∩B̄) P(A\B) P(A)−P(A∩B) 1
PB̄ (A) = P(B̄)
= 1−P(B) = 1−P(B) = 2
P(B∩A) P(A∩B) 1
PA (B) = P(A) = P(A) = 2

= x, P (B) = y, P (A ∩ B) = z, se obţine sistemul liniar:

Dacă notăm P (A)

 z=1 z = 12 y

 



 y 2 


 

x−z 1 ⇔
z = 21 x , de unde prin calcule x = 12 , y = 12 , z = 14 .
 1−y = 2 

 

 
z 1  x−z = 1 − 1y
 
=

 
x 2 2 2
In concluzie: P (A) = 12 , P (B) = 1
2
Condiţia ca evenimentele A şi B să fie independente este: P (A ∩ B) = P (A) P (B)
Deoarece P (A ∩ B) = 14 = 21 1
2 = P (A) P (B) se obţine că evenimentele A şi B sunt independente.


 Exemplul 27 O firmă de asigurări are clienţi din 3 categorii de risc: ridicat, mediu, scăzut, care
au respectiv probabilităţile de a cere despăgubiri în caz de accidente: 0,02, 0,01, 0,0025 într-un an.
Proporţiile celor 3 categorii de clienţi în cadrul companiei sunt respectiv 10%, 20%, 70%. Care
este probabilitatea ca un client al firmei să fie despăgubit? Care este proporţia de despăgubiri ce
provin într-un an de la clienţii cu risc ridicat?
Soluţie:Notăm cu B evenimentul „un client al companiei este despăgubit”şi cu:
A1 -evenimentul „clientul provine din categoria de risc ridicat”
A2 -evenimentul „clientul provine din categoria de risc mediu”
A3 -evenimentul „clientul provine din categoria de risc scăzut”
54 Capitolul 11. Evenimente. Probabilităţi

Sistemul {A1 , A2 , A3 }, formează un sistem complet de evenimente deoarece reuniunea lor este
evenimentul sigur Ω şi sunt două câte două incompatibile. Astfel conform formulei probabilităţii
totale:
     
B B B
P (B) = P (A1 ) P A1 + P (A2 ) P A2 + P (A3 ) P A3 = 0, 1 0, 02 + 0, 2 0, 01 + 0, 7 0, 025 =
0, 00575.
Pentru a răspunde la a doua întrebare folosim formula lui Bayes:
P(A1 ) P(B/A1 ) 0,1 0,02
P (A1 /B) = P(A1 ) P(B/A1 )+P(A2 )P(B/A2 )+P(A3 )P(B/A3 ) = 0,00575 = 0, 347. 

Probleme :
1. Se aruncă 2 zaruri. Care este probabilitatea să apară dubla 6-6?

2. Un lacăt are un cifru din 4 cifre. Care e probabilitatea de a ghici cifrul dacă lacătul funcţio-
nează perfect, respectiv ultima cifră (defectă), nu trebuie să coincidă cu cea din combinaţie
?

3. Probabilititatea ca un autobuz să plece în cursă din autogara din Cluj este 0,6. Dispunem în
garaj de 2 autobuze: unul alb şi unul rosu. Care este probabilitatea ca cel puţin un autobuz să
plece în cursă dintre cele două? Dar dacă ar fi 3 autobuze?

4. Tania iese la cumpărături în fiecare zi. Cumpărăturile obişnuite sunt: fructe, pâine şi lapte.
Cumpără aceste produse cu probabilităţile: 0,8, 0,5 şi 0,3, independent unele de altele şi de
celelalte produse cumpărate. Determinaţi probabilitatea ca într-o zi Tania să cumpere toate
cele 3 produse, respectiv cel puţin un produs din cele 3?

5. O familie obişnuită îşi petrece concediul de vară într-o excursie cu probabilitatea de 80%.
Această excursie are destinaţia în ţară cu o probabilitate de 50%. Locurile preferate ale
turiştilor sunt litoralul (35%), staţiunile balneare (40%) şi muntele (25%). Cu ce probablitate
îşi petrece vacanţa o familie obişnuită efectuând o excursie în ţară. Dar o excursie pe litoralul
mării autohtone?
1 1 1
6. Fie A şi B evenimente pentru care: P(A) = , P(B) = şi P(A ∩ B) = .
2 3 4
(a) Sunt A şi B independente?
(b) Calculaţi: P(A), P(B), P(A ∪ B), P(A ∩ B), P(A ∪ B), P(A|B ), P(B|A ), P(A − B).

