Documente Academic
Documente Profesional
Documente Cultură
Definiţie
Teoremă
3) n n 1 !, n �N .
*
4) 1 2
5) a 1 a , dacă a � 0,1 .
sin a
Exemple
� � �
Soluţii
1. Cu substituţia x 2 y , x 2 � y 0 şi x ���
���y , dx dy se obţine
�
x 2
7
e 2 x dx e y dy 8 7! .
� y
7
0
2
3. I �
x 3e1 x dx e �
x 3e x dx e �
(4) 3! �
e 6e
0 0
Integrala
Definiţie
1
Teoremă
1
p 1 q 1 p 1, q 1
3) p, q dacă p 1, q 1 .
p q 1 p q 2
p q
4) p, q , p, q 0 .
p q
�
x p 1
5) p,q �x 1 p q dx .
0
Exemple
� 1 1
1
1. � 6 dx 2. I �x x dx 3. I � x x 3 (1 x )dx
2
0
1 x 0 0
Soluţii
1 5
1
1. Se face schimbarea de variabilă: x y � x 6
y6 � dx y 6 dy , x 0 � y 0 şi
6
5
� � 6
1 1 y 1 �1 5 � 1
x ���� y , se obţine �
1 x6
dx � dy � , � �
6 1 y 6 �6 6 � 6
.
� � 3
0 0 sin � �
�6 �
�3 � �3 � 2
� � �
2
� ��� � �
1
�1 �
� �2 �
1 1
2. I �3 3 � �2 � �2 � � ��
� x(1 x) dx � (1 x) 2 B � , � 2 �2 �
1 1
x 2� � � � �
0 0 �2 2 � (3) 2! 2! 8
�7 � �3 � 5 �5 � �3 � 5 3 �1 �1 �
�
2
�
�� �� �
�� �� � ��
�7 3 � �2 � �2 � 2 �2 � �2 � 3 �
1 5 1
3. I x 2 � 2 � � 5
2 �2 �
�
0
(1 x ) 2
dx B � �,
�2 2 �
(5)
4!
�
4!
�
508
Integrala Euler-Poisson
Integrala generalizată e
x2
dx se numeşte integrala Euler-Poisson. Ea este convergentă şi
0
are valoarea .
2
1
1
Intr-adevăr, dacă notăm x 2 t x t 1 / 2 dx t 2 dt , x 0 � t 0 şi x ���� t , se
2
� 1
1 t 2
e dx � e t dt 1 1 .
2
x
obţine
0 20 2 2 2
Exemplu
e
x 2 4 x 1
Să se calculeze dx .
2
Soluţie
x 2 2
e e e .
2 2
x 4 x 1 ( x 4 x 4 5 )
dx dx e 5 dx
2 2 2
e5
x 2 x 2
dx e5 e y dy
2
e e
2 2
Din x 2 y e5 dx e 5 .
2 2 0
2
Extreme libere
Definiţie
Fie A R2, f: AR şi (a, b)A. (a, b) este punct de maxim (minim) local pentru f dacă şi
numai dacă există o vecinătate V(a, b) a lui (a, b) astfel încât (x, y)V(a, b) avem f(a,
b)f(x, y) (respectiv f(a, b)f(x, y)).
Dacă (a, b) este un punct de minim sau maxim local atunci (a, b) se numeşte punct de extrem
local.
Propoziţie
Dacă (a, b)AR2 este un punct de extrem local pentru funcţia f: AR şi f ' x şi f ' y există
Definiţie
Fie AR2 şi f: AR. Un punct (a, b)A astfel încât f ' x a,b =0 şi f ' y a,b =0 se numeşte
punct staţionar pentru f.
