asdasdasdasdMATEMATICI APLICATE IN FINANTE

-suport activitati didactice proiect ROSE – FIN

asdasd
1. Integrale Riemann generalizatesaa
Integrala 

Definiţie


Integrala generalizată  p    x e dx, p  0 se numeşte Integrala  (Gamma).

p 1  x

Teoremă


Dacă p  0 atunci integrala  p   x

p 1
e  x dx este convergentă.
0

Proprietăţi ale integralei :

1) 1  1 .
2)  p    p  1  p  1 , p  1 .

3)   n    n  1 !, n  N .


4)  1 2   


5)   a    1  a   , dacă a   0,1 .
sin  a 

Exemple
  

1. I    x  2  e dx . 2. I   x e dx , 3. I   x e dx ,
72 x 3 3 x 3 1 x

2 0 0

Soluţii
1. Cu substituţia x  2  y , x  2  y  0 şi x    y   , dx  dy se obţine
 

  x  2  e dx   y
7 2 x 7
e  y dy   8  7! .
0
2

2. Substituţia 3x  t duce la:


1 32  t 1 5 1 3 3 1 3 1 1 
I  5  t e dt              I 
3 0
2
9 3 2 9 3 2  2 9 3 2 2 2 12 3
 

3. I   x e dx  e  x e dx  e  (4)  3!  e  6e
3 1 x 3 x

0 0

Integrala 
Definiţie
 1

Integrala generalizată   p, q    x 1  x  dx, p, q  0 se numeşte Integrala  (Beta).

p 1 q 1

Teoremă
1

Dacă p, q  0 atunci integrala   p, q    x 1  x  dx este convergentă.

p 1 q 1

Proprietăţi ale integralei :

1)   p, q     q, p  , p, q  0 .
p 1
2)   p, q   p  q  1   p  1, q  unde p  1, q  0 .

 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    pq
dx .
0  x  1

Exemple
 1 1
1
1.  dx 2. I   x  x 2 dx 3. I   x x 3 (1  x) dx
0
1 x 6
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
  
1 1 y 6 1 1 5 1  
x    y   , se obţine  1  x 6 dx  6  1  y dy  6   6 , 6   6   .
 3
0 0 sin  
6
 3   3   1  1  2   2
           
 2   2    2  2    2  
1 1
2. I  3 3
0   0    
1 1
x (1 x ) dx x 2
(1 x ) 2
B  ,   
2 2 (3) 2! 2! 8
 7   3  5  5   3  5 3  1  1  2
        
3. I  x 2  (1  x) 2 dx  B  7 , 3    2   2   2  2   2   3 2  2  2  
1 5 1
5
0 
 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  y  e 5  e  x  2  dx  e 5  x  2
dx  e 5  e  y dy 
2

e
2 2

Din .
2 2 0
2

2. Extremele locale ale funcţiilor de mai multe variabile

Extreme libere
Definiţie

Fie A R2, f: AR 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)AR2 este un punct de extrem local pentru funcţia f: AR şi f ' x şi f ' y există

pe o vecinătate V(a, b)A atunci f ' x  a,b  =0 şi f ' y  a,b  =0.

Definiţie

Fie AR2 şi f: AR. 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 AR2, f:AR şi (a, b)A un punct staţionar pentru f. Presupunem că  V(a, b)A astfel
încât fC2(V(a, b)). Fie
 f "x 2 ( a , b) f "xy (a, b) 
H(a, b)=   - matricea hessiană asociată lui f în (a, b) şi
 f " yx (a, b) f " y 2 (a, b) 

1(a, b)= f "x2 (a, b) , 2(a, b)=det H(a, b).

