Sunteți pe pagina 1din 74

1

UNIVERSITATEA „BABEŞ-BOLYAI” CLUJ-NAPOCA


FACULTATEA DE ŞTIINŢE ECONOMICE ŞI GESTIUNEA
AFACERILOR
TRUNCHI COMUN ANUL I zi si ID
ANUL UNIVERSITAR 2008/2009
SEMESTRUL I
I. Informaţii generale
Date de identi…care a cursului

Date de contact ale titularilor de curs:


1. Muresan Anton S., Birou: Cabinetul 229, Etajul II, E-mail:
anton.muresan@econ.ubbcluj.ro, Consultatii: Marti si Joi orele 12,30-13,30
2. Filip Diana Andrada, Birou: Cabinetul 230, Etajul II, E-mail:
diana.…lip@econ.ubbcluj.ro, Consultatii: Joi orele 11,30-12,30
3. Curt Paula, Birou: Cabinetul 229, Etajul II, E-mail:
paula.curt@econ.ubbcluj.ro, Consultatii: Luni si Marti 14,00-15,00
4. Mihoc Maria, Birou: Cabinetul 229, Etajul II, E-mail:
maria.mihoc@econ.ubbcluj.ro, Consultatii: Luni 12,30-13,30, Miercuri 19,30-
20,30
5. Rap Ilie, Birou: Cabinetul 231, Etajul II, E-mail:
ilie.rap@econ.ubbcluj.ro, Consultatii: Luni 13,00-14,00, Miercuri 16,00-17,00
6. Radu Voichita, Birou: Cabinetul 230, Etajul II, E-mail:
voichita.cleciu@econ.ubbcluj.ro, Consultatii: Marti 12,30-13,30 si 17,30-19,00
Telefon: 0264-418653
Fax: 0264-412570
Date de identi…care curs si contact tutori:
Numele cursului: MATEMATICI APLICATE IN ECONOMIE
Codul cursului: EBS0003
Anul I, Semestrul I
Tipul cursului: Obligatoriu
Pagina web a cursului:
Tutori:
1. Muresan Anton S.: anton.muresan@econ.ubbcluj.ro
2. Filip Diana Andrada, diana.…lip@econ.ubbcluj.ro
3. Curt Paula, paula.curt@econ.ubbcluj.ro
4. Mihoc Maria, maria.mihoc@econ.ubbcluj.ro
5. Rap Ilie, ilie.rap@econ.ubbcluj.ro
6. Radu Voichita, voichita.cleciu@econ.ubbcluj.ro
7. Rosca Alin, alin.rosca@econ.ubbcluj.ro
8. Mihalca Gabriela, gabriela.mihalca@econ.ubbcluj.ro
9. Pop Vasile, dorina.opris@econ.ubbcluj.ro
10.Coconet Tiberiu, coconet_tibi@yahoo.com
11. Filip Darius, …lip_darius@yahoo.com
12. Popa Ioan, ioanpopa_cluj@yahoo.com
Locul de desf¼ aşurare a cursului: Cl¼ adirea Campus, s¼ ali etajul II
Programarea în orar a activit¼ aţilor (la înv¼
aţ¼
amâtul de zi): S¼
apt¼amânal 2 ore
de curs + 2 ore de seminar, conform orarului a…şat la sediul facult¼ aţii
(la înv¼
aţ¼
amâtul ID) :8 ore activitati
tutoriale
Conditionari si cunostinte prerechizite: -
2

Descrierea cursului :
Se vor avea in vedere urmatoarele obiective:
Introducerea catorva notiuni de analiza functiilor reale de mai multe
variabile reale care sa constituie pentru studenti instrumente pentru tratarea
unor probleme de extrem, pentru a permite interpolarea si ajustarea datelor
experimentale, etc.
Crearea bazelor de analiza matematica necesare pentru studiul teoriei
probabilitatilor si pentru statistica matematica.
De…nirea si studiul principalelor proprietati ale conceptelor de baza din
teoria probabilitatilor. Crearea la studenti a unor deprinderi de utilizare a tehni-
cilor probabilistice si de folosire a acestora in scop aplicativ. Fundamentarea
probabilistica a statisticii matematice.
Organizarea temelor (partilor) in cadrul cursului:
Cursul va avea urmatoarele doua parti:
1. Elemente de analiza matematica
2. Elemente de teoria probabilitatilor
Organizarea temelor s-a facut avand in vederea ordinea …reasca si gradul de
di…cultate sa urmeze o ordine crescatoare. Informatia relevanta referitoare la
…ecare tema (parte) se gaseste in lista bibliogra…ca ce va … prezentata ulterior,
iar accesul va … realizat direct.
Formatul si tipul activitatilor implicate de curs:
Formatul va … unul clasic, permitand studentului de a-si gestiona singur,
fara constrangeri, parcurgerea cursului. De sigur o participare la activitatile
plani…cate va usura intelegerea tematicii cursului. Tipurile de activitati ce vor
… abordate in cadrul cursului vor … atat cele clasice cat si proiecte de grup.
Materiale bibliogra…ce obligatorii:
Principalele materiale bibliogra…ce pe care le vom utiliza, si care se vor gasi
la biblioteca facultatii, iar unele vor putea … accesate prin internet, sunt:
1. Colectiv, Elemente de teoria probabilitatilor si statistica matemetica pen-
tru economisti, Ed. Todesco, Cluj-Napoca, 2004.
2. Colectiv, Analiza matematica, Teoria Probabilitatilor si Algebra liniara
aplicate in economie, Ed. Mediamira, Cluj-Napoca, 2008.
Materiale si instrumente necesare pentru curs :
Vom folosi: suport electronic de curs, materiale multiplicate, calculator,
videoproiector.
Calendarul cursului: este prezentat in calendarul disciplinei
Politica de evaluare si notare:
Evaluarea si notarea …nala se va face prin rezolvarea de probleme, intocmirea
unor teme de casa. Toate acestea se vor realiza pe parcursul semestrului. In-
trarea in examenul …nal este conditionata de realizarea sarcinilor ce rezulta din
temele de control de la sfarsitul …ecarui modul al suportului de curs. Studentii
vor primi feed-back la rezultatele realizate in examenul …nal prin comunicare
directa cu cei care solicita. In cazul cand studentul doreste sa revina la un ex-
amen de marire a notei, acest nou examen se va desfasura in aceleasi conditii,
cu aceleasi cerinte, ca si examenul initial.
Elemente de deontologie academica:
Pentru a evita situatiile care pun in discutie onestitatea studentilor facem de
la inceput precizarea ca se interzice categoric frauda, iar tentativele de frauda
se vor trata conform reglementarilor in vigoare elaborate la nivelul facultatii
si universitatii. Este normal ca atunci cand se utilizeaza anumite date, texte,
3

formulari, etc. luate din alte surse, sa se faca citarea, si astfel sa se asume
meritele doar pentru munca si contributia proprie. Se va cere studentului sa
aiba un comportament academic fata de profesori si fata de colegi.
Studentii cu dizabilitati:
Nu vor avea nici o problema in a se incadra in cerintele cursului si a celorlalte
activitati, sansele in pregatire si obligatiile lor …ind de aceeasi factura ca si
pentru studentii fara dizabilitati.
Strategii de studiu recomandate:
Recomandam studentilor sa se pregateasca mai intai din aspectele teoretice,
asa incat, mai intai, din curs, sa …e studiate modulele cu teoria si exemplele
ilustrative formulate, apoi sa se abordeze problemele rezolvate, iar apoi si prob-
lemele formulate spre rezolvare. Pentru tot cursul, apreciem ca fondul de timp
necesar insusirii complete este de 56 de ore, din care 40 pentru suportul de curs,
8 pentru activitatile directe cu tutorii, iar 12 pentru sarcinile individuale de
studiu al bibliogra…ei si realizarea temelor de control.

II. Suportul de curs propriu-zis


Cursul va … structurat pe module, iar dorinta este de a se obtine o prezentare
gradata a notiunilor si rezultatelor.

MODULUL I. Elemente de analiza matematica


Obiectivele modulului
Introducerea catorva notiuni de analiza functiilor reale de mai multe vari-
abile reale care sa constituie pentru studenti instrumente pentru tratarea
unor probleme de extrem, pentru a permite interpolarea si ajustarea datelor
experimentale, etc.
Crearea bazelor de analiza matematica necesare pentru studiul teoriei
probabilitatilor si pentru statistica matematica.

Concepte de baza
Aplicatii ale notiunilor de analiza matematica in probleme de natura eco-
nomica;
Spatii normate, spatii metrice, topologia de spatiu metric;
Limite de functii de la Rn la R, continuitatea functiilor de la Rn la R;
Derivate partiale, diferentiabilitate si diferentiala pentru functiile de la Rn
la R, derivate partiale si diferentiale de ordin superior;
Extremele functiilor reale de mai multe variabile reale (libere sau cu lega-
turi);
Optimizarea unor procese de stocare deterministe;
Ajustarea datelor experimentale;
Integrale Euler.
4

Rezultate asteptate
Insusirea conceptelor de baza mentionate si crearea deprinderilor de utilizare
a acestora. Studentul trebuie sa …e capabil sa aplice in practica notiunile studi-
ate pentru analizarea unor situatii concrete din economie, cum ar … de exemplu
probleme de gestiunea optima a stocurilor.

Sinteza
UNITATEA 1. Functii reale de mai multe variabile
reale
1.0. Aplicatii in economie
1.0.1. Aplicaţii ale derivatei în economie

Fie f : D ! R; D R - interval,
x 7 ! y = f (x)
(f funcţie cu semni…caţie economicã)
1) Valoarea medie localã în x

f (x) f (x + x) f (x)
=
x x
2) Valoarea marginalã în x; viteza de variaţie, (limita valorii medii locale
in x cand x ! 0):

df (x) f (x)
f 0 (x) = = lim
dx x!0 x
3) Valoarea medie în intervalul [0; x]

f (x)f (0)
x
4) Variaţia relativã a funcţiei f în x (rata de variatie)
(este raportul dintre cresterea functiei si valoarea functiei)

f (x) f (x + x) f (x)
=
f (x) f (x)
5) Ritmul mediu de variaţie în x (raportul dintre variatia relativa a
functiei - rata de variatie - si cresterea variabilei)
f (x)
f (x) f (x) 1
Rm = =
x x f (x)
6) Ritmul local de variaţie în x
(viteza relativã de variaţie)

f 0 (x) 0
Rf;x = lim Rm = = (ln f (x))
x !0 f (x)
7) Elasticitatea medie în x
(=raportul ratelor de variaţie=raportul variaţiilor relative ale celor douã
variabile)
5

f (x) f (x)
f (x) x f (x) x
Em = x
= = f (x)
x
f (x) x
x

8) Elasticitatea localã a lui y în raport cu x


0
x (ln f (x))
Eyx = lim Em = f 0 (x) = 0
x !0 f (x) (ln x)
Observaţie:
0
f (x) 1 (ln x) 1 1
Exy = = x
0 = Ey =
x f 0 (x) (ln f (x)) Eyx

Elasticitatea este independentã de unitãţile de mãsurã pentru cele douã vari-


abile. Cu ea se evidenţiazã variaţia unui parametru care are o creştere relativã
mult mai semni…cativã decât variaţia absolutã.

1.0.2. Funcţii de producţie

Fie f : D ! R+ ; D Rn+ x = (x1 ; x2 ; :::; xn ) 7 ! y = f (x1 ; x2 ; :::; xn )


unde f este o functie de mai multe variabile, cu semni…catie economica.
1) Cobb - Douglas

y = A x1 x2
y = f (x1 ; x2 ); D = R2+
A; ; - constante,
A - factor rezidual (progresul tehnic, stocul de cercetare, învãţãmânt,etc)
x1 - capitalul
x2 - forţa de muncã
y - producţia (venitul naţional, produsul naţional brut)
; - mãsoarã elasticitãţile lui y faţã de x1 ; x2
Observaţie:
i) Folosind diferentiala de ordinul intai se obtine relatia

dy dx1 dx2
= +
y x1 x2

ii) Suma + mãsoarã „randamentul …zic”care poate … constanta,


crescãtoare sau descrescãtoare dupa cum + este = 1, sau > 1 sau < 1:
2) Costul producţiei, D = R2+ :

C (y) = C (x1 ; x2 ) = C1 x1 + C2 x2
3) Incasãrile din vânzare, D = R2+

R (y) = ry = r A x1 x2

4) Bene…ciul (pro…tul), D = R2+

B (y) = R (y) C (y)


6

5) Generalizare, D = R3+

y = f (x1 ; x2 ; x3 ) = Ax1 x2 x3
x3 - factorul progres tehnic
6) Funcţia Solow - Minhas - Arrow - Cherney (CES - Constant
Elasticity of Substitution), D = R+2
1=
y = f (x1 ; x2 ) = A x1 + x2
7) Funcţia Rowe - Sato, D = R2+ n a x31 + b x32 = 0

x21 x22
y = f (x1 ; x2 ) =
a x31 + b x32
8) Funcţia Borts - Mishan, D = R+2

5x21 x31
y = f (x1 ; x2 ) =
x2 3x22
9) Funcţia Allen, D = R2+ n 2h x1 x2 ax21 bx22 < 0
q
y = f (x1 ; x2 ) = 2h x1 x2 ax21 bx22

10) Funcţia Visner, D = R+4

y = f (x1 ; x2 ; x3 ; x4 ) = A x1 x2 x3 x4

x3 - cheltuieli pentru învãţãmânt şi ridicarea cali…cãrii


x4 - cheltuieli pentru cercetare ştiinţi…cã şi experimentare
11) Funcţia Bradford de Long - Summers, D = R+3

y = f (x1 ; x2 ; x3 ) = (x1 + x2 ) x13

1.0.3. Funcţia cerere -venit


Creşterea
Funcţia cerere Funcţia de elasticitate
absolutã a funcţiei
V bV
1 Q = a + bV EQ = a+bV ' (V ) = b
bV +2cV 2
2 Q = a + bV + cV 2 V
EQ = a+bV +cV 2 ' (V ) = b + 2cV
3 Q = aV b V
EQ =b ' (V ) = abV b 1
4 Q = aeV V
EQ =V ' (V ) = aeV
aV V b ab
5 Q = b+V EQ = 1+b ' (V ) = (b+V )2
6 Q = a c+V
b+V
V
EQ = b c
b+c+V cb
' (V ) = ab ac
(b+V )2
V
c+V V (2 a)V 2 +2bV +abc b+V (2 a)V 2 +2bV +abc
7 Q = aV b+V EQ = (b+V )2 aV +ac ' (V ) = (b+V )2
K V cV Kcbe cV
8 Q= 1+be cV
EQ = 1 cV ' (V ) = (1+be cV )2
be +1
1) Funcţie liniarã.
2) Funcţie parabolicã.
3) Funcţie putere.
4) Funcţie exponenţialã.
7

5) Funcţia logaritmicã.
6) Funcţia Törnquist (problemã de prima necesitate).
7) Funcţia Törnquist (problemã de necesitate medie).
8) Funcţia Törnquist (produse de lux ).
9) Funcţia logisticã.

1.0.4. Funcţii cerere - preţ

p dQ p bp
Q=a bp =) EQ = =
dp Q a bp

Varianta Cournot(Q = f (p)) Varianta Marshall (p = f (Q) )


1 Q = abp p = a bQ
a a
2 Q = p+c b p = Q+b c
2 p
3 Q = a bp
p
p = a bQ
a p 2
4 Q = qb p = (a bQ)
a p
5 Q= b p=a bQ2
1=a
a b
6 Q = bp +c p= Q c
bp 1 a
7 Q = ae p= n ln Q

1) Functie liniara
2) Functie rationala
3) Functie polinomiala, de gradul 2
4) si 5) Functii irationale
6) Functie putere
7) Functie exponentiala
8) Functie logaritmica

1.1. Elemente de topologie a spatiului Rn


1.1.1. Spaţii normate
De…niţia 1.1.2. Fie V un spaţiu vectorial peste R. Se numeşte norm¼
a pe
V orice aplicaţie k k : V ! R, x 7! kxk, astfel încât
N1) kxk 0; 8 x 2 V şi kxk = 0 () x = .
N2) k xk = j jkxk; 8 x 2 V; 8 2 R (pozitiv omogenitate).
N3) kx + yk kxk + kyk; 8 x; y 2 V (subaditivitate).
Se numeşte spaţiu vectorial normat (real) cuplul (V; k k) unde V este
un spaţiu vectorial peste R iar k k este o norm¼a pe V .

1.1.2. Spaţii metrice


De…niţia 1.1.3. Se numeşte metric¼ a sau distanţ¼ a pe mulţimea nevid¼aX
orice aplicaţie d : X X ! R, (x; y) 7! d(x; y), astfel încât
D1) d(x; y) 0; 8 x; y 2 X şi d(x; y) = 0 () x = y
D2) d(x; y) = d(y; x); 8 x; y 2 X
D3) d(x; y) d(x; z) + d(z; y); 8 x; y; z 2 X (inegalitatea triunghiului).
8

Cuplul (X; d) unde X este o mulţime nevid¼ a iar d este o distanţ¼


a (metric¼
a)
pe X se numeşte spaţiu metric.
Observaţie. În D1) s-ar putea renunţa la condiţia d(x; y) 0. Într-adev¼ ar,
pentru x; y 2 X avem succesiv
0 = d(x; x) d(x; y) + d(y; x) = 2d(x; y) de unde d(x; y) 0.
Propoziţia 1.1.4. Fie (V; k k) un spaţiu normat (real). Aplicaţia
def
d : V V ! R, (x; y) 7! d(x; y) = kx yk este o distanţ¼ a pe V (distanţa
indus¼ a de norm¼ a).
Observaţii. 1) Orice spaţiu normat este şi spaţiu metric cu distanţa in-
dus¼a de norm¼ a. Cele trei norme clasice pe Rn induc pe acest spaţiu distanţele
n
1; 2; 1 : R Rn ! R
Pn
1 (x; y) = kx yk1 = i=1 jxi yi j
pPn
2 (x; y) = kx yk2 = i=1 (xi yi )2
1 (x; y) = kx yk1 = maxfjxi yi j j i = 1; ng
dac¼ a x = (x1 ; x2 ; : : : ; xn ), y = (y1 ; y2 ; : : : ; yn ).
n
1 se numeşte distanţa Minkowski a spaţiului R , 2 se numeşte distanţa
euclidian¼ a a lui R , iar 1 se numeşte distanţa Cebâşev a lui Rn .
n

De…niţia 1.1.5. Fie (X; ) un spaţiu metric, a 2 X şi r > 0. Se numeşte


bil¼a deschis¼ a cu centrul în a şi raza r mulţimea B(a; r) = fx 2 Xj (x; a) <
rg:
De…niţia 1.1.6. Fie (X; ) un spaţiu metric. Se spune c¼ a mulţimea G X
este deschis¼ a dac¼ a oricare ar … a 2 G exist¼ a r > 0 astfel încât B (a; r) G
(o dat¼ a cu orice element a 2 G; G include o bil¼ a deschis¼a cu centrul în a).
Se spune c¼ a mulţimea D X este închis¼ a dac¼ a ea este complementara unei
mulţimi deschise. X şi se consider¼ a atât deschise cât şi închise. Familia a
mulţimilor deschise ale lui X se numeşte topologie de spaţiu metric (indus¼ a
de metric¼ a).
De…niţia 1.1.7. Fie (X; ) un spaţiu metric şi a 2 X pentru care exist¼ a
G 2 astfel încât a2 G V . Vom nota cu V (a) mulţimea tuturor vecin¼ at¼
aţilor
lui a.
De…niţia 1.1.8. Fie (X; ) un spaţiu metric şi A X o mulţime nevid¼ a.
Se spune c¼ a a 2 X este punct interior al mulţimii A dac¼ a exist¼
a r > 0 astfel
încât B (a; r) A. Mulţimea tuturor punctelor interioare ale lui A se numeşte
o
interiorul mulţimii şi se noteaz¼ a int A sau A. Se spune c¼ a a 2 X este punct
exterior mulţimii A dac¼ a el este punct interior al complementarei lui A rela-
tive la X. Mulţimea tuturor punctelor exterioare lui a se numeşte exteriorul
mulţimii A şi se noteaz¼a extA. Se spune c¼ a a 2 X este punct frontier¼ a al
mulţimii a dac¼a el nu este nici interior şi nici exterior lui A. Mulţimea tuturor
punctelor frontier¼a ale lui A se numeşte frontiera mulţimii A şi se noteaz¼ a cu
F rA.
Se spune c¼a a 2 X este punct aderent al mulţimii A dac¼ a 8 V 2 V (a) avem
V \ A 6= ; (orice vecin¼ atate a lui a conţine puncte din A). Mulţimea tuturor
punctelor aderente ale lui A se numeşte aderenţa sau închiderea lui A şi se
noteaz¼a cu A. Se spune c¼ a a 2 X este punct de acumulare al lui A dac¼ a
8 V 2 V (a) avem V \ An fag = 6 ; (orice vecin¼ atate a lui a conţine puncte din A
diferite de a). Mulţimea tututor punctelor de acumulare ale lui A se numeşte
mulţime derivat¼ a a lui A şi se noteaz¼a A0 . Se spune c¼a a 2 A este punct izolat
al lui A dac¼a exist¼
a V 2 V (a) astfel încât V \ A = fag.
9

De…niţia 1.1.11. Fie (X; 1 ) ; (Y; 2 ) dou¼ a spaţii metrice şi A X o


mulţime nevid¼
a iar f : A ! Y . Se spune c¼
a l 2 Y este limita funcţiei f când
x tinde c¼atre a 2 A0 şi se noteaz¼
a f (x) ! l sau l = lim f (x) dac¼ a oricare
x!a x!a
ar … V 2 V (l) exist¼
a U = UV 2 V (a) astfel încât f (x) = V; 8 x 2 A \ U n fag.
Se spune c¼a f este continu¼ a în punctul adac¼ a pentru orice V 2 V (f (a))
exist¼
a U = UV 2 V (a) astfel încât f (x) 2 V; 8 x 2 A \ U . Se spune c¼a f este
continu¼a pe mulţimea E A dac¼ a f este continu¼a în orice punct din E.