Teorema
Fie AR2, f:AR şi (a, b)A un punct staţionar pentru f. Presupunem că V(a, b)A astfel
încât fC2(V(a, b)). Fie
�f "x2 (a, b) f "xy (a, b) �
H(a, b)= �
�f " yx (a, b)
�- matricea hessiană asociată lui f în (a, b) şi
� f " y 2 ( a, b) �
�
Fie ARn, f:AR, aA un punct staţionar pentru f astfel încât derivatele parţiale de ordinul
al doilea ale lui f există şi sunt continue pe o vecinătate V(a). Notăm matricea hessiană
f "x12 (a ) f "x1 x2 (a )
Considerăm determinanţii 1(a)= f "x12 ( a) , 2(a)= , …, n(a)= det H(a).
f "x2 x1 ( a) f "x22 ( a)
Se ştie că H(a) este pozitiv definită dacă şi numai dacă 1(a)>0, 2(a)>0,…, n(a)>0 şi
negativ definită dacă şi numai dacă 1(a)<0, 2(a)>0,…, (-1)nn(a)>0. Astfel că:
a) dacă H(a) este pozitiv definită atunci x=a este punct de minim local
b) dacă H(a) este negativ definită atunci x=a este punct de maxim local
c) dacă H(a) este nedefinită atunci x=a nu este punct de extrem local (punct şa).
Exemple
1) Să se determine punctele de extrem local pentru funcţia
f : R 2 R , f x, y x 5 y 3 5 x 48 y
Să se determine în ce cantităţi trebuie realizate cele două produse astfel încât profitul să fie
maxim.
Soluţii
1)
Se calculează coordonatele punctelor staţionare, ca soluţii ale sistemului:
�f ' x x, y 0
� 5x 4 5 0 x 4 1 0 x 1
� 2 2 .
�f ' y x, y 0 3 y 48 0 y 16 0 y 4
Astfel, funcţia f are patru puncte staţionare: A1,4 ; B1,4 ; C 1,4 ; D 1,4 .
Se calculează derivatele parţiale de ordinul al doilea:
Atunci:
1 1,4 20 0
A1,4 punct de minim local.
2 1,4 480 0
2 1,4 480 0 B1,4 nu este punct de extrem (punct şa).
1 1,4 20 0
D 1,4 punct de maxim local.
2 1,4 480 0
2)
Funcţia profit este
f : R 2 R , f x, y xp1 yp2 c x, y x 2 y 12 x 8 y 10 .
3 2
�f ' x x, y 0 �
2 n 1
� �2nx 0
� � 2 n 1 .
�f ' y x, y 0 �2ny 0
f ( x, y ) �f (0,0), ( x, y ) �R 2 .
Definiţie
Fie ARn, f:AR, EA. Spunem că f admite în punctul a=(a1, a2,..., an)E un punct de extrem
local relativ la E dacă restricţia lui f la E admite un extrem local în x=a.
Extremele locale ale lui f relative la EA se numesc extreme condiţionate.
Punctele staţionare ale lui f când x=(x1, x2, ...., xn) parcurge mulţimea E se numesc puncte
staţionare condiţionate.
Considerăm că E este definită ca mulţimea soluţiilor sistemului:
�g1 x1 , x 2 ,..., x n 0
�
1 �.................... cu m<n şi E={xAgi(x)=0, i=1,m }.
�g x , x ,..., x 0
�m 1 2 n
Algoritm pentru aflarea punctelor de extrem local condiţionat pentru f:AR cu ARn
cu legăturile (1)
m
1) Se formează funcţia Lagrange L x1 ,..., x n ; l1 ,...,l m f x �li g i x .
i=1
0 0 0
0
Fie x1 ,..., x n ; l1 ,...,l m , o soluţie a sistemului (2’). Pentru l1 l10 ,...,l k l m
0 avem x0=
n n
d 2 L x 0 ��L" x i x j x 0 dx idx j
i=1 j=1
2
necunoscutele dx1, dx2, ..., dxn care se rezolvă iar soluţiile se înlocuiesc în d L x
0
2
0
dacă d L x este pozitiv definită, atunci x 0 este punct de minim local condiţionat;
dacă d L x este negativ definită, atunci x 0 este punct de maxim local condiţionat;
2 0
qi
cantităţile extrase x1 şi x2 (exprimate adimensional, cu xi , i=1, 2, unde qi este cantitatea
M
extrasă la sonda Qi i=1, 2 şi M o cantitate standard) astfel:
1
c1(x1, x2 )= x12 u.m. pentru Q1 şi c2(x1, x2 )= x22 +2x2 u.m. pentru Q2.