Observaţie: Relaţiile lui De Morgan A ∩ B = A ∪ B şi A ∪ B = A ∩ B

7. Într-o secţie a unei intreprinderi sunt 12 utilaje de acelaşi fel în exploatare: 3 provin de la
fabrica F1, 4 de la F2 şi 5 de la F3. Se ştie că fabricile produc utilaje de calitate superioară în
proporţie de 90%, 80% şi 75%.
a) Care este probabilitatea ca luând la întâmplare un utilaj la verificat, acesta să fie de
calitate superioară?
b) Care este probabilitatea ca utilajul ce a fost găsit de calitate superioară la verificare, să
fi fost fabricat de F2?
 55

8. O firmă de asigurări are clienţi din 3 categorii de risc: ridicat, mediu, scăzut, care au respectiv
probabilităţile de a cere despăgubiri în caz de accidente: 0,02; 0,01 şi 0,0025 într-un an.
Proporţiile celor 3 categorii de clienţi în cadrul companiei sunt respectiv 10%, 20%, 70%.
a) Care este probabilitatea ca un client al firmei să fie despăgubit?
b) Care este proporţia de despăgubiri ce provin într-un an de la clienţii cu risc ridicat?
 12. Scheme probabilistice

• Descriem anumite experimente aleatoare care apar des în aplicaţii cu ajutorul unor urne din
care se extrag bile (Urna = vas în care se află bile, ce pot avea culori diferite)

• Toate bilele din urnă au aceeaşi şansă de a fi extrase



 cu 2 stări (bile de 2 culori)

• Avem 2 cazuri:

 cu mai multe stări (bile de mai multe culori)


26 1. Schema urnei cu bila nerevenită cu 2 stări : Fie U(a,b) o urnă ce conţine a bile albe şi b
bile negre, a, b ∈ N∗ . Din urnă se fac n extrageri succesive de câte o bilă, fără revenire (echivalent
cu a spune că cele n bile se extrag deodată), n ≤ a + b, n ∈ N∗ . Se cere probabilitatea evenimentul
X: "Din n bile extrase fără revenire, k să fie albe şi restul n − k negre", k ≤ min{n, a} şi
n − k ≤ min{n, b}.
Cak ·Cbn−k
P(X) = n
Ca+b
Pentru mai multe stări :
Cak11 ·Cak22 · . . . ·Cakss
P(X) =
Can1 +a2 +...+as

27 2. Schema urnei cu bila revenită cu 2 stări : Fie o urnă ce conţine bile albe şi negre.
Fie p - probabilitatea de a extrage o bilă albă şi q - probabilitatea de a extrage o bilă neagră,
p + q = 1. Din urnă se extrag succesiv n bile cu revenire (după fiecare extragere se studiază
culoarea bilei, reintroducând-o înapoi în urnă). Se cere probabilitatea evenimentul X: "Din n
58 Capitolul 12. Scheme probabilistice

bile extrase cu revenire, k să fie albe şi restul n − k negre"

P(X) = Cnk · pk · qn−k

Pentru mai multe stări :

n!
P(X) = · p1 k1 · p2 k2 · ... · ps ks
k1 ! · k2 ! · ... · ks !

28 3. Schema lui Pascal : Fie o urnă ce conţine bile albe şi negre. Fie p - probabilitatea de a
extrage o bilă albă şi q - probabilitatea de a extrage o bilă neagră , p + q = 1. Din urnă se extrag
succesiv n bile cu revenire (după fiecare extragere se studiază culoarea bilei, reintroducând-o
înapoi în urnă). Se cere probabilitatea evenimentul Ynk : "Din n bile extrase cu revenire, k să
fie albe şi restul n − k negre şi în plus ultima bilă extrasă să fie albă" (adică probabilitatea ca
cea de a k-a bilă albă să se obţină după ce au fost extrase n − k bile negre).