În fapt, in tot acest curs, toate raţionamentele r¼


amân valabile dac¼a simpli-
…c¼
am de…niţia conceptului de vecin¼ atate a unui punct a 2 X, numind vecin¼ a-
tate a lui a orice bil¼a deschis¼a cu centrul în a. Vom lucra deci cu V (a) =
fB (a; ) j > 0 g ,a 2 X. Se obţin astfel ”de…niţia cu ”şi respectiv ”de…niţiile
cu şi ” ale conceptelor menţionate. Avem astfel:
a) Fie (X; 1 ); (Y; 2 ) dou¼a spaţii metrice, A X, a 2 A0 şi l 2 Y iar
f :A!Y.
Atunci l = lim f (x) () 8 " > 0; 9 = " > 0 astfel încât 2 (f (x); l) <
x!a
"; 8 x 2 A n fag, 1 (x; a) < .
b) Fie (X; 1 ); (Y; 2 ) dou¼ a spaţii metrice, A X şi a 2 A iar f : A ! Y .
Atunci f este continu¼ a în punctul a () 8 " > 0; 9 = " > 0 astfel încât
2 (f (x); f (a)) < "; 8 x 2 A, 1 (x; a) < .
Dac¼ a distanţele provin din norme avem:
a spaţii normate, A X, f : A ! Y , a 2 A0
a’) Fie (X; k k1 ); (Y; k k2 ) dou¼
şi l 2 Y . Atunci l = lim f (x) () 8 " > 0; 9 = " > 0 astfel încât
x!a
kf (x) lk2 < "; 8 x 2 A n fag, kx ak1 < .
b’) Fie (X; k k1 ); (Y; k k2 ) dou¼
a spaţii normate, A X, f : A ! Y şi a 2 A.
Atunci f este continu¼ a în punctul a () 8 " > 0; 9 = " > 0 astfel încât
kf (x) f (a)k2 < "; 8 x 2 A, kx ak1 < .

1.2. Limite de funcţii de la Rm la R.Continuitatea funcţiilor de


la Rm la R

1.2.1. Funcţii de la Rm la Rn

De…niţia 1.2.2. Fie m; n 2 N , E Rm şi F Rn dou¼


a mulţimi nevide şi
…e
f : E ! F , x = (x1 ; x2 ; :::; xn ) 7 ! f (x) = (y1 ; y2 ; :::; yn ) o funcţie.
Se spune c¼ a f este:
1) funcţie real¼
a de variabil¼ a real¼ a dac¼
am=n=1
2) funcţie real¼
a de variabil¼ a vectorial¼ a (sau de m variabile rale) dac¼ a
m 2; n = 1
3) funcţie vectorial¼a de variabil¼ a dac¼
a real¼ a m = 1; n 2
4) funcţie vectorial¼a de variabil¼ a vectorial¼a (sau de m variabile reale)
dac¼
a m; n 2.

1.2.2. Limite de funcţii de la Rm la R. Continuitatea funcţiilor


de la Rm la R

De…niţia 1.2.5. Fie E Rm (m 2 N ) o mulţime nevid¼


a, f : E ! R, o
0
funcţie a 2 E şi l 2 R. Se spune c¼
a f are limita l când x tinde c¼atre a şi
10

se scrie l = lim f (x) sau f (x) ! l dac¼


a 8 " > 0; 9 = " > 0 astfel încât
x!a x!a
kf (x) lk < " pentru orice x 2 E n fag, kx ak < .
De…niţia 1.2.6. Fie E Rm , A E dou¼ a mulţimi nevide, a 2 A0 \ E 0 ,
m
h 2 R , h 6= şi f : E ! R. Se numeşte limit¼ a a funcţiei f relativ¼ a la
mulţimea A sau limit¼ a a lui f relativ¼
a parţial¼ a la A, limita restricţiei f jA
când x tinde c¼
atre a (dac¼a exist¼
a) adic¼
a
not
lA = limx!a (f jA )(x) = limx!ax2A f (x):
Dac¼
a A = Ah = fx 2 Ej x = a + th; t 2 Rg (A este format¼ a din segmentul
din E al dreptei care trece prin punctul a şi de direcţie h) atunci limita lAh =
lh = lim f (x) = lim f (a + th) (dac¼ a exist¼
a) se numeşte limit¼ a a funcţiei
x!ax2Ah t!0
f în punctul a dup¼ a direcţia h.
Propoziţia 1.2.5. Dac¼ a f are limit¼
a când x tinde c¼ atre a atunci limita
este unic¼
a.
Propoziţia 1.2.6. Dac¼a f (x) ! atunci exist¼
a V 2 V (a)) astfel încât f
x!a
este m¼arginit¼
a pe V \ E.
Propoziţia 1.2.7. Dac¼a f (x) ! şi g(x) ! atunci f (x) + g (x) !
x!a x!a x!a
f (x)
+ ; :f (x) g (x) ! iar dac¼
a 6= 0 şi g(x) are sens pe o vecin¼
atate a lui
x!a
f (x)
a atunci avem şi !
g(x) x!a .
Propoziţia 1.2.8. (criteriul major¼
arii) Fie ' : E ! R. Dac¼
a exist¼
aV 2
V(a) astfel încât
a) '(x) 0; 8 x 2 V \ E
b) kf (x) lk '(x); 8 x 2 V \ E
c) lim '(x) = 0
x!a
atunci exist¼
a lim f (x) = l.
x!a
În continuare menţion¼ am câteva propriet¼aţi relative la continuitatea funcţi-
ilor de la Rm la Rn .
De…niţia 1.2.7. Fie m 2 N , E Rm o mulţime nevid¼ a, a 2 E şi f : E !
R. Se spune c¼ a f este continu¼
a în punctul a dac¼ a 8 " > 0; 9 = " > 0 astfel
încât jf (x) f (a)j < " pentru orice x 2 E; kx ak < . Se spune c¼ a f este
continu¼ a pe mulţimea nevid¼ a A E dac¼ a f este continu¼ a în orice punct
a 2 A.
Propoziţia 1.2.8. Fie m 2 N , E Rm ; E 6= ;; a 2 E şi f : E ! R.
Dac¼ a f este continu¼ a în punctul a atunci exist¼ a V 2 V (a) astfel încât f este
m¼ arginit¼
a V \ E:
Propoziţia 1.2.9. Fie m 2 N , E Rm ; E 6= ;; a 2 E şi f; g : E ! R.
Dac¼ a f şi g sunt continue în punctul a atunci f + g, f g şi fg (dac¼ a f (a) 6= 0)
sunt de asemenea continue în a.
De…niţia 1.2.11. Fie E Rm , E 6= ;, h 2 Rm n f g, f : E ! R şi a 2 E.
Se spune c¼ a f este continu¼ a dup¼ a direcţia h în punctul a dac¼ a, notând
Eh = fx 2 Ej x = a + th; t 2 Rg, restricţia lui f la Eh este continu¼ a în a.

1.3. Derivate parţiale, diferenţiabilitate şi diferenţial¼


a pt funcţiile
de la Rm la R

De…niţia 1.3.1. Se spune c¼ a mulţimea D Rm (m 2 N ) este un domeniu


dac¼
a este deschis¼
a şi conex¼
a (format¼
a dintr-o singur¼
a ”bucat¼
a”).
11

De…niţia 1.3.2. Fie m 2 N , m 2, D Rm un domeniu, a = (a1 ; a2 ; :::; am )


2 D; f : D ! R şi …e i 2 f1; 2; ::; mg. Se spune c¼ a f este derivabil¼ a parţial
în raport cu variabila xi în punctul a dac¼ a aplicaţia parţial¼
a 'i asociat¼ a lui f
în a este derivabil¼ a în punctul xi = ai . În acest caz, derivata '0i (ai ) se numeşte
derivat¼ a parţial¼
a a lui f în raport cu variabila xi în punctul a şi se noteaz¼ a
@ f (a) 0
@xi sau f xi (a).
Observaţii. 1) A se revedea de…niţia 2.2.10 pentru aplicaţiile parţiale aso-
ciate lui f în a. Acestea sunt funcţii reale de o variabil¼ a real¼ a şi deci se poate
vorbi de derivabilitatea lor în sensul studiat în liceu.
2) Dac¼a f este derivabil¼ a parţial în raport cu variabila xi (i = 1; m) în
punctul a atunci @@x f (a)
i
= ' 0
i (ai)
'i (xi ) '(ai ) f (a1 ;:::;ai 1 ;xi ;ai+1 ;:::;am ) f (a1 ;a2 ;:::;am )
= lim xi ai = lim xi ai
xi !ai xi !ai
3) Dac¼a f este derivabil¼a parţial în raport cu variabila xi în punctul a atunci
f este continu¼ a parţial în raport cu variabila xi în punctul a (i = 1; n). Într-
adev¼ar, 'i derivabil¼a în ai implic¼a 'i continu¼ a în ai ; i = 1; m. Dac¼a îns¼
a f este
derivabil¼
a parţial în raport cu toate variabilele în punctul a nu rezult¼ a c¼
a f este
continu¼a (global) în a aşa cum rezult¼ a din exemplul urm¼ ator.
De…niţia 1.3.3. Fie D Rm un domeniu şi f : D ! R. Se spune c¼ af
este derivabil¼ a parţial în raport cu xi pe D dac¼ a f este derivabil¼
a parţial
în raport cu xi în orice punct x 2 D, i = 1; m.
Observaţie. Dac¼ a f este derivabil¼ a parţial în raport cu xi pe D atunci se
poate vorbi de funcţia derivat¼ a parţial¼
a a lui f în raport cu variabila xi , notat¼ a
@f
@ xi , anume
@f @ f (x)
@ xi : D ! R; x 7! @ xi ; i = 1; m:
Funcţiile @@xfi , i = 1; m ar putea la rândul lor s¼ a …e derivabile parţial în
raport cu variabila xj , j = 1; m în puncte a 2 D şi se deschide astfel calea
pentru considerarea derivatelor parţiale de ordin superior care vor … tratate mai
târziu. Dac¼ a derivatele parţiale @@xfi , i = 1; m exist¼ a ca funcţii ele se calculeaz¼ a
conform aceloraşi reguli de derivare ca cele de la funcţiile reale de o variabil¼ a
real¼a, considerând variabil doar argumentul în raport cu care se face derivarea
şi constante toate celelalte argumente.
Propoziţia 1.3.1. Fie D Rm un domeniu, a 2 D şi f : D ! R. Dac¼ a
exist¼a V 2 V(a) astfel încât f s¼ a admit¼ a derivate parţiale în raport cu toate
variabilele pe V \ D atunci 8 x 2 V \ D n fag exist¼ a 2 Rm , i cuprins între
ai şi xi , i = 1; m astfel încât
P
m
@(a1 ;:::;ai 1 ;:::;xi+1 ;:::;xm )
(1) f (x) f (a) = @xi (xi ai )
i=1
Propoziţia 1.3.2. Fie D Rm un domeniu, a 2 D şi f : D ! R. Dac¼ a ex-
ist¼a V 2 V(a) astfel încât f s¼a …e derivabil¼
a parţial în raport cu toate variabilele
pe V \ D şi @@ xfi sunt m¼
arginite pe V \ D, i = 1; m atunci f este continu¼ a în a.
Consecinţ¼a. Dac¼ a f admite derivate parţiale m¼ arginite pe D, f este con-
tinu¼ a pe D.
De…niţia 1.3.4. Fie D Rm un domeniu, a 2 D şi f : D ! R. Se
spune c¼ a f este diferenţiabil¼ a în punctul a dac¼ a exist¼ a 1; 2; : : : ; m 2 R
şi ! : D ! R, ! continu¼ a şi nul¼a în a (deci lim !(x) = !(a) = 0) astfel încât
x!a
8 x 2 D avem
P
m
(2.3.1) f (x) f (a) = i (xi ai ) + !(x)kx ak:
i=1
12

Se spune c¼ a f este diferenţiabil¼ a pe A D dac¼ a este diferenţiabil¼ a în orice


punct din A.
Observaţie. Norma folosit¼ a în acest paragraf va … norma euclidian¼ a a lui
Rm : Reamintim c¼ a dac¼a a = (a1 ; a2 ; : : : ; am ), x = (x1 ; x2 ; : : : ; xm ) 2 Rm atunci
pentru orice i =p1; m avem p
jxi ai j = (xi ai )2 (x1 a1 )2 + (x2 a2 )2 + + (xm am )2 =
kx ak
şi deci jxi ai j
kx ak 1 pentru orice x 2 Rn , x 6= a şi pentru orice i = 1; m.
Propoziţia 1.3.3. Fie D Rm un domeniu, a 2 D şi f : D ! R. Atunci,
f este diferenţiabil¼ a în a () exist¼ a 1 ; 2 ; : : : ; m 2 R şi m funcţii ! i : D ! R,
! i continue şi nule în a, i = R astfel încât oricare ar … x 2 D s¼ a avem
Pm Pm
(2.3.2) f (x) f (a) = i (xi ai ) + ! i (x)(xi ai )
i=1 i=1
Propoziţia 1.3.4. Fie D Rm un domeniu, a 2 D şi f : D ! R.
Dac¼a f este diferenţiabil¼ a în a atunci f admite derivate parţiale în a şi
@f (a)
@xi = i ; 8 i = 1; m:
Propoziţia 1.3.5. Fie D Rm un domeniu, a 2 D şi f : D ! R. Dac¼ af
este diferenţiabil¼a în a atunci f este continu¼ a în a.
Propoziţia 1.3.6. Fie D Rm un domeniu, a 2 D şi f : D ! R. Dac¼ af
are derivate parţiale pe V \ D unde V este o vecin¼ atate a punctului a şi dac¼
a
acestea sunt continue în a atunci f este diferenţiabil¼ a în a.
Consecinţ¼ a. Dac¼ a f admite derivate parţiale continue pe D atunci f este
diferenţiabil¼
a pe D.
De…niţia 1.3.5. Fie D Rm un domeniu, a 2 D şi f : D ! R o funcţie
diferenţiabil¼
a în a. Se numeşte diferenţial¼ a a funcţiei f în punctul a,
P
m
@ f (a)
notat¼ a df(a) : Rm ! R, df(a) (h) =
a df(a) , aplicaţia liniar¼ @ xi hi .
i=1
Observaţii. 1) Se veri…c¼a uşor c¼
a df(a) este aditiv¼
a şi omogen¼a adic¼
a df(a) 2
L(Rm ; R), unde L(Rm ; R) este spaţiul aplicaţiilor liniare (funcţionalelor) de la
Rm la R. Matricea aplicaţiei (funcţionalei) liniare df(a) în perechea de baze date
a B a lui Rm şi baza B 0 = (1) a lui R este
de baza canonic¼
@ f (a) @ f (a) @ f (a)
@ x1 ; @ x2 ; : : : ; @ xm 2 R1;m :
2) Fie D Rm un domeniu, a 2 D şi f : D ! R o funcţie diferenţiabil¼ a în
a. Atunci exist¼ a ! : D ! R, ! continu¼ a şi nul¼
a în a astfel încât 8 x 2 D avem
Pm
f (x) f (a) = i=1 @ @f x(a)i
(xi ai )+!(x)kx ak:
xi ai se numeşte creşterea celui de-al i-lea argument al lui f (i = 1; m)
x a se numeşte sistem de creşteri ale argumentelor lui f
f (x) f (a) se numeşte creşterea funcţiei corespunz¼ atoare sistemului de
creşteri x a ale argumentelor.
Pentru x su…cient de apropiat de a (adic¼ a pentru kx ak su…cient de mic¼ a)
avem evident
f (x) f (a) df(a) (x a)
sau
f (a + h) f (a) df(a) (h)
adic¼a df(a) aproximeaz¼a creşterea (în fapt variaţia deoarece este o valoare alge-
bric¼a putând … şi negativ¼
a) funcţiei în a corespunz¼ atoare unui sistem, h = x a
de creşteri ale argumentelor (deci când se trece de la a la punctul x sau de la a
la a + h).
13

Se mai spune c¼ a f (a + h) f (a) este creşterea total¼ a a funcţiei f core-


spunz¼ atoare sistemului de creşteri h ale argumentelor în punctul a. Produsul
@ f (a)
@ xi hi se mai numeşte creşterea parţial¼ a a lui f în a corespunz¼ atoare
creşterii hi a argumentului xi şi este o m¼ asur¼ a a contribuţiei variaţiei lui xi în
variaţia total¼ a a funcţiei.
3) Fie 'i : Rm ! R, 'i (x) = xi dac¼ a x = (x1 ; x2 ; : : : ; xm ), i = 1; m
proiecţiile canonice ale spaţiului Rm . Pentru orice i = 1; m, 'i este derivabil¼ a
parţial în raport cu toate variabilele, în orice punct x 2 Rm şi
@'i (x) 1; j = i
@xi = 0; j 6= i
(i; j = 1; m)
Cum funcţiile 'i (i = 1; m) sunt derivabile pe Rm cu derivate parţiale con-
tinue pe Rm rezult¼ a c¼a 'i (i = 1; m) sunt diferenţiabile în orice punct a 2 Rm
şi Pm @'i (a)
d('i )(a) (h) = j=1 @xj hj = hi ; h 2
m
R ; i = 1; m:
Cum 'i (x) = xi , i = 1; m se foloseşte notaţia dxi în loc de d('i )(a) (se are
în vedere c¼ a d('i )(a) este aceeaşi pentru orice a 2 Rm ) şi deci dxi (h) = hi ,
i = 1; m, h 2 Rm în orice punct a 2 Rm . Avem deci
Pm
df(a) = i=1 @f@x(a) i
dxi
şi Pm Pm
df(a) (h) = i=1 @f@x(a) i
dxi (h) = i=1 @f@x(a)i
hi
Adesea dx1 ; dx2 ; : : : ; dxm se identi…c¼ a cu creşterile argumentelor şi deci avem
Pm
df(a) (dx1 ; dx2 ; : : : ; dxm ) = i=1 @f@x(a) i
dxi
dar, de obicei, al doilea grup de argumente al lui df(a) (dx1 ; dx2 ; : : : ; dxm ) nu se
mai scrie aşa încât se noteaz¼ a Pm
df(a) = i=1 @f@x(a) i
dxi
unde (dx1 ; dx2 ; : : : ; dxm ) se interpreteaz¼ a direct ca sistem de creşteri ale argu-
mentelor lui f . Aceast¼ a din urm¼ a interpretare rezult¼ a din context şi deci este
necesar¼ a o atenţie m¼ arit¼ a pentru înţelegerea semni…caţiei notaţiei df(a) spre a nu
confunda funcţionala df(a) cu imaginea sistemului de creşteri (dx1 ; dx2 ; : : : ; dxm )
prin df(a) .
Observaţie. Interpretând produsul simbolic @ @xi f (a) ca …ind derivata
parţial¼a a lui f în raport cu xi în punctul a (i = 1; m) se obţine
@ @
df(a) = @x 1
dx1 + @x 2
dx2 + + @x@m dxm f (a); a 2 D:
Se evidenţiaz¼
a astfel operatorul de diferenţiere
@ @
d = @x 1
dx1 + @x 2
dx2 + + @x@m dxm :

1.4. Derivate parţiale si diferentiale de ordin superior


1.4.1 Derivate parţiale de ordin superior

În paragraful precedent a fost introdus¼a funcţia derivat¼


a parţial¼
a a lui f în
@f @f m
raport cu variabila xi , notat¼
a @xi
, anume @xi : D ! R, D R , i = 1; m,
x 7! @@x
f (x)
i
.
În cele ce urmeaz¼ a ne situ¼ am în cazul c¼a aceste m funcţii, @@xfi , i = 1; m,
sunt la rândul lor derivabile parţial în raport cu variabila xj , j = 1; m.
@ 2 f (x0 )
Atunci s¼ a not¼
am cu @ xi @ xj valoarea derivatei parţiale, în raport cu xj ,
a funcţiei derivat¼ a a funcţiei f , în raport cu xi , în punctul x0 , adic¼
a parţial¼ a
14

