Documente Academic
Documente Profesional
Documente Cultură
Radu Despa
Cătălina Visan
t Carmen Pricină
Cristina Coculescu Maria Burac Ovidiu Solomon
RADU DESPA
CĂTĂLINA VIŞAN CARMEN PRICINĂ
CRISTINA COCULESCU MARIA BURAC OVIDIU SOLOMON
MATEMATICI APLICATE
ÎN
ECONOMIE
EU
E d itu ra UNIVERSITARA
Bucureşti, 2006
CUPRINS
CAPITOLUL I: MODELARE ŞI OPTIMIZARE LINIARĂ....................... 5
§ 1. Elemente de algebră liniară................................................................... 7
1. Spaţii liniare................................................................................ .......... 7
2. Spaţiul liniar R n .................................................................................... 7
3. Sisteme de vectori în R n . Dependenţa şi independenţa liniară.
Bază în R n ........................................................................................... 9
4. Stabilirea naturii unui sistem finit de vectori în R n .............................. 14
5. Metoda eliminării complete (Gauss-Jordan) de rezolvare a unui
sistem de ecuaţii liniare......................................................................... \η
6. Mulţimi convexe în R n ........................................................................ 25
Probleme............................................................................................... 26
419
3. Derivate parţiale.....................................................................................152
4. Diferenţiala funcţiei de două variabile...................................................153
5. Funcţii de n variabile..............................................................................156
6. Extremele funcţiilor de două variabile........................................ ..........158
7. Extremele funcţiilor de n variabile........................................................ 161
8. Extreme condiţionate............................................................................. 163
Probleme................................................................................................ 165
C A PIT O L U L IV : E L E M E N T E DE TE O R IA
P R O B A B IL IT Ă Ţ IL O R ............................................. 189
§1. Câmp de evenimente, câmp de probabilitate..............................................189
1. Concepte de bază.................................................................................... 189
2. Relaţii şi operaţii cu evenimente............................................................ 191
3. Definiţia statistică a probabilităţii.......................................................... 197
4. Definiţia axiomatică şi clasică a probabilităţii....................................... 199
5. Probabilităţi geometrice......................................................................... 203
6. Proprietăţi ale probabilităţii.................................................................... 206
7. Probabilitatea condiţionată. Regula de înmulţire şi regula de
adunare a probabilităţilor.......................................................................209
8. Scheme probabilistice clasice................................................................. 214
§ 2. Variabile aleatoare...................................................................................... 221
1. Variabile aleatoare unidimensionale discrete şi continue..................... 221
2. Operaţii cu variabile aleatoare. Independenţa..... ...................................223
3. Caracteristici numerice ale variabilelor aleatoare................................. 236
4. Momente iniţiale şi momente centrate.................................................. 238
5. Repartiţii clasice discrete şi continue..................................................... 247
Repartiţia hipergeometrică............................................................... 247
Repartiţia Poisson............................................................................ 249
Repartiţia binominală....................................................................... 252
Repartiţia geometrică....................................................................... 254
Repartiţia uniformă.......................................................................... 257
Repartiţia Gama.............................................................................. . 261
420
Repartiţia exponenţial negativă...................................................... 262
Renartitia normală 263
Probleme.............................................................................................. 269
422
P R E F Ă Tt Ă
5
CAPITOLUL I
2. Spaţiul liniar R n . Fie n > 1 un număr natural şi fie R" mulţimea tuturor
sistemelor ordonate de n numere reale de forma
a = ( a l, a 2,...a,!), a,. G R notată
n ori
R n - R x R x . . . R = {a = {a x, a 2,...an) ! g R , i - 1,2,...«}
Dacă a e R şi a , b e R n, a = ( α „ α 2,···«„); b = ( ß l , ß 2,...ß n)
atunci definim două operaţii: una internă
def
a +b - + ß x, a 2 + ß 2,...dn + ß n) şi alta externă
def
oca = ( a a {, a a 2,...aan)
a ‘ = ( a v a 2,...a ny = a / e R i - 1,2,...«
aK
în acest caz R n se va numi spaţiul vectorilor coloană « 'dimensionali.
Exemple·. Fie în R 3 vectorii liniari a = ( 2,-1,0^ ; b = (1,2,·-3) şi scalarul a =
2. Avem:
a + b = (2 - 1 ,0 ) + (1,2,-3) = (2 + 1,-1 + 2,0 + (-3 )) = (3,1,-3)
2a = 2(2 - 1,0) = (2 · 2 ,2( - l ),2 · 0) = (4 - 2 ,0 )
a ~ b —— o. + (-1 )b = (2 -1 ,0 ) + -1 (1 ,2 -3 ) = (2 -1 ,0 ) + ( - 1 - 2 ,3 )
= (1 -3 -3 )
9
2Âj + A2 + 3A3 = Ο
• Aj - A2 =0
Aj + 2A3 = 0
a cărui soluţie este soluţia nulă A, = A2 = A3 = 0 .
10
(\ ο ... ολ
Ο 1 ... ο
η
Ο Ο ... 1
\ /
Teorema bazei Fiind dată o bază în spaţiul R n, orice vector a E R n se poate
exprima în mod unic ca o combinaţie liniară a vectorilor bazei.
Demonstraţie: Fie o bază B - {α],α2,...α„} a spaţiului R n şi un vector
a E R n . Vectorii a ,a x,a 2,...an sunt evident liniar dependenţi, deci putem scrie:
ka + k ]al + k 2a2 + ··· + k nan ~ 0 unde nu toţi k t sunt nuli. Numărul k este
diferit de zero, deoarece în caz contrar din relaţia precedentă ar rezulta că
a ,, a2,...an sunt liniar dependenţi (absurd, formează bază)
Deducem prin urmare:
k1 k2 ^ ^ λ
a = —— a, — —a2 —...— —an = Α,α, + A2a2 + ... + Λ an adică orice vector
k k k
a E R n se exprimă ca o combinaţie liniară a vectorilor bazei. Să demonstrăm
unicitatea. Presupunem că ar exista două exprimări lui a în baza ß ,, a2,...a„. Fie :
a = λ χαχ + λ 2α2 + ... + λ ηαη
a = λ (a, + λ'2α2 + ... + λ'ηαη ^ ^
Scăzându-le obţinem:
(Aj - A,'’)«, + (A3 —λ 2)α2 + ... + (A„ - λ'η)αη = 0 dar din cauza independenţei
vectorilor a {,a 2,...an rezultă Af —λ · = 0,1 < i < n deci λ ί - λ \ \ < i < n şi
exprimarea (*) a lui a este unică.
Dacă a E B fie a = α;·, i — 1, n Atunci B fiind bază, a se poate scrie:
a = A|û] + A2#2 ··· ^ Α,-öj + ... + λ ηαη
12
1° Să se arate că vectorii ax,a 2,a 3 formează o bază în R 3 ;
2 “Aflaţi coordonatele vectorului a în această bază.
^U
OCjj ^ f aU12 λ (a ^
«21 «22 «2 m
a,1 = ; a2 — ;’ ... a m
m=
V«„!
nl J V«„2
nl Ka nm ,
a .i «„2 *
consideraţi,
Sistemul omogen admite numai soluţia nulă Aj = A2 = ... = Am = 0 dacă
rang(A ) = m şi admite şi alte soluţii afară de soluţia nulă dacă rang(A ) < m .
Dcci dacă rang (A ) = m vectorii sunt liniar independenţi. Dacă ra n g (A ) < m
vectorii sunt liniar dependenţi.
Altfel spus: Dacă m > n (numărul vectorilor mai mare ca dimensiunea spaţiului)
14
vectorii sunt liniar dependenţi.
Dacă m < n atunci vectorii sunt liniar dependenţi dacă ra n g (A ) < m şi liniar
independenţi dacä rang (A ) = m .
Rezultă că o condiţie necesară şi suficientă ca un sistem de vectori din R n să
fie liniar independent este ca rangul matricii formate cu componentele vectorilor să
fie egal cu numărul vectorilor. în caz contrar sistemul de vectori este liniar
dependent.
Prin urmare pentru a afla natura unui sistem de m vectori în R n procedăm astfel:
- scriem matricea A având drept coloane vectorii daţi;
- calculăm rangul r al matricii A;
- decidem natura sistemului de vectori şi anume:
a) dacă r — m sistemul de vectori este liniar independent;
b)dacă r < m sistemul de vectori este liniar dependent.
Drept consecinţe ale regulei precedente deducem:
1. Dacă 5 este un sistem de vectori liniar independent şi S ' un subsistem al lui S
atunci S ' este liniar independent;
2. Dacă S este un sistem liniar dependent şi S* este un suprasistem al lui S
(S a S") , atunci şi S* este liniar dependent;
3. Orice sistem care conţine vectorul nul O este liniar dependent;
4. Numărul maxim de vectori liniar independenţi în R n este egal cu n.
Exemple:
Aflaţi natura sistemelor de vectori
/
f 2) -Ϊ) (
3 0
a) = 4 > a2 - 1 »
α3 = >
2 1 1
^ y V y V
f -n / 0 \
b) «ί = 1 > Ω2 = 1 > α3 = -1 >
1 1 1
V \ /
r ί Λ ' 2 Λ / 5^ (4 ^
c) β| = - 1 ; a2 : 2 ; 2 ; α4 = - 1
1 3 5 4
V / V
Soluţie:
a) Matricea componentelor vectorilor a x,a 2,a^
15
r 2 - 1 3λ
3 0 -3
A = 4 1 3 are rangul 2. Cum rang(A ) = 2 < 3 rezultă că vectorii sunt
2 1 1
liniar dependenţi;
b) Rangul matricii A este în acest caz
'2 - 1 0 Λ
1 1 - 1 pentru care se găseşte că rang (A ) = 3 egal cu numărul
1 1 1
vectorilor deci sunt liniar independenţi;
c) Rangul matricii
f 1 2 5 4 N
A - - 1 - 2 2 - 1 este egal cu 3 < 4 deci vectorii sunt liniar dependenţi.
1 3 5 4
sau
(A, + Ă2 + A j)a + (Aj —A2 ~ 2Ä^)b + A3c = (0,0,0)
16
Prin ipoteză însă vectorii a,b,c sunt liniar independenţi şi din relaţia precedentă
rezultă:
A, + A2 + A3 = 0
■Aj A 2 2A3 —0
~
Aj = 0
de unde Aj = A2 = A3 = 0 şi răspunsul este că vectorii sunt liniar independenţi.
a=
f a11. b = ί β0 0~rn
r să fie liniar dependenţi în R
a2 y2
\ \ βH 2 \1 y
Soluţie:
Trebuie ca rangul matricii:
Ί 1 1N
A= a β y să fie mai mic ca 3 ceea ce revine la egalitatea cu zero a
f2
oc β 2 a.
„2
y2
determinantului
1 1 1
Μ - a β γ - β )(β ~ Ύ )(Ύ tip
determinantul fiind de ti
a2 β2 γ2
Vandermonde.
a n \ X l + a m X 2 + - + a nnX n = b n
a cărei formă matricială este
17
AX = b (2)
unde:
V
b2
-c>
A = (a ÿ) ί, j - X =
II
...
-O*
\ Xn
■'S
nJ
Dacă A este nesingulară adică (A) Φ O atunci sistemul are o soluţie unică
reprezentată de vectorul X dat de relaţia:
X = A~xb (3)
Există o schemă de calcul simplă care poate fi aplicată oricărui sistem cu
\A\ Φ 0 pentru obţinerea soluţiei şi (sau) pentru obţinerea matricii inverse A-1 .
Această metodă se numeşte metoda eliminării complete Gauss-Jordan şi constă în
aplicarea unor transformări efectuate în n iteraţii (paşi) echivalente cu înmulţirea
ambilor membrii ai ecuaţiei (2) cu A~x. în caz de nevoie comcomitent poate fi
obţinută şi matricea inversă A-1 . Pentru claritate expunem această metodă pe un
exemplu. Fie sistemul de trei ecuaţii cu trei necunoscute:
3*! + x2 =6
4*, + X-, + *, = 9 =>
5x, + 2x , + x-. = 11
"3 1 0N v
A= 4 1 ■ X = *2 9. b = 9
1 >
5 2 1 11
\ \ *33 J \
5 2 1 X, 11
Λ 3> V >
Punând
18
'Γ ' 0N
f6l
4 y 0>2 — 1 , a3 - 1 , b= 9
5 2 1 11
\ \ \ \ /
sistemul se scrie
+ x 2a 2 + x 3a 3 = b (4)
Deoarece matricea A este nesingulară, sistemul de vectori αλ,α 2, α3 este liniar
ί
independent şi prin urmare formează o bază în R . A rezolva sistemul înseamnă,
în baza relaţiilor (4) să determinăm coeficienţii xx, x 2, x3 ai combinaţiei liniare
unice de vectori a x,a 2, a 3 care coincide cu vectorul b. Metoda eliminării complete
constă în eliminarea treptată a primei, a doua , a treia etc. necunoscute în toate
ecuaţiile sistemului în afară de prima, a doua, a treia etc., ecuaţie respectiv. Pentru
sistemul dat primul pas constă în eliminarea primei necunoscute X| din toate
ecuaţiile în afară de prima, ceea ce se poate face adunând prima ecuaţie înmulţită
cu un număr convenabil ales la a doua şi a treia ecuaţie.
Pasul 1.
3*1 + x 2 =6
4x{ + x2 =9
5.x, + 2 x2 =11
întrucât matricea A este nesingulară, sistemul dat poate fi scris astfel încât
coeficientul primei necunoscute în prima ecuaţie să fie diferit de zero. Acest lucru
se realizează printr-o nouă renumerotare a ecuaţiilor sistemului.
Mai mult, acest coeficient poate fi făcut egal cu 1 aşa cum este în cazul nostru,
îmărţind prima ecuaţie la an = 3. Sistemul se scrie:
1
x, + — X, = 2
1 3 2
4xt + x2 + x3 =9
5*! + 2 x 2 + x3 =11
Pentru eliminarea necunoscutei X\ din a doua ecuaţie înmulţim prima ecuaţie cu
-4 şi o adunăm la a doua, iar pentru a elimian pe *i din a treia ecuaţie înmulţim
prima ecuaţie cu -5 şi o adunăm la a treia. Obţinem: t
19
X, + —χ , =2
1 3 2
1
— x, + x , =1
3 2 3
1
—x, + X-, = 1
3
Pasul 2. Eliminăm acum a doua necunoscută x2 din ecuaţiile 1 şi 3 în afară de
ecuaţia a doua, înmulţind în prealabil ecuaţia a doua cu -3 pentru a face
coeficientul lui x2 egal cu 1. Sistemul precedent devine:
x\ + ~ x 2 = 2
3
x2 - 3x3 = - 3
I
-x 2 + x3 =1
3
20
3
- coloana pivotului are elemente 0 în afară de elem entul de pe
locul pivotului care este 1. Celelalte elemente se calculează cu aşa numita regulă a
dreptunghiului. De exemplu, pentru elementul de pe locul (2,2) se alcătuieşte un
dreptunghi care are într-un vârf pivotul iar în vârful opus numărul de pe locul (2,2)
în cazul nostru 1 şi celelalte vârfuri ale dreptunghiului sunt elementele matricii A
de pe locurile (1,2) şi (2,1). Astfel dreptunghiul este:
4 1
Se calculează valoarea ca un determinant de ordinul doi cu menţiunea că produsul
de pe diagonala pivotului se ia întotdeauna cu semnul +; Deci avem:
2
I
1 o
3
o 7
3
0
0
- 1 şi se împarte la pivot, adică —= 1
1
Procedând analog cu toate elementele care nu fac parte din linia sau coloana
pivotului inclusiv elementele termenului liber, se obţine etapa a doua.
ι
1 0 2
3
0
© ]_
1 1
0 1 1
3
Pentru etapa a treia alegem un alt pivot ( nu de pe linia 1 şi care să fie neapărat
nenul) de exemplu - ! Procedând exact ca mai înainte, vom ilustra numai
calculul elementului de pe locul (1,3)
1
0
1 0 1 3
0 1 -3 -3
o o
Θ 2
în sfârşit ultimul pivot poate fi luat 2 şi soluţia este dată de etapa a patra
1 0 0 2
0 1 0 0
0 0 1 1
Soluţia este deci x ] = 2 ,x 2 = 0 ,x 3 = 1
Foarte adesea este nevoie nu numai să rezolvăm sistemul ci să aflăm şi matricea
inversă A~l a matricii A a sistemului. în acest scop scriem la dreapta matricii A
matricea unitate I de ordin n şi aplicăm metoda eliminării complete matricii
extinse.
Matricea inversă se obţine pe locul ocupat mai înainte de matricea unitate. Dacă
avem matricea extinsă:
(A I / I b)
şi aplicăm schema de calcul a soluţiei sistemului prim metoda eliminării complete
22
obţinem:
(α ~ Ά I A ~'I I A -'b )
sau
/ I A -' I X
Prin urmare după cele trei iteraţii ale metodei eliminării complete matricea A a
sistemului se transformă în matricea unitate, matricea unitate în matricea inversă
A~l a matricii A iar vectorul b se transformă în soluţia X a sistemului.
Reluând exemplul precedent vom scrie
A I b
\
ίΘ 4
1
1
0 1
1
0 0
0 1
6
0 9
5 2 1 0 0 1 11
Pasul 1
1 0 1 -1 1 0 3
0 1 —3 4 -3 0 -3
0 0 © -3 1 1 2
1 0 0 1/ 2
n X -X
0 1 0 - 1/ 3/ 0
72 -K 72
0 0 1 - 3/ 1/ 1
/2 72 Υς
I Ä1 X
Deducem deci:
f 1/
72 Y l -X I
A-1 =
~ lA -V i X
Y X ,
23
χ χαλ + χ 2α2 + X3α3 = 2 αχ + Οα2 +1 α3 = b
întrucât vectori αχ,α 2,α 3 formează ο bază în R 3 , orice alt vector al acestui spaţiu
se poate exprima în mod unic ca o combinaţie liniară a acestor vectori. Fie acest
vector a 4 şi y ,, y 2, y 3 componentele lui în baza ax,a 2,a 3. Atunci
y ^ \ + y 2«2 + >>3a 3 - a 4
sau
Α Υ = αΛ
de unde pentru a afla Y este suficient să înmulţim relaţia precedentă cu A 1 la
stânga:
A ~ 'A Y = A ~ \ \ y = A- 1a 4
f 4 ^
«4 = - 2
atunci avem:
Deci — + 7 a2 —5 a 3 —a4
iar componentele vectorului a4 în baza {a{, a2, a 3} sunt y x = —1, y 2 = 7 ,
y3 = - 5
24
6 . Mulţimi convexe în R n .
Fie spaţiul liniar R n :
R n = \a = ( a l, a 2, . . a j p t e R ,i = 1,2,...«}
Elementele a = ((Xv (X2,...CCn) ale lui R n le-am numit vectori n-dimensionali
sau puncte ale spaţiului «-dimensional R n . Folosirea denumirii de punct în locul
denumirii de vector înlesneşte înţelegerea unor noţiuni ce urmează să fie definite cu
ajutorul unor consideraţii geometrice.
Deci când vom vorbi de mulţimi de elemente (vectori) din R " , vom spune
mulţimi de puncte din R n .
Menţionăm că Ia definirea unor elemente geometrice,punctele din R n vor mai
fi notate şi cu X —(x x, x 2>···>*„)> -Xi 1 < z < « fiind coordonatele carteziene ale
punctului X & R n .
Prin urmare, segmentul determinat de punctele a\ şi a2 în R" este mulţimea
vectorilor a de forma:
a - λ α χ + ( \ - λ ) α 2, 0 < λ < 1
Pentru « < 3 această noţiune coincide cu ce obişnită.
Definiţie'. Mulţimea C C R n de puncte din R n se numeşte convexă dacă pentru
oricare două puncte al t a2 € Q, segmentul determinat de aceastea este conţinut în
mulţimea C adică,a fiind un punct oarecare al segmentului, are loc apartenenţa
α = Λα1+ ( 1 - λ ) α 2 € £ , 0 < Â < 1 .
în figurile de mai jos a fost reprezentate o mulţime convexă a) şi una neconvexă
b) în R n .
a)
25
V
/
De exemplu punctele A,B,C din figura (a) sunt puncte vârf ale mulţimii convexe Q.
PROBLEME:
1. Să se determine parametrul real k astfel încât vectorul v = (l,fc,3) să fie
combinaţie liniară a vectorilor v, = (l,l,-l) şi v2 = ( - 2,4,l).
Rezolvare:
Pentru ca vectorul v să fie combinaţie liniară a vectorilor vj şi v2 este necesar să
existe parametrii reali ait ai astfel încât să avem:
v = a, ·v, + a2 ■v2 care este echivalent cu
(l, *,3)= a, ·(U -l)+ a 2-{- 2,4,1)
echivalent cu
1 = <3, - 2a2
- k = al + 4 a2
3 = - a , + a2
Rezolvăm acest sistem
ûj = 2 a 2 + 1 ,
deci
3 = —2 a2 —1 + a2
a2 = - 4
deci
= —8 +1
a, = - 7
atunci avem:
k = ~ l -1 6
£ = -23
2. Să se determine parametrul real Λ astfel încât vectorii v, = (l,l,3),
v2 = ( - 2, &,l), v3 = (2,2,5), să fie liniar dependenţi.
Rezolvare Pentru ca vectorii vj, v2, v3 să fie liniar dependenţi este necesar ca
determinantul ale cărui coloane sunt formate din cei vectori să fie egal cu zero:
1 -2 2
1 k 2 = 5*-12 + 2 -6 * + 10-2 = - i t - 2
3 1 5
26
Deci avem:
- k -2 = 0
k = -2.
27
5. Fie vectorii ο,,α2,α3€ R4 liniar independenţi.
Să se arate că vectorii a t + a2, a\ - a2 + α3, a2 - a3 sunt, deasemenea liniar
independenţi.
Rezolvare: Vectorii au a2, <23 sunt liniar independenţi dacă pentru oricare a u a 2,
a 3 e Z? cu proprietatea
α,α, + α 2α2 + α 3α3 = 0 rezultă, ct| « a2 = α3= 0 .
α, + α2, αχ - α2 + sunt liniar independenţi dacă pentru oricare
ß u ßz , ß} e R cu proprietatea:
ßi (öi + a2)+ ß 2(fl, - ■
a2 + a3)+ ß 3(a2 - a3)= 0
rezultă: ßy = ß 2 = ß3 = 0.
Avem:
A fl, + ß\a2 + & f li - 0 2 fl2 + ß iai + ßia2 - ß iai = 0 !
(A + ßi )+ ö 2 { ß i~ ß i + ßi )+ «3 ( & “ ß )= 0 ■
Cum vectorii a,, a2, <23 sunt liniar independenţi vom avea:
ß\ + ßi = 0; ß\ - ßi +ßi = 0; ß2 - ßi = 0,
de unde rezultă uşor ß i - ß i = ßi = 0.
Deci vectorii ax+ a2, a \ - a2 + ait a2 - a3 sunt liniar independenţi.
II
^2 y 1 11 /
\5 \
Rezolvare:
a) Dacă vectorii a\, a2, a3 sunt liniar independenţi atunci determinantul format
28
de componentele celor trei vectori este diferit de zero:
3 1 0
D = 4 1 1 = 3+ 5 - 6 - 4 = - 2 ,
5 2 1
<D 1 0 6
4 1 1 9
5 2 1 11
1 1/3 0 I 2
29
Astfel, dreptunghiul este:
I© 1
I 4 1
Se calculează valoarea ca un determinant de ordinul Π, cu menţiunea că produsul
de pe diagonala pivotului se ia întotdeauna cu semnul plus, deci avem:
3-1 —1-4 = —1
Rezultatul se împarte la pivot şi se trece pe poziţia (2,2). La fel se procedează cu
restul elementelor din etapa a doua şi se obţine:
Pentru etapa a treia alegem un alt pivot, de pe altă linie decât cea de pe care am
ales primul pivot şi se calculează elementele la fel ca în etapa anterioară.
Se obţine:
1 0 1 3
0 1 -3 -3
0 o © 2
1 0 0 2
0 1 0 0
0 0 1 1
Soluţie:
a) liniar independenţi;
b) liniar independenţi
c) liniar dependenţi
12. Fie e\, e2, e3 vectori liniar independenţi din R 4. Să se arate că:
e\ + e2 + e3 , ex - 2eit e \ - e2 + 3e3 sunt liniar independenţi.
Să se arate că sistemul {flj, a2, a3} şi sistemul. , b2, b3} formează fiecare
câte o bază.
31
§ 2. Elemente de programare liniară
32
1. Problema de planificare a producţiei
O întreprindere industrială dispune de mai multe resurse (materii prim
forţă de muncă, maşini unelte, resurse financiare etc.) în cantităţi limitate. Vom
nota cu i numărul de ordine al resursei şi cu cantităţile disponibile din aceste
resurse. Cu ajutorul acestor resurse se pot desfăşura mai multe activităţi (de
exemplu, procese de producţie). Vom nota cu j numărul de ordine a! activităţii
desfăşurate şi cu xj nivelul (necunoscut) la care urmează să se desfăşoare această
activitate. De exemplu, dacă considerăm procesul de producţie j care constă în
fabricarea unui anumit produs, vom nota cu xj cantitatea ce va fi produsă.
Vom nota cu ay cantitatea din resursa i necesară pentru producerea unei
unităţi din produsul j (din activitatea j în general). Presupunem că atj nu depinde
decât de tipul resursei i şi de tipul produsului j şi nu de cantităţile produse.
Cantităţile ay sunt cunoscute şi poartă numele de consumuri specifice sau
coeficienţi tehnologici. Beneficiul obţinut pe o unitate de produs j realizată, în
unităţi băneşti îl notăm cu cj.
Datele problemei se pot prezenta sub forma tabelului 1.
Tabelul 1
33
pentru fiecare resursă i dintre cele m resurse pe care le avem la dispoziţie,
adică:
an x x + a l2x 2 +... + alnx n <bx
a2lx x + a 22x 2 +... + a2nx n <b2
: (3)
« * 1 * 1 + a m 2 * 2 + ··· + « « , * »
n
f = clx l + c2x 2 +... + cnx n = ^ C jXj (5)
M
n
[m ax]/ = ^j Cj Xj (6)
j=t
34
cu condiţiile:
n
^EjUyXj <bt 1 < i < m (7)
M
Xj > 0 1 < j < n (8)
rt
[minj/· = YjCjXj
M
cu condiţiile:
Σ ω<Λ - b . 1Z i * ™
35
Se mai ştie că fiecare activitate de tipul j, în urma investiţiilor aduce un
beneficiu unitar de bj unităţi băneşti.
Dacă notăm cu xj, j=l,2,...,n suma investită în activitatea de tipul j, rezultă
următorul model matematic al problemei:
Aflaţi sumele xj ce trebuie investite cu condiţiile
r jΙχ,ίβ
2° Xj > 0 , j = l,n
n
3° [m ax]/ = f beneficiul total
cu condiţiile:
V 1+ V 2 + - + V Ä
X j> 0, j = 1,2,..., n
36
sub formă canonică poate fi transformată într-o problemă în care restricţiile sunt
egalităţi după cum se deduce din următoarea teoremă:
Teoremă. Fie dat sistemul de m inecuaţii liniare cu ti necunoscute:
a\\X\ + an x 2 + —+ au x n <b{
(a)
şi sistemul de ecuaţii:
+ *»4.™= b„
n+m m
1*1 + a i2 X 2 + + a in X n —^1
a 2 \x \ + a22x 2 +... + a2nxn < b 2
Toţi membri stângi ai inegalităţilor sunt constante mai mici decât respectiv
bi,b2.... bm. Atunci există constantele care să satisfacă egalităţile:
anx { + a l2x j ■+·...+ Ω\Χη +*„+i —bK
O r 0 O Ov λ
*„+,· =*>,-<*,1*1 - an x 2 - ~ - a inx n > 0
Xn +1 = b X ~ a \\X \ ~ a U X 2 Xn ~ ^
X L = b m ~ a m l X °X - a m 2 X °2 “ - “ V n ^ 0
αηχ ι + - - au x °n ^
an x°y +... + a2nx°x < b2
38
Χη+ι »x n+2 »···»Xn+m nu trebuie să schimbe funcţia de eficienţă în problemele
economice. Aceste variabile reprezintă m activităţi fictive care consumă plusul de
resurse şi din această cauză le ataşăm beneficii (costuri) nule. Funcţia de eficienţă
se prezintă sub forma:
cu condiţiile:
a UX l a \2 X 2 "· a \n X n ®\ X n*\ ~ ^1
a 2 \X \ a 22X 2 "· a 2nX n &2X n+2 ~ ^2
•*12 In
21 22 2n
ml 2
b=
X =
X
\ n
este nivelul activităţilor şi practica arată că trebuie să fie întotdeauna
nenegativ. Prin definiţie X > 0 dacă Xj > 0 , j = 1,2,..., n
Cu aceste notaţii matriciale, forma generală a problemei de programare
liniară de primul tip exemplificat prin problema de planificare a producţiei este:
[m ax]/ = CX
AX < b
X >0
sau de al doilea tip exemplificat cu problema de amestec este:
40
[min]/ = CX
AX>b
X >0 .
Notăm:
'« 1 2 '
a 2 \ a 22 « 2n
a , = \ a 2 — ’ " • > a n ~ coloanele matricii A.
v a m l , ^ a m 2 >
\ m n )
cu condiţia:
χ ιαι + χ 2α2 +... + χ ηαη =b
X>0
Observaţie: Evident că în modelul sub formă canonică egalitatea vectorială
precedentă devine o inegalitate.
41
[m in]/ = j ţ c j X j
1
42
Teorema 2. Funcţionala liniară / a problemei de programare liniară îşi
atinge minimul într-un punct vârf al mulţimii convexe K a soluţiilor posibile ale
problemei.
S-a n'otat cu K mulţimea soluţiilor posibile ale problemei de programare
liniară.
Dacă funcţionala/ia valoarea minimă în mai multe puncte vârf, atunci/ia
aceeaşi valoare minimă în orice punct care se exprimă ca o combinaţie liniară
convexă a acestor puncte vârf.
a) Metoda grafică
1°. Să se determine
[m ax]/ = 3.x, + 2 x 2
cu condiţiile:
2xx + x 2 > 5
3;^ - 2 x2 < 6
xl + x 2 < 4
x x > 0 , x 2 >0
Se observă că problema conţine numai două variabile ceea ce permite
rezolvarea pe cale grafică folosind împărţirea planului în regiuni pentru
determinarea poligonul K al soluţiilor realizabile şi faptul că optimul funcţiei de
eficienţă are loc într-un punctvârf al lui K. Prin urmare reprezentăm grafic dreptele
(dx)2xl + x 2 - 5 = 0; (d2)3x, - 2x 2 - 6 = 0; (dz)xx+ x 2 - 4 = 0 care conform
sistemului de inegalităţi determină soluţiile K din figură ale cărei vârfuri sunt
punctele A
7 7 5 5
43
se deplasează măturând poligonul K şi ultimul punct comun cu domeniul K este
punctul C adică pentru xj = 1 şi x2 = 2, / ia valoarea maximă =./(l,3) = 9.
Un raţionament analog ne conduce Ia faptul că valoarea minimă a lui f are
44
Când am prezentat modelul teoretic al unei astfel de probleme de
optimizare a unui plan de producţie, am prezentat datele problemei într-un tabel ca
cel de mai jos.
x1 > 0
o
A(5,0)
45
2 /
Funcţia obiectiv se scrie sub forma x 2 = — x, + — — şi reprezentăm
Deci X, = 4,x2 = 2 şi
Μ, :2 · 4 + 2 ·2 = 12 :4 ·4 + 0 ·2 = 16
M2 :1 ·4 + 2 ·2 = 8 Μ , : 0 ·4 + 4 ·2 = 8
3. Folosind metoda grafică expusă mai sus vom considera câteva probl
de programare pe care le propunem cititorului, probleme ce ilustrează diverse
situaţii referitoare la forma lui K şi la valoarea optimului lui f.
+ x2 <5
*1 <3
x. > 0 x, > 0
46
Soluţie: Problema are soluţie optimă multiplă şi anume toate punctele de pe
segmentul BC din figură:
C(0,5)
Avem:
f(C) = f(0,5y,f(B) =f{2,3) = 1 0 ;M ) =/(3,0) = 6;/(0,0) = 0. Deci: W = 10
pentru jc/ = 0, x2 = 5 şi de asemenea pentru xi = 3, x2 = 2. Avem deci două soluţii
optime:
i ° N,x 2=i 3 l . Se observă că din cauza paralelismului dreptei
^2/
reprezentată de funcţia de eficienţă cu segmentul BC, orice punct de pe acest
segment este de asemenea soluţie optimă a problemei. într-adevăr segmentul fiind
o mulţime convexă orice punct X de pe BC se scrie ca o combinaţie liniară a
vârfurilor şi anume:
X = λ Β + ( \ - λ ) θ = λ Χ ι + ( ΐ - λ ) Χ 2, 0 < A < 1
sau
X - λ +(i - a ;
'3 λ
ί5 -33ĂA )
47
ÎXi + χ2 >5
U Ζ3
jcl > Ο, * 2 > 0
4°. Problema de programare liniară care cere maximul sau minimul unei
funcţii obiectiv oarecare în variabilele Xi şi x2 cu condiţiile:
χλ +x 2 ^3
x2 >4
xx > 0, x2 > 0
nu are soluţii aşa cum se vede din figură, deoarece sistemul de inegalităţi
este incompatibil neexistând astfel mulţimea K a soluţiilor realizabile
48
b) Metoda algebrică. Ca şi la metoda precedentă, forma particulară a u
probleme de programare liniară permite să se aplice şi alte metode mai simple
pentru soluţionarea lor, de exemplu metoda algebrică.
1. Să se determine:
cu condiţiile:
xx + 3x2 + 2x3 = 3
3xt + 3*2 + x3 = 4
Xj > 0 , j = 1,2,3
Caracterul particular al acestei probleme este acela că conţine trei variabile
şi restricţiile sunt egalităţi, fapt ce permite un procedeu de rezolvare algebrică după
cum urmează: exprimăm două variabile în funcţie de a treia:
Î 3x2 + 2x} = 3 - x x
3x2 + x3 = 4 - 3λγ,
49
Funcţia obiectiv în care am pus
x2 = | · ( ΐ - χ , ) şi * 3 = 2 *, - 1 ,
43 22
se scrie în funcţie de x {, f - — - — care este o funcţie crescătoare în x;.
/ < /( * ,) < /( ! )
f
Rezultă că f ^ n = / = ~ Ş* / _ = / < 1) = 7
v2 / O
50
x xax + x 2a2 +... + xmam = b ( 1)
Ş·
xlcl + x 2c2 +... + xmcm = f 0 (2)
unde toţi xt > 0, c, sunt coeficienţii formei liniare corespunzătoare soluţiei de
bază date. Deoarece vectorii ax,a 2,...,am sunt liniar independenţi, orice vector al
sistemului de vectori ax,a 2,...,an se poate exprima în mod unic ca o combinaţie
liniară a lor. Să admitem că vectorul aj se exprimă prin combinaţia:
*ijOx + x2ja2 +... + xmjam= o ,, j = 1,2,...,n (3)
Şi
x xjcx + x 2jc2 + ... + xmjcm = / , , j = 1,2.... n (4)
unde Ci este coeficientul formei liniare a problemei, corespunzătoare
vectorului a,·.
Teorema 1. Dacă pentru indicele j fixat este îndeplinită condiţia
f j ~ C j > 0 , atunci se poate construi o astfel de mulţime de soluţii încât pentru
fiecare dintre aceste soluţii să fie satisfăcută inegalitatea f < f 0 unde / este
valoarea formei liniare corespunzătoare soluţiei considerate.
Cazul /. Dacă marginea inferioară a numerelor / este finită se poate
construi o nouă soluţie de bază căreia să-i corespundă o valoare a formei liniare mai
mică decât precedenta.
Cazul II. Dacă marginea inferioară a numerelor / este infinită se poate
determina o nouă soluţie care conţine exact m+1 componente pozitive şi căreia îi
corespunde o valoare a formei liniare oricât de mică.
Demonstraţia în ambele cazuri se sprijină pe următoarele consideraţii
suplimentare:
înmulţim (3) şi (4) cu numărul Θ şi scădem rezultatele din (1) şi (2)
respectiv. Obţinem:
Dacă toţi coeficienţii vectorilor ax,a 2,...,am,...,aj din (5) sunt nenegativi,
obţinem o nouă soluţie căreia conform lui (6) îi corespunde valoarea formei liniare
/ = f 0 - e ( f j - Cj ) . întrucât variabilele xx,x 2,...xm în (5) sunt pozitive, există
51
θ0 > Ο pentru care coeficienţii vectorului în (5) devin pozitivi. Din condiţia
f j - Cj > 0 pentru j fixat deducem:
/ = Λ - β ( Λ - « ;) < /.·
0 > 0 . Observăm astfel că în ambele cazuri se poate obţine o nouă so
căreia îi corespunde o valoare a formei liniare mai mică.
Să considerăm acum cazul 1. Dacă pentru j fixat cel puţin un
x tj (i = 1 , 2 din (3) este pozitiv, cea mai mare valoare a lui Θpentru care toţi
coeficienţii din (5) devin negativi, este dată de relaţia:
0O= min — (7)
' X‘J
unde minimul se ia pentru toţi Xy > 0
întrucât presupunem că problema este nedegenerată, adică toate soluţiile de
bază conţin m componente pozitive, minimul în (7) va fi atins pentru un singur
indice i. înlocuind pe Θ cu θ0 în (5) şi (6) coeficientul corespunzător acestui indice
unic i se va anula. Obţinem astfel o nouă soluţie de bază legată de vectorul a} şi de
m-1 vectori ai bazei iniţiale.
Cu noua bază efectuăm aceleaşi operaţii ca şi cu cele precedente. Dacă
iarăşi una din diferenţele / . —c · > 0 şi corespunzător x tj > 0, se poate trece la o
altă soluţie de bază căreia îi corespunde o valoare a formei liniare, de asemenea,
mai mică. Procesul se continuă până când sau toate diferenţele devin nepozitive
( f . - Cj < O) sau se întâmplă ca pentru o diferenţă f . - c; să avem toţi Xy < 0 .
Dacă toate diferenţele f j - c} < 0 procesul se încheie.
în cazul 2, dacă la o anumită iteraţie pentru un anume indice j diferenţa
f j - Cj > 0 şi toţi Xy < 0 atunci Θ este nemărginit superior şi forma liniară poate
lua o valoare oricât de mică.
Se vede că în acest caz pentru Θ > 0 , toţi coeficienţii din (5) sunt pozitivi.
Obţinem astfel o soluţie care are m+1 componente pozitive, şi dacă luăm pe Θ
suficient de mare, valoarea corespunzătoare a formei liniare dată de membrul doi al
egalităţii (6) poate fi oricât de mică.
Teorema 2.Dacă la o anumită iteraţie căreia îi corespunde soluţia de bază
X = (*,,*2,...,*,,,) sunt îndeplinite inegalităţile f j —Cj < 0 pentru toţi indicii
atunci soluţia X este optimă.
Demonstraţie'. Fie Y = (y,, y 2 y n) o soluţie oarecare
y\a\ + y2a2 + ···+ ynan = b (8)
y xcx + y 2c2 +...+ yncn = f * (9)
52
unde f * este aşa cum rezultă din (9), valoarea formei liniare
corespunzătoare soluţiei Y. Să arătăm că f 0 < f * (menţionăm că demonstraţia nu
presupune condiţii de nedegenerare).
Prin ipoteză f ■- c;. < 0 pentru toţi indicii j şi prin urmare, prin înlocuirea
lui cj cu fi obţinem:
y x ^ + y 2z2 +... + ynzn < f * (10)
înlocuind expresiile lui üj pentru fiecare j= l,2,...,n date de (3) în (8) avem:
( m \
^ J ”, N
Σ * « α < + >'2 + ···+ > '„ Σ * / π α <·
l « ) k 1=1 J l i=1
f " f" )
f n ^
Σ ^ χ υ· c, + Σ % c2 + ...+ l y j xmi cm< f * (12)
, J=l { ;=i J { ;=i J
X l C l + X 2C 2 + . . . + XmCm < / * ,
53
decursul mai multor etape succesive şi după un număr oarecare de paşi este
posibilă revenirea la o bază anterioară. Avem de-a face cu ceea ce se cheamă
fenomenul de ciclare. în procesul de calcul, apariţia degenerării se manifestă atunci
când soluţia de bază are mai puţin de m componente strict pozitive x-, şi (sau)
X.
θ0 - m in — cu x u > 0 corespunde mai multor indici i. Această neunicitate a
i X
V
indicelui i face ca unele componente jc, din noua soluţie de bază să fie egale cu
zero.
b) Criteriile de intrare şi ieşire din bază. Criteriul de optim.
în prezentarea algoritmului simplex vom considera două situaţii:
1. Soluţia iniţială de bază corespunde unei baze iniţiale formată din m
vectori liniar independenţi, ceilalţi vectori coloană ai sistemului de restricţii fiind
exprimaţi în această bază.
2. matricea sistemului de restricţii conţine m vectori unitari care alcătuiesc
matricea unitate de ordinul m care poate servi drept bază unitară corespunzătoare
soluţiei iniţiale de bază.
1. în prima din aceste două situaţii fie av a2,...,am vectorii coloană liniar
independenţi ai matricii sistemului de restricţii şi fie B matricea de ordin m
alcătuită cu aceşti vectori:
B = (al,a 2,...,am).
Pentru determinarea soluţiei de bază X corespunzătoare bazei B şi pentru
exprimarea celorlalţi vectori după vectorii bazei este necesar în primul rând să
calculăm B'1. Deoarece:
BX=b
obţinem: X=B'!b
şi Xj=B'1aj
Şi .....Xmj)
( % , a 2,...,am|am+1,...,a„) (13)
54
înmulţind în (1) cu B'1 şi ţinând seama de relaţiile precedente obţinem:
( x |i „ |x „ ......X,,)·
X = b, b > 0
şi Xj = aj
55
Tabel 1
C i C 2 ... C l ... C m
......
... C j
... C * ... c H
1 B a z a c b
a i 0 2 ··· a i ... a m
a m + l
... O j ... O * ... e »
1 f l/ C i x i 1 0 ... 0 0
X l . m +1
...
x / j
... X ik ... X lm
a i C l x i 0 0 ... 1 ... 0
X 2* + l
... x v ... X lk ... X b ,
0 1 X m k X m n
m a m <■ c „ X m 0 0 x * i
x m , r n + j ....
m + 1
-— - ?
f o 0 0 ... 0 ... 0
fm + rC m + l
... f t - C , ... f k - C k ... f n ~ C n
în baza relaţiilor precedente, în sistemul de restricţii al problemei considerate
scris sub forma A X = b vom pune x,· = bt şi x tj = a(j , iar f j , j = 0,1,2,...«
este egal cu produsul scalar dintre vectorul a, şi vectorul coloană al coeficienţilor
funcţionalei liniare,adică:
m
/o
/»I
m
f j = l L cix ij> y = 1,2,...,n
i=I
Elementele / 0 şi f j ~ Cj sunt plasate pe locurile corespunzătoare ale liniei
m +1 din tabelul 1. Diferenţele f j —Cj corespunzătoare vectorilor bazei sunt
întotdeauna egale cu zero. Dacă toate diferenţele f j —cy· < 0 pentru
j = 1,2,...«atunci soluţia de bază X = ( xţ, x 2,..-,xm) = este
optimă şi valoarea minimă a formei liniare este egală cu f
Să presupunem însă că cel puţin una dintre diferenţele f } - Cj > 0 . Vom trece
atunci la o nouă bază care să conţină m -1 vectori ai bazei iniţiale av a2,...,am ea
poate fi completată cu orice vector căruia îi corespunde diferenţa f j —c · > 0 .
Aşa cum arată Danzig, numărul de paşi necesari pentru obţinerea soluţiei
optime poate fi considerabil micşorat dacă în bază se introduce acel vector a.j cu
care la iteraţia respectivă conduce la micşorarea maximă posibilă a
formei liniare. Vectorul a; în acest caz corespunde valorii:
m a x 0o( / y - c y)
unde θ0 se determină pentru flecare j din relaţia (7). Dacă numărul indicilor j
pentru care f j ~ cj > 0 este mare,criteriul mai sus indicat devine greoi. Un
criteriu mai simplu de alegere a vectorului ce urmează să intre în noua bază constă
în alegerea vectorului aj care realizează m a x (/;· ~ Cj ) . Acest criteriu se aplică
adesea şi prin folosirea lui,trecerea de la soluţia iniţială de bază la soluţia optimă,
se realizează după m paşi.
Presupunem în acest sens că:
m ax(/y - c j ) = f k - c k > 0
Atunci vectorul ck va fi introdus în noua bază. Calculăm:
57
X.
θ0 —min —— pentru xik > 0 .
x ik
Dacă toţi xik ^ 0 se poate determina o soluţie căreia să-i corespundă o valoare
oricât de mică a funcţionalei liniare / (teorema 1,cazul 2) şi procesul de calcul ia
sfârşit. Să admitem că există un xik > 0 şi
û · Xi xi
θ0 = min —- =—-
‘ X ik X lk
Urmează atunci ca vectorul a/ să fie scos din bază. Noua soluţie va corespunde
bazei alcătuită din vectorii al ,a 2,...al_l ,aM ,...,am,am+l. Să determinăm mai
departe noua soluţie de bază şi coordonatele vectorilor care nu fac parte din bază,
în această bază.
întrucât baza iniţială este {ax,a 2,...am) = I m atunci:
b = xlal + ...+ x,al +... + xmam (14)
at = xlkax +... + xI,k^k +... + xmla
mk m (15)
Şi d j —Xÿ(i\ + ··. + Xijdi +... + xmjam (16)
Din
58
în mod analog înlocuind (17) în (16) se obţine exprimarea fiecărui vector a, care
nu face parte din noua bază ca o combinaţie liniară de vectorii acestei baze:
unde:
Xu
x i j = x i j -----* l (19)
Xlk
, X lj
x kj = —
XU
întrucât:
fj ~Cj = xijCj + -x'kjCk + ...xmJcm - Cj
x lk
De asemenea, înlocuind expresiile lui x[ şi x'k date de (18) în relaţia :
/o = / o - — ( f k ~ Ck)
Xlk
Observăm acum că pentru obţinerea noii soluţii de bază X \ noilor vectori X j’ şi
diferenţelor corespunzătoare f j ~ cj , fiecare element al tabelului 1 din liniile
i = 1,2,..., m + 1 şi coloanele j = 0,1,..., n se transformă după formulele:
__ f __ / /./ __ t
Xi — XiO’ J O ~ Xm + l,0’ J j Cj ~ Xm+\,j ·
2. Dacă f j - Cj > 0 pentru unul sau mai mulţi o, ce nu sunt în bază se introduce
în baza următoare vectorul ak pentru care:
f j - Cj = m a x ( f j - Cj > 0 ) (criteriul de intrare în bază).
Conform criteriului de eliminare din bază, noul vector akia locul vectorului a ; .
Dacă toţi xik ^ 0 forma liniară a problemei este nemărginită (inferior).
4. Se stabileşte elementul pivot xtk şi vechea soluţie precum şi toate elementele
tabelului se transformă după formulele (20).
60
Tabel 2
X, + 3x2 -Χ 3 + 2x5 =7
- 2x2 + x 3 + χΛ = 12
-4 x 2 +3;c3 + 8x 5 + x6 = 10
Xj > 0 j = 1,2,...,6
3 0 8 1 / 10
0
\ y
al °2 *3 a 4 °5 «6
c = (0, 1 , - 3 , 0 , 2 , 0 )
xi
θo 0 = mm·
— pentru
' *,3
62
max ( f j - c j ) = f ' - c 2 ^ ~ > 0
m a x ( / ' - C ;) = 0
această soluţie este optimă. Dacă pentru soluţia optimă o diferenţă oarecare
, iar vectorul ajnu face parte din ultima bază ( f ă r ă bază optimă)
atunci el poate fi introdus în bază fară ca valoarea formei liniare să se schimbe.