P(Ynk ) = Cn−1
k−1
· pk · qn−k

29 4. Schema Geometrică : Calculăm probabilitatea ca din n bile extrase, una singură să fie
albă şi anume ultima
P(Yn1 ) = p · qn−1

30 5. Schema urnelor lui Poisson : Considerăm n urne ce conţin bile albe şi negre. Fie pi
- probabilitatea de a extrage o bilă albă din urna i, i = 1, n şi qi - probabilitatea de a extrage o
bilă neagră din urna i, pi + qi = 1. Se extrage câte o bilă din fiecare urnă. Se cere probabilitatea
evenimentul X: "Din n bile astfel extrase, k să fie albe şi restul n − k negre", 0 ≤ k ≤ n.

Probabilitatea P(X) este egală cu coeficientul lui t k din polinomul (p1t +q1 )(p2t +q2 ) . . . (pnt +
qn )

 Exemplul 28 La o loterie sunt 100 bilete, din care 10 sunt câştigătoare. Opersoană cumpără 15
bilete. Săse determine probabilitatea ca:
a) 1 bilet să fie câştigător;
b) să se obţină toate cele 10 bilete câştigătoare;
c) cel puţin 2 bilete să fie câştigătoare.
Rezolvare: Se aplică schema urnei cu 2 stări şi bila nerevenită.
1 C14
C10 10 C5
C10
a) P10,90 (1, 14) = 15
C100
90
b) P10,90 (10, 5) = 15
C100
90

c) Fie A evenimentul ca „cel puţin 2 bilete să fie câştigătoare„. Considerăm Ā evenimentul
contrar ca ca cel mult unul din cele 15 cumpărate să fie câştigător. Are loc:

C0 C15 C1 C14
P Ā = P10,90 (0, 15) + P10,90 (1, 14) = 10C15 90 + 10C15 90
100

100
Probabilitatea cerută va fi P (A) = 1 − P Ā 
 59

 Exemplul 29 Un depozit de piese auto are în stoc piese de la 4 furnizori în următoarele cantităţi:
100 de la furnizorul F1 , 50 de la F2 , 30 de la F3 şi 80 de la F4 .
In decursul unei săptămâni, depozitul a vândut 45 piese. Care e probabilitatea ca din cele 45 de
piese vândute, 15 să provină de la furnizorul F1 , 5 de la F2 , 10 de la F3 şi 15 de la F4 .
Rezolvare: Se aplică schema urnei cu 4 stări şi bila nerevenită, unde a1 = 100, a2 = 50, a3 =
30, a4 = 80
k1 = 15, k2 = 5, k3 = 10, k4 = 15. Probabilitatea cerută este:
15 C5 C10 C15
C100 50 30 80
P100,50,30,80 (15, 5, 10, 15) = 45
C260


 Exemplul 30 Pe parcursul unei săptămâni s-a dat predicţia cursului valutar, astfel încât cur-
sul poate să crească zilnic cu probabilitatea 14 , respectiv să scadă cu probabilitatea 34 . Stabiliţi
probabilitatea ca:
a) în 5 zile ale săptămânii cursul valutar să crească;
b) în cel mult 3 zile cursul valutar să crească;
c) în cel puţin 2 zile cursul valutar să crească;
Rezolvare: Considerăm evenimentul A „cursul valutar să crească într-o zi„. In fiecare zi poate
avea loc A sau Ā.
Se aplică schema urnei cu 2 stări şi bila revenită (schema binomială), unde: n = 7, p = P (A) =
1
q = P Ā = 34 ,


4,
Probabilitatea de a se produce A de k ori este: P (k) = C7k pk q7−k .

5 3
2
a) Probabilitatea cerută este: P7 (5) = C75 p5 q7−5 = C75 41 4
b) Probabilitatea cerută este:
3 3 3
1 k 3 7−k
∑ P7 (k) = ∑ C7k pk q7−k = ∑ C7k



4 4 .
k=0 k=0 k=0
c) Notăm cu C evenimentul „cursul valutar să crească în cel puţin 2 zile„. Atunci C este
evenimentul: „cursul valutar să nu crească în nici o zi sau să crească într-o zi„. Aşadar putem scrie:

0 3
7
1 3
6
P C = P7 (0) + P7 (1) = C70 14 +C71 41


4 4
Probabilitatea cerută este:


P (C) = 1 − P C̄ . 