@ 2 f (x0 ) @ @f 0
@ xi @ xj = @x j @xi (x ):
Aceasta va … numit¼ a derivata parţial¼
a de ordinul doi a funcţiei f în raport
cu xi şi în raport cu xj , în punctul x0 .
Este evident c¼ a o funcţie de m variabile f : D ! R, D Rm , poate produce
@f
m funcţii derivate parţiale de ordinul întâi, @x i
, i = 1; m, respectiv m2 funcţii
@2 f
derivate parţiale de ordinul doi @xi @xj , i; j = 1; m.
@ 2f
Observaţie. Când i = j pentru derivata parţial¼
a de ordinul doi @ xi @ yi
2 2
se va utiliza scrierea @@ xf2 . Când i 6= j vom numi @x@i f@yj derivata de ordinul
i
doi mixt¼ a în raport cu variabilele xi şi xj .
Procedând în mod analog se vor obţine derivatele parţiale de ordinul trei
3
în raport cu variabilele xi ; xj ; xk , notate @xi @@xjf @xk , i; j; k = 1; m. Vor putea
3
exista m3 funcţii derivate parţiale de ordinul trei @xi @@xjf @xk , i; j; k = 1; m.
Dac¼ a cel puţin doi indici dintre i; j; k sunt diferiţi derivata se va numi mixt¼ a.
În caz contrar, adic¼ a i = j = k, se obţine derivata de ordinul trei în raport cu
3
aceeaşi variabil¼
a xi şi aceasta se noteaz¼ a astfel @@ xf3 , i = 1; m.
i
La fel se poate continua raţionamentul şi în cazul derivatelor parţiale de
ordin mai mare decât 3. Num¼ arul derivatelor parţiale de ordin superior creşte
mult mai repede decât num¼ arul variabilelor pe m¼ asur¼ a ce ordinul de derivare
creşte. Astfel când m = 3 avem 3 derivate parţiale de ordinul întâi, 32 =
9 derivate parţiale de ordinul doi, 33 = 27 derivate parţiale de ordinul trei,
etc., deci creşterile de la 3 la 9, respectiv de la 9 la 27, sunt substanţiale. În
aplicaţii avem nevoie de derivate parţiale de ordin su…cient de mare (trei, patru,
etc.) iar volumul de calcul pentru acestea se poate dovedi foarte mare. Pe
bun¼ a dreptate se pune întrebarea: nu exist¼ a vreo leg¼ atur¼a (chiar de egalitate,
cum se vede din exemplul de mai sus) între diferitele derivate parţiale de ordin
superior? R¼ aspunsul a…rmativ, în anumite condiţii su…ciente, se va referi la
derivatele parţiale mixte. Formul¼ am şi demonstr¼ am acest rezultat doar pentru
derivatele parţiale de ordinul doi mixte, în cazul altor ordine de derivare mai
mari rezumându-ne la a le evidenţia prin scriere, sub forma unei "scheme".
Teorema 1.4.1. (Schwarz) Dac¼a funcţia f : D ! R, D Rm , are derivate
2 2
parţiale de ordinul doi mixte @x@i f@xj şi @x@j f@xi , i; j = 1; m, i 6= j, într-
o vecin¼atate V a punctului x0 2 D şi dac¼a aceste funcţii derivate parţiale de
2 2
ordinul doi mixte @x@i f@xj şi @x@j f@xi sunt continue în x0 atunci este adev¼arat¼a
egalitatea
@ 2 f (x0 ) @ 2 f (x0 )
@xi @xj = @xj @xi ; i; j = 1; m; i 6= j:
Teorema 1.4.2. Dac¼a funcţia f : D ! R, D R2 , (x; y) 7! f (x; y), are
2 2
@ f @ f
derivate parţiale de ordinul doi mixte @x @y şi @y @x într-o vecin¼ atate V a
@ 2f @ 2f
punctului (a; b) 2 D şi dac¼a aceste funcţii @x @y şi @y @x sunt continue în
@ 2 f (a;b) 2
(a; b) atunci @x @y = @ @yf (a;b)
@x :
2 2
@ f @ f
Corolarul 1.4.1. Dac¼a derivatele parţiale mixte @x @y şi @y @x exist¼ a şi
sunt funcţii continue pe D atunci ele (privite ca funcţii) sunt egale pe D adic¼a
@ 2 f (x;y) @ 2 f (x;y)
@x @y = @y @x ; (x; y) 2 D:
Propoziţia 1.4.1. Dac¼ a funcţia f are derivatele parţiale de ordinul întâi
@ f @ f
@ xi şi @ xj , i 6= j, într-o vecin¼ atate V a lui x0 şi dac¼a @@ xfi şi @@ xfj sunt
15

diferenţiabile în x0 atunci derivatele parţiale mixte de ordinul doi exist¼


a în x0
2 0 2 0
@ f (x ) @ f (x )
şi sunt egale, adic¼
a @xi @xj = @xj @xi :
Corolarul 1.4.2. Dac¼a @@ xfi , i = 1; m exist¼a şi sunt diferenţiabile pe D
atunci toate derivatele parţiale de ordinul doi exist¼a pe D, iar derivatele parţiale
mixte sunt egale pe D, adic¼a
@2f @2f
@xi @xj = @xj @xi :
Corolarul 1.4.3. Dac¼a toate derivatele parţiale de ordinul doi ale funcţiei
f exist¼a într-o vecin¼atate V a lui x0 şi dac¼a sunt continue în x0 atunci
@ 2 f (x0 ) @ 2 f (x0 )
@xi @xj = @xj @xi ; i 6= j:

1.4.2. Diferenţiale de ordin superior

Prin De…niţia 1.3.6 a fost introdus¼ a noţiunea de diferenţial¼ a a unei funcţii


f în punctul a, notat¼ a df(a) . Aceasta este o aplicaţie (funcţional¼ a) liniar¼a dat¼
a
prin
Pm
df(a) (dx) = i=1 @f@x(a) i
dxi ;unde dx = (dx1 ; dx2 ; : : : ; dxm )
reprezint¼a creşterile argumentelor.
În plus a fost evidenţiat operatorul de diferenţiere
@ @
d = @x 1
dx1 + @x 2
dx2 + + @x@m dxm
cu ajutorul c¼ aruia putem scrie
@ @
df(a) = @x 1
dx1 + @x 2
dx2 + + @x@m dxm f (a) = d(f (a)):
De…niţia 1.4.1. Spunem c¼ a funcţia f este diferenţiabil¼ a de k ori în
punctul a, sau c¼ a are diferenţial¼ a de ordinul k în a dac¼ a toate derivatele parţiale
de ordinul k 1 ale lui f exist¼ a într-o vecin¼ atate V a lui a şi sunt diferenţiabile
în a. Spunem c¼ a f este diferenţiabil¼ a de k ori pe domeniul D dac¼ a este
diferenţiabil¼
a de k ori în …ecare punct din D.
Folosind criteriul lui Young rezult¼ a c¼a: Dac¼ a f este diferenţiabil¼ a de k ori în
a atunci toate derivatele parţiale de ordinul k exist¼ a în a, iar ordinea de derivare
în a pân¼ a la ordinul k inclusiv nu are importanţ¼ a.
Teorema 1.4.3. Dac¼a funcţia f : D ! R, D Rm are într-o vecin¼atate V
a lui a 2 D toate derivatele parţiale de ordinul k şi dac¼a aceste funcţii derivate
parţiale sunt continue în a, atunci f este diferenţiabil¼a de k ori în a.
Diferenţiala de ordinul k în punctul a = (a1 ; a2 ; : : : ; am ) se de…neşte prin
egalitatea
h i(k)
@ @ @
dk f(a) (dx) = @x 1
dx 1 + @x 2
dx2 + + @x m
dx m f (a)
unde dx = (dx1 ; dx2 ; : : : ; dxm ) constituie creşterile argumentelor, iar (k)
reprezint¼ a puterea simbolic¼a - formal¼ a, dup¼
a care se dezvolt¼a suma din parantez¼a
şi apoi se înmulţeşte - formal cu f (a) (vezi şi Observaţia 1 de dup¼ a De…niţia
2.3.7.).
Observaţie. Prin relaţia de mai sus s-a pus în evidenţ¼ a operatorul de
diferenţiere de ordinul k,
(k)
@ @
dk = @x 1
dx1 + @x 2
dx2 + + @x@m dxm ;el este - formal - puterea
de ordinul k a operatorului de diferenţiere de ordinul întâi.
Avem de asemenea, renunţând la al doilea grup de argumente, dk f(a) =
d(dk 1 f(a) ):
Astfel utilizând ridicarea la puterea simbolic¼a se obţine expresia detaliat¼
a
16

P @ k f (a)
dk f(a) (dx) = k1 +k2 +
k!
+km =k k1 !k2 !:::km ! @xk1 @xk2 :::@xkm dxk11 dxk22 : : : dxkmm :
1 2 m

1.4.3. Formula lui Taylor pentru funcţiile de mai multe


variabile

Aşa ca în cazul funcţiilor de o singur¼ a variabil¼


a şi pentru funcţiile de mai
multe variabile se consider¼ a formula lui Taylor.
Fie f : D ! R, D Rm , o funcţie de m variabile diferenţiabil¼ a de k ori
în punctul interior a = (a1 ; a2 ; : : : ; am ), k 2 N …xat. Rezult¼ a c¼
a funcţia f
are toate derivatele parţiale de ordinul k în punctul a, iar în derivatele parţiale
mixte pân¼ a la ordinul k inclusiv nu are nici o importanţ¼ a ordinea variabilelor în
raport cu care se deriveaz¼ a.
Pentru …ecare x = (x1 ; x2 ; : : : ; xm ) 2 D s¼ a consider¼ am polinomul de m
variabile, de gradul k,
Tk (xh1 ; x2 ; : : : xm ) = f (a1 ; a2 ; : : : ; am ) i
1 @f (a) @f (a) @f (a)
+ 1! @x1 (x1 a1 ) + @x2 (x2 a2 ) + + @xm (xm am ) +
h i(2)
1 @f (a) @f (a) @f (a)
+ 2! @x1 (x1 a1 ) + @x2 (x2 a2 ) + + @xm (xm am ) + +
h i(k)
1 @f (a)
+ k! @x1 (x1 a1 ) + @f (a)
@x2 (x2 a2 ) + + @f (a)
@xm (xm am ) ;
unde puterile sunt simbolice în sensul precizat mai înainte.
De…niţia 1.4.2. Polinomul Tk de…nit pe D se numeşte polinomul lui
Taylor de gradul k ataşat funcţiei f în punctul a.

a not¼ am Rk (x1 ; x2 ; : : : ; xm ) = f (x1 ; x2 ; : : : ; xm ) Tk (x1 ; x2 ; : : : ; xm ). Atunci
f (x1 ; x2 ; : : : ; xm ) = Tk (x1 ; x2 ; : : : ; xm ) + Rk (x1 ; x2 ; : : : ; xm )
reprezint¼ a formula lui Taylor de ordinul k, ce corespunde funcţiei f în
punctul a, iar funcţia Rk constituie restul de ordinul k al formulei lui Taylor.
Observaţie. Polinomul lui Taylor poate … scris şi în forma
1 1 2 1 k
Tk (x) = f (a)+ 1! df(a) (x a)+ 2! d f(a) (x a)+ + k! d f(a) (x a):
În consecinţ¼ a formula lui Taylor se mai scrie în forma
1 1 2 1 k
f (x) = f (a) + 1! df(a) (x a) + 2! d f(a) (x a) + + k! d f(a) (x
a) + Rk (x):
Observaţie. Dac¼ a în formula lui Taylor se ia x = a obţinem
Tk (a) = f (a) şi astfel Rk (a) = 0. De fapt se poate scrie
limx1 !a1 ;:::;xm !am Rk (x1 ; : : : ; am ) = Rk (a1 ; : : : ; am ) = 0; aşa încât
pentru valori xj su…cient de apropiate de aj , pentru …ecare j = 1; m, expresia
restului Rk (x), adic¼ a diferenţa f (x) Tk (x), poate … cât dorim de mic¼ a. În con-
secinţ¼
a pentru astfel de valori ale lui xj valorile funcţiei f în x pot … aproximate
cu valorile polinomului Tk . Se va ar¼ ata c¼
a, în anumite condiţii, avem nu numai
lim Rk (x) = 0 ci chiar şi lim Rkk(x) (x)
= 0, unde
x!a x!a qP
m
(x) = kx ak = j=1 (xj aj )2 :
Teorema 1.4.4. Dac¼a funcţia f : D ! R, D Rm are derivate parţiale de
ordinul k continue într-o vecin¼atate V a lui a = (a1 ; a2 ; : : : ; am ) atunci restul
Rk (x1 ; : : : ; xm ) se poate scrie în forma
1
Rk (x1 ; : : : ; xm ) = k! !(x1 ; : : : ; xm ) k (x1 ; : : : ; xm );
unde funcţia ! : D ! R este continu¼a şi nul¼a în (a1 ; : : : ; am ), adic¼a
limx!a !(x) = !(a) = 0:
Demonstraţia o vom face din nou doar în cazul special m = 2.
17

1.5. Extreme pentru funcţii de mai multe variabile.

1.5.1. Noţiunea de punct de extrem

Aşa cum pentru funcţiile de o singur¼ a variabil¼a şi pentru funcţiile de mai
multe variabile se pune problema, atât teoretic cât şi prin prisma aplicaţiilor,
determin¼ arii punctelor de extrem. Derivatele parţiale vor juca un rol important
în aceast¼ a determinare, cu ajutorul lor vor … stabilite condiţiile necesare şi cele
su…ciente ca un punct din domeniul de de…niţie al funcţiei s¼ a …e punct de extrem.
Fie funcţia de m variabile f : D ! R, D Rm .
De…niţia 1.5.1. Spunem c¼ a punctul a = (a1 ; a2 ; : : : ; am ) 2 D este punct
de maxim local pentru funcţia f dac¼ a exist¼
a o vecin¼ atate V (a) a lui a astfel
încât f (x) f (a) pentru orice x = (x1 ; x2 ; : : : ; xm ) 2 D \ V (a). Spunem c¼ a
punctul a 2 D este punct de minim local dac¼ a exist¼a o vecin¼ atate V (a) a lui
a astfel încât f (x) f (a) pentru orice x 2 D \ V (a).
Punctele de maxim local respectiv de minim local le numim puncte de ex-
trem local.
Observaţie. Când inegalit¼ aţile din De…niţia 2.5.1 sunt îndeplinite pentru
orice x 2 D vom avea puncte de extrem global.
De…niţia 1.5.2. Spunem c¼ a punctul interior a = (a1 ; a2 ; : : : ; am ) 2 D este
punct staţionar al funcţiei f : D ! R, D Rm , dac¼ a exist¼ a derivatele parţiale
@ f (a) @ f k (a)
@xk , k = 1; m, şi @xk = 0, pentru k = 1; m.

1.5.2. Condiţii necesare pentru existenţa extremelor locale

Din de…niţia punctului de extrem local se constat¼ a c¼


a diferenţa f (x) f (a)
trebuie s¼a-şi p¼astreze semnul pe o întreag¼ a vecin¼
atate a punctului a aşa încât
acesta s¼a …e punct de extrem. A stabili acest semn se dovedeşte adesea a … o
problem¼ a di…cil¼ a. Dar în cazul funcţiilor care admit derivate parţiale se obţin
nişte condiţii necesare de extrem exprimabile foarte simplu. Are loc
Teorema 1.5.1. Fie f : D ! R, D Rm , o funcţie de m variabile care are
punctul interior a = (a1 ; a2 ; : : : ; am ) 2 D punct de extrem local. Dac¼a exist¼a
derivatele parţiale @f (a)
@ xk , k = 1; m, atunci (2.5.1.)
@f (a)
@ xk =0, k=1; m.
Observaţie. Relaţiile (1.5.1) constituie condiţiile necesare ca un punct in-
terior a 2 D s¼ a …e punct de extrem pentru funcţia f care are derivate parţiale
de ordinul întâi. În fond se constat¼ a c¼a punctele de extrem local (interioare) se
a‡a¼ printre punctele staţionare.

1.5.3. Condiţii su…ciente pentru existenţa extremelor locale

Consider¼ am funcţia de m variabile f : D ! R, D Rm , care are derivatele


parţiale pân¼ a la ordinul doi continue într-o vecin¼ atate V (a) a punctului staţionar
a = (a1 ; a2 ; : : : ; am ). Atunci formula lui Taylor, pentru k = 2 şi x 2 D \ V (a),
este f (x) = f (x1 ; x2 ; : : : ; xm ) = f (a) + df(a) (dx) + d2 f(a) (dx) + R2 :
Dar, cum a este punct staţionar, rezult¼ a c¼a df(a) (dx) = 0, şi în consecinţ¼
a
putem scrie (2.5.2.)
f (x) f (a) = d2 f(a) (dx) + R2 :
Are loc urm¼ atorul rezultat care evidenţiaz¼ a condiţiile su…ciente pentru exis
tenţa extremelor locale
18

Teorema 1.5.2. Fie f : D ! R, D Rm o funcţie de m variabile care


are derivatele parţiale pân¼a la ordinul doi continue într-o vecin¼atate V (a) a
punctului staţionar a = (a1 ; a2 ; : : : ; am ) 2 D. Dac¼a:
d2 f(a) (dx) > 0 atunci a este un punct de minim local;
d2 f(a) (dx) < 0 atunci a este un punct de maxim local.
Observaţii. 1. Inegalit¼ aţile d2 f(a) (dx) < 0 respectiv d2 f(a) (dx) > 0 arat¼ a
2
c¼a forma p¼ atratic¼
a d f(a) (dx) este negativ de…nit¼ a respectiv pozitiv de…nit¼ a şi
constituie condiţiile su…ciente de extrem. Când forma p¼ atratic¼a d2 f(a) (dx) este
nede…nit¼ a punctul staţionar a nu este punct de extrem.
2. Dac¼ a forma p¼ a d2 f(a) (dx) este semipozitiv de…nit¼
atratic¼ a sau semine-
gativ de…nit¼ a problema privind natura punctului staţionar r¼ amâne deschis¼ a.
Adic¼ a sunt cazuri când a este punct de extrem f¼ a ca d2 f(a) (dx) s¼
ar¼ a …e de…nit¼ a,
respectiv sunt cazuri când a nu este punct de extrem f¼ a ca d2 f(a) (dx) s¼
ar¼ a …e
nede…nit¼ a.
3. Sintetizând toate cele spuse pân¼ a acum putem preciza etapele ce trebuie
parcurse pentru a g¼ asi punctele de extrem locale interioare.
1 Se determin¼ a punctele staţionare ale funcţiei f prin rezolvarea sistemului
de ecuaţii (2.5.1.).
2 Se calculeaz¼ a derivatele parţiale de ordinul doi în …ecare punct staţionar a
şi se determin¼ a natura formei p¼ atratice d2 f(a) (dx). În raport cu natura acesteia
se precizeaz¼ a tipul punctului staţionar a.
3 Dac¼ a a este punct de extrem local se calculeaz¼ a valoarea extrem¼ a pentru
funcţia f .

1.6. Optimizarea unor procese de stocare deterministe

Una din principalele aplicaţii ale determin¼ arii punctelor de extrem este din
domeniul stocurilor deterministe.
Orice unitate economic¼ a, pentru a-şi putea desf¼aşura procesul de producţie
are nevoie de stocuri de materii prime, de piese de schimb etc. Ne …x¼ am atenţia
asupra stocului unui singur tip de produ. Nivelul stocului N (t) variaz¼ a îb timp
datorit¼ a consumului (ieşirilor) când se diminueaz¼ a sau datorit¼a aprovizion¼arilor
(intr¼arilor) când nivelul creşte.
Pentru simplitate se presupune c¼ a nivelul stocului se diminueaz¼ a în mod
uniform (treptat) pân¼ a în momentul când are loc o nou¼ a aprovizionare.
Studiul unui proces de stocare de obicei se face pe o perioad¼ a de studiu,
durata c¼ areia se noteaz¼ a cu (în zile). Intervalul de timp dintre intr¼ ari succesive
în stoc, va … numit perioad¼ a de aprovizionare, durata ei notându-se cu T (în
zile). Num¼ arul perioadelor de aprovizionare din perioada de studiu, se noteaz¼ a
cu n.
Cantitatea care intr¼ a în stoc (deci cu care se face aporovizionarea) se va nota
cu v (buc¼ aţi, unit¼
aţi), iar cererea (consumul) dintr-o perioad¼ a de aprovizionare
se noteaz¼ a cu u (în buc¼ aţi, unit¼
aţi).
Pentru crearea stocului se fac anumite cheltuieli (de lansare ale comenzii, de
achiziţie etc.) pe care le vom numi cheltuieli de lansare şi pe care le vom
considera …xe pe …ecare perioad¼ a de aprovizionare, notându-le cu Cl (în unit¼ aţi
monetare (u.m.)).
P¼asatrarea în bune condiţii, paza, etc. pentru produsele ce se stocheaz¼ a
genereaz¼ a aşa zisele cheltuieli de stocare, ele exprimîndu-se cu ajutorul cos-
tului unitar de stocare, notat cs (în u.m./buc./zi).
19

La unele modele de gestiune se evidenţiaz¼ a şi cheltuielile de penalizare


(pierderile) datorate lipsei produselor din stoc, ele exprimându-se cu ajutorul
costuloui unitar de penalizare, notat cp (în u.m./buc./zi)
În cele ce urmeaz¼a vom prezenta dou¼ a modele de gestiune alke stocurilor
(cele mai simple) în care, dându-se anumite elemente (considerate cunoiscute,
date), se cer a … determinate celelalte (considerate necunoscute).

1.6.1. Modelul cu perioad¼


a …x¼
a, cerere constant a¼, f¼
ar¼
a ruptur¼
a
(Modelul Wilson-Within)

La acest model perioada de aprovizionare T se consider¼ a …x¼a, consumul


(cererea) u pe aceast¼ a perioad¼a se va lua constant¼ a, iar f¼
ar¼
a ruptur¼a înseamn¼ a

a u = v; adic¼ a se aduce atât cât se consum¼ a.
Având în vedere aceste preciz¼ ari se va organiza aprovizionarea de …ecare
dat¼a aşa încât cantitatea v cu care se face aprovizionarea s¼ a soseasc¼a în stoc
exact în momentul în care nivelul stocului a ajuns la zero, deci nu se va produce
”ruptura” stocului.
Problema care se formuleaz¼ a este: Fiind date (cunoscute) elementele: ; V;
Cl; cs, se cer a … determinate elementele (necunoscute): v = u; n; T astfel încât
cheltuielile totale legate de gestiune, C , s¼ a …e minime.
Prima dat¼ a evalu¼am chelutielile, CT , ce se fac pe o perioad¼a de aprovizionare.
La acest model se evidenţiaz¼ a numai cheltuielile de lansare ale comenzii care sunt
Cl , şi cheltuielile de stocare care sunt cs v2 T , unde v2 reprezint¼ a nivelul mediu
al stocului pe perioada T . În consecinţ¼ a putem scrie
v
CT = Cl + csT.
2
Având în vedere ipotezele în care lucr¼
am sunt adev¼
arate şi relaţiile
(1.6.1.) n = T = Vv .
Astfel, cum C = nCT , prin înlocuirew obţinem expresia …nal¼ a

V v
C = Cl + cs
v 2
Aici se constat¼ a c¼a exist¼
a o singur¼ a necunoscut¼
a, v. De aceea problema
reformulat¼a este: s¼ a se a‡e cantitatea v cu care se face aprovizionarfea astfel
încât funcţia f : (0; 1) ! R, dat¼ a prin

V v
f (v) = Cl + cs
v 2


a aib¼
a valoarea minim¼ a.
Aceast¼
a funcţie f este de o singur¼
a variabil¼
a, este derivabil¼
a, şi în consecinţ¼
a
minimul (extremul) s¼ au se determin¼a în mod obişnuit. Întrucât ecuaţia

V
f 0 (v) = Cl + cs =0
v2 2
q
2Cl V 2Cl V
are unica soluţie v = v0 = cs şi f 00 (v) = v3 > 0 rezult¼
a c¼
a v0 realizeaz¼
a
un nminim pentru funcţia f . În consecinţ¼
a v0 este valoarea optim¼
a cu care
20

se face aprovizionarea (deci şi cererea optim¼ a pe perioada T la acest model).