2
Dacă suma cantităţilor extrase într-o saptamână este 80 să se afle structura producţiei astfel
încât costul total să fie minim (se presupune că x1, x20).
Funcţia cost total va fi
1
c(x1, x2)= c1+c2+2c0= x12 + x22 +2x2+1000,
2
iar restricţia de producţie:
x1+ x2=80
Astfel că, funcţia Lagrange va fi:
1
L(x1, x2, l)= x12 + x22 +2x2+1000+l( x1+ x2-80)
2
Punctele staţionare condiţionate se obţin din:
�L'x1 ( x1 , x2 , l ) x1 l 0 �x1 -l
� � 2l
�' � 2+l
�Lx2 ( x1 , x2 , l ) 2 x2 2 l 0 �x2 - - -l =80 l=-54
�' � 2 2
�Ll ( x1 , x2 , l ) x1 x2 - 80 0 �x1 x2 80
�
x1=54, x2=26, deci, pentru l=-54 avem A(54, 26) punct staţionar condiţionat.
1 2 2
l=-54 L(x1, x2, l)= L(x1, x2, -54)= x1 + x2 +2x2+1000-54( x1+ x2-80) not
L(x1, x2)
2
Derivatele parţiale de ordinul al doilea sunt:
L ''x2 x1 , x2 =1, L ''x x x1 , x2 =0 şi L ''x2 x1 , x2 =2
1 1 2 2
1 0�
�
Matricea hessiană este: H L 54, 26 � �, iar 1 1 0, 2 2 0 , deci A(54, 26) este
0 2�
�
un punct de minim condiţionat pentru funcţia cost c(x1, x2). In concluzie, structura optimă a
producţiei este x1=54, x2=26.
Profitul realizat de o firmă timp în primele cinci luni dintr-un an are următoarea distribuţie:
luna ianuarie februarie martie aprilie mai
mil. euro 1 1 3 2 4
�1 � i
a x a0�i x � xi y i
� i 1 i 1 i 1
(1) � n n
� a
1� xi 5a0 �yi
�
� i 1 i 1
i xi yi xi2 xi yi
1 1 1 4 1
2 2 1 1 2
3 3 3 0 9
4 4 2 1 8
5 5 4 4 20
15 11 10 40
Prin urmare funcţia de ajustare are forma g x 0,7 x 0 ,1 , fiind reprezentată împreună cu
datele experimentale în graficul următor:
Deci pentru luna iunie se preconizează următorul câştig: g 6 4,3 mil. euro.
4. Câmp de probabilitate
Evenimente aleatoare
A B A B
(relaţiile lui De Morgan)
A B A B
A-B=A B
A B = (A - B) (B - A)
Definiţie Fie K P(Ω) o mulţime nevidă de părţi ale lui Ω. Ea se numeşte corp de
1. A K , A K ;
2. A B K , A, B K .
1. K , K ;
n n
3. dacă A, B K , atunci A B K .
1. A K , A K ;
K
2.
iI
Ai
, ( Ai ) iI N K .
Definiţie Cuplul (Ω, K) se numeşte câmp borelian de evenimente dacă Ω este o mulţime
nenumărabilă de evenimente posibile la efectuarea unei experienţe, iar K este un corp borelian
de evenimente.
Definiţia probabilităţii
2. P( ) 0 ,
3. dacă A B, atunci P ( A) P ( B ),
4. 0 P ( A) 1, A K ,
5. P ( B A) P ( B ) P ( A B ),
6. P ( B A) P ( B ) P( A), dacă A B,
7. P ( A B ) P ( A) P( B ) P ( A B ), dacă A B .
Problema desemnării unei probabilităţi pentru oricare dintre submulţimile lui Ω apare
atunci când Ω este o mulţime nenumărabilă, dar poate fi rezolvată prin considerarea unei
clase adecvate de mulţimi de evenimente numite corp borelian.
Definiţie Fie (, ) un câmp borelian de evenimente. Se numeşte probabilitate
complet aditivă pe K aplicaţia P : K R care verifică următoarele axiome:
1. P ( A) 0, A K
2. P () 1
3. P (Ai ) P ( Ai ), ( Ai ) iI K , Ai A j , i j.
iI iI
se găseşte că
n
P () P( ) np 1 ,
i 1
i
deci p 1 / n .