Dacă 2(a, b)>0 şi 1(a, b)0, atunci (a, b) este punct de extrem local, după cum urmează:
dacă 1(a, b)>0 atunci (a, b) este punct de minim local;
dacă 1(a, b)<0 atunci (a, b) este punct de maxim local.
Dacă 2(a, b)<0 şi 1(a, b)0 atunci (a, b) nu este punct de extrem local (se numeşte punct
şa).
Generalizare (n>2)

Fie ARn, f:AR, aA 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) ..... f "x1 xn (a ) 

 
   f "x2 x1 (a ) f "x22 (a) ..... f "x2 xn (a) 
asociată lui f în aA, H(a)= f "xi x j (a ) i , j 1, n =  .
 ................ .............. ..... ............... 
 f "x x ( a ) f "xn x2 (a ) ..... f "xn2 (a ) 
 n 1

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)nn(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

2) O întreprindere realizează două produse în cantităţile x şi y exprimate în unităţi de măsură

(u.m.). Cheltuielile totale de producţie sunt
c  x, y   10  4 x  2 y ,
iar preţurile unitare ale acestor două produse depind funcţional de nivelul producţiei astfel:
p1  x, y   16  x 2 , p2  x, y   6  2 y .

Să se determine în ce cantităţi trebuie realizate cele două produse astfel încât profitul să fie
maxim.

3) Să se determine punctele staţionare şi punctele de extrem local pentru funcţia:

f : R2  R , f  x, y   x 2 n  y 2 n , n  N *

Soluţii
1)
Se calculează coordonatele punctelor staţionare, ca soluţii ale sistemului:
 f ' x  x, y   0  5x4  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: A1,4  ; B 1,4  ; C   1,4  ; D  1,4 .
Se calculează derivatele parţiale de ordinul al doilea:

f " x 2  x, y   20 x3 ; f " xy  x, y   0; f " yx  x, y   0; f " y 2  x, y   6 y;

Pentru un punct oarecare  a, b   R avem:

2

f " x 2  a,b  f " xy  a,b  20a 3 0

1  a,b   f " x 2  a,b   20a3 ;  2  a,b     120a3b.
f " yx  a,b  f " y 2  a,b  0 6b

Atunci:
 A1,4  punct de minim local.
1 1, 4   20  0 

 2 1, 4   480  0

 2 1,4  480  0  B1,4 nu este punct de extrem (punct şa).

 2   1,4  480  0  C   1,4  nu este punct de extrem (punct şa).

 D   1,4  punct de maxim local.

1   1, 4   20  0 

 2   1, 4   480  0 

2)
Funcţia profit este
f : R2  R , f  x, y   xp1  yp2  c  x, y    x 3  2 y 2  12 x  8 y  10 .

Punctele staţionare se obţin ca soluţii ale sistemului

 f ' x  x, y   0  3 x 2  12  0
  .
 f ' y  x, y   0  4 y  8  0
Cum x şi y sunt pozitive se obţine unicul punct staţionar A(2, 2).
  f "x 2  x, y  f "xy  x, y    6 x 0 
Matricea hessiană va fi H(x, y)=  =
 f " yx  x, y  f " y 2  x, y    0 4 
 
 12 0 
şi pentru punctul A(2, 2) aceasta devine H(2, 2)=   cu
 0 4 
1  2, 2   12  0 
  A(2, 2) punct de maxim local. Acesta va fi şi punct de maxim al
 2  2, 2   48  0 

profitului f, iar cantităţile optime vor fi x=2, y=2.

3)
Punctele staţionare se obţin din sistemul
 f ' x  x, y   0  2nx 2 n 1  0
  .
 f ' y  x, y   0  2ny 2 n 1  0

Se observă că A(0, 0) este unicul punct staţionar al funcţiei f .

Matricea hessiană va fi
 f "x 2  x, y  f "xy  x, y    2n(2n  1) x 2 n  2 0 
H(x, y)=  =  
 f " yx  x, y  f " y 2  x, y    0 2n(2n  1) y 2 n  2 
  

0 0
şi pentru punctul staţionar A(0, 0) aceasta devine: H(0, 0)=   cu
0 0

1 (0,0)  0,  2  0,0   0 deci algoritmul anterior nu poate fi aplicat.

Se observă însă, că f (0,0)  0 şi f ( x, y )  0, ( x, y )  R 2 , astfel că

f ( x, y )  f (0,0), ( x, y )  R 2 .

Ca urmare, conform definiţiei, A(0, 0) este punct de minim (global) pentru f .

Extremele condiţionate ale funcţiilor reale de mai multe variabile

Definiţie
Fie ARn, f:AR, EA. 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 EA 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={xAgi(x)=0, i=1,m }.
 g x , x ,..., x  0
 m 1 2 n
In acest caz, extremele lui f relative la E se mai numesc extreme cu legături.