Soluţia de bază corespunzătoare va fi, de asemenea, optimă. Orice combinaţie
liniară convexă a acestor soluţii optime este, de asemenea, o soluţie optimă a
problemei.
η n
max £ CjXj = - min J (-Cj Xj )
XJ 7=1 X> 7=1
sau
max / = -m in (-/ )
63
Tabel 3
64
6. Metoda bazei artificiale
Până acum am presupus că problema de programare liniară considerată admite
soluţie şi că matricea sistemului de restricţii conţine vectori unitari cu care să se
alcătuiască o bază unitară care, după cum ştim, înlesneşte găsirea imediată a unei
soluţii iniţiale de bază. Multe probleme de programare liniară sub forma standard
nu conţin însă această bază unitară şi într-o astfel de situaţie se recurge la aşa-
numita metodă a bazei artificiale pe care o vom descrie în cele ce urmează.
Să considerăm problema:
a m l Xl + a m 2 X2 + - + a m n Xn = K
a m\X\ + a a m 2 X2 + — a m n Xn + + Xn+m = b m
1=1
X j ~ (* 1 j * X 2j ) — ( a \ j > a 2 j > ‘“ a m j )
Şi f i ~ ^ j xij-
i=l
/=1
66
Tabel 4
m+l ... ... 0 -Cl -c2 ... -ck ... -cn 0 ... 0 ... 0
m+2 Σ χ» 0 0 0
Σ χ- Σ χ<> Σ χ« Σ *»
O
-JN
Criteriul de ieşire este acelaşi ca la algoritmul simplex primai.
Criteriul de intrare indicat mai sus se aplică atât cât în bază mai figurează
vectori artificiali. Dacă la o anumită iteraţie în bază nu mai figurează vectori
artificiali, dar condiţia de optim nu este îndeplinită (nu toţi Xj - Cj < 0) se
continuă algoritmul obişnuit până se obţine soluţia optimă. întrucât vectorii
artificiali ieşiţi din bază nu vor mai reveni niciodată în bază componentele lor în
iteraţiile ulterioare nu se mai calculează.
Pot avea loc următoarele situaţii:
1. După un anumit număr de iteraţii vectorii artificiali an+\,an+2,...,an+m se
elimină din bază şi se obţine o soluţie realizabilă de bază a problemei iniţiale.
Se arată că în cazul folosirii bazei artificiale complete, adică atunci când baza
artificială conţine m vectori, obţinerea soluţiei optime a problemei iniţiale are
loc după aproximativ 2m iteraţii.
2. Unul sau mai mulţi vectori artificiali au rămas în baza optimă (când toate
diferenţele f j —Cj < 0 , iar variabilele artificiale corespunzătoare acestora au
valoarea zero; în acest caz soluţia problemei iniţiale este degenerată, adică
numărul variabilelor structurale X], x 2 ,···*„ nenule este mai mic decât m.
3. Unul sau mai mulţi vectori artificiali au rămas în baza optimă iar variabilele
artificiale corespunzătoare sunt nenule; în acest caz problema iniţială nu are
soluţie.
Observaţia 1. Se poate întâmpla ca la o iteraţie oarecare să nu iasă din bază
nici unul dintre vectorii artificiali.
Observaţia 2. în cazul în care restricţiile sunt tot egalităţi, dar funcţia de
eficienţă/ se cere minimizată, costurile de penalizare se vor lua negative A < 0 ,
aşa încât prin aplicarea algoritmului simplex să fie eliminate din bază.
în concluzie, modelul unei probleme în care apar variabilele artificiale se
prezintă după introducerea acestora în două moduri:
sau:
68
£ aljx j+ x n+l=bi
H
X jZ 0, x„+i> 0 i = 1, 2 ,...,τη
Observaţia 3. Dacă o parte din vectorii structurali ax,a 2,...,an din matricea A a
problemei iniţiale sunt unitari, se adaugă un număr mai mic de variabile artificiale
atât cât este necesar pentru ca vectorii ataşaţi acestor variabile împreună cu vectorii
unitari din A să formeze o bază unitară în Rm.
Exemplu. Să se determine:
[m a x i/' = *i + 2 * 2 + 3 * 3 - x4
cu condiţiile:
*, + 2 * 2 +3*3 15
• 2 *j + * 2 + 5*3 = 20
*, + 2*2 + * 3 + * 4 = 10
* , > 0 j = 1, 2 ,3,4
Matricea problemei iniţiale ale cărei coloane sunt vectorii structurali
flj, a 2, a 3 , a 4 corespunzători variabilelor structurale * 1, * 2» * 3, *4 este:
1 2 3 0
2 1 5 0
1 2 1 1
°1 a2 a3 aa
care conţine un vector unitar a 4 . Vom introduce variabilele artificiale x5 şi x6 la
prima şi a doua ecuaţie procurând astfel vectorii unitari a5 şi a6 (vectori artificiali)
care completează baza unitară iniţială şi care este baza artificială a5,a6,a4 .
Problema extinsă corespunzătoare este:
[m ax]g = *, + 2*2 + 3 * 3 - * 4 - λ (* 5 + * 6)
cu condiţiile:
69
X{ + 2*2 + 3*3 + x< = 15
2xj + x2 + 5x3 + x6 =
=220
0
Xj + 2x2 + Xj + X4 = 10
IV
j = 1 ,2,. .,6
o
XJ
cu matricea extinsă:
(1 2 3 0 1 0"
A = 2 1 5 0 0 1
1 2 1 1 0 0
\ /
a \ a 2 03 a 4 *5 «6
Soluţia de bază iniţială corespunzătoare bazei artificiale a5,a 6, a 4 este
/ j - c , = A + 2A +1 - (- 1 ) = 2 + 3 A .
70
Tabelul 5
-1 -2 -3 1 λ λ
Baza c Λ
a, a3
a2 a4 a3 a6
ai λ 15 1 2 3 0 1 0
a6 λ 20 2 1 5 0 0 1
a4 1 10 1 2 1 1 0 0
fj -Cj 10 2 4 4 0 0 0
35 3 3 8 0 0 0
a5 λ 3 _ 1 7 0 0 1
”5 5
a3 -3 4 2 1 1 0 0
5 5
a< 1 6 3 9 0 1 0
5 5
fj ■cj -6 2 16 0 0 0
5 5
3 7 0 0 0
5 5
a2 -2 |5 1 0 0
5 7
a3 -3 25 3 0 1 0
7 7
a4 1 15 6 0 0 1
7 7
fj 'Cj _ 90 6 0 0 0
7 7
0 0 0 0 0
a2 -2 5 0 1 0 1
2 6
a3 -3 5 0 0 1 _3
2 6
ai -1 2 1 0 0 7
2 5
fj ■Cj -15 0 0 0 -1
71
căreia îi corespunde valoarea funcţionalei liniare f ' 6 + 3Λ . Introducem în
bază vectorul a2 deoarece elementul maxim de pe linia m + 2 egal cu J/ş se află
7
în coloana a doua şi cum θ 0 = — se obţine pe linia vectorului a$ din bază, aceasta
din urmă va ieşi din bază. Noua bază va fi formată numai cu vectori structurali
α 2,α 3,α 4 căreia îi corespunde soluţia de bază.
y# , , ( 1 5 25 \5λ
X = (x 2,x ,x 4) =
Toţi vectorii artificiali au fost eliminaţi din bază, dar nu s-a obţinut soluţia
. , _ 6
optimă deoarece încă există o diferenţă pozitivă J c\ ~ ~ ,
deci soluţia nu este optimă. Se va introduce în bază vectorul a \ şi se va obţine
soluţia optimă:
( 5 5 5^
72
1. Să considerăm problema:
[m ax j f = Y J cj Xj ( 1)
7=1
cu condiţiile:
i = l,2,...m (2)
7=1
Restricţiile devin:
auxx + al2x2 +... + a]nxn + *„+1 = bx
a2\X\ + a 22X2 + ··· a2nXn ^ Xn+2 = ^2
: (4)
73
[m ax ]/ = η * , + c2x2 + —+ cnx„
cu restricţiile:
n
^ a ‘j X j + x „ + ‘ = b i , i = 1 , 2 . . .m
ΐί (5)
x ; > 0 , xn+iZO, j = 1 ,2 ,..n i = 1 ,2 ,..m
Matricea sistemului de restricţii a problemei extinse este:
0 o
Putem alege atunci baza iniţială unitară formată cu vectorii ex,e2,...em,mi
orice alt vector care nu aparţine bazei (vectorii matricii A ) se exprimă cu uşurinţă
în această bază:
= a\je\+ a 2 j e 2 + ··■+ amjem, j = 1 ,2 , ..n
a\j’ a 2 j ’—amj fiiHd elementele coloanei j din matricea A. Dacă nu am fi procurat
în modul arătat baza unitară, exprimarea vectorilor ce nu fac parte din bază, în
această bază, ar fi necesitat un calcul suplimentar.
Soluţia iniţială este prin urmare:
*1 == — ®>'··Χ η = 0>*n+l — ^1 ~
deoarece bt > 0 , i —1,2
Având fixată o bază (baza unitară) şi dispunând de o soluţie iniţială de bază
corespunzătoare, inegalităţile fiind transformate în egalităţi, putem aplica
algoritmul simplex.
74
Exemplu: într-o secţie a unei întreprinderi se folosesc patru feluri de materie
primă, M y,M 2,M 3 şi M 4 , pentru producerea a trei tipuri de produse,
PltP2 şi P3. Consumurile specifice corespunzătoare se găsesc în tabelul care
conţine, pe coloana D, cantităţile din materiile prime Μ λ,Μ 2 şi M 3, disponibile
în secţie.
75
Introducând variabilele de compensare x4,x 5,x6 sistemul de restricţii devine:
+ 3x2 + 5;c3 + x4 = 25
4jtj + 2 x2 + 2 x 3 + x5 = 16
5 *! + 6 x 2 + 2 x3 + jc6 = 4 0
Rezolvarea modelului cu ajutorul algoritmului simplex este realizată în tabelul 6.
Tabelul 6
4 3 4 0 0 0
CB B Xb 01 a2 03 Û4 Os 06 Θ
0 a4 25 2 3 5 1 0 0
%
0 05 16 (J> 2 2 0 1 0 4 do)
0 «6 40 5 6 2 0 0 1 8
Ci ■ft 0 4 3 4 0 0 0
0 a\ 17 0 2 1 0
(1) ~Yl %
4 a\ 4 1 0 0 8 (/.)
Yl X X
0 06 20 0 0 -5 / 1 -
X /4
Ci -fi 0 0 1 2 0 -1 0
4 Û3 0 1 0
"/< K X “X
4 a\ 1 0 0 Oi)
'% X -X &
0 a6 0 V 0 1
17% /4 X -%
Cj - f j 0 0 0 0
4% Yl - V
/4
*i = 1 5 ^ 2 = 0n ; * 3 1 7 ; χ4 = χ5 = 0n ; χ6 = —
1 7 7 ; l* 49
=—
Observaţie: Pe. linia diferenţelor c ; - /;· există însă un element egal cu zero, în
dreptul vectorului a2, care nu este în bază, ceea ce înseamnă că modelul mai are o
soluţie optimă de bază.
Aceasta se obţine continuând aplicarea algoritmului simplex, prin introducerea
vectorului a2 în bază, Suntem astfel conduşi la secţiunea /2 din tabelul din care
extragem cea de-a doua soluţie optimă de bază a modelului:
76
2 59 13 n . 49
* 1 = 7 ; * 2 = ï ô ; * 3 = î ô ; X* ~ X 5= X (,= ° ; f™* = y
15 j 2 n 5 9 . 2
X, = — A + —(1 - A ) = — Λ H—
8 5 40 5
* 2 = γ ^ (1 -^ ) (*)
17 , 13 59, 13
X = — A + — (1 -A ) = — Λ + —
3 4 10 20 10
Se observă că nu mai există alte soluţii optime de bază, în afară de cele găsite
mai sus.
Deoarece problema are două soluţii optime de bază, rezultă că ea are o infinitate
de soluţii optime, soluţia optimă generală fiind de forma unei combinaţii liniare
convexe a celor două soluţii optime de mai sus. Această soluţie optimă generală are
următoarele componente:
4 3 4 0 0 0
CB B b a\ a2 «3 «4 «5 06
4 a3 0 0 1
% Ko Xo ~V\5
4 a\ 1 0 0 (h)
% ~%5 % Ύ ΐ5
3 a2
% 0 1 0
Ko -K o V\5
ci -fj - 0 0 0 -3 / 0
~Υι /4
unde A e [0 ,l]
77
Această funcţie liniară fiind descrescătoare în raport cu λ , maximul ei va fi atins
pentru A = 0 , deci în cazul soluţiei optime din 73. Pentru a obţine un beneficiu cât
mai mare, acesta fiind un al doilea scop, pe lângă cel legat de consumarea unei
cantităţi maxime din materia primă în situaţia dată trebuie folosit planul de
producţie dat de secţiunea h.
cu Σ ν ^ · - bi’ = (7)
7=1
Xj > 0 , j = 1,2,...n
Recunoaştem în acest model pe acela al problemelor de nutriţie sau pe cel al
problemelor în care se cere minimizarea cheltuielilor de producţie, ţinând seama de
necesarul stabilit.
Pentru rezolvare se are în vedere şi aici teorema de echivalenţă a soluţiilor
pentru inegalităţi de forma >. în acest caz trecerea la egalităţi se face scăzând din
fiecare cele m inecuaţii câte o variabilă de compensare pozitivă. Sistemul (7) se va
scrie:
° ΐΛ ~^a i2X2 n Xn ~
78
« ιΛ + ^Λ +··· + V » “ Jini =A
+fl22*2 +·” "^"^2η·^'Β -JC.'η + 2
(9)
a 11 °12
a ln 1 o 0 Λ
a 21 a 22 a.2n o -1 o
A =
= (4 - 0
a ml am2 0 o -1
Se vede că vectorii coloană corespunzători variabilelor de compensare:
' - f f o N f 0 N
0 -1 0
«n + l : » α π+2 _ j ••"a n+m :
0 0
V > V >
nu sunt unitari. Pentru a obţine totuşi o bază unitară ca bază de pornire, vom
transforma sistemul (8) în aşa fel încât să putem aplica metoda bazei artificiale. în
acest sens, alegem bk = m ax bt şi se scad celelalte ecuaţii ale sistemului de
i
restricţii (8) din ecuaţia k . Astfel sistemul se scrie:
n
Σ αν Χ1 Xn+k=bk ( 10)
j =1
*,· > O, *„+i > 0 , j = 1 , 2 i = 1,2 ,...m
Pentru noua problemă (10) matricea coeficienţilor A este:
A —(α 1,α 2»—ίΖπ’ α η+ΐ’···απ+λ ···««+»))
unde:
79
f 1! M f° l
0 0
a n +1 ' ‘ - a n+k ' · " « n+m
\
0 \
-1
V
1
/
adică toţi vectorii an+i sunt unitari, cu excepţia celui de ordin k. Adăugăm la
egalitatea de ordin k variabila artificială yk ·
^ j akjx j - x n+k + y k = b k
Deoarece această egalitate trebuie să fie echivalentă cu cea de la care s-a pornit,
trebuie ca yk să fie nul. Fiind o problemă de maxim, asociem variabilei yk un
cost mare λ în funcţia de eficienţă:
/ = Cj*, + c2x 2 + .... + cnxn + Xyk
Matricea coeficienţilor se modifică din nou; ea conţine n+m+1 coloane dintre
care m sunt unitare şi pot forma o bază iniţială formată cu vectorii:
ăn+i (i Φk) i = 1 ,2 ,...m şi cu vectorul Ctk corespunzător variabilei artificiale
yk . Se poate aplica mai departe algoritmul simplex conform metodei bazei
artificiale. Aşa cum s-a văzut la expunerea acestei metode putem fi conduşi la una
din cele trei situaţii de mai jos:
80
Dualitate în programarea liniară
1. Prin dualitate în programarea liniară înţelegem un concept des întâlnit în
matematică în general, conform căruia oricărei probleme de programare liniară
considerată ca iniţială {primală) îi corespunde o altă problemă zisă duala ei,
ambele formând un cuplu denumit cuplu de probleme duale. Dualitatea în
programarea liniară prezintă un real interes atât din punct de vedere teoretic şi
calculatoriu cât mai ales prin interpretarea economică a celor două probleme care
formează cuplul.
în dezvoltarea care urmează vom considera două cazuri şi anume:
- dualitatea simetrică ce se referă Ia modele date sub forma canonică;
- dualitatea nesimetrică la care modelele sunt date sub forma standard sau
sub forma generală.
a) Dualitatea simetrică
Cuplul celor două probleme duale în cadrul dualităţii simetrice este:
[max]/ = clxl +c2x2+...+ cnxn
1 * 1 + α 12· c2 +...+alnxn <b{
x, + ... + Û2 n.■JX. ^ b·,
îji-K] +a·22Λ2
(P) ( 1)
amiXi+am2x1 +... +amnxn<bm
Xj> 0 j = \,n
şi duala ei
[min ]g = blyl + b2y2 +...+ bmym
«U>'l+«21>'2+ - + a ml>'m ^ C1
^ 12^1 + o22y2 + ^ + a m2ym> c2
(D) (2)
a u y i + a 2ny2+ - + anU,y n ^ Cn
y j > 0 i = 1, m
Spunem că în cele două modele fiecare dintre ele poate fi considerat dualul
celuilalt.
între cele două probleme primala (P) şi duala ei (D) există o strânsă legătură
pusă în evidenţă de regulile de mai jos, reguli care permit ca ştiind modelul uneia
să putem scrie modelul celeilalte. Astfel:
- în primală se cere [max]/ iar în duală se cere [min]g (şi invers);
- modelul de maxim din primală are ca restricţii inegalităţi de sens < iar
modelul de minim din duală are inegalităţi de sens > ;
- matricile celor două sisteme de restricţii sunt transpuse una alteia ;
81
- termenii liberi dintr-un model, sunt coeficienţi în funcţi a de eficienţă ai
celuilalt model (păstrându-se ordinea);
- xi,x2,...x„ sunt variabilele primale şi sunt supuse condiţiilor de
nenegativitate Xj> 0 j = l,n;
- yi,y2,-ym sunt variabilele duale şi de asemenea sunt supuse condiţiilor
yt >0 i= l,m .
Cu notaţii adecvate este evident că cele două modele se pot scrie şi matricial.
Astfel notând
V fM
X= » y= ( y i.y 2. - , y m) ; b=
b2 >C—(Cj,C2»...şCn)
x„" J \b-i5 J
Şi
*11 w12 lrt
2 21 a 22 *2 n
A=
ml “ m2
avem
[max]/ = cX [min]g = Yb
(P) AX<b (Γ ) (D) YA>c (2’)
X>0 Y> 0
Legătura dintre cele două modele ale cuplului dual evidenţiată mai înainte,
poate fi prezentată într-un tabel de forma celui de mai jos:
Tabelul 1
Xi X2 Xn <
y<-N
yi an ai2 din b,
yi a2i a22 Ü2n b2
82
[min]/ = cX [max]g = Yb
(P,) AX> 0 (1” ) (D,) YA<,c (2” )
X>0 y> o
Exemple: 1. Să scriem modelul dual al problemei de programare liniară
considerată ca model primai:
[3x. +Xn>\ Î3 v .+ 2 y, < 6
(P) ·{ Modelul dual este: (D) i
[2xl +6x2 >2 [ y i+ 6 y 2 <3
83
Teoremafundamentală a dualităţii (fără demonstraţie)
Oricare ar fi cuplul (P), (D) de probleme duale este posibilă una şi numai una
dintre situaţiile;
a) Ambele modele au optime finite şi valorile optime ale funcţiilor obiectiv
sunt egale;
b) Unul dintre cele două modele are optim infinit iar celălalt nu are soluţii
realizabile;
c) Nici unul dintre cele două modele nu are soluţii realizabile.
Prezentăm în continuare o teoremă foarte importantă care pune în evidenţă
legătura existentă între soluţiile cuplului de probleme duale şi care foloseşte la
determinarea acestor soluţii.
a m l X \ + a m 2 X2 + - + a m n Xn + X, = b,m
84
X j > 0, j - 1,2.... n + m
85
considerate ca făcând parte din cele două soluţii optime X şi Y ale primalei
respectiv dualei; cu alte cuvinte legătura dintre aceste variabile, la etapa optimă
(notate barat).
Să luăm în considerare mai întâi prima egalitate din teorema ecarturilor
complementare:
(4)
Se observă uşor că vectorul coloană b - AX este un vector m dimensional
care cu notaţiile anterioare se scrie:
(5)
şi se vede că componentele sale sunt tocmai variabilele de compensare la etapa
optimă a modelului primai.
Cum Y este vector linie /n-dimensional, vectorul produs Y\b - AX ) are sens
şi va fi:
Să trecem acum la interpretarea relaţiilor (7) şi (8) care decurg după cum s-a
văzut mai sus, din teorema ecarturilor complementare. Se constată că:
86
modele duale, rezultă următoarele proprietăţi legate de valorile variabilelor de
compensare şi structurale:
- Dacă în soluţia optimă Y a dualei (D) variabila structurală y,· * 0 , atunci
variabila de compensare *„+,· a restricţiei de pe linia i din tabel are valoarea nulă
pentru X adică această restricţie este verificată ca egalitate strictă pentru soluţia
X aprim alei;
- Dacă în soluţia optimă X a primalei, variabila de compensare xn+i a
restricţiei de pe linia i a tabelului este nenulă, adică această restricţie este verificată
ca inegalitate strictă pentru X , atunci variabila structurală y, a modelului dual are
valoare nulă în soluţia optimă Y .
Referindu-ne la relaţia (8) vom deduce proprietăţi analoge în legătură cu
soluţiile optime X şi Y analizând coloanele tabelului 2
Rezultatele obţinute mai sus, care decurg din teorema ecarturilor
complementare şi din teorema fundamentală a dualităţii, ne ajută să rezolvăm
efectiv un cuplu de probleme duale simetrice. Să considerăm următorul exemplu :
4 5 4 6 0 0 0
Bază C Xb
ai a2 a3 34 a5 a« a7
a5 0 20 2 3 4 3 1 0 0
a« 0 30 5 4 3 4 0 1 0
a7 0 15 3 4 3 .·· 0 0 1
Cj •fi 4 5 4 6 0 0 0
. .. ... ... ... ! . . . . .... j ..............................
a3 4 0 X 1 -X X 0 -X
a« 0 % 0 - 2X 0 - 3% X 1 -X
ai 4 Yl 1 0 / -X 0 X
Cj-fj 25 0 ~Yl 0 -X 'X 0 -1
87
Soluţia optimă a primalei (P) este jc i = — , X 2 = 0,X 3 = — , x a =0 adică
!2 4
Λ
X =(xi,X2,X3,X*) iar
cu semn schimbat dau chiar soluţia optimă a dualei Y = direct din tabelul
ί 0 ·1
simplex al primalei. Acest fapt este datorat unei propoziţii pe care o vom
enunţa în continuare.
a) valorile optime ale variabilelor structurale yi,y2,...,ymdin modelul dual se
găsesc pe linia diferenţelor Cj-fj, respectiv în dreptul coloanelor vectorilor de
compensare an+i,an+2,...,an+mdin modelul primai, luate cu semn schimbat.
b) Valorile optime ale variabilelor de compensare yn+i,ym+2>—,ym+n din
modelul dual, se găsesc pe linia diferenţelor Cj-fj, respectiv în dreptul coloanelor
vectorilor structurali ai,a2,...,a„ din modelul primai, cu semnele schimbate.
3, Dualitatea nesimetrică
Aşa cum am menţionat la început, dualitatea nesimetrică se referă la
modelele date sub forma standard sau sub forma generală. Este evident că în acest
caz se pot construi mai multe cupluri de probleme duale nesimetrice dintre care
vom exemplifica unul care este de forma:
89
[max ] f = cX [min]g =
(P) AX = b (D) YA>c
X >0 Y = oarecare
Pentru a înţelege scrierea modelului dual (D) în cazul de mai sus precum şi
în alte cazuri, vom introduce unele noţiuni care ne vor ajuta să stabilim legătura
dintre cele două probleme ale cuplului în cazul dualităţii nesimetrice.
- Orice restricţie cu < în cadrul unui model de maxim, respectiv o restricţie
cu > în cadrul unui model de minim se numesc restricţii concordante.
Analog orice restricţie cu > la un model de maxim,respectiv o restricţie cu <
la un model de minim se numesc restricţii neconcordante.
Suntem acum în măsură să formulăm legături dintre două modele de
programare liniară:
- într-unul dintre modele se cere maximul funcţiei obiectiv, în celălalt se cere
minim.
- Matricile sistemelor de restricţii sunt transpuse una alteia.
- Termenii liberi din restricţiile unui model sunt coeficienţii funcţiei de
eficienţă din celălalt, păstrându-se ordinea.
- Fiecărei restricţii concordante dintr-un model îi corespunde o variabilă în
celălalt modei care se supune condiţiei de nenegativitate >û.
- Fiecărei restricţii neconcordante dintr-un model îi corespunde o variabilă în
celălalt model care se supune condiţiei de nepozitivitate <0 .
- Fiecărei restricţii de egalitate dintr-un model îi corespunde o variabilă
liberă în celălalt model (variabilă oarecare, pozitivă, negativă sau zero).
Exemple: 1° Modelul dual al modelului de programare liniară:
[maxi/7= *i + 2*2 + 5*3 [min]/ = lOyj +9y2+ 15 y3
xl +x2 +2xi <lQ >»i + y2 + y3 > 1
(P) · *, + 2*2 + 3*3 > 9 este (D) · y, + 2 y2 + y 3 > 2
*1+ *2 +*3=15 2 y ,+ 3 y 2 + y3 ^ 5
*! > 0 , *2 > 0 , *3 > 0 > 0 , y 2 < 0 , y 3 = oarecare
Conform cu regulile prezentate mai sus, vom explica modul de scriere al
dualei (D). într-adevăr deoarece variabilele *;, j=l,2,3 din (P) sunt nenegative,
toate trei restricţiile din modelul dual vor fi concordante şi fiind vorba de minim
ele vor fi cu >. Luând în discuţie restricţiile din primală deducem:
Prima restricţie a modelului primai fiind concordantă, variabila yi se supune
condiţiei de nenegativitate adică y, > 0 .
Restricţia a doua fiind neconcordantă, variabilă y2 este nepozitivă adică
y 2< 0 .
Cea de a treia restricţie a modelului primai fiind egalitate, variabila y 3 este
liberă.
90
2°. Problema considerată, primala:
[max]/ = 3jc, - 6 jc3 + jc4 [min]/ = 3 y x+ 5y2 - 2 y 3
2y\ ~y2 + 2>>3 >3
2jc, + 5 x 2 - x3 + 2 x 4 > 3
5>-i + 2 y 2 - y3 > 0
(P) - jc, + 2x2 + jc3 =5 are duala (D)
- yi + y 2 = -6
2jc, - x 2 + jc4 = - 2
2 y, + y3 < 1
>0, jc2 oarecare,jc4 < 0
>0, jc3 y ,< 0 , y 2oarecare, y 3 - oarecare
Privind cuplul celor două probleme duale ne dăm seama că pentru rezolvarea
lor trebuie să facem unele transformări prealabile pentru a le aduce la forma
aplicării algoritmului simplex şi de asemenea să folosim noi algoritmi etc.
întrucât nu vom trata aceste metode, ne vom opri aici cu expunerea problemei
dualităţii în programarea liniară.
§ 3. Programarea transporturilor
1. Enunţul problemei de transport. Modelul matematic
Un acelaşi produs omogen este depozitat în centrele de expediţie Aj,A2,...Am
în cantităţile a,,a2,...am şi se cere să fie transportat în centrele de consum
B,,B2,....Bn în cantităţile bi,b2,--.bn respectiv. Se cunosc costurile unitare de
transport cÿ , i = 1, m, j = 1, n de la depozitul A, la centrul de consum Br
Rezolvarea problemei de transport constă în determinarea unui plan optim de
transport de la depozite la consumatori astfel încât costul total al transporturilor să
fie minim. Cu alte cuvinte se cere determinarea cantităţilor jcÿ transportate pe toate
rutele (ij),i = l,m, j = 1,n , astfel încât să se realizeze un cost minim de transport.
Cu datele problemei de transport se poate alcătui tabelul următor:
91
Costul transportului a Xy unităţi de produs de la depozitul A, la centrul Bj este
egal cu Cij-Xij, deci costul integral al transportului de la toate depozitele A, (/ = 1,m)
m n
Ia toţi consumatorii B j(j = l,n ) va fi egal cu / = ΣΣ v
1=1 j-l
, ■
x \n + * 2 n + · · · + * * » = b n
Cu aceste precizări putem construi modelul matematic al problemei de
transport care este următorii!:
( 1)
cu condiţiile:
92
η
(2) Σ χ0 =ai i = 1,2,..jn ;
m
0 )'% x ij=bj j = 1,2,..λ ;
(4) £ 0 z = 1,2,...m, j - 1 , 2 .
Recunoaştem modelul unei probleme de programare liniară cu variabilele xy
în număr de mn care satisfac restricţiile liniare (1) şi (2), condiţiile de
nenegativitate (4) şi care fac minime cheltuielile totale de transport/, unde/este
liniară în variabilele xy.
O condiţie necesară pentru compatibilitatea sistemului de ecuaţii (2) şi
este ca sumând grupul (2) de ecuaţii după i şi grupul (3) după j să avem egalitatea
m η n m
Σ Σ χί/= Σ Σ :ϊ!/ ceea ce antrenează Şi egalitatea termenilor liberi adică
j=*l j=l i=l
Σ«,
i-i
= Σ^ care rePrezintă condiţia de ecilibru impusă de ipoteza 1°.
M
Evident că problemei de transport privită ca o problemă de programare
liniară i se poate aplica algoritmul simplex care însă devine destul de greoi din
cauza numărului mare de variabile şi restricţii.
Ţinând seama de forma specifică a modelului problemei de transport în care
toţi coeficienţii variabilelor Xy în restricţii sunt egali cu 1, s-au imaginat aiţi
algoritmi de calcul pentru obţinerea soluţiei optime. în acest sens datorită formei
speciale amintite, menţionăm unele propoziţii valabile pentru problema de
transport.
Propoziţia 1. Mulţimea soluţiilor realizabile într-o problemă de transport
adică soluţiile ale căror componente xy satisfac (2), (3) şi (4) nu este vidă.
Pentru demonstraţie vom arăta că orice problemă de transport are
întotdeauna o soluţie realizabilă şi anume de forma:
m
m nn
(5) Xy = , i = 1,2,...m, j = 1,2,..ji unde T = ] £ α ; = Σ b}
* »=1 i'=l
într-adevăr soluţia (5) satisface restricţiile (2):
93
Menţionăm că în general soluţia (5) nu este optimă şi de asemenea sistemul
(2), (3) este totdeauna compatibil. Dăm fără demonstraţie propoziţia:
Propoziţia 2. Matricea A a coeficienţilor restricţiilor liniare (2) (3) are rangul
m+n-1.
Din cele de mai sus rezultă că o soluţie realizabilă de bază într-o problemă
de transport are cel mult m+n-1 componente nenule, fiind nedegenerată dacă are
exact m+n-1 componente nenule şi degenerată când numărul componentelor
nenule este mai mic decât m+n-1.
Observaţie importantă. Se poate arăta că dacă a, şi bj sunt numere naturale
atunci valorile variabilelor Xy sunt numere naturale în orice soluţie realizabilă de
bază şi deci soluţia optimă are numai componente numere naturale.
Algoritmul de rezolvare a problemei de transport presupune două etape:
a) Aflarea unei soluţii iniţiale realizabile de bază;
b) îmbunătăţirea soluţiei iniţiale până la obţinerea soluţiei optime după mai
multe iteraţii.
în continuare vom da câteva procedee de obţinere a unei soluţii iniţiale de
bază într-o problemă de transport.
2. Metode de determinare a soluţiilor iniţiale de bază într-o problemă de
transport.
Metodele pe care le vom considera, vor fi expuse pe exemplul enunţat la
punctul precedent, pe care îl vom scrie mai schematic punând în evidenţă costurile,
beneficiile şi resursele.
(1) (2) (3) (4)
3 2 2 4 70/
( 1) 20 20
/2i
50
1 2 3 4
(2 )
5 5
(3)
3 5 2
10
1
10
/
20
/10
50 15/ 10
(3) % /10
94
A2 are încă un disponibil de 5 mii tone pe care le repartizează centrului B3 deoarece
min{5,15}= 5 deci x23 = 5 astfel A2 şi-a epuizat resursa şi deci x24=0 .
Centrul de consum Cj mai are nevoie de 10 mii tone de produs ce pot fi
repartizate în căsuţa (3,3) deci x33 =1 0 . Luăm în sfârşit xM= min{l0,10}= 10.
S-a obţinut soluţia iniţială de bază pe care o vom nota cu Xo.
50 20
Xo : 5
5
10 10
cu m+n-/=6 componente strict pozitive deci nedegenerată, având componentele.
xu=50; xI2 =20; X i3 = 0 ; xl4=0
X21—O x22—5 x2 3= 5 x24= 0
X3 i = 0 X32= 0 X33-IO X34—10
2 2 4
3 25 15 %/ /30
30
1 2 3 4
10
10
3
10
5 2 1
10
20
/10
/
50/
/% 25 15 10
Soluţia va fi:
95
30 25 15
10
10 10
3 2 2 4
30 25 15 O y%
1 2 3 4
10 O O O 10
3
10
5
O
2
O
1
10 /
20
/10
50/
/% 25 15 10
Costul minim pe linia întâi este 2 şi figurează în căsuţele (1,2) şi (1,3). Avem
xl2 = min{70,25}= 25 rezultă X22-X32-O şi xn = min{45,15}= 15 deci x23=X33=0 .
Trecem la linia a doua la căsuţa (2,1) şi luăm x2l = min{l0,50}=10 care implică
xi2=x23=X24-0 iar costul Ci devine 50-10=40.
Pe linia a treia costul minim este 1 din căsuţa (3,4) în care punem
*34 = min{20,10}= 10. Pe prima linie costul minim rămas este 3 în căsuţa (1,1) în
care punem xu = min{30,40}= 30.
Pe linia a doua nu se mai poate repartiza şi trecând la linia a treia costul
minim rămas este 3 în căsuţa (3,1) deci *31 = min{l0,10}= 10. Rezultă soluţia de
bază.
30 25 15
Xo 10
10 10
adică X n= 30 ; xi2= 25; x i3= 15 ; x 2i=10; x3i=
de restricţii.
96
3 2 2 4 70/,
40 25 5 / 3X
1 2 3 4
10 10
3 5 2 1
10 10 20/
/ΙΟ
50/ 25 15/ 10
/40 /10
40 25 5
X o: 10
10 10
adică Xn=40;; Xi2=25;
x 12=25; xn=5; X2i=0;
x2i=0; X33=10;
x33=10; x34=10.
97
1° Se rezolvă sistemul (8) pentru costurile Cy corespunzătoare componentelor
nenule ale soluţiei iniţiale de bază.
2° Se calculează sumele Cy şi se efectuează diferenţele Cy - Cy pentru
costurile Cycorespunzătoare componentelor nenuîe ale soluţiei.
3° Se aplică criteriul de optim:
dacă toţi Cy - ctj < 0 soluţia este optimă;
dacă măcar un Cy - Cy > 0 se alege max^~ - ctj > θ} şi se
modifică soluţia formând ciclul celulei goale corespunzătoare maximei alese.
Mecanismul de calcul va fi explicat de exemplul considerat mai înainte. Vom porni
de la soluţia iniţială de bază pe care am obţinut-o deja prin procedeul colţului
Nord-Vest şi pe care o vom nota cu X0.
3 2 2 4
50 20 70
Xo= 1 2 3 4
5 5 10
3 5 2 I
10 10 20
50 25 15 10
Formăm sistemul Ui+Vj-Cy pentru fiecare Xy din bază adică pentru xu, xu,
* 22, *23, X33, X34. Avem :
ux+ Vj =3 w2 +v3 =3
ux+v2 =2 m +v3 = 2
3 sistem cu m+n-1- 6 ecuaţii cu m+n=7
«2 + v 2 =2 w3 +v4 : 1
necunoscute. Luând U]=3 găsim u2-3, u3=2, v,=0, v2=-7, v3=0, v4~-l. Alcătuim un
tabel în care sunt trecute costurile Cy corespunzătoare componentelor xy*0. în acest
tabel am calculat diferenţele Cy = w, + v; pentru calculele necompletate.
T2
0 -1 0 -1
x vj
3 N 30 25 15
3 10
2 10 10
T3
1 -2
2 -2
-1 -4
98
Diferenţele ci} - cÿ le obţinem scăzând din tabelul T2 pe cy din Tt
corespunzătoare lui cy. Obţinem astfel tabelul T3. întrucât nu toate diferenţele
Cy -Cy < 0 soluţia de bază X0 nu este optimă. Cum
m ax^-c,·,· > o}= max{l,2}= 2 corespunde la c2l- c 21 luăm χ2ι=θ şi obţinem
tabelul T 4 pentru aflarea ciclului corespunzător lui ( 2 , 1).
T4
50-Θ H 20+0 /t1
θ 4 ^ 5 -0 5
10 10
45 25 70
X i= 5 5 10
10 10 20
50 25 15 10
Valoarea funcţiei de eficienţă pentru soluţia Xj este
f(Xi)=3.45+2.25+l.5+3.5+2.10+1.10=235.
Se observă c âf(Xi)<f(Xo) adică valoarea funcţiei de eficienţă a scăzut. Cu
soluţia X] procedăm la fel ca şi cu soluţia iniţială Xo adică determinăm k, şi v;
pentru xy>0 din soluţia de bază Xi şi Cy pentru xy nebazici. Avem:
u, + Vj = 3 m2 + v3 = 3
M, + v2 = 2 • M3 +V3 =2 Luând şi aici u,=3 găsim
U2 +Vt =1 m3 + v4 = 1
99
τ 7
3 0
-2 -2
-3 -6
Deoarece avem o diferenţă pozitivă şi anume m ax^· ~ci} > θ}= c 13 '1 3 =3
soluţia Xi nu este optimă.
Luând Xi3=0 obţinem ciclul din tabelul Tg şi noua soluţie X2 obţinută pentru
Θ= 5 în tabelul T9.
45-0 25 0
5+0 5-0
10 10
T9
40 25 5
X2= 10
10 10
Pentru această soluţie f(X2)=3.40+2.25+2.5+l. 10+2.10+1.10=220.
Calculăm acum corespunzător soluţiei X2 valorile «,· şi y, soluţii ale
sistemului asociat componentelor pozitive xtJ ale soluţiei X2. Avem:
Uj + vt = 3 «2 +Vj =1
« 1 +v2 = 2 w3 + v3 = 2 Luând şi aici uj=3 găsim
U2 + V3 ~ 2 m3 + v4 = 1
u2=l, 113=3 ,v1 =0,v 2=-l, v3=-l, v4=-2.
Matricile ctj şi ci} +c,y sunt cele din tabelele Tio şi Tu.
T,o
0 -1 -1 -2
.21. "
3 3 2 2 1
1 1 0 0 -1
3 3 2 2 1
Tn
-3
-2 -3 -5
C‘J ~ CU=
0 -3
întrucât toate diferenţele c,y - c,y < 0 soluţia X2 este optimă şi
fmin=f(X2)=220.
100
Soluţii multiple
Observaţie Dacă în cercetarea optimului lui f unei soluţii realizabile de bază
matricea diferenţelor cÿ - ctj corespunzătoare soluţiei optime nu conţine nici un
element strict pozitiv dar conţine şi alte diferenţe nule decât cele din căsuţele (i,j)
corespunzătoare variabilelor bazice problema mai are şi alte soluţii optime. In
exemplul tratat mai sus corespunzător soluţiei optime, în Tn diferenţa c3l - c 3, =0
fără ca X3 să fie nulă. Aceasta înseamnă că mai există o soluţie optimă care conţine
X 31 şi care se obţine din X 2 efectuând ciclul lui (3,1).
4 0-0* - 25 .-5+\j?
1 0 'w
> 10 -b 10
30 25 15
X '2= 10
10 10
Luând 0 =0 se obţine soluţia optimă X ’2 cu componentele Xn=30, xi2=25, xi3=15,
x2i=10, X3i= 10 , x 34=10 iar
f(X ’2)=3.30+2.25+2.15+l. 10+3.10+1.10=220.
Se ştie că dacă două soluţii X2 şi X ’2 ale unei probleme de programare liniară
în particular cea de transport, sunt optime, atunci orice combinaţie liniară convexă
a lor este deasemenea o soluţie optimă pentru problema respectivă.
Deci şi soluţia dată de:
X = λΧ2 + (1-A )X 2, 0 < λ< 1
este optimă.
Să considerăm acum cazul cel mai frecvent întâlnit în practică, anume cel al
problemei de transport neechilibrate pentru care
m n
>=1 ;=1
Rezolvarea problemei de transport neechilibrate se face adăugând fie un
centru fictiv de aprovizionare fie un centru fictiv de consum, care să preia restul
produsului, diferenţa dintre necesar şi disponibil. Avem de considerat două cazuri:
m n
a) caz în care introducem un centru Bn+] de consum, cu
i=! j=i
101
necesarul bn+l = Ş* toate costurile cin+1 = 0 . Problema devine
,= 1 ;= 1
m n
Σ β* < Σ ν
i=t j= l
în acest caz, dacă s-a obţinut o soluţie optimă, aceasta presupune măcar o
componentă a soluţiei de pe linia m+1 nou adăugată, diferită de zero, de exemplu
xm+ij * 0 · înseamnă că un centru de consum Bj rămâne cu necesarul nesatisfăcut,
total sau parţial.
T 12
Ai B, b2 b3 Disp.
Ai 3 5 2 400
a2 4 2 4 400
Nec. 250 300 300 8 5 0 \
102
Ai Bi b2 b3 Disp.
A! 3 5 2 400
a2 4 2 4 400
a3 0 0 0 50
Nec. 250 300 300 850
Problema devine echilibrată.
T2
50 100
50
100 50
103
în tabelul T 3 sunt calculate atât matricea costurilor cy cât şi matricea
diferenţelor cÿ - c ÿ . Cea mai mare diferenţă pozitivă este egală cu 3. îndreptându-
ne atenţia asupra celulei (2,1) cu diferenţa 3 ne propunem să facem ca în viitoarea
soluţie căsuţa corespunzătoare acestei diferenţe să fie ocupată. Punând Θ în acestă
căsuţă a soluţiei X0 şi determinând ciclul corespunzător căsuţei obţinem situaţia din
tabelul T4 în care Θ=50. Această înlocuire face să se anuleze în acelaşi timp trei
componente ale vechii soluţii ceea ce ar conduce la o soluţie degenerată cu numai
trei căsuţe ocupate.
T3
\ v j 3 -2 4
ui CiJ ~ C‘j
0 3 -2 4 0 -6 0
4 7 2 8 3 0 2
5 8 3 9 3 0 0
T4
50-Θ 100+0
Θ 50-0
100+Θ 50-0
De aceea vom lăsa necompletată în noua soluţie numai o singură căsuţă din
cele trei, de exemplu căsuţa (3,3) celelalte două fiind completate cu zerouri
esenţiale ca în tabelul T5 Un criteriu în alegerea căsuţei ce se lasă necompletată,
este acela că renunţăm de obicei la completarea căsuţei căreia îi corespunde un
cost unitar de transport mai mare, în cazul costurilor alegând căsuţa la întâmplare:
(Xi) _______________Ţş
0 150
50 0
150 i
104
T6
Ai B, b2 b3 b4 Disp.
Aj 7 4 2 2 200
A2 3 4 3 1 150
A3 3 5 5 3 50
'\ 4 0 0
Nec. 150 50 100 100 4 0 0 \
Τ7
150 50
100 50
50
Ai
Bi b2 b3 b4 Disp.
Ai 7 4 2 2 200+ε
A2 3 4 3 1 150+ε
a3 3 5 5 3 50+ε
Nec. 150 50 100 100+3ε 400+ε
iar soluţia iniţială a ei depinzând de ε, obţinută prin metoda colţului Nord-Vest este
cea din tabelul T9.
X (oe) T9
150 50 ε
100-ε 50+2ε
50+ε
Făcând în această soluţie ε=0 obţinem soluţia din tabelul T 10care conţine un
zero esenţial în căsuţa (1,3) astfel încât să existe exact
m+n-1 căsuţe ocupate.
105
Probleme
1. Să se rezolve prin metoda grafică problema de programare liniară:
[max]/ = 3x + y
x -y < 1
■x + y < 3
x,y> 0
Rezolvare: Determinăm domeniul plan care reprezintă mulţimea soluţiilor
posibile ale sistemului dat. Pentru aceasta reprezentăm grafic dreptele:
(Dx) : x - y = 0 γ + -£ γ -1 = 0
(D2):x + y - 3 = 0 | + | " 1 = 0
Se obţine poligonul convex OABC din figura
alăturată.
Punctele situate în interiorul şi pe laturile acestui
poligon satisfac simultan cele două inegalităţi,
inclusiv condiţiile de nenegativitate. Să luăm un
punct oarecare Mx(1,1) din domeniul haşurat.
Avem: 3* + .y = 3- l + l = 4. Am obţinut relaţia 3x + y - 4 = 0 care reprezintă D'
paralelă cu dreapta 3x + y = 0 sau y = -3 x . Mai putem scrie D ':y = -3x + /.
Pentru toate coordonatele punctelor de pe dreapta (£)') valoarea lui / =4
rămâne neschimbată. Avem /0 = 0 şi rezultă /0 < /,. Deci cu cât ne vom depărta
de origine, menţinându-ne însă în cadrul poligonului convex OABC şi pe laturile
lui, vom obţine valori mai mari.
Valoarea maximă a lui / = 3x + y este dată de dreapta cea mai îndepărtată
de dreapta care trece prin origine, care este paralelă cu aceasta şi care nu depăşeşte
conturul poligonului haşurat, numit şi poligonul soluţiilor posibile (realizabile).
Dreapta este (Dm) care trece prin vârful B. Determinăm coordonatele
acestui punct rezolvând sistemul:
x - y =1
dm care se obţine B (2,l)
x + y =3
Avem:
[max]/ = 3· 2 + 1 = 7
La acelaşi rezultat se ajunge şi prin calcularea valorii funcţiei obiectiv în
fiecare dintre vârfurile poligonului OABC. Acest procedeu se bazează pe
proprietatea că soluţia optimă a problemei se găseşte într-unul dintre vârfurile
poligonului convex ce reprezintă domeniul soluţiilor realizabile.
106
2. [m a x i/ = 3*i + 2 * 2
- 2 *, + x2 < 1
xx+ x2 < 3
* i < 2 ; x ,,x 2 > 0
Rezolvare:
d\. -2 * i +*2=1
i/2: *1 + *2 = 3
dy. *i = 2
Γ2 7 λ
A(0,1); B ; C (2,1); D (2,0); 0 (0 ,0 )
3 3
- 2 *, + * 2 = 1 2 7
(b } = n d2 ; 3*! = 2 = > *!= — => * 2 = —
*! + * 2 = 3 3 3
* ,+ * 2 = 3
=>*2=1
*j = 2
Mulţimea soluţiilor posibile este poligonul convex OABCD. Soluţia optimă se află
în vârfurile ale căror coordonate maximizează funcţia obiectiv.