 Exemplul 31 Un supermarket vinde următoarele sortimente de cafea: naturală, cappuccino

şi expresso. Probabilitatea ca un client să cumpere cafea naturală este 0,55, cappuccino 0,3, iar
expresso 0,15.
Determinaţi probabilitatea ca din 100 clienţi, 70 să cumpere cafea naturală, 20 să cumpere
cappuccino, iar 10 să cumpere expresso.
Rezolvare: Aplicăm schema urnei cu 3 stări şi bila revenită (schema multinomială)
Fie Ai , evenimentul ca un client să cumpere sortimentul i de cafea , i = 1, 3. Avem evident:
p1 = P (A1 ) = 0, 55, p2 = P (A2 ) = 0, 3, p3 = P (A3 ) = 0, 15, n = 100, k1 = 70, k2 = 20,
k3 = 10
Probabilitatea cerută este:
60 Capitolul 12. Scheme probabilistice

P100 (70, 20, 10) = 100!

70!20!10! (0, 55)70 (0, 30)20 (0, 15)10 

 Exemplul 32 Care e probabilitatea ca al 80-lea client care intră într-o bancă, să fie a 20-a
persoană care încheie o poliţă de asigurare, ştiind că probabilitatea ca cineva să încheie o poliţă de
asigurare este de 0,6.
Rezolvare: Se aplică schema lui Pascal cu n = 80 (numărul clienţilor), k = 20 (numărul
succeselor), p = 0, 6, q = 0, 4.
k−1 k n−k
Probabilitatea cerută este: Cn−1 p q 19 (0, 6)20 (0, 4)60 .
= C79 

 Exemplul 33 La trei reprezentanţe ale concernului Nokia se găsesc telefoane mobile cu ecran
color sau alb-negru în următoarele proporţii: la prima reprezentanţă 14 cu ecran color şi 16 cu ecran
alb-negru, la a doua 13 cu ecran color şi 17 cu ecran alb-negru, iar la a treia 14 cu ecran color şi 18
cu ecran alb-negru. Se alege la întâmplare câte un telefon mobil de la fiecare reprezentanţă, pentru
a fi supus unor probe de verificare. Care e probabilitatea ca din cele 3 telefoane alese două să fie cu
ecran color, iar unul cu ecran alb-negru?
Rezolvare:Aplicăm schema lui Poisson. Pentru aceasta notăm cu pi pro-
babilitatea ca telefonul ales de la reprezentanţa i să aibă ecran color, i = 1, 3. Avem că:
14 16 13 17 14 18
p1 = 30 , q1 = 30 , p2 = 30 , q2 = 30 , p3 = 32 , q3 = 32
Conform schemei lui Poisson, probabilitatea cerută este dată de coeficientul lui t 2 al polinomului
(p1t + q1 ) (p2t + q2 ) (p3t + q3 )
adică de:
14 13 18 14 17 14 16 13 14
p1 p2 q3 + p1 q2 p3 + q1 p2 p3 = 30 30 32 + 30 30 32 + 30 30 32 = 0, 33.


Probleme :
1. Dacă o familie are 5 copii, calculaţi probabilitatea ca 4 din 5 copii să fie băieţi, respectiv cel
puţin 2 să fie băieţi.

2. Dintre costumele fabricate de o firmă specializată: 93% sunt standard, 4% rebuturi recupera-
bile, şi 3% rebuturi nerecuperabile. Să se determine probabilitatea ca, luând la întâmplare 10
costume la verificat, 6 să fie standard, 3 rebuturi recuperabile şi 1 nerecuperabil.

3. Pe un raft într-o librărie sunt 50 de cărţi ce provin de la 2 depozite diferite: 20 de la depozitul

D1 şi 30 de la D2 . Intr-o zi s-au vândut 6 cărţi. Calculaţi probabilitatea să se fi vândut acelaşi
număr de cărţi de la cele 2 depozite.

4. Avem 3 magazine ce vând fiecare haine casual şi sport: M1 (4, 4), M2 (3, 5), M3 (7, 3). Deter-
minaţi probabilitatea ca o studentă ce a cumpărat câte o haină de la fiecare magazin, să fi
cumpărat o singură haină sport. Dar cel puţin una casual?