Algoritm pentru aflarea punctelor de extrem local condiţionat pentru f:AR cu ARn
cu legăturile (1)
m
1) Se formează funcţia Lagrange L  x1 ,..., x n ; 1 ,..., m   f  x     i g i  x  .
i=1

2) Se determină punctele staţionare condiţionate din sistemul

 L' x  x; 1 ,..., m   0,i=1, n
 2'   i
 L' j  x; 1 ,..., m   0, j=1, m

0 0 0 0

Fie x1 ,..., x n ; 1 ,..., m , o soluţie a sistemului (2’). Pentru 1  10 ,..., k   0m avem x0=

 x10 ,...,x 0n  punct staţionar condiţionat pentru f şi punct staţionar pentru

m
 
L  x1 ,...,x n   L x1 ,..., x n ; 10 ,..., 0m  f  x     i0 gi  x  .
i=1

3) Se determină natura punctelor staţionare condiţionate astfel:

- se calculează diferenţiala de ordinul al doilea a lui L în x0:

n n
   
d 2 L x 0   L" x i x j x 0 dx idx j
i=1 j=1

- prin diferenţierea legăturilor (1) în punctul x 0 se obţine un sistem de m ecuaţii cu

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


dacă d L  x  este nedefinită, atunci x 0 este punct şa;

2 0


Exemplu
Un producător de petrol utilizează două sonde Q1 şi Q2 care presupun un cost fix total c0=500
unităţi monetare (u.m.) pentru fiecare sondă. Costurile variabile depind funcţional de
 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, x20).
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, )= x12 + x22 +2x2+1000+( x1+ x2-80)
2
Punctele staţionare condiţionate se obţin din:

 L'x1 ( x1 , x2 ,  )  x1    0  x1  -
  2
 2+
L'
(
 x2 1 2 x , x ,  )  2 x2  2    0   x2  -  - - =80  =-54 
 '  2 2
 L ( x1 , x2 ,  )  x1  x2 - 80  0  x1  x2  80

 x1=54, x2=26, deci, pentru =-54 avem A(54, 26) punct staţionar condiţionat.
1 2 2
=-54 L(x1, x2, )= 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.

3. Metoda celor mai mici pătrate

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

Să se ajusteze datele după o dreaptă şi să se facă o estimare a profitului în luna următoare.

Soluție
Dreapta de ajustare are ecuaţia g(x)=a1x+a0. Parametrii se determină din sistemul de ecuaţii
normale:
 n 2 n n

 1 i
a x  a 0 i x   xi y i
 i 1 i 1 i 1
(1)  n n
 a
1 i x  5 a   yi
 i 1
0
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

Sistemul (1) este echivalent cu

10a1  15a0  40
(2)   a 0  0,1 iar a1  0,7 .
 15a1  5a0  11

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

Noţiunile primare ale teoriei probabilităţilor sunt cele de eveniment

ataşat unui experiment aleator şi de probabilitate a unui astfel de
eveniment.
În viaţa de zi cu zi se întâlnesc frecvent experienţe ale căror rezultate
sunt diferite în funcţie de circumstanţe întâmplătoare, care nu pot fi
cunoscute înaintea realizării lor. Ca exemplu cităm :
- jocurile de noroc;
- observarea numărului de apeluri telefonice recepţionate de o centrală
telefonică într-un interval de timp;
- observarea duratei de viaţă a indivizilor dintr-o populaţie umană sau
biologică.
Astfel de experimente se numesc aleatoare, iar orice rezultat al unei
experienţe aleatoare se numeşte eveniment. Probabilitatea lui este un
număr reprezentând şansa de realizare a evenimentului.
Exemplul 1. Fie experimentul aleator ce reprezintă aruncarea unui zar.
Evenimentele asociate acestui experiment le vom nota cu k şi vor
reprezenta apariţia feţei cu un număr k de puncte, k = l, 2, ... 6.
Fie  = 1, 2, 3, 4, 5, 6 mulţimea tuturor rezultatelor posibile
obţinute la efectuarea acestei experienţe. Se observă că  este o mulţime
cu un număr finit de evenimente. Evenimentele k , k = l, ... 6 sunt
evenimente elementare.
Se poate ca un observator să fie interesat de alte aspecte ale
experienţei, ca de exemplu de „apariţia unui număr par de puncte“ sau de
„apariţia unei feţe având numărul de puncte cel mult 3“. Aceste
evenimente se pot scrie în următorul mod: primul notat de exemplu A, va
fi A = 2, 4, 6, iar al doilea, notat cu B, va fi B = 1, 2, 3. Se observă
din scrierea lor că sunt mulţimi de evenimente elementare şi, deci, sunt
submulţimi ale lui  sau părţi ale acestei mulţimi.