/o = 0
/α = 3 · 0 + 2 · 1 = > » 2
o 2 7 20 20
3 3 ~ 3 =* Λ ~ 3 ’
/c = 3 - 2 + 2 - l = 8=> /c = 8
/β = 3 ·2 + 2 · 0 = 6= > /ΰ = 6
=> /m ax = 8 ; * 1 = 2 ; * 2 = 1
107
[m a x ]/ = 6x + 5y
2x + y < 90
3x + y > 60
3x + 6>>>180
2x + 2 y < 140
X> 0 ,y > 0
£>,: 2 x + y - 90 = 0
D2: 3 x + y -6 0 =0
Dy. X + 2y - 60 = 0
D\ x + y - 70 = 0
=φ [m a x ]/ = 370000 u.m.
X = 20; y = 50
Mulţimea soluţiilor realizabile este poligonul convex ABCDE, iar soluţia optin
află în vârful 0(20,50)
=> 20000 m3 de Ai şi 50000 m3 A2 => în aceste condiţii se utilizează:
9000 m3 de Bi
11000 m3 dcB2
36000 m3 de
14000 m3 de BA.
< 24
X, + 4 x 2
■3x{ + x2 < 21
X, + x2 < 9
xv x2 > 0
Introducem trei variabile de compensare x3 > 0, x4 > 0, x5 > 0 pentru a aduce
problema la forma standard (transformăm inegalităţile în egalităţi).
Coeficienţii variabilelor de compensare x 3, x4,x5 sunt zero în funcţia obiectiv, deci
obţinem:
[max]/'= Xj + x 2+ 0x3+ 0x4+ 0x5
jc, + 4 x 2 + x3 = 24
3x, + x2 + x4 = 21
*, + X2 + Λ, = 9
fl 4 1 0 (Λ
A= 3 1 0 1 0
1 1 0 0 1
v
109
Problema se termină când toate diferenţele dj sunt < 0, iar soluţiiile Xj se citesc pe
ultima coloană xB, pe liniile corespunzătoare vectorilor α;·, din baza finală.
Dacă nu există un vector a, în baza finală, λ:· corespunzător este 0.
Maximul funcţiei/ se calculează înmulţind coloana CBcu coloana XBpe elemente
şi adunând rezultatele.
C, = l C2 = 1 C3 = 0 C4 = 0 C5 = 0
B cB X, «1 «2 «3 a4 a5 0
i 4
fl3 0 24 1 4 1 0 0 24
^— #4 0 21 © 1 0 1 0 7*
a5 0 9 1 1 0 0 1 9
0 1* 1 0 0 0
a3 0 17 0 11/3 1 -1/3 0 51/11
a\ 1 7 1 1/3 0 1/3 0 21
<r-a5 0 2 0 2/3 0 -1/3 1 3*
»! 7 0 (2/3*) 0 -1/3 0
»
«3 0 6 0 0 1 3/2 -11/2
a\ 1 6 1 0 0 1/2 -1/2
a2 1 3 0 1 0 -1/2 3/2
Di 9 0 0 0 0 -1
Deci [max]/'= 9; x, = 3, x2 - 3, x3 = x4 = x5 - 0.
5. Să se rezolve problema:
[max]/ = Xj + x2.
-Xj + 2x 2 < 1
• 2xx - x2 < 1
xx + x2 >\
xx, x2 — 0
110
a\ a2 a3 a4 a5
- xx + 2x2 + * 3 = 1 f -\ 2 1 0 0 0Λ
2x, - x2 + x 4 =1 A' = 2 -1 0 1 0 0
X, + X2 - X5 + X6 = 1 1 1 0 0 - 1 1
V /
x , , ... x6 > 0
= l,x 2 = 1, x5 = 1, x3 = x4 = *6 =
Observaţie: Dacă un vector artificial (a6) iese din bază, putem să nu mai calculăm
pe (*) coloana lui în următoarea etapă pentru că diferenţele corespunzătoare (D6) vor
fi mereu negative.
* ,, x2, * 3 ^ 0
112
- *2 - 2*3 - x4 = 1 0 -1 0
A=
I—2*, + x2 - * 3 + * 5 = 5 - 2 1 - 1 0 1
* , , . . . , *5 >0
Introducem variabila artificială x6 în prima ecuaţie pentru a obţine vectorul unitar
0
v y
Vom avea: [max]/= 5x, - * 2 + 2x3 + 0x4 + 0x5- Mx6.
f - x2 - 2*3 - *4 + *6 = 1
[-2 *1 + * 2 - *3 + * 5 = 5
* , , . . . , *6> o
' 0 - 1 - 2 - 1 0 1λ
A'
-2 1 -10 10
B = (a5, a6)
CB= ( - M, 0)
xB= (h 5)
Cj - (5, -1 , 2, 0, 0,-M )
(sJ
C, = l 0 C6 = -M
II
C2 - l
o
II
II
B cB XB a\ a2 a3 a 4 «5 «6 Θ
«6 -M 1 0 -1 -2 -1 0 1 —
a5 0 5 -2 1 -1 0 1 0 -
„O
s>
irs
1
-M 5* -1 -A f M -M 0 0
II
2 - 2
Problema nu are soluţii, deoarece algoritmul simplex nu mai poate continua (nu
există nici un Θ> 0)
7. Să se rezolve problema:
[min]/= *j + 2*2.
3*, + * 2 = 2
•3*2 > - 3 / · (-1 ) = > - * , + 3*, < 3
*,, * 2 >0
113
Introducem variabila de compensare x 3 în a doua restricţie, obţinem:
[min]/'= jtj + 2 x 2 + 0 x 2
Î 3 * ,+ * 2 = 2 (3 1 0"
j - * , + 3*2 + * j = 3 - 1 3 1 ^
>0
*p * 2, *3
\
■<3
f 3
II
[ - * , + 3*2 + * 3 = 3 -1 3 1 0
V y
* , , * 4 >0
B = (a4, a3)
CB~ (M, 0)
x* = (2, 3)
ς . = (1 ,2 , 0, AO
cj
C, = l C2 = 2
II
o
II
B xB «1 a2 «3 «4 0
i
«4 M 2 CD 1 0 1 2/3*
«3 0 3 -1 3 1 0 -
D/ = Cy - 2M 3M*-1 M -2 0 0
«1 1 2/3 1 1/3 0
«3 0 11/3 0 10/3 1
» 2/3 0 -5/3 0
1
v
• [min]/ = [max]g, iar soluţiile pentru / se citesc pe ultima linie Dj în dreptul
coloanelor vectorilor care au format baza iniţială, cu semne contrare.
Deci PROBLEMA DUALĂ este:
[max]g = 6y, + 8y2
y, + 2y2 < 2
' - >1 + ^ 3
3yt + y2 < 1
yi>y2>y3*o
Introducem y 3,y 4, y5 variabile de compensare, obţinem:
[max]g = 6yx+ 8y2 + 0y3 + 0y4 + 0y5
b2 b3 b4
h\ b5
+ 2 y 2 + y3 = 2 f 1 2 1 0
°1
- ?1 + ^2 + = 3 5 = -1 1 0 1 0
3>i + y 2 + y 5 = 1 3 1 0 0 1
V
...,y3 > 0
B = (by, b4, b3)
CB= (0, 0, 0)
yB= ( 2,3, 1)
Cj = (6, 8, 0, 0, 0)
115
C, =6 C2 = 8 C3 = 0 c 5= o
1!
O
o --0
B CB yB b\ b2 b3 b5 Θ
*
i i
b3 0 2 1 © 1 0 0 1*
h 0 3 -1 1 0 1 0 3
bs 0 1 3 1 0 0 1 1
D\ ~ Cj 0 6 8* 0 0 0
b2 8 1 1/2 1 1/2 0 0 2
b4 0 2 -3/2 0 -1/2 1 0 —
X] = 18/5, x2 - 0, x3 - 4/5
9. Să se rezolve problema:
[max]/ = 2 x j + x 2
X|-X2 S 4
3x, - x 2 <18
- x{+ x2 £ 6
x„x2 â 0
Pentru aplicarea algoritmului simplex, punem, cu ajutorul variabilelor de écart
problema sub forma standard:
[maxi/'= 2*] + x2
xx- x2 + *3 = 4
3xx- x2 + x4 = 18
- ac, + x2 + xi = 6
\
-1 1 0 0 1/
(\ 0 0
B = {03, 04,^ 5) = 0 1 0
v
0 0 1/
X b = B~' -b = b = (4,l$,6)
f j = C ‘B ■B~l -aj,(\/)j = Ï 3
Funcţia de eficienţă rămâne neschimbată. Putem aplica acum algoritmul simplex:
2 1 0 0 0
Cb «1 a2 «3 a4 as Θ
B
0 <23 4 © -1 1 0 0 4
0 «4 18 3 -1 0 1 0 6
0 as 6 -1 1 0 0 1 -
Ci-A 0 2* 1 0 0 1
2 a\ 4 1 -1 1 0 0 -
0 a.4 6 0 © -3 1 0 3
0 «5 10 0 0 1 0 1 -
C\-fi 1111111 8 0 3* -2 0 0
2 7 1 0 -1/2 1/2 0 -
1 02 3 0 1 -3/2 1/2 0 -
0 as 10 0 0 0 0 1 10
c-rf, i l ! i l l 17 0 0 5/2* -3/2 0
2 ai 12 1 0 0 1/2 1/2
1 a2 18 . 0 1 0 1/2 3/2
0 «3 10 0 0 1 0 1
Ci-/ 1 !1 8 S 1 42 0 0 0 -3/2 -5/2
117
10. Rezolvaţi problema de programare liniară:
2*j + x 2 < 8
Xj + 3x2 ^ 18
x ,,x 2 ^ 0
2xj + x2 + x3 = 8
3xj + 2 x2 + x4 = 24
X, + 3x2 + x5 = 18
Cl\ Ö2 03 04 a5
f2 1 1 0 0N
A= 3 20 1 0
1 30 0 1
Deoarece A cuprinde vectorii unitari a3, a4, as putem trece la aplicarea algoritmului
simplex:
118
4 3 0 0 0
CB B Xb a\ a2 aj «4 Os 0
0 a3 8 © 1 1 0 0 4
0 «4 24 3 2 0 1 0 8
0 05 18 1 3 0 0 1 18
c-f\ B l l l l 0 4 3 0 0 0
4 a\ 4 1 1/2 1/2 0 0 8
0 Ü4 12 0 1/2 -3/2 1 0 24
0 as 14 0 -1/2 0 1 28/5
Ci-fi ÉËÈÈÊÊÈ 16 0 1 -2 0 0
4 ai 6/5 1 0 3/5 0 -1/5
0 «4 46/5 0 0 -7/5 1 -1/5
3 02 28/5 0 1 -1/5 0 2/5
Cr/i lillllÉ l 108/5 0 0 -9/5 0 -2/9
rL m axjg
i = —108 ;
6 28
* 2 = — ; *3=0
11. [min]/· = xx + 2 x 2 + x5
2xx + x2 + x 3 > l
- Xy + 3 x 2 < 0
2xx + l x 2 + *3 + x4 + x5 = 5
χ ,.> 0 ,ι= ΰ
[m in ]/ = *i + 2 * 2 + xs + M · * 8
119
Matricea asociată acestei probleme este:
2 1 1 0 0 -1 0 1
-1 3 0 0 0 0 1 0
2 2 1 1 1 0 0 0
\ /
1 2 0 0 1 0 0 M
θ
Cb B X b a\ 02 a-i fl4 a$ 06 «7 aβ
M Û8 1 © 1 1 0 0 -1 0 1 1/2
0 Û7 0 -1 3 0 0 0 0 1 0 -
0 a4 5 2 2 1 1 1 0 0 0 5/2
f\-C\ i i i i ^ M 2M-1 M-2 M 0 -1 -M 0 0
1 a\ 1/2 1 1/2 1/2 0 0 -1/2 0 β 1
0 Οη 1/2 0 © 1/2 0 0 -1/2 1 n 1
0 a4 4 0 1 0 1 1 1 0 SI -
fi-Ci ÜHlÉi 1/2 0 -3/2 1/2* 0 -1 -1/2 0 Ép
1 a\ 0 1 -3 0 0 0 0 -1 β
0 a-i 1 0 7 1 0 0 -1 2 111
0 a4 4 0 1 0 1 1 1 0 pit
fi-a 0 0 -5 0 0 -1 0 -1
[mini/'= 0 ; * i = 0 ; *2 = ° ; * 3 = 1 ; * 4 = 4 ; * 5 = 0 ;
3xj + 2 x2 + x3 = 7
3xj + 2 x2 + x3 + x5 = 7
[max]/" = 3
X\ —2 ; X2 —0 ; X3 —1.
121
2xj + x2 + 2xj > 4
2x, + 2x2 + Xj 2:2
(1)
x^+ xj 2:3
2y.t + 2y2+y3£4
y\ + 2>2 S 3
(2) '
2yl + y2 + y3£6
yt > 0,i = 1,3
2>i + 2y2 + y3 + y4 = 4
yt+2y2 + ys = 3
2 y t + y 2 + y* + y<>r *
y{ > 0,i = 1,6
122
2 2 1 1 0 0
1 2 0 0 1 0
2 1 1 0 0 1
\ 7
4 2 3 0 0 0
Cb B Yb Θ
ai a2 03 «4 a$ 06
0 a4 4 Φ 2 1 1 0 0 2
0 as 3 1 2 0 0 1 0 3
0 a6 6 2 1 1 0 0 1 3
c -f tlllll 0 4 2 3 0 0 0
4 a\ 2 1 1 CX!2> 1/2 0 0 4
0 a5 1 0 1 -1/2 1/2 1 0 -
0 a6 2 0 -1 0 1 0 1 -
C-f 8 0 -2 1 -2 0 0
3 «3 4 2 2 1 1 0 0
0 as 3 1 2 0 1 1 0
0 a6 2 0 -1 0 1 0 1
Crf 12 -2 -4 0 -3 0 0
•Xa -*5 -*6 -X \ -x2 -*3
123
JC, - x 2 + 3 x 3 > 6
2 jc , + x2 + jc3 > 8
x( >0,z' = 1,3
[m a x ]g = 6 y , + 8 y 2
y, + 2y2 < 2
-y\ + y 2 ^ 3
3^1 + JV2 ^ 1
[m axfe = 6 y x+ 8y 2
y\ + 2 y 2 + y 3 = 2
- y 1 + y2 + y4 =3
3^i + y 2 + y s = 1
y, > 0,i = 1,5
/1 2 1 0 0Λ
A= - 1 1 0 1 0
3 1 0 0 1
124
Se poate trece la aplicarea algoritmului simplex:
6 8 0 0 0
Cb B Yb Ol a2 a3 a4 as Θ Θ,
0 03 2 1 © 1 0 0 1 1/2
0 04 3 -1 1 0 1 0 3 3
0 Oî 1 3 1 0 0 1 1 1
Crfi M i l l ! 0 6 8* 0 0 0
8 a2 1 1/2 1 1/2 0 0 2
0 a4 2 -3/2 0 -1/2 1 0 •
0 as 0 G/£> 0 -1/2 0 1 0
c\-f\ 8 2* 0 -4 0 0
8 a2 1 0 1 3/5 0 1/5
0 aA 2 0 0 -4/5 1 3/5
6 a\ 0 1 0 -1/5 0 2/5
C\-f\ l iill 8 0 0 -18/5 0 -4/5
[max]g = 6 ; =* [min]/ = 6 cu X\ = γ - ; x2 = 0 ; x3 = ţ .
Soluţie: [m ax ]/ = 15 0 ; Xt = 25 ; X2 = 0 ; X3 = 0 ;
X4 = 10 0 ; JC5 = 25 ;
125
16. [min ] f = x, - x 2 + x3 - x 4 + x5 - x 6
jc, + 3jc4 - x5 + x6 = 2
x 2 + 2 x 4 + x5 - 2x6 = 1
x3 - jc4 - x5 + 3jc6 = 1
xt > 0 ,i = 1,6
Soluţie: [mini/' = - 2 ; x, = 0 ; x2 - 1 ; x3
1
x4 ~ 2 ’ XS ~ 0 » Xf>'
3x, + x2 < 21
x j+ x 2 < 9
x ,,x 2 > 0
2x, + x 2 > 5
3x, - 2 x 2 < 6
*
x, + x 2 < 4
jc , , jc 2 > 0
λ, = —
Soluţie: r[m ·in]/ 54 ; x, = —
16 ; x 2
126
19. [maxI/' = x, + χ2
Xj - 2 χ2 > - 1
2χ, - χ2 < 1
Xj+X2 > l
χν χ2 > 0
Soluţie: [max]/ = 2 ; χ, = 1 ; χ2 = 1
2xj + x2 > 12
x, + 2 x 2 + 2 x 3 ^ 2 0
<
x2 + 2x3 > 15
2x, + 5 x2 > 20
Soluţie: rLmin
· U 840
\f = — 40 - x 2 = —
— · x, = ---- 36 ■
13 ’ 1 13 13 ’
127
22. [m in i/' = 5*ι + 2x2 + x3 + 3x4 + 3x5
2x, + x 3 + x 5 > 700
23. Determinaţi o raţie alimentară de cost minim, ştiind că sunt necesare 3000
calorii, 100g proteine şi se folosesc două feluri de alimente A\ şi A2. Primul aliment
A\ de 500g, conţine 1000 de calorii şi 25 g proteine, iar al doilea aliment A2 tot de
500g conţine 2000 de calorii şi 100g de proteine. Preţul pe unitate (500g) este de
1,80 u.m. pentru A t şi 8 u.m. pentru A2.
25. Trei depozite au în stoc 15 tone, 32 tone, respectiv 30 tone de marfa care
trebuietransportată la trei magazine ce au nevoie respectiv de 2 2 1,3 0 1,2 0 1. Matricea
costurilor de transport este:
f2 3 2λ
C= 1 2 1
1 2 4
V
Să se prezinte un plan de transport care să conducă la un minimum de cheltuieli.
Rezolvare. Deoarece Disponibilul este de 77 t şi necesarul este de 72 t problema
este neechilibrată. O echilibrăm prin introducerea unui m agazin fictiv care are
128
necesarul de 5 t. Costurile unitare de transport: c14 = c24 = c34 = 0. Vom determina o
soluţie iniţială de bază prin metoda colţului Nord-Vest:
C1 c2 c4 Disp
%
Dx 3 2 0
0 0 0
d2 1 0
K * 0 0
X X
^3 1 V " '
0 X 20
Nec 22 30 20 5 N . 77
77
* #
15 0 0 0
7 25 0 0
0 5 20 5
V /
129
Μ) + V] = 2 u3 + v2 = 2
u2 + Vj = 1 «3 + V 3 = 4
u2 + v2 - 2 «3 + v4 = 0
Deoarece numărul de necunoscute mai mare decât numărul de ecuaţii alegem prin
convenţie variabila ux= 0
Rezultă uşor: v, = 2
u2 = - 1
v2 = 3
w3 =—1
v3 = 5
v4 = 1
Calculăm diferenţele Dn = U\+ v2 -~C12 = 0
Dn = ux+ v3 -' c13 = 3
D\4 = u. + v4--C14= 1
•^23 = «2 + v3-” c23 = 3:
-^24 = m2 + v4-- c24 = 0
£>31 = «3 + vr ' C31 = 0
Deci soluţia nu este optimă pentru că există trei diferenţe strict pozitive.
Alegem cea mai mare diferenţă strict pozitivă şi din căsuţa corespunzătoare ei,
vom construi o linie poligonală închisă notând cu semnul +, vârful ei în căsuţa (2, 3),
apoi alternativ - , +, Dintre vârfurile cu semnul - alegem cea mai mică valoare Xy.
Această valoare o scădem în vârfurile cu - şi o adunăm în vârfurile cu +, restul
soluţiilor rămânând neschimbate. Pe fiecare linie sau coloană ale liniei poligonale nu
trebuie să existe mai mult de două vârfuri ale ei, iar soluţiile din căsuţele în care se
află vârfurile trebuie să fie > 0. după determinarea noii soluţii, procedăm la fel ca
pentru soluţia iniţială, până când toate Dtj < 0. Costul de transport se calculează după
formula:
m n
Ct - ·
130
Cjixο) = 2· 15 + 1- 7 + 2 - 2 5 + 2- 5+ 4 - 2 0 + 0- 5 = 177.
λ15 Ο Ο 0Λ
X = 7 5 20 Ο
Noua soluţie este: 1
Ο 25 Ο 5
Μ, + V! =2 Μ] = Ο: v. =2
«2 + V, = 1 u2 - 2
^2 ^2 2 ν2 - 2
«2 + V3 = 1 ν3 = 2
+ ν2 = 2 μ3 = 2
Μ3 + V4 = 0 ν4 = 2
0,3 = 0 + 2 - 3 = - 1
D23 = - l + 2 - 2 = - l
D24 = - 1 + 1 - Ο= Ο
£)24 = - 1 + 1 - ° = °
£>3ΐ = —1 + 2 —1= 0
Ζ)33 = —1 + 2 —4 = —5
Pentru că Z)y < Ο, soluţia x, este optimă, iar costul optim de transport este
131
26. Rezolvaţi următoarea problemă de transport:
1 5 2 13
1 2 1 30
2 3 4 34
22 30 25
Rezolvare:
Pentru că disponibilul este egal cu necesarul (77), problema este echilibrată.
Determinăm soluţia iniţială prin metoda colţului N-V.
'1 3 0 0λ
9 21 0
0 9 25
V
Soluţia iniţială x() este nedegenerată (are 5 componente Φ0).
Costul C^Xq) = 1 · 13 + 1 · 9 + 2 · 21 + 3 · 9 + 4 · 25 = 191.
Rezolvăm sistemul:
+ V, = 1 w, = 0 =Φ v, =1
u2 + V, = 1 m2 = 0
u2 + V2 = 2 v2 = 2
M3 + V2 = 3 «3= 1
i!
UJ
W3 + V3 = 4
D 0 +2 - 5 =
D : O+ 3 - 2 :
£>23 = O+ 3 - 1 = 2*
D 31 1 + 1 - 2 = 0
132
13 0 0Λ
Noua soluţie va fi: x, 9 0 21
9 30 4
il, + V1 = 1 uί - 0 => v, = 1
u2 + v>= 1 u2 = 0
u2 + V 3 = 1 v3 = 1
U, + V2 = 3
M, + V 3 = 4 v2 = 0
Du = 0 + 0 - 5 = - 5
Z)13 = 0 + 1 - 2 = - 1
D22 = 0 + 0 - 2 = - 2
Z>31 =3 + 1 - 2 = 2*
13 0 0
x2 = 5 0 25
Noua soluţie va fi:
4 30 0
133
Μ, + V, = 1 Μ] = Ο: ν, = 1
«2 + V, = 1
Vj = 1
U2 + V 3 = 1
w3 + v, = 2 μ3= 1
ν2 = 2
«3 + ν 2 = 3
£>12 = 0 + 2 - 5 = - 3
£>13 = 0+ 1 - 2 = - 1
£>22 = 0 + 2- 2= 0
£>33 = 1 + 1 - 4 = - 2
* r
27
134
0 0 0
1 15
Xo = 27 0 0
7
V 0 3 22 5
w, + V] = 4 M, = 0 :
u2 + Vj = 2
«2 + v2 = 2
«3 + v2 = 3 ti3 = - 1
m3 + v3 = 4 v3 = 5
«3 + V4 = 0 v4 = 1
D 12 = 0 + 4 - 5 = 3
£>,3 = 0 + 5 - 2 = 3
£>14 = 0 + 1 -0 = 1
Z)23 = —2 + 5 —1 = 3*
£>24 = - 2 + l - 0 = - l
£>3i = —1+ 4 —3 = 0
05 0 0 0^
JC = 7 5 22 0
Noua soluţie va fi ' 1
0 25 0 5
v
U, 4 1 2 0
15 0 0 0
u2 2 2 1 0
Ί -5 ^ ^ 22 0
«3 3 3 4
0
0 25 0
135
M, + =4 « , = Ο: v ,= 4
u2 + = 2 «2 = —2
u2 + V2 = 2 v2 = 4
u2 + V 3 = 1 v3 =3
ιιλ + V2 = 3 u3 = —1
m3 + V4 - 0 v4 = 1
Z),2 = 0 + 4 - 1 = 3*
0 ,3 = 0 + 3 - 2 = 1
Z>,4 = 0+ 1 - 0 = 1
d 24 = - 2 + 1 - 0 = - 1
*>31 = - 1 + 4 - 3 = 0
^33 = - 1 + 3 - 4 = - 2
Ui
O
0
o
M, + V, = 4 W, = 0 : v, = 4
M| + v2 = 1 v2 = 1
m2 + v, = 2
k2 + v3 = 1 v3 = 3
m3 + v2 = 3 «3 = 2
Mj + V4 = 0 v4 = - 2
Z)|3 —0 + 2 2 = 0
D 0 +( - 2 ) - 0 =- 2
: —2 + 1 —2 ——3
£>24 = - 2 - 2 - 0 = - 4
D : 2 + 4 - 3 = 3*
D :2 +3 -4 = 1
136
λ0 15 0 0Λ
Noua soluţie va fi: χι 12 0 22 0
10 15 0 5
v y
V1 v2 V3 V4
M] 4 1 2 0
0 15 0 0
u2 2 2 1 0
""12 0 ^22 0
w3 3 3 4 0
10 15 0 5
M] + V2 = 1 Wj = 0 => v2 = 1
M2 + V1 = 2 «3 = 2
«2 + V3 =1 V] = 1
m3 + V, = 3 V4 = - 2
îi, + V2 = 3 u2 = 1
w3 + V4 = 0
v3 = 0
£>π = 0 + 1 -4 = ·
D13 0 + 0 - 2 = - 2
£>14 = 0 - 2 - 0 = 2
£>2 2 = 1+ 1 - 2 = 0
£>2 4 = 1 - 2 - 0 = - 2
£>33 = 2 + 0 - 4 = - 2
Soluţia x3 este optimă pentru că toate diferenţele DtJ < 0.
Costul optim este Cj(x2) = 1 · 15 +2 · 12 + 1 ■22 + 3 · 10 + 3 · 15 + 0 · 5 = 136 < Cj(x0)
28 Două depozite au în stoc 100 tone respectiv 140 tone de marfă ce trebuie
transportată la trei magazine care au nevoie respectiv de cantităţile 70 t, 80t, 90t.
Matricea costurilor de transport este:
(30 20 40'
C =
10 60 30
y
Soluţie: Vom determina o soluţie iniţială de bază prin metoda colţului de N-V:
137
( 70 30 0 ^
Verificăm dacă soluţia : este optimă:
0 50 90
\
u2 + v 2 = 60 u2 = 4 0
v3 = - 1 0
u2 + v 3 = 30
Calculăm : Sy = w, + vy- —ctf, £5
<5 j3 = m, + v 3 - Cj3 = - 1 0 - 40 = - 5 0 < 0
<52j = w2 + Vj - c2 1 = 40 + 30 - 1 0 = 60 > 0
Deoarece nu toate < 0 =❖ soluţia nu este optimă.
Alegem atunci <5fe = max(<5ÿ) = <52 1 => (2,1) va intra în noua bază. Pentru a
vedea cine iese din baza anterioară, plecând de la (2 , 1 ) formăm un ciclu cu
elementele bazei, astfel încât pe orice linie sau coloană ale liniei poligonale să nu
existe mai mult de două vârfuri ale ei. începând cu (2 , 1 ) notăm alternativ vârfurile
liniei poligonale cu + şi - , vârful (2,1) având semnul +. Dintre vârfurile cu semnul
alegem
xiojo = min (Xy) =*(iQij 0) iese din bază. Noua soluţie de bază este:
138
Xy, => (U j)t C
x9 m
Xij + x i J o d tj)& C +
δ ι3 = « ! + v 3 - c 13 = 5 0 - 4 0 = 10 > 0
δ 22 = u2 + v 2 - c2 2 = - 6 0 < 0 deci soluţia nu e optimă.
=»(1,3) intră în noua bază.
(W o = ( y )
Se alege * Wo Şi
= 20
«1
«2
139
Verificăm dacă noua soluţie este optimă:
M, + v 2 = 20
(N
o
>
II
Mj + v 3 = 4 0 Mj = 0
v2 = 2 0
li2 + vj = 10 u2 = -1 0
v3 = 4 0
w, + v, = 30
=0 + 2 0 - 3 0 = - 1 0 < 0
70 0 70
Cost optim = 0-30 + 20*80 + 40-20 + 10-70 + 60-0 + 30-70 = 5200 U.M.
3 2 6 4 9
3 3 3 2 7
3 1 4 2 2
1 3 1 2 2
5 5 5 5
140
Verificăm dacă soluţia este optimă:
u, + v, = 3
«! + v2 = 2
u2 + v2 = 3 «1 = 0 Vl = 3
u2 + v3 = 3 «2 = 1 V2 = 2
« 2 + v4 = 2
«3 = 1 V3 = 2
Uj + v 4 = 2 “4 = 1 v4 = 1
«4 + v4 = 2
^33 = 1 · ^ 4 i = 3 ; δ 4 2 = 0 ; <54 3 = 2
= max δ & = δ 41 = 3
‘0 Jo = ( i,J
min = x 22 = 1
)e C -
141
u j + v, = 3
Ml + V 2 = 2
«1 = 0 Vl =3
w2 + v 2 = 3
«2 = - 2 V2 = 2
« 2 +V4 = 2
« 3 + v4 = 2
“3 = -2 V3 = 5
tt 4 = - 2 V4 =4
U4 + V, = 1
« 4 + v4 = 2
Vi V2 V3 V4
«i
«2
3_
«3
«4
142
M j+ V , =3
m, + v 2 =2
U1J
U\ = 0
II
V1
« 2 +Vj =3
u2 = 0 V2 =2
« 2 +V4 =2 => ·
0 =3
II
V3
W3 + V 4 =2
« 4 =- 2
V4 = 2
«4+ V , =1
« 4 + V3 = 1
5 = -
II
-2;<521 22 ;
0
X: : = min jc „. = x dl = 1
' οΛ) «J)e C - ÿ 41
«2
3
3
3
1 /
3 ^
/
4
3 X
«3
1
X
1 3 2
«4
143
M, + V, = 3
u, + v 2 = 2
II
Vi = 3
o
u2 + v3 = 3
u2 = - l v2 = 2
u2 + v4 = 2
=* ■
II
o»<
«3 = - 1
«3 + v 2 = 1
u4 = - 3 v4 = 3
«3 + v4 = 2
«4+V3 = l
5,3 — 2 ; <5,4 - 1 ; 5 2j — 1 ; δ χ — 2 ;
r5 4 0 0N
0 0 3 4
0 1 0 1
0 0 2 0
30,
3 2 1 370
1 2 ■2 10
1 3 1 220
500 50 50
Soluţie:
144
'n o so 5(Λ
X = 10 ο ο
220 0 0
-'optim= 1190
31.
10 6 4 50
2 8 6 30
1 3 3 30
10 20 70
Soluţie:
0 0 50
X = 10 0 10
0 20 10
= 370
32.
2 3 1 10
5 2 7 20
1 1 2 20
6 4 2 ’ 30
10 20 50
Soluţie:
Ό 0 10
0 20 0
X=
10 0 10
0 0 30
Coptim—140
33.
1 1 3 50
1 3 2 70
40 20 60
Soluţie:
30 20 0N
X=
10 O 10
C optim
, =180
145
34.
8 6 2 1 200
2 3 5 4 150
1 7 2 9 100
100 150 90 110
Soluţie:
' 0 0 90
0 150 0 0
x=
100 0 0 0
Coptim
. =840
35.
1 2 3 2 7
3 6 1 2 14
7 4 1 1 27
3 10 20 15
Soluţie:
"3 4 0 0
0 0 14 0
0 6 6 15
optim
70
CAPITOLUL Π
d (x ,y )= ^ jp x i - y i)2 (2)
148
Q(2,3) este punct izolat al mulţimii A şi este punct frontieră V(V2, V 2)e A este
punct de acumulare şi punct frontieră.
149
Definiţie. Fie (x0,y 0) e R2 un punct de acumulare al mulţimii A c/ ?2 şi fie
/ : A —» R . Spunem că numărul real l e R este limita funcţiei f(x,y) în punctul
(xoiVo) dacă pentru (V) ε > 0 există o vecinătate V a punctului (χο^ο) astfel încât
pentru orice (x, y) e V Π A să avem:
\f(x,y)-l\<e
şi scriem:
Hmf(x,y) = l.
(x,y)-*(.xa,y0)
O definiţie echivalentă cu precedenta este următoarea:
Definiţie. Fie (xo^o) un punct de acumulare al lui A c/ ?2 şi / : A —» R .
Spunem că le. R este limita lui f în punctul (x0lyo) şi scriem lim f(x,y) = l dacă
(x,y)^>{x0.yo)
pentru orice şir {(x„, yn)}■ . de puncte din A pentru care lim (x„, yn) = (x0, y0)
ti—
avem Mmf ( x n,yn) = l .
Π-»oo
Exemple:
1. Să se arate că lim (x2 + xy + y 2) = 7 . Avem:
2. Să se calculeze lim - -— .
*->0 x
y->2
sin xy sinxy sinxy _ , „
Avem hm ------- = lim y ------- = hm y lim ------- = 2-1 = 2 .
χ->0 X x->0 x y y->2 x->0 xy
y —>2 y —>2 J 2 *
150
*2 - 2· dacă (x, y) ^ O
f(x , y) = +
O dacâ(x,y)= 0
Fie şirul de puncte (*„, yn)nîl cu y„= m xme R . Acest şir de puncte se află pe
dreaptay=mx ce trece prin origine. Dacă xn —>0 atunci (0,0). Pentru
= lim-------17-1 ~i f :2 + z !L = = - 1 * 0 = /(0,0);
y 2 )(l + yjl + x 2 + y 2
l , 'y H ( 0'0) ( x 2 + 2
151
2. Să se studieze continuitatea funcţiei
2 2
xy~ — ~ r j dacă (jyO Φ0
f(x ,y ) = x +y1
0, daca (x ,y) = 0.
Pentru a calcula lim / (x, y) observăm că:
(* ,y )—>(0,0)
ILx2 —_y|
2|
0 < |/(x, _y)|= Ixyl-L-r-----f < Ixyl iar de aici urmează că
'x +y
lim f(x,y) = 0 => lim f(x, y) = 0 = /(0,0) adică f este continuă în (0,0).
(λγ,>)-»(0,0) (x,y)—>(0,0)
3. Derivate parţiale
Fie f :A<zR2 şi (xo^o) un punct interior lui A
Definiţie Funcţia f(x*y) este derivabilă parţial în raport x în punctul (xotKo)
dacă:
lim f(x ,y 0)-f(xo,yo)
x~>*o X - Xq
există şi este finită. Vom nota această limită cu / ' (x0, y 0 ) sau ■■ -^0’ ■ şi o
vom numi derivata parţială de ordinul întâi în raport eux a funcţiei f(xjO în punctul
(xo^o)· în mod analog spunem că f(x,j) este derivabilă în raport cu y în punctul
(x0tyo) interior lui A dacă:
lim —f ( xo;,yo) exişti şi estc finită.
y->y0 y -y 0
Notăm şi în acest caz limita de mai sus / ' (x0, y0 ) sau — _°’ 0 şi o vom
ây
numi derivata parţială de ordinul întâi în raport cu y a funcţiei f(x,>0 în punctul
(x0,y0). Din definiţia derivatelor parţiale rezultă că pentru a calcula derivata parţială
f x în punctul (x,y) se derivează f(x,>0 ca funcţie de o singură variabilă considerând
pe y constant. Analog se calculează derivata parţială f y{x,y) în raport cu y
considerând pe y constant.
Definiţie Fie / :A c.R 2 -*R derivabilă parţial în raport cu x respectiv y, oricare
ar fi (x,;y)e A . Dacă derivatele parţiale f x(x,y) şi f y(x,y) definite pe A sunt la
rândul lor derivabile parţial în raport cu x şi y, derivatele lor parţiale se numesc
derivatele parţiale de ordinul doi ale lui f şi se notează (fx)x = fxi(x,y) sau cu
cealaltă notaţie
152
d_r df {x>y ) d 2f ( x , y )
dx dx dx2
y) sau
_ d 2f ( x , y )
2 „· derivatele
şi . . parţiale mixte:
dy
(f'(r ν~Λ _ r" (r v\_ 9 fd / (x ,y))_ d 2/(x,y)
_ 2 (x 2 + y 2) - 4 x z _ 2 ( /2 - ^ 2) . „ -,
f s (x,y) =
(x2 + y 2J (x2 + y 2f ’
/ 2* Λ 4xy
f y ) = ( f x1 = x2 + y2 Şi
V+y'J
' 2y '
/«(*> y ) = = 7 , ■—"to i se observă că f xy(x,y)= f (x,y) egalitate a
^ 2 + / jx Ve +y /
derivatelor parţiale mixte de ordinul doi care în general nu este valabilă decât în
condiţiile criteriului:
Criteriul lui Schwarz. Dacă funcţia / : A c ä 2- ) ä are derivate parţiale mixte
de ordinul doi într-o vecinătate V a punctului (x0, y0)e A
şi dacă sunt continue în (xoO’o) atunci are loc:
fxy{Xo>yo)=fyx(Xo>yo)·
153
Definiţie Funcţia fCxjO este diferenţiabilă în punctul QcoJ’o) dacă există două
numere reale A şi μ şi o funcţie co:A~>jR continuă şi nulă în (xoj'o)
(cu(x0, yQ)= O), astfel încât:
f(x , y) - f(x 0,y0) =λ(χ-Χο) + μ ( γ - y0) +co(x, y)p(x, y) ,
unde p(x,y) = fix -x o )2 +(y - y0)2 ·
154
Expresia de mai sus a diferenţialei se mai poate scrie şi altfel punând
<p(x,y)=x, y/(x,y)=y şi deci ^ - = 1 , ^ = 0 , ^ - = 0 , ^ = 1.
dx dy dx dy
dnf = — 9 dx
, + ~ä dJy
dx dy
în care (n) înseamnă ordinul de diferenţiere care formal este asemănător dezvoltării
binomului lui Newton.
Exemplu. Fie funcţia f : R 2 ~*R f{x ,y ) = -Jx2 + y2. Să se calculeze df şi df2.
Avem:
155
d/ _ x W_ y deci:
2
V ^ + ÿ 1 ’ 3)1 V ^ + ÿ
df = ~ d x + ^f~dy = ..= J L ^ ·tic + ■■,·■------ dy = ■■.■■■■------ (x<£t + y<iy) Derivatele
ax * ' ^ ^ 77 7 7 7 7 V T + ÿ1
parţiale de ordinul doi sunt:
d2f _ y2 d2f _ x2 Θ2/ _ xy
3 ? > + , 2Γ a / > + / r a- ^ = > v r
5. Funcţii de n variabile
Fie A c i? " şi / : Ac. R". Valoarea funcţiei într-un punct x = (xl,x2,..jcn)e A o
notăm f(x) sau f(xi,x2,..jcn). Spunem că funcţia / este o funcţie reală de variabilă
vectorială x sau o funcţie reală de n variabile reale xj,x2,...xn.
Exemple
1. Funcţia de eficienţă cost sau beneficiu într-o problemă de programare liniară în
care vectorul program este x' = (x,,x2 iar vectorul costurilor unitare sau al
beneficiilor unitare c = (cl,c2,-..cn), este:
n
/ (x ,, x2,...x„ ) = CX= c,x, + c2x2 +... + cnx„ = £ CjXj
J=1
adică o funcţie de n variabile xx> 0, x2 > 0,...xn > 0
2. Funcţia cost total al transportului într-o problemă de transport este
m n
f ( x l l ’ x l 2 ’ ' " x m n ) = c l l x l l + C 12X 12 + — + c m n X mn ~ Σ ^ j ClJXtJ'
M j.I
xij > 0, cij >0, 1 £ î < m, 1 ^ j < n,
adică o funcţie à& p-m -n variabile.
în cele ce urmează vom prezenta succint extinderea de funcţii de n variabile a
noţiunilor introduse în cazul particular al funcţiei de două variabile.
Definiţie Fie x0 = (·χί\χ2σ,...χΛ0)ιιη punct de acumulare al mulţimii A q R".
Spunem că le. R este limita lui/în punctul x0 dacă pentru orice vecinătate V a lui
156
/ există o vecinătate U a lui x0 astfel încât oricare ar fi x e U f]A să avem
/ (* )6 V .
Vom scrie:
lim / (x) = lim f(x l,x2,...xn) = l.
x2-*x°
Definiţie Fie xe. Aç,Rn şi f:A - > R Funcţia /este continuă în punctul xu
dacă lim f(x ) = /(Xq) astfel scris
x-*x0
Avem şi aici derivate parţiale de ordin superior analog cu cele de ordinul doi.
.n
Astfel derivata parţială de ordinul k = ^ i a funcţiei / de ordinul k^ în raport cu
;=i
x\, de ordinul k2 în raport cu x2, ... de ordinul k^în raport cu xn este:
157
dkf( x x,x2 ,..j tH) _ w
(■*„ ~ *°)
Punând χ·Γα\=άχι, diferenţiala se poate exprima cu ajutorul operatorului de
diferenţiere:
dj = -^—dxx
3/ j + -d—
f dx2
j +... + -d—
f dxn\
j
dxx dx-, dx„
sau
df{x Γ, V )= £ V ( * f , x2° )
' ^ s
Diferenţiala de ordin it> la funcţiei / se defineşte recursiv printr-o relaţie
asemănătoare
d*/= 4*‘ '7 )
sau:
158
Definiţie. Punctul (a,b) se numeşte punct de maxim local dacă există o
vecinătate V a lui (a,b) astfel încât f{x, y) < f(a,b )pentru orice punct (λ, y)sV .
Analog punctul (a,b) este un punct de maxim local dacă f(x ,y )> f(a ,b ) pentru
orice (x ,y )e V .
Aceste puncte se numesc extreme locale ale funcţiei f
Propoziţie. Dacă funcţia / are derivate parţiale într-un punct de extrem (a,b)
interior mulţimii A atunci derivatele parţiale ale lui / se anulează în acest punct
adică:
f x(a,b) = f y(a,b) = 0.
Pentru demonstraţie să considerăm funcţia f|(x)=f(x,b) definită pe mulţimea
Af, ={jte R/(x,b)e Ă\. Funcţia f| admite un extrem local în punctul x=a, deci
/, (a) = 0 . Dar
/;<„)=l i m Æ i b j W , . /> w
*-*» x -a *-»<» x -a
de unde rezultă că f x(a,b) = 0. Analog se obţine f y{a,b) = 0 considerând funcţia
Λ 00 =f ( a >y ) ·
Definiţie. Se numeşte punct staţionar al funcţiei fix,y) un punct (a,b) interior lui
A în care f(*,>0 este diferenţiabilă iar diferenţiala sa este nulă dfia,b)=0.
în baza acestei definiţii a punctului staţionar deducem echivalenţa:
df(a,b) = f x(a,b)dx + f'y(a,b)dy = 0 <=» f'x(a,b) = f y(a,b) = 0
adică putem spune că (a,b) este punct staţionar al funcţiei f dacă funcţia este
diferenţiabilă, si are derivatele parţiale nule în acest punct.
Propoziţie Orice punct de extrem local al funcţiei/în care/ este diferenţiabilă,
este punct staţionar.
într-adevăr în baza propoziţiei anterioare avem
f x(a,b) = f y(a,b)~ 0 deci (a,b) este punct staţionar al funcţiei. Reciproca acestei
propoziţii nu este adevărată, adică există puncte staţionare care nu sunt puncte de
extrem, fapt ce rezultă din exemplul următor:
Fie funcţia {(x,y)=x2-y2, (x, y)e R2
Avem f x(0,0) = 2*|(010) = 0; //0,0) = 2y|(00) = 0; /(0,0) = 0
Funcţia / este diferenţiabilă în punctul (0,0) deoarece derivatele parţiale sunt
continue deci (0,0) este punct staţionar.
Totuşi punctul (0,0) nu este punct de extrem. într-adevăr în orice vecinătate a
punctului (0,0) funcţia ia atât valori pozitive cât şi negative deoarece
f(x,0) = x2 >0> /(0,0) pentru punctele de pe axa Oy şi
/(0, y) = - y 2 < 0 < /(0,0) pentru punctele de pe axa Ox. Deci în (0,0) funcţia nu
are nici minim local nici maxim local.
159
Stabilirea faptului că o funcţie admite într-un punct un extrem precum şi natura
extremului (maxim sau minim) reiese din următoarea teoremă pe care o dăm fără
demonstraţie:
Teoremă. Fie A ς; R2, f : A —>R şi (a,b) un punct staţionar al funcţiei f(x,y)
interior lui A. Presupunem că pe o vecinătate V a punctului (a,b) funcţia f(x,y)
admite derivate parţiale de ordinul doi continue. Notăm
Δ(χ, y ) = (X, y) ·f y*(X, y ) - [ f l y (x, y ) J
I. Dacă A(a,b) > 0 atunci (a,b) este un punct de extrem local al funcţiei f(x,y) şi
anume:
1° punct de minim, dacă /χ2 (a,b) > 0 ;
2° punct de maxim, dacă f ' t (a,b) < 0 ;
II. Dacă A(a,b)<0 atunci (a,b) nu este punct de extrem local. Un astfel de
punct se numeşte şa.
III. Dacă A(a,b) = 0 teorema nu poate afirma nimic despre punctul staţionar
(a,b).
Exemplu Să determinăm extremele funcţiei / :R2 —» R
ţ(x,y) = / + / -2x2 + 4xy -2y2- 1.
Determinăm punctele staţionare rezolvând sistemul obţinut prin anularea
derivatelor parţiale de ordinul întâi în raport cu x respectiv y:
f jx , y ) = 4x3- 4 x + 4y = 0 jjt3-x + ;y = 0 <
fy(x,y) = 4y3 + 4 x -4 y = 0 {y3+ x - y = 0
=>x3 + y 3 =0<=>(jc + y)U 2- r y + >>2) = 0 x + y= 0 saujc2- x y + y 2 = 0 rezultă y=-
X şi x2 -x y + y2 =0 => x,ye C . Pentru y=-x prima ecuaţie ne dă
x3 - 2x = 0 —» x(x2 - 2) = 0; jc = Ö sau x = ±V2 . Rezultă punctele staţionare
A(0,0); B(-V 2,V 2);C(V 2,-V 2).
f"
x2 (x,y) = \2x2 -4\ f '^{x,y) = l2 y 2 - 4 ; =4
A(x, y) = (12jc2 - 4)(12/ - 4) -1 6 .
Să analizăm natura punctelor staţionare. Pentru A(0,0) avem:
Δ(0,0) = 0 nu avem răspuns, deci nu putem stabili natura punctului A(0,0).
Pentru B(-V2,V2) avem:
Δ(-λ/2,-\/2) = 384 > 0 deci B(-V2,V2) este un punct de extrem şi anume punct de
minim deoarece / 2(—>/2,42) = 20 > 0.
în mod analog se arată că C(V2,—J2) este punct de minim.
160
7. Extremele funcţiilor de n variabile
Fie / : A Q Rn - » R o funcţie de n variabile f(xi^2-.jcn). Dacă într-o vecinătate
V a punctului (aua2,...an)s A are loc relaţia
f(x l,x2,...xn) - f ( a l,a2,...an)>Opentru orice x< (x1,x2,...x„)e V atunci
(ax,a2,...an) se numeşte punct de minim local, iar dacă
f(x î,x2,...xn) - f ( a l,a2,...an)< 0 pentru orice x e V , atunci (ΰ],α2,...αη) se
numeşte punct de maxim local.
Definiţie Un punct a = (al,a2,...an) se numeşte punct staţionar al funcţiei /
dacă:
Λ, (aua2,...an) =0
f x^ ax,a2,...an) = 0
f i , (aua2,..xin) = 0
Punctul a = (al,a2,...an)e A este punct staţionar al funcţiei dacă f este
diferenţiabilă în a şi df(a)=0.