Celelalte necunoscute se exprim¼ a uşor având în vedere relaţiile (2.5.1). Obţinem
n0 = vV0 , pentru num¼arul optim de aprovizion¼ ari, şi
T0 = n0 , pentru durata optim¼ a a perioadei de aprovizionare.
Cheltuiala total¼a minim¼a pentru aceast¼a gestiune optim¼ a este dat¼a prin re-
laţiile:
p
C min = fmin = f v0 = 2Cl V cs = cs v0 .

1.6.2.Modelul cu perioad¼
a …x¼
a, cerere constant¼
a, cu ruptur¼
a
Se p¼astreaz¼
a toate consideraţiile de la modelul precedent cu excepţia faptului

a acum se poate produse ruptura stocului, adic¼ a u > v. De fapt constat¼ am

a se face o aprovizionare cu o cantitate v mai mic¼ a decât cererea u şi aşa se
poate produce ruptura. În consecinţ¼ a perioada de aprovizionare T se împarte
în dou¼a subperioade T1 şi T2 . Pe subperioada T1 nivelul stocului este pozitiv iar
pe subperioada T2 nivelul stocului este zero (acum se produce ruptura stocului).
Formul¼ am problema:
Fiind date (cunoscute) elementele: ; V; Cl ; cs şi cp , se cer a … determinate
elementele (necunoscute): u; v; n; T; T1 ; T2 astfel încât cheltuielile totale legate
de gestiune, C , s¼a …e minime.
Mai întâi exprim¼ am cheltuielile CT ce fac pe o perioad¼ a de aprovizionare.
La acest model se evidenţiaz¼ a pe o perioad¼ a de aprovizionare trei categorii de
cheltuieli:
- de lansare ale comenzi, care sunt Cl T;
- de stocare pe subperioada T1 , care sunt cs v2 T1 şi
- de penalizare (pierderile) pe subperioada T2 , care sunt cp u 2 v T2 , unde u 2 v
este lipsa medie.
În consecinţ¼
a putem scrie
v u v
CT = Cl + cs T1 + cp T2 .
2 2
Acum în locul relaţiilor (1.6.1) avem
(1.6.2.) n = T = Vu
În plus, ipotezele în care lucr¼
am ne permit s¼ a scriem şi relaţiile
(1.6.3.) T1 = uv T; T2 = u u v T
Astfel, cum C = nC , prin toate înlocuirile necesare, obţinem expresia
…nal¼
a
2
V v2 (u v)
C = Cl + cs + cp .
u 2u 2u
În naceast¼a exprimare a cheltuielilor totale legate de gestiune pe perioada
de studiu sunt numai dou¼ a necunoscute u; v.
Putem astfel reformula problema de mai sus astfel: s¼ a se a‡e necunos-
cutele u (cererea pe perioada de aprovizioanre) şi v (cantitatea cu care se face
aprovizionarea) astfel încât funcţia de dou¼
a variabile f : (0; 1) (0; 1) ! R
dat¼
a prin
2
V v2 (u v)
f (u; v) = Cl + cs + cp
u 2u 2u
21


a aib¼
a valoarea minim¼ a.
Am obţinut astfel o problem¼ a de extrem (minim) pentru funcţia de dou¼ a
variabile f , care …ind derivabil¼
a parţial ne permite s¼
a g¼
asim minimul (extremul)
în mod obişnuit. Ecuaţiile:
2
@f V v2 2 (u v) u (u v)
= Cl cs + cp =0
@u u2 2u2 2u2
@f v u v
= cs cp =0
@v u u

conduc la unica soluţie (u0 ; v0 ) dat¼


a prin
s
2Cl V
u = u0 = ; v = v0 = u0 ,
cs
c p
unde = cs +c p
poart¼
a numele de ”indicele de lips¼ a”.
Folosind condiţiile su…cinete de extrem se constat¼ a c¼
a soluţie (u0 ; v0 ) con-
stituie un punct de minim. Astfel v0 este cantitatea optim¼ a cu care se va face
aprovizionarea, iar u0 reprezint¼ a cererea optim¼ a pe o perioad¼ a de aprovizionare.
Celelalte necunoscute se exprim¼ a acum uşor având în vedere relaţiie (2.5.2)
şi (2.5.3).
Astfel
n0 = uV0 , pentru num¼ arul optim de aprovizion¼ ari,
T0 = n0 , pentru durata optim¼ a a unei perioade de aproviuzionare,
T1o = nv00 T0 = T0 , pentru durata optim¼ a a subperioadei pe care nivelul
stocului este pozitiv.
T2o = u0u0v0 T0 = (1 ) T0 , pentru durata optim¼ a a subperioadei pe care
nivelul stocului este zero (subperioada de ruptur¼ a a stocului).
Cheltuiala total¼ a minim¼a pentru aceast¼ a gestiune optim¼ a este dat¼a prin re-
laţiile
p
C min = fmin = f (u0 ; v0 ) = 2Cl V cs =s v0 .
cp
Observaţii. 1. Întrucât = < 1 rezult¼
c0 +cp a c¼
a v = u < u, deci vom
avea ruptura stocului.
2. Comparând valorile minime ale celor dou¼ a cheltuieli totale de la cele dou¼
a
modele se constat¼
a c¼
a la modelul doi se obţine o chletuial¼
a total¼
a mai mic¼ a decât
cea de la modelul întâi.

1.7. Ajustarea datelor experimentale



a presupunem c¼ a legile teoretice care guverneaz¼a procesul în care apar cele
dou¼a m¼ arimi m¼ asurabile ne asigur¼ a c¼a dependenţa dintre aceste dou¼ a m¼arimi
este descris¼a de relaţia y = f (x), unde f 2 F, unde F este o clas¼ a precizat¼a de
funcţii reale de o variabil¼a real¼
a. Se pune atunci problema determin¼ arii acelei
funcţii f din clasa F care d¼ a cât mai bine dependenţa lui y de x în procesul
concret respectiv.

a admitem c¼ a n observaţii experimentale asupra procesului respectiv dau
pentru x şi y valorile din tabelul urm¼ ator:
22

x x1 x2 xn
y y1 y2 yn
Problema pus¼ a revine la determinarea funcţiei f din clasa F ale c¼ arei valori
în punctele x1 ; x2 ; : : : ; xn s¼
a "se apropie cât mai mult" de datele determinate
experimental. Pn
O m¼asur¼
a a ”apropierii”funcţiei f de datele experimentale este i=1 (f (xi )
yi )2 :
Pn
Determinarea funcţiei f din clasa F pentru care (f (xi ) yi )2 are cea
i=1
mai mic¼ a valoare posibil¼ a va … numit¼ a ajustarea datelor experimentale din
tabelul
x x1 x2 xn
cu metoda celor mai
y y 1 y2 yn
mici p¼ atrate.
În cele ce urmeaz¼ a vom considera cazul când F este clasa funcţiilor polino-
miale de grad cel mult Pm m în nedeterminata x, adic¼ a
F = Pm (x) = k=0 ak xk j ak 2 R; k = 0; m :
A determina funcţia f revine atunciPla a determina coe…cienţii a0 ; a1 ; : : : ; am .
n

a not¼ am F (a0 ; a1 ; : : : ; am ) = i=1 (Pm (xi ) yi )2 :
Problema pus¼ a se reduce atunci la problema determin¼ arii punctului de minim
al funcţiei F .
Punctele staţionare ale funcţiei F sunt soluţiile sistemului
F 0 aj (a0 ; a1 ; : : : ; am ) = 0; j = 0; m
care conduce la 8 sistemul normal
>
> s0 a0 + s1 a1 + + sm am = t0
<
s1 a0 + s2 a1 + + sm+1 am = t1
>
> : : :
:
sm a0 + sm+1 a1 + + s2m am = tm :
Pn
l
Pn
unde avem sumele sl = xi si tl = xli yi :
i=1 i=1
Aceste sume pot … determinate completând tabelul urm¼ ator
x0i x1i x2i x2mi x0i yi x1i yi xm
i yi
1 x1 x21 x1 2m
y1 x1 y1 xm1 y1
1 x2 x22 x2m2 y2 x2 y2 xm2 y2
.. .. .. .. .. .. ..
. . . . . . .
2 2m m
P 1 xn xn x n y n x n ny xn yi
s0 s1 s2 s2m t0 t1 tm
în care coloanele x1i şi x0i yi sunt date de tabelul de date experimentale.
Fie (a0 ; a1 ; : : : ; am ) soluţia unic¼ a a sistemului normal. Atunci punctul
(a0 ; a1 ; : : : ; am ) este punctul staţionar unic Pnal funcţiei F .
Având în vedere c¼ a F (a0 ; a1 ; : : : ; am ) = i=1 (Pm (xi ) yi )2 ;
deci c¼a F este o sum¼ a de p¼ atrate, se poate ar¼ ata c¼ a dac¼a F are un punct de
extrem …nit atunci el este punct de minim şi c¼ a punctul staţionar (a0 ; a1 ; : : : ; am )
este întotdeauna punctul de minim al funcţiei F .
În acest fel, etapa a doua a procedeului de determinare a extremelor funcţiei
F nu mai trebuie parcurs¼ a şi deci polinomul (de grad cel mult m) care ajusteaz¼ a
- în sensul metodei celor mai mici p¼ atrate - datele experimentale considerate este
Pm (x) = a0 + a1 x + a2 x2 + + am xm :
Menţion¼ am c¼ a, dac¼a m = 1, în locul expresiei "s¼ a se determine polinomul
de ajustare de grad cel mult unu", se mai utilizeaz¼ a expresia "s¼ a se ajusteze cu
23

o dreapt¼a", iar dac¼


a m = 2, în locul expresiei "s¼ a se determine polinomul de
ajustare de grad cel mult doi", se mai utilizeaz¼a expresia "s¼
a se ajusteze cu o
parabol¼
a". Aceste exprim¼ ari se bazeaz¼
a pe faptul c¼
a imaginea geometric¼a a unui
polinom de gradul întâi este o dreapt¼a, iar imaginea geometric¼a a unui polinom
de gradul doi este o parabol¼a.

1.8. Exerciţii şi probleme rezolvate

1.8.1.S¼ a se studieze existenţa limitei funcţiilor de mai jos în punctele spec-


i…cate iar atunci când este cazul s¼
a se calculeze aceste limite.
x2 +y 2 xy
a) f (x; y) = jxj+jyj ; (0; 0); b) f (x; y) = pxy+1 1
; (0; 0); c) f (x; y) =
x2 y 2
x2 +y 2 ; (0; 0).
Rezolvare. a) Domeniul de de…niţie al funcţiei este D = R2 n f(0; 0)g . (0; 0)
nu aparţine domeniului D dar este punct de acumulare al s¼ au. Avem:
x2 +y 2 jx2 j+jy2 j+2jxjjyj (jxj+jyj)2
jf (x; y)j = jxj+jyj jxj+jyj = jxj+jyj = jxj + jyj
şi cum lim (jxj + jyj) = 0, din criteriul major¼ arii, rezult¼
a c¼
a
(x;y)!(0;0)
l= lim f (x; y) = 0:
(x;y)!(0;0)
xy
p +1 0
b) f este de…nit¼
a pentru adic¼
a pe D = f(x; y) 2
xy + 1 1 6= 0
R2 j xy 1; xy 6= 0g
l= lim f (x; y) = lim p xy =
(x;y)!(0;0) (x;y)!(0;0) xy+1 1
p
xy ( xy+1+1) p
= lim xy = lim xy + 1 + 1 = 2:
(x;y)!(0;0) (x;y)!(0;0)
c) Domeniul de de…niţie al funcţiei este D = R2 n f(0; 0)g.
x2 m2 x2 x2 (1 m2 )
lim f (x; y) = limx!0y=mx f (x; y) = lim 2 2 2 = limx!0 x2 (1+m2 ) =
(x;y)!(0;0) x!0 x +m x
1 m2
1+m2 ;
depinde de m şi deci f nu are limit¼
a în (0; 0).
1.8.2. S¼
a se cerceteze continuitatea funcţiei
(
1 cos(x3 +y 3 )
dac¼ ,
a (x; y) 6= (0; 0)
x2 +y 2
f (x; y) =
0, dac¼ a (x; y) = (0; 0)
Rezolvare. f este continu¼ a pe R2 n f(0; 0)g…ind o functie compusa de functii
elementare. Mai r¼
amâne de studiat continuitatea în punctul (0; 0). Avem:
3 3
1 cos(x3 +y 3 ) 2 sin2 x +y2
l= lim x2 +y 2 = lim x2 +y 2 =
(x;y)!(0;0) (x;y)!(0;0)
2
x3 +y 3 x3 +y 3
sin2 2
(x3 +y3 )
2 2 1
= lim 2 x3 +y 3 2 x2 +y 2 = lim
2 (x;y)!(0;0) x2 +y 2 :
(x;y)!(0;0) 2

Pentru a calcula limita l, aplic¼


am inegalitatea Cauchy-Schwarz-Buniakowsky:
(x3 + y 3 )2 = (x x2 + y y 2 )2 (x2 + y 2 )(x4 + y 4 ) (x2 + y 2 )3
Avem 3
(x2 +y2 )
0 l 12 lim 2
x +y 2 = 12 0 = 0 = f (0; 0)
(x;y)!(0;0)
adic¼
a f este continu¼ a pe tot spaţiul R2 .
a si în origine şi deci continu¼
@f @f
1.8.3. Folosind de…niţia s¼ a se calculeze @x ; @y în punctele precizate, pentru
funcţia de mai jos:
24

f (x; y) = x2 + y 2 + xy, (2; 1)


@f f (x;1) f (2;1) (x2 +1+x) (4+1+2)
Rezolvare. @x (2; 1) = lim x 2 = lim x 2 =
x!2 x!2
2
x +x 6
lim x 2 = lim (x + 3) = 5
x!2 x!2
@f f (2;y) f (2;1) (4+y2 +2y) (4+1+2)
@y (2; 1) = lim
y!1 y 1 = lim
y!1 y 1 =
y 2 +2y 3
lim y 1 = lim (y + 3) = 4
y!1 y!1
1.8.4. S¼a se calculeze derivatele parţiale de ordinul întâi pentru urm¼
atoarele
funcţii:
a) f : D ! R, f (x; y) = x2 + y 2 3axy
b) f : D ! R, f (x; y) = xy
p
c) f : D ! R, f (x; y) = ln x + x2 + y 2
(D este domeniul maxim de de…niţie.)
Rezolvare. a) @f 2
@x (x; y) = (x + y
2
3axy)0 x = 2x 3ay
@f 2 2
@y (x; y) = (x + y 3axy)0 y = 2y 3ax
@f y 0 y @f y 0 1
b) @x (x; y) = x x = x2@y (x; y) = x y = x
şi
@f
p 0 p 0
c) @x (x; y) = ln x + x2 + y 2 = p1 2 2 x + x2 + y 2 =p 1
x x+ x +y x x2 +y 2
@f 1
p 0
y
@y (x; y) = p x + x2 + y 2 = p p 2 2
x+ x2 +y 2 y x+ x2 +y 2 x +y
1.8.5. S¼ a se scrie diferenţialele de ordinele unu, doi şi trei pentru funcţia
f (x; y) = ln(xy) cu xy > 0
Rezolvare. Derivatele partiale sunt:
@f (x;y)
@x = x1 ; @f @y
(x;y)
= y1
@ 2 f (x;y) 1 @ 2 f (x;y) @ 2 f (x;y) 1
@x2 = x2 ; @x@y = 0; @y 2 = y2
@ 3 f (x;y) 2 @ 3 f (x;y) @ 3 f (x;y) @ 3 f (x;y) 2
@x3 = x3 ; @x2 @y = 0; @x@y 2 = 0; @y 3 = y3
@f (x;y) @f (x;y)
Diferenţiala de ordinul intai este: df(x;y) (dx; dy) = @x dx+ @y dy =
1
x dx + y1 dy
Diferenţiala de ordinul doi este:
2 2 2
d2 f(x;y) (dx; dy) = @ f@x(x;y)
2 dx2 +2 @ @x@y
f (x;y)
dxdy + @ f@y(x;y)
2 dy 2 = 1
x2 dx
2
1 2
y 2 dy
Diferenţiala de ordinul trei va …:
(3)
@ 3 f (x;y) 3
d3 f(x;y) (dx; dy) = @
@x dx + @
@y dy f (x; y) = @x3 dx3 +3 @@xf (x;y) 2
2 @y dx dy+
3
3 @@x@y
f (x;y) 2
2 dxdy +
3
+@ f (x;y)
@x3 = x23 dx3 + y23 dy 3
dy 3
1.8.6. S¼ a se scrie formula lui Taylor pentru funcţia f (x; y) = ex sin y în
punctul a = (a1 ; a2 ) = (0; 0) considerând k = 3.
Rezolvare. Avem de scris: h i(1) h i(2)
1 @ @ 1 @ @
f (x; y) = f (0; 0) + 1! @x x + @y y f (0; 0) + + 2! @x x + @y y f (0; 0)+
h i(3) h i(4)
1 @ @ 1 @ @
+ 3! @x x + @y y f (0; 0) + + 4! @x x + @y y f ( 1; 2)
P3 i
unde 1 2 (0; x) iar 2 2 (0; y), sau cu diferenţiale f (x; y) = i=0 d f i!(0;0) +
1 4
4! d f ( 1 ; 2 )
unde 1 şi 2 se pot scrie astfel: 1 = x şi 2 = y unde 2 (0; 1).
25

Vom folosi prima formul¼


h a pe care oiscriem h 2 astfel: i
f (0;0) f (0;0) 1 @ f (0;0) 2 @ 2 f (0;0) @ 2 f (0;0) 2
f (x; y) = f (0; 0)+ @x x + @y y + 2 @x 2 x + 2 xy + 2 y +
h 3 3 3 3
i @x@y @y
@ f (0;0) @ f (0;0) @ f (0;0) @ f (0;0)
+ 61 3 x3 + 3 @x2 @y x2 y + 3 @x@y2 xy 2 + @y3 y 3 +
h @x
4 4 4 4
i
@ f ( 1; 2) 4 @4f ( 1; 2) 4
+ 241
@x4 x + 4 @ @x f ( 1; 2) 3
3 @y x y + 4 @ @x@y f ( 1; 2)
3 xy 3 + 6 @ @x f ( 1; 2) 2 2
2 @y 2 x y + @y 4 y
Calcul¼ am în continuare derivatele parţiale de ordinele unu, doi, trei şi patru:
2 2
@f (x;y) @f (x;y)
@x = ex sin y; @x = ex cos y; @ f@x(x;y) 2 = ex sin y; @ @x@y f (x;y)
=
@ 2 f (x;y)
ex cos y; @y 2 = ex sin y
3
@ f (x;y) @ 3 f (x;y) 3
@ 3 f (x;y)
@x3
x
= e sin y; @x2 @y = ex cos y; @@x@y
f (x;y)
2 = ex sin y; @y 3 =
x
e cos y
@ 4 f (x;y) @ 4 f (x;y) @ 4 f (x;y) 4

@x4 = ex sin y; @x3 @y = ex cos y; @x2 @y 2 = ex sin y; @@x@y


f (x;y)
3 =
4
ex cos y; @ f@y(x;y)
4 = e sin y x

Dac¼ a se fac înlocuirile în formula lui Taylor se obţine:


f (x; y) = y + xy + 16 (3x2 y y 3 ) + 24
1
(x4 sin x + 4x3 y cos y 4xy 3 cos y
6x2 y 2 sin y + y 4 sin y)e x :

a deoarece x < 0 avem f (x; y) 0. Dar f (a; 0) = 0, prin urmare punctul
(a; 0) este punct de maxim.
1.8.7. O fabric¼ a produce dou¼ a tipuri de bunuri. Costul producerii acestor
bunuri este dat prin funcţia f (x; y), unde x şi y reprezint¼ a cantit¼
aţile produse
din …ecare tip de produs. S¼ a se minimizeze costul când

f (x; y) = x3 + y 3 9xy + 100:


Rezolvare. Pentru început determin¼ am punctele staţionare.
(
@f (x;y)
@x = 3x2 9y = 0
@f (x;y)
@y = 3y 2 9x = 0
Soluţiile sistemului, adic¼ a (0; 0) şi (3; 3), vor … punctele staţionare ale funcţiei
f . Derivatele parţiale de ordinul doi vor …
@ 2 f (x;y) 2 2

@x2 = 6x; @ @x@y


f (x;y)
= 9; @ f@y(x;y) 2 = 6y
şi deci diferenţialele de ordinul doi calculate în punctele staţionare vor …
d2 f(0;0) (dx; dy) = 18dxdy
şi d2 f(3;3) (dx; dy) = 18dx2 18dxdy + 18dy 2
0 9
Matricea asociat¼ a primei diferenţiale este A =
9 0
Folosind aceast¼ a matrice putem a…rma c¼ a punctul staţionar (0; 0) nu este
punct de extrem local.
Matricea asociat¼ a celei de-a doua diferenţiale este

18 9 18 9 18 0
A= v 27 v 27 = D:
9 18 1
2 L1 +L2 !L2
0 2
1
2 C1 +C2 !C2
0 2

Din forma matricei D rezult¼ a c¼


a forma p¼ atratic¼
a asociat¼a celei de-a doua
diferenţiale este pozitiv de…nit¼
a. Deci punctul staţionar (3; 3) este un punct de
minim local. Valoarea minim¼ a a costului este fmin = f (3; 3) = 73.
1.8.8. La un depozit en-gros sunt solicitate într-un semestru 10.000 unit¼ aţi
dintr-un anumit produs. Cunoscând costul unitar de stocare de 5 u.m./unitate/zi
26