Exemplul 2. Se consideră experimentul aleator ce reprezintă

aruncarea unei monede până la prima apariţie a stemei. Dacă se notează
cu S şi B evenimentele elementare care înseamnă "apariţia stemei",
respectiv „apariţia banului“, atunci mulţimea  a tuturor rezultatelor
posibile la efectuarea acestui experiment va fi  = S, BS, BBS, ..., B … BS,
... , unde am notat evenimentul că stema apare la cea de a k aruncare
prin: B … BS. Se observă din scrierea lui  că de data aceasta ea este tot o
mulţime numărabilă, dar infinită, de rezultate posibile. Se spune că o mulţime
este infinit numărabilă dacă elementele ei pot fi puse în corespondenţă 1 la 1 cu numerele
întregi. Această corespondenţă conduce la scrierea elementelor ca {s1 , s 2 ,...s n ,...} .
În cele două exemple se poate vedea că  este un eveniment ce se
produce obligatoriu la efectuarea experimentelor (în primul exemplu, cu
siguranţă zarul va cădea pe una din cele 6 feţe). El se va numi eveniment
sigur. Evenimentul ce nu se poate produce ori de câte ori se efectuează
experimentul se va numi eveniment imposibil şi se va nota cu .
Evenimentele asociate unui experiment aleator fiind părţi ale mulţimii
, este natural să presupunem că operaţiile cu evenimente sunt operaţiile
cu mulţimi.

Definiţie Evenimentul ce se produce când se produce unul dintre

evenimentele A sau B se numeşte eveniment reuniune a lui A cu B şi se
notează A  B.

Evenimentul ce se produce când se produc în acelaşi timp

evenimentele A şi B se numeşte eveniment intersecţie şi se notează A 
B.
Nerealizarea evenimentului A este un eveniment ce se numeşte
evenimentul opus sau contrar lui A şi se notează A (sau CA, sau AC ).
Exemplul 3. În experimentul aruncarea zarului, dacă A = 1 şi B =
2, atunci
A  B = 1, 2 reprezintă evenimentul că apare sau faţa 1 sau faţa 2, iar
A  B =  reprezintă evenimentul imposibil pentru că la aruncarea zarului
nu pot apare simultan faţa 1 şi faţa 2. Contrarul evenimentului A este A =
2, 3, 4, 5, 6, care reprezintă faptul că apare orice altă faţă în afara
celei cu un punct.
Pentru operaţiile cu evenimente funcţionează aceleaşi proprietăţi ale
lor din teoria mulţimilor: .
AB=BA AB=BA
A  (B  C) = (A  B)  C A  (B  C) = (A  B)  C
A=A A=
AA=A AA=A
A= A=A
A  (B  C) = (A  B)  (A  C) A  (B  C) = (A  B)  (A  C)
A  A=  A  A= 
 =  =
(relaţiile lui De Morgan)
A  B  A  B


A  B  A  B

 A-B=A B

A  B = (A - B)  (B - A)

Dacă avem o familie nevidă de evenimente AiiI, unde I este o familie

de indici cel mult numărabilă, operaţiile de reuniune şi intersecţie pot fi

extinse şi se notează cu A , A , respectiv.

iI
i
iI
i

Definiţie Dacă realizarea evenimentului A implică realizarea

evenimentului B, se spune că A îl implică pe B şi se scrie A  B . Dacă
A  B şi B  A , atunci cele două evenimente sunt echivalente, deci A =

B.

Definiţie . Două evenimente A şi B se numesc incompatibile dacă nu

se pot realiza simultan, adică A  B =  . În caz contrar, ele sunt
compatibile. Evenimentele ale căror realizări nu se influenţează reciproc
se numesc independente.