5. Se ştie că 3 din 4 clienţi ce intră într-un magazin devin cumpărători. Calculaţi probabilitatea
ca:
 61

a) primul cumpărător să apară după 5 clienţi ce nu au cumpărat nimic

b) până la al 2 lea cumpărător, 2 clienţi să nu fi cumpărat nimic.

6. Într-un sac se află portocale, coapte în proporţie de 80%. Un copil se joacă şi scoate de 20
ori câte o portocală şi o pune înapoi. Care este probabilitatea să fi scos din sac 10 portocale
coapte? Dar una singură? Dar ca ultima portocală extrasă să fie a 15 portocală coaptă
nimerită?

7. Pe parcursul unei săptămâni s-a dat predicţia cursului valutar, astfel încât zilnic cursul poate
să crească cu probabilitatea 1/4 respectiv să scadă cu 3/4. Care este probabilitatea ca:
a) în 5 zile ale săptămânii cursul să crească
b) în cel mult 3 zile să crească.

8. Pentru a participa la un sondaj naţional sunt aleşi 5 studenţi dintr-o grupă de 30 de studenţi:
13 băieţi şi 17 fete. Care este probabilitatea:
a) să fie aleşi exact 2 băieţi
b) exact 3 fete
c) cel mult o fată.

9. Un vitezoman circulă zilnic pe autostrada Turda-Cluj. De regulă el depăşeşte viteza admisă

cu cel puţin 50 km/h. Probabilitatea ca într-o zi, să fie prins de poliţie este 1%. Determinaţi
probabilitatea ca vitezomanul să fie amendat prima dată în a 100 zi .
10. Fie 3 crescătorii de păsări. Din date statistice, pentru cele 3 ferme, se ştie că probabilitatea
ca într-o lună oarecare, producţia de ouă să depăşească 100.000 ouă este p1 = 0.3, p2 =
0, 4, p3 = 0, 3. Calculaţi probabilitatea ca producţia să fie depăşită într-o lună de cel puţin 2
din cele 3 ferme.
 13. Variabile Aleatoare

31 DEFINIŢIE: Fie E spaţiu de selecţie corespunzător unui experiment aleator. Se numeşte

variabilă aleatoare (v.a.) orice funcţie cu valori reale X : E −→ M ∈ R.

 Exemplul 34 • Experiment: aruncarea unei monede de 2 ori consecutiv.

Avem E = {SS, SM, MS, MM}
• Joc: dacă apar 0 mărci se pierde 1 euro, dacă apare 1 marcă se câştigă 2 euro, iar dacă apar 2
mărci se câştigă 4 euro.
• Evenimente:
– A = {SS}, P(A) = 1/4
– B = {SM, MS}, P(B) = 2/4 = 1/2
– C = {MM}, P(C) = 1/4
• Avem X : E −→ {−1, 2, 4} v.a. ce reprezintă câştigul asociat nr. de mărci ce apar în urma
aruncării unei monede de 2 ori consecutiv


Tipuri de variabile aleatoare:

V.a. discretă V.a. continuă

 
 x1 x2 . . . xn  
x

X :  X:
  f (x) x∈R
p1 p2 . . . pn
64 Capitolul 13. Variabile Aleatoare
 
 f (x) ≥ 0, ∀x ∈ R
 

 pi ≥ 0, i ∈ I 
Condiţii: +∞
  R
 p1 + ... + pn = 1
 
 f (x)dx = 1
−∞

Probleme :
1. Se aruncă o monedă de 2 ori consecutiv. Dacă nu apare marca se câştigă 1 euro, dacă apare
marca o dată, se câştigă 2 euro iar dacă apare de 2 ori, se câştigă 2 euro. Construiţi variabila
aleatoare corespunzătoare.

2. Avem 3 magazine ce vând fiecare haine casual şi sport: M1 (4, 4), M2 (3, 5), M3 (7, 3). O
studentă cumpără câte o haină de la fiecare magazin. Scrieţi variabila aleatoare ce reprezintă
numărul de haine casual cumpărate de studenta respectivă.
   