Dacă A este un eveniment oarecare pentru care putem scrie
m
A i , m n
i 1
atunci se obţine că
m card ( A)
P ( A)
n card ()
(5)
Se obţine astfel:
Probabilitatea condiţionată
P( A B) P( A) P( B │ A ) (2)
unde k poate fi 1,2,...,n,..., deoarece rezultatele aruncărilor sunt independente unele de altele.
Exemplul 3. Dacă moneda care se aruncă în Exemplul 2 este asimetrică, atunci
P ( S ) p, P ( B ) q, p q 1, p 0, q 0
Formule de înmulţire
(1)
n
sunt evenimente dependente din K cu proprietatea că P (Ai ) 0
i 1
atunci
n
P (Ai ) P ( A1 ) P ( A2 │A 1 )P( A3 │
i 1
A1 A2 ) ...P ( An │
n 1
A i ) (2)
i 1
Se observă că formula (1) se obţine din (2) dacă se consideră că evenimentele sunt
independente. Aşadar formula (2) poate fi numită formula generală de înmulţire pentru o
intersecţie de evenimente.
O interpretare importantă o oferă formula (2) în care se vede că fiecare factor conţine
probabilitatea unui eveniment care este influenţat (condiţionat) de toate evenimentele ce s-au
realizat până la acel moment. Acest lucru reprezintă o constatare reală a modului în care se
desfăşoară orice proces, şi anume, o realizare actuală este influenţată de toată istoria
desfăşurării acelui proces până la momentul actual.
Formulele de calcul pentru înmulţirea probabilităţilor (1) şi (2) au fost determinate în
cazurile în care evenimentele erau independente, respectiv dependente. Dacă natura acestora
nu este, însă, cunoscută, atunci nu se poate găsi valoarea exactă a probabilităţii intersecţiei lor,
ci doar o margine inferioară.
Formule de adunare
(4)
Această relaţie se numeşte proprietatea de aditivitate finită a
probabilităţii.
Propoziţie Fie (Ω, K, P) un câmp de probabilitate. Dacă A1 , A2 ,... An
+ P( A
i jk
i A j Ak ) ...... ( 1) n 1 P (Ai ) .
i 1
(5)
Exemplul 5. Trei raioane ale unui supermarket depăşesc volumul
propus al vânzărilor săptămânale cu probabilitatea 0,6, 0,4 şi, respectiv
0,7. Care este probabilitatea ca într-o săptămână cel puţin un raion să
depăşească volumul vânzărilor ?
Rezolvare. Fie A1 , A2 , A3 evenimentele ca raioanele corespunzătoare să
depăşească volumul vânzărilor. Cum acest lucru se poate întâmpla
simultan la oricare 2 din cele 3 raioane, evenimentele sunt compatibile 2
câte 2 şi cum raioanele îşi vând produsele independent unele de altele , se
obţine, aplicând formulele (4.5) şi (4.1) că
P( A1 A2 A3 ) P( A1 ) P( A2 ) P( A3 ) P( A1 A2 ) P( A1 A2 ) P( A2 A3 )
+ P( A1 A2 A3 ) 0,6 0,4 0,7 0,6 0,4 0,6 0,7 0,4 0,7 0,6 0,4 0,7.
O urnă conţine bile albe şi negre identice ca mărime pentru care se ştie
că p şi q = 1 - p sunt probabilităţile de a extrage o bilă albă, respectiv, o
bilă neagră. Se fac n extrageri punându-se bila extrasă în urnă. Se cere
probabilitatea de a obţine k bile albe şi n - k bile negre, eveniment notat
cu X n ,k . .
Se deduce că probabilitatea cerută este
P ( X n ,k ) C nk p k q n k
(1)
Din cauza formei (1), schema bilei revenite se mai numeşte schema
binomială sau schema lui Bernoulli.
Exemplu. Se aruncă un zar de 14 ori. Care este probabilitatea ca de 5
ori să apară o faţă cu un număr de cel puţin 4 puncte ?