Fie Ω mulţimea finită a evenimentelor posibile la efectuarea unei experienţe şi P(Ω)

mulţimea părţilor lui Ω.

Definiţie Fie K  P(Ω) o mulţime nevidă de părţi ale lui Ω. Ea se numeşte corp de
evenimente dacă verifică următoarele axiome :

1. A  K , A  K ;

2. A  B  K , A, B  K .

Propoziţie Dacă mulţimea K este corp de evenimente, atunci au loc afirmaţiile :

1.   K ,   K ;
n n

2. dacă A1 , A2 ,... An  K , atunci Ai  K , Ai  K ;

i 1 i 1

3. dacă A, B  K , atunci A  B  K .

Definiţia corpului de evenimente se generalizează în cazul în care Ω este o mulţime

nenumărabilă de evenimente.

Definiţie O mulţime K  P(Ω) nevidă se numeşte corp borelian de evenimente dacă

1. A  K , A  K ;

Ai K
2. 
iI
, ( Ai ) iI  N  K .

Definiţie Cuplul (Ω, K) se numeşte câmp de evenimente dacă Ω este o mulţime

numărabilă de evenimente posibile la efectuarea unei experienţe, iar K este un corp de
evenimente.

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

Noţiunea de probabilitate a fost introdusă ca o măsură a mulţimilor de evenimente din K şi

a putut fi definită în trei moduri:
1. definită ca o funcţie de mulţime, definiţie numită axiomatică,
2. definită clasic în cazul unui număr finit de evenimente egal posibile,
3. definită statistic cu ajutorul frecvenţei de realizare a unui eveniment.

1. Definiţia axiomatică stă la baza teoriei moderne a probabilităţilor şi include definiţiile

clasică şi statistică.
Considerată ca funcţie, probabilitatea are domeniul de definiţie K, familia tuturor
submulţimilor lui Ω.
Dacă Ω, însă, are o infinitate nenumărabilă de puncte, deci are un număr prea mare de
submulţimi, atunci devine imposibilă desemnarea unei probabilităţi pentru fiecare dintre ele,
probabilitate care să îndeplinească anumite condiţii. Aşadar, dacă Ω este o mulţime finită sau
infinit numărabilă, atunci desemnarea se poate face pentru toate submulţimile ei.
Vom presupune mai întâi că spaţiul Ω este numărabil.
Definiţia axiomatică Se numeşte probabilitate pe câmpul de evenimente (Ω, K) funcţia
P :   R care verifică următoarele axiome:
1. P ( A)  0, A  K ;
2. P ()  1 ;
3. P ( A  B )  P ( A)  P ( B ), dacă A  B   .
Definiţie Un câmp de evenimente (,  ) înzestrat cu o probabilitate P se numeşte câmp
de probabilitate (, K , P ).
Propoziţie Fie (, K , P ) un câmp de probabilitate . Atunci:
1. P ( A)  1  P ( A), A  K ,

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 ) iI  K , Ai  A j  , i  j.
iI iI

I fiind o mulţime cel mult numărabilă de indici.

2. Se consideră că mulţimea  conţine un număr finit de evenimente
elementare  i , 1  i  n , care au aceeaşi şansă de realizare p. Atunci, din
exprimarea
n
 i 1
i

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:

Definiţia clasică Se numeşte probabilitatea unui eveniment A

raportul dintre numărul evenimentelor egal probabile favorabile producerii
lui A şi numărul total de evenimente egal probabile.

Definiţia clasică are, însă, anumite inconveniente:

a) se poate aplica doar când evenimentele elementare au aceeaşi şansă
de realizare;
b) nu poate fi utilizată când există un număr infinit de evenimente
elementare;
c) nu se poate aplica unei largi categorii de evenimente cărora nu li se
poate determina numărul cazurilor favorabile.
3. Se consideră un experiment în care se urmăreşte apariţia unui
eveniment A. Frecvenţa absolută a evenimentului A este numărul m de
realizări ale lui. Atunci când au loc n probe, frecvenţa relativă de realizare
a lui A este raportul m / n. La un număr mare de repetări ale acestei
experienţe, frecvenţa relativă se va stabiliza, oscilând în jurul acestui
număr, care va fi probabilitatea lui A.