şi cheltuielile de lansare ale comenzii de 11.250 u.m. s¼ a se determine elementele


ce caracterizeaz¼ a aceast¼a problem¼ a de gestiune, exprimând în prealabil funcţia
f ce reprezint¼ a cheltuielile totale legate de gestiune pe acel semestru.
Rezolvare. Este vorba de o problem¼ a de stoc cu perioad¼a …x¼
a. cerere con-
stant¼ a şi f¼
ar¼
a ruptur¼a. Pe perioada de aprovizionare T se fac urm¼ atoarele chel-
tuieli:
- cheltuieli de stocare cs v2 T = 5vT 2 .
- cheltuieli de lansare Cl = 11:250 u.m.
Deci cheltuielile totale pe perioada T vor …: CT = 11250 + 5vT 2 :
V
Întrucât n = v = T , iar pe semestrul avem cheltuielile totale C = nCT ,
obţinem
C = 11250u+ sau C = 11250 Vv + 5v2
Dar = 1 semestru =180 zile şi V = 10000, aşa încât pentru C = f (v)
obţinem expresia
5
f (v) = 1125v 10 + 450v
5
q
105
Atunci din f 0 (v) = 0 g¼ asim 1125v210 + 450 = 0 adic¼ a v = 1125 450 = 500,
V
deci vopt = 500 unit¼
aţi. Apoi nopt = vopt = 20 ori, Topt = nopt = 9 zile iar
5
1125 10
fmin = f (500) = + 450 500 = 450:000u:m:
500
Exact aceleaşi rezultate se obţin dac¼
a se folosesc
q formulele
q pentru calcularea
2cl V 2 11250 10000
acestor elemente. Într-adev¼ ar, avem vopt = cs = 180 5 = 500
unit¼
aţi
fmin = cs vopt = 5 500 180 = 450:000 u:m:
Analog nopt = 20 ori, Topt = 9 zile.
1.8.9. Într-un an, dintr-un anumit produs sunt cerute 100.000 buc¼ aţi.
Cunoscând costul unitar de stocare de 0.9 u.m./bucat¼ a/zi şi cheltuielile de
lansare ale comenzii, …xe, de 40.500 u.m. precum şi costul unitar de penalizare
de 1,6 u.m./bucat¼ a/zi, s¼a se determine elementele ce caracterizeaz¼ a aceast¼a
problem¼ a de stoc, utilizând funcţia cheltuielilor totale f (u; v).
Rezolvare. Problema se încadreaz¼ a în modelul de gestiune cu perioad¼ a …x¼a,
cerere constant¼a, dar cu ruptur¼ a. Cheltuielile care se fac într-o perioad¼ a de
aprovizionare T sunt:
- de lansare, Cl = 40:500 u.m.
v2 v2
- de stocare cs v2 T1 = cs 2u T = 0:9 2u T u.m.
2
- de penalizare cp u 2 v T2 = 1; 6 (u 2uv) T u.m.
v2
Astfel cheltuielile pe perioada T , CT sunt: CT = 40:500 + 0:45 u T +
2
0; 8 (u uv)
T
V
Cum n = u = T , iar cheltuielile pe perioada = 1 an = 360 zile, C , sunt
2
v2
date prin C = nCT obţinem: C = 40:500 V
u + 0; 45 u + 0; 8 (u uv)
7 2 2
sau dac¼ am C = f (u; v) avem: f (u; v) = 405u10 + 162 vu + 288 (u uv)
a not¼
Din sistemul de ecuaţii @f@u
(u;v)
= 0 şi @f @v
(u;v)
= 0, adic¼
a
( 2
405 107 2

u2 162 uv 2 + 288 2(u v)uu2 (u v) = 0


2 162 uv 2 288 u u v = 0

se obţine uopt = 6250 buc¼


aţi, vopt = 4000 buc¼
aţi.
Atunci nopt = uVopt = 100:000
6250 = 16 ori,
27

Topt = uopt = 360 16 = 22; 5 zile


fmin = f (6250; 4000) = 1:296:000u:m:
Rezultate similare se obţin dac¼ a se folosesc formulele de calcul ale elementelor
c
ce caracterizeaz¼ a gestiunea. Astfel, cum = cs +cp = 1;6 2;5 = 0; 64 vom scrie doar:
q q
2cl V 2 40 500 100:000
uopt = cs = 360 0;9 0;64 = 6250 buc¼ aţi
vopt = uopt = 4000 buc¼ aţi
şi fmin = cs vopt = 0; 9 4000 360 = 1:296:000u:m:
1.8.10. Fie datele numerice

x 1 0 1 2
y 2 1 2 11

a se ajusteze aceste date numerice:
a) printr-un polinom de gradul întâi (o dreapt¼ a)
b) printr-un polinom de gradul doi (o parabol¼ a)
Rezolvare. a) Avem gradul polinomului m = 1, deci pentru scrierea sistemu-
lui normal trebuie calculate sumele s0 ; s1 ; s2 şi sumele t0 şi t1 .

x0i x1i x2i x0i yi x1i yi


1 1 1 2 2
1 0 0 1 0
1 1 1 2 2
P 1 2 4 11 22
4 2 6 16 22
Deci s0 = 4, s1 = 2, s2 = 6, t0 = 16 şi t1 = 22. Sistemul normal este:

4a0 + 2a1 = 16
2a0 + 6a1 = 22

a a acestui sistem este: a0 = 13


Soluţia unic¼ 5 ; a1 = 5
14

Atunci polinomul de ajustare de grad cel mult unu este P1 (x) = 13 14


5 + 5 x;iar
13 14
dreapta de ajustare este dreapta de ecuaţie y = 5 + 5 x.
b) Având m = 2, pentru scrierea sistemului normal vom calcula sumele
s0 = 4, s1 = 2, s2 = 6, s3 =
88, s4 = 18, t0 = 16, t1 = 22, t2 = 48.
< 4a0 + 2a1 + 6a2 = 16
Sistemul normal va …: 2a0 + 6a1 + 8a2 = 22
:
6a0 + 8a1 + 18a2 = 48
1 3
ce admite soluţia unic¼
a a0 = 10 ; a1 = 10 ; a2 = 25 10 :Polinomul de ajustare
de grad cel mult 2 este P2 (x) = 10 + 10 x + 25
1 3
10 x2
iar parabola de ajustare este
parabola de ecuaţie: y = 0; 1 + 0; 3x + 2; 5x2

Teme de control
1.9. Exerciţii şi probleme propuse

1.9.1. S¼ a se studieze existenţa limitelor funcţiilor de mai jos în punctele


speci…cate iar atunci când este cazul s¼a se calculeze aceste limite:
sin(x3 +y 3 ) 2
a) f (x; y) = x2 +y2 ; (0; 0); b) f (x; y) = yy2 +xx ; (0; 0); c) f (x; y) =
p
1 x2 y 2 ; 12 ; 12 .
28

R¼aspuns. a) D = R2 n f(0; 0)g, l = 0, b) D = f(x; y) 2 R2 j x 6= 0; y 6=


0; x 6= y 2 g, nu exist¼a limita lui f ,
c) D = f(x; y) 2 R2 j x2 + y 2p 1g este discul cu centrul în originea axelor
de coordonate şi de raz¼ a 1, l = 22 .
1.9.2. S¼ a se
( cerceteze continuitatea urm¼
atoarelor funcţii:
3xy 2
f (x; y) = 2x2 +9y 4 ;
dac¼
a (x; y) 6= (0; 0)
0; dac¼a (x; y) = (0; 0)
2
R¼aspuns. f continu¼ a pe R n f(0; 0)g
1.9.3. S¼a se calculeze derivatele parţiale de ordinul întâi pentru urm¼
atoarele
funcţii:
a) z = f (x; y) = xx+yy , b) z = f (x; y) = p 2x 2 , c) z = arctg xy
x +y
@z 2y @z 2x @z y2 @z
R¼aspuns. a) @x = (x+y)2
, @x = (x+y)2
, b) @x = p
3
, @y =
(x2 +y 2 )2
2
p y @z y @z x
3
;c) @x = x2 +y 2 , @y = x2 +y 2 ,
(x2 +y 2 )2
1.9.4. S¼ a se calculeze derivatele parţiale de ordinul doi şi trei pentru funcţia
f (x; y; z) = x2 yz 3
@ 2 f (x;y;z) @ 2 f (x;y;z) 2 2
R¼aspuns. a) @x2 = 2yz 2 ; @y 2 = 0, @ f@z
(x;y;z)
2 = 6x2 yz; @ f@x@y (x;y;z)
=
2 2
2xz 3 ; @ f@x@z
(x;y;z)
= 6xyz ; @ f@y@z
2 (x;y;z)
= 3x2 z 2
3 3 3 3 3
@ f (x;y;z)
@x3 = 0; @ @x f (x;y;z)
2 @y = 2z 2 ; @ @x f (x;y;z)
2 @z = 4yz; @ f@y (x;y;z)
3 = 0; @ @y f (x;y;z)
2 @z =
3
@ f (x;y;z) 2
0; @z 3 = 6x y
@ 3 f (x;y;z) 3 3 3

@x@y 2 = 0; @ @x@y@z
f (x;y;z)
= 4xz; @ @x@z f (x;y;z)
2 = 12xyz; @ @y@zf (x;y;z)
2 = 6x2 z
1.9.5. S¼ a se scrie diferenţialele de ordinele doi şi trei pentru funcţia f (x; y) =
x2 xy + 2y 3 + 3x 5y + 10
R¼aspuns. d2 f(x;y) (dx; dy) = 2dx2 2dxdy + 12ydy 2 ; d3 f(x;y) (dx; dy) = 12dy 3
1.9.6. S¼ a se scrie formula lui Taylor când k = 2 pentru funcţia f (x; y) =
p
x + y, în punctul (1; 0).
p 2
(x+y 1)3
R¼aspuns. x + y = 1 + x+y2 1 (x+y8 1) + 16[1+ (x+y 1)]3
, 2 (0; 1).
1.9.6. S¼ a se determine punctele de extrem local pentru funcţia f (x; y) =
2x2 + 2xy 5y 2 + 6x + 6y, (x; y) 2 R2 ,
R¼aspuns. fmax = f (2; 1) = 9
1.9.7. Dintr-un anumit sortiment de produse sunt cerute într-un trimestru
5000 unit¼ aţi. Având costul unitar de stocare de 2 u.m./unitate/zi, costul unitar
de penalizare de 8000 u.m./unitate/zi şi cheltuielile de lansare ale comenzilor
de 4500 u.m. şi scriind mai întâi expresia funcţiei f , ce reprezint¼ a cheltuielile
totale s¼ a se optimizeze gestiunea acestui stoc cu ruptur¼ a.
5 2 36 104 (u v)2
R¼aspuns. f (u; v) = 225u10 + 90v u + u , = 0; 99975, uopt = 500; 06
unit¼aţi, vopt = 499; 94 unit¼ aţi, nopt = 9; 99 ori, Topt = 9; 001 zile, fmin =
89989; 2 u.m.
1.9.8. La o întreprindere de reparaţii se consum¼ a într-un trimestru 5000
buc¼aţi dintr-un tip de piese de schimb. Cunoscând costul unitar de stocare de 2
u.m./bucat¼ a/zi precum şi cheltuielile de lansare în fabricaţie ale acestui tip de
produs de 4500 u.m. se cere:
a) s¼ a se deduc¼ a expresia funcţiei f , a cheltuielilor totale;
b) s¼ a se determine elementele ce caracterizeaz¼ a aceast¼
a problem¼ a de stoc

ar¼
a ruptur¼ a.
29

5
R¼aspuns. a) f (v) = 225v10 +90v;b) vopt = 500 buc¼
aţi, nopt = 10 ori, Topt = 9
zile, fmin = 201:240 u.m.
1.9.9. Se consider¼a datele numerice:
x 2 0 1 2
y 48 32 9 8


a se ajusteze aceste date numerice printr-o dreapt¼
a şi g¼
asiţi apoi valoarea
lui y în punctul x = 3.
R¼aspuns. y = 10; 89x + 26; 97; y(3) = 5; 69

Rezumat modul

In acest capitol s-au prezentat de…nitii si concepte de baza legate de functiile


reale de mai multe variabile reale cum sunt: elemente de topologie ale spatiu-
lui Rn , produs scalar, spatii normate, spatii metrice, siruri de puncte din Rn ,
limite de functii si continuitatea lor de la Rn la R; derivate partiale si difer-
entiala. Au fost prezentate notiunile de derivate partiale si derivate de ordin
superior, formula lui Taylor pentru functiile de mai multe variabile, extremele
functiilor de mai multe variabile (conditii necesare si su…ciente pentru existenta
extremelor locale), precum si optimizarea unor procese de stocare deterministe.
De asemenea s-au prezentat si notiuni legate de ajustarea prin metoda celor mai
mici patrate a datelor experimentale, precum si polinomul de interpolare al lui
Lagrange.

Bibliogra…e modul

1. Colectiv, Elemente de Algebra liniara si Analiza matematica pentru


economisti, Ed. Todesco, Cluj-Napoca, 2003.
2. Mihoc M., Mihoc I., Matematici aplicate in economie. Analiza matema-
tica, Ed. Presa Universitara Clujeana, Cluj-Napoca, 2000,
3. Muresan A.S., Blaga P., Matematici aplicate in economie, vol. I, Ed.
Transilvania Press, Cluj-Napoca, 1996

UNITATEA 2. Integrale Euler


2.1. Integrala lui Euler de speţa întâi. Funcţia beta

De…niţia 2.1. Se numeşte integrala lui Euler de speţa întâi integrala


Z 1
xp 1
(1 x)q 1
dx;
0

care pentru p < 1 este o integral¼


a improprie având ca punct critic pe 0 şi pentru
q < 1 este o integral¼
a improprie având ca punct critic pe 1.
Se arata ca integrala lui Euler de speta intai este convergenta pentru p > 0
si q > 0: Astfel putem de…ni o funcţie reala de dou¼
a variabile reale B : (0; 1)
(0; 1) ! R prin relaţia
Z 1
B(p; q) = xp 1
(1 x)q 1
dx:
0
30

Aceast¼a funcţie se numeşte funcţia lui Euler de speţa întâi sau funcţia
beta.
În continuare vom da câteva propriet¼ aţi ale funcţiei beta.
1
(B1) B (p; 1) =
p
Într-adev¼ar,
Z 1 Z 1 1
x 1
B(p; 1) = xp 1
(1 x)1 1
dx = xp 1
dx = = :
0 0 p 0 p
În particular, pentru p = 1 se obţine

B(1; 1) = 1:
(B2)

1 1
B ; = :
2 2
Într-adev¼
ar, avem
Z 1 Z 1
1 1 1
1 1
1 1
B ; = x2 (1 x) 2 dx = p dx;
2 2 0 0 x (1 x)
integral¼
a pe care o putem calcula utilizând substituţia lui Euler
p
x(1 x) = tx;
de unde se g¼
aseşte
1
x = '(t) =
1 + t2
2t
şi deci '0 (t) = 2.
(1 + t2 )
Pentru ca x = 0 trebuie ca t = 1 şi pentru ca x = 1 trebuie ca t = 0.
Deci

Z 1 Z 0 Z 0 Z 1
1 1 2t 1 1
p dx = 1 2 dt = 2 dt = 2 dt
0 x (1 x) 1 t: 1+t2 (1 + t2 ) 1 1 + t2 0 1 + t2

= 2 arctg j1
0 = 2(arctg 1 arctg 0) = 2 0 = :
2
(B3)

B(p; q) = B(q; p):


Într-adev¼
ar, avem
Z 1
B(p; q) = xp 1
(1 x)q 1
dx
0

din care, f¼
acând substituţia x = (t) = 1 t se obţine
31

Z 1 Z 1
B(p; q) = (1 t)p 1
(1 (1 t))q 1
(1 t)0 dt = (1 t)p 1 q 1
t dt =
0 0
Z 1 Z 1
= tq 1
(1 t)p 1
dt = xq 1
(1 x)p 1
dx = B(q; p):
0 0

(B4) Dac¼
a p > 1 atunci
p 1
B(p; q) = B(p 1; q):
p+q 1
Într-adev¼
ar, dac¼
a integr¼
am prin p¼
arţi punând

f (x) = xp 1
şi g 0 (x) = (1 x)q 1

obţinem

Z 1 q 1 Z 1 q
p 1 q 1 p 1 (1 x) (1 x)
B(p; q) = x (1 x) dx = x q (p 1)xp 2
: dx =
0 q 0 0 q

Z 1 Z 1
p 1 p 2 q p 1
= x (1 x) dx = xp 2
(1 x)(1 x)q 1
dx =
q 0 q 0

Z 1 Z 1
p 1 p 1
= (xp 2
xp 1
)(1 x)q 1
dx = [xp 2
(1 x)q 1
xp 1
(1 x)q 1
]dx =
q 0 q 0

Z 1 Z 1
p 1 p 1
= xp 2
(1 x)q 1
dx xp 1
(1 x)q 1
dx = [B (p 1; q) B (p; q)] .
q 0 0 q

Deci am obţinut egalitatea


p 1
B(p; q) = [B (p 1; q) B (p; q)] ,
q
din care se obţine imediat
p 1
B(p; q) = B (p 1; q) :
p+q 1
Menţion¼
am c¼a ipoteza p > 1 este necesar¼ a pentru ca p 1 > 0 şi deci
B(p 1; q) s¼ a existe.
Proprietatea (B4) demonstrat¼a aici permite micşorarea cu o unitate a primu-
lui argument al funcţiei B. Ea poate … utilizat¼
a succesiv atâta timp cât primul
argument r¼amâne pozitiv.
(B5) Dac¼a q > 1 atunci
q 1
B(p; q) = B(p; q 1):
p+q 1
32

Aceast¼
a proprietate rezult¼
a uşor din propriet¼
aţile (B4) şi (B3). Într-adev¼
ar,
avem succesiv

q 1 q 1
B(p; q) = B(q; p) = B(q 1; p) = B(p; q 1):
p+q 1 p+q 1

Proprietatea (B5) permite micşorarea cu o unitate a celui de al doilea argu-


ment al funcţiei B. Ea poate … de asemenea utilizat¼ a succesiv atâta timp cât al
doilea argument r¼ amâne pozitiv.
Observ¼am astfel c¼a prin utilizarea convenabil¼ a a propriet¼
aţilor (B4) şi (B5)
se poate calcula B(p; q) pentru p > 1 şi q > 1 dac¼ a se cunoaşte B(fpg; fqg),
unde fxg noteaz¼ a partea fracţionar¼
a a lui x.
Exist¼
a tabele cu valori ale lui B(p; q) pentru 0 < p 1 şi 0 < q 1.
Exemplu de utilizare a propriet¼ aţilor (B4) şi (B5).
Avem
3
3 5 2 1 3 5 1 1 5
B ; = 3 5 B 1; = B ; =
2 2 2 + 2 1 2 2 6 2 2
5
1 2 1 1 5 1 3 1 3
= 1 5 B ; 1 = B ; =
6 2 + 2 1 2 2 6 4 2 2
3
1 3 2 1 1 3 1 3 1 1 1
= 1 3 B ; 1 = B ; =
6 4 2 + 2 1 2 2 6 4 2 2 2
1 3 1 1
= = :
6 4 2 16
(B6) Dac¼
a m 2 N şi n 2 N atunci

(m 1)! (n 1)!
B(m; n) = :
(m + n 1)!
Aceast¼
a relaţie rezult¼
a din utiliz¼
ari succesive ale propriet¼
aţilor (B4) şi (B5)
astfel

m 1 m 1 m 2
B(m; n) = B(m 1; n) = B(m 2; n) =
m+n 1 m+n 1 m+n 2

m 1 m 2 1
= = B(1; n) =
m+n 1 m+n 2 n+1
m 1 m 2 1 n 1
= B(1; n 1) =
m+n 1 m+n 2 n+1 1+n 1

m 1 m 2 1 n 1 n 2
= B(1; n 2) = : : :
m+n 1 m+n 2 n+1 n 1+n 1 1

m 1 m 2 1 n 1 n 2 1
= B(1; 1) =
m+n 1 m+n 2 n+1 n n 1 1
33

1 2 ::: (m 2) (m 1) 1 2::: (n 2) (n 1)
= 1=
1 2 ::: (m + n 2) (m + n 1)
(m 1)! (n 1)!
=
(m + n 1)!
Astfel, de exemplu
4! 3! 1
B(5; 4) = = :
8! 280
(B7) Dac¼
a 0 < p < 1 atunci

B(p; 1 p) = :
sin p
Omitem aici demonstrarea acestei propriet¼
aţi. Din (B7) se obţine imediat
1
(B2) luând p =
2
1 1
B ;1 = = :
2 2 sin 2

2.2. Integrala lui Euler de speţa a doua. Funcţia gama


De…niţia 2.2. Se numeşte integrala lui Euler de speţa a doua integrala
Z 1
xa 1 e x dx;
0

care este o integral¼


a improprie (având limita superioar¼ a de integrare 1) şi în
plus dac¼a a < 1 are punct critic şi pe
R10.
a integrala improprie 0 xp 1 e x dx este convergent¼
Se arata c¼ a dac¼a p > 0.
Acest rezultat ne permite s¼ a de…nim funcţia real¼ a de o variabil¼
a real¼
a :
(0; 1) ! R prin relaţia
Z 1
(p) = xp 1 e x dx:
0
Aceast¼a funcţie se numeşte funcţia lui Euler de speţa a doua sau funcţia
gama.
În continuare vom da câteva propriet¼ aţi ale funcţiei gama.
( 1) (1) = 1.
Într-adev¼ar, avem

Z 1 Z 1
x 1
(1) = x1 1
e x
dx = e x
dx = e 0
=0 ( 1) = 1:
0 0

( 2) Dac¼
a p > 1, atunci

(p) = (p 1) (p 1):
Într-adev¼
ar, dac¼
a integr¼ arţi punând f (x) = xp
am prin p¼ 1
şi g 0 (x) = e x
,
avem succesiv
34

Z 1
1
(p) = xp 1
e x
dx = xp 1
( e x
) 0
0
Z 1 1
xp 1
(p 1)xp 2
( e x
)dx = +
0 ex 0
Z 1
+(p 1) xp 2
e x
dx = (p 1) (p 1):
0

Menţion¼
am c¼a ipoteza p > 1 este necesar¼ a pentru a exista (p 1).
Proprietatea 2) permite micşorarea cu o unitate a argumentului funcţiei
gama. Prin utiliz¼ari succesive ale acestei propriet¼
aţi, calculul lui (p) pentru
p > 1 poate … redus la calculul lui (fpg).
Exist¼
a tabele cu valori ale funcţiei gama pentru 0 < p 1.
( 3) Dac¼a m 2 N , atunci

(m) = (m 1)!
Într-adev¼
ar, utilizând succesiv proprietatea 2), obţinem

(m) = (m 1) (m 1) = (m 1)(m 2) (m 2) =

= = (m 1)(m 2) : : : 1 (1) = (m 1)! (1) = (m 1)!