 1 2 3   0 2 4 
3. Fie v.a. independente X : 
 1
 şi Y :  
1   1 2 
a b
4 2 5 5
a) Aflaţi a, b ∈ R

b) Scrieţi distribuţiile v.a. 3X, X 2 , X −1 ,Y 3 ,Y −1 , X +Y, X ·Y


 c · x2 , x ∈ [0, 1]
  

x
4. Fie v.a. continuă X : unde f (x) =
f (x) x∈R 
 0,
 x∈/ [0, 1]

Care este valoarea constantei c a.î. f (x) să fie densitate de probabilitate?

 2a

x
 
 , x ∈ [1, 4]
5. Fie v.a. continuă X : unde f (x) = x2
f (x) x∈R 
 0, x ∈
 / [1, 4]

Determinaţi constanta a a.î. f (x) să fie densitate de probabilitate

 14. Caracteristici numerice

Studiul variabilei aleatoare (discrete şi continue) se extinde prin introducerea unor caracteristici
numerice cu ajutorul cărora se dau informaţii suplimentare asupra v.a.

Caracteristicile numerice se împart în mai multe categorii:

• de grupare : valoare medie, momente, val. modală, val. mediană
• de împrăştiere (de depărtare): dispersie, abatere, momente centrate
• privind legătura dintre 2 v.a:corelaţia şi coeficientul de corelaţie
• privind forma distribuţiei: simetrie, asimetrie, boltire, turtire, etc.

Caracteristicile de grupare
- numere în jurul cărora se grupează toate valorile v.a. considerate.

32 1. Valoarea medie (speranţa matematică)

DEFINIŢIE: Valoarea medie a v.a. X este numărul m calculat prin una din relaţiile :

1. m = M(X) = ∑ xi pi dacă X este v.a. discretă

i∈I
Z +∞
2. m = M(X) = x · f (x)dx dacă X este v.a. continuă
−∞

Proprietăţi: Fie v.a. X şi Y şi constantele a şi b. Atunci :

1. M(a) = a
2. M(a · X) = a · M(X)
66 Capitolul 14. Caracteristici numerice

3. M(X +Y ) = M(X) + M(Y )

4. M(X ·Y ) = M(X) · M(Y ), dacă X,Y sunt independente

 Exemplul 35 Calculati M(X) pentru:

1. v.a. discretă
 
 −2 1 2 
X :



0.4 0.3 0.3

2. v.a. continuă

 3x2 x ∈ [0, 1]
  

x
X: , f (x) =
f (x) x∈R 
 0
 în rest

3. Presupunem că:
* O companie de asigurări plăteşte suma de 500 euro pentru pierderea bagajului într-o
călătorie cu avionul.
* Ştim că suma este despăgubită într-un singur caz din 100 de poliţe încheiate.
* Cât ar trebui să valoreze o astfel de poliţă?


2. Momente de ordin superior

33 DEFINIŢIE: Moment de ordinul k al v.a. X este numărul mk = Mk (X) = M(X k ) calculat

prin una din relaţiile:

1. mk = Mk (X) = ∑ (xi )k pi dacă X este v.a. discretă

i∈I
Z +∞
2. mk = Mk (X) = xk f (x)dx dacă X este v.a. continuă.
−∞

OBSERVAŢIE :

• m0 = M0 (X) = M(X 0 ) = 1

• m1 = M1 (X) = M(X 1 ) = M(X)

 Exemplul
 36 Calculaţi momentele
 de ordinul 1, 2 şi 3 pentru

 −2 1 2 
1. X : 



0.4 0.3 0.3

 3x2 x ∈ [0, 1]
  

x
2. X : , f (x) =
f (x) x∈R 
 0
 în rest

 67

Caracteristici de împrăştiere (de depărtare)

• Sunt cele care dau informaţii asupra gradului de depărtare a valorilor variabilei faţă de o
caracteristică de grupare.

• Într-adevăr, valoarea medie dă informaţii asupra numărului în jurul căruia se grupează valorile
variabilei, dar acestea nu sunt de ajuns.

• De exemplu, în cazul variabilelor aleatoare care pot fi diferite dar să aibă aceeaşi valoare
medie.

   
 −1 1   −100 100 
 Exemplul 37 Fie variabilele X1 : 

 şi X2 : 
 
.

1 1 1 1
2 2 2 2

Atunci

M(X1 ) = M(X2 ) = 0

cu toate că valorile lor diferă semnificativ.



3. Dispersia

Fie v.a. X care are valoarea medie M(X) = m.