Pentru a determina punctele staţionare ale unei funcţii diferenţiabile
f{xx,x2,...xn) pe mulţimea A q R", se rezolvă sistemul obţinut prin anularea
derivatelor parţiale de ordinul întâi:
f x M ’XZ’-X n ^ 0
f Xn(xx,x2,..jcn) = 0
Teoremă Fie a = (al,a2,...an) un punct staţionar al funcţiei f(x x,x2,...xn) .
Presupunem că f admite derivate parţiale de ordinul doi continue într-o vecinătate
V a lui a = (al,a2,...a„).
Notăm αί} = f'XiXj(av a2,...an), i,j = l,2,...n
I. Dacă toate numerele:
a 13 au a1£... Oln
On a \2
a22...
Δ, - an ; Δ2 = %
α 12 a 21 a 2n
; Δ3 —a 2l a 22 f l23 ,..Δ „ =
d2l a 22
a 3l f l32 a 33
°nl a„2- a nn
161
Π. Dacă toate numerele - Δ 1,Δ2)-Δ 3,...(-1)"ΔΒ sunt pozitive, atunci punctul
a - (ax,a2,...an) este un punct de maxim.
fxix,y,z) = 1 - - J - J - 0
4x
f y( x , y , z ) = - 2 - ~ = 0
2x y
f z(x,y,z) = 2 — =0
y z
y y
f xi(x,y,z) = ^ ; fxyf.x,y,z) = f n (.x,y,z) =0
' 4 -2 0 '
4 -2
A= -2 3 - 3 cu Δ, = 4 > 0, Δ2 = = 8>0
-2 3
V. 0 -2 6
4 - 2 0
şi Δ3 = - 2 3 - 2 = 32 > 0 deci punctul
0 - 2 6 l T2 J J ))
strict şi fmin=4.
162
8 - Extreme condiţionate
în studiul diverselor modele matematice de optimizare din economie aşa cum s-a
văzut la problemele de programare liniară şi în cele de transport, trebuie să se ţină
seama de unele restricţii (legături, condiţii pe care trebuie să le satisfacă variabilele
modelului). Avem prin urmare de considerat aşa numitele extreme condiţionate sau
cu legături ale unor funcţii cărora trebuie să le determinăm maximul sau minimul,
în cele ce urmează prezentăm pe scurt (fară demonstraţie) metoda multiplicatorilor
lui Lagrange pentru determinarea extremelor condiţionate ale unei funcţii:
Fie / : A c i ? ” -^ fi şi sistemul de p < n ecuaţii:
Fi(xl ,x2,..jc„) = 0
F 2 ( x 1, x 2 , . . . x „ ) = 0
Fp(xl ,x 2,...x„)=0,
funcţiile reale Fi,F2,...Fp fiind p funcţii definite implicit tot pe mulţimea A.
Extremele funcţiei f i(xl,x2,..-xn) când punctul (xl,x2,...xn) parcurge numai
mulţimea A0 a soluţilor sistemului (1) se numesc extremele funcţiei f condiţionate
de sistemul (1) sau extremele funcţiei f supusă legăturilor (1).
Punctele staţionare ale funcţiei f când punctul parcurge numai
mulţimea A« a soluţiilor sistemului (1) se numesc puncte staţionare legate sau
puncte staţionare condiţionate ale funcţiei f.
Metoda multiplicatorilor lui Lagrange comportă următoarele etape:
1. Se formează funcţia auxiliară de n+p variabile numită funcţia lui Lagrange:
f(x , , x2,...xn\λχ,λ 2,..λρ)= f{ x Y, x2,..jcn)+ AjF, (x,, x 2,...xn) +
+ ă 2F2(xx,x2,...xn)+...+ ĂpFp (.x! , * 2 )
unde λχ,λ2,..λη sunt p parametri reali care se numesc multiplicatorii lui Lagrange.
2. Se anulează cele n+p derivate parţiale ale funcţiei F în raport cu xl,x2,...xn ,
\ ,λ 2,...λη obţinându-se sistemul de ecuaţii
Fx, =0, FXi =0,...FXn =0; FA| =F1=0, F^ =F2 =0,...FAp =Fp=0
şi se rezolvă acest sistem de n+p ecuaţii cu n+p necunoscute.
163
4. Stabilim care dintre punctele staţionare condiţionate sunt punctc de extrem
condiţionat pentru f, considerând semnul diferenţialei de ordinul doi a funcţiei F
calculată în punctul xx,x2,...xn şi pentru λ[ =λ{,λ2 =λ^,..Αρ =λ0ρ adică
d2F(x°,x2°,...xn°) care are expresia:
η λ2 o o o I
d 2F = V 3 ^ ■ ^ / ^ . d d x.dx
iJm, 3xpxj
HvHv J
X
9/1
F = 1 - - γ =0 x3 = y3 =2Ă ( λ * 0 )
y
' > - 7 +7 - 7 -°
w +w =? 35 w ° ^ (2λ ^ v ^ A=±a! Æ
x, » ( a i ; — aj ï
y i = xù yi - X2 şi punctele staţionare sunt:
164
Cercetăm care sunt punctele de extrem:
18
A(x, y) = — j >0 —> Mi şi M2 puncte de extrem.
4a
Pentru a > 0 Mi punct de minim şi M2 punct de maxim.
Pentru a < 0 Mi punct de maxim şi M2 punct de minim.
Probleme
1. Sâ se determine punctele de extrem pentru funcţia:
f(x ,y ) = xz +y2- 4 x - 2 y +5 f : R 2->R.
Rezolvare: Punctele staţionare sunt soluţiile sistemului:
® W ) =2 * - 4 =0
ts =»(2,1) punct stationar.
y -(x ,y ) = 2 y - 2 = 0
dy
Calculăm: E(x,y) = · d f, λ3 7
dxdy 2 (x> y )^ r(x>y)
\
^2 r tj2 r pi2 s
^ r (X,y) = 2 ; °-φ {χ ,γ ) = 2· l J - ( x , y ) = 0
^-{.x,y) = o
dy
A (l,2) B(l,-2) C(-l,2) D(-l,-2) puncte staţionare.
θ2/ 37 Ϋ
37,
£(*,y)=:^d xr 2r (vx>y)-TT(x>y)- dxdy
(x,y)
8 /
166
ψ ( χ ,γ ,ζ ) =Ο - 2(χ + 1) = Ο
αχ
^ - ( χ ,γ ,ζ ) = Ο <=> -2Ο> + 2) = 0 (-1,-2,-3) punct staţionar
dy
ÈL ( x ,y ,z )= Ο - 2(ζ + 3) = Ο
dz
Δι = π ( Η - 2,“3) * - 2< °
οχ
0 ( - l -2,-3) = -2 ; (-1,-2,-3) = -2 ; 0 ( - l - 2 - 3 ) = -2 ;
| ^ -(-l,-2 ,-3 ) = 0;
dxcy dtcdz
(-1,-2,-3) = 0 ; f-f
dydz
(-1 ,-2 ,-3 ) = 0 ;
-2 0 0
Ο Ο -21
f ’(x,z) = 3 *2 + 3;y2 - 15 = 0
<=> soluţiile sistemului (punctele staţionare)
f'(x , y) = 6xy - 12 = 0
C = 6 r ’ fxy = 4 = 6 y /> = 6*
Determinăm matricea corespunzătoare fiecărui punct staţionar:
"6 12 n Di = 6 > 0
I) (1,2)
6 ai cărei minori sunt ^ - - 72 < 0 =>
/
=> nu sunt nici toţi pozitivi, nici cu semne alternante începând cu
= » Pi ( l , 2) - p c t. ş.a.
"12 6 N A = 12 > 0
II) Analog Λ ’,α,ΐ) = =>
6 12 D2 = 118 > 0
V /
toţi minorii pozitivi P2(2, 1) - punct de minim
168
III) Analog obţinem P 3( - 2, - 1) - punct de maxim iar P4( - 1, - 2) - pct ş.a.
f x(x, y ) = 0 | 3x2 + 3 y = 0
f(x,y) =0 |3y2 + 3jc = 0
jj =- x 2 \y = - x 2 j y =- x 2
, <=> 1 „ <=> i <=>
Ix (r+ 1 ) = 0 (-x")2 + x = 0 x4 + x = 0
Iy = - X-
^ xx= 0 şi x2 = - 1 (soluţii reale).
Lv(.v3 + 1) = 0
=> punct de extrem local şi cum / 2(—1, —1) = —6 < <=> M 2( - 1 , - 1 ) - punct de
maxim local.
J{x, y, z) = x2 +y2 + z2 - xy + x - 2 z.
169
/ > 2 x - ;y + l = 0
f'= 2y - x = 0
Soluţie. I) Rezolvând sistemul
f ’= 2 z - 2 = 0
_i !
3’ 3’
/ ; = 2; f~t - 2; /,; / „ - - l:
= 2; /. /,; o; / ; = / ; = o.
'/ ; 4 /«Λ
A = fÿx f}- fÿz
fl fy h
/(x, y ) = x4 +y4- x 2 - y 2.
/ = 4 λ:3 - 2x 0 j jc(2jcz - ) = 0
Soluţie:
fi = 4y3 - 2y = 0 ^ 'I x(2
~ - ~y2
2 - 1) = 0
170
Obţinem punctele staţionare:
^ ( 0 ,0 ) ; P2 0 , - 4 = 0, - 4 = ,o
V2 42
1 \
,0 Df i n n( i )
’ Ί
42 42’ 4i y 4 2 ' 42 y
' 1 1 N D
’ *9 ί 1 1 1
vV2 ’ V 2y ,4 2 '4 2 ,
Verificând fiecare punct dacă este sau nu punct de extrem local, obţinem:
P }- punct de maxim; P2 - punct ş.a.; P3 - punct ş.a.; P4,P5 - punct ş.a.; ΡΊ,
punct de minim; P8, P9 - punct de minim.
= 2i/x2 + 2dy2
5 5
Diferenţiind legătura obţinem: 2dx +dy = 0=$dy = -2 dx
4 7
^ d 2F\ - , = 2dx2 +8dx2 =\0dx2 >0
5 5
' 4 71
punct dc minim condiţionat.
5’5
172
d2F(\,1,1) = ζζ·(\χ\)άχ2 +ζ ζ -(ΐχ \ W +^£(1,1,1 )dz2 +
dx dy dz2
R: A maxim condiţionat
2’ 2
173
CAPITOLUL ΙΠ
X X, X2 · ■ Xi ... x„
Y yi y2 ■ y> - y n
al datelor experimentale.
înţelegem prin a descrie cât mai fidel fenomenul cercetat, obţinerea unor
diferenţe cât mai mici între valorile observate yt corespunzând valorilor observate
jc, şi valorile f(xj care sunt ordonate punctelor curbei de ecuaţie y = f(x).
S(.a,ß) = ^ { y ,- ( a + ßxt)] .
i=l
Punctele staţionare sunt soluţii ale sistemului de ecuaţii:
ds = 0 sau [ - 2 5 > , - ( a + M =0
da W [ - 2 5 > i - ( a + /fc,)]=0
η<χ+ βγι χι = Σ ^ ·
sau (5)
> Σ * .+ 4 Σ Χ -Σ ™ ·
Sistemul (4) poartă numele de sistemul ecuaţiilor normale ale lui Gauss,
necunoscutele fiind a ş i β şi care rezolvat ne dă estimaţiile α*,β*.
Aplicând formulele lui Cramer găsim:
Σ*. η Σ*
a*=Σ*λ ■; ß*=Σχι Σ*λ (6)
176
compatibilitatea sistemului.
Punctul (α*,β*) este un punct de minim pentru funcţia S(a,ß).
într-adevăr:
(7)
=ηα + β Σ χ ι
= α Σ * ;+ 0 Σ * '2
177
* * Λ*
yt xf y, = α + β x. £i=yi -y't e f= ( y ,- y ,Y
(Xj) anii 1 2 3 4 5 6 7
(yO indicatorii 3 4 6 6 8 9 10
178
ηα + / 3 Σ * ;= Σ * /
ί=1 /=!
hy> y,=a+fc « f - W
179
Σ χ^
ß*=-
Σ>Γ
Σ χι2λ ” Σ χ? Σ λ
_β- ^
,2
Σ *? - Σ *;
ι=1 /*1
Σ * =η<χ+β ' Σ χι +γ Σ χΐ
Σ*'^ =αΣ χ>+0Σ*<2+υΣχ?
Σ χ^ ι = a ' Z x‘ + ^ ' L x‘ + υ Σ χΙ
Nr. Xi yi xf x-.yi χϊ xt
1 2 3 4 5 6 7
1 Xi yi xf xiyi
x\ xt
η y. x «yn
xn
2 xi xt
181
xfyt y; = a + ß-xi+ 5'x f ε <= yi - y*
8 9 10 11
• * Λ* £*♦ 1
y x - a + p X|+d Xj e,· =y\-y\ ε,2 =G,i - y * ) 2
• * «* c** 2
x\yn y n = a +β χ„+δ xn ε» = (νπ - λ )2
ηα + β ^ χ , + y ^ x f ^ y ,
(=1 (=1 1=1
« Σ * ' + ρ Σ χϊ +υ Σ χϊ = Σ * » *
i=l i=l (=1 (=1
7 7 7 7
αΣ χ<+^ Σ χ<+υΣ χϊ =Σ χι yi
. (=1 i=l ί=1 1=1
Organizăm calculele în tabelul următor:
y. X1
ΛΙ x3 A x fy ,
-3 6 9 -27 81 -18 54
-2 5 4 -8 16 -10 20
-1 3 1 -1 1 -3 3
0 2 0 0 0 0 0
1 4 1 1 1 4 4
2 5 4 8 16 10 20
3 7 9 27 81 y ' 21 63
7 0 32 28 0 196 4 164
Σi=l
182
V*
—
1
Il
Λ =α* + ß*x,+Y*xf
ss
«* =(y, - y ' ) 2
6,27 -0,27 0,0729
4,29 0,71 0,5041
3,1 -ο,ι 0,01
2,9 -0,9 0,81
3,43 0,57 0,3249
4,86 0,14 0,0196
7,1 -ο,ι 0,01
31,95 0,05 1,7515
j - 2 8 a - 1 2 r = -.2 8 36
1 2 8 « + W , =164 - γ - 7 S. « = T
/ 84y = 36
Κ = 2 0 + Ι χ + 1 χ 2.
7 7 7
*/ y· '_r
2 1
—yt • =—
a . o* yi-y\ h-yif
xi Λ +0
*i Xi
, x‘ .
183
X . 1 = 2,283; 2 ^ 1 = 1,463; £ Λ = 3 4 ,7 6 6 ; =63
M */ /«l Xi i=l Xi /»I
14,265
/ ( λ) = 6,086 +
/ (6 ) = 6 , 0 8 6 + 1 ^ · = 8,463.
6
Σ x‘ = 15
1=1
â = -7,6
R: => b = 205,2 =912
1=1
/(*) = - 7,6 *+205,2
Σ x,y t = 2660
. (=i
Xi -3 -2 -1 0 1 2 3
y\ 2 5,10 9 13,5 24,5 17 19
R: 5 = 2,15; 0 = 12,87
/ ( λ) = 2,15*+ 1,87.
187
6. Volumul vânzărilor pe primele cinci luni de zile ale anului la un articol de uz
casnic (în milioane lei) e dat în tabelul de mai jos:
5
Se face o translaţie a originii şi ^ x , =0
/=t
Xi -2 -1 0 1 2
y\ 8 9 10 10,2 11
188
CAPITOLUL IV
189
Se observă că spaţiul Ω corespunzător fiecăreia din primele patru experienţe
aleatoare este finit. în cazul experienţei aleatoare de la exemplul 5°, spaţiul Ω este
infinit numărabil,iar spaţiul Ω de la exemplul 6° este infinit nenumărabil.
Din cele de mai sus se remarcă faptul că orice mulţime poate fi considerată ca
spaţiul Ω al cazurilor posibile (evenimentelor elementare) punând în corespondenţă
biunivocă elementele mulţimii cu rezultatele posibile ale unei experienţe aleatoare
convenabil aleasă.
în cazul unei experienţe aleatoare cu un număr finit n de cazuri posibile vom
s c rir
Ω = {»1,ω 2,..Λ>π},
unde ω, 6 Ω este un eveniment elementar i = l,n.
în cazul când Ω este infinit numărabil cu o infinitate de cazuri posibile scriem:
Ω = {aj1,û)2,<a3 e Ω ,ι = 1,2,...
Observaţii. Trebuie remarcat faptul important că orice experienţă aleatoare ^ se
soldează cu un singur rezultat (caz) posibil şi numai unul, altfel spus rezultatul unei
experienţe aleatoare este un singur eveniment elementar ω şi numai unul al
spaţiului Ω.
In teoria probabilităţilor se operează cu evenimente pe care le definim cu
ajutorul evenimentelor elementare ale spaţiului Ω corespunzător unei experienţe
aleatoare Le numim evenimente compuse sau simplu evenimente. Prin eveniment
compus înţelegem orice situaţie (enunţ) legată de experienţa aleatoare £, despre
care în urma experienţei aleatoare se poate spune că s-a realizat sau nu (că enun
ţul este corect sau fals).
190
în general putem spune că un eveniment compus A legat de o experienţă
aleatoare este o parte a lui Ω şi se scrie:
192
A u B = {/este par sau i > 4}= {2,4,5,6},
A n B = {i este par şi i > 4}= {4,6},
Ac = {/' este impar}= {l,3,5},
Bc = {/< 4}= {1,2,3}, A \B = {2}.
Rezultă din cele de mai sus o reprezentare a evenimentelor şi operaţiilor în limbajul
teoriei mulţimilor ilustrată în tabelul următor:
Având în vedere dualitatea de limbaj ilustrată în tabelul de mai sus, vom exprima
figurativ cu ajutorul diagramelor lui J.Wenn corespondenţele din tabel.
193
A, u Α2 υ . . . = ^ Α ,· este evenimentul care constă în realizarea cel puţin a unuia
ßl
dintre evenimentele A i,A2,... Deci:
uA,· ={<ye Ω /tue A{ sau coe A2sau...}.
De asemenea intersecţia a n evenimente A 1,A2,...An notată
n
A, n A2 n ... n An = A,· es*e evenimentul care constă în realizarea simultană a
i»
tuturor evenimentelor Ai,A 2,...An şi îi sunt favorabile evenimentele elementare
favorabile şi lui Ai şi lui A2 şi lui A„, deci:
QA;. = {ωε Ω Icoe. A1 şi cue A2 $7...ωε An}.
Aceeaşi definiţie rămâne valabilă pentru un şir infinit (A,· )ßl de evenimente astfel
că:
Q A ={ß)e Ω Icoe Aj şi coe A2 şi coe A3...}.
în ceea ce priveşte compatibilitatea evenimentelor, spunem că evenimentele
A|,A2,...A„ sunt incompatibile în ansamblul lor (în totalitate) dacă sunt
incompatibile două câte două adică At n A - = 0 , i Φj , i, j - 1, n. Aceeaşi definiţie
se extinde şi la cazul unei infinităţi numărabile de evenimente.
Definiţie·. Un sistem de evenimente A],A2,...An incompatibile în totalitate se
numeşte sistem complet de evenimente dacă reuniunea lor este evenimentul sigur:
—_ n
Ai n A , = 0 i Φj , i, j = l,n , şi u A, = Ω . Cu alte cuvinte, înseamnă că în
1=1
194
Exemple
1°. Care este spaţiul Ω al evenimentelor în cazul experienţei aleatoare care
constă în a scrie un număr de două cifre distincte alese la întâmplare dintre cifrele
1,3,4,?
Rezolvare.
Spaţiul Ω = {13,14,31,34,41,43}, numărul evenimentelor elementare fiind
Al = 6 .
2°. Experienţa aleatoare: se extrag simultan şi la întâmplare două bile dintr-o
urnă cu 3 bile albe şi 2 bile negre.
Care este spaţiul Ω?
Rezolvare. Notăm cu aba2,a3 bilele albe şi cu nh n2 bilele negre.
Evenimentele elementare ale experienţei aleatoare sunt: extragerea bilelor a/ şi a2
pe care o notăm simbolic cu Ω = { . . . } (aha2) şi (a,,a3); (ahn,); (a,,n2)\ (a2,n,)\
(.o2,n2); (a3,n,)\{a3n2)\ (n,,n2). Numărul cazurilor posibile este C\ =10.
3°. Dintr-o urnă cu 3 bile albe şi 2 bile negre se extrag la întâmplare două
bile.
a) Se consideră evenimentele:
A) - obţinerea a două bile negre;
A 2 - obţinerea cel puţin a unei bile albe;
A 3 - obţinerea unei singure bile albe;
A4 - obţinerea unei singure bile negre;
A 5 - obţinerea o două bile roşii.
Folosind definiţiile precizaţi pentru fiecare eveniment dacă este aleator,
sigur, imposibil, elementar sau compus.
b) Să se regăsească rezultatele de la punctul a) folosind mulţimile de
evenimente elementare.
Rezolvare, a) Α 1,Α 2,Α 3,Α4 sunt evenimente aleatoare deoarece la o efectuare
a experienţei (o extragere) oricare dintre ele se poate sau nu se poate realiza. De
exemplu, dacă rezultatul experienţei este (α/,α2), Ai nu s-a realizat, dar dacă
rezultatul experienţei este (nhn2), Ai s-a realizat, unde am notat bilele ca în
problema precedentă.
Evenimentul A 5 este imposibil, Ai este elementar deoarece se realizează
numai prin rezultatul (tii,n2).
Ă 2 este eveniment compus deoarece se realizează prin mai multe rezultate
posibile: (a,,a2); (a2,a3); (a2,n2) etc.
A 3, A4 sunt evenimente compuse; A5nu este nici elementar nici compus.
b) Avem A{ = {(n,,n2)} eveniment aleator elementar.
A2 = {{^,a2\(al,a3),(a,,nl ),(al ,n2),(a2,a3),(a2,nl),(a2,n2),
(a2, n2), (a 3,nl),(a3, n2)}eveniment aleator compus
A3 = {(al,nl),(al ,n2),(a2,nl),(a2,n2),(a3,nl),(a3,n2)} eveniment aleator
compus.
195
Α» = {(«ι.0ι) .( « ι.α 2 )-(ηι>α 3)-(η 2·αιΧ(Μ2>ΰ 2 )-(η 2 ·α 3)} eveniment aleator
compus.
4°. Se consideră evenimentele Ai,A2,A3,A 4 din problema precedentă. Să se
precizeze perechile de evenimente egale, perechile de evenimente compatibile,
incompatibile, contrare, perechile de evenimente la care primul implică pe al
doilea.
Rezolvare. A3 =A4 deoarece obţinerea unei singure bile albe (realizarea lui A3)
implică obţinerea unei singure bile negre (realizarea lui A4) şi reciproc.
Sunt compatibile perechile de evenimente (A2,A3); (A2,A4); (A3,A4) deoarece
se pot realiza simultan.
Sunt incompatibile perechile (A/,A2), (Aj,A3), (Aj,A4) deoarece (respectiv) nu
se pot realiza simultan.
Sunt contrare Aj şi A2 deoarece obţinerea a două bile negre (realizarea lui
Aj) face imposibilă obţinerea cel puţin a unei bile albe (realizarea lui Â2) şi
reciproc.
Relaţiile A3 c A4 şi A4 c A3 sunt imediate. Relaţia A3 c A2 rezultă din
incluziunea dintre mulţimile de evenimente elementare ataşate.
5°. Se controlează calitatea a cinci produse. Fie A evenimentul ca cel puţin
unul dintre produse să fie defect şi B evenimentul ca cel mult două din produse să
fie defecte. Ce înseamnă evenimentul A şi B ?
Rezolvare: A este evenimentul ca toate produsele controlate să fie bune, iar
B este evenimentul ca cel puţin trei produse să fie defecte.
196
Se observă însă că într-o clasă foarte largă şi importantă de cazuri repetându-
se o anumită experienţă de un număr mare de ori, frecvenţa apariţiei evenimentului
A maifestă o anumită stabilitate adică ea diferă rareori în mod esenţial de un anumit
număr pozitiv constant. Un exemplu cunoscut şi adesea citat în literatura de
specialitate în care stabilirea frecvenţelor poate fi intuită este următorul: să
considerăm experienţa aruncării unei monede, aproape omogenă, în urma căreia se
pot produce două evenimente A apariţia stemei şi A apariţia banului şi ne fixăm
atenţia asupra apariţiei stemei (evenimentul A). Să repetăm de n ori experienţa şi
fie m numărul de apariţii efective ale stemei. Frecvenţa experimentul lui A este
conform definiţiei
n
Doi cercetători de seamă din istoria probabilităţilor Buffon şi Pearson, au
ajuns după efectuarea unui număr mare de astfel de experienţe la următoarele
rezultate:
198
Un rezultat analog se poate obţine dacă ne referim la oricare din celelalte
cinci feţe care apar la aruncarea zarului.
Cele descrise în exemplele precedente ne conduc la concluzia că în general
în cazul linei experienţe repetate având drept rezultat un eveniment oarecare A,
există o mărime constantă în jurul căreia oscilează frecvenţele relative ale
evenimentului A şi de care se apropie din ce în ce mai mult odată cu creşterea
numărului n al probelor. Această constantă pe care o notăm cu Ρ(Λ) şi care
reprezintă estimaţia cantitativă a posibiliţilor apariţiei evenimentului A, adică
măsoară şansa de realizare a evenimentului, se numeşte probabilitatea
evenimentului A. Probabilitatea evenimentului A este o caracteristică intrinsecă a sa
în timp ce frecvenţa sa în diversele serii de experienţe concrete este numai o
manifestare întâmplătoare a acestei caracteristici constante, care exprimă o legătură
bine determinată deci specifică dintre condiţiile în care are loc experienţa de masă
şi evenimentul aleator A. Probabilitatea P(A) reflectă structura obiectivă a
experienţei însăşi în care se observă evenimentul A. Valoarea ei este strâns legată
de condiţiile experienţei de masă şi se modifică îndată ce se modifică aceste
condiţii.
Ca valoare numerică aproximativă a probabilităţilor Ρ(Λ), poate fi luată
frecvenţa f n(A) obţinută după un număr mare n de experienţe efectuate în aceleaşi
condiţii. Precizia unei astfel de măsurări empirice a probabilităţii creşte odată cu
numărul experienţelor.
199
(k2) A i,A2,...g fi (Ω) implică u A, e fi (Ω)
iäl
(Äj) A e fi (Ω) implică Ace fi(Q )
în acest caz mulţimea părţilor fi (Ω) ale lui Ω care este mulţimea tuturor
evenimentelor legate de un experiment aleator asociat spaţiului Ω şi .care
satisface condiţiile ki)-k 2 ) se numeşte câmp de evenimente asociat spaţiului Ω
şi se notează prin dubletul (Ω ^ (Ω)). Proprietăţile ki)-k3) se numesc axiomele
câmpului de evenimente.
Exemplu de câmp de evenimente. Se consideră experienţa aleatoare de
extragere a unei bile dintr-o urnă care conţine patru bile albe numerotate 1, 2, 3, 4
şi o bilă neagră numerotată cu 5.
a) Să se scrie câmpul de evenimente ataşat acestei experienţe.
b) Câte evenimente sunt în câmp.
c) Să se scrie evenimentele elementare.
d) Să se scrie implicaţiile dintre evenimente.
Rezolvare.
a) Câmpul este {Ω, Κ}= {Φ, {k}, {/, {/, j,k},{i,j,k,l},{i,j,k,l ,m}} unde
i,j,k,l,m iau independent valorile de la 1 la 5 dar cu restricţia că în cadrul unei
grupe toţi indicii să tie diferiţi, iar două grupe cu acelaşi număr de indici să difere
prin cel puţin un indice. Am notat cu {k\ extragerea bilei cu numărul k; evenimen
tele de forma {i,j},{i,j,k},^,j,k,l} arată că am extras sau bila i sau bila j (i*j)
etc. iar [i,j,k,l,m }= Ω reprezintă evenimentul sigur.
b) Câmpul de evenimente se compune din:
1 + Cj + Cj + C5 + C 5 + C| = (l + 1)5 = 2 5 evenimente
c) Evenimentele elementare sunt:
{1}.{2},{3},{4},{5}
d) {l}c {l,2},{l}c {1,3},{l}c {1,4},{l}c {1,5},{l}c {1,2,3},...
{2} c {1,2}, {2}c {2,3},{2}c {2,4},{2}c {2,5}
{l,2}c {1,2,3}..
200
(Pi) p (u Af )= £ P(Aj) oricare ar fi evenimentele
iii
A,,A2...€ f i (Ω) incompatibile în ansamblul lor.
Cele trei condiţii de mai sus pe care le satisface probabilitatea unui
eveniment A se numesc axiomele probabilităţii. Ultima relaţie (p3) ne arată că
probabilitatea P este complet aditivă. Să observăm că din proprietatea de aditivi
tate completă rezultă mai întâi luând At = 0 , /£ 1 că P ( 0 ) adică probabili
tatea evenimentului imposibil 0 este egală cu zero, apoi At = 0 , i > n rezultă că:
\ n
, = £ P ( A , ) , oricare ar fi evenimentele Ai,A 2,—A„ incompatibile în
) i=i
ansamblul lor. Ultima relaţie ne arată că probabilitatea P este şi finit aditivă.
Tripletul (Ω, <Ρ(Ω), P) se numeşte câmp de probabilitate ataşat unui eveniment
aleator căruia îi este asociat spaţiul Ω finit sau infinit numărabil.
O probabilitate P pe <Ρ(Ω) poate fi construită după cum urmează. Fie p(i)
numere nenegative de sumă 1 puse în corespondenţă biunivocă cu evenimentele
elementare ω, ale lui Ω. Definim Ρ(ω ,) = p(i) şi pentru un eveniment Ae f i (Ω)
punem:
P(A) = 5 > ( o
(ilaifiA)
Se vede imediat că P este într-adevăr o probabilitate în sensul definiţiei date
mai înainte. Reciproc, orice probabilitate P pe Ρ(Ω) poate fi construită ca mai sus
luând p(i)-P(a>) .
în cazul particular când Ω = {ω,,ΰ)2,...,ΰ)η} luănd p(i) = P(coi) = — şi
n
scriind A = ω η u û j,2 u ...u c o im unde ncoik = Φ j ± k şi 1< i,< i2<..< im< n,
probabiltatea lui A va fi
P(A) = P(coi{)+ p(û), )+... + P ( w J = - + - + ...+ - = -
1 2 " ^η η T ηJ n
dem ori
Rezultă că în cazul Ω finit, probabilitatea oricărui eveniment A este:
n, n _ nr.even.elementare din A _ nr. cazurilor favorabile lui A
r\A) —
nr.total de ev. elementare nr. tuturor cazurilor egal posibile
Aceasta este aşa numita definiţie clasică a probabiltăţilor care după cum
vedem este aplicabilă în condiţii deosebit de restrictive.
Cazul particular considerat poate fi materializat printr-o urnă conţinând n
bile care diferă între ele numai prin culoare. Este natural atunci să presupunem că
probabilitatea extragerii oricăreia dintre ele este —. Dacă în urnă avem nt bile de
n
201
culoarea i, 1 < /< r, ^ n , = n atunci probabilitatea extragerii unei bile de culoarea i
i '= l
este raportul —— .
b -a
în mod analog dacă se ia la întâmplare un punct dintr-un domeniu plan D
astfel încăt să nu existe porţiuni privilegiate, atunci probabilitatea ca punctul să
Aplicaţie. Pe un plan sunt trasate drepte paralele, distanţa dintre două drepte
consecutive fiind 2a. Se aruncă la întâmplare un ac de lungime 2l<2a. Care este
probabilitatea ca acul să taie una din dreptele reţelei?
204
Dacă luăm un sistem de axe a Od se observă că a lua la întâmplare un punct
în [0,a] şi independent un punct din [Ο,π] înseamnă a lua la întâmplare un punct din
dreptunghiul D (fig.2). Deci mulţimea poziţiilor posibile ale acului este
reprezentată de mulţimea punctelor domeniului D.
Fig. 2 Fig. 3
Din fig. 2 reiese că acul va tăia una din dreptele paralele dacă MP<MQ adică
0 < d < ls in a (l). Graficul funcţiei d = Isina este cel din Fig. 3
Se vede că inegalitatea (1) este satisfăcută în domeniul D ' haşurat. Mulţimea
punctelor domeniului D' în care este verificată (1) reprezintă mulţimea cazurilor
favorabile. Probabilitatea căutată este:
j, _ aria D'
ariaD
Dar aria D = an iar pentru aria D ’ avem:
n
aria D'= J Lsinadx = /(-cosa)|* = 21 ;
o
Deci: P =— ,
an
Se vede că P depinde de a şi / şi efectuând un număr mare de n aruncări
putem estima probabilitatea P cu ajutorul frecvenţei relative/, a evenimentului ca
acul să taie una din dreptele reţelei. Presupunând că în n aruncări ale acului s-au
produs m astfel de intersecţii, putem scrie egalitatea aproximativă:
m 21 , , 21n
— = — , de unde n ------ ,
n an ma
relaţie prin care pentru n suficient de mare s-au obţinut pe cale experimentală
aproximări bune
205
ale numărului π. Astfel dacă luăm / = — înseamnă că P = — adică
2 n
— « — —>π ~ — . S-au făcut astfel de experienţe: de exemplu o persoană aruncând
π n m
de n -5000 ori un ac de 36 mm pe o suprafaţă haşurată cu drepte paralele la distanţa
de 45 mm una de alta, a realizat intersecţia de m=2532 de ori. De aici a dedus
π=3,159.
206
7. A, B e K, P (A u ß ) = P(A) + P(P) - P( A η P)
Pentru demonstraţie avem A u B = B v(A \B ) iar B şi A\B sunt
incompatibile. Conform cu 1. scriem:
P( A u P) = p [b <
u (A\B)]= P(B) +P(A\B) şi ţinând cont de 6, deducem:
P( A u B) = P( A) + P(B) - P( A n B)
în continuare vom da fară demonstraţie unele proprietăţi în care intervin
şiruri de evenimente şi probabilităţile acestora, proprietăţi ce sunt consecinţe ale
aditivităţii complete a probabilităţii.
8. Pentru orice şir descendent de evenimente A p A p . . . avem
p|QAj=Umi-(A,)
9. Pentru orice şir ascendent A, c A2 c ... de evenimente avem:
P (u A,· J= lim P(An)
i>l
Proprietăţile 8. şi 9. poartă numele de proprietăţi de continuitate ale
probabilităţii pe câmpul (Ω,Κ,Ρ).
Exemple 1. Dintr-o urnă în care se află 35 de bile de aceeaţi mărime
numerotate. Se extrage la întâmplare o bilă. Care este probabilitatea ca numărul
astfel obţinut să fie divizibil cu 3 ?
Rezolvare. Fie (Ω,Κ) câmpul finit de evenimente ataşat experienţei, unde:
Ω = {1,2,...35}
în acest câmp evenimentele elementare {l},{2},...,{35} sunt echiprobabile.
Fie A evenimentul că numărul extras din urnă e divizibil cu 3. Atunci P(A) se poate
calcula cu definiţia clasică:
P(A) = - ,
n
35
unde n=30 şi m = = 11 şi deci P(A) = -^·
3
2. Din mulţimea {l,2, . n e N , se alege la întâmplare un număr. Car
este probabilitatea ca numărul ales să fie divizibil cu k,ke N,k < n ?
Rezolvare. Fie (Ω,Κ) câmpul finit de evenimente ataşat experienţei, unde:
Ω = {ΐ,2,...,/ι},
şi evenimentele elementare {l}{2},...,{n} sunt echiprobabile. Fie A evenimentul ca
n\k. Atunci P(A) se poate calcula cu definiţia clasică:
n
P(A) =
n
3. într-o urnă se află bile numerotate de la 1 la 10. Se extrag la întâmplar
toate bilele. Care este probabilitatea ca primele două numere extrase să fie în
«■207
ordinea naturală?
208
incompatibile. Pentru aceasta observăm că A u B = A n B şi cum Α π Α = Φ
rezultă imediat că Α η (Α η β )= Φ ,Α η (Α τΓ β )= Φ şi ( Ä n ß ) n ( A u ß ) = Φ.
Apoi reuniunea evenimentelor trebuie să facă Ω. Avem:
A u (Àn ß)u A u (Àn ß)u (Âη ß)=
{/ = ύ γjUγ uΛAΗ
jn ÎΔA ^u Φb ))^
uηL4ΒnB) )=
=
= | A u A ju ( A n ß | n [( A u ß ) u ( Ä n ß jj= Q
Deci P(A) + P (A n 5 ) + P(Ă u ß) = 1
7. Probabilitatea condiţionată. Regula de înmulţire şi regula de adunare
probabilităţilor.
a) Fie (Ω,Κ,Ρ) un câmp de probabilitate şi B e K, P(B)>0. Pentru orice A e
definim:
Pb(A) = P(AIB) = ~ F>{A- B)
P(B)
aplicaţie numită probabilitatea evenimentului A condiţionată de realizarea
evenimentului B.
Pentru ca definiţia să aibă sens, trebuie să arătăm că probabilitatea
condiţionată P(A/β ) verifică cele trei axiome ale probabilităţii.
întrucât P (A nB ) şi P(B) satisfac axioma (pt), rezultă şi P(A/B)> 0 .
Pentru axioma (p2), facem Α=Ω şi avem:
P(B) P(B)
Pentru verificarea axiomei (p3), să considerăm evenimentele A/ şi A2
incompatibile şi să demonstrăm că
Pi A, u A2/B)= P(A, IB)+ p (a 2 /B)
P(A u A .'B) n Î A . u A j n g J ^ P K A n ^ u Ç A .n f i) ] ;
V1 2 P{B) P(B)
Dar Α1η Α 2 =Φ d e c i^ , n ß ) n ( A 2 nß )= (A , n A 2) n B = 0 adică
Axn B şi A2 n B sunt incompatibile deci:
ρ[{Αλ η Β ) ν { Α 2 ηΒ)]=Ρ(Αχ nB )+ P{A 2 nB)·,
210
Observaţie. Dacă Ai,A2,...An sunt independente atunci sunt şi două câte două
independente, reciproc însă, nu.
Vom demonstra că reciproca nu este adevărată prin contraexemplul dat de
S. Bernstein.
într-o urnă se află patru bile identice numerotate cu numerele 1,2,3,4.
Experienţa aleatoare constă în extragerea la întâmplare a unei bile.
Fie A ev. apariţiei bilei numerotate cu 1 sau cu 2
Fie B ev. apariţiei bilei numerotate cu 1 sau cu 3
Fie C ev. apariţiei bilei numerotate cu 1 sau cu 4.
Avem: P(A) = P(B) = P(C) = 1 + 1 = 1
4 4 2
P( A n B ) = P( A n C ) = P(B n C) = ~ ·^ = ■- deoarece A,B,C sunt
independente două câte două. Deoarece însă
p (An ß n C ) = P (l) = * P(A)· P(B) ■P(C) = ^ evenimentele A,B,C nu sunt
independente în ansamblul lor.
DacâA/,A2,...,A„ sunt evenimente independente, are loc:
(« \
n A : = Ρ(Α1)·Ρ(Α 2)·...·Ρ (Α „),
i=1
in-1 Λ ( n - l ^ n -l >
n A, = P n A,. •Pt A„ /n A. şi în virtutea ipotezei de inducţie
i=l i=l " i- l ‘
rezultă:
211
Relaţia precedentă exprimă regula de înmulţire a probabilităţilor
evenimentelor condiţionate.
Exemplu: într-o anumită localitate, în medie, 6 zile dintr-o lună sunt cu cerul
acoperit. Se cere probabilitatea ca în primele trei zile din luna iulie să avem cer
senin.
Notăm cu A,: evenimentul ca ziua i să fie senină (i=l,2,3). Avem de calculat:
4
, , 4s j ^ ^ . ί a \ η/λ ia AS 25 24 23 2300
P(A, n A 2r\Ai )-P (A {)-P(A1 l AX)-P(A3! \ n ^ ) - — ·— ·— -
5
c) Regula de adunare a probabilităţilor pentru evenimente incompatibile şi
compatibile.
Fie evenimentele A/,A2,...An definite pe acelaţi câmp de probabilitate.
Dacă evenimentele sunt două câte două incompatibile atunci probabilitatea
/ n \ f n \ »
Poincaré:
■l· p i n Ai = 1 de unde:
l M )
= 1 -/ | η Α · = ι - Π ^ · ) = ι - Π ( 1- ρ (Α·))
i=l i=l
Dacă P(Ai) =p 1=1,2,...n, avem în final:
/ | u A ,.j = l - ( l - p ) \
213
8. Scheme probabilistice clasice
P (X ) = £ P (A ,.)-P (X / A (.)
i=l
numită formula probabilităţii totale.
Pentru demonstrarea formulei, observăm că:
P (X ) = / | ù ( X n A j] = £ p ( X n A ,.) .
\1 / i=l
Dar Ρ{χ n A,)= P(A; ) ■P(X /A, ) , deci rezultă formula probabilităţii totale:
P(X) = ^ P ( A i)-P(X/Ai).
i=l
Exemplu: Să considerăm 3 urne identice, cu următoarele compoziţii :
Urna nr. de bile albe nr. de bile negre
u, 1 1
u2 5 3
u3 1 3
Se alege la întâmplare una din urne şi din ea se extrage o bilă. Se cere
probabilitatea ca bila să fie albă.
Soluţie. Se aplică formula probabilităţii totale. Fie X evenimentul ca bila
extrasă să fie albă şi Ak, evenimentul ca bila să provină din urna Uk,
k = Ü . X = (a, η X ) u (Aj η X ) u (a 3 η X ) şi deci:
Ρ (Χ ) = Υ Ρ ( Α 1.)·Ρ(Χ /Α 1.) = - · - + - · - + - · - = —
tÎ 3 2 3 8 3 4 24
b) Formula lui Bayes
Considerând sistemul complet de evenimentele A,,A2,—,An ne propunem să
calculăm probabilităţile p(A; /X ) adică probabilitatea evenimentului A,
condiţionat de X.
Pentru aceasta, folosim relaţia:
P(A,. η X ) = P (X ) ■P(A, /X )= P(A, ) · P(X /A,. ).
De aici, obţinem probabilitatea cerută:
214
P( )= P W ^ A )
v ' P(X)
şi folosind formula probabilităţii totale, se găseşte relaţia:
* y x ) . « Λ * « !'* ) ,
Ÿ p ( A ) H x /A)
i=l
numită formula lui Bayes.
Exemplu: Trei întreprinderi trimit acelaşi tip de produse la un magazin, în
proporţie de 50%, 30% respectiv 20%. Cele trei întreprinderi dau rebuturi 1%, 3%
respectiv 2%. Produse în valoare de 36 milioane lei s-au dovedit rebuturi. în ce
proporţie trebuie împărţită suma de 36 milioane între cele trei întreprinderi?
Soluţie. Notăm cu A·;, evenimentul ca un produs să provină de la
întreprinderea i, i=l,2,3 şi cu^f: evenimentul ca un produs să fie rebut.
P(Ai)-0,5, P(Az)=0,3, P(A3)=0,2
P(X /A ,) = 0,01 P(X/A2) = 0,03 P(X/A3) = 0,02
Aplicând formulele lui Bayes obţinem:
fx y P ^ - P jx / A ţ ) 5
f /P(Ai) P ( x / A i) 18
i=l
,x y P(/j,)P(X/A,) 9
j^ P W - P iX I A ,) 18
1=1
/xy P(A3)-P(X/A3) 4
f J P(Ai)-P(X/Ai) 18
i=l
Deci sumele imputate fiecărei întreprinderi sunt respectiv:
— ·36 mii. = 10 milioane le i,
18
9
— 36 mil. = 18 milioane le i,
18
4
— 36 mii. = 8 milioane le i.
18
c) Inegalitatea lui Boole
Am văzut că pentru două evenimente compatibile A, şi A2 avem:
P(AXu A2 ) = P(A, ) + P(A2) - P{A, n A2)
Luând pentru P{AXu A2) valoarea sa maximă egală cu 1, obţinem:
215
P^nA^Pi/g +i W - l η
Analog, considerând evenimentele A3 şi Axn A2 putem scrie
P(A, n A2 n A3)> P(A, n A2) + P(A3) - 1 şi aplicând primului termen din dreapta
din nou inegalitatea (*) avem:
PIA, n A 2 n A 3)> [P(A ,) + P(A2) - 1]+ P( A3) -1
deci P n A , > £ P ( A ) - 2
i=l
i=l
Presupunând inegalitatea valabilă pentru (n-l) evenimente, vom demonstra
că este adevărată şi pentru n.
( n-l i n -1 Λ
PlA; = P n A, n Ai >P n A j + P(An)~ 1,
i=l 1 i'=I '=1
şi în continuare, aplicând ipoteza de inducţie rezultă:
n -l
adică: P n A ;
i=l
i=1
Relaţia obţinută se numeşte inegalitatea lui Boole şi ne dă o limită inferioară
pentru probabilitatea realizării simultane a evenimentelor AhA2.—,An·
Exemplu. Un produs este standard dacă îndeplineşte trei condiţii C/,C2,Cj.
Din 1000 de produse, 92% îndeplinesc Ch 85% Q şi 89% condiţia C3. Să se
calculeze probabilitatea minimă şi maximă ca un produs să fie standard.
Soluţie. Notăm cu A i,A2,A3 evenimentele ca piesa să îndeplinească C/,C2
respectiv C3.
Probabilitatea ca un produs să fie standard este P(At η A2 n A} ). Aplicând
inegalitatea lui Boole, obţinem:
p (A n A2 n A, ) > P( A, ) + P( A3 ) + P( A, ) - 2 =
= 0,92 + 0,85 + 0,89-1 = 0,66
Deoarece A , n A 2 n A 3 c At (v) i = 1,2,3 avem
p (a , n A2 n A3)< min{P(A)}= 0,85 deci
i
p (a, o A j P i A j )e [o,66; 0,85]
d) Schema lui Poisson şi schema lui Bernoulli cu două şi mai multe stări.
Să considerăm o experienţă £ care constă în efectuarea a n experienţe
independente £2,···, <fn,iar Ai,A2,...,A„ n evenimente legate de experienţele £ 1,
£2·—, £n ■Probabilitatea realizării a k (0 < k < n) din cele n evenimente, atunci când
se efectuează £ este coeficientul lui xk din polinomul
Q(x)=(p,x+qi) (p2x +q2) - (P*x+qn)
216
undepi=P(A), q i-1-ρι i-l,2,...,n
Pentru a justifica această afirmaţie ţinem seama că pentru a se realiza k din
cele n evenimente şi deci n-k să nu se realizeze, trebuie să se realizeze un
eveniment de forma:
A = Aiin A ii n ...n A i i n A iM r\Ail+1 n ...n A in unde ii,i2,'...in este o
permutare a indicilor 1,2,...ti. Probabilitatea evenimentului A este
P{A) = phph...pitqiM...qin
unde am notat P { \ ) = ph, P(A,2) = ph, P(A,t+1) = ...P(Ăin) = q^ .
Rezultă că evenimentul a cărui probabilitate ne interesează este
ρΛ Κ ) = Σ ρ < ιρ >
ι ···ρ ,^ % . · · · %
suma luându-se după toate permutările indicilor 1,2,...n.
Aceasta revine însă la a calcula coeficientul lui xkdin polinomul
Q(x) = (p,x+q,)(p2x+qi)...(pnx+qrj
Această schemă se numeşte schema lui Poisson.
Exemplu. într-un lot de produse 5% sunt defecte,în al doilea 6%, în al treilea
3%. Se extrage câte un produs din fiecare lot şi se cere probabilitatea ca din trei
produse extrase unul singur să fie defect.
Avem: p t-0,05; p2-0,06; ps-0,03; qi=0,95; q2=0,94; q}-0,97.