Proprietatea 3) sugereaz¼
a faptul c¼
a funcţia gama este o generalizare a fac-
torialului.

a observ¼
am în continuare c¼
a dac¼
a în proprietatea B6) a funcţiei beta,

(m 1)! (n 1)!
B(m; n) = ;
(m + n 1)!
utiliz¼
am în locul factorialului valori ale funcţiei gama date de proprietatea 3)
obţinem

(m) (n)
B(m; n) = ; 8 m; n 2 N :
(m + n)
Aceast¼a relaţie dintre funcţiile beta şi gama r¼ amâne adev¼arat¼
a şi pentru
argumente reale, adic¼ a are loc proprietatea
(p) (q)
( 4) B(p; q) = ; 8 p > 0 şi 8 q > 0;
(p + q)
cunoscut¼a sub denumirea de relaţia lui Euler.
1 p
( 5) = :
2
1
Într-adev¼
ar, dac¼ a în relaţia lui Euler lu¼
am a = b = , obţinem
2
1 1
1 1 2 2
B ; = 1 1 :
2 2 2 + 2

1 1
Dar B ; = , iar (1) = 1, deci
2 2
35

2
1
= ;
2
1 p
din care rezult¼
a = .
2

2.3. Integrala Euler-Poisson

De…niţia 2.3. Integrala improprie


Z 1
x2
e dx
0

se numeşte integrala Euler-Poisson.


2
Deoarece funcţia dat¼a prin relaţia f (x) = e x este m¼ arginit¼
a pe (0; 1),
rezult¼
a c¼
a integrala Euler-Poisson este o integral¼
a improprie pe interval nem¼
arginit.
Avem
x x2
lim x je j = lim
=0<1
x!1 ex2 x!1

pentru orice valoare a lui , deci şi pentru > 1.


Atunci, utilizând criteriul de convergenţ¼ a-divergenţ¼
a pentru integrale impro-
prii pe interval nem¼arginit, rezult¼a c¼
a integrala Euler-Poisson este convergent¼ a.
Calculul ei poate … deci f¼acut ca şi calculul unei integrale proprii.
1 1 1
Dac¼ am substituţia x = '(t) = t 2 ; deci '0 (t) = t 2 , obţinem
a utiliz¼
2
Z 1 Z 1
2 1 1
e x dx = e t t 2 dt =
0 0 2
Z
1 1 1 1 t 1 1
= t 2 e dt = :
2 0 2 2
1 p
Dar = , deci
2
Z 1
x2 1p
e dx = :
0 2
Observaţie. Prin calcule elementare se g¼
asesc urm¼
atoarele rezultate
Z 1 Z 1 p
2 p x2
e x dx = şi e 2 dx = 2 :
1 1

2.4. Exercitii si probleme rezolvate

2.4.1. S¼ a se calculeze valorile funcţiilor lui Euler:


5 3 1 1 5
a) (6), b) 2 , c) B (3; 5), d) B 2 ; 2 , e) B 4; 4
Soluţie:
a) (6) = 5! = 120
5 5 5
b) 2 = 2 1 2 1 = 32 32 = 23 32 1 3
2 1 =
p
31 1 3
22 2 = 4
36

(3 1)!(5 1)! 2! 4! 48 1
c) B (3; 5) = (3+5 1)! = 7! = 5040 = 105
p p
3 1 ( 32 ) ( 21 ) 1
d) B 2; 2 = = 2
1! = 2
( 32 + 21 )
7 3
1 7 1 1 3 1 3 3 3 3p
e) B 4; 4 = 1
4
7 B 4; 4 = 4
1 B 4; 4 = 4 sin = 4
p =
4+4 1 2 2 2
4 2
2.4.2. Folosind integralele euleriene s¼
a se calculeze integralele:
Rb dx
R1 2 x R1 p 3 x
a) a p , b) 2 x e dx, c) 0 1+x2 dx.
(x a)(b x)
Soluţie:
a xb aa = t; dx = (b
a) Facem schimbarea de variabil¼ a) dt
x = a; ) t = 0
Limitele de integrare:
x = b; ) t = 1

Rb R1 R1
Deci, a p dx = 0 p (b a)dt = 0 p dt =
(x a)(b x) (b a)t(b a)(1 t) t(1 t)
R1 1 1

0
t 2 (1 t) 2 dt = B 12 ; 12 =
b) Facem schimbarea de variabil¼ a
x 2
R1 2 x= t ) dxR1= dt Obţinem astfel:
R1 R1
t
2
xe dx = 0
(t + 2) e dt = 0
te t dt + 2 0 e t dt = (2) + (1) =
1! + 2 1 = 3
c) Facem schimbarea de variabil¼ a
1
2
t 1 t 1
x2 = 1 t ; dx = 2 1 t (1 t)2
dt
1
R1 p 3 x R 1 (1 t) 1
t 6
1
2 R1 1 1
6 +1+ 2 2
t 1 1 1
0 1+x2
dx = 0 1+ t 2 1 t (1 t)2
dt = 12 0
t6 2 (1 t) dt
1 t
R1 1 2
= 12 0 t 3 (1 t) 3 dt = 12 B 23 ; 13 = 12 B 13 ; 32 = 1
2 sin = 1
2
p
3
= p
3
.
3 2

Teme de control

2.5. Exerciţii şi probleme propuse:

2.5.1. S¼a se calculeze valorile funcţiilor lui Euler:


9 3 3
a) (8), b) 2 , c)B (2; 2), d) B 2 ; 2 ,
R¼aspuns: p
a) 5040, b) 10516 , c) 16 , d) 8
2.5.2. Folosind integralele euleriene s¼ a se calculeze:
R1p R2 4 2
R 1 x3 dx R1 2 x
a) 0 x 5 6
x dx, b) 0 sin x cos x dx, c) 0 (1+x 3 )2 , d) x e dx,
5
0
R1 3x p
e) 0 (1+x)4 dx
R¼aspuns: p p
a) 527 , b) 8 , c) 2 27 3 , d) 250, e) 1035 3

Rezumat

In aceasta unitate au fost introduse si studiate notiunile privind integralele


Euler de speta intai (functia beta), de speta a doua (functia gama), proprietatile
acestora, precum si integrala Euler-Poisson.

Bibliogra…e
37

1. Colectiv, Elemente de Algebra liniara si Analiza matematica pentru


economisti, Ed. Todesco, Cluj-Napoca, 2003.
2. Colectiv, Elemente de teoria probabilitatilor si statistica matemetica pen-
tru economisti, Ed. Todesco, Cluj-Napoca, 2004.
3. Mihoc M., Mihoc I., Matematici aplicate in economie. Analiza matema-
tica, Ed. Presa Universitara Clujeana, Cluj-Napoca, 2000,
4. Muresan A.S., Blaga P., Matematici aplicate in economie, vol. I, Ed.
Transilvania Press, Cluj-Napoca, 1996
5. Colectiv, Analiza matematica, Teoria Probabilitatilor si Algebra liniara
aplicate in economie, Ed. Mediamira, Cluj-Napoca, 2008.

MODULUL II. Elemente de teoria probabilitatilor


Obiective
De…nirea si studiul principalelor proprietati ale conceptelor de baza din
teoria probabilitatilor.
Crearea la studenti a unor deprinderi de utilizare a tehnicilor probabilistice
si de folosire a acestora in scop aplicativ.
Fundamentarea probabilistica a statisticii matematice.

Concepte de baza
Eveniment aleator, probabilitate, probabilitate conditionata, scheme cla-
sice de probabilitate.

Variabila aleatoare, functie de probabilitate a unei variabile aleatoare dis-


crete, functie de repartitie a unei variabile aleatoare, densitate de proba-
bilitate, functia de repartitie a unei variabile aleatoare de tip continuu.

Caracteristici numerice ale variabilelor aleatoare (media, dispersia, mo-


mente, corelatia)

Repartitii clasice.

Rezultate asteptate
Se urmareste buna intelegere de catre studenti a tehnicilor de abordare prob-
abilistica a fenomenelor aleatoare, utilizarea adecvata a schemelor probabilis-
tice care modeleaza astfel de fenomene, intelegerea conceptului de variabila
aleatoare, precum si formarea deprinderilor de calcul ale caracteristicelor nu-
merice pentru variabilelor aleatoare. Se doreste ca studentii sa inteleaga foarte
bine semni…catia caracteristicilor pe care le calculeaza si, de asemenea sa inte-
leaga motivele aplicarii teoriei probabilitatilor in statistica matematica.

Sinteza

UNITATEA 1. Camp de evenimente. Camp de pro-


babilitate. Scheme clasice de probabilitate.
38

1.1. Corp ( -corp) de p¼


arţi ale unei mulţimi

De…niţia 1.1.1.:
Se numeşte corp de p¼ arţi ale mulţimii nevide orice familie nevid¼ a K P( )
unde P ( ) este mulţimea p¼ arţilor lui , astfel încât
a) 8 A 2 K =) CA 2 K unde CA = A
b) 8 A; B 2 K =) A [ B 2 K
Propoziţia 1.1.1.:
Fie K un corp de p¼ arţi ale mulţimii nevide . Atunci:
1) ; 2K
2) 8 A; B 2 K =) A \ B 2 K
3) 8 A; B 2 K =) A B 2 K
Observaţii:
1. Prin de…niţie, un corp de p¼ arţi K este închis faţ¼
a de trecerea la comple-
mentar¼ a şi faţ¼
a de reuniune. De…niţia corpului de p¼ arţi garanteaz¼a şi închiderea
sa faţ¼
a de reuniunea sau diferenţa de menţiuni.
De asemenea, un corp de p¼ arţi conţine în mod necesar submulţimile improprii
şi :
Prin inducţie matematic¼ a rezult¼ a c¼a un corp de p¼
arţi este închis şi faţ¼
a de re-
uniunea sau intersecţia …nit¼ a oarecare de mulţimi adic¼ a pentru orice A1 ; A2 ; :::; An
n n
2 K (n 3) avem şi [ Ai 2 K respectiv \ Ai 2 K
i=1 i=1
Exemple:
1) Dac¼ a 6= atunci K = P ( ) este un exemplu (banal) de corp de p¼ arţi
ale lui :
2) Fie = f1; 2; 3; 4; 5; 6g
K = f ; ; f1; 6g ; f2; 3g ; f4; 5g ; f1; 2; 3; 6g ; f1; 4; 5; 6g ; f2; 3; 4; 5gg este un corp
de p¼arţi ale lui :
De…niţia 1.1.2.:
Se numeşte -corp de p¼ arţi ale mulţimii nevide orice familie nevid¼ a
K P ( ) astfel încât
a’) 8 A 2 K =) CA 2 K
1
b’) 8 (An )n2N K [ An 2 K
n=1

1.2. Câmp ( -câmp) de evenimente

Vom înţelege prin experiment aleator orice experiment al c¼ arui rezultate,


considerate din punct de vedere al unui anumit criteriu, nu sunt cunoscute
înainte de efectuarea experimentului (repetând un astfel de eveniment, în condiţii
identice, se pot obţine rezultate diferite, nu se poate preciza rezultatul ci se
poate face doar o list¼a cu rezultatele posibile). Orice rezultat posibil în urma
unui experiment aleator se numeşte eveniment aleator. Evenimentele care nu
se pot realiza drept consecinţ¼ a a reraliz¼
arii altora se numesc evenimente ele-
mentare.Consider¼ am, de exemplu, experimentul arunc¼ arii unui zar (obişnuit,
nem¼asluit) şi evalu¼
am rezultatul din punc de vedere al apariţiei (non-apariţiei)
vreunora dintre feţele de la 1 la 6. Folosim notaţii de tipul ce urmeaz¼ a:
A = f1g- apariţia feţei 1.
B = f1; 4g- apariţia vreuneia dintre feţele 1 sau 4.
C = f2; 5; 6g- apariţia vreuneia dintre feţele 2,5 sau 6,etc.
39

A este evenimentul elementar (analog f2g ; f3g ; f5g ; f6g) dar B nu este
elementar (B se poate realiza ca şi consecinţ¼ a a realiz¼arii lui A). Vom reveni
ulterior, cu mai mult¼ a rigoare, asupra conceptului de experiment elementar.
Not¼am cu mulţimea tuturor evenimentelor elementare generate de un ex-
periment aleator. In continuare ne este comod s¼ a trat¼
am aceast¼ a mulţime ca o
mulţime de puncte pentru care submulţimile reduse la un punct corespund eveni-
mentelor elementare. se mai numeşte şi mulţime fundamental¼a (de referinţ¼a)
sau spaţiu de selecţie. Orice alt eveniment poate … asimilat cu o submulţime a
spaţiului (în exemplul de mai sus avem = f1; 2; 3; 4; 5; 6g şi A; B; C ).
In particular, corespunde evenimentului constând în realizarea a cel puin unul
dintre evenimentele elementare posibile ceea ce se întâmpl¼ a la orice efectuare a
evenimentului şi de aceea acest eveniment se numeşte eveniment cert sau sigur.
Un alt eveniment particular este cel care corespunde mulţimii vide şi care
revine la nerealizarea a cel puţin unui eveniment elementar posibil, ceea ce este
imposibil la orice efectuare a experimentului şi din acest motiv acest eveniment
se numeşte eveniment imposibil. Vom p¼ astra pentru evenimentul sigur şi eveni-
mentul imposibil aceleaşi notaţii şi respectiv ca şi pentru submulţimile lui

arora le corespund.
Fie mulţimea tuturor evenimentelor aleatoare generate de un experiment
aleator.
De…niţia 1.2.1:
Fie A; B 2 .
Se numeşte intersecţie a evenimentelor A şi B, notat¼ a A \ B, evenimentul
care se realizeaz¼
a dac¼ a şi numai dac¼ a se realizeaz¼ a atât A cât şi B.
Se numeşte reuniune a evenimentelor A şi B, notat¼ a A[B, evenimentul care
se realizeaz¼
a dac¼a şi numai dac¼ a se realizeaz¼
a cel puţin unul dintre evenimentele
A şi B.
Se numeşte diferenţ¼a a evenimentelor A şi B, notat¼ a A B, evenimentul
care se realizeaz¼
a atunci când se realizeaz¼ a A dar nu şi B (adic¼ a A B = A\CB ).
Se numeşte eveniment contrar evenimentului A, notat CA , evenimentul
care se realizeaz¼a dac¼ a şi numai dac¼ a nu se realizeaz¼ a A (evenimentul comple-
mentar lui A se mai numeşte şi eveniment contrar lui A şi se mai noteaz¼ a A sau
nonA).
Propoziţia 1.2.1.:
Pentru orice A; B; C 2 au loc propriet¼ aţile:
a) (A [ B) [ C = A [ (B [ C) ; (A \ B) \ C = A \ (B \ C) (asociativitate)
b) A [ B = B [ A; A \ B = B \ A (comutativitate)
c) A [ (B \ C) = (A [ B) \ (A [ C) ; A \ (B [ C) = (A \ B) [ (A \ C)
(distributivitate)
d) A [ A = A; A \ A = A (...)
e) A\CA = ; A[CA = ; A\ = A; A[ = ; A\ = ; A[ = A
De…niţia 1.2.2.:
Fie A; B 2 : Se spune c¼ a evenimentul A implic¼a evenimentul B (sau c¼ aB
este implicat de A) şi se scrie A B (respectiv B A) dac¼ a realizarea lui A
antreneaz¼ a neap¼arat şi realizarea lui B.
Observaţii:
1. Relaţia de implicaţie se poate de…ni şi cu ajutorul „[” sau „\”. Mai
precis, pentru A; B 2 avem
A B () A \ B = A () A [ B = B
40

Cum A \ = şi A \ = A rezult¼ a c¼


a A şi A adic¼a avem
A ; 8 A2 :
2. Relaţia de implicaţie este o relaţie de ordine parţial¼ ape (adic¼ a este
re‡exiv¼ a, antisimetric¼a şi tranzitiv¼
a). Intr-adev¼
ar avem:
a) 8 A 2 =) A A (re‡exivitate)
b) A; B 2 ; A B şi B A =) A = B (antisimetrie)
c) A; B 2 ; A B şi B C =) A C
3. Se poate ar¼ ata c¼a dac¼a A; B 2 ; A[B = ; şi A\B = atunci A = CB
sau, echivalent, B = CA (în particular cum A \ CA = şi A [ CA = avem
C (CA ) = A şi de asemenea din [ = ; \ =
rezult¼ a c¼
a = C şi = C ).
Utilizând aceast¼ a observaţie se poate demonstra propoziţia de mai jos (pe
care o admitem f¼ ar¼
a demonstraţie).
Propoziţia 1.2.2.: (relaţiile lui De Morgan)
Pentru orice A; B 2 avem:
CA[B = CA \ CB şi CA\B = CA [ CB :
De…niţia 1.2.3:
Se spune c¼ a evenimentele A; B 2 sunt incompatibile dac¼ a ele nu se pot
realiza simultan, adic¼ a A\B =
De…niţia 1.2.4:
Se spune c¼ a evenimentul A 2 este eveniment elementar dac¼ a 8B 2
; B A rezult¼ a c¼
a B = sau B = A
(A nu poate … implicat decât de c¼ atre evenimentul imposibil sau de c¼ atre el
însuşi).
De…niţia 1.2.5:
Se numeşte câmp de evenimente orice corp de p¼ arţi ( ; K) al unei mulţimi
nevide : Se numeşte -câmp de evenimente orice -corp de p¼ arţi ( ; K) al
unei mulţimi nevide :
Observaţie:
Intr-un -câmp de evenimente, relaţiile lui De Morgan se pot generaliza
pentru şiruri de evenimente adic¼ a avem:
1 1 1 1
C [ An = \ CAn şi C \ An = [ CAn
n=1 n=1 n=1 n=1

1.3. Câmp ( -câmp) de probabilitate

De…niţia 1.3.1. (de…niţia axiomatic¼a a probabilit¼aţii)


Fie ( ; K) un câmp de evenimente. Se numeşte probabilitate pe K orice
aplicaţie P : K ! R astfel încât:
P 1) P (A) 0; 8 A 2 K
P 2) P (A [ B) = P (A) + P (B) ; 8 A; B 2 K, A\B =
P 3) P ( ) = 1
Se numeşte câmp de probabilitate orice triplet ( ; K; P ) unde ( ; K) este un
câmp de evenimente iar peste o probabilitate pe K.
Propoziţia 1.3.1:
Fie ( ; K; P ) un câmp de evenimente. Atunci:
a) P ( ) = 0
b) P (CA ) = 1 P (A) ; 8 A 2 K
c) P (B A) = P (B) P (A) ; 8 A; B 2 K, A B
d) P (B A) = P (B) P (A \ B) ; 8 A; B 2 K,
41

e) P (A [ B) = P (A) + P (B) P (A \ B) ; 8 A; B 2 K
Consecinţe:
1. A; B 2 K, A B =) P (A) P (B) (monotonie).
c)
Intr-adev¼ar, P (B A) 0 =) P (B) P (A) 0 =) P (B) P (A) :
2. A 2 K =) 0 P (A) 1
Cum 8 A 2 K, avem A , folosind consecinţa precedent¼
a, obţinem
P ( ) P (A) P ( )
sau 0 P (A) 1:
Prin inducţie matematic¼
a, pornind de la P 2), rezult¼
a c¼
a dac¼
a A1 ; A2 ; :::; An
2 K, Ai \ Aj = ; i = 1; n
n Pn
i 6= j atunci P [ Ai = = P (Ai ) (probabilitatea unei reuniuni …nite
i=1 i=1
de evenimente incompatibile dou¼ a câte dou¼a este suma probabilit¼ aţilor eveni-
mentelor reuniunii). Comportamentul probabilit¼ aţii faţ¼
a de o reuniune …nit¼ a de
evenimente oarecare (nu mai sunt incopatibile dou¼ a câte dou¼ a) din K este dat
de propoziţia care urmeaz¼a, obţinut tot prin inducţie matematic¼ a pornind de la
subpunctul e) din propoziţia 1.4.1.
Propoziţia 1.4.2. (formula de adunare a probabilit¼aţilor sau formula lui
Poincaré).
Fie ( ; K; P ) un câmp de probabilitate şi A1 ; A2 ; :::; An 2 K. Atunci
n Pn Pn Pn
P [ Ai = P (Ai ) P (Ai \ Aj ) + P (Ai \ Aj \ Ak ) ::: +
i=1 i=1 i;j=1 i;j;k=1
i<j i<j<k
n 1 n
( 1) P [ Ai :
i=1
Observaţie:
Dac¼a A; B; C; D 2 K avem evident:
a) P (A [ B [ C) = P (A) + P (B) + P (C) P (A \ B) P (A \ C)
P (B \ C) + P (A \ B \ C)
b) P (A [ B [ C [ D) = P (A) + P (B) + P (C) + P (D) P (A \ B)
P (A \ C) P (A \ D) P (B \ C) P (B \ D)
P (C \ D) + P (A \ B \ C) + P (A \ B \ D) + P (A \ C \ D) +
P (B \ C \ D) P (A \ B \ C \ D) :
De…niţia 1.3.2:
Fie ( ; K; P ) un -câmp de evenimente. Se numeşte probabilitate -aditiv¼a
pe K orice aplicaţie P : K ! R astfel încât:
P 1’) P (A) 0; 8 A 2 K
1 P
1
P 2’) P [ An = P (An ) 8 (An )n2N K, Ai \ Aj = 8 i; j 2
n=1 n=1
N ; i 6= j:
P 3’) P ( ) = 1
Se numeşte -câmp de probabilitate orice triplet ( ; K; P ) unde ( ; K) este
un -câmp de evenimente iar P este o probabilitate -aditiv¼a pe K.
Observaţie:
Orice -câmp de probabilitate este şi câmp de probabilitate şi deci toate
propriet¼aţile probabilit¼
aţii sunt adev¼ arate şi pentru - probabilit¼
aţi. Urm¼
arim
în continuare câteva propriet¼ aţi ale - probabilit¼aţilor.
Propoziţia 1.3.3:
Fie ( ; K; P ) un -câmp de probabilitate şi (An )n2N un şir de evenimente
din K. Atunci:
42