Probabilitatea condiţionată

Definiţie Fie (, K , P ) un câmp de probabilitate şi fie A şi B două

evenimente dependente din K, astfel încât P ( A)  0 . Se numeşte
probabilitatea evenimentului B condiţionat de realizarea lui A raportul
P( A  B)
P( B │ A )= . (1)
P ( A)

Din formula (1) se poate determina

P ( A  B )  P ( A)  P( B │ A ) (2)
adică, probabilitatea ca evenimentele A şi B să se realizeze este dată de produsul dintre
probabilitatea lui A şi probabilitatea lui B condiţionat de realizarea lui A.
Se poate observa uşor că probabilitatea condiţionată P(B│A) foloseşte o informaţie
parţială, aceea oferită de cunoaşterea probabilităţii lui A.
Exemplul 1. Dintr-un lot de n 1 produse ce provin de la secţia S 1 şi din alt lot de n 2
provenite de la secţia S 2 se extrag 2 produse fără întoarcere. Care este probabilitatea ca
primul produs extras să fie din S 1 şi al doilea să fie din S 2 ?
Rezolvare. Se notează cu A şi B evenimentele ca primul, respectiv al doilea produs să fie
al secţiei S 1 , respectiv S 2 . Atunci
n1 n1
P ( A)  , P(B│A)= .
n1  n 2 n1  n2  1

Din formula (2) se va găsi, apoi, P(A  B ).

Definiţie Evenimentele A şi B sunt independente dacă
P(A  B )  P ( A)  P ( B) )
(3)
Relaţia (3) derivă din noţiunea de independenţă a evenimentelor A şi
B, anume, realizarea lui B, de exemplu, are loc independent de realizarea
lui A, deci
P( B │ A )=P(B) sau P(A│B)=P(A)
şi aceste relaţii nu pot avea loc decât dacă este îndeplinită condiţia (3).
 Exemplul 2. Presupunem că are loc experienţa din Exemplul 2 al &1. Probabilitatea de a
apare stema la cea de a k aruncare va fi
k
1
P ( BB...BS )  P ( B ) k 1 P ( S )    ,
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

iar probabilitatea evenimentului va fi

P ( BB...BS )  pq k 1 , k=1,2,....

Formule de calcul al probabilităţii

Formule de înmulţire

Propoziţie Fie (Ω, K, P) un câmp de probabilitate. Dacă A1 , A2 ,... An

sunt evenimente independente din K, atunci probabilitatea realizării lor
simultane este
n n
P (Ai ) 
i 1
 P( A )
i 1
i

(1)

Propoziţie Fie (Ω, K, P) un câmp de probabilitate. Dacă A1 , A2 ,... An

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 │ A1  A2 )  ...P ( An │
i 1

n 1

A
i 1
i ) (2)

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

Propoziţie Fie (Ω, K, P) un câmp de probabilitate. Dacă A1 , A2 ,... An

sunt evenimente din K incompatibile 2 câte 2 ( Ai  A j  , i  j ), atunci

n n
P (Ai )   P ( Ai )
i 1 i 1

(4)
Această relaţie se numeşte proprietatea de aditivitate finită a
probabilităţii.
Propoziţie Fie (Ω, K, P) un câmp de probabilitate. Dacă A1 , A2 ,... An

sunt evenimente din K compatibile 2 câte 2 ( Ai  A j  , i  j ) , atunci

n
P (Ai )   P( A )   P( A
i
i j
i  Aj ) +
i 1 i

+  P( A
i jk
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.

Scheme probabilistice clasice

Foarte multe aplicaţii practice îşi găsesc rezolvarea cu ajutorul

schemelor probabilistice dacă se poate face o analogie între modurile de
desfăşurare ale experimentelor din aplicaţii şi cele din schemele clasice.
De aceea este deosebit de important de a reţine condiţiile în care are loc
fiecare din experimentele ce ilustrează schemele clasice.

Schema urnei cu bila revenită

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 fiecare extragere. În aceste condiţii
probabilitatea cerută este
5 9
5  2 1
P ( X 14, 5 )  C14     .
 3 3

Schema urnei cu bila nerevenită.