Probabilitatea cerută este coeficientul lui t din produsul (0,05t+0,95)
(0,06t+0,94)(0,03t+0,97) adică:
0,05-0,94-0,97-K), 06-0,95 -0,97+0,03 0,95-0,94=0,13.
Fie acum o experienţă £ şi A un eveniment, care se realizează cu
probabilitatea p la o efectuare a experienţei. în aceste condiţii probabilitatea ca
evenimentul A să se realizeze de k ori şi de n-k ori să nu se realizeze când este
efectuată de n ori experienţa £, este egală cu Ck npkqn~k, (q = 1 - p). Această
schemă probabilistică se numeşte schema lui Bernoulli cu două stărişi este un caz
particular al schemei lui Poisson.
într-adevăr, dacă la schema lui Poisson considerăm că cele n experienţe//,
£2·—. £n constau în repetarea în aceleaşi condiţii a experienţei £, atunci
evenimentul considerat se realizează cu aceeaşi probabilitate p în fiecare din cele n
experienţe,adicăpi~p2=...=pn-p şi de asemenea qt=q2-...=qn=q=l-p.
Rezultă că probabilitatea ca acest eveniment să se realizeze de k ori şi de n-k
să nu se realizeze este coeficientul lui xkdin polinomul
(px + q\px + q)...(px + q)=(px + qy adică este egală cu Pn(k) = Ckp kq"~k
'------------------V----------------- '
n factori
Atunci când aplicăm schema lui Bernoulli, trebuie să ne fie clar car4e este
experienţa ce se repetă, care este evenimentul pe care-1 aşteptăm în fiecare probă şi
care este probabilitatea acestui eveniment când se efectuează o singură dată
experienţa.
217
Deoarece P„(k) este chiar coeficientul lui xk din dezvoltarea binomului
(px+q)n, această schemă se mai numeşte şi schema binomială.
Schema lui Bernoulli se poate realiza cu ajutorul unei urne cu bile de două
culori, din care se poate extrage pe rând câte o bilă, de fiecare dată punându-se bila
extrasă înapoi în urnă, de aceea este cunoscută şi sub numele de scheme bilei
revenite.
Exemple·. 1) Probabilitatea nimeririi într-o ţintă la o singură tragere este
p=0,8 . Să se calculeze probabilitatea ca în şase trageri consecutive ţinta să fie
nimerită de 5 ori.
Fie A evenimentul ca ţinta să fie nimerită la o tragere. Deci P(A)=p=0,8
constantă în fiecare tragere şi p (Ă )= l-p = 0,2 probabilitatea de a nu nimeri.
Avem n=6, k=5 şi deci probabilitatea căutată este
P6 5 = C lp 5q{ = Cl (0,8)5(0,2) = 0,3932
2) într-o urnă sunt 4 bile albe şi 2 bile negre. Se fac 8 extrageri succesive c
revenirea bilei în urnă după fiecare extragere. Se cere probabilitatea de a obţine de
4 ori bila albă.
4 2
Fie A: evenimentul apariţiei bilei albe. Avem P(A) = —= —= p
p (ă )= ş = 1 , n = 8, k = 4 deci calculăm
8!
P&A = C ep4? 4 = c i
4!-4! 6561
Să considerăm acum cazul mai general al schemei lui Bernoulli cu mai multe
stări, când în urnă sunt bile de s culori şi se fac n experienţe cu revenire. La fiecare
extragere poate să apară numai unul dintre evenimentele A/,A2,...,AS care formează
un sistem complet de evenimente, Ai fiind evenimentul bilei de culoarea
218
η = 12, η ,= η 2 =... = η6 = 2 Probabilitatea cerută este:
12! f l 2 12!
n i / jV 2
Ρ(12; 2,2.....2)=
2Î2L.2! \6 26
e) Schema bilei nerevenite cu două şi mai multe stări
într-o urnă sunta bile albe şi b bile negre. Din această urnă se extrag consecu
tiv n bile (n < a+b) fară întoarcerea bilei extrase în urnă (ceea ce este echivalent
cu a extrage deodată n bile). Probabilitatea ca din cele n bile extrase x să fie
albe şi restul de n-x negre este:
C xa / -*n-x
b
cn '•'a+b
Dacă în urnă sunt bile de m culori, n, de culoarea cly n2 de culoarea c2,...,nm
de culoarea cm şi se extrag « bile (n < ni+n2+...+nm) atunci probabilitatea de a
obţine xt bile de culoarea c/, x2 bile de culoarea c2,...jcm bile de culoarea cm
(xj+x2+... +xm=n) este:
c «1
x,c "x\..cx
2 nmm
C"
v-'fli+n2+...+nm
219
C,42 _12!_ 9 10-11 12 9 10-11-12 99
41-8! 1-2-3-4
f) Problema concordanţelor
O urnă conţine n bile numerotate l,2,...,n. Se fac extrageri succesive fără a
pune bila înapoi în urma golirii urnei. Se cere probabilitatea obţinerii cel puţin a
unei concordanţe. Prin concordanţă înţelegem evenimentul ca la extragerea „f ’ să
obţinem exact bila numerotată cu i.
Soluţie. Fie At: evenimentul obţinerii unei concordanţe la extragerea de rang
i, (V) i-l,2,...,n.
Avem de calculat P(At u A2 <j ...kj A„) unde evenimentele At sunt
compatibile, deci se aplică formula lui Poincaré.
p{Al u A 2 v ... u A n)= % P (A i)-'£ p (A i n A J ) + f J P{Ai n A j n A k)+
i<j<k
η! n
într-adevăr, sunt nl moduri egal posibile, diferite, de extragere a celor n bile şi
deoarece una dintre ele este extrasă exact la extragerea cu numărul de pe bilă, avem
(n-l)! cazuri favorabile (celelalte n-l bile pot fi extrase în (n-l)! moduri la cele n-l
extrageri rămase).
, ( V ) iJ ,k c u i< j< k ,
220
§2. Variabile aleatoare
1 2 3 4 5 6 1 2 3 ... k
X :
1/6 1/6 1/6 1/6 1/6 1/6 V i y* x· ... x·
Vom numi lege de probabilitate sau repartiţie a variabilei aleatoare
discrete această corespondenţă între valorile posibile ale v.a. şi probabilităţile
corespunzătoare. Evident că suma probabilităţilor din linia a doua a tabelelor = 1.
în general scriem:
Σ λ =>
k=\
sau
2
X: pk >0, k = l,2,...,n;
P\ P2 Pn
*=i
în cazul v.a. de tip continuu, legea de probabilitate este corespondenţa dintre
intervalele dreptei reale şi probabilităţile corespunzătoare acestor intervale:
I —» P (X e I), X v.a., I c R interval.
Aceasta, deoarece valorile posibile ale unei astfel de v.a. nu mai pot fi scrise
într-un şir şi în plus aşa cum se va arăta P(X=x), x e R dacă X este continuă.
Cu aceste noţiuni putem da o definiţie matematică a variabilei aleatoare care
trebuie să permită să se lucreze cu probabilităţi de forma:P(X=x), P(X<x),
P(x<X<b), P(X>x).
Suntem conduşi la următoarea definiţie:
Se numeşte v.a. variabilă aleatoare {v.a.) reală pe câmpul de evenimente
(Ω,Κ) orice aplicaţie Χ. Ω—^Rpentru care:
{û>: X(ct))e /}e K ,
oricare ar f i intervalul I al dreptei reale.
într-adevăr, pentru a putea vorbi de P(a<X<b) de exemplu, trebuie ca
{α < X < b}= {to : Χ (ω )ε {a,b)} să aparţină domeniului de definiţie al lui P, adică
222
lui K, altfel spus ca {X (ω ) e /} să fie eveniment.
Dăm un exemplu din care să se înţeleagă mai bine definiţia de mai sus.
Persoanele A şi B aruncă pe rând un zar. Se acordă celui care aruncă zarul:
1 punct dacă apare una din feţele 1,2;
2 puncte dacă apare una din feţele 3,4;
3 puncte dacă apare una din feţele 5,6.
Notăm cu X variabila aleatoare care reprezintă numărul de puncte obţinute
de o persoană (de exemplu A) la o aruncare a zarului. Remarcăm că avem de-a face
cu experienţa aleatoare a aruncării zarului la care spaţiul Ω al cazurilor posibile
este:
Ω = {1,2,3,4,5,6}.
Variabila aleatoare X este aşa cum am văzut o aplicaţie: Ω—ïR deoarece X ia
valori reale în funcţie de rezultatul întâmplător al experienţei. Se observă că
x({l})= 1;X({2})= 1;X({3})= 2;X({5})= 3;X({6})= 3
Egalităţile de forma {X = x} sunt evenimente. De exemplu egalitatea X=1
este evenimentul {1,2}, deoarece înţelegem că X=1 este echivalent cu a spune că s-a
realizat evenimentul {l,2}.
223
αχ, αχ2 ... αχ„
aX ; pi = P(aX = αχ;).
^ Ρι Ρι - Ρ„ ,
Variabila α+Χ ia valoarea α+χ, când X ia valoarea χ,·, deci repartiţia sa este:
f a + x{ a + x2 ... a + x n>
α +X : ; /?,· = P(a + X = a + x,). ·
Pi P2 - Pn
Fie X şi Y două variabile aleatoare. Vom numi suma lor variabila X+Y care ia
valoarea x,+ty dacă X ia valoarea x, şi Y ia valoarea yr Dacă X şi Y au repartiţiile:
\ m n
1 A2 ··· y\ y2 yn
şi y ; c u Σ ? , =1 Pi * 0 , şi£ < ?;· =1,
v Pi Pi - P„ , <7i Qi
atunci X+y are repartiţia:
x +y
'x\ +y\ x2+yz - xi+yj - xm+y»
P il Pl2 ··■ Pij ·■· Pmn
unde pij (1 <i <m; 1 < j <n) este probabilitatea evenimentului:
{X = xt) n (y = y j ) iar £ £ p , y = 1
i= l j=\
Definiţia pe care am dat-o sumei a+X (ae R) rezultă din definiţia sumei X+Y, dacă
X ,γ ·
V i = 1,2,...m, j = 1,2,...«, £ p ; = 1, = 1,
I P I) 9j
variabila XY are repartiţia
\
W j
XY - Σ Σ ^ =1>
Pij ) i”1 ;'=i
iar pij are semnificaţia de mai înainte.
Produsul <xY fa e Pj se obţine din această definiţie dacă luăm Y=a. De
asemenea este uşor de observat că variabila 2X coincide cu variabila X+X. Mai
general
kX = X + X + ... + X ,(ke N)
kori
Puterea r e Z a variabilei aleatoare simple X este variabila X care ia valoarea
xf dacă X ia valoarea x,·. Dacă repartiţia variabilei X este
224
n
l· Σ λ - 1 .
i Pi P2 Pn (=1
atunci repartiţia variabilei X este
x rf x[ x r2 ■
Λ
n
«
. Σ λ - ι
KP\ P2 · Pn i=I
1 1'
şi Pi =P(X = X.)= P , 1 = 1, n.
ii. iL h. m
X
Y
yi y2 yj yn Σ Σ ^ =1
i= l 7=1
Pn P 22 Pa Pmn
Py = ρ ( [ τ = ι ( λ 7 = ^ } y j * 0 j = l,n
b) Independenţa a două variabile aleatoare simple
Atât în problemele teoretice cât şi practice suntem conduşi să considerăm
împreună perechi de variabile aleatoare care iau valori independent una de cealaltă
sau mai precis probabilitatea ca una din variabile să ia o anumită valoare nu
depinde de faptul că cealaltă a luat o anumită valoare.
Rezultă că dacă X şi Y sunt astfel de variabile aleatoare, atunci două
evenimente de forma {X = x,},{^ = yj\ sunt independente şi vom spune că
variabilele X şi Y sunt independente . Aceste consideraţii sunt valabile şi în cazul
225
mai multor variabile aleatoare. Deducem următoarea:
Definiţie. Variabilele aleatoare simple X,Y,...V sunt independente dacă
evenimentele {X = xt},{/ = y } = vk} sunt independente în totalitatea lor.
fx ^ ( y ^ ^
Dacă variabilele X , Y J , £ Pi ~ Σ =
<P‘ ) [ qJ ) ‘=1 J=l
sunt independente, atunci:
p„ = P({X =x, }n {r =y, })=P(X =», )■p(r =y,)= ρΛ,
Observaţie. Operaţiile cu variabile aleatoare simple definite mai sus, ca
adunarea şi înmulţirea pot fi extinse la un număr oarecare finit de variabile
aleatoare şi de asemenea proprietatea de independenţă.
Este util să scoatem în evidenţă o legătură între numerele Pi,qj,Pÿ. Efectuând
experienţa de care sunt legate cele două variabile aleatoare X şi Y, variabila Y ia în
mod sigur una din valorile yi,y2,---yn· Dacă X ia valoarea xt înseamnă că
evenimentul X=xt se realizează împreună cu unul din evenimentele:
{y = yi W =y2}.-{y = yn}· Putem scrie:
{X = xi}={X = xiJ = y {} v { X = xiJ = y 2} v ...u { X = xi,Y = y n},
de unde în baza incompatibilităţii evenimentelor ce se reunesc putem scrie:
Σ λ =>.
Pn 1*1
m
ym
Σ ^ · =1’
‘Im (=1
C=
227
Pentru variabila aleatoare discretă, funcţia de repartiţie are expresia:
F(x) = P(X<x)='ŞJP(xi),
X f< X
adică egală cu suma probabilităţilor valorilor x,· ale v.a. X mai mici decât valoarea
dată x.
în intervalul dintre două valori consecutive, funcţia F(x) definită de relaţia de
mai sus este constantă. în punctele x, care sunt valorile posibile ale v.a. X, funcţia
este discontinuă având un salt egal cu Pi-P(xj).
Graficul funcţiei de repartiţie F(x) pentru o v.a. discretă este un grafic în scară.
Astfel pentru v.a. discretă X cu repartiţia:
JO 1 3 4 ^
0,1 0,3 0,2 0,4
funcţia de repartiţie este:
0 pentru x < 0
0,1 pentru 0 < x < l
F (x ) = 0,4 pentru l< x < 3
0,6 pentru 3 < x < 4
1 pentru x > 4,
iar graficul este cel din figură:
F (x ) = ]f( t)d t,
2° / / (* )& = 1.
—oo
Presupunând că F este derivabilă pe R în acest caz f=F’ sau altfel spus F este
o primitivă a lui f. Atunci: v
b
J f(x)dx = F(b) - F (a) = P {a< X < b )
a
relaţie care permite calculul probabilităţilor ca variabila aleatoare continuă X să
aparţină intervalului (a,b), cu ajutorul densităţii de repartiţie f sau al funcţiei de
repartiţie F.
Vom ilustra în continuare prin grafice, interpretările geometrice ale
noţiunilor introduse mai sus în legătură cu o v.a. continuă.
Faptul că densitatea de repartiţie f(x)>0, (V) xe R, (proprietatea 1°) graficul
lui f(x) se va afla deasupra axei Ox într-un sistem xOy ca în figură:
Fig. 5
în consecinţă P(X >x) = l- P ( X < x ) - l - F ( x ) este reprezentată de aria
în sfârşit P{xy < X < x2 )= F(x2 ) - F (xi ) este aria haşurată din figura 7:
230
ajutorul funcţiei de repartiţie F(x) a variabilei X. în acest scop vom considera
următoarele trei evenimente:
- evenimentul A care constă In faptul că X < β ;
- evenimentul B care constă în faptul că X < a ;
- evenimentul C care constă în faptul că a <X < β .
Dar A=BuC iar Βη€=Φ adică B şi C sunt incompatibile. în baza regulei de
adunare a probabilităţilor avem succesiv:
P(A) -P(BuC)=P(B) +P(C),
P(X < β)=Ρ(Χ < a)+P(a <X < β) sau
F(ß)=F(a)+P(a <X < β),
de unde P (a <X < ß)=F(ß)-F(a).
Trecând la limită pentru β—>a se obţine
P{X = cc)= lim P (cc< X < ß)= lim[F(ß) - F ( a ) ] .
ß-*a β-*α
Valoarea acestei limite depinde de faptul dacă funcţia de repartiţie F(x) este
continuă sau nu în punctul a.
Dacă în punctul a funcţia F(x) este discontinuă, limita probabilităţii
P(oc<X<ß) este egală cu valoarea saltului funcţiei F(x) în punctul a . Dacă însă
funcţia F(x) este continuă în punctul a, această limită este egală cu zero. în cele ce
urmează vom spune că o variabilă aleatoare este continuă dacă funcţia ei de
repartiţie este continuă peste tot. Proprietatea demonstrată se mai poate formula:
Probabilitatea unei valori oarecare a unei variabile continue este nulă.
Exerciţii'.
1. Probabilitatea extragerii unei piese stas dintr-un lot este p. Din acest lot se
fac două extrageri, punându-se după prima extragere piesa înapoi în lot. Se
consideră variabilele aleatoare A" şi Y.Xreprezentând numărul de piese stas ieşite la
prima extragere, iar a doua numărul de piese stas ieşite la a doua extragere. Să se
scrie repartiţia sumei şi produsul celor două variabile.
Rezolvare·. Evident X şi Y sunt independente şi au repartiţiile:
0' Ί o"
p , Y= p +q = 1
[»
Conform definiţiei sumei variabilelor aleatoare scriem:
0 + 1 1+ 0 0 + 1 0 + 0λ
X +Y
pp pq <
jp qq
sau
' 2 1 0Ϊ
X +Y „2
\P2 2 pq q- /
Variabila aleatoare X+Y reprezintă numărul de bile albe apărute în cele două
extrageri din urnă.
Pentru repartiţia produsului obţinem:
231
(1-1 10 01 0-0
XY
[p p pq qp μ
ο 1ϊ
XYI
2pq + q2 p 2
2. Variabila aleatoare X are repartiţia:
J - 1 0 1'
x y* κ X)
Să se scrie repartiţiile variabilelor X1, X+X1, X+X?.
Rezolvare. Dacă X= - 1 , atuncLY^=7. Dacă X=0 atunci X*=0 iar dacă X=1
atunci X !=11.
Rezultă că X* ia valorile 0 şi 1. Putem scrie
\ χ 2 = ι}= {X = i}u {X = -l}, \x '2 = θ}= {X = 0}
x {%X;
Dacă X= - 1 , atunci X2 = / şi deci X+X = 0.
La fel X —0 =^)^=0 ==>X+X? =0 =$
X=1 =>X?=1 =*X+X?=2.
Repartiţia variabilei X + X 2 este:
/O 2 Λ
X +X 2
Ικ k J
Raţionând analog obţinem:
-2 0 2N
χ + χΛ
h k ;
Repartiţia lui X2 se poate obţine pe baza definiţiei produsului variabilelor
aleatoare ţinând seama câX2=XX. într-adevăr, cei doi factori ai produsului X X iau
fiecare valorile -1,0,1 dar este evident că de exemplu
{X = -l}n{A · = -l}= {X = —l},
sau
{ * = - ΐ} η { * = θ}=Φ
La fel repartiţia variabilei X+X2 rezultă din definiţia sumei de variabile
aleatoare.
232
Variabila X ia valorile -1,0,1, iar X1 ia valorile 0 şi 1. Dar şi acum nu orice
valoare a primei variabile poate fi luată împreună cu orice valoare a celei de a doua
variabile. Astfel:
{X = -l} n {X = 0}= 0 ,
adică nu putem avea în acelaşi timp X= -1 şi Xs =0.
3. Variabila aleatoare X are repartiţia:
f 1 2 3
„2 7 1 1
4P 3 6j
Se cere P(X< 3).
1 1 1 _
—+ 1 rezultă valoarea admisibilă
~
Ap + 3 6~
Obţinem
(-1 o Γ V
'-10 Γ
, y
[ x X X, κ y ,
şi conform tabelului de mai jos deducem
233
X Y XY P(XY= -1)=Ρ(Χ= -1, Υ=1)+Ρ(Χ=1,Υ= -1)--
-1 -1 1 =Ρ(Χ= -1)Ρ(Υ=1)+Ρ(Χ=1)Ρ(Υ= - 1)=
_ ι ,1 + 1 .1 = 1
0 0
~ 3 3 3 3 9'
1 -1
0 -1 0 Analog
Ρ(ΧΥ=0)=Ρ(Χ=-1, Υ=0) +Ρ(Χ=0, Υ=0)+
0 0 +Ρ(Χ=0, 7= -1)+Ρ(Χ=0, Υ=1)+
1 0 +Ρ(Χ=Ι, γ = ο ;= Ι + 1 + Ι + Ι + Ι = 1 .
’ y 9 9 9 9 9 9
1 -1 -1
Ρ(ΧΥ=1)=Ρ(Χ= -1, 7= -1) +Ρ(Χ=1, Υ=1)=
0 0
- 1 1= 2
1 1 9 +9 9'
"-10 Γ
Miy,
5. Se consideră variabilele independente
y, y,,
r-1 ο η ί- ι ο η
U x x j U x x j
Să se scrie repartiţia variabilei X*+Y*
Rezolvare. Avem
χ 2(ο n 2f 0 n
U k J- U kJ
Se observă că variabila X*+Y* ia valorile 0 ,1 ,2 . Ţinând cont că A* şi 3^ sunt
v.a. independente rezultă :
2 2f 0 2Ί
X 2 +Y2 ί/ 4/ -
1/9 A )
6. a) Să se determine a,b,c astfel ca funcţia
a dacă x^O
F (x ) = ■bx2 dacă 0 < x < l
c dacă x > l
să fie funcţie de repartiţie.
Avem F(-°°)=a=0 şi F(+oo)=c-l. Deoarece F este continuă
234
3. Caracteristici numerice ale variabilelor aleatoare
î , Cazul variabilelor aleatoare unidimensionale
Media variabilelor aleatoare. Fie {Ω,ΛΓ,Ρ} un câmp de probabilitate şi
Χ. Ω—ïR o variabilă aleatoare.
Definiţie. Se numeşte media variabilei aleatoare X,numărul
Μ (Χ) = Σ χιΡ, (1)
te/
unde / este o mulţime de indici cel mult numărabilă, iar variabila aleatoare discretă
X are repartiţia X i Pi £ 0 ,/ ε / , ^ Ρ ί =1 şi
\PtJ *e/
■H*·
M (X )= jx f(x )d x , (2)
Μ (X ) = ^ χ ρ ( χ , λ ) = Σ χβ * = he~XeX = λ
jc=0 *=0 ■*· λγ=1 ■*·
λχ
deoarece: £ — = ex .
x=l -*■·
Deci media variabilei aleatoare X este parametru Λ al repartiţiei şi reprezintă
numărul mediu de unităţi ce sosesc în sistemul de aşteptare în unitatea de timp.
Exemplul 2°. Fie X variabila aleatoare care reprezintă diirata de funcţionare
fară defectare a unui element sau unei aparaturi a cărei densitate de repartiţie este
/(χ,μ) = μβ~μχ χ > 0 ,μ > 0
Durata medie fără defectare este M(X) dată de
•fee +00
M (X) = J xţie^dx = μ J xe^ d x = - .
o *
Să considerăm acum variabila aleatoare vectorială Z—(X, }):Q—*R2 şi funcţia
(p:D->R2, D-Z(Q)czR2.
236
Definim υ~φ(Ζ) variabila aleatoare pentru care are loc propoziţia:
Dacă Z are o repartiţie discretă adică
Ζ(Ω) = I xn yt) e R 2/X = xt,Y = y j,i = 1,2 = 1,2,...,«))
atunci prin definiţie:
M(U) = Σ Σ < ρ (χ^ Μ (3>
/ j
m n
în care py = P (X = x„Y = y j) şi Σ Σ ? ν = L
i=l j =1
Dacă vectorul aleator Z-(X, Y) are densitatea de repartiţie f(x,y) continuă de
D, atunci prin definiţie:
+eo
Proprietăţile mediei:
1° M(C) = C (C o constantă reală);
2° M(CX) = CM(X), (C constantă reală);
3° M(X+Î9 = MfA? +
4° A/fX-r; = M(X) ·Μ(Υ), X, Y independente.
Să demonstrăm propriatăţile 3° şi 4°.
3°. Fie f(x,y) densitatea vectorului Z=(X,Y) şi fi(x),fi(y) densităţile marginale
ale lui X respectiv Y.
Considerăm funcţia (p(x,y)=x+y, (x,y)eR2 şi variabila aleatoare φ(Χ, Y)=X+Y.
Aplicând (4 ), deducem:
4-00
+ j y f 2(y)dy=M(X) + M(Y).
Μ Σ χ * = Σ Μ (**>·
£k=\ ' *«1
4° In baza independenţei avem f(x,y)-fi(x)f2 (y)
237
deci
+00 +00
= \xf{{x)dx· \yf2(y)dy=M(X)-M(Y)
M Y[x, = Π M (Xt ),
k=l fc=I
dacă Xi, X2, ...Xk sunt independente în totalitate.
Exemplul 3°. Dintr-un lot de produse se fac n extrageri cu revenire.
Probabilitatea ca un produs extras la întâmplare să fie rebut este p.
Să se afle numărul mediu de produse rebut ce apar în cele n extrageri.
Avem X l k=l,2,...,n.
\ p 1- p )
care reprezintă numărul de rebuturi apărute la extragerea de rang k.
Numărul de rebuturi apărute în cele n extrageri este variabila aleatoare
x=xi+x2+...+xn=YJxk
*=1
şi numărul mediu de rebuturi apărute în cele n extrageri este:
M (X) = M Σ * .
k=\
Dar:
Μ(Χκ)=1ρ+ϋ(1-ρ)=ρ, k-1, 2, ...n
şi prin urmare M(X)=np.
4 . Momente iniţiale şi momente centrate
Fie variabila aleatoare X:Q—>Rşi Y=Xk, keN*.
Se numeşte moment iniţial de ordinul k al variabilei aleatoare X, media
variabilei aleatoare Y -X k notat cu mk sau Mk(X):
mk=M(Y)=M(Xk)
dacă X este discretă atunci:
mk = Σ χϊ ρ , ’
iei
iar dacă X este continuă cu densitatea de repartiţie/ contiunuă pe R atunci
■fee
mk = Jx * f(x )d x ,
238
dacă integrala din partea dreaptă este convergentă.
Momentul absolut de ordinul k este media variabilei |Ζ|λ adică
ΣΚΙ* -
α* =Λ/(μτ|*)= fOO
Fie Χ.Ώ —>R variabila aleatoare cu media M(X)-m finită. Variabila abatere
este variabila aleatoare ξ definită prin:
ξ ^ -m
Se numeşte moment centrat de ordin k, momentul iniţial de ordinul k al
variabilei aleatoare ξ sau media variabilei aleatoare ξ4:
= Μ (ξ) = M((X-m)k).
şi avem:
ß > . - m)pi, dac ă X este discretă
ie/
μ* = +00
j ( x - m ) kf(x)dx, dacăX este continuă cu densitatea f continuă
μ*
s=l
Demonstraţie. Avem
4-00 +00
k
μ* = / (*-«)* /(*)<&* J I f(x)dx =
5=1
239
relaţie care leagă momentele centrate de momentele iniţiale.
Momentul centrat de ordinul doi este prin definiţie dispersia variabilei
aleatoare X notată şi D (X ):
Σ (xt - mf p ;, dacă X este discretă
iei
ΰ ( Χ ) ^ μ 2 = +«<»
J (x -m)2f(x)dx, dacă Xeste continuă
—oo
J
= J x2f ( x)dx -2m jxf ( x)dx + m2 / ( x)dx = m2-2m2 + m2 = m2 -m2
—0 0 —0 0 —00
Demonstraţie. 1° Avem:
D (C ) = M [C -M (C)f = M(C -C)2 = A /( 0 ) = 0
240
deoarece din independenţa variabilelor X şi 7 rezultă independenţa abaterilor X-mx,
Y-myiar din proprietăţile mediei:
M[(X-mx %Y-mY)] = M { X - mx )M{Y-mY) şi \i(X -mx )= 0
(A m notat mx=M(X) şi mY=M(Y) ).
Generalizările de la 3° şi 4° se stabilesc prin inducţie.
Proprietăţi: 1° Dacă variabila aleatoare X are densitatea de repartiţie f(x)
simetrică faţă de dreapta x-m, atunci momentele centrate de ordin impar (dacă
există) sunt nule.
într-adevăr dacă f(x) este simetrică faţă de dreapta x-m atunci f(x+m)-f(-
x+m) pentru (V) xeE.
Atunci:
4« 0 -H»
ţ^2 k+i = j(x-m)2k+lf(x)dx=j(-x-m)2k+'f(x)dx+ j(x-m)2k+lf(x)dx Cu
o
schimbările de variabilă -x - m - -t şi x - m = t respectiv în prima şi a doua
integrală, obţinem:
0 +°°
Μ2 *+ι = f t2k+lf(m -t)dt + J ί“ +1/(m + t)dt = 0.
—oo 0
σ
Avem M(Z)=0 şi D(Z)=1. într-adevăr
= - M (X - m ) = 0 şi
<r
D{Z) ~ = ^ 'D { X - m ) = \ D { X ) = ~ = 1
" ί σ
σ g σ
în încheiere vom menţiona că media M(X) a unei variabile aleatoare X
exprimă centrul de greutate al valorilor variabilei aleatoare A^iar dispersia măsoară
gradul de împrăştiere al valorilor aleatoare X în jurul centrului de greutate, adică
în jurul mediei sale.
Exerciţii: 1. Se efectuează o probă având sau nu ca rezultat un eveniment A
cu P(A)=p. Fie X variabila aleatoare care reprezintă numărul de apariţii ale
evenimentului A într-o singură probă.
a) Să se scrie repartiţia variabilei aleatoare X.
b) Funcţia de repartiţie şi graficul.
c)M(xj,D(X),to(X).
241
Rezolvare.
a) Avem evident X
fO 1
,p+q =l.
Q P
O, x< 0
b) F (X ) = P (X < x ) = q, 0 <x<l
p + q = 1, X > 1.
Graficul funcţiei de repartiţie F(x):
242
şi M(Z)=(-l)q1p2+0(qiq2+pipz)+lp1q2=: -qip2+Piq2 =PrP2
M cz)!=(-l)2qip2+(r(qiq2+pip2)+l2piq2::::qip2+piqiz=pi+p2-2pip2
D(Z) =M(Z2)-M(Z)2=pi+p2-2p1p,-(prPi) =Piqi+P2^2
şi pnn urmare:
.η» «μ 00
243
Funcţia caracteristică
1. Una dintre noţiunile fundamentale ale teoriei probabilităţilor este funcţ
caracteristică (f.c.) noţiune frecvent utilizată atât în problemele practice cât şi mai
ales în problemele cu caracter teoretic.
Definiţie. Aplicaţia (p:R—>C, <p(t)=M(eitX), unde i = V- 1 se numeşte funcţie
caracteristică a variabilei aleatoare X.
Dacă X este discretă cu repartiţia:
n
'XX *2 - O
X , p. > 0 , ^ p k = 1 , atunci funcţia caracteristică a lui X
KP\ p 2 ··· Pn *=i
notată şi <px(t) va fi:
+00
<Px(t)= jeluf(x)dx,
1 0N
, p + q= i,
Ρ qt
244
Avem : = ~-Γ^-ΊΓ=17 ^ - Ύ
tί ?£ί <7 l-qe \-qe
X-m -i —I
4°. Dacă: Z = , atunci φζ (ί) = ε σ φχ unde m=M(X) iar
σ 2 = D (X ) ;
n
5°. Dacă X = ^ X k ,\mâeXh,k=l,2,...,n sunt independente atunci:
k=l
H
245
Demonstraţie. Pentru 1° avem <p(0) = Λ /(e‘°* ) = M ( 1) = 1.
Pentru 2° avem:
foo +00 4-oo
T
)= M e σ e° =e °φ χ
II
f i 'l
/ 1σ ;
k. J \
în cazul 5° scriem:
φχ (ί) = Μ (β"(*·+* ’+·"+**))= M(eilX' ■e“*2 ■... ■
eitX" )= Afţe"*' )· A/je " * 2 )·
•... · M(e itX* )= φ Χί (/) · φΧι (ί) · ...φΧη(ί),
în baza independenţei variabilelor Χι,Χ2,···,Χη·
-H»
+O0 +00
<Px(t) = i2 J x2eitxf(x)dx...ç(x )(t) = ir J xre,txf (x)dx şi făcând
—oo —oo
sau:
fÎHo)
246
unde pentru t=0 găsim:
K = 4 - ^ > Λ ·( θ β .
Exemplu: A m văzut că funcţia caracteristică a variabilei aleatoare cu
densitatea de repartiţief(x,X)=L·'^, x>0, λ>0 este:
<Px(0 = je laf(x)dx.
sau
247
C xfin-x
a N-a , a eN *, n e N * , x = 0,1,2,...,n ,
r
°N
n
n r*x/~<n-x ί n r^n
unde = = = L
x=0 x=0 W x=0 '•'t f
n
A m folosit identitatea £ C * C £ " * = C "+fc care se obţine identificând coeficienţii lui
x=0
ί" din cei doi membri ai egalităţii (1 +t)a(l +t)h-(l +t)a+h.
V o m calcula în continuare media şi dispersia unei variabile aleatoare cu
repartiţia hipergeometrică.
n
α ^ N -a 1
V v
al f n-x _
N-a -
C " C" L · xKa- x)!
x=0 '-JV '-'N x=o
/-in- 1
Dl-J _ 0 ‘ L N -a na
' N -a -
C N x=0 cn N
n x n—x ί n fix/m-x
Μ ( Χ 2) = Σ * 2
x=0 X=0 '■'ΛΤ
248
aleatoare X care reprezintă numărul de piese defecte şi să se calculeze numărul
mediu de piese defecte din eşantionul controlat şi dispersia.
Soluţie. Variabila aleatoare X - numărul pieselor defecte are o repartiţie
hipergeometrică cu N =100, a=10, n=5.
0 1 2
ri5 r 0
C°10^90
C Γ 1 Γ 90
^10
4 C 2 C 90
^10
3 3 C 90
C 10'-' c 104 c 901 10 90
100 "100 C 5
w100 '1 0 0 '100 '1 0 0
na 5-10
M (X ) = — = = 0,5,
N 100
N- a N- 10 90 95
D (X ) = n-' ■= 5 = 0,432.
N N N -1 100 100 99
Repartiţia Poisson
O variabilă aleatoare X are o repartiţie Poisson de parametru λ dacă repartiţia
sa are forma
x
X jc = 0,1,..., A>0,
x\
deci probabilităţile diferitelor valori ale variabilei se calculează cu formula:
λ _λ
P (X = x)· — e λ.
xi
Evident,P(X=x)>0, (V) xeNşi
OO Ί X 00 ΊΧ
-λ ·β λ = 1 .
χ=0 χ=0 Λ · χ=0 Α ·
Legea Poisson descrie, spre exemplu, repartiţia numărului de apariţii ale
unui eveniment oarecare într-un interval de timp, dacă este cunoscut numărul
mediu de apariţii ale evenimentului în unitatea de timp şi dacă momentele
apariţiilor evenimentului sunt independente. în acest sens, repartiţia Poisson are
multe aplicaţii în problemele de statistică din fizică şi tehnică.
Repartiţia Poisson mai este cunoscută şi sub numele de „legea evenimentelor
rare” , denumire justificată astfel: să presupunem că se efectuează n probe
independente şi în fiecare din acestea evenimentul A are probabilitatea de realizare
p mică în raport cu numărul n al probelor, care este mare. Să considerăm variabila
aleatoare X, numărul de apariţii ale evenimentului A în cele n probe. Variabila
aleatoare Xare o repartiţie binomiaîă:
? (x = x )= c y (i- ^ r .
249
Notând ηρ=λ, pentru p—»0, λ rămânând constant, numărul probelor
η
= lim
η —>οο
{_ λ ΛΧ
η
A =— ,
60
deci probabilitatea ca centrala să primească m apeluri pe minut este:
m
(J l ) k
60
P (X = m) = - 60
m\
Momentele repartiţiei Poisson. V o m calcula valoarea medie şi dispersia
repartiţiei Poisson pornind de la definiţie:
<
” η» 00 tX-1
M (X ) = Σ χβ~λ “
= ^ ' λ · Σ ? — ίΤΤ= A ·e-A -eA = λ
χ=0-
γ| ί * “ 1)!
Deci valoarea medie a variabilei aleatoare X cu repartiţie Poisson este chiar
parametrul repartiţiei.
250
Μ ( Χ ’ι) = Σ χϊ ' ^ e~X = Σ (* 2 λ+
χ=0 Χ· χ=0 Χ· χ=0 Χ·
+ M (A O =A V a -Y Α* 2 + Α = Α2 ·β~λ ·βλ + Α = A2 + Α
S ( * - 2 )»
Deci: D (X ) = M ( X 2)- M 2(X) = Ă2 + Α - Α 2 = Α
Funcţia caracteristică.
3 /■„·* ι\
...e η( } = e ‘=l
η η
C nxp„X„n-x _ -X Λ .
<7 _ e · , A np.
x\
Deci, probabilitatea cerută este:
251
(λ = ηρ* 1000-0,002 = 2, e-2 « 0,13534).
' %x\ 2 2
= 1-0,36788 = 0,632
Repartiţia binominală
O variabilă aleatoare X are o repartiţie binomială de parametri n şi p, dac
repartiţia sa are forma:
x = 0,l,2,...n
, p ,q > 0 , p + q = l, n€ N , x = 0,\,...,n
252
iar mulţimea variabilelor aleatoare cu o repartiţie binominală de parametri n şi p o
vpm nota prin B(n,p).
Momentele repartiţiei binominale
Jt=0
Se poate uşor arăta că:
M ( X 2) = = n2p 2 + npq ;
/ > ( I = 0) = C 4W = 1 ;
P (X = l) = C\pqi = A ;
/ > ( * = 2) = c 4W = ! y ;
P (X = 3) = Clp'q = — ;
253
Repartiţia sumei de variabile binominale independente
Fie variabilele binomiale independente X şi Y cu repartiţiile
P„(x) = B(n,p) = C*pxqn~x , x = 0,l,2,...n. p+q=l;
Pm(y) = B(m,p) = C y mp yqm~y, y = 0,1,2,...m. p+q=l;
având acelaşi parametru p cărora le corespund funcţiile caracteristice
Φχ ( 0 = (peU + q) Şi Φγ ( 0 = (pe" + ? )”
Calculând funcţia caracteristică a variabilei sumă Z=X+Y obţinem:
relaţie din care deducem că repartiţia variabilei sumă X+Y de variabile binomiale
independente având acelaşi parametru p este:
Pm+n(Z) = B(p,m + n) = C z
m+np zq"-z, z = 0,1,2,...m+n, p+q=l,
adică tot o repartiţie binomială de parametri p şi m+n.
Proprietatea de mai sus poate fi generalizată, extinzând-o la un număr
oarecare s de variabile binomiale de acelaşi parametru. Astfel dacăX*, k=l,2,...s
sunt variabile binomiale independente cu repartiţiile:
B(nk,p) = C x
n‘ px'q n*-x* , x* = 0,l,2,...nk, p+q =1,
depinzând de acelaşi parametru p, atunci repartiţia sumei
x = x l+x2+...+xs='£xk,
*=i
/
este o repartiţie binomială B
k=\
Repartiţia geometrică
Să considerăm variabila aleatoare discretă X care reprezintă numărul de
trageri într-o ţintă până la prima nimerire şi să presupunem că probabilitatea de
nimerire la o tragere oarecare este p. (q=l-p probabilitatea de a nu nimeri).
Valorile posibile ale variabilei aleatoare X sunt numereţe după
cum ţinta este nimerită la prima tragere, la a doua,..., la a x-a tragere. Rezultă că:
P(A) = p şi P(Ă ) = l-p = q.
P (X = l) = P(Aţ) = p ;
P (X = 2) = P(Atn A2) = q■
p deoarece rezultatele tragerilor sunt
independente. Analog:
P (X = 3) = P(Ăln T 2n A 3) = q2p ,
P (X = x) = qx~xp .
Deoarece teoretic este posibil ca ţinta să nu fie nimerită niciodată, urmează
că numărul de trageri până la prima nimerire poate fi oricât de mare, deci repartiţia
variabilei aleatoare X va fi:
f\ 2 3 ... x .Λ p> 0
x „ _ _2 „ „*- 1
p
\p pq
P< pq - pq ’ p+q=i
P ( X = x) = px = q x- 'p .
oo
este —— = — .
1-q p
Calculul valorii medii şi dispersiei variabilei X cu repartiţie geometrică îl
vom face pornind de la definiţie:
Μ ( X) = Σ*Ρ<7*"' = ^ Σ ^ *”1·
x=l x=l
W < 1·
^ q x =\ + q + q2+... + qx =
TZ
x=o 11 -Q
q
pe care o derivăm membru cu membru şi obţinem:
255
xA --\+ 2q + 3q2 + ... + xqx 1 + ...= 1
*=0 (i - ? ) 2
Prin urmare
M (X ) = p ^ x q x-l=- _ =J L = I
(1 - t f W
Pentru momentul de ordin doi avem:
V ( 1+ ^
„ j:-1
Σ * ν -1 = Σ *?χ = ^ Σ ^
x=l x=l I ι= 1 L(i- î )2
p (1 + ţ) l+ g
Rezultă deci M 2(X ) = (p+q=l)
Ζ ) ( * ) = Μ 2( Χ ) - Μ 2( Χ ) = - γ ^ - - ^ = ^ - ~ =Λ ·
(1-?) P P P P
σ(Χ ) = ■ _Æ
■'p- p
Pentru valori mici ale lui p se poate considera q~l şi atunci:
Μ { Χ ) » σ χ ~- .
Ρ
Egalitatea mărimilor M(X) şi σ(Χ) ne conduce la legătura cu repartiţia
exponenţială care, după cum vom vedea în cele ce urmează, se poate obţine din
repartiţia geometrică.
Fie At durata unei probe şi să considerăm intervalul de timp (t, t+At) cu
t-xAt, xeN. Probabilitatea p, ca evenimentul A să se producă în intervalul (t, t+At)
este egală cu px=ptf‘.
256
X x=
X -\ p +q= 1
pq p>0
pq‘-' = L j \ q e ·)
1=1 *? 1=1 1
Exemplu:
Se aruncă un zar şi se notează cu X numărul de aruncări efectuat până la
prima apariţie a feţei cu un punct. Să se scrie tabelul repartiţiei variabilei X şi să se
calculeze media şi dispersia.
Fie A: evenimentul apariţiei feţei cu un punct.
P(A) = p -Λ P(Ă) = q = I
O o
M (X ) = - = 6
P
D (X )= 4 - = - r =30
p _L
36
Repartiţia uniformă
Adeseori, în practică, se întâlnesc variabile aleatoare continue, despre care
se ştie că valorile lor posibile se găsesc în limitele unui anumit interval determinat
şi în plus, sunt la fel de probabile. Despre aceste variabile se spune că se
repartizează după legea densităţii uniforme sau rectangulare.
D e exemplu, să presupunem că într-o staţie de autobuze, vehiculele trec din
trei în trei minute. Timpul T cât un călător aşteaptă în staţie un autobuz este o
variabilă aleatoare repartizată uniform în intervalul [0,3].
O variabilă aleatoare X are o repartiţie uniformă de parametri a şi b, dacă
densitatea sa de repartiţie este:
257
1
XG [a,b]
f(x) = \b-a
0 x <£\a,b\
Graficul funcţieif(x) este cel din figura de mai jos:
+ jf(x)dx + jf(x)dx = J · ^ — dx = = 1
a b a
0, x< a
x-a
Deci, F(x) = % a<x<b
b-a
1, x>b
Să calculăm în continuare media şi dispersia variabilei uniforme*·
258
b -ab + a
- Ü A h -
ί—n J
b-a' a
Rezultă
sintc b icostc b
= —-
— f (cosfcc + /sinix:)^ = — -
—
b-aJ b-a t a t a
Fig. 1
259
Considerând u ca variabilă independentă şi diferenţiind relaţia (1) obţinem
9F[x(u)] dx(u)
dx(u) du
dx(u)
/[ * ( « ) } 1. (3)
du
Aceasta este tocmai formula care reprezintă densitatea de repartiţie g(u) a
funcţiei de variabilă aleatoare X şi anume U = F(X). Avem deci: g (u) = 1 0< u
<1 care este repartiţie uniformă pe (0 , 1).
Aşadar transformarea U = F(.X), face trecerea de la variabila X care are
funcţia de repartiţie F (x ) deci o lege de repartiţie fix) la variabila U care are o
repartiţie uniformă pe (0 , 1).
Exemple:
1) într-o staţie de autobuze, vehiculele trec din 3 în 3 minute. Timpul T cât
un călător aşteaptă în staţie un autobuz este o variabilă aleatoare. Să se scrie
repartiţia variabilei T, funcţia de repartiţie şi să se calculeze M(T) şi D(T).
Soluţie. Variabila aleatoare T are o repartiţie uniformă pe [0,3], deci
1
0<x<3
/(* ) = 3’
0, m rest.
0, x<0
1
Rezultă F(x) = 0<x<3
3*·
1, x>3.
M (Ţ) = - D{T) = — .
12
2) Se face o cântărire a unui corp cu greutăţi exacte, dar nu mai mici de 1
gram. Rezultatele cântăririi arată că greutatea e cuprinsă între k şi k+J grame. în
aceste condiţii, greutatea e luată egală cu k+~ grame. Eroarea admisă X este o
2’2
260
1 xe .1 i
2*2
/(* )=
0 x«
2’2
Funcţia de repartiţie este:
Λ
x 1
F ( x ) = J î/ î = r
->^ = X 2 ‘
-K
1
0, x<~
Deci F(x) = x — , xe
2 2’ 2
1
1, x > —.
2
ί Υ
1
M ( X ) = 0; D ( X ) =
12 48
Repartiţia Gama
Spunem că o variabilă aleatoare continuă X are o repartiţie Gama, dacă
densitatea sa de repartiţie este:
1
xa~xe b ,x>0, a>0, b>0
f(x,a,b) =
» T M
0 ,x < 0
oo
unde Γ(α) reprezintă funcţia gama, Γ(α) = J x 0-1 e~xdx şi are proprietăţile:
1) Γ(1) = 1;
2) Γ(α) = (α-ΐ)Γ(α-ΐ);
3) Γ(α) = (α- ΐ)
4) r f - H = V 5 r .
Revenind acum la repartiţia Gama, se vede uşor căf(x;a,b)>0 pentru x>0 şi că:
4«
jf(x,a,b)dx = 1
261
într-adevăr:
= J Ş Z J t~r-le, dt = ţ>Ţ H .
bar(a){ Γ(α)
Deci M ( X ) = = ab .
Γ (a)
M ( X 2) = b2r(° + 2î = b2a{a + 1) şi
Γ(α)
Exemplu:
Variabila aleatoare T care reprezintă durata de funcţionare a unei lămpi are o
repartiţie exponenţială. Să se determine probabilitatea ca durata de funcţionare a
lămpii să fie cel puţin 600 de ore, ştiind că durata medie de funcţionare a unei
astfel de lămpi este de 400 de ore.
Soluţie. Se cere P(T > 600) = 1- P(T < 600) = 1- F (600) unde
Graficul acestei densităţi este schiţat în figura de mai jos şi se numeşte curba
lui Gauss.
263
Funcţia f(x,m, σ) trebuie să verifice proprietăţile unei densităţi de repartiţie
şi anume:
1) f(x,m,σ) > 0 , (v)xe R -evident, deoarece σ > 0
2 ) jf(x,m,a)dx = 1 .