1 P
1
P [ An P (An )
n=1 n=1
Propoziţia 1.3.4. (inegalitatea lui Boole):
Fie ( ; K; P ) un -câmp de probabilitate şi (An )n2N un şir de evenimente
din K. Atunci:
1 P
1
P \ An 1 (1 P (An )) :
n=1 n=1
Observaţie:
Inegalitatea lui Boole este adev¼ arat¼
a şi pentru un câmp de probabilitate.
Dac¼a: A1 ; A2 ; :::; An 2 K atunci
n Pn P
n
P \ Ai 1 (1 P (Ai )) = P (Ai ) (n 1) : Avem deci:
i=1 i=1 i=1
n P
n
P \ Ai P (Ai ) (n 1)
i=1 i=1
Propoziţia 1.3.5:
Fie ( ; K; P ) un -câmp de probabilitate.
a) Dac¼a (An )n2N este un şir descendent de evenimente atunci lim P (An ) =
n!1
1
P \ An :
n=1
b) Dac¼
a (An )n2N este un şir ascendent de evenimente atunci lim P (An ) =
n!1
1
P [ An :
n=1
Observaţie:
Fie = fw1 ; w2 ; :::; wn g şi K = P ( ): Pe câmpul de evenimente ( ; K)
se consider¼
a probabilitatea P cu proprietatea P (fw1 g) = P (fw2 g) = ::: =
P (fwn g) = n1
k
Dac¼
a A = fwi1 ; wi2 ; :::; wik g 2 K atunci P (A) = P [ wij =
j=1
P
k P
k
1 k
P wij = n = n:
j=1 j=1
Se obţine astfel o alt¼
a de…niţie a probabilit¼
aţii, adev¼
arat¼
a într-un cadru mult
mai restrictiv decât cel din de…niţia 1.3.1. dar extrem de utilizat¼ a în numeroase
cazuri practice şi constituind din punct de vedere istoric, prima de…niie dat¼ a
conceptului de probabilitate.
De…niţia 1.3.3. (de…niţia clasic¼a a probabilit¼aţii):
Probabilitatea unui eveniment A, generat de un experiment aleator care
genereaz¼ a un câmp …nit de probabilitate cu evenimente elementare egal proba-
bile, este egalã cu raportul dintre numãrul evenimentelor elementare favorabile
realizãrii lui A şi numãrul total de evenimente elementare posibile.

1.4. Probabilitãţi condiţionate. Independenţa evenimentelor.

In paragraful precedent, printre alte proprietãţi, s-au şi proprietãţi care arã-
tau comportamentul probabilitãţii faţã de reuniunea evenimentelor. In acest
paragraf vom urmãrii comportamentul probabilitãţii faţã de intersecţia eveni-
mentelor, proprietãţi grupate într-un paragraf separat tocmai datoritã importan-
ţei deosebite pe care o au în aplicaţiile practice.
De…niţia 1.4.1:
Fie ( ; K; P ) un câmp de probabilitate şi A 2 K cu P (A) 6= 0:
43

Se numeşte probabilitatea evenimentului X 2 K condiţionatã de evenimentul


A, notatã P (X jA ) ; raportul

P (X \ A)
P (X jA ) =
P (A)
Observaţie:
Avem P (X \ A) = P (A) P (X jA ) :Dacã A; B 2 K, P (A) 6= 0; P (B) 6= 0;
atunci
P (A \ B) = P (A) P (B jA ) = P (A) P (A jB ). Am obţinut un prim rezul-
tat care indicã comportamentul probabilitãţii faţã de intersecţie.
Propoziţia 1.4.1.
Fie ( ; K; P ) un câmp de probabilitate şi A 2 K cu P (A) 6= 0:
Atunci, aplicaţia PA : K ! R, PA (X) = P (X jA ) este de asemenea o
probabilitate pe K adicã ( ; K; PA ) este tot un câmp de probabilitate.
Observaţie:
Analog pornind de la -câmpul de probabilitate ( ; K; P ) şi A 2 K cu
P (A) 6= 0 se obţine -câmpul de probabilitate ( ; K; PA ) unde PA : K ! R,
PA (X) = P (X jA )
Propoziţia 1.4.2. (formula de înmulţire a probabilitãţilor)
Fie ( ; K; P ) un câmp de probabilitate şi A1 ; A2 ; :::; An 2 K astfel încât
n 1
P \ Ai 6= 0:Atunci:
i=1
!
n 1
P \ Ai = P (A1 ) P (A2 jA1 ) P (A3 jA1 \A2 ) :::P An n 1 :
i=1 \ Ai
i=1
De…niţia 1.4.2.
Fie ( ; K; P ) un câmp de probabilitate. Se spune cã evenimentele A1 ; A2 ; :::; An
2 K formeazã un sistem complet de evenimente dacã:
a) P (Ai ) 6= 0; 8i = 1; n
b) Ai \ Aj 6= 0; 8i; j = 1; n i 6= j
n
c) [ Ai = :
i=1
Observaţie:
A1 ; A2 ; :::; An 2 K formeazã un sistem complet de evenimente dacã şi numai
dacã la orice efectuare a experimentului se realizeazã unul şi numai unul dintre
evenimentele sistemului. Un exemplu banal de sistem complet de evenimente
este sistemul fA; CA g unde A 2 K, P (A) 6= 0: Renunţând la condiţia a) (cerutã
aici pentru comoditate) mulţimea tuturor evenimentelor elementare (poate … o
in…nitate mãsurabilã) ale unui câmp de evenimente oferã un alt exemplu de
sistem complet de evenimente.
Propoziţia 1.4.3.(formula probabilitãţii totale)
Fie ( ; K; P ) un câmp de probabilitate şi A1 ; A2 ; :::; An 2 K un sistem com-
plet de evenimente şi X 2 K. Atunci:
n
X
P (X) = P (Ai ) P (X jAi )
i=1

Propoziţia 1.4.4. (formula lui Bayes)


Fie ( ; K; P ) un câmp de probabilitate şi A1 ; A2 ; :::; An 2 K un sistem com-
plet de evenimente şi X 2 K
astfel încât P (X) 6= 0. Atunci, pentru orice j 2 f1; 2; :::; ng …xat, avem
44

P (Aj ) P X Aj
P (Aj jX ) = P
n
P (Ai ) P (X jAi )
i=1

De…niţia 1.4.3.
Fie ( ; K; P ) un câmp de probabilitate şi A; B 2 K. Se spune cã A şi B sunt
independente dacã

P (A \ B) = P (A) P (B)
Observaţie:
De…niţia independenţei a douã evenimente, la care s-a dat formula mai
sus, este echivalentã cu a…rmaţia cã A şi B sunt independente dacã nu se
condiţioneazã reciproc. Fie A; B 2 K astfel încât P (A) 6= 0; P (B) 6= 0 şi
A; B independente în sensul de…niţiei 1.5.3. Atunci:
P (A jB ) = P P(A\B)(B) =
P (A) P (B)
P (B) = P (A) şi P (B jA ) = P P(B\A)
(A) =
P (B) P (A)
P (A) =
P (B)
adicã faptul cã B nu condiţioneazã pe A este respins în relaţia P (A jB ) =
P (A) şi analog faptul cã Anu condiţioneazã pe B rezultã din egalitatea P (B jA ) =
P (B) :
Propoziţia 1.4.5.
Fie ( ; K; P ) un câmp de probabilitate şi A; B 2 K. Dacã A şi B sunt
independente, atunci CA şi B; CB şi A;
CA şi CB sunt de asemenea independente.
De…niţia 1.4.4.
Fie Fie ( ; K; P ) un câmp de probabilitate şi n 2 N; n 2: Se spune cã
evenimentele A1 ; A2 ; :::; An 2 K sunt independente (în totalitate) dacã oricare
ar … i1 ; i2 ; :::ir 2 N; 1 i < i2 < ::: < ir n
avem P (Ai1 \ Ai2 \ ::: \ Air ) = P (Ai1 )P (Ai2 ) :::P (Air ) unde r 2 N ; r
n:
Se spune cã evenimentele A1 ; A2 ; :::; An 2 K sunt independente k câte k
(k 2 N; 2 k n 1) dacã oricare k evenimente dintre A1 ; A2 ; :::; An sunt
independente în (totalitate). Se spune cã familia (Ai )i2I de evenimente din K
este formatã din evenimente independente(în totalitate) dacã orice subfamilie
…nitã a sa este formatã din evenimente independente (în totalitate).
Se spune cã familia (Ai )i2I de evenimente din K este formatã din evenimente
independente k câte k (k 2 N; k 2) dacã orice subfamilie …nitã cu cel puţin
k elemente este formatã din evenimente independente k câte k:
Incheiem acest paragraf cu trei exemple care sã ilustreze modul de utilizare al
formulelor tratate (formula de adunare şi respectiv înmulţire a probabilitãţilor,
formula probabilitãţii totale şi respectiv formula lui Bayes).
Exemplul 1
Dintre cei 20 de studenţi ai unei grupe, 6 cunosc limba englezã, 5 cunosc
limba francezã, 2 cunosc limba germanã. Care este probabilitatea ca un student,
luat la întâmplare din aceastã grupã, sã cunoascã o limbã strãinã (dintre cele
trei menţionate)?
Soluţie:
Considerãm evenimentele:
E - studentul considerat cunoaşte limba englezã,
F - studentul considerat cunoaşte limba francezã
45

G - studentul considerat cunoaşte limba germanã


X - studentul considerat vorbeşte o limbã strãinã (dintre cele trei)
6 5
Din de…niţia clasicã a probabilitãţii avem P (E) = 20 ; P (F ) = 20 ; P (G) =
2
20 :Cum X = E [ F [ G şi evenimentele E; F; G; nu sunt incompatibile douã
câte douã rezultã (formula lui Poincaré) cã:
P (X) = P (E [ F [ G) = P (E) + P (F ) + P (G) P (E \ F ) P (E \ G)
P (F \ G) + P (E \ F \ G)
Evenimentele E; F; G; sunt independente în totalitate şi deci:
P (X) = P (E) + P (F ) + P (G) P (E)P (F ) P (E)P (G) P (F )P (G) +
P (E)P (F )P (G) =
= 6+5+2
20
6 5+6 2+5 2
20 20 + 20620
52 13
20 = 20
52 3 211
400 + 400 = 400 :
Exemplul 2
Ournã conţine a bile albe şi b bile negre. Se xtrag succesiv, fãrã repunere
trei bile. Care este probabilitatea ca toate cele trei bile extrase sã …e albe
(presupunem a 3)?
Soluţie:
Considerãm evenimentele:
Ai - a i-a bilã extrasã a fost albã, i = 1; 3
X - toate cele trei bile extrase au fost albe
Avem X = A1 \ A2 \ A3 : Din formula de înmulţire a probabilitãţilor avem:
P (X) = P (A1 ) P (A2 jA1 ) P (A3 jA1 \A2 ). Utilizând de…niţia clasicã a prob-
abilitãţii obţinem:
a a 1 a 2
P (A1 ) = a+b ; P (A2 jA1 ) = a+b 1 ; P (A3 jA1 \A2 ) = a+b 2 : Si deci:
a a 1 a 2
P (X) = a+b a+b 1 a+b 2 :
Exemplul 3
Trei urne conţin bile albe şi bile negre în compoziţiile: U1 (a; b) ; U2 (c; d) ;
U3 (e; f ) : Se extrage o bilã din U3 şi dacã ea este albã se pune în U1 şi se
extrage o a doua bilã din U1 iar dacã este neagrã se pune în U2 şi a doua bilã
extrage din U2 : Sã se a‡e probabilitãţile ca:
a) a doua bilã extrasã sã …e albã,
b) prima bilã extrasã sã … fost albã dacã a doua bilã extrasã sã … fost neagrã.
Soluţie:
Considerãm evenimentele:
Ai - a i-a bilã extrasã a fost albã, (i = 1; 2)
Ni - a i-a bilã extrasã a fost neagrã, (i = 1; 2)
a) Se cere P (A2 ). Rezolvarea este un exemplu de utilizare a formulei
probabilitãţii totale cu sistemul complet de evenimente A1 ; N1 :Avem:
A2 = A2 \ = A2 \ (A1 [ N1 ) = (A2 \ A1 ) [ (A2 \ N1 )
Cum A2 \ A1 şi A2 \ N1 sunt incompatibile rezultã:
P (A2 ) = P (A2 \ A1 )+P (A2 \ N1 ) = P (A1 ) P (A2 jA1 )+P (N1 ) P (A2 jN1 ) =
e a+1 f c
e+f a+b+1 + e+f c+d+1
Analog:
e b f d+1
P (N2 ) = P (A1 ) P (N2 jA1 ) + P (N1 ) P (N2 jN1 ) = e+f a+b+1 + e+f c+d+1
(sau P (N2 ) = 1 P (A2 ))
b) Se cere P (A1 jN2 ) : Rezolvarea oferã un exemplu de utilizare a formulei lui
Bayes care permite interschimbarea raportului de condiţionare apriori-aposteori.
Probabilitatea P (A1 jN2 ) ne este mai puţin la îndemânã decât P (N2 jA1 ) iar
formula lui Bayes ne permite calculul lui P (A1 jN2 ) cu ajutorul lui P (N2 jA1 ) :
Avem:
46

e b
P (A1 ) P (N2 jA1 ) e+f a+b+1
P (A1 jN2 ) = = e b f d+1
P (N2 ) e+f a+b+1 + e+f c+d+1

1.5. Scheme clasice de probabilitate


Sub acest titlu vor … descrise anumite experimente aleatoare şi vor … cal-
culate probabilit¼ aţile unor evenimente ale acestora. Din multiple motive aceste
experimente aleatoare apar foarte des în aplicaţii. Tradiţional descrierea exper-
imentelor respective se face cu ajutorul unor urne din care se extrag bile.
În cele ce urmeaz¼ a vom înţelege prin urn¼ a o incint¼
a în care se a‡a¼ bile (sfere
identice ca m¼ arime şi greutate, dar putând avea culori diferite). Din exterior nu
se pot vedea culorile bilelor din urn¼ a, îns¼
a se consider¼ a c¼
a exist¼
a un mecanism
cu ajutorul c¼ aruia bilele pot … extrase din urn¼ a, bilele existente în urn¼a având
toate aceeaşi şans¼
a de a … extrase.

1.5.1. Schema urnei cu bila nerevenit¼


a
Urna U conţine a bile albe şi b bile negre. Din U se fac n extrageri succesive
de câte o bil¼ a f¼
ar¼a întoarcere, adic¼ a f¼
ar¼a a reintroduce în urn¼ a bilele extrase.
(S¼a remarc¼ am c¼a modul acesta de a extrage n bile din urna U este echivalent cu
extragerea celor n bile deodat¼ a.) Se pune problema determin¼ arii probabilit¼
aţii
k;l
evenimentului Xa;b c¼ a din cele n bile astfel extrase k sunt albe şi l = n k sunt
negre. (Evident c¼ a a; b; n; k şi l sunt numere naturale şi n a+b, k minfn; ag,
l minfn; bg.)
S¼a ne imagin¼ am c¼ a cele a + b bile existente în urna U ar … numerotate de la 1
la a + b. Experimentul aleator al extragerii celor n = k + l bile din aceast¼ a urn¼a
k+l
are Ca+b rezultate posibile egal probabile. Dintre acestea, favorabile realiz¼ arii
k;l
evenimentului Xa;b sunt Cak Cbl c¼ aci k bile dintre cele a bile albe existente în urn¼a
k
pot … alese în Ca moduri diferite, …ec¼ arei asemenea alegeri corespunzându-i Cbl
moduri diferite de alegere a l bile dintre cele b bile negre existente în urna U .
S¼a not¼am
k;l
Pa;b (k; l) = P (Xa;b ):
Dup¼ a de…niţia clasic¼
a a probabilit¼aţii se obţine
CkCl
(1.5.2) Pa;b (k; l) = ak+lb :
Ca+b
Observaţie. Din cauza asem¼ an¼arii membrului drept al relaţiei (1.5.1) cu
termenul general al seriei hipergeometrice, schema urnei cu bila nerevenit¼ a se
mai numeşte schema hipergeometric¼ a.
Exemplu. Urna U conţine 3 bile albe şi 2 bile negre. Din U se extrag
deodat¼ a 3 bile (sau - echivalent - se fac 3 extrageri succesive de câte o bil¼ a f¼
ar¼
a
întoarcere). S¼ a se calculeze probabilitatea evenimentului A c¼ a cel mult dou¼ a din
bilele astfel extrase sunt albe.
Este clar c¼a evenimentul A se realizeaz¼ a dac¼a din cele trei bile extrase din U
exact dou¼ a sunt albe, sau exact una este alb¼ a, sau nici una nu este alb¼ a, adic¼a
2;1 1;2 0;3
A = X3;2 [ X3;2 [ X3;2 :
47

Evenimentele reunirii care d¼


a evenimentul A sunt evident dou¼
a câte dou¼
a
incompatibile, deci
2;1 1;2 0;3
P (A) = P (X3;2 ) + P (X3;2 ) + P (X3;2 )=

= P3;2 (2; 1) + P3;2 (1; 2) + P3;2 (0; 3):


0;3
Dar X3;2 = ; deoarece este imposibil ca din urna U s¼ a …e extrase (f¼ ar¼
a
întoarcere) 3 bile negre, ea conţinând doar 2 asemenea bile. Atunci P3;2 (0; 3) =
0;3
P (X3;2 ) = P (;) = 0 şi deci

C32 C21 C1 C2
P (A) = P3;2 (2; 1) + P3;2 (1; 2) = 3 + 3 3 2 =
C5 C5
3 2 3 1 9
= + = = 0; 9:
10 10 10

1.5.2. Schema urnei cu bila nerevenit¼


a cu mai multe st¼
ari
O generalizare natural¼ a a schemei precedente se obţine considerând c¼ a în
urn¼ a se g¼
asesc bile de mai mult decât dou¼ a culori (st¼
ari), s¼a zicem de s culori.
Urna U conţine ai bile de culoarea ci , i = 1; s. Din U se fac n extrageri suc-
cesive de câte o bil¼a f¼
ar¼
a întoarecere (ceea ce este echivalent cu extragerea celor
n bile deodat¼ a). Se cere probabilitatea evenimentului Xak11;a ;k2 ;:::;ks
2 ;:::;as
c¼a dintre cele n
bile extrase ki sunt de culoarea ci , i = 1; s. (Evident c¼a a1 ; a2 ; : : : ; as ; k1 ; k2 ; : : : ; ks
Ps
şi n sunt numere naturale şi c¼a ki = n şi ki minfai ; ng, i = 1; s.)
i=1
În acest caz num¼ arul total de evenimente elementare ale experimentului
aleator este Cak11+a
+k2 + +ks
2 + +as , iar num¼ arul evenimentelor elementare favorabile eveni-
mentului Xak11;a
;k2 ;:::;ks
2 ;:::;a s
este C k1 k2
a1
Ca2
: : : Cakss .

a not¼am

P (Xak11;a
;k2 ;:::;ks
2 ;:::;as
) = Pa1 ;a2 ;:::;as (k1 ; k2 ; : : : ; ks ):
De…niţia clasic¼
a a probabilit¼
aţii d¼
a
Cak11 Cak22 : : : Cakss
(1.5.2’) Pa1 ;a2 ;:::;as (k1 ; k2 ; : : : ; ks ) =
Cak11+a
+k2 + +ks
2 + +as
Exemplu. Dintre cele 10 bilete ale unei loterii unul este câştig¼ ator cu
10000 u.m., dou¼ a sunt câştig¼atoare cu câte 5000 u.m., trei sunt câştig¼ atoare
cu câte 1000 u.m. şi patru sunt nec¼ aştig¼
atoare. Un juc¼ ator cump¼ ar¼
a patru
bilete din aceast¼
a loterie. S¼a se calculeze probabilitatea p ca dintre cele patru
bilete cump¼arate unul s¼a …e câştig¼
ator cu 5000 u.m., dou¼ a s¼a …e câştig¼atoare cu
câte 1000 u.m. şi unul s¼a …e necâştig¼
ator.
Probabilitatea c¼
autat¼ a poate … calculat¼ a utilizând relaţia (1.5.2) şi se obţine