O urnă conţine N bile, a albe şi b negre, a + b = N. Se extrag succesiv n

bile ( n  N ) fără a pune bila extrasă înapoi în urnă şi se cere aflarea
probabilităţii de a obţine k (k  a ) bile albe şi n-k bile negre.
Probabilitatea evenimentului notat la fel ca mai înainte cu X n , k va fi
dată de
C ak  C bn  k
P( X n ,k ) 
C Nn
(2)
 Schema lui Poisson.

Se consideră n urne având bile de aceleaşi două culori, albe şi negre

(de exemplu). Se cunosc probabilităţile de a extrage o bilă albă pi ,

respectiv o bilă neagră q i ( pi  qi  1) , pentru fiecare urnă U i , i  1,2,...n.

Extrăgând câte o bilă din fiecare urnă, se cere probabilitatea de a avea k
bile albe şi n-k bile negre.
Probabilitatea se află ca fiind coeficientul lui t k din dezvoltarea
n
Q (t )   ( p i t  q i )
i 1

(3)
Exemplu. În trei loturi de produse există rebuturi în procent de 3%,
5%, respectiv, 2%. Dacă din fiecare lot se extrage câte un produs, care
este probabilitatea de a obţine 2 rebuturi ?
Rezolvare. Corespunzător fiecărui lot avem:
- p1  0,03; q1  0,97
- p 2  0,05; q 2  0,95
- p3  0,02; q3  0,97 .
Pentru ca din cele 3 produse extrase, 2 să fie rebut, se va alege din
polinomul
Q (t )  ( p1t  q1 )( p 2 t  q 2 )( p 3 t  q 3 )

coeficientul lui t 2 , adică

P ( X 3, 2 )  p1 p 2 q3  p1 p3 q 2  p 2 p3 q1 .

Formula probabilităţii totale. Formula lui Bayes.

Cele două formule se determină în aceleaşi ipoteze şi anume, în

condiţiile în care există un sistem complet de evenimente, noţiune pe care
o definim acum:
Definiţie Fie A1 , A2 ,... An evenimente dintr-un corp K. Se spune că ele

formează un sistem complet de evenimente dacă îndeplinesc următoarele

axiome:
1) sunt incompatibile 2 câte 2 ( Ai  A j  , i  j; );
n

2) A i  .
i 1

Formula probabilităţii totale. Fie { A1 , A2 ,... An } un sistem complet de

evenimente şi fie un eveniment B oarecare din corpul K. Atunci
n
P ( B)   P( Ai )  P ( B │ Ai ) (1)
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

1. Trei societăţi comerciale obţin profit cu probabilităţile 0,6, 0,4, respectiv

0,3. Care este probabilitatea ca toate trei să realizeze profit ?
2. Un lot de 100 de produse este supus controlului de calitate. Condiţia ca lotul să fie acceptat
este ca în 5 verificări consecutive să nu existe nici un produs defect. Ştiind că 3% din produse
sunt defecte, care este probabilitatea ca lotul să fie acceptat ?
3. În trei secţii ale unei fabrici se asamblează un anumit tip de lampă electronică. Se ştie că în
prima secţie lucrează 12 muncitori, în a doua 15 şi în a treia 13 şi că procentul de rebut al
fiecărei secţii este 2%, 3%, respectiv 1%. Se alege la întâmplare un produs din depozit. Se
cere:
a) probabilitatea ca produsul să fie defect;
b) probabilitatea ca produsul defect ales să provină de la secţia a doua.

Răspunsuri

1. Dacă se notează cu A1 , A2 , A3 evenimentele ca fiecare societate să

obţină profit, atunci, ele lucrând independent una de alta, avem
P ( A1  A2  A3 )  0,6  0,4  0,3  0,072 .

2. Fie Ai evenimentul ca piesa i să fie bună, i=1,...5. Pentru ca lotul să fie

acceptat, trebuie ca toate cele 5 piese controlate să fie corespunzătoare.
Cum produsul controlat nu se întoarce în lot, rezultatul unui control
influenţează rezultatele ulterioare, deci evenimentele sunt dependente.
Formula (4.2) va conduce la
5
P (Ai )  P ( A1 ) P ( A2 │ A1 ) P ( A3 │ A1  A2 ) P ( A4 │ A1  A2  A3 ) P ( A5 │
i 1

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