—OO
într-adevăr :
+oo ^ +00 \f x-m Ϋ 1 13
r —*
* )dx =
4ϊπ
b l · 1 * ·
+~ j
+00 1
264
deoarece prima integrală se anulează, funcţia g(t) = te 2 fiind impară, iar cea de-
+00 +00
σ
2 +r
r
1 ,2 ~,2
t2e 2 dt- -te 2 dt
yÎ2ni 4τπ
+00 1
-i,*
ar__ · lim -te 2 + cr2 --7! = ie 2* dt = a 2,
V 2n
deoarece lim = 0.
deci curba γ=Φ(ζ) este simetrică în raport cu originea axelor şi admite două
asimtote orizontale:
lim Φ ( ζ ) = ~—
y-t-~ 2
lim Φ ( ζ ) = —
2
Observaţie:
Valorile funcţiei Φ(ζ) sunt tabelate. Funcţia de repartiţie este:
F(x) = dt.
265
^2
Făcând schimbarea de variabilă----- = y obţinem:
ί
x -m
O 1 cr
~T> v
nx) VST ί 2> f <2y +
>/2π
<fy =
_, . _ / jc-ιιΛ 1 . / χ-τηλ
Legea normală se aplică însă, de cele mai multe ori, nu sub forma iniţială, ci
sub forma unei repartiţii normale, care se obţine pentru m=0 şi cr=7 prin trecerea
X —ftl
de la o variabilă X cu legea Ν(χ;τη,σ) la variabila Z = ---- care va avea
densitatea de repartiţie:
/(* ) =
V 2 jt
Toate problemele legate de repartiţia normală a unei variabile X se rezolvă
de obicei trecând la variabila auxiliară Z, adică normând această repartiţie.
Momentele repartiţiei normale normate:
—X
Mm 2 dx.
w - ir
Se observă că pentru n-2k+l funcţia de integrat este impară, deci
M, x 2* +1 · e 2 dx —0
■ Wy"- Â
2*+,^ T î .r /
dx- - e
Λ 2
Z
J *
—OP
^ /
·· x 2*-i.eV 2 a , -1 - i * 2
1 lim
.— x 2 * ~ 2 - e 2 < f a =
ν 2 π a->“ -β >/2 π .
266
Rezultă:
M 2k( X ) = (2k - 1)M 2k_2(X) = (2k + 1X2λ - 3 ) M ( X ) =... =
= (2*-lX2*-3)...3-l = 0 .
2 k\
O, n = 2k + l
Deci M n(X ) =
1 4 » = 2*
.2* -kV
Putem calcula şi momentele centrate ale repartiţiei N(m,a).
ί 7 4 —ΐ
μ 2 Μ ( Χ ) = ~ ^ \ (x- m )2 M .e^ ° >dx = O
ί “ —if Jt~l" V 2*
μ2Ιί(Χ) = — j==\(x-m)2k e ^ ° >dx=
σν2π i >/2π
v ^F i Æ i à »!
Seria de funcţii de sub integrală este convergentă pe R , deci se poate
permuta cu integrala şi rezultă:
ώ ( 2 *)! 2‘ ·« â «
267
1 ~T~r(·'»-'"*)2 --
n(xk,mk,a k) = — —= = e at , xk s R,mke R ,a k > 0 ,k = \,s
c k·42π
şi funcţiile caracteristice corespunzătoare:
*,,(,)-Ù±
<PXt(.t) = e 2 , k = l,2,...s
s
Să considerăm suma X = X l+ X 2 + .., + X s = ^ X k a cărei funcţie
*=1
caracteristică (fix(t) este:
* * imi, J d >·(Σ'η*ν-γΣσ*
m o = ^ ο = Π ^ ( ') = Π * e
" t=l *=1
Relaţia precedentă exprimă după cum se vede, funcţia caracteristică a unei
5 S
ί 4 — 1*
f(x,m,a) = — 7= e ^ 10 > . Secere P ( 1 0 < * < 50).
\0yj2n
50 lfs-ttV . 2 _u_
P (1 0 < X <50) = — ί 10 > = - p = f e 2du = Φ (2)- Φ (- 2) = 0,95
10ν 2π /0 Ä _J2
268
2) Notele unui examen la disciplina A şi ale unui examen la disciplina B sunt
aproximativ independente şi repartiţia mediei acestora este aproximativ normală.
Dacă repartiţia fiecărei mulţimi de note are media 8 şi dispersia 1, care este
proporţia studenţilor care obţin o medie finală inferioară lui 7?
Soluţie. Fie X - nota la disciplina A şi Y - nota la disciplina B
M ( X + Y ) = M (X ) + M (Y) = 16
D (X +Y ) = D (X ) + D(Y) = 2
X + Y \ ^14-16
Deci, P — —— < 7 = P (X + F < 14) = Φ| _ Φ ( - ο ο )~ 0 ,0 8 ,
. V2 .
b) 5 = {2,3,4,5,6,7,8,9,10,11,12};
P = {1,2,3,4,5,6,7,8,9,10,12,15,16,18,20,24,25,30,36};
c) Λ = {2,4,6,8,10,12}; B = {4,9}; C = {3,6,9,12};
£> = {4,8,12,16,20,24,36}; E = {1,8};
270
3. U n ora de afaceri încheie într-o zi trei afaceri care pot fi rentabile (Ai) sau
nerentabile (A,),i = 1,3, în final. Să se scrie evenimentele care să corespundă
situaţiilor următoare:
a) una dintre afacerile încheiate este rentabilă;
b) cel puţin o afacere încheiată este rentabilă;
c) cel mult o afacere încheiată este rentabilă;
d) nici o afacere nu este rentabilă;
e) cel mult două afaceri sunt rentabile.
Rezolvare:
Notăm cu A,B,C,D,E evenimentele corespunzătoare situaţiilor de la punctele
a,b,c,d,e.
a) A = (Atn A2 n A3)u (A tn A2 n A3)u (A yn A2 n A3);
d) D = (Ătn Ă 2n Ă 3);
u ( A ,n A 2n A 3n Ă 4)u (A ln A 2n Ă 3 r>A4)u (A , n ^ n A j n A 4) u
u(Ă, n A2 n A3 n A4)u(A, n A 3 n A 4);
c) C = (Aln Ă 1n Ă 3n Ă 4)v (Ă ln A 2n l în Ă 4) u
u (A, r\Ă2 n A 3n Ă 4)Kj(Ăl n Ă 3r\A4)v[B-{Aln A 2 n A 3r\A4)]
e) E = D kj(A{n Ă 2n Ă 3 n Ă 4)\j(Ăxn A 2n Ă 3n Ă 4) u
271
u ( 4 r\A2 n A) n Aa) v (A{n Aj n A-i r\Aa) .
b ) ß = A = A 1U i 4 2 u A 3 u A 4 U i 4 5 ;
c) C -
=: At A2 n A3;
d) D - Axn A2 n A} n A4 nĂj ;
6. Dintr-o urnă cu 5 bile albe şi 10 negre se extreg succesiv două bile fără revenire.
Cu ce probabilitate vor apare:
a) două bile albe;
b) prima bilă albă şi a doua neagră;
c) bile de culori diferite;
d) o bilă albă;
e) prima bilă albă;
f) cel puţin o bilă albă;
g) cel mult o bilă albă;
h) nici o bilă albă.
Rezolvare:
Fie (A, ), i = 1,2 evenimentul constând din extragerea unei bile albe la extragerea
272
/> (C )= f (4 n 4 )+ /> (4 n 4 )= î î + H ~ = î i
d) D = c 3 f ( D ) = f ( q J
e) E = (Aln l 2)u (A ln A 2)
=» i (£ )= P (i ,n 4 )t f W n 4 )4 4 4
f) F = (Aln 2)u ( A ln ^ 2) u ( ^ , η Λ 2)
= > P ( F ) = P ( ^ 1n ^ ) + P ( 3 i n ^ ) + P ( ^ n A 2) = ^ + A + A =H
_3 10 = 19
~7 21 _ 21
- - 10 9 3
h) H =A ,nA 2 => P (H ) = — — = -
' 1 2 15 14 7
Rezolvare
a) Folosim definiţia clasică a probabilităţii. Numărul cazurilor posibile este
P„=n!. Pentru a determina numărul cazurilor favorabile procedăm în felul
următor: numerele 3,4,...,« pot fi aşezate în (n-2)1 moduri. Cu numerele 1,2
grupate în felul acesta, din fiecare mod de scriere mai obţinem «-1 moduri, deci în
total (n - 2)1 ■
(n -1) = (« -1)/ moduri, aşadar:
p - fr- W - 1
η! n
b) Dacă din numerele 1,2,3, ....,n scoatem cele trei numere determinate k, k+1,
k + 2, pe cele rămase le putem grupa în in -3)/ moduri.
Cu ajutorul grupului k, k+1, k + 2 din fiecare total se mai formează n - 2 moduri
deci în total (n—3)!· {n—2)=(n—2)!
273
P . (n - 2 V _ 1
η! n(n - 1)
8. Care este probabilitatea ca din patru aruncări ale unui zar să obţinem cel puţin o
dată faţa 6?
Rezolvare:
Observăm că evenimentul contrar celui din enunţ constă în neobţinerea cifrei 6
din nici o aruncare şi că probabilitatea sa este mai uşor de calculat. Notăm cu q
acestă probabilitate.
5 5 5 5 54 625
Avem: q = —
6 6 6 6 64 1296
625
Rezultă că probabilitatea cerută în enunţ este: P = \-q = l - - ^ ^
274
9
este m = 9, numărul cazurilor posibile este η = 17 =» Ρ(Β) = — = 1 - Ρ ( Λ ) .
17 => P ( C ) = — .
17
7
b) Fie Λ evenimentul obţinerii unei bile albe; atunci: P(A) = — ,
* = 4 J, = » / > ( * ) = 4 $ · .
P (C ) = — = - L .
17 17
4) Fie D evenimentul obţinerii a 3 numere în ordine strict descrescătoare;
C3
atunci m = C,37 şi P(D) = .
m = < 37 şi
ci P(E) = ^ l
173
b) în acest caz numărul cazurilor posibile este η = 173
1) Fie A evenimentul obţinerii a trei bile albe; atunci m - 73 =>
73
Ρ (Λ ) = — ţ-.
17
2) Fie 5 evenimentul obţinerii a trei bile negre, atunci m = IO3 =
17
275
3) Fie C evenimentul obţinerii a cel puţin unei bile albe, C\ evenimentul
obţinerii unei bile albe, C 2 evenimentul obţinerii a două bile albe, C 3 evenimentul
obţinerii a trei bile albe.
C = C, u C 2 u C 3
Fie Ai evenimentul obţinerii unei bile albe la extragerea i;
C, =(Aln Ă 2 n l 3)u (Ă ln A 2 n A 3)u (A ln A 2n A 3) .
Deoarece Ρ (Λ ,) = — şi / 5( 4 ) = —
17 ' 17
10
P ( C 1) = 3 - ^ - f ^ ; P ( C 2) = 3-
17 l\ 17 / 17 17 ; 17
1
P ( C ) = P (C ,) + P ( C 2) + P ( C 3) = (30-70 + 30-49 + 343) =
173
1 3913
-3 (2100 + 1470 + 3 4 3 )= ^ 3
10. Trei urne identice conţin: prima trei bile albe şi două negre, a doua două bile
albe şi una neagră, a treia patru bile albe şi cinci negre.
Se alege la întâmplare o urnă şi se extrage o bilă. Să se determine posibilitatea
ca bila extrasă să fie albă.
Rezolvare:
Fie Ai evenimentul corespunzător alegerii urnei i,i = 1,3 ;
A evenimentul corespunzător extragerii unei bile albe;
1 .
Ρ(/ί) = Σ ^ ) · ^ ^ ι.] = ^ ι ) · ^ ^ ι] + η Λ ) · ^ ^ 2
77
+p(A3)-p(yA ]=-■ - + - · - + - · -=-
3' { /A J 3 5 3 3 3 9 135
Rezolvare:
Fie A\ evenimentul ca un produs să provină de la furnizorul Fi,i = 1,3 şi fie X
evenimentul ca un produs să fie necorespunzător.
Evenimentele A\,A2, A3formează un sistem complet de evenimente.
P(X) = f jP(Ai).p (y A \
t=l \ )
P(A)-P
0,3· 0,02 _ 0,006 _ 6
P\
P(X) 0,026 0,026 26
P W
0,2 0,025 _ 0,005 _ 5
Pi
P (X ) 0,026 0,026 26
277
P(AZ) X/
0,5-0,03 0,015 _ 15 .
Pi
P (X ) 0,026 ~ 0,026 ” 2 6 ’
J_5
Observaţie: p3 = 1 - (/?, + p2) = 1 -
26 + 26 26
Potrivit enunţului, sumele ce urmează a fi recuperate de la flecare furnizor sunt
proporţionale cu pi,P2 ,Pî adică:
S Şl ; Deci:
P\ Pz Pi _6_ _5_ 11
26 26 26
: 7800 — = 1800;
26
S, = 7 8 0 0 · — = 1500;
2 26
S, = 7 8 0 0 · — = 4500;
3 26
12. într-o grupă de studenţi sunt sunt 14 băieţi şi 16 fete , în alta 15 băieţi şi 15
fete, iar în alta 14 băieţi şi 18 fete.
Pentru susţinerea unor lucrări la o sesiune de comunicări ştiinţifice se oferă câte
un student din fiecare grupă.
Care este probabilitatea să prezinte lucrări doi băieţi şi o fată?
Rezolvare:
Se aplică schema lui Poisson.
14 16 15 15 14 18
Avem: n '■
3, P
v\
\= —
30 ,Q\ 30’Pl 30’q2 3 0 ’ Pi 32’qi 32
Probabilitatea cerută este coeficientul lui x2 din dezvoltarea polinomială:
Pi(x) = ( P i X + Q\ ){p2x + <h ) ( P j X + <73 ) ·
/ 14 16Y15 1 5 Y 14 18^ 14 15 14 3
P3(x) = r H------- I -------r -4--------I ------ γ ^--------= ----------------------- r -f
30 30^30 30 32 32 J 30 30 3 2 '
f i i 1111 I I 1 1 I i 1 1 1 1 1 * } \x2 +
+ { 30 ’ 30 32 + 30 ’ 30 ’ 32 + 30 ’ 30 ’ 32 /
16 15 18
+ 111111 1® I l ü IÉ. I I 11 \x+ --------
30 30 32 30 30 32 30 ’ 30 32 30 30 32
278
_ 2940 ^3 , 10800 ; ( 11190 4320
28800Χ 28800* 28800* 28800 “
= 0,102χ3 + 0,375χ2 + 0,388χ + 0,135.
Deci probabilitatea cerută este 0,375.
14. La o bancă s-a observat că, în medie, din 10 cereri de creditare de un anumit
tip, 6 sunt aprobate şi 4 respinse. Care este probabilitatea ca din 25 de cereri de
creditare la un moment dat:
a) să fie aprobate 20?
b) să fie aprobate cel mult 15?
c) să fie aprobate cel puţin 10?
Rezolvare:
Suntem în cazul schemei bilei revenite cu două stări cu:
p = 0,6; q = 0,4; n = 25.
a) Notăm cu X evenimentul corespunzător enunţului. Avem:
P (X ) = P (25,20) = C 25° · (0,6)20 · (0,4)5
b) Notăm cu Y evenimentul a cărui probabilitate se cere
279
25 - *
P(Y) = P(25,k<l5) = J V ( 2 5 , * ) = ]T C*5 ■(0,6)* -(0,4)
*=o *=o
c) Notăm cu Z evenimentul corespunzător enunţului
25- *
P(Z ) = P(25,k> 0) = % P (2 5,k ) = £ c * -(0,6)* ·(0,4)
*=10 *=10
15. într-o urnă sunt 5 bile albe, 7 bile negre, 13 bile roşii. Se scot consecutiv 10
bile cu revenire. Cu ce probabilitate se extrag:
a) două bile albe, trei bile roşii şi cinci bile negre;
b) opt bile albe?
Rezolvare:
Suntem în condiţiile schemei multinominale cu
in 5 7 13
n —10, Pj = — ,p 2 = — ,p 3 = — ■
25 25 25
2
( 7 ί
a) P(10,2,3,5) = ί 5 ] 3 f 13Î
2/3/5/ V 25 i 25 ) v2 5 ,
b) jP(10,8 albe)= P(10;8;0;2) + />(10;8;1; 1) + P(10;8;2;0) =
16. într-o grupă sunt 20 studente şi 10 studenţi. La un examen oral primii 6 pot
intra la întâmplare (nu după catalog). Cu ce probabilitate acest grup este format:
a) numai din fete;
b) trei fete şi trei băieţi;
c) cel mult doi băieţi;
d) numai băieţi;
e) cel puţin patru fete.
Rezolvare:
Suntem în cazul schemei bilei nerevenite cu două stări; avem:
n = 30; a\ = 20; a2 = 10.
a) Fie X evenimentul corespunzător enunţului; avem: «i = 6; n2 = 0 şi
P (X ) = P( 6,6,0) = --^ -
^
'3 0
b) Fie Y evenimentul a cărui probabilitate se cere; avem: n(=3; «2 =3 şi
280
C 6 stO i s'*5 i /^2
P(Z) = P(6,n2 Z2) _= ^—20 **-Ί0 T ^20 ‘ Mo T 20 ‘ H o
--- _ 6
'-'30
/>({/) = P ( 6,0,6) = ^ ^
^30
e) Fie V evenimentul a cărui probabilitate se cere; avem: n{> 4,«, + n2 = 6 şi
'-'iAn . '-'in'
C
P(V) = P(6, n, > 4) = -22--Î
r 2 + C 5 - ^10
^20 Γ 1 ” Γ 6 -V
+ ^on
2-- ?2_10-- 20-- 10.
C-'H
°
c 6
^30
17. La o expoziţie se găsesc 25 de ghizi studenţi, din care 10 băieţi şi 15 fete, ale
căror nume sunt numerotate şi trecute pe un tabel.
Se aleg la întâmplare 6 numere de pe tabel. Precizaţi cu ce probabilitate grupul
celor şase persoane este format:
a) numai din fete;
b) numai din băieţi;
c) trei fete şi trei băieţi;
d) din cel mult o fată;
e) din cel puţin cinci băieţi?
18. într-o urnă sunt 5 bile albe, 10 bile negre şi 15 bile roşii. Se scot succesiv trei
bile fară revenire. Cu ce probabilitate pot fi extrase:
a) trei bile albe;
b) trei bile de aceeaşi culoare;
c) trei bile de culori diferite;
d) primele două bile albe;
e) prima bilă albă, a doua neagră şi a treia roşie;
f) cel puţin două bile albe?
19. într-un grup de studenţi aflaţi într-o excursie s-a constatat că 7 5 % dintre ei sunt
studenţi la U .R .A .; 8 % dintre ei sunt fete; 65 % vorbesc engleza şi 6 0 % dintre ei ar
dori să lucreze în turism după terminarea studiilor.
Alegând la întâmplare o persoană din grup cu ce probabilitate minimă aceasta ar
fi:
a) studentă la U R A care vorbeşte engleza şi care doreşte să lucreze în turism;
b) student la U R A care vorbeşte engleza şi care doreşte să lucreze în turism;
c) studentă la U R A care vorbeşte engleza şi care nu doreşte să lucreze în
turism?
20. într-o urnă sunt 2 5 % bile albe, 4 5 % bile roşii şi 3 0 % bile negre. Se extrag
succesiv 10 bile punând înapoi bij.a extrasă. Cu ce probabilitate se pot extrage:
a) numai bile albe;
b) numai bile de aceeaşi culoare;
281
c) opt bile albe;
d) 2 bile albe, 3 roşii, 5 negre;
e) bile de două culori din care cel puţin 5 albe.
23. într-un autobuz cu 3 uşi urcă la întâmplare 7 persoane. Care este probabilitatea ca
pe prima uşă să urce 4 persoane?
2 3 · Ct
R: 7
37
C 1 · C 11
a) P i y^»12
C 96
b) !\ = p (A^ A a\
j A 7 u A ) - Σ ρ (Α *)
k=3
282
unde Ak- evenimentul să apară k bilete câştigătoare t.- _L
3g
Acelaşi rezultat îl putem obţine făcând cel mult două bilete câştigătoare —> ev.
contrar.
2 s~ik s~ i\2—
k
P3 = l - P (A 0 u A , u A 2) = l - ^ - 8 ' 1288
k= 0
C
^96
c 8· c 4
c ) p8 = P ( ^ ) = ay^rl2 “
^96
/'"■
’O ^-»12
'-'β * 88
d) Po - P ( \ ) - „12
96
Obs. pm= prob, să iasă exact m bilete câştigătoare, iar Pm= probab. să iasă cel
puţin m bilete câştigătoare.
b) p ( ( A n ß ) n ( Ä n ß ) ) = p ( A n ß ) + p (Ä o b )=
d) p ( Â n 5 ) = 1 - P ( A u S ) = 0,1.
283
26. U n lot de 100 biciclete este supus controlului de calitate. Condiţia ca acest lot să
fie respins este găsirea a cel puţin unei biciclete defcete în cinci verificări consecutive.
Care este probabilitatea ca lotul să fie respins dacă el conţine 5 % biciclete defecte?
Soluţie. Fie At - ev. ca la verificarea i să găsească o bicicletă bună
şi A - evenimentul ca lotul să fie respins.
Se determină mai uşor probabilitatea ev. contrar
• P ( A 3 / A, n A j ) · Ρ ( Α 4 / Α, η Α^ η Α 3)· Ρ(Α5 / Α, η Α 2 η Α 3 η Α 4) =
= _95_ 9 4 93 92 91 = ηη
1 0 0 9 9 '9S9196
P ( B / A ) = 0 ,2 0 => P ( B /A ) = 0,80.
P (C / 5 ) = 0,10 şi P ( C /B ) = 0,90.
28. Doi adversari cu şanse egale joacă şah. Pentru unul din ei, ce este mai probabil să
câştige:
a) 2 partide din 4, sau 6 partide din 8?
b) cel puţin 2 partide din 4 sau cel puţin 6 partide din 8?
284
Soluţie, a) Fiecare din cei doi jucători are probabilitatea de câştig — > la o partidă.
p x= 0,375
l2J , 2 ,
Şi P 2 = Q 6
2 J- + C 3 1 , „ « 1
P\ — C 4
2 4 r r+ C ‘ 2T “ 0,6875
P2 = C i — + C»7 - ^ + C ‘ . i = 0 ,1 4 4 5 3 1 .
29. Din 20 de unităţi agricole, 15 şi-au realizat planul la recoltări. Sunt alese la întâmplare
10 unităţi agricole şi se cere probabilitatea ca:
a) 6 dintre acestea să-şi fi realizat planul.
b) cel mult 4 unităţi agricole să nu îşi fi realizat.
c) toate cele 10 unităţi să aibă planul îndeplinit.
Soluţie. Aplicăm schema bilei nerevenite,
a) P = IU
= 0,135449
C 20
10 s~i\0-k
p (A) = Σ ^ τ -10
ί — = 0,848297 => P(A) = 1 - P(A) = 0,151703.
k=l '20
10
5
_ C , 15_
c) P = -10 0,01625.
'20
11 7 6 13
31. Din mulţimea {1,2, ...,25} se alege la întâmplare un număr. Care este probabilitatea
ca numărul ales să fie divizibil cu 5?
c) d)
a )î
32. într-o urnă se află bile de aceeaşi mărime numerotate de la 1 la 10. Se extrag
la întâmpalre toate bilele. Care este probabilitatea ca primele două bile extrase să fie
în ordinea naturală?
8! ^ 9! 9_
a) c) d)
10! © μ 10
33. într-o urnă se află bile de aceeaşşi mărime numerotate de la 1 la 15. Se extrage
la întâmplare o bilă. Care este probabilitatea ca numărul extras să fie prim?
a) b) d)
15 15 15
34. Zece bile numerotate de la 1 la 10 se aşează la întâmplare una după alta într-un
şir. Care este probabilitatea ca, după bila numerotată cu 5 să urmeze bila numerotată
cu 6?
35. Se aruncă 2 zaruri de 3 ori. Care este probabilitatea ca dubla (6,6) să apară cel
puţin odată?
35
a) 1 - b)l- c) d)l-
v3 6 , VJ , 3 6 , v36,
36. Se consideră trei urne identice ce conţin bile albe şi negre după cum arată
tabelul de mai jos:
UI 1 1
U2 5 3
U3 1 3
286
Se alege la întâmplare una din urne şi in ea se extrage o bilă. Care este probabilitatea
ca bila să fie albă?
U
a) b) c) d)
24 24 24 24
37. într-o urnă sunt 15 bile identice, dintre care 5 sunt albe, 7 sunt roşii, iar 3 sunt
negre. Se extrage la întâmplare o bilă. Care este probabilitatea ca bila extrasă să fie
albă sau roşie?
b) c) d)
Ô S 15 15 15
38. într-o anumită localitate, în medie 6 zile dintr-o lună sunt cu cerul acoperit. Care
este probabilitatea ca primele trei zile din luna iulie să avem cer senin?
39. Trei firme de producţie P u P2, P 3 trimit la un magazin acelaşi tip de produse în
proporţie de 5 0 % , 3 0 % respectiv 2 0 % . Cele trei firme dau rebuturi de 1% , 3 % respectiv
2 % . Valoarea totală a rebuturilor este de 36 milioane lei. Cum trebuie repartizată
această sumă între cele trei firme?
287
40. Un produs este standard dacă îndeplineşte trei condiţii Cx, C2, C3. Din 1000 de
produse, 92% îndeplinesc C,, 85%, C2 şi 89% condiţia C3. Să se calculeze probabilitatea
minimă şi maximă ca un produs să fie standard.
a) 0,67; 0,84 b) 0,65; 0,86
b) 0,68; 0,83 d) 0,66; 0,85
42. într-o urnă sunt 4 bile albe şi 2 bile negre. Se fac 8 extrageri succesive cu revenirea
bilei în urnă după fiecare extragere. Se cere probabilitatea de a obţine de 4 ori bila
albă.
/.A 4
^ Y f n 4
a) C8
V6 , v6 y
/ t Λ4
c) CJ
v / V /
43. într-o magazie se găsesc 1200 de piese dintre care 30 sunt defecte. Care este
probabilitatea ca o comandă de 155 de piese să cuprindă 145 de piese bune?
-.145 ✓~tl45 v~ill
1170 * 1200 1170 '*-'30
a) 155 b) 155
C,1200
C,1200
44. Se aruncă un zar de 12 ori. Care este probabilitatea ca fiecare faţă să apară de 2
ori?
12
8! 1 10! r n 12! r n
a)
6612 b )~ c)^T d) alt răspuns
(21)°
A ,6,
288
45. La un concurs participă 12 concurenţi dintre care, 6 americani, 4 francezi şi 2
italieni. Prin tragere la sorţi, cei 12 concurenţi sunt împărţiţi în grupuri de câte 4,
fiecare grupă urmând să susţină probele de concurs într-o zi. Care este probabilitatea
să concureze 3 americani şi un francez?
iU rii ^—
*1 ✓^3 /î l /n O
'-'6 ' '-'4 ’ 2 ^ "6 * 4 *^ 2
a) b) c) d)
c,12 '1 2 C,12 c,12
46. Se iau la întâmplare 4 numere diferite din mulţimea {1, 2, 3, 4, 5, 6, 7}. Care
este probabilitatea ca suma lor să fie un număr prim?
11 il
a) b) c) d)
35 35 10 10
47. O urnă conţine 220 bile identice numerotate de la 1 la 220. Dacă se extrage o
bilă oarecare, se cere probabilitatea fiecăruia din evenimentele:
P (A ) P(A) =
220 220
7 7
P(B) = P(B) =
220 220
a) b)
1 13
P(C) = P(C) =
220 220
P(A) =
220
3
P(B) =
220
c)
7
P(C) =
220
289
48. Se aruncă o monedă de 3 ori. Care este probabilitatea ca stema să apară de 2 ori?
5 3 1 2
a) P = - b) P = - c) P = - d) P = -
4 9 . 0 urnă conţine 8 bile albe şi 10 bile negre. Se extrag consecutiv (fară revenire) trei
bile din umă. Să se calculeze probabilitatea fiecăruia din evenimentele:
A - ultima bilă extrasă să fie albă
B - ultima bilă extrasă să fie neagră
a ) P ( A ) = -| pw = jî b)P04) = ! /><») = I
50. O umă conţine 5 bile albe, 4 bile roşii şi 6 bile verzi. Se extrag simultan 4 bile. Să
se calculeze probabilitatea fiecăruia din evenimentele:
A -două bile să fie verzi
B - toate bilele să fie de aceeaşi culoare
P(A) = P(A) =
^15 15
^ (s )= ^ k ± ç % S )=o k ± ^
15 15
7 10 15
51. Valoarea l u i > 0 pentru care: *= : reprezintă o variabilă aleatoare
2p 3p p
discretă este:
1 1
a) P = - b) P = c) orice p > 0 d) altă variantă
290
1 3 4
2 4 1 1
52. Determinaţi p > O astfel încât reprezintă o variabilă
P —p - —
7 3 6
aleatoare discretă:
1 1
a) P = - b) P 4 c)p = 0,2 d) P
ξ:
λ; x-2x “ 5.x
a) x = 0,6 b) x = 0,4 c) x = d) x
f 1 2 3 4Λ
7 1 1
54. Variabila aleatoare ξ are repartiţia:• ξ : Se cere Ρ(ξ > 3)
16 16 3 6
1 9
a) b) c) d)
6 16 3
0 1
*■
n Λ
■<
ί-ι
1
1 1 1 η: 1
p + - Ç + 2 p —q 12 p 2
l 6 3 3, s.3 /
1 1
a))P = - ; 9 = 0 b) p = 0 ; q= -
O
1 2
O P « - ; —
291
(- 1 0 1
56. Dacă variabila aleatoare ξ are repartiţia: ζ '■ atunci variabilele
1 /3 1 /3 1 /3
aleatoare 2 ξ şi ξ 2 au repartiţiile:
- 2 0 2 1 0 3 "
2ξ: 2ξ:
1 /3 1 /3 1/3 1/3 1/3 1 /3
y
a) λ b) ί- 1
0 1 0 1 ^
ξ 2: ξ 2:
1 /3 2 /3 1/3 1/3 1/3
s. V y
r-2
' 1 0 3 Λ 0 2 Ν
2ξ: 2ξ:
1 /9 1 /9 1 /9 1 /3 1 /3 1/3
y
c) Φ /
- 1 0 - 1 0 ί Ί
ξ 2: ξ 2:
1 /3 1/3 1 /3 1 /9 1 /9 1 /9
y
0 1
Λ
57. Dacă variabila aleatoare ξ are repartiţia £ · atunci variabilele
1 /4 1 /2 1 /4
-1 0 1
Ι + ξ:
5 /4 3 /2 5 /4 1/4 1/2 1/4
v y
a) b) '- 1 0 1 Λ
- ζ'· ξ:
- 1/4 - 1/2 -1/4 1/4 1/2 1/4
f 1 0 1 Λ / 0 1
1 + ξ: 1 + ξ:
1/4 1/2 1/4 1/4 1/2 1/4
v y v
c) d)
' 1 0 1 Λ f -1 0 1 '
ξ: -ξ:
1/4 1/2 1/4 1/4 -1/2 -1/4
v v
292
58. D a că ξ şi η sunt variabile aleatoare independente având repartiţiile:
-1 0 1 ^ (-1 0 1
şi rl: atunci variabila aleatoare ξ2 + η 2
1/3 1/3 1/3 1 /3 1 /3 1 /3
v
are repartiţia:
' 0 1 2 Λ 0 1 N
ί _1
a) b)
1 /9 7 /9 1 /9 2 /9 6 /9 1 /9
V / V y
f 0 1 2 N r -1 0 1
c) 4/9 4/9
d)
1/ 9 4/9 -4/9
, 1/9 > V /
-1 0 l λ ί -1 0 1 Ν
şiV-
1 /3 1 /3 1 /3 1 /3 1 /3 1 /3
V
Să se calculeze P( ξ · η = - 1):
1 1 2
a) b) 1 c)
d )5
-1 0 ι λ f -1 ο 1 Λ
ξ: şi V·
1 /3 1 /3 1/3 1 /3 1 /3 1 /3
y \
-1 0 1 f 0 1 Λ
a) ξ·*1'· b) ξ·ν·
2 /9 5 /9 2 /9 2 /9 7 /9
v y y
^ 1 0 1 Λ -2 0 2
c) ξ·ΊΊ· d) ξ·ν·
1 /9 6 /9 2 /9 2 /9 2 /9 5 /9
V /
'■ 1 2 3 Λ
1/ 5 2/5 2/5
293
£-ι 1 1 1 /2 1/3'
a) Ç b ) « “’ ·
5 /1 5 /2 5 /2 1/5 2/5 2/5
1 1 /2 1/3' 1 2 3 "
Ο r 1· d> r·
5 5/2 5/2 -1/5 -2/5 -• 2 / 5
v
' 0 1 2 3 Λ
ξ:
1 /4 1 /4 1 /4 1 /4
V y
Să se determine funcţia de repartiţie F(x)
0 x<0 — OO x<0
0 x<-
4
O 1Λ
1 xe
— OO x<3
F(x) >4
Π 2
3<'
2 xe Fix) = ■ P x e [0,3]
c) 2 ’4 d)
-j- o o x>3
f3
1 x e _ -1-00
4
294
64. Să se calculeze F(3/2). dacă variabila ξ are repartiţia
r O 1 2 3 Λ
/ 0 1 2 3 λ
ξ:
1 /4 1 /4 1 /4 1 /4
1 10
a) Μ ( ξ ) = - b) Μ (ξ) = ο)Μ (ξ) = 1 d) Μ ( ξ ) =
4 4
μί~1 0 1 Λ
1 /3 1 /3 1 /3
v
Să se calculeze media Μ(ξ) şi dispersia Ζ)2(ξ):
a) Μ (ξ) = 0, = ^
c) Μ ( ξ ) = | , ΰ 2(ξ) = 0 d ) M ( É ) = 0, Ζ)2(ξ ) =
aleatoare ς* + —
5 este:
9
a) Ζ)2[ξ + 5/9] ) 10/9 b) Ό2[ξ + 5/9] = 5/9
c) £>2[ξ + 5/9] = Ζ)2[ξ] + Z)2[5/9] = (5/9)2 d) Ζ)2[ξ + 5/9] = 0
295
69. Fie ξ o variabilă aleatoare discretă a cărei repartiţie este: . Să se calculeze
media şi dispersia variabilei aleatoare ξ
2 2 143
a) m = σ~ = b) m= -, σ =
143 5 9
5 2 25 5 143
c) m = - , σ~ = — d) m = σ“
w 3 9 9
χ χ-1 2x + 1
ξ- 1 l
2 3 6
să fie Μ (ξ) = 1
a)x=l b ) * = -l c) x = 0 d) χ = 2
1 2 2
71. Fie ξ o variabilă aleatoare. Dacă se cunosc: Μ ( ξ ) = — şi Μ (ξ ) = — . Să se
3 y
determine abaterea medie pătratică a lui ξ
1 V2
a) σ b) σ = c) σ=
-1 0 1
72. Se dau variabilele aleatoare independente ζ'· Şi
1 /3 1 /3 1 /3
a) Μ(ξ·η) = — ■
— b) Μ ( ξ · η) = 0 c) Μ(ξ·η) =
’ 27 32 12 d )6
■1 0 1 -1 0 1
73. Se dau variabilele aleatoare ζ '■ Şii V-
1 /3 1 /3 1 /3 2 /5 1 /5 2 /5
296
ι)Μ(ξ+η) = ± + 1 b) Μ ( ξ + η) = | + I
c) Μ ( ξ + η) = Ο d) Μ ( ξ + η )
, 1 22
=— +—
74. Care din următoarele tablouri poate fi o repartiţie pentru variabila aleatoare
discretă ξ:
' 1 2 3 4)
rn 2 3 -2"
1 2 3 1
a) b)
0,1 0,2 0,4
7 7 7 y
f
4 -3 - 2 - Ϊ )
49 70 71
1 2 3 4
c) d)
0,12 0,38 0,49
,11 ÏÏ 11 u ,
f i 8 13 17 28^
1 1 2 3 2
75. Se dă variabila aleatoare . Să se determine
1 9 9 9 9 9 ,
a) b) c) d)
7 10 13
76. Fie variabila aleatoare discretă ζ '■1 ^ 1 . Să se decidă care dintre aplicaţiile
'.5 5 5.
de mai jos este funcţie de repartiţie pentru variabila aleatoare ξ:
x<l
297
χ<Ί
Ο χ<Ί
7<*<10
1 /5 7<χ<10
Fix) = ί F(x)
c) - 1 0 < jc< 13 d) 4/5 10<Jt<13
5
1 λ: > 13
Ο jc>13
0 x<-\
F (* ) = 1/2 - 1< jc<1
b)
1 x>l
yfï3
c) σ d )M (|) = f D 2(£) = f J
4 16
0 x<0
x /2 0<x<l
F ( jc) =
x l 2 1 x<2 . Atunci densitatea de repartiţie corespunzătoare este:
1 x>2
0 x<0
x 2/4 0 < x <1
f l /2 x e [0, 2]
/(* ) =
c) fix) d) x1 / 4 l<x<2
I 0 în rest
x x>2
298
ffcc, x e [0, 2]
79. Să se determine constanta reală k astfel încât funcţia: / 0 0 =
I 0, în rest
să fie densitatea de probabilitate a unei varaibile aleatoare ξ:
1
a) k = 1 c) Ar= 0 d) k
b > * = 5
1 /2 0<x<l
m = ■1 / 4 2<x<4
Să se calculeze Ρ (ξ < 3)
0 în rest
3 1
c) 1 d) 0
a> I b) i
81. Se dă funcţia de repartiţie corespunzătoare unei variabile aleatoare continue,
ί2x, x e [0,1]
/(■*) =- . Să se determine media şi dispersia varaibilei aleatoare:
0, în rest
4 2 1
a) m = - , σ" = — b) m = σ~ = —
’ 9 18 18
2 2 4
c) m = —, σ =— d) m =
’ 3 9
Ike2, x e [0,1]
82. S is e determine constanta reală k astfel încât / W ~ . Să se
0, în rest
reprezinte funcţia de repartiţie a unei variabile aleatoare ξ:
1
a) k = e b )£ = 0 c)) k
c ^-=— d)^=l
[2x x e [ 0 , 1]
83. Fie / ( ·* ) — I 0 în rest densitatea de repartiţie a unei variabile aleatoare
0
Cj \4 / i Λ4
Atunci X : T 4
w 2. V2 , v2, V2 , ,
3 1 5 9 N ' 0 4 16"
Soluţie, a) y'· şi
0,3 0,2 0,4 0,1, [o ,2 0,7 0,1^
b) x> — = P((x = 0 ) u ( x = 2 ) u ( x = 4 )) =
3
= P (x = 0) + P(x = 2) + P(x = 4) = 0,7
'-2 3 ' r -\ 2
86. Fie x şi y două variabile având repartiţiile x -
0,2 0,8 j ; y -‘ 0,2 0,5
V J , 0·2
300
f
2 1 "-3 0 3 N
—: 3 ; y - 2:
X 0,2 0,5 0,3
V0,2 0,8
’ J
' -3 0 2 3 5 8
X + y-
^0,04 0,1 0,16 0,06 0,4 0,24
/
X 3 -1 - 0 ,4 0,6 1,5 2 \
0,16 0,1 0,06 0,24 0,4 0,04
iar|1+c— = 1 « ln x | £ = 1 o ln (l + c) - ln (1 - c) = 1
X
. 1+ c 1 + c e - 1
<=> In-------= 1 <=> ----------- = e <=> c
1- c 1 - c e + 1
a
-< x< l
ία / (* ) =
88. Se dă funcţia
0, în rest
a) Să se determine a, a .î./ - densitate de repartiţie a unei variabile aleatoare.
b) Să se afle funcţia de repartiţie corespunzătoare.
c) Să se calculeze P(0 < x < 1)
Soluţie, a) Din proprietăţile densităţii de repartiţie =>
r> f1 1
J_i f ( x)dx = l <=> a ' - ' J i == ■dx -
= a[arcsin 1 - a rc s in (-l)] - απ - 1 « a - —
71
301
b) F(x) = [ _ f{ t) d t.
0, x < -l
1 arcsm x + —
1, / 1,1)
1 1Λ
F(x) = — xe (-
π 2
1, xe (1, oo)
1 2 3 4^
89. Distributia variabilei aleatoare X este X : 2 7 1 1
p —p — -
4 3 6)
Care este probabilitatea ca variabila X să ia o valoare < 3 ?
Rezolvare:
7 1 1
X este variabilă aleatoare =* p2 +—p + —+—= 1;
y 4 3 6
12/j2 + 21/7 + 4 + 2 - 1 2 = 0 ; 4p 2 + 7/>-2 = 0 ;
-7 + 9 1 -7 -9
D = 49 + 32 = 81; p .= —L l l = ± ; p = _ i_ Z . = -2 < 0 ;
1 8 4 8
' 1 2 3 4
Rescriem distribuţia variabilei aleatoare, X :
»""1
"-1 0 1 2 N
1
X: 2 5 1 şi 7 : ?
p —p — *2 f * % K o
3 3
302
Rezolvare: Se determină mai întâi p şi q din condiţiile :
y ,25 25 6 30,
Atunci repartiţia variabilei aleatoare X + Y va fi :
/ _ 2 -1 ') 0 1 -1 0 1 2 0 1 2 31
X + K: 4 16 1 1 20 80 5 5 4 16 1 1
k225 225 54 270 225 225 54 270 75 75 18 90,
'-2 -1 0 1 2 3 N
smX+Y: 4 _36_ 577 434 100 15
k 225 225 1350 1350 1350 1350 J
91. Se consideră variabilele aleatoare independente:
•1 1 1
X: ,Y'.
ρ+Κ « +X X) Ί Κ lp~q
Să se scrie distribuţia variabilei X + Y . Pentru ce valoare a lui a avem:
P (X + Y = o ) > ! ?
Rezolvare: Avem:
i,+% +?+X +X =1 2
J ^ + 2 p - q + l2 p 2 =1 12p + 2 p -q = —
1 2
12/>2 + 2/?+ /> -j = - j ; 36p2 + 9 p - l = 0 cu soluţia convenabilă:
X!U % % r :U χ x ;
303
Repartiţia variabilei X+ Y este:
r-\ + a - 1 O α O 1 1+ a 1 2 Λ
, X X X X X X X X X ,
' - l +a -1 0 a 1 1+ a 2 '
JSf+y:
2/ 1/ 2/
, X /9 /9 /9 X yj
Se observă că: P(X + 7 = 0) = — Pentru realizarea condiţiei din enunţ şi cu a *
9
0, α * 1 = > 1 + α = 0 adică a = -1 .
■1 0 1
>X+ Y:
304
A"şi y fiind independente => M(XY) = M (X) ■M(Y)
=* m [(oX + bY)2]= a2M (X 2) + 2abM (X)■M(Y) + b2M(Y2)
Folosind formula de calcul a dispersiei rezultă:
m [(oX + bY)2]= m [(oX + bY)2}- M 2(aX + bY) =
\ 2/ 4
Rezolvare:
a) Condiţiile ca/ să fie densitate de repartiţie a variabilei aleatoare ΛΓsunt:
1) f(x)> 0,(V )xeR = > ks\nx> 0= *k> 0
oo Oo
υ x 1 1 r 1
F(x)= \0dt+ f —sin tdt = - —cosii = -(l-c o s λ)
J ί 2 2 η 2
305
Dacă χ>π atunci:
O π x n -t
H *) = J / (O * +J fiO dt +J f(t)dt =0 +J - s in tdt +O= 1
—oo O 7C O
în concluzie:
0 ,dacă x <0
l-c o s jc
F(x) = ■ ,dacă 0< χ< π
2
1 ,dacă x> n
2-V2
c) f i 0 < X < — j = f —sin xdx =
V <—
n π
<X F
4 6
'O ix c î/ x ^ Λ
4/ 6
{χ>- 1 1-fj
1 6J UJ
_ 2(V3-V2)
2 + V3
2
1 - i
1 2 + /2
λ
306
Rezolvare:
/ (x) este o densitate de repartiţie dacă: f ( x ) > 0 · c > 0 şi
jf ( x ) d x = 1
f dx r 1
-■dx = c \
2 J --------
ţ = c · arctg x\ -c -n - 1 c =—
(i +x ,
.+ Χ n
i
î£c
+x
1 e J_ _ 1 π
= —·arctg χ - - Ϊ
π -1 π .4 41 πΊ
o .pentru x < 0
96. F ie/: R->R, / (x ) = ·
A e-2* .pentru x > 0
a) Să se determine A pentru ca / să fie densitatea de repartiţie a unei variabile
aleatoare continue X.
b) Să se calculeze P ( X >3),P (X <3),P(2 < X < 3)
c) Să se calculeze M(X) şi D(X).
Rezolvare'.
a)/ densitate de repartiţie dacă:
/ (x) > 0, (V)x e i? => A > 0 ;
oo oo oo
b) Calculăm întâi
3 3 ,
P(X < 3) = J 2e~2xdx = - eT2*|o = 1- e-6 = 1— .
o ° e
P (X > 3) = l- P ( X < 3 ) = ~ .
e
3 2
307
oo oo oo
=2x1 - + 2 jx - e - 2xdx = 0 - - e
2
308
CAPITOLUL V
ELEMENTE DE STATISTICĂ M ATEM ATICĂ
309
{.Kj,.*2 , . al e variabilei aleatoare X. Vom spune că o astfel de mulţime de n
valori observate ale unei variabile aleatoare X având funcţia de repartiţie
F (x ;0 l,0 2,...) se numeşte selecţie realizată de volum n, efectuată asupra
caracteristicii X în populaţia a cărei lege de repartiţie tepretică este
F(x;Ov 02,...).
Selecţia poate fi cu întoarcere şi fară întoarcere; în primul caz elementul extras
din populaţie este repus la loc iar în al doilea caz el nu mai revine în populaţie.
Evident dacă populaţia este infinită atunci această deosebire practic nu mai
apare, ea se impune când populaţia conţine un număr finit de unităţi.
Când o populaţie este infinită sau poate fi considerată practic infinită, singura
metodă de cercetare a populaţiei după caracteristica X este evident metoda selecţiei
cu ajutorul căreia pe baza analizei unei colectivităţi parţiale numită colectivitatea
de selecţie se trag concluzii asupra întregii colectivităţi.
Pentru ca aceste concluzii să fie justificate este necesar ca selecţia să fie
reprezentativă adică toate valorile de selecţie xl ,x 2,...xn să aibă aceeaşi
probabilitate de a intra în componenţa ei.
Să introducem acum mai riguros conceptul matematic al selecţiei. Considerăm
un experiment aleator căruia i se asociază variabila aleatoare (caracteristica) X.
Efectuăm un şir de n repetări ale experimentului care formează un experiment
aleator compus şi care constituie un sistem de n variabile aleatoare
X x,X 2,...X n independente unde X, \ < i< n este rezultatul aleator care
corespunde celei de a i-a repetări a experimentului.
Suntem conduşi astfel la o variabilă aleatoare «-dimensională ( X , , I 2> -^ „ )
unde componentele Xi sunt variabile aleatoare independente identic repartizate
adică având fiecare aceeaşi funcţie de repartiţie F(x) ca şi variabila X ataşată
experimentului (asociată populaţiei).
în baza consideraţiilor de mai sus, dăm următoarea:
Definiţie. Fie X x,X 2,...X n , n variabile aleatoare independente identic
repartizate deci având aceeaşi funcţie de repartiţie F{x)\ funcţiile de repartiţie ale
variabilelor X l ,X 2,...X n fiind
F fx ,) = F (x x)-F 2(x2) = F (x2)...Fn(xn) = F (x n)
iar funcţia de repartiţie comună variabilelor X x,X 2,...X n
F (Xl) -F ( x 2) -...-F (x n)
în acest caz se spune că variabilele X x,X 2,...X n constituie o selecţie
aleatoare de volum n asupra variabilei X având funcţia de repartiţie F.
Definiţia precedentă rămâne valabilă dacă în loc de funcţia de repartiţie F
figurează densitatea de repartiţie f
Conform cu definiţia de mai sus, noţiunea de selecţie realizată asupra variabilei
310
aleatoare X din populaţia cercetată, introdusă anterior şi definită de ansamblul
valorilor xl ,x 2,...xn reprezintă realizarea prin selecţie a variabilei aleatoare n-
dimensionale (Χ ], X 2,...X n) în sensul că în urma experimentului compus al celor
n repetări, X x ia valoarea xu X2 ia valoarea x2 ...X„ ia valoarea xn. Mai spunem că
(xi, x2,...jcn), formează o valoare de observaţie a variabilei n-dimensionale
(8 )
n
v
Relaţia (8) justifică afirmaţia făcută mai sus, anume frecventa relativă —
n
corespunzătoare intervalului [flM , a ( ) se apropie oricât de mult de ordonata curbei
y - f ( * ) în orice punct intermediar ζί când n creşte. Deducem că pentru un
volum mare al selecţiei conturul superior al histogramei ne furnizează o imagine
statistică suficient de exactă a graficului densităţii de repartiţie / (x) adică a curbei
reprezantative a legii teoretice pe care o urmează caracteristica X în populaţia
generală.
O altă noţiune care se impune în studiul selecţiei este funcţia de repartiţie a
selecţiei sau funcţia de repartiţie empirică. Fie o populaţie pe care se consideră
variabila aleatoare X, având funcţia de repartiţie F (x ) = P (X < x), XE R
numită aşa cum am spus funcţia de repartiţie teoretică. Dacă {x[, x2 x„ } este o
selecţie realizată de volum n din populaţia dată şi x un număr real arbitrar, să notăm
cu tix numărul de valori x; din selecţie mai mici ca x.
nx
Raportul — reprezintă frecvenţa relativă a valorilor x,· care cad la stânga
(9)
n
( 10)
n fr.
X j< X
F'.W
Σ
Im
/-=>
w,
f,
I 2 AM i
Dacă datele de selecţie sunt grupate pe intervale (α ,.,,α ,·), i = l,2 ,...r de
lungime constantă h, funcţia de repartiţie a selecţiei Fn (x ) se defineşte astfel:
315
pentru x < a 0 = a
X -ür
pentru a Q< x < a {
x -a .
f l + f l pentru a l < x < a 2
Κ ω (12)
x - a t_i
Σ λ · + /.· pentru αΜ < x < a t
i'= l
n~ l
pentru x > a r - b
i= t
Vj
unde f , - — , j = 1,2,..., r este frecventa relativă corespunzătoare intervalului
η
0 a j _ x, a j ) , j = 1 ,2 ,..., r .
Să ilustrăm cele de mai sus, efectuând o selecţie de volum n = 100 asupra unei
variabile aleatoare X care a furnizat valorile 1, 3, 7, 10 respectiv cu frecvenţele
Vj = 20, v2 = 15, v3 = 4 0 ,v 4 = 25. Variabila de selecţie X* conform cu (4) are
repartiţia:
1
X* 20 15 40 25
,1 0 0 100 100 100
316
0 dacă x< l
1 dacă x > 10
având graficul:
Fm(x)
1
0,8-
0,6.
0,4.
0.2-
10
+ F (x ) (13)
n
pentru n —>°° şi x fixat, a funcţiei de repartiţie empirice către funcţia de repartiţie
teoretică. Convergenţa lui Fn (x ) către F(x) pentru orice x e R adică convergenţa
globală este dată de teorema lui Glivenko potrivit căreia, dacă notăm
dn = sup |f „*(x ) - F ( x )I
—oo<X<+oo
atunci d„ converge în probabilitate către zero, când volumul selecţiei n —>°°
adică:
p ţlim dn = o J —> 1 (14)
317
Această teoremă numită de unii autori teorema fundamentală a statisticii, dă
justificarea teoretică a folosirii metodei selecţiei. Deducem şi aici că, pentru un
volum mare al selecţiei, graficul funcţiei de repartiţie Fn ( x ) , care poartă numele
de poligonul frecvenţelor cumulate, ne oferă o imagine a funcţiei de repartiţie
teoretice F(x).
Pentru repartiţia unei selecţii se pot calcula toate valorile tipice, media,
dispersia, etc. Aceste valori tipice se numesc valori tipice de selecţie sau valori
tipice empirice. Cele mai importante dintre ele aşa numitele momente de selecţie
sau momente empirice, le vom defini în cele ce urmeză.
3. Momente de selecţie
Când se consideră o selecţie aleatoare {X ],X 2,...,X n}, adică X\, X 2,...,X n
sunt concepute ca variabile aleatoare, orice funcţie Tn( X l,X 2,...,X n) de aceste
variabile, adică orice funcţie de selecţie este la rândul său o variabilă aleatoare, a
cărei funcţie de repartiţie este unic determinată de funcţia de repartiţie
F{x,Q],θ 2,...) a caracteristicii X care a generat selecţia. Funcţia de selecţie
Tn(X \,X 2,...,X n) o vom numi statistică şi aşa cum am spus mai sus este o
variabilă aleatoare. Menţionăm că pentru o selecţie realizată .··>*„}
valoarea statisticii Tn este numărul Tn(xx,x 2,...xn\adică realizarea prin selecţie a
variabilei aleatoare Tn(X i,X 2,...,X n) .
Dintre funcţiile de selecţie importante menţionăm aşa numitele momente de
selecţie pe care le definim în continuare.
318
M(X) = m
D (X ) = m2 ~ mi = (18)
η n
adică valoarea medie a mediei de selecţie este egală cu media populaţiei
M ( X ) = m , iar dispersia mediei de selecţie este de n ori mai mică decât dispersia
D (X ) = σ 2 a populaţiei.
Se numeşte moment centrat de selecţie de ordinul r statistica:
lh = S 2 = - f l ( X ,- X f
" ti
Se înţelege că cu cât volumul selecţiei este mai mare cu atât momentele de
selecţie vor avea valori mai apropiate de momentele teoretice corespunzătoare.
Această afirmaţie care poate fi intuită, are la bază convergenţa în probabilitate a
momentelor de selecţie către momentele teoretice, justificată de teorema lui A.I.
Hinein, conform căreia oricărui şir de variabile aleatoare independente
Z ],Z 2,...Z n identic repartizate cu aceaşi valoare medie finită:
A/(Zj) = Af (Z2) = ...M(Z„) = m
319
când « —» oo _ în mod analog, momentele centrate de selecţie /ir converg în
probabilitate către momentele teoretice μ . , când volumul selecţiei « —>00 .
321
— 1 n
datele de selecţie, ca de exemplu media de selecţie X —— , dispersia de
n k =1
322
Teorema 1. (fără demonstraţie) Dacă X x,X 2,...,X n este o selecţie de volum n
dintr-o populaţie caracterizată de o variabilă aleatoare repartizată N {m ,o) atunci
media de selecţie
^ _ X i + X 2 + ... + X M
n
( 1)
îs
b
{ ^n )
Pentru selecţii din populaţii normale, repartiţia mediei de selecţie X este aceeaşi
dată de (1) atât pentru selecţii de volum mic cât şi pentru selecţii de volum mare.
Să considerăm variabila redusă:
7 _X -m
Ζ '~ ~ Ϊ Γ (2)
yfn
întrucât 2 se exprimă liniar în funcţie de variabila normală X ,
_ 4 n — -Jn
£ --------X ----------m , rezultă că Z va avea o repartiţie normală tip N(0,Y) cu
<7 cr
desitatea de repartiţie:
1
= ~ ^ 2π 'β 2 (3)
Pentru selecţii de volum mic repartiţia mediei de selecţie X trebuie
determinată de la caz la caz depinzând de repartiţia / (x) a populaţiei din care s-a
extras selecţia.
Aplicaţie. S-a stabilit că productivitatea muncii unor lucrători care îndeplinesc o
anumită operaţie în condiţii tehnice asemănătoare, are o repartiţie normală.
într-o întreprindere industrială s-a determinat cu ajutorul cronometrării
proceselor de muncă, durata de efectuare a operaţiei amintite, la 9 muncitori luaţi
întâmplător dintr-o serie de grupe care efectuează această aplicaţie. Se cere să se
323
determine probabilitatea ca media X observată la cei 9 muncitori să se abată în
valoare absolută de la productivitatea medie generală m cu mai mult decât 2
bucăţi/om/oră ştiind că abaterea medie pătratică a productivităţii muncii
lucrătorilor este G = 3 bucăţi/om/oră.
Avem:
Μ yς **
k=1
Probabilitatea cerută este:
p \ x -n \ > 2 ) = P ( X -m > 2 ) + P ( X - m < - 2 ) =
f \ / \
= 1-0,95450 = 0,04550
Prin urmare din punct de vedere practic putem fi siguri că productivitatea
medie X observată, nu se va abate de la productivitatea medie generală cu mai
mult de 2 bucăţi/om/oră.
Se ştie de la studiul repartiţiei χ2 că variabila
^ = z ,2 + z | + ...+ z „! = £ z ,
k=1
unde Zk sunt variabile aleatoare independente iV (0 ,l) are o repartiţie χ 2 cu n
grade de libertate
1 "A- 1 7
h(x) x /2 -e 2 ;x > 0 (4)
2 * Γ (^ )
324
η
325
S2 = i j T ( X * - X ) 2 (6)
n k =1
* 2 = - r r Ê < x * - f
> <7 >
n 1 *=1
în cele ce urmează vom stabili repartiţiile unor funcţii de variabilele
aleatoare S ? ,S 2 şi s 2 pentru selecţii dintr-o populaţie normală N(m,(T).
Teorema 3 Dacă Χ λ, X 2,—,X n este o selecţie dintr-o populaţie normală
N(m, σ) atunci variabila aleatoare :
nS:
U, .2 > (8)
n
nS: *=i
σ σ σ2 =ΣΖ
*=1
·
şi cum Zk (1 < k < n ) simt variabile normale (0 ,1 ), în baza teoremei 2
2
variabila U· va avea o repartiţie X cu n grade de libertate.
Ca urmare a celor de mai sus, putem deduce media şi dispersia variabilei
S * . Deoarece M (U„) = n şi D(U* ) = 2 n , rezultă:
i
îîSC *2 λ
n
M , M (S }) = n
adică
(9)
n n ,„ 2
Şi D D (S t) = 2n sau
2σ
D{Si) = (10)
n
326
Aplicaţie. Dintr-o populaţie normală cu N(3,2) cu media m = 3 şi abaterea
medie pătratică <7 = 2 se extrage o selecţie aleatoare de volum n = 6. Se cere
r* 2
probabilitatea ca dispersia de selecţie S , să fie cuprinsă în intervalul (2,6), adică
P (2 < S* < 6).
X = n- ■
2 > ( şi
n 1 n ■
sunt independente,
b) Variabila
nS‘
U= ( 11)
327
(n - 1 )ä;
y = (13)
σ
are de asemenea o repartiţie χ cu η -1 grade de libertate.
Din faptul că variabilele (11) şi (12) au repartiţii X cu η -1 grade de libertate
putem deduce media şi dispersia şi pentru variabilele S 2 şi s 2 . Avem pentru S 2
M (U ) = M = - V M ( S 2) = n - 1 sau
(14)
n
<n S 2 ^
D(U) = D 4 - W 2) = 2 ( n - l ) sau
σ
2(n - 1 ) 4
D(S ) = σ (15)
n
Pentru variabila S :
{" -IV n -l
m (v )= m A/(.s2)= n - l sau
m(s2)= σ 2 (16)
( n - l) s 2 \ ( n - l ) 2
D (s2) = 2 ( n - l ) sau
ο ( ^ ) = 2σ (17)
n -l
Am văzut în teorema 1 că dacă selecţia se extrage dintr-o populaţie
X γη _
n o r m a l ă r e p a r t i ţ i a variabilei Z - — —— este normală tip. în cazul în
Tn
328
care rezultă din teorema de mai jos, analogă teoremei 1.
Teorema 6. Dacă X x,X 2,...,X n este o selecţie dintr-o populaţie normală
N {m ,a) atunci variabila aleatoare:
X -m
'= -7 7 . o«)
X -m
într-adevăr conform teoremei 1 variabila: Z=
σ
V«
are o repartiţie normală tip N (0,1) iar conform consecinţei teoremei 4 variabila:
Cn - l ) s 2
V =
n-l
329
adică variabila (18) este repartizată Student cu n -1 grade de libertate având
repartiţia (20) în care k = n - 1:
n
.2 y t
V i(0= ' 1+- >t G R (21)
'n - P n -l
s*(0= fJ —oo
(22)
ale cărei valori se iau din tabelă pentru diverse valori ale lui t şi ale numărului
gradelor de libertate k.
1. Noţiuni introductive
în multe din fenomenele din economie, din tehnică şi în general din ştiinţele
experimentale pe care le cerctăm cu ajutorul statisticii matematice, există motive
teoretice şi practice să afirmăm că forma funcţiei care exprimă legea probabilistică
pe care o urmează fenomenul studiat este cunoscută.
Astfel dacă în cadrul unui proces de producţie considerăm variabila X care
reprezintă numărul de produse necorespunzătoare ce se obţin într-o selecţie
repetată de volum n, dintr-un lot supus controlului statistic, atunci repartiţia
variabilei X este cea binomială:
p (x ;p ) = C Ïp * ( 1 - p )n~x;x = < ρ<1 ( 1)
unde p este probabilitatea ca un produs cercetat să fie necorespunzător.
Dacă variabila X reprezintă numărul de strunguri dintr-o secţie mecanică care
ies din funcţiune în decursul unei anumite perioade de lucru, atunci repartiţia
variabilei X este repartiţia Poisson:
330
•_ a
p(x;a) = e~a — ;* = 0,1,2,...;α > Ο, (2)
χ\
deoarece în condiţii normale de producţie, ieşirea din funcţiune a unui strung este
considerat un eveniment rar, care nu depinde de ieşirea din funcţie a altuia dintre
strunguri.
De asemenea, dacă variabila ξ reprezintă dimensiunea unor piese fabricate de o
maşină, atunci variabila abatere X - ζ - Μ (ξ) de la dimensiunea nominală
adică de la media Μ (ζ ) a dimensiunii ξ are o repartiţie normală:
n(x;m,a) = — r = e
ί x ~ m
°
T R',me R-,σ > 0, (3)
σ^2π
331
concluzii false. Acest risc se micşorează odată cu creşterea volumului selecţiei,dar
el există întotdeauna.
332
1. Pentru o selecţie realizată, statistica trebuie să dea valoarea adevărată a
parametrului Θ,
2. Statistica trebuie să dea valoarea care este cel mai frecvent aproape de
valoarea adevărată a parametrului θ.
Uneori estimaţia găsită pentru parametrul Θeste însoţită de mărimea erorii medii a
estimaţiei care ne indică gradul de aproximare a valorii exacte a parametrului. Prin
eroarea estimaţiei înţelegem diferenţa t - Θ dintre valoarea estimaţiei şi valoarea
adevărată a parametrului (am notat cu t valoarea numerică a estimaţiei Tn pentru o
selecţie realizată). Eroarea medie a estimaţiei T„ a parametrului θ o vom nota cu
(7(Tn) şi reprezintă abaterea medie pătratică a estimaţiei. Adesea rezultatul
estimării punctuale a parametrului θ se scrie sub forma:
σ - t ± a ( Ţ n) (5)
Relaţia (5) trebuie înţeleasă astfel: cea mai bună evaluare a lui Θeste numărul t
iar eroarea medie comisă în această evaluare este o{Tn) Găsirea unei cât mai bune
estimaţii pentru un parametru necunoscut este problema fundamentală a teoriei
estimaţiei. Rezolvarea acestei probleme necesită cunoaşterea unor proprietăţi de
bază ale estimaţiilor punctuale şi clasificarea lor după aceste proprietăţi. De acestea
ne vom ocupa în cele ce urmează.
333
natural să cerem ca valoarea medie a lui Tn să fie egală cu Θ. Deşi această condiţie
nu elimină erorile (unele valori ale lui Tn pot fi mai mari,altele mai mici decât Θ),
cu alte cuvinte condiţia Μ(Τη) = θ ne asigură că Tn estimează parametrul fară
erori sistematice şi că în medie estimaţia Tn dă valoarea exactă a parametrului Θ.
Consideraţiile de mai sus ne conduc la următoarea definiţie:
Definiţie. Statistica Τη( Χ ι , Χ 2,.··,Χη) se numeşte estimaţie nedeplasată a
parametrului Θ, dacă există valoarea medie a statisticii Tn şi este egală cu Θ, adică
dacă pentru orice volum n finit al selecţiei,
Μ(Τη) = θ . (6)
Diferenţa dintre valoarea medie a estimaţiei şi valoarea parametrului de estimat
se numeşte deplasarea estimaţiei. O notăm cu Bn şi avem:
Βη =Μ (Τη) - θ (7)
Din relaţia (6) şi (7) rezultă că o estimaţie nedeplasată este estimaţia a cărei
deplasare este nulă.
Nu trebuie să confundăm eroarea estimaţiei cu deplasarea ei. Prima este Tn -Θ şi
este o variabilă aleatoare, în timp ce deplasarea Bn este pentru n dat o mărime
constantă şi reprezintă eroarea sistematică. Statistica Tn pentru care are loc relaţia
Μ (Tn) > Θ se numeşte estimaţie deplasată şi anume pozitiv deplasată dacă
Μ(Τη) > θ şi negativ deplasată dacă M(Tn) < θ .
Exemplul 1. Media de selecţie X obţinută printr-o selecţie X\, Χ 2,···Χη
asupra variabilei aleatoare X dintr-o populaţie oarecare, este o estimaţie
nedeplasată a mediei m a populaţiei.
Avem:
T J X ,, X 2......X „) = X = i 2 > t
« k=l
şi media
334
Aplicaţia 1. într-o secţie mecanică cu 10 strunguri s-a efectuat zilnic în decursul
unei anumite perioade întregistrarea numărului de strunguri care nu funcţionează,
în total s-au făcut n = 200 astfel de înregistrări. Repartiţia numărului de strunguri
care nu funcţionează determinată pe baza celor 200 de înregistrări este dată în
tabelul 2.
Tabelul 2
Nr. de 0 1 2 3 4 5 6 7 8 9 10
strunguri
Frecv. abs. «,· 41 62 45 22 16 8 4 2 0 0 0
D (X ) = = - = - = — = 0,009 ia r σ ( Χ ) = 0,09 .
n n n 200
Tabelul 3.
Nr. aparate 1 2 3 4 5 6 7 8 9 10
ti (ore) 200 350 600 450 400 400 500 350 450 550
336
exprimă că frecvenţa relativă în n probe independente a unui eveniment, este o
estimaţie nedeplasată a probabilităţii constante p a evenimentului.
X
Observaţie. Dacă în loc de frecventă relativă f n = — considerăm expresia
n
X
, notaţiile fiind cele precedente avem:
M (h) = M 1 7 M ( a ) --------
----- nP - -_ p„ --------
P - sau
n+1 n +1 n +1 n +1
p _ . X
— —Λι (/î) —p de unde rezultă că estimaţia — propusă pentru
£2 = - V ( X * - m ) 2 - ( X - m ) 2 .
n M
Luând media în ambii membri ai relaţiei de mai sus avem:
M ( S 2) = - \ M ( X k - m ) 2 - M ( X - m ) 2 ( 12)
M ( S 2) = - n a 2 sau
η n
337
η η
ί1 η
2 ■■■2
Din relaţia (13) rezultă că dispersia de selecţie S - — Λ , ( Χ * “ X ) este o
n £i
. 2 ·
estimaţie deplasată şi anume negativ deplasată a dispersiei σ a populaţiei,
σ2
eroarea sistematică, deplasarea fiin d -----—.
n
2
Pentru a obţine o estimaţie nedeplasată a dispersiei CT este necesar să
2 n
înmulţim dispersia de selecţie S cu factorul----- -, adică
- ^ 2 = ^ - Σ ( Χ 4-Χ )2 = ΐ2 (14)
n -l n-
2 l1 τ nρ 2
într-adevăr dispersia s = ----- - / ,(%k ~ X ) este o estimaţie nedeplasată,
n ~^ λ=1
deoarece ţinând seama de (13):
n 2 η ____ , . n n -l
M ( s 2) =M -5 M ( S 2) = — ---------- σ 2 = σ 2 (ΐ5)
V
η —1 n -l n -l n
338
M (S*) = M i ] T ( X * - m ) 2 = - ] £ m ( X * - m ) 2 = - η σ 2 = σ 2 ( ι 6)
η ί J η λ=Ι n
4. Estimaţii consistente
339
2. dispersia estimaţiei D(Tn) satisface condiţia lim D(Tn) = 0 , atunci
n —+°°
estimaţia Tneste consistentă.
Pentru demonstraţie vom aplica variabilei aleatoare Tn inegalitatea lui Cebâşev.
Avem:
M ( X ) = m; D( X) = üh-ZJUl. = (19)
ti n
— σ2
şi deoarece D ( X ) = -------->0 când n —» rezultă că media de selecţie este o
n
estimaţie consistentă a mediei m a populaţiei.
340
Exemplul 5. în condiţiile exemplului 2 să arătăm că estimaţia nedeplasată f„ a
parametrului p din repartiţia binomială (9) este o estimaţie consistentă,
într-adevăr,
(
D ( fn) = D - ^ \ D (X )= \ n p q =^ - j l
l n η η η
când n —>00.
Putem deci scrie: p (|/„ - p| < ε ) —» 1 când n —>00. Regăsim astfel
proprietatea de stabilitate a frecvenţei relative exprimată de legea numerelor mari
sub forma teoremei lui Bemoulli.
Aplicaţia 3. Pentru determinarea procentului de piese necorespunzătoare, dintr-
un lot de 10.000 de piese s-au controlat n = 500 de piese printre care s-au găsit 10
necorespunzătoare. Se cere să se estimeze proporţia de piese necorespunzătoare din
lot (se consideră selecţia repetată).
Problema se încadrează în schema probabilistică de la exemplul 2. Parametrul
ce se cere estimat este proporţia p de piese necorespunzătoare din lot iar estimaţia
X 10
sa este frecventa relativă f„ = — = — ~ = 0,02 , Eroarea medie va fi:
n 500
10 ,0 2 (1 -0 ,0 2 )
σ ( Λ ) = JI p Q.- "p ) ξ
_ M ~fn) = _
rr ' /
1
= 0 ,00627 .
1
" \
V η
n M n-l
\ V 5 0 0 -1
3
341
mică. Se poate arăta în ipoteze destul de generale referitoare la forma estimaţiilor
cât şi la funcţia f ( x , 6 ) , că dispersia estimaţiilor nedeplasate, construite pe baza
unei selecţii de volum n nu este mai mică decât o margine inferioară stabilită de
următoarea teoremă, pe care o dăm fară demonstraţie:
Teorema 2. (Rao-Cramer), Dacă T„ este o estimaţie nedeplasată a parametrului
Θdin repartiţia / (χ ,θ ) a variabilei X discretă sau continuă, atunci:
unde I (Θ) poartă numele de cantitate de informaţie pe o observaţie şi are una din
expresiile echivalente:
2
" a in / ( jc ,0 ) " d 2 Î n/ ( χ , θ )
1(9 ) = M = —M (21)
L de J 3Θ2
Definiţie Estimaţia nedeplasată Tn a cărei dispersie este egală cu marginea
inferioară din membrul doi al relaţiei (20) adică pentru care:
(22)
se numeşte estimaţie de minimă dispersie sau estimaţie eficientă. Prin urmare, Tn
este o estimaţie eficientă a parametrului Θ dacă T„ dă valori care sunt concentrate
mai aproape de valoarea lui Θdecât valorile oricărei alte estimaţii.
Observaţie. în practică un rol mai important îl joacă abaterea medie pătratică
a(T n) = + 4 D Î J J a estimaţiei Tn care aşa cum am văzut poartă numele de
eroarea medie a estimaţiei. Această denumire este justificată de faptul că 0 ( J n)
indică în medie eroarea comisă la estimarea parametrului Θîntr-o serie de selecţii
succesive de acelaşi volum n .
_ j n
Exemplul 7. Să se arate că media de selecţie X este 0 estimaţie
k=1
eficientă pentru parametrul m al repartiţiei normale:
1
f(x;m) = me R,a > 0
σ 4 ϊπ
Avem:
•m
In/(x;m ) = Ιη(σ^ΐ2π)~ι - Şi
342
d in f(x,m ) _ x - m
dm σ ’
r d\nf(x,m) I2
I(m) = M = M Μ * - " ) 2) = —j M ( x - m ) 2 =
dm
_ σ^__1_
σ4 σ2
1 _σ
_____
Deci: D ( 0 =
ni {m) n
Ştim însă că media de selecţie X este o estimaţie a mediei m a populaţiei şi
— σ2
D(X) Prin urmare X are dispersia minimă deci estimaţia eficientă a
In ρ (χ ,θ ) —-Θ + * 1 η 0 - In x !; = -1 + -
^ 00 0
Λ
3 ln p ( x ,0 ) ) o *—+1,
7(0) = M = M — -1 =M 2—
00 0 02 0
1 • 2> 2 0 2 +0 20 1
0 2 '” ^ ' 0 0‘ 0 +1 0
343
Avem D( X) ——-—------- , deci X are dispersia minimă, adică estimaţia
η n
eficientă a parametrului Θdin repartiţia Poisson este Tn - X ,
. k
Exemplul 9 Frecventa relativă J n ----- în « probe independente a unui
n
eveniment de probabilitate constantă p în fiecare probă, este o estimaţie eficientă a
parametrului p din repartiţia:
f ( x ; p ) = p x( l - pŸ~x, x = 0,1;0 < p < 1 ,
Dar = = =
l n) n n
Rezultă că /„ are dispersia minimă deci este o estimaţie eficientă a
parametrului p.
344
Astfel de exemplu în legea repartiţiei Poisson parametrul a este media M ( X )
a variabilei observate X şi este logic să estimăm pe a cu media de selecţie X . De
asemenea, în cazul repartiţiei normale parametrii m şi σ sunt respectiv media
M ( X ) şi dispersia D( X) a variabilei normale x, deci este firesc ca pentru
aceşti parametri să luăm drept estimaţii media de selecţie X şi respectiv dispersia
de selecţie X . Este evident că precizia acestor estimaţii este cu atât mai mare cu
cât volumul n al selecţiei este mai mare. Prin urmare pentru un număr mare de
observaţii, pot fi luate ca estimaţii ale parametrilor necunoscuţi ai repartiţiilor
toaretice momentele de selecţie. Acest procedeu de obţinere a estimaţiilor poartă
numele de metoda momentelor şi se bazează pe convergenţa în probabilitate a
momentelor de selecţie către momentele teoretice corespunzătoare, adică pe
consistenţa momentelor de selecţie (vezi teorema lui Hinein).
în acest caz, când numărul n al observaţiilor este mare, este suficient ca
estimaţia parametrului necunoscut să satisfacă condiţia de a fi consistentă, fară a fi
obligatoriu strict nedeplasată sau eficientă, deoarece eroarea sistematică devine
neglijabilă, iar dispersia estimaţiei va asigura într-un mod oarecare o concentrare
suficient de bună a valorilor ei în jurul parametrului pe care îl estimăm.
Metoda momentelor propusă de K. Pearson pentru estimarea parametrilor
θ ι ,θ 2,...,θί din legea de repartiţie / (χ',θν θ 2,...,θ5) , a variabilei observatei,
constă în următoarele:
1 "
Se calculează primele s momente de selecţie ^ X ]k f j = 1,2,..., s şi
n *=i
se egalează cu momentele teoretice M ( X J ) = m j(9x,Q2,..ß s), j —1,2,... care
sau m — - X şi
n 1
( σ 2) ' =τη2 - m ,’ = i £ x , 2 ~ ί - Σ χ ^
η k=1 η *=ί
= 1 £ ( Χ , - Χ ) 2 = ώ = 5 2.
η £ί
2
Regăsim rezultatul că dispersia σ a populaţiei poate fi estimată cu dispersia
de selecţie 5 .
Exemplul 11. Să estimăm parametrii a ş i β din repartiţia Beta având legea de
repartiţie:
“ =x
a +ß
aß
=S‘
(a + ß y(a + ß +1)
Obţinem estimaţiile:
* x 2a - x ) - s 2x
a = X 2(l - X ) - 5^(1 - X)
; ß=
Pentru o selecţie realizată, relaţiile de mai sus dau valorile numerice ale
estimaţiilor a şi β' pentru parametri necunoscuţi a şi β .
346
Aplicaţie 4. Repartiţia de selecţie obţinută ca rezultat al cântăririi a 800 bile de
oţel este dată în tabelul de mai jos (în prima coloană este indicat intervalul
greutăţii în grame, iar în a doua coloană frecvenţa, adică numărul de bile a căror
greutate este cuprinsă între limitele intervalului).
Tabelul 4
(Xk-i. Xk)
20,0 - 20,5 91
2 0 ,5 -2 1 ,0 76
2 1 ,0 -2 1 ,5 75
2 1 ,5 -2 2 ,0 74
2 2 ,0 -2 2 ,5 92
22,5 - 23,0 83
23,0 - 23,5 79
23,5 - 24,0 73
24,0 -24,5 80
2 4 ,5 -2 5 ,0 77
/ (χ ',θι,θ2) = ~ — χ^ \ βι ,θ 2\ θ2 > ^
0 2 -Ö ,
se cere să se estimeze prin metoda momentelor parametrii 0 ; şi θ2, pe baza celor
800 de cântăriri.
Se ştie că în cazul repartiţiei uniforme:
η θ } 4" 2θι Θ9 + θη
Μ (X ) = m2 = —--------^
Găsim:
0* = ml - ^3(m*2 - m ï ) = X - s^j- - - - - - ,
347
02 = m2 + ^ 3(m *2 - m*) = X + —— — - t
2 i τJL
ρ 2
unde s = —— ~ ^ ( Χ * - X ) este dispersia nedeplasată. Pentru selecţia
f ( x ) = — ; x e ( 1 9 ,9 8 ; 2 4 ,9 5 ).
0,2
sau (20)
d I n L(xl ,x 2,...,xn,0 l ,e 2,...,Os) _ Λ ^
j
care poartă numele de ecuaţii de verosimilitate. în cazul când avem de estimat un
singur parametru,sistemul de ecuaţii (20) se reduce la
d\nL(x,„.. x"d) 1 dL Λ
------------I----- 5----- -- ---------= o (21)
dG L άθ K ’
Este evident că pentru existenţa estimaţiilor de maximă verosimilitate trebuie
asigurată derivabilitatea funcţiei L în raport cu fiecare din parametrii pe care îi
conţine.
în încheierea expunerii acestei metode de estimare a parametrilor unei legi de
repartiţie, vom prezenta câteva exemple.
Exemplul 12. S-au efectuat n observaţii independente asupra variabilei aleatoare
X cu repartiţia Poisson
Qx
p (x , e ) = e~e — , x - 0,1,2,,.., 9> 0
x\
şi s-au obţinut rezultatele xl ,x 2,...,xn Folosind aceste date să se estimeze
parametrul Θ, prin metoda verosimilităţii maxime,
în acest caz funcţia de verosimilitate este
n ^x*
L(x 1, ;t2 xn; 0) = f j p(xk; 0) = e~n0 θ
k=\
349
iar logaritmul său natural este
n
ln L(xl ,x 2,...,xn;0 ) = - η θ + ^ x k ln ö - l n ( ^ ! . . j c „ ! )
1
Ecuaţia verosimilităţii este
de Θ
a cărei soluţie este estimaţia de verosimilitate:
1 n
β ;= 1 Σ
n1
xk
350
ρ(χ·,ρ) = p x( l ~ P Ÿ x, x = 0 ,l 0 < ρ < 1 .
Funcţia de verosimilitate este:
L(xv x2,...,xn, p) = p ^ Xk( 1 - p )n~ ^Xk
ln L ( x ,, x2 xn; p ) = J xk ln p + (n - x* )ln (l - p ) ,
iar ecuaţia verosimilităţii este:
din Z. Σ * » «-Σ * » p
φ ρ 1 -ρ
care rezolvată în raport cu p, ne dă estimaţia:
• Σ■**■,
P v ------------ f nn, :
n
n
deoarece în acest caz variabilele de selecţie Xk iau valorile 0 sau 1, iar
k=1
este numărul de apariţii ale evenimentului de probabilitate p în cele n probe
independente.
Se constată şi în acest caz că L are un maxim, deoarece:
d 2 \nL _ ΓΣ * * η~ Σ**Λ
<0
dp2 p2 (1-ρ)2
f(x-,m,a) =— \= e 4(~ ]f
σ^2π
Funcţia de verosimilitate este:
« 1V Î Xi~mf
L(xx,...,x„) = (2 n a ) * e 2 ^ σ >
lnL = -|ln(2;r<7 -m )2 .
351
dm σ' k=1
a lnL
9(σ ) 2σζ τ + ·2σζ τ k=
Σ ( ^ - ^ 2=0
1
d2 lnL _ n d2 lnL n
•<0
~dinr ~ ~ ^ 2< ; 0^ 7 2σι
a 2 lnL a 2 lnL
1 Σ ( * * ~ m) 2 < 0
dmd(a ) d(cr )3m σ k=l
d lnL a 2 lnL
am2 dm2d(a2)
Δ=
θ 2 lnL a 2 lnL
3(σ )dm d{a 2 x)2
n
n2 [ 2 > * - m)2f
~ m ) n 2σ
σ4 2σ
înlocuim în expresia precedentă a lui Δ pe m şi pe σ2 cu valorile lor din (22)
găsim:
353
parametrul Θ nu este o variabilă aleatoare, ci o mărime constantă pe care însă noi
nu o cunoaştem. în schimb intervalul (0 , 0 ) ale cărui limite depind de datele de
selecţie, este un interval aleator care variază de la o selecţie la alta atât ca mărime
cât şi ca poziţie pe o axă a valorilor parametrului Θ. De aceea, legătura dintre
valoarea adevărată a parametrului Θşi intervalul ( 0 , 0 ) trebuie înţeleasă astfel:
probabilitatea ca intervalul aleator ( 0 , 0 ) să acopere punctul Θ este egală cu
1 —CC. Mai precis, ori de câte ori calculăm limitele 0 şi 0 şi afirmăm că
P ( 0 < 0 < 0 ) = 1 ~ α , aceasta înseamnă că din 100 de intervale de încredere
pentru acelaşi parametru, construite pe baza a 100 de selecţii din una şi aceeaşi
populaţie, ( l - a ) 1 0 0 dintre intervale cuprind în interiorul lor valoarea adevărată a
parametrului Θ şi numai Ci· 1 0 0 dintre ele nu îl cuprind. în practică drept
coeficient de încredere se ia 1 —CC = 9 5 % , 99% sau 99,9% adică
CC = 5 % , 1 % sau 0 ,1% . Menţionăm că la alegerea coeficientului de încredere
1 - C( deci a lui α se au în vedere considerente de ordin practic impuse de
problema concretă ce se rezolvă.
în afara coeficientului de încredere 1 - CC, un rol important îl joacă şi lungimea
intervalului 0 şi 0 . Un interval de lungime mică construit cu un coeficient de
încredere mare estimează cu precizie valoarea parametrului. Jumătatea intervalului
de încredere o vom nota cu δ. Al treilea element important în teoria intervalelor de
încredere este volumul n al selecţiei. Cele trei mărimi 1 - CC(sau a), 5 şi n sunt
strâns legate între ele şi cunoaşterea a două dintre ele permite determinarea celei
de-a treia.
în cele ce urmează vom prezenta o metodă de determinare a intervalelor de
încredere, pe care o vom aplica la estimarea parametrilor conţinuţi în unele legi de
repartiţie, frecvent folosite în practică. întrucât estimarea parametrilor prin
intervale de încredere se impune mai ales în cazul unui număr mic de observaţii,
când estimaţia punctuală nu este precisă, vom expune construirea intervalelor de
încredere pe baza selecţiilor de volum redus (n < 3 0 ) .
Să considerăm repartiţia f ( x , 0 ) a variabilei aleatoare X definită pe o anumită
populaţie şi care pentru uşurinţa expunerii să presupunem că depinde numai de un
singur parametru Θ. Ne propunem ca pe baza unei selecţii X v X 2,...,Xn de
volum n să determinăm un interval de încredere pentru parametrul necunoscut Θ.
Metoda constă în găsirea unei funcţii U ( X 1, X 2,...,Xn’, 0) de datele de selecţie
şi de parametrul Θcare posedă proprietăţile:
a) este definită în orice punct aparţinând intervalului ( 0 , 0 ) al valorilor
posibile ale lui 0,
354
b) este continuă şi monotonă în raport cu Θ,
c) repartiţia sa g ( u ) n u depinde de parametrul Θ şi nici de alţi parametri
necunoscuţi.
Dacă aceste condiţii sunt îndeplinite, atunci pentru fiecare coeficient de
încredere 1 - CC, putem găsi folosind repartiţia g(u) a statisticii U, limitele u, şi
w2 care depind de a , dar sunt independente de datele de selecţie, astfel încât să
avem:
fu2
P( ul < U < u 2) =\ g( u)du- \- OC (3)
Ju t
/ (x ;m , σ ) = — = e 2<T ;
σν2π
depinzând de doi parametri m şi σ 2 , respectiv media şi dispersia variabilei X. Ne
propunem să determinăm intervalele de încredere pentru parametrii m şi σ 2 .
a) Intervalul de încredere pentru media m când σ 2 este cunoscut
Ca funcţie U ( Χ χ, X 2,···, Χ„',θ) vom alege abaterea normală a mediei de selecţie
X:
1} ( Χι , Χ 2,··.,Χη, θ) vom alege abaterea normală a mediei de selecţie X :
U ( X l , X 2,...,Xn,m) = ? ^ y f c , (?)
(7
355
care este monotonă şi continuă în raport cu parametrul de estimat m şi a cărei
repartiţie este conform teoremei 1, § 1 repartiţia normală tip
g (u ) =
1 4 (8)
V 2π
Din (8) se vede că g(u) nu depinde de m şi nici de alţi parametri. Suntem astfel
în condiţiile enunţate mai sus, prin urmare 1 -C C fiind o probabilitate foarte
apropiată de unitate, putem determina numerele U\ şi u2 astfel încât să avem:
J ‘U2 g(u)du = 1 -oc
u,
sau:
X -m 1 u
< un f 2e 2 du = 1 - 0 ? (9)
σ V 2π
yfn
Relaţia (9) se mai poate scrie sub forma:
( Λ
Ϋ - — f—, AΫ -
Μ, σr—Λ pentru
Am obţinut aşadar intervalul de încredere
Vn vn
parametrul w, coeficientul de încredere fiind 1 - CC. Se observă că se pot obţine o
infinitate de astfel de intervale de încredere pentru parametrul m, toate au aceleaşi
probabilitate 1 - OC deoarece între u\ şi w2 avem o singură relaţie dată de (9). Pe noi
ne interesează intervalul de lungime minimă.
Lungimea intervalului este:
δ = -T = («2 - « i )
Vn
Pentru a vedea pentru ce valori u\ şi u2, obţinem intervalul cu cea mai mică
lungime, minimizăm δ cu condiţia (9). Vom folosi metoda multiplicatorilor lui
Lagrange şi în acest scop formăm funcţia
σ
<Ρ(μ1, μ2) = ~ ( μ2 - μ1) + Α Γ g ( u ) d u - ( I - a )
Vn
din care deducem:
d(p
-Xg(u1) = 0
dux yfn
356
! ^ - = ~ ? = + Ag(w2) = 0
ou2 Vn
Γ e~2 dt.
unde F (-z ) = l~ F ( z ) , iar F(z) = -j= = J—oo
F ig. 4
357
Aplicaţia 1. Variabila aleatoare Xeste repartizată normal N (0 ,2 ).
Se cere intervalul de încredere 95% (1 - OL = 0,95) pentru media m pe baza
selecţiei de volum n = 16, care a dat X —4,1.
Folosind relaţia (11), găsim:
358
undei2 = - ^ - y ( A : - X ) 2 .
«-ΐ£ ί
Conform teoremei variabila t are o repartiţie Student cu η -1 grade de libertate:
t2 Λ 2
1+ - ; te R
n-l
7( n - 1)π
Fig. 5
359
V 1 (<2 ) = P(ţ < h ) = J '1 ί . . . ( Ο * = 1 ■ -Ş ,
şi atunci
h = ί,1—:π-1
α , »» ί, =/α = - ί α
— 1—:π-1
2 2 2
Rezultă intervalul de încredere căutat:
^ ~ a
1—:n-l j—>
*Jn
depinde de mărimea s.
Aplicaţia 3. Se cunosc rezultatele Xl ,X 2,···,X^i a n = 22 măsurători ale
unui unghi oarecare în grade: 3,1; 3,3; 2,9; 3,0; 3,1; 3,2; 2,8; 2,7; 3,1; 3,2; 2,9; 3,0;
2,9; 3,1; 2,8; 2,9; 3,2; 3,3; 2,9; 3,1; 3,2; 3,0. Presupunând că rezultatele
măsurătorilor urmează o lege normală, să se determine un interval de încredere
98% pentru media m a populaţiei (valoarea adevărată m ).
Găsim:
* =^ ţ X‘ = 3·0318; *2 = ^ Σ ( Χ » - X ) 2 = 0,0303
1 n
2 V1 —2
unde s = —— - ^ ( X t - X ) . Conform consecinţei teoremei 4 variabila U are
n -l _a
1
£ (« ) = — u 2 e 2
n -l
2 2 Γ
361
2 (jl~"ï)S4 2
P(ux < U < u 2) = P Xi <-- - - J— <x\
n-l_j n
çzi 1
2 e 2du = 1 - a .
^ 2 2 n'n -ï\
,2 „„2
Numerele şi se determină cu ajutorul tabelelor de valori ale funcţiei
de repartiţie H (x ) = Ρ ( χ 2 < x) a variabilei X2 . Avem, conform figurii,
CC CC
P(X 2 < X i) = — deci X\ = Xa şi, de asemenea, P{X2 < χ\ ) = 1 - — deci
2 y * -1 I
^ 2 ( n - l) i2 2
Din relaţia ^ "7- Γ ...< X.1—
a-;n-l, = l - a
— ;/i-l , < ....<
2 2
deducem:
Λ
(η - 1 ) s 2
------ -— < σ 2 < (w ~ l)^ 2 = l - a
X a Xa lfl-1
(16)
ix\c \x7
V ' T ' - 1 V T:n~l
poate servi pentru scopuri practice ca interval de încredere pentru σ. întrucât aşa
cum am menţionat se folosesc selecţii de volum mic, determinarea intervalului de
362
încredere pentru parametrul σ, necesită o metodă mai exactă pe care nu o vom
expune în continuare.
Aplicaţia 4. în condiţiile problemei de la aplicaţia 3 să se determine intervalul
de încredere pentru dispersia σ2. în acest caz valorile tabelare necesare sunt:
X a = Zo,9 9 ;2 i = 38,392; χ α = Xqqi-21 —8,897
-\n-l
iar limitele intervalului (15) pentru σ2 sunt:
( - l ) £ l = 21^ 0289
X2« 38,932
1— ;n-l
2
(« ^ 1)^ 2 1^ 0 2 8 9
xl 8397
r*-'
363
(b) M ((X j-m Y )= M { (X -m )r)= ß r (V );= l,n
unde m - M(X),mr, ß r reprezintă media, momentul iniţial de ordin r şi momentul
centrat de ordin r ale variabilei aleatoare X .
Se consideră că fiecare variabilă aleatoare X j j = 1,« se realizează cu aceeaşi
den* oriaaparut Xk
[Xx X2 ... X k' X2 • X ,'
% .
X*: , unde:
Ol !h Ol
Vn n n ,
fi ” fn ,
// = 2— l . i = l,k [i^ / / =1
* i=i
Definiţie 2. Fie Γ o populaţie cu caracteristica X, o selecţie de volum n,
{X],X2,...,Xn}şi x e R . Fie nx o valoare care ne dă numărul observaţiilor în care a
apărut o valoare a caracteristicii X mai mică decât x în selecţia {Xu X2,...,Xn}.
Funcţia empirică de repartiţie (funcţia de repartiţie a selecţiei) este definită
astfel:
F * (x ) =
n
Definiţie 3. Fie X o variabilă aleatoare considerată pe o populaţie oarecare Γ.
Numim moment iniţial de selecţie de ordin r statistica:
- .1 A .
»fti » « li
_ n\X\ ^ n2-^2 + ·■·+ nkXk
n
Notăm m\ = X şi o numim media de selecţie.
364
Numim moment centrat de selecţie de ordin r statistica:
- xy -x y
nM
j n _
μ ΐ = —\ ( X k - X)2 se numeşte dispersia de selecţie
" tÎ
(Vom nota μ 2 = S )
Propoziţie 1. Momentul iniţial de selecţie de ordin r, m*, are media şi dispersia:
_ m2r - mr
_ m2 - m _D (X )
în particular : M(X) = M(X) = m , D(X )
Propoziţie 2. Media dispersiei de selecţie este:
^ n_oi w·—1
Μ (μΙ) = M (S2) = ----- 0 (X ) şi dispersia dispersiei de selecţie este:
n
n
Propoziţie 3. Momentele de selecţie converg în probabilitate spre momentele
teoretice ale variabilei aleatoare X şi anume: tn] —£—>mr şi μ*—ε~^μΓ■ Cu alte
cuvinte cu cât volumul selecţiei este mai mare cu atât momentele de selecţie vor
avea valori mai apropiate de momentele teoretice corespunzătoare.
Probleme:
Problema 1. Durata de execuţie a unei lucrări într-o bandă de montaj este repatizată
normal cu media m şi abaterea σ = 4 minute. S-a cronometrat durata de efectuare a
operaţiei la un număr de n = 9 muncitori. Determinaţi probabilitatea ca media
duratei determinate pe baza celor n observaţii să nu difere de m în valoare absolută
cu mai mult de 3 minute la un muncitor: p \x - w|< 3)= ?
Rezolvare:
f \
3-Jn X- m 3-Jn
p\x - < 3)= P{-3<X - m<3) = Ρ
σ %
r 3 fn
=P = 2Φ ■1 ■1 = 2Φ(2,25) - 1 =
σ σ - « ( ¥ )
= 2 · 0,9878 - 1 = 1,975 - 1 = 0,975.
365
Problema 2. Presupunând că diametrul unor piese fabricate la un strung este
repartizat normal N(m, 2 ), care trebuie să fie volumul n al selecţiei astfel încât
P (jj-m | < l)= 0 ,9 9 .
Rezolvare'.
4n X - m σ
P ^ X - m < 1j = 0,99 = P ( - l < X -m < l) = P -----<---------< —
σ σ
rn
= 2Φ 1 = 2Φ -1 = 0,99,
σ
\
ί Γ~\
2Φ = 1,99 => Φ = 0,995 => — = 2,58,
2 2
=> 4 η = 2 ■2,58 = 5,16 => η = 26,62 => η = 27.
f(x ,a ,b ) = - b - a x e \a,b\
0, în rest
Fie {Xl,X2,...,Xn} o selecţie de volum n. Folosind metoda momentelor obţinem:
366
a +è a + b = A=$a +b = 2A
m, (a, b) = m*
<=>
m2(a,b) = m\ j g + - + ^ 2 -= m, a2+ab+b2
=B
=>a,b = - A- ? £ ^ =*a,b =X ± s J 3 .
i=l i=l
~ Σ/=*! .
367
=$ p = —— = X şi este punct de maxim pentru ln L(x{...xn, p ) => p - X este
n
un estimator de maximă verosimilitate pentru p.
Rezolvare :
(l)L (x ],...,Xn, e ) = f l f ( x i, e ) = ( l + e r - x f - x e2...xe„
;=ί
ln L(xv ..xn,6 ) = η1η(1 + θ ) + θ ^ 1 η χ (.