Rezolvare. O faţă cu cel puţin 4 puncte apare la o aruncare cu
probabilitatea p = 4
6 şi rămâne constantă ori de câte ori se efectuează
experienţa, ceea ce este echivalent cu schema binomială în care
componenţa urnei este aceeaşi după fecare extragere. În aceste condiţii
probabilitatea cerută este
5 9
5 2 1
P ( X 14, 5 ) C14 .
3 3
(3)
Exemplu. În trei loturi de produse există rebuturi în procent de 3%, 5%,
respectiv, 2%. Dacă din fecare lot se extrage câte un produs, care este
probabilitatea de a obţine 2 rebuturi ?
Rezolvare. Corespunzător fecărui lot avem:
- p1 0,03; q1 0,97
- p 2 0,05; q 2 0,95
- p3 0,02; q 3 0,97 .
Pentru ca din cele 3 produse extrase, 2 să fe rebut, se va alege din
polinomul
Q (t ) ( p1t q1 )( p 2 t q 2 )( p3 t q 3 )
2) Ai .
i 1
Formula probabilităţii totale (6.1) precum şi formula lui Bayes, care urmează, sunt folosite
atunci când se cunosc probabilităţile P(B│A i ), i 1,2,...n .
Acestea pot fi interpretate în modul următor: un eveniment B se produce datorită unui
număr de circumstanţe sau cauze Ai , i=1, 2,...n. Înseamnă că sunt cunoscute probabilităţile
ca B să se realizeze condiţionat de fiecare din cauzele posibile. Atunci ”probabilitatea lui
totală” este calculată din probabilităţile diferitelor circumstanţe şi probabilităţile condiţionate
corespunzătoare.
În aceleaşi condiţii se determină probabilitatea oricărui eveniment al sistemului complet
condiţionat de realizarea lui B, adică, ştiind că efectul B s-a realizat, el să fi fost provocat de o
anumită cauză.
Formula lui Bayes. Fie { A1 , A2 ,... An } un sistem complet de evenimente şi fie un
eveniment B oarecare din corpul K. Atunci
P ( Ak ) �
P ( B Ak )
P( Ak │ B ) (2)
P( B)
pentru orice k 1,2,...n.
Publicată în 1763, această formulă cu o demonstraţie atât de uşoară a devenit faimoasă
prin interpretarea ei, şi anume: se determină probabilitatea unei cauze Ak pe baza efectului
observat B. În timp ce P( Ak ) este o probabilitate a priori, P( Ak │B) este o probabilitate a
posteriori din cauza Ak . Este recunoscută aplicabilitatea formulei în toate domeniile
fenomenelor naturale şi ale comportamentului uman. Pentru a ilustra acestă afirmaţie ne
rezumăm doar la un rezultat devenit clasic, acela obţinut de Laplace (unul dintre cei mai mari
matematicieni ai tuturor timpurilor, care a scris un tratat de probabilităţi în jurul anului 1815).
Folosind teorema lui Bayes, el a estimat probabilitatea ca „soarele să răsară mâine”. În
timpurile moderne, o ramură importantă a statisticii a devenit statistica bayesiană. În cazul
acestui curs utilitatea formulei va fi, însă, limitată de lipsa cunoştinţelor diferitelor
probabilităţi a priori.
Exemple
Răspunsuri
A1 A2 A3 A4 ) =
97 96 95 94 93
= .
100 99 98 97 96
3. Se notează cu Ai evenimentul ca o lampă aleasă la întâmplare să provină din atelierul i,
i=1, 2, 3 şi se observă că cele trei evenimente formează un sistem complet. Probabilităţile lor
sunt
12 15 13
P( A1 ) , P( A2 ) , P( A3 ) .
40 49 40
Dacă notăm cu B evenimentul ca o lampă să fie rebut, atunci găsim din enunţ că
2 3 1
P( B │ A1 ) , P ( B │ A2 ) , P ( B │ A3 ) .
100 100 100
Cu aceste valori, probabilităţile cerute se determină din formulele (6.1) şi (6.2).
12 2 15 3 13 1
a) P (B ) 0,025
40 100 40 100 40 100
15 3 1
b) P ( A2 │ B ) 0,54.
40 100 0,025