C10 C21 C32 C41 1 2 3 4 24 4


p = P1;2;3;4 (0; 1; 2; 1) = 4 = = = 0; 114:
C10 210 210 35

1.5.3. Schema urnei cu bila revenit¼


a
48

Urna U conţine bile de dou¼ a culori (albe şi negre). Compoziţia urnei este
cunoscut¼ a în sensul c¼a se cunoaşte probabilitatea ca o bil¼ a extras¼ a din U s¼ a …e
alb¼ a (…e aceast¼ a probabilitate p) şi probabilitatea ca o bil¼a extras¼ a din U s¼a …e
neagr¼ a (o not¼am cu q, q = 1 p). Din U se efectueaz¼ a n extrageri succesive
de câte o bil¼ a cu întoarcere (adic¼ a dup¼ a extragerea oric¼ arei bile şi observarea
culorii ei, bila extras¼ a este reintrodus¼ a în urn¼a înaintea extragerii urm¼ atoare).
Se cere probabilitatea evenimentului Xnk c¼ a dintre cele n bile astfel extrase k
sunt albe (atunci restul de n k bile sunt negre). Evident k şi n sunt numere
naturale şi k n.
Fie Ai evenimentul c¼ a la cea de a i-a extragere se obţine bil¼ a alb¼a, i = 1; n.
Deoarece dup¼ a …ecare extragere bila este reintrodus¼ a în urn¼ a, rezult¼a c¼
a la orice
extragere (deci şi la a i-a) probabilitatea de a se obţine bil¼ a alb¼a este P (Ai ) = p
şi probabilitatea de a se obţine bil¼ a neagr¼a este P (Ai ) = q.
Dac¼ a, de exemplu la primele k extrageri se obţin bile albe iar la ultimele n k
extrageri se obţin bile negre, atunci este evident c¼ a se realizeaz¼ a evenimentul
Xnk . Evenimentul c¼ a la primele k extrageri se obţin bile albe şi la ultimele n k
extrageri se obţin bile negre este

X1;2;:::;k = A1 \ A2 \ \ Ak \ Ak+1 \ Ak+2 \ \ An :


Din cauza reintroducerii în urn¼ a a bilelor extrase dup¼ a …ecare extragere,
evenimentele A1 ; A2 ; : : : ; Ak ; Ak+1 ; Ak+2 ; : : : ; An sunt total independente şi deci

P (X1;2;:::;k ) = P (A1 )P (A2 ) : : : P (Ak )P (Ak+1 )P (Ak+2 ) : : : P (An ) =

= p : p : : : : : p q : q : : : : : q = pk q n k
:
| {z } | {z }
k f actori n k f actori

Dar evenimentul Xnk se realizeaz¼ a dac¼a cele k bile albe se obţin în oricare k
dintre cele n extrageri. Fie fi1 ; i2 ; : : : ; ik g o submulţime de k elemente a mulţimii
f1; 2; : : : ; ng şi fik+1 ; ik+2 ; : : : ; in g = f1; 2; : : : ; ng n fi1 ; i2 ; : : : ; ik g. Atunci
(1.5.3) Xnk = [ Ai1 \ Ai2 \ ::: \ Aik \ Aik+1 \ Aik+2 \ \ Ain
reunirea f¼ acându-se dup¼ a toate submulţimile distincte fi1 ; i2 ; : : : ; ik g ale
mulţimii f1; 2; : : : ; ng. Num¼ arul acestor submulţimi este (dup¼ a cum se ştie)
Cnk .
Este evident c¼ a termenii reunirii din membrul drept al relaţiei (1.5.3) sunt
evenimente dou¼ a câte dou¼ a incompatibile, deci

P (Xnk ) = P ([(Ai1 \ Ai2 \ \ Aik \ Aik+1 \ Aik+2 \ \ Ain )) =

X
= P (Ai1 \ Ai2 \ \ Aik \ Aik+1 \ Aik+2 \ \ Ain ) =

X
= P (Ai1 )P (Ai2 ) : : : P (Aik )P (Aik+1 )P (Aik+2 ) : : : P (Ain ) =

X X
= p:p:::p: q:q:::q = pk q n k
:
| {z } | {z }
k f actori n k f actori
49

Cum sumele precedente au, ca şi reunirea din (1.5.3), Cnk termeni se obţine

P (Xnk ) = Cnk pk q n k
:
Convenim a nota

P (Xnk ) = Pn (k)
şi atunci
(1.5.4) Pn (k) = Cnk pk q n k :
Observaţie. Cum membrul drept al relaţiei (1.5.4) este coe…cientul lui tk
din dezvoltarea cu formula binomului lui Newton a lui (pt + q)n , schema urnei
cu bila revenit¼ a se mai numeşte schema binomial¼ a. Aceast¼ a schem¼a este nu-
mit¼ a şi schema lui Bernoulli. Esenţial în schema urnei cu bila revenit¼ a este
faptul c¼ a, din cauza reintroducerii bilei în urn¼ a dup¼ a …ecare extragere, rezul-
tatele extragerilor sunt evenimente total independente şi din acest motiv ea este
uneori numit¼ a schema extragerilor (probelor) repetate şi independente,
iar schema urnei cu bila nerevenit¼ a este numit¼a atunci schema extragerilor (pro-
belor) repetate şi dependente.
Exemplu. Urna U conţine 2 bile albe şi 3 bile negre. Din U se fac 6 extrageri
succesive de câte o bil¼ a cu întoarcerea bilei în urn¼ a dup¼a …ecare extragere. S¼ a
se calculeze probabilitatea ca 4 dintre cele 6 bile extrase s¼ a …e albe, iar 2 s¼
a …e
negre.
Cum la …ecare extragere putem obţine oricare dintre cele 2 + 3 = 5 bile ex-
istente în urn¼ a, …ecare extragere este un experiment aleator care genereaz¼ a câte
un câmp de evenimente cu 5 rezultate posibile echiprobabile. Atunci, folosind
de…niţia clasic¼ a a probabilit¼ aţii, g¼
asim c¼a probabilitatea ca la oricare din cele 6
2
extrageri s¼ a se obţin¼
a o bil¼a alb¼a este p = , iar probabilitatea ca la oricare din
5
3
cele 6 extrageri s¼ a se obţin¼
a o bil¼a neagr¼ a este q = .
5
Probabilitatea ca 4 din cele 6 bile extrase s¼ a …e albe şi 2 s¼
a …e negre este
deci
4 2
2 3 16 9 432
P6 (4) = C64 = 15 = = 0; 13824:
5 5 625 25 3125
Observaţie. Din schema urnei cu bila revenit¼ a se obţine urm¼atoarea schem¼ a
numit¼a schema lui Pascal.
S¼a presupunem c¼ a urna U conţine bile albe şi negre. Fie p probabilitatea
ca o bil¼
a extras¼a din U s¼
a …e alb¼a şi q = 1 p probabilitatea ca o bil¼ a extras¼a
din U s¼a …e neagr¼ a. Se cere probabilitatea evenimentului Ynk ca la efectuarea
a n extrageri succesive de câte o bil¼ a cu întoarcere din urna U s¼ a se obţin¼
a
k bile albe şi n k bile negre, iar a n-a bil¼ a extras¼a din U s¼ a …e alb¼
a (adic¼a
probabilitatea ca cea de a k-a bil¼ a alb¼ a s¼
a se obţin¼
a dup¼ a ce au fost extrase
n k bile negre).
F¼ar¼
a di…cultate se obţine c¼
a probabilitatea acestui eveniment este

P (Ynk ) = P (Xnk 1
1 \ An ):
Deoarece rezultatul unei extrageri nu este in‡uenţat de rezultatele extrage
rilor precedente (bila …ind reintrodus¼
a în urn¼
a dup¼
a …ecare extragere) avem
50

P (Ynk ) = P (Xnk 1
1 )P (An ) = Pn 1 (k 1)p =

= Cnk 1 k 1 (n 1) (k 1)
1p q p = Cnk 1 k n k
1p q :
Observaţie. Din schema lui Pascal se obţine ca un caz particular schema
geometric¼ a luând k = 1. Probabilitatea ca efectuând n extrageri succesive de
câte o bil¼a cu întoarcere din urna U (cunoscut¼ a în sensul c¼a se ştie c¼
a proba-
bilitatea ca o bil¼
a extras¼
a din U s¼a …e alb¼
a este p, iar probabilitatea ca o bil¼ a
extras¼a din U s¼a …e neagr¼
a este q = 1 p) s¼ a se obţin¼
a pentru prima dat¼ a bil¼
a
alb¼a în cea de a n-a extragere este

P (Yn1 ) = P (Xn0 1 \ An ) = P (Xn0 1 )P (An ) =

= Pn 1 (0)p = Cn0 1p
0 n 1 0
q p = pq n 1
:
Denumirea de schema geometric¼ a provine de la faptul c¼a probabilitatea
pq n 1
este al n-lea termen al progresiei geometrice cu primul termen p şi raţia
q.

1.5.4. Schema urnei cu bila revenit¼


a cu mai multe st¼
ari

Aceast¼ a schem¼a este o generalizare natural¼ a a schemei urnei cu bila revenit¼ a,


ea referindu-se la extrageri cu întoarcere dintr-o urn¼ a în care exist¼
a bile de mai
mult decât dou¼ a culori.
Urna U conţine bile de s culori: c1 ; c2 ; : : : ; cs , s 2 N, s > 2. Compoziţia
urnei U este cunoscut¼ a în sensul c¼ a se cunoaşte probabilitatea ca o bil¼ a extras¼
a
din U s¼a aib¼ a culoarea ci , i = 1; s. Fie aceast¼
a probabilitate pi . Evident pi > 0,
Ps
i = 1; s şi pi = 1.
i=1
Din U se fac n extrageri succesive de câte o bil¼ a cu întoarcere (adic¼a, dup¼a
extragerea oric¼
arei bile şi observarea culorii ei, bila extras¼
a este reintrodus¼a în
urn¼
a înaintea extragerii urm¼ atoare).
Se cere probabilitatea evenimentului Xnk1 ;k2 ;:::;ks c¼
a dintre cele n bile astfel
extrase ki s¼
a …e de culoarea ci , i = 1; s. Evident 0 ki n, i = 1; s şi
Ps
ki = n.
i=1
Dac¼ a Aij este evenimentul c¼ a la a j-a extragere se obţine bil¼
a de culoarea ci ,
i
atunci evident P (Aj ) = pi , i = 1; s, j = 1; n.
Evenimentul c¼ a în extragerile i1 ; i2 ; : : : ; ik1 se obţin bile de culoarea c1 , în
extragerile ik1 +1 ; ik1 +2 ; : : : ; ik1 +k2 se obţin bile de culoarea c2 ; : : : , în extrage-
rile ik1 +k2 + +ks 1 +1 , ik1 +k2 + +ks 1 +2 ; : : : , ik1 +k2 + +ks 1 +ks se obţin bile de
culoarea cs este

A1i1 \ A1i2 \ \ A1ik \ A2ik \ A2ik +2 \ \ A2ik \ \


1 1 +1 1 1 +k2

\Asik \ Asik \ \ Asin :


1 +k2 + +ks 1 +1 1 +k2 + +ks 1 +2

Atunci
51

Xnk1 ;k2 ;:::;ks = [(A1i1 \ \ A1ik \ A2ik \ \ A2ik \


1 1 +1 1 +k2
(1.5.5)
\ \ Asik + +k +1 \ \ Asin );
1 s 1
reunirea f¼ acându-se dup¼ a toate grup¼ arile posibile ale numerelor naturale
1; 2; : : : ; n în s grupe formate respectiv din k1 ; k2 ; : : : ; ks numere.
Pentru determinarea num¼ arului acestor grup¼ ari se poate proceda în modul
urm¼ ator:
- Exist¼ a n locuri dispuse în s grupe, locuri care trebuiesc ocupate cu numerele
naturale 1; 2; : : : ; n astfel ca în prima grup¼ a s¼
a existe k1 numere, în a doua grup¼ a

a existe k2 numere, . . . , în a s-a grup¼ a s¼
a existe ks numere.
- Din cele n numere naturale 1; 2; : : : ; n pot … formate Cnk1 grup¼ ari distincte
pentru a ocupa cele k1 locuri din prima grup¼ a.
- Apoi din cele n k1 numere r¼ amase pot … formate Cnk2 k1 grup¼ ari distincte
pentru a ocupa cele k2 locuri din grupa a doua şi aşa mai departe.
- Atunci num¼ arul total al acestor grup¼ ari este

Cnk1 Cnk2 k1 : : : Cnks k1 k2 ks 1


=

n! (n k1 )! (n k1 k2 ::: ks 1 )!
= =
k1 ! (n k1 )! k2 ! (n k2 )! ks ! (n k1 k2 ::: ks 1 ks )!

n!
=
k1 !k2 !:::ks !
deoarece (n k1 k2 : : : ks 1 ks )! = (n n)! = 0! = 1.
Deci num¼ arul termenilor reunirii din membrul drept al relaţiei (1.5.5) este
n!
.
k1 !k2 !:::ks !
Este evident c¼ a termenii reunirii din membrul drept al relaţiei (1.5.5) sunt
evenimente dou¼ a câte dou¼ a incompatibile, deci
k1 ;k2 ;:::;ks
P P (X 1
n )=
(1.5.6) = P (Ai1 \ \ A1ik \ A2ik +1
1 1
\ \ A2ik +k \ \ Asik + +k +1 \ \ Asin )
1 2 1 s 1
însumarea f¼
acându-se dup¼ a aceeaşi regul¼
a cu reunirea din (1.5.5).
Dar evenimentele intersecţiei

A1i1 \ \ A1ik \ A2ik \ \ A2ik \ \ Asik \ \ Asin


1 1 +1 1 +k2 1+ +ks 1 +1

sunt total independente din cauza faptului c¼a bila extras¼


a din urn¼
a este reintro-
dus¼
a în urn¼a înaintea extragerii urm¼
atoare, deci

P (A1i1 \ \ A1ik \ A2ik \ \ A2ik \ \ Asik \ \ Asin ) =


1 1 +1 1 +k2 1+ +ks 1 +1

= P (A1i1 ) : : : P (A1ik )P (A2ik ) : : : P (A2ik ) : : : P (Asik ) : : : P (Asin ) =


1 1 +1 1 +k2 1+ +ks 1 +1
52

= p1 : : : p 1 p2 : : : p2 : : : ps : : : ps = pk11 pk22 : : : pks s :


| {z } | {z } | {z }
k1 f actori k2 f actori ks f actori

Vom utiliza notaţia

P (Xnk1 ;k2 ;:::;ks ) = Pn (k1 ; k2 ; : : : ; ks ):


Atunci din relaţia (1.5.6) se obţine
n!
(1.5.7) Pn (k1 ; k2 ; : : : ; ks ) = pk1 pk2 : : : pks s :
k1 !k2 !:::ks ! 1 2
Remarc¼ am c¼ a dac¼a în (1.5.7) lu¼
am s = 2 şi not¼ am p1 = p, p2 = 1 p = q,
k1 = k şi k2 = n k se obţine membrul drept al relaţiei (1.5.4) ceea ce este
natural.
Observaţie. Deoarece membrul drept al relaţiei (1.5.7) este coe…cientul lui
tk11 tk22 : : : tks s din dezvoltarea lui (p1 t1 + p2 t2 + + ps ts )n , schema urnei cu bila
revenit¼ a cu mai multe st¼ ari se mai numeşte schema polinomial¼ a sau schema
multinomial¼ a.
Exemplu. Urna U conţine 2 bile roşii, 4 bile albe şi 3 bile albastre. Din U
se fac 6 extrageri succesive de câte o bil¼ a cu întoarcere. Se cere probabilitatea ca
dintre cele 6 bile extrase una s¼ a …e roşie, dou¼
a s¼a …e albe şi trei s¼ a …e albastre.
2 4 3
Avem evident p1 = , p2 = , p3 = , n = 6, k1 = 1, k2 = 2 şi k3 = 3, deci
9 9 9
probabilitatea cerut¼ a este
1 2 3
6! 2 4 3
P6 (1; 2; 3) = 0; 0325:
1!2!3! 9 9 9

1.5.5. Schema urnelor lui Poisson


Schema urnelor lui Poisson este o alt¼ a generalizare a schemei urnei cu bila
revenit¼ a.
Experimentul de la schema urnei cu bila revenit¼ a studiat¼ a la 1.5.3 poate
… imaginat şi în modul urm¼ ator: exist¼ a n urne U1 ; U2 ; : : : ; Un cu compoziţii
identice, din …ecare urn¼ a se extrage câte o bil¼ a şi se caut¼a probabilitatea eveni-
mentului c¼ a dintre cele n bile astfel extrase k sunt albe.
O generalizare a acestui experiment se obţine considerând c¼ a cele n urne au
compoziţii diferite.
S¼a presupunem date urnele U1 ; U2 ; : : : ; Un şi c¼ a aceste urne conţin bile albe şi
negre, compoziţiile urnelor sunt cunoscute în sensul c¼ a se ştie c¼
a probabilitatea
ca o bil¼ a extras¼ a din Ui s¼ a …e alb¼ a este pi , i = 1; n (atunci probabilitatea ca o
bil¼a extras¼a din Ui s¼ a …e neagr¼ a este qi = 1 pi , i = 1; n). Se extrage câte o bil¼ a
din …ecare din cele n urne şi se cere probabilitatea evenimentului X k c¼ a dintre
cele n bile astfel extrase k sunt albe şi n k negre.
Evident 0 < pi < 1, i = 1; n şi 0 k n.
Dac¼ a Ai este evenimentul c¼ a bila extras¼ a din Ui este alb¼ a atunci P (Ai ) = pi
şi P (Ai ) = 1 pi = qi .
Evenimentul a c¼ arui probabilitate se cere poate … scris
(1.5.8) X k = [(Ai1 \ Ai2 \ \ Aik \ Aik+1 \ Aik+2 \ \ Ain );
unde (i1 ; i2 ; : : : ; in ) este o permutare a numerelor 1; 2; : : : ; n, iar reunirea se
face dup¼ a toate aceste permut¼ ari.
53

Deoarece evenimentele Ai1 ; Ai2 ; : : : ; Aik ; Aik+1 ; Aik+2 ; : : : ; Ain sunt total in-
dependente (ele referindu-se la rezultate ale unor extrageri din urne diferite), se
obţine

P (Ai1 \ Ai2 \ \ Aik \ Aik+1 \ Aik+2 \ \ Ain ) =

= P (Ai1 )P (Ai2 ) : : : P (Aik )P (Aik+1 )P (Aik+2 ) : : : P (Ain ) =

= pi1 pi2 : : : pik qik+1 qik+2 : : : qin :


Evenimentele reunirii din membrul drept al relaţiei (1.5.8) …ind incompati-
bile dou¼
a câte dou¼
a rezult¼ a P (X k ) va … suma produselor
a c¼

pi1 pi2 : : : pik qik+1 qik+2 : : : qin


pentru toate permut¼ arile (i1 ; i2 ; : : : ; in ) ale numerelor naturale 1; 2; : : : ; n.
Se constat¼ a uşor c¼
a suma aceasta este egal¼ a cu coe…cientul lui tk din polino-
mul de gradul n în t (p1 t+q1 )(p2 t+q2 ) : : : (pn t+qq ), astfel încât probabilitatea
P (X k ) este dat¼
a de relaţia
Pn Q
n
(1.5.9) P (X k )tk = (pi t + qi ):
k=0 i=1
Remarc¼am faptul c¼ a dac¼
a în schema urnelor lui Poisson consider¼ am toate
a pi = p, qi = q, i = 1; n) atunci relaţia (1.5.9) devine
cele n urne identice (adic¼
n
X
P (X k )tk = (pt + q)n ;
k=0

astfel încât

P (X k ) = Cnk pk q n k
;
adic¼a P (X k ) = Pn (k) dat de relaţia (1.5.4).
Exemplu. O întreprindere agricol¼ a cultiv¼
a grâu în 3 ferme. Din date statis-
tice se ştie c¼
a probabilitatea ca într-un an oarecare producţia de grâu la hectar

a dep¼ aşeasc¼
a 3000 kg este p1 = 0; 5 la prima ferm¼ a, p2 = 0; 4 la a doua şi
p3 = 0; 6 la ferma a treia. Se cere probabilitatea evenimentului X c¼ a într-un
anumit an producţia de grâu la hectar s¼ a dep¼aşeasc¼
a 4000 kg la cel puţin dou¼a
din cele trei ferme.
S¼a not¼ am cu X k evenimentul c¼ a exact în k dintre cele 3 ferme producţia
de grâu în anul respectiv dep¼ aşeşte 3000 kg la hectar, k = 0; 3. Se observ¼ a c¼
a
evenimentul X k este de tipul celor descrise în schema urnelor lui Poisson.
Vom avea

P (X) = P (X 2 [ X 3 ) = P (X 2 ) + P (X 3 ):
Relaţia (1.5.9) ne d¼
a

(0; 4t + 0; 6)(0; 5t + 0; 5)(0; 6t + 0; 4) =

= 0; 12 + 0; 38t + 0; 38t2 + 0; 12t3 ;


54

a P (X 2 ) = 0; 38 şi P (X 3 ) = 0; 12, deci


astfel c¼

P (X) = 0; 38 + 0; 12 = 0; 50:

UNITATEA 2. Variabile aleatoare. Repartitii clasice


de probabilitate
2.1. Variabile aleatoare
Pân¼ a acum evenimentele au fost studiate mai întâi din punct de vedere
calitativ iar o dat¼
a cu introducerea probabilit¼ aţilor şi din punct de vedere can-
titativ. Studiul se extinde prin considerarea unei noţiuni noi, aceea de variabil¼ a
aleatoare, variabil¼a care va juca un rol similar în teoria probabilit¼ aţilor ca şi
variabila din cadrul analizei matematice sau din alt¼ a parte a matematicii.
În cazul variabilelor aleatoare valorile vor … luate dintr-o anumit¼ a mulţime
nu în mod cert ci numai cu o anumit¼ a probabilitate. Ca notaţie pentru vari-
abila aleatoare se utilizeaz¼
a de obicei literele mari sau pot … utilizate şi literele
greceşti: ; ::::
Consider¼ am un câmp de probabilitate ( ; K; P )
De…nitia 1. Se numeşte variabil¼a aleatoare real¼a orice aplicaţie

X: !R

aplicaţie care asociaz¼a …ec¼arei probe ! un num¼ar real X (!) ;

! 7 ! X (!)

astfel încât
1
X ( 1; x) 2