ί=1
Β Ι η Ι ^ ,,- χ ,,θ ) _ f
Ι+ —
de 0 1-0 (0 —1) ^i»! '
0 (1 -0 ) (0 -1 ) ti ι=1
”-Σ1η*'·
ι=1
Σ1ηχ<
\ - Μ ------
· Σ1η*< 1 _ _ ί Ξ !------
I , θ-1 1 , 0-1
— 1η-------------------- 1η-------
1η 2 2 -0 1η 2 2 -0
(4) L(xl ,...,xn,0 ) = Ţ l p ( x i,9 ) = ( 2 - e ) ·χΙ ... χ-
<=ι
ln L(x}...χ„,θ) = η 1η(2 - 0) +^ · · 1η Σ \ηχ,
ί=ί
d\nL(xu ...xn,6) _η -1 | 1 2 - 0 2 - 0 + 0 - ! ^·
30 2 - 0 1η2 0 - 1 2 -0 ί=1
1η*<= 0 Σ
, Σ ΐη ^
1 /=1 = 0 => -(0 - \)η 1η2 + (2 - 0 )Σ 1η χ, =0=>
2 -0 1η 2 0 - 1 1=1
η η
«(1-0)1η 2 + 2 Σ ΐ η * ι - 0 Σ ΐ η ^/ =0 =>
ΐ= 1 ι=1
η η
η1η2 + Σ ΐ ηχ,· = η1η2 + 2 Σ ΐ η *,·
ι=1 ί=1
«1η2 + 2 Σ ^ χ , 1+ ~ Σ 1ομ
=>0=- ι=1 ;=ι
1 vï
” 1η2 + Σ ^ η χ ί 1+ - Σ 1ο 8 2 */
/=ι
Problema 7. Să se determine intervalul de încredere 95% pentru media m a unei
populaţiei normale cu dispersia σ 2 =400, pe baza unei selecţii de volum n = 25 în
urma căreia s-a obţinut media de selecţie X = 200 .
Rezolvare : Se cunoaşte că intervalul de încredere pentru media m a unei
populaţii normale, în cazul în care σ 2 este cunoscută, este:
X - Z a -- ir < m < X +Z a ·~η= pentru care avem:
>-y V« V«
f \
X - Z . „ ~ < m < X +Z vσ- = 1- a = 0,95;
20 __ 20
Z a = Z0 975 = 1,96 => 200 -1,96---- < m < 200 +1,96-----<=>
l~2 ^
<=>200 - 7,84 < m < 200 + 7,84 <=>192,16 < m < 207,84
370
CAPITOLUL VI
1. Dobânda simplă
în general, prin dobândă se înţelege o sumă ce se plăteşte de către debitor
(se percepe de către creditor), pentru o sumă oarecare împrumutată de către debitor
pentru folosinţă temporară.
Se numeşte procent, dobânda care se plăteşte pentru suma de 100 lei pe timp
de un an.
Se numeşte dobândă unitară, dobânda calculată pentru suma de 1 leu pe
timp de un an şi este egală cu a suta parte din procent.
Notaţii:
S - suma depusă sau împrumutată pentru care se calculează dobânda;
t = durata pe care se calculează dobânda - exprimată în ani;
p = procentul;
i = —— dobânda unitară;
100
D = dobânda simplă.
Este evident că dobânda este direct proporţională cu suma împrumutată
(depusă) S, cu durata t şi cu procentul p.
Avem:
dobânda unitară i = (1)
100
371
Remarcăm că formula (2) conţine 4 elemente. Cunoscând trei dintre ele se
poate determina al patrulea.
100
100D
P =-
St
100 D '
t =-
Sp '
100D
S=
pt
Valoarea finală şi valoarea actuală
Să notăm cu 50 suma depusă iniţial şi fie D=S0it dobânda simplă produsă de
suma S0 pe durata t cu procentul egal cu lOOi.
Suma sau valoarea finală notată S, este suma disponibilă peste t ani dacă se
plasează cu dobânda simplă în momentul iniţial suma S0.
Astfel spus 5, este suma dintre S0 şi dobânda produsă de S0 pe timp de t ani,
adică:
S, = S0 +D = S0 +S0it = S0(l + it) . (4)
Din (4) se poate deduce valoarea actuală (suma depusă în momentul iniţial
care împreună cu dobânda produsă pe durata t, a devenit St):
S° =T + Î' (5)
Scadenţa comună şi scadenţa medie
Scadenţa comună
Fie S],S2, .... S„ mai multe sume depuse pe duratele t,,t2,...,tn cu acelaşi
procent p. Ne propunem să înlocuim sumele S* şi duratele tk, k=l,2,...,n cu o sumă
unică 5 şi o durată unică t astfel încât suma dobânzilor produse de sumele
Si,S2,...,Sn să fie egală cu dobânda produsă de suma unică S pe durata t cu acelaşi
procent p.
Avem:
Sxpt i | S2pt2 | Snp tn _ Spt
100 100 100 100 ’
t = Γ -. (6)
372
η
Dacă Si + S 2 +··· + Sn = »
;=i
obţinem:
i> A
f = —----
η
Ii=l s>
Durata ί dată de (7) se numeşte scadenţa medie (medie aritmetică ponderată,
ponderile fiind sumele Si).
Procent mediu de depunere
Fie sumele Si,S2,...,S„ plasate pe duratele ί/,ί2,...Λ· Ne propunem să
determinăm un procent unic p, astfel încât sumele considerate depuse cu acelaşi
procent p pe aceleaşi durate să producă aceeaşi dobândă. Avem:
SlPlh ! ^2Pzf 2 j i SnPntn _
100 100 100
_ Sxpty ^ S2p t2 ! I Snp tn ^
100 100 100
Slp ltl +S2p 2t2+...+S„pntn = p(S,f, +S2t2 + ...+ S„pn),
de unde
n
P = ^ ---------· (8)
Y jS ktk
k=1
Formula (8) dă procentul unic căutat p în condiţiile enunţate, care apare ca o
medie aritmetică ponderată, ponderile fiind produsele Sktk; k=l,2,...,n de aici şi
numele de procen t mediu de depunere.
Exemplu:
Să se calculeze procentul mediu de depunere pentru sumele:
5.000 lei cu 4% pe timp de 45 zile,
10.000 lei cu 5% pe timp de 60 zile
50.000 lei cu 2% pe timp de 100 zile
5.000·4·45+ 10.000-5-60 + 50.000·2-100 -- 2,38%
p ------------------------------------------------------- „
5.000 ■45 +10.000 ■60 + 50.000 ·100
Vom nota:
So = suma depusă inţial sau valoarea actuală,
i = dobânda unitară (corespunzătoare unei perioade),
n = numărul de perioade,
Sn = suma disponibilă după n perioade sau valoarea finală.
Tabelul 1
Suma depusă Dobânda
Suma obţinută la sfârşitul
Anul la începutul produsă în
perioadei
perioadei timpul perioadei
1 So S0i Sj=So+Soi=So( 1+i)
2 s, S,i S2=S,+S,i=So(l+i)2
374
Valoarea actuală a unei sume
Formula d e actualizare
Actualizarea este operaţia inversă fructificării. Problema se pune astfel:
Ce sumă S0 trebuie depusă în prezent pentru ca după n ani cu dobânda
unitară i să obţinem suma Sn dată ?
Valoarea actuală este deci So.
Deci: 5 „ = 5 0(l + if =>S0 = - ^ - = Sn(l +i)-n
(1+ iŢ
375
0,0727251 0,50
0,0630749 x
0,50-0,630745
x =------------------ = 0,43
0,0727251
0,061578 .......................... 1
0,039961 .......................... x
x - M ” « ,0,6489493.
0,061578
Deci η = 11,6489493 ani =11 ani 7 luni 23 zile.
Cazul când timpul t nu este în număr întreg de perioade
în stabilirea formulei generale Sn =S0un am presupus că n este întreg;
numărul de perioade n poate fi fracţionat, de exemplu pentru 8 ani şi 5 luni avem
71 = 8 — .
12
O modalitate de calcul al lui Sn când n este fracţionar:
Se foloseşte formula generală (10) pentru partea întreagă şi se calculează
dobânda simplă pentru partea fracţionară.
Această modalitate se numeşte raţională.
Punem n = k +— . După k ani suma obţinută prin depunerea unei sume
4
376
iniţiale de S0 lei va fi:
Sk= S0(l+ if.
Vom calcula acum dobânda simplă produsă de suma Sk pe perioada
fracţionară — a anului. Aceasta va fi:
q
Ski —= SQ(l +i'f i—,
<7 <7
de unde
5 „= 5 ο(1 +0*+ 5ο(1 + 0 * / Α
<7
sau
Sn =S0{l +i f
P rocente proporţionale
Două procente corespunzătoare la perioade de timp diferite sunt
proporţionale dacă raportul lor este egal cu raportul perioadelor respective de
fructificare.
Exemple
Tabelul 2
procent semestrial 3%
Procent anual 6% procent trimestrial 1,5%
procent lunar 0,5%
procent semestrial 2%
Procent anual 4% procent trimestrial 1%
procent lunar 0,33%
~ 2 = S0 + S0i .
Cu procentul anual i valoarea finală, la sfârşitul anului, obţinută de 1 leu cu
dobândă compusă este 1+i.
Cu procentul semestrial — valoarea finală produsă de 1 leu la sfârşitul
anului, cu dobânda compusă va fi:
377
( 1H—i λ2 = l +i +—
i2 >1 + /.
2 4
P rocente echivalente
Două procente corespunzând la perioade de fructificări diferite sunt
echivalente dacă pentru o aceeaşi durată de depunere ele conduc la o aceeaşi
valoare finală calculată cu dobândă compusă.
Exemplu
a) Un leu plasat cu procentul anual i devine la sfârşitul primului an 1+i.
1 leu plasat cu procentul semestrial i, devine la sfârşitul anului (l + is f .
Procentele i şi is sunt echivalente dacă valorile finale obţinute la sfârşitul
anului sunt egale:
1+/ = (1+i,)2-
b) Pentru un procent trimestrial i, echivalent cu procentul anual i avem:
1+i = (1+i,)4.
c) Pentru un procent mensual imechivalent cu procentul anual i avem:
1+i = (1+im)1
Pentru un procent ikcorespunzând unei fracţiuni din an echivalenţa este dată
de relaţia:
1+i = (1+i*)*·
De unde obţinem:
1+ i, =(1 + 1) 2 ,
1 + i, = (l + 1)4 ,
i + 'm = (1 + 0*2 »
1+ i* =(l + i ) l .
Vom utiliza noţiunea de procente echivalente pentru a extinde formula
generală a dobânzii compuse în cazul când n este fracţionar:
n = * +£ .
378
s k R = s 0(\+iy(i+iqy = s 0{ i+ iy{ \ + iţ= s0{\+iy+7 = s 0( i + i y ,
deoarece 1+ L
Am arătat deci că formula generală a dobânzii compuse se aplică şi în cazul
când n este fracţionar.
P rocent nominal şi p rocen t real sau efectiv
Atunci când calcularea dobânzii se face pe fracţiuni de an, dobânda adusă
până la sfârşitul anului diferă de aceea, calculată cu procentul anual care s-a stabilit
pentru fiecare fracţiune din an.
Pentru mai multă claritate să considerăm exemplul următor:
Presupunem că am plasat suma de 100.000 u.m. cu procentul de 6% şi că
efectuăm calculul dobânzii de două ori pe an. în primele 6 luni suma de 100.000
u.m. va aduce o dobândă de 3.000 u.m. iar la sfârşitul primei perioade vom avea
100.000 + 3.000 = 103.000 u.m.
în următoarele 6 luni vom avea:
100.000 u.m vor aduce o dobândă de 3.000 u.m.
3.000 u.m. vor aduce o dobândă de 90 u.m.
deci 103.000 u.m. vor aduce o dobândă de 3.090 u.m.
Aşadar, pe timp de un an suma de 100.000 u.m. va aduce o dobândă de
6.090 u.m.
Primul procent de 6% se numeşte procent nominal iar cel de-al doilea,
p rocen t real sau efectiv.
Notăm cu 100 ik procentul efectiv iar prin 100 j k procentul nominal (k
reprezintă numărul de perioade în care a fost împărţit anul). Rezultă că ik este
procentul unitar anual efectiv iar j kprocentul unitar anual nominal.
Ţinând seama că procentul unitar ik corespunde perioadei Yk V, din an, vom
avea:
Jk = k ik s a u h “
K·
înlocuind în formula 1+ i = (1 + ik)k, obţinem:
jk ~k (i+ » y * -1 ,
formule cu ajutorul cărora putem trece de la procentul unitar efectiv la cel nominal
379
şi invers. între cele două procente există relaţia j < i .
Aplicaţie
1. Fie 6% procentul anual efectiv. Să se determine procentul anual nominal
presupunând că se face calculul dobânzii trimestriale.
Avem i = 0,06 de unde
j A=4^(1,06)^ -1 = 0,0586952
Procentul anual nominal de fructificarea dobânzilor calculate trimestrial va fi
100Λ =5,86952%.
2. Fie 5% procentul nominal, fructificarea facându-se semestrial. Să se determine
procentul anual efectiv.
Avem: j 2 = 0,05 de unde:
/= 1+ Jl ■1= Κ Ι =0,050625.
=io.oodJ i+ -i—
0 05^24
= 10.000 ■(1,025)24 = 10.000 ·1,808726 =
= 18087,26 u.m.
Dobânda unitară instantanee
Să presupunem că dobânda unitară anuală efectivă este i şi facem ca numărul
k de părţi în care am împărţit anul să crească nemărginit (k —>°°).
Să se determine în acest caz pentru procentul anual unitar nominal o limită,
limită ce constituie unul din elementele fundamentale ale teoriei matematice a
convertibilităţii dobânzii şi care este denumită dobândă unitară instantanee. Vom
avea:
lim ii = δ = lim k (1 + 0
k—>co lc~) oo
= lim ■(i + 0 ^ - i
-F o+
+oi)% ln(l + 0
= lim ■= ln(l + i).
*-»«> - 1/
Această relaţie ne dă legătura dintre dobânda unitară instantanee şi dobânda
unitară efectivă.
380
Din δ - ln(l + /) rezultă 1+ i = es .
Dezvoltând în serie Mac-Laurin funcţia es obţinem:
sau
Rezultă că i >δ.
381
Ds(n) = S0in,
Dc (n) = 50 [(l + iY - 1]
Funcţia Ds (n) reprezintă dreapta care trece prin origine şi prin A(l, S0i),
iar Dc (n ) reprezintă o curbă care trece de asemenea prin A(l, S0i).
Avem graficul:
382
• Anuităţi posticipate - plăţile se fac la sfârşitul fiecărui an (cazul
anuităţilor de rambursare).
Din punct de vedere al numărului de plăţi, anuităţile pot fi:
• Anuităţi temporare - numărul de plăţi este fixat prin contract;
• Anuităţi perpetue - numărul plăţilor este nelimitat (rentele perpetue);
• Anuităţi viagere - numărul plăţilor depinde de durata vieţii unei
persoane;
• Anuităţi constante şi anuităţi variabile - după cum sumele plătite
periodic sunt constante sau variabile.
Din punct de vedere al momentului când se face prima plată:
• Anuităţi imediate - prima plată se face în primul an;
• Anuităţi amânate - prima plată se face după un număr oarecare de ani.
3.1. Anuităţi constante posticipate
Valori finale, valori actuale
Anuităţile constante posticipate sunt plăţile egale care se fac la sfârşitul
fiecărui an.
a) Valoarea finală a unui şir de anuităţi constante posticipate, imediate,
temporare
1 2 3 p n-l n
------- 1-----1— i— i-------------------- ,-------------------------- 1------- 1--------
0 T T T T T T
Vom nota:
T = valoarea anuităţii constante
n = numărul de anuităţi
1= dobânda unitară anuală
S„ 1= suma finală a şirului de anuităţi la momentul n, momentul plăţii ultimei
anuităţi.
Valoarea finală a şirului de anuităţi la momentul n este egală cu suma
valorilor finale a fiecărei anuităţi la momentul n.
adică £ ] = τ *- —
i
unde u =1 + i.
Pentru T= 1 obţinem valoarea finală a unui şir de anuităţi posticipate a 1 leu
fiecare se notează cu
un - 1
A l = — τ
ι
Rezultă:
oTnl =Tjn1 (2)
Exemplu
Să se determine valoarea finală a unui şir de 12 anuităţi posticipate a 7.000 lei la
momentul plăţii ultimei anuităţi; procentul este 5,50%.
Soluţie cu ajutorul tabelelor financiare:
S 12] = 7.0001,9012Q-8·—1 = 7.000 · 16,385591 = 114 699,13 lei
0,055
1 2 3 p n-l n
------- 1-----1— i— j------------------- Ş--------------------------1------- 1--------
0 T T T T T T
384
1
unde —— - * + · = - .
1 -v j __ 1_ i
1+ i
Deci:
^ n1=ri z Z l . (3)
i
Dacă T = 1 obţinem valoarea actuală a unui şir de anuităţi posticipate a 1 leu
fiecare, care se notează:
an~\—(1+i) '+(1+0 2+...+(l+i)n adică
a „1 = v + v2 +...+V« = v-------,
1-V" sau
1 -v
1-v" ...
an]= —;— · (4)
l
Rezultă = T a„] . (5)
Exemplu
Ce sumă unică depusă imediat poate să înlocuiască plata a 12 anuităţi
posticipate a 1.250 lei fiecare cu procentul 3,5%?
Soluţie:
1-1 035-12
a , 2 1 = 1.250 .... — — = 1.250-9,663334 = 12.079,17 lei
0,035
c) Valoarea actuală a unui şir de anuităţi constante posticipate, perpetue,
imediate
în cazul când plata este perpetuă (plăţile se efectuează nelimitat), valoarea
actuală a şirului de anuităţi posticipate unitare se notează i şi este
a»] = - (6)
iar dacă anuitatea este T, avem:
^ .1 = 7 ·- (7)
i
De aict reiese că T = adică rata anuităţii posticipate perpetue este tocmai
dobânda anuală a valorii actuale.
d) Valoarea finală a unui şir de anuităţi posticipate, constante, temporare,
amânate
Vom presupune că prima anuitate T se plăteşte după r ani, posticipat,
conform schemei:
385
T T T T
-------1----- 1---- 1---- 1-------------------- 1-----1-----1--------------- 1------- 1--------
0 1 2 3 r-1 r r+1 n-1 n
l- v
386
Sau, în final,
= TV αη.|] (10)
Remarcăm că se poate deduce şi din actualizarea sumei rifa şi anume:
387
Pentru Γ = 1 obţinem suma unui şir de anuităţi anticipate a 1 leu fiecare pe
care o notăm cu $„1-
(1+i f + ( ί+ i T ‘ +...+d + 0 = ( i + i ) M - ^ ,
sau
un - l ...
Snl=M------- . (2)
I
Prin urmare:
S„i = T j „i . (3)
Observaţie: Am văzut că:
5n1= (1 +iY 1 + ( l + l ) n 2 + ... + ( l + î ) + l = in l+ 1.
An1=7--~i - - l - (l + O (6)
i
Pentru T = 1 obţinem valoarea actuală a unui şir de anuităţi anticipate a 1 leu
fiecare:
388
an1= (l + i) 1 ~ (l+ f>~'’ (7)
I
Rezultă că
Α„ΐ=7αηι (8)
Legătura dintre an] (care se găseşte în tabelele financiare) şi an] se poate
obţine astfel:
ani=(l + i)— -------— =------- ------------- = 1+— ------ ------- adică
i i i
a„i = 1 + an.ii (9)
Exemplu
De ce sumă de bani va dispune o persoană peste 15 ani dacă depune la
începutul fiecărui an la C.E.C. cîte 2.000 lei cu 4,5%?
Avem:
c^ 5l= 2.000· S,5i= 2.000-21,719336 = 43.438,67 lei
c) Valoarea actuală a unui şir de anuităţi constante anticipate, perpetue,
imediate
în cazul când plata este perpetuă, valoarea actuală a şirului de anuităţi
anticipate unitare este:
a~l =— ( 10)
i
iar rata este T avem:
( 11)
i
d) Valoarea actuală a unui şir de anuităţi anticipate constante, temporare,
amânate
Presupunem că avem un şir de anuităţi limitate la n ani, prima plată facându-
se nu la momentul 0 ci la momentul r, conform schemei de mai jos.
------- 0^-----,-----,-------------------------,-------
1 2 r r+1 n-l---------μ
1------------------1 n
T T T
Vom nota această valoare actuală cu r Λπ].
Avem:
r A n] = 7X 1 + 0 " + 7’ ( l + 0 ”(r+l) + . . . + Γ ( 1 + 0 " (" " ,) =
389
Rezultă:
r Ani -TV an.ri (12)
e) Valoarea actuală a unui şir de anuităţi anticipate, perpetue, amânate
în cazul când este perpetuă, însă amânată r ani, valoarea actuală va fi:
v''"1
rA»i = T- —— (13)
i
f) Valoarea finală a unui şir de anuităţi anticipate, constante, temporare,
amânate
0 1 2 r r+1 n-l n
--------1 1----- 1-------------------------- 1--------1------------------- 1--------- f
T T T rSni
Vom nota valoarea finală a şirului de astfel de anuităţi cu rSn\ Prima plată se
face deci la momentul r, iar ultima la momentul n - 1. Avem conform schemei de
mai sus:
rS„i= Γ(1 + ϊ)"- γ +Γ(1 + 0 'Κγ+1) +... +Γ(1 + ϊ) =
= r ( i +i)[(i+Ο ""'1 +- + ( ί + 0+ 1]=
(1 + ,·)'·-'· _1 sau
= Γ(1 + ί ) ^ —! ------ -
i
γ5„ι =Γ (14)
Exemplu
Care este valoarea finală a unui şir de 10 anuităţi anticipate, a 2.000 lei
fiecare, prima plată facându-se după 5 ani, cu procentul 5%?
Avem: n - r = 10, r = 5, n = 15.
55isi = 2.000· Si ol = 2.000-13,206787 = 26.413,57 lei
390
i Λn*-l γ ( i +Iijlλ
nk-2
( 1+2*. T
Avem: S - ? = — +— +... Η--- --
»1 k k k\ k, k, k
_ τ (1 + λ Γ - ι
k Λ/
nk
l +% \ -1
sau S y = T
Jk
/ ; \k
Ştim însă că: 1+Δ. = l +i deci
de unde:
s y = Γ ·— .JH (1)
»I jk -I
391
b) Valoarea actuală a unui şir de plăţi eşalonate posticipate, temporare, imediate,
fracţionate de k ori p e an
înmulţind valoarea finală cu factorul de actualizare (1 + 0 ” obţinem:
nl
Û^) =T-— (i +i r n -^ = T -—a-, (2)
"I Jk "I Jk "I
Aplicaţie
Ce sumă trebuie depusă astăzi cu procentul de 3,5% pentru a putea încasa
timp de 5 ani câte 500 u.m. la sfârşitul fiecărui luni ?
Avem: n = 5, k = 12, r[2 = 500, T= 12 x 500 = 6000
i _ ί πί^~5 π n is
û -( 2)- 6000· = 6000·4,5150523■ 1,0159415 =
5 0,035 y12
= 27522,17 u.m.
c) Plăţi eşalonate perpetue posticipate imediate, fracţionate de k ori p e an.
Făcând în (2) « —> , se obţine:
(3)
h ‘ Jk Jk
Aplicaţie
Ce sumă trebuie depusă astăzi cu procentul de 3,5% pentru a putea încasa
perpetuu câte 300 u.m. la sfârşitul fiecărei luni ?
Avem: T = 12-300 = 3600 u.m.
/J(12) - ------
«Ü 3600 =-------------- 1r\AAC\HOAu.m.
3600 = 104496,84
yI2 0,0344508
rS y= T ~ A - (4)
"I Jk Η
deoarece prima sumă se plăteşte după r ani la sfârşitul fiecărei perioade.
Aplicaţie
Să se calculeze de ce sumă se poate dispune peste 10 ani dacă se depun
trimestrial câte 2000 u.m. posticipate începând cu anul al cincilea; procentul fiind
de 5%.
Avem: n = 10, r = 5, r4 = 2000, T = 4 r^ = 8000 u.m.
392
ί5?=7'-— λ—10-5; = 8000 - 1,055 1 ° ’05 = 8000-5,52563-1,018559 =
5 «S'10! J4 0,05 j4
= 45025,44 u.m.
. \nk
. νλΑγ-Ι 1+ J kλ -1
i +Zl 1+ Jk + ... + 1 i+ A
Λ
k
_ ţ (1 + 0" -1 i 1+Â
= r- , adică
jk { k )
1 Jk l kJ
1+Δ- A~i (5)
n\
Jk
Factorul 1+ J k este calculat în tabelele financiare.
Jk
Aplicaţie
De ce sumă se va dispune peste 10 ani dacă se depun la începutul fiecărei
luni câte 200 u.m. cu procentul de 5% ?
Avem:
0,05
5 ^ 2 4 0 0 - ^ 1 ^ 1+ = 2400 ·12,577892 ·1,0259547 =
10 0,05 y12 J\2
= 30970,43 u.m.
4. îm prum uturi
Teoria gen era lă a împrumuturilor. Relaţii între diferitele elem en te ale
unui împrumut. în tocm irea unui tabel de amortizare
Ne vom ocupa în cele ce urmează de împrumuturile obişnuite, adică acelea
care nu comportă decât un singur împrumutător (bancă, C.E.C. etc.)
în sistem clasic, împrumutul va fî rambursat prin anuităţi constante formate
393
din: rambursarea unei părţi a datoriei şi dobânda asupra sumei rămase de plată.
Sumele rambursate anual care au rolul de a amortiza treptat suma
împrumutată se numesc amortismente.
1. Amortizarea unui împrumut prin anuităţi constante posticipate
Vom nota:
• V0 = suma împrumutată la momentul iniţial;
• Tj, T2, ..., T„ anuităţile succesive, prima fiind plătită după un an de la
semnarea contractului, a doua un an mai târziu ş.a.m.d. (este vorba de
anuităţi posticipate);
• Q i , Q 2, ···, Qn amortismentele succesive conţinute în prima, a doua, ..., a
n-a anuitate;
• i = dobânda unitară a împrumutului;
• n = durata rambursării.
Dacă descompunem în fiecare an anuităţile în amortismente şi dobânzi, se
poate construi un tabel ca cel de mai jos, având în partea stângă descompunerea
anuităţilor succesive, iar în partea dreaptă suma necesară de plată, după plata
fiecărei anuităţi. Pornind de la acest tabel, vom stabili relaţiile între diferitele
emente a le unui împrumut obişnuit.
momentul Anuităţile Suma rămasă de plată
0
II
_ />+!
394
Τρ+1 Tp - Q p+l+Vpi Qp Vp-\ i-
= QP+l + (Yp-i - Qp )i - Q P~v PJ = Qp+i - Ö d+0
deci Γρ+1-Τ ρ = β ρ+1- β ρ(l + o (2)
formulă valabilă oricare ar fi legea anuităţilor.
Distingem următoarele situaţii:
1°: Dacă anuităţile sunt constante T/ = T2 = ... = T„ = T
obţinem Tp+, - T p - 0, adică
ßp+i = Qp(l+0 (3)
Relaţia precedentă ne permite să enunţăm următoarea lege de amortisment:
dacă anuităţile sunt constante, amortismentele formează o progresie crescătoare cu
raţia 1 + i.
Putem deduce în acest caz:
QP+, = Q ,(l+ if (4)
2°. Dacă amortismentele sunt constante, adică Q\ = Q2 = ... = =Q„= — ,
n
obţinem:
Tp+l - T p = Qp+l - ß p( 1+ 0 = Qp - Qp(1 ■+0 = -Qpi = de unde
Tp+l=Tp - ^ i (5)
n
relaţie din care rezultă că anuităţile succesive formează o progresie aritmetică cu
• V0 .
raţia — - i
n
în cazul când anuităţile sunt constante, din formulele (1) şi (4) obţinem
Avem deci în acest caz următoarele relaţii între suma împrumutată şi primul
amortisment
395
într-adevăr:
1 i i(l + i)
Snl (1 + 0 " - i i —(1 + 0 '
i(l + Q -"-i + i _ t
-i adică
i- (i+ 0 " " " i- (i+ 0 " n
J_ = -L -« (7)
Sn1 a nl
Rp ~ Jp i V0— - (11)
Sn1
relaţie care dă legătura dintre suma rambursată în primii ani şi suma împrumutată.
396
e) Calculul sumei rămasă de plată după plata a p anuităţi
Această sumă este Yp; avem:
Vp =V0 - R p = V0 -V 0 — snl = V0 f îlZ f jîl -
Snl Snl
T = Qn +dn d n - T n - Qn
Avem:
di - dz = Q.2 - Qi - Qi(l+i) - Qi = Qii
d2- d 3 = Q3- Q 2 = Q i(l+ if - Q,(l+i) = ß/i(i+0
d3- d 4 = Q4- Q 3 = Q i(l+ if - ß/f/+i/ = ß/i(/+02
>
1 V0 di = Voi Q. T
II
0
I
2 V, d2 = V,i q2 T v 2= v , - q2
··· ... ···
>
*C
■0
397
Exemple
1). Banca agricolă acordă unei întreprinderi un credit de 1.000.000 lei care
urmează a fi rambursat în 6 ani, cu procentul de 6% prin anuităţi constante
posticipate.
Se cere:
a) valoarea primului şi ultimului amortisment;
b) valoarea anuităţii constante.
Soluţie:
1 1 (
a) ßi = Vb- — adică Q1 = 1.000.000- — =1.000.000 — -1
S n] S 6l V a6l
= 1.000.000 (0,20336263 - 0,06) = 143.362,63 lei
06 = ß i ■(1+i)5 = 143362-1,065= 143.362-1,338226= 191.851,588 lei
b) Γ= Vo~— adică T = 1.000.000- — = 203.362,63 lei
a »l a6l
2) O persoană împrumută o sumă de bani pe care urmează să o ramburseze
în 6 ani prin anuităţi constante posticipate. Suma primelor două amortismente este
egală cu 9.226,63 lei, iar suma dintre al doilea şi al treilea amortisment este egală
cu 9.559,69 lei.
Să s e calculeze :
a) procentul p al împrumutului
b) primul şi ultimul amortisment
c) anuitatea
d) valoarea împrumutului
Soluţie:
a) Avem:
Qi + 0.2 = Qi + Qi(l+i) -Qi(2+i) = 9.226,63 lei
Qi + ß j = Q id + if = Q,(l+i)(2+i) = 9.559,69 lei
prin împărţire găsim:
9 559 69
1+ i ——-----’■— = 1,04 adică i = 0,04 şi p = 4%
9.226,63
b) Din β ,(2+i) = 9.26,63
obţinem:
Λ 9.226,63 , . .
q =------------- 4 .522,86 lei
1 2,04
06 = βι(1+05 =4.522,86-1,045 =5.502,75 lei
c) Anuitatea T o putem obţine având în vedere că ea reprezintă ultimul
amortisment plus dobânda corespunzătoare.
T= 06(1+ 0 = 5.502,75 -1,04 = 5.722,86 lei
398
d) Determinarea sumei împrumutate V0
- folosind primul amortisment:
Vo =Qi ini adică V0 = 4.522,86- $„] = 30.000 lei
- folosind anuitatea:
v0 = T-an\ adică
V0 = 5.722,86- a„i = 5.722,86-5,2421368 = 30.000 lei
- descompunând prima anuitate obţinem:
T=Q1+ V0i
de unde
T —Q 5.722,86-4.522,86
v0 =-----—=------------------------ = 30.000 lei
0 i 0,04
3. O persoană a împrumutat suma de 5.000 lei pe care urmează să
ramburseze în 4 ani, cu procentul de 4%, prin anuităţi posticipate comportând
amortismente egale.
Să se întocmească tabelul de amortizare corespunzător.
V0 = 5.000, n = 4, p = 4%
ß = ^ - = 1.250.
n
Suma de Suma de
plată la Amortis plată la
Anii Dobînda Anuitate
începutul mentul sfârşitul
anului anului
1 5 .0 0 0 200 1.25 0 1.45 0 3 .7 5 0
2 3 .7 5 0 15 0 1.2 5 0 1.4 0 0 2 .5 0 0
3 2 .5 0 0 10 0 1.25 0 1.3 5 0 1.2 5 0
4 1.2 5 0 50 1.250 1.3 0 0 0
399
momentele Anuităţile Suma rămasă de plată
>
o
Suma efectiv primită V0-V0i=V0(l-i)
o
1 Ti=Qi+Vj i cu V, = Vo-O.
2 T2=Q2+V2l CU v 2 v ,-q 2 =
P
Tp=Qe+Vpi cu Vd= Vd.,-Qp
Tp+i=Qp+i+Vp+|i cu V p + i = V p - Q p + i
n-l T n - l = CU
Q Vn-1 = Vn.2-Qn-1
n - l + V n_ [i
>
>
O
Tn=Qn+Vni CU
O'
IIc
II
1
c
c
Observaţie
Din V„ - Orezultă că ultima anuitate nu conţine decât ultimul amortisment.
Dacă formăm diferenţa dintre 2 anuităţi consecutive de rang oarecare, obţinem:
Tp+1~TP = Qp+1~Qp +Vp+[i-V pi = Qp+X- Q p +
+ (Vp - ô p+1)i —V^i = (1 —OQp+i - Qp
Dacă anuităţile sunt egale Ti = T2 = ... = Tn = T avem:
Qp+i = ~
Λ 7 Qp
1- i
1
Notând =l +r
1—i
obţinem Qp+\ = Qp(\+r) (13)
In sistemul de împrumut cu dobânzile plătite anticipat, dacă anuităţile sunt
constante, amortismentele formează o progresie geometrică cu raţia (1 + r), unde
'■= —— · (14)
1~i
Exemplu:
Un împrumut de 40.000 lei este rambursabil în 5 ani prin anuităţi constante,
cu dobânzile plătibile la începutul anului, procentul fiind 5%.
1) Să se calculeze primul amortisment;
2) Să se calculeze al cincilea amortisment;
3) Să se calculeze anuitatea;
4) Să se întocmească tabelul de amortizare.
Soluţie'.
1) Suma amortismentelor fiind egală cu suma împrumuată, putem exprima
primul amortisment Q\ în funcţie de suma împrumutată şi de r astfel
Q,=V r
(l + r)n- l
0,05
unde r = ■
1-/ 0,95
400
Rezultă: β, = 40.000·- 9-i-05— ~ -- ==7.201,04 lei
1 1,05263152 -1
2) Qs = ßi(l+ r)4= 7.201,04-1,0526315 = 8.841 lei
3) Din faptul că anuitatea este egală cu ultimul amortisment, rezultă că
Γ = β 5 = 8.841 lei
Acelaşi rezultat se poate obţine de la prima anuitate:
Γ= ß i + VW = 7.201,04 + (4.000-7.201,04)-0,05 = 8.841 lei
4) Vom întocmi tabelul de amortizare, sumele fiind rotunjite către cel mai
apropiat întreg.________ _______ ________________ ________
Anii Suma de plată la Amortis Dobânda la Anuităţi Suma
sfârşitul anului mente începutul rămasă
anului
0 4 0 .0 0 0 - 2 .0 00 - -
1 4 0 .0 0 0 7 .2 01 1.64 0 8.841 3 2 .7 9 9
2 3 2 .7 9 9 7 .5 8 0 1.261 8 .841 2 5 .2 1 9
3 2 5 .2 1 9 7 .9 79 862 8.841 17 .2 4 0
4 17 .2 4 0 8 .3 99 4 42 8.841 8 .8 4 1
5 8 .8 41 8 .8 41 - 8.841 0
PROBLEME
1. O sumă de 5000 u.m. este plasată într-un cont cu un procent anual de 12%.
Care va fi suma disponibilă peste 72 de zile?
Dar peste 6 luni? Dar peste 1 an?
Rezolvare:
Avem: So=5000 u.m.
p= 12%
Dacă durata plasamentului este t360=72 zile, avem:
D=Ş o ^ = 5Q00 1 2 ;72 = i 2 o M m
36000 36000
iar suma disponibilă după 72 zile va fi:
St=So+D=5000+120=5120 u.m.
Dacă durata plasamentului este ti 2=6 luni, avem:
d = 5 A = 5 0 0 0 1 2 ^ = 3 0 0 am
1200 1200
iar suma disponibilă după 6 luni va fi:
St= So+D= 5000+300= 5300 u.m.
Peste un an, dobânda obţinută va fi:
„ S0p t 500012
D= ------ =-----------= 600 u j t l
100 100
iar suma finală:
St= So+D= 5000+600= 5600 u.m.
401
2. Ce sumă a fost plasată cu dobândă simplă pe data de 15 aprilie cu procentul
anual de 5% pentru a putea dispune la 20 iulie acelaşi an de suma de 10000 u.m.?
Rezolvare:
Avem: St = 10000 u.m.
p= 5%
Durata plasamentului este:
5. Diferenţa dintre două capitaluri este de 35000 u.m. Cel mai mare a fost plasat 6
luni cu 5%, iar al doilea 4 luni cu 6% conducând la o dobândă simplă totală în
valoare de 2000 u.m.
402
Care sunt cele două capitaluri?
Rezolvare:
Soi-So2= 35000
_ ^oiPi^i2 _ 5οι · 5 · 6 _ 30·501 _ 5 · 501
1 1200
“ 1200~ 1200
” 200 ~
Di+ D2 = 2000
ÎS01 - S 02 =35000
1 2 => 9Soi = 540000 => Soi = 60000 u.m.
[5S01 + 4 S02 =400000
So2 = Soi-35000 = 25000 u.m.
6. Două capitaluri a căror sumă este de 40000 u.m. sunt plasate cu dobândă simplă
astfel:
primul 60 de zile cu 4%, iar al doilea 80 de zile cu 6%
Dobânda primului este dublă dobânzii celui de-al doilea.
a) Determinaţi cele două capitaluri şi dobânzile lor.
b) Câte zile ar trebui să fie plasate simultan cele două sume pentru ca diferenţa
dintre valorile lor finale să fie de 25000 u.m.?
Rezolvare:
50i ·4 ·60 2S01
36000 300
S q2 ' 6 180 _ 45q2
36000 300
S01 + SQ2 —40000
=> 5So2 = 40000 => So2 = 8000 u.m.
s m =4iS02
403
S ti- St2 = 25000 =>Soi (36000 + 4t) - S02 (36000+6t) = 25· 36· 106=> => t(4Soi-
6S02) = 36000· 25000 + 36000 (S 02-S 01)
_ 3600C (25000+ Sm - S 01 ) _ 3 6 0 0 0 -1 0 0 0 _
= 4 5 0 zile
4 S 01 —6Sm 80000
404
Rezolvare:
S = 9000 ·(l + 0,03)3 · (l + 0,06)2 + 1000(l + 0,03)2(l + 0,06)2 =
= 9000-l,033 ·1,062 + 1000-1,032 -1,062 *
= 9000 ·1,092727 ·1,123600+1000 ·1,060900 ·1,123600 =
= 11050,092 +1192,027 = 12242,119 u.m.
10. O datorie se eşalonează pe timp de 15 ani, plătindu-se în acest scop la sfârşitul
flăcărui an suma de 10000 u.m. cu procentul anual de 5%.
Care va fi valoarea finală a operaţiunii şi care ar fi valoarea actuală a acesteia?
Rezolvare
Avem: T = 10000 u.m.
n = 15 ani
i = 0,05
^ - ,= 7 · · ^ - ^ = 100001,Q5i5 ~1 =10000 2,Q789— = 2157855 u.m.
"I i 0,05 0,05
^ = 7 . 1 ^ = 1 0 0 0 0 . 1 2 ^ = 1 0 0 0 0 .1 ^ 1 0 1 7 =
"I i 0,05 0,05
= 10000-10,37966 = 103796,6 u.m.
11. Un imobil a fost evaluat la valoarea de 2· 108 u.m. la sfârşitul a 10 plăţi anuale
anticipate constante şi cu un procent anual de 7%.
Cât s-a plătit anual pentru a ajunge la valoarea considerată şl care a fost
valoarea iniţială (de vânzare) a imobilului?
Rezolvare:
S -l ί
u η —!1 «
S - ^ T u -------- => T — ţ -1 - λ
"I i u\u - l )
2 -108 -0,07 _ 0,14-108 _ 14-106
_ l,07(l,0710- l ) _ 1,07(1,967151-1)" 1,07-0,967151 "
14-IO6
= 13528517 u.m.
1,034851
1 vn 1 —1 0 7 -10
A-. = T ———(l + i)= 13528517 - —— ----- 1,07 =
"I i v ' 0,07
1 _ o ^08^40
= 13528517 ·- ....·1,07 = 13528517 ·7,5152366 =
0,07
= 101463877,5 u.m.
405
12. Cu o amânare de 5 ani s-a stabilit începerea plasării anuale anticipate a unei
sume de câte 10000 u.m. în vederea strângerii unui fond de investiţii, cu un procent
anual de 6% şi o perioadă de 9 ani.
Care va fi valoarea finală a fondului acumulat şi cât ar fi valoarea acestuia la
data convenirii strângerii lui, dacă s-ar pune problema să fie atunci disponibil?
Rezolvare:
r =5
n -r =9
i = 0,06
T = 10000
13. Părinţii unui copil de 5 ani doresc să-i prevadă de acum studiile universitare,
adică să-i asigure 20000 u.m. imediat şi anticipat anual timp de 5 ani începând cu
vârsta de 19 ani.
în acest sens, intenţionează să-i depună la fiecare aniversare începând cu 5 ani şi
până la 18 (deci 14 ani consecutiv) aceeaşi sumă cu un procent anual de 7% pentru
toate operaţiile.
Ce sumă anuală posticipată va trebui să depună? Care este fondul disponibil la
împlinirea vârstei de 19 ani şi deci a primei cheltuieli din acest fond?
Rezolvare:
Calculăm fondul necesar la începutul studiilor:
A -= T — — (l + i)= 20000 1,0 - ■) -1,07 =
"I z ’ 0,07
= « 1 ^ = 2382
2,578534
406
Deci Γ = 2382 u.m.
14. Pentru cumpărarea unui anumit utilaj se face un împrumut care se amortizează
în 10 ani prin anuităţi constante posticipate. Ştiind că al treilea amortisment este de
2103,7 u.m., iar al şaselea este de 2435,29 u.m., să se calculeze :
a) procentul împrumutului ;
b) suma împrumutată ;
c) anuitatea constantă ;
d) datoria rămasă după 5 ani de plată.
Rezolvare:
a) Q3 = 2103,70; Q6= 2435,29
Ql = ß ifl + I')3 _ n j. a 3
, 2 =(i + 0
ß3 α σ + ο 2
Rezultă că: (1 + 0 --------’— = 1,157625 => i = 0,05=» p = 5%
2103,70
b)
l
Qx = - - 3 - = 21° 3,7· = 1908,11 u.m.
1 (1 + 0 U025
p 0 l - ( l + 0""
ß, = 02 = 03 = 04 = ß 3 = j = = 100000
408
CAPITOLUL VII
§. 1. Modele deterministe.
Modelul 1. Gestiune (stoc) cu perioada fixă, cer ere constantă şi Jară
posibilitatea lipsei de stoc.
Considerăm gestiunea unui stoc de cantitatea Q pe un interval de timp θ , cu
aprovizionări la perioade fixe T, de cantitate conform cererii constante q, în care
presupunem că se cunoaşte costul unitar de stocaj c s, costul de lansare a unei
comenzi c h că lansarea comenzii se face în timp util şi aprovizionarea se face în
momentul în care s-a epuizat stocul s. Se presupune de asemenea consumul de stoc
ca fiind uniform (cu variaţie liniară) şi că nu admite lipsa de stoc.
409
O astfel de gestiune se prezintă în figura 1.
Pentru modelarea acestei gestiuni, vom lua drept criteriu de optim costul total
minim.
Din datele problemei, rezultă că pentru fiecare perioadă T avem următoarele
cheltuieli:
C(q) = -Q c i+ \ q c ß (4)
q 2
Qc\ (6)
c '= 7
410
Notând cu q soluţia ecuaţiei obţinute prin anularea expresiei (5), avem:
<7>
şi cum C ( q ) > 0 , extremul este minim ( din considerente economice luăm pentru
q numai valori pozitive).
înlocuind valoarea optimă a unei comenzi q , dată de (7), în (2) obţinem
numărul optim de aprovizionări, adică:
7c~
( 8)
(9)
C ( i) = - ß c ,+ ^ c ,e
q 2
care după înlocuirea lui q din (7) devine:
C = ^ 2 Q e c lCs (10)
Exemplu. Serviciul comercial al unei fabrici de pâine trebuie să asigure lunar
1,5 milioane kg. faină. La fiecare comandă de aprovizionare se cheltuie 5000 u.m.
iar depozitarea fainii costă 1 u.m. pentru 500 kg. pe zi. Să se determine volumul
optim al unei comenzi, numărul optim de aprovizionări, perioada optimă de
aprovizionare şi gestiunea optimă ştiind că aprovizionările se fac la intervale egale
şi că nu se admite lipsă de stoc.
Rezolvare. Avem: Q = 1 5 ,1 0 5kg\ Θ = 3 0 zile, c, = 5 0 0 0 u .m . ,
c , = —— u.m ./kg / z i .
* 500
D eci:.
2 ·1 5 ·105; . ^ 500.000%
30·
500
411
C = JlQ c,cs = ^ 2·15·105 ·30·5·103 = 3 0 0 0 0 u.m..
C{q,s) = V f ΤΛ + ψ τ 2α , λ (2)
înlocuind valoarea lui v din (2) (modelul 1) în (2) obţinem:
412
C ( q ,s ) = % -cx+~TlCi- + £ -_ £ T2c - (3 )
q ' 2 T 2 pT w
Din asemănarea triunghiurilor formate în figura de mai sus, deducem:
Zl - £ · Zl -JL Z £
T ~ q Ş1 T " q
de unde:
r , = i - r Şi r 2 = i ^ r (4)
4 <7
Din (3) şi (4) rezultă:
O θ Θ
C ( q ,s ) = ^ - c x+ — s 2c s + — ( q - s ) 2c ( 5)
q 2q 2q μ
Anulând derivatele parţiale ale lui C(q, s ) în raport cu variabilele q, respectiv s,
obţinem sistemul:
= — Ţ g C | T s 2c s + ~ V (g 2 - s 2)0c = 0 (6)
dq q 2q s 2q
^ l =± e c , - 3 ^ e c p =0 (7)
ds q s q
Valorile optime pentru q şi s se obţin ca soluţii ale sistemului format cu
ecuaţiile (6) şi (7)
Din (6) rezultă:
2 2 Qc l t ( c s + c )
q = &
00P
r CP
(8)
iar din (7) :
CP
s = q T T T (9)
('S Cp
Introducând valoarea lui s din (9) în ecuaţia (8) şi rezolvând această ecuaţie se
obţine valoarea optimă q pentru volumul unei comenzi:
*2 2 Q<i Cs +Cp
Notând:
(J
p = — -£— (11)
C s ’T1 ^
Cp
4 13
(factorul p se numeşte factor de penalizare), formula (10) se mai poate scrie:
( 12)
(13>
Perioada fixă optimă se obţine din (2) şi (12), la fel ca şi numărul optim de
apovizionări (frecvenţa optimă).
Avem:
(.4 )
q y 2c,
şi:
* θ 2 0 ci 1
~ 1----- L- (15)
Avem succesiv:
c 5
CS + C p, 6’
414
s —q p —160 ·— = 133 aspiratoare,
6
- 1 2 0 aprovizionări,
PROBLEME
5
Numărul optim de aprovizionări este:
, <2 _ 900000
= 95 aprovizionări
V~ q 9487
416
BIBLIOGRAFIE
418