34 DEFINIŢIE: Dispersia v.a. X este numărul calculat prin formula

D(X) = M (X − m)2 .
 

Atunci
1. Dacă X este v.a. discretă D(X) = ∑ (xi − m)2 · pi
i∈I
Z ∞
2. dacă X este v.a. continuă D(X) = (x − m)2 · f (x)dx
−∞
Proprietăţi: Fie v.a. X şi Y şi constanta c. Atunci :
1. D(X) ≥ 0
2. D(c) = 0, D(c · X) = c2 · D(X)
3. D(X ±Y ) = D(X) + D(Y ) dacă X,Y sunt independente
4. D(X) = M(X 2 ) − [M(X)]2

 Exemplul 38 Calculati dispersia pentru următoarele v.a.

 
 −2 1 2 
1. X : 



0.4 0.3 0.3
68 Capitolul 14. Caracteristici numerice

 3x2 x ∈ [0, 1]
  

x
2. X : , f (x) =
f (x) x∈R 
 0
 în rest
   
 −1 1   −100 100 
3. X1 : 

 , X2 : 
 


1 1 1 1
2 2 2 2

4. Abaterea medie pătratică

35 DEFINIŢIE: Abaterea medie pătratică a v.a. X este numărul notat cu σ (X) şi care este
dat de relaţia
p
σ (X) = D(X)

Ea ne dă practic abaterea valorilor v.a. de la valoarea medie.

p √
 Exemplul 39 1. σ (X) = D(X) = 3.09 = 1.757
p q
3
2. σ (X) = D(X) = 80 = 0.194


5. Momente centrate de ordin superior

36 DEFINIŢIE: Moment centrat de ordinul k al v.a. X este numărul notat µk şi calculat
astfel µk = M (X − m)k
 

OBSERVAŢIE :
1. µ1 = 0
2. µ2 = D(X) (dispersia = momentul centrat de ordinul 2)
3. µ3 = M (X − m)3 , µ4 = M (X − m)4 .
   

ATENŢIE : (a − b)3 = a3 − 3a2 b + 3ab2 − b3

 Exemplul 40 1. µ3 = −1.458
2. µ3 = −0.00625 (−1/160)


6. Corelaţia şi coeficientul de corelaţie

Aceste caracteristici numerice evidenţiază legătura dintre 2 v.a., respectiv independenţa sau
dependenţa lor.

37 DEFINIŢIE: Corelaţia sau covarianţa dintre v.a. X şi Y este numărul calculat astfel

Cov(X,Y ) = M[(X − M(X))(Y − M(Y ))]

 69

PROPRIETATE : Cov(X,Y ) = M(X ·Y ) − M(X) · M(Y )

Cov(X,Y )
DEFINIŢIE: Coeficient de corelaţie este numărul calculat astfel ρ(X,Y ) =
σ (X) · σ (Y )

OBSERVAŢIE :
1. Dacă X,Y sunt independente atunci Cov(X,Y ) = 0 şi ρ(X,Y ) = 0
2. |ρ(X,Y )| ≤ 1
3. ρ(X,Y ) = ±1 dacă Y = aX + b cu a, b ∈ R

Probleme :  
 −1 0 1 
1. Fie v.a. discretă X : 



p1 13 p2

a) Determinaţi p1 , p2 ştiind că m = M(X) = 1/3

b) Calculaţi m2 , m3
c) Calculaţi dispersia, abaterea medie pătratică şi µ2 , µ3
d) Calculaţi valoarea medie şi dispersia pentru v.a. Y = 3X + 2

 x · e−x , x > 0
  

x
2. Fie v.a. continuă: X : unde f (x) =
f (x) x∈R 
 0,
 x≤0

a) Calculaţi valoarea medie a v.a. X şi m2 , m3

b) Calculaţi dispersia, abaterea medie pătratică şi µ2 , µ3
c) Calculaţi valoarea medie şi dispersia pentru v.a. Y = 5X − 2

 3x2

x
 
 , x ∈ [0, 1]
3. Fie v.a. continuă X : unde f (x) = 2
f (x) x∈R 
 2 − x, x ∈ (1, 2]


a) Calculaţi valoarea medie a v.a. X şi m2 , m3

b) Calculaţi dispersia, abaterea medie pătratică şi µ2 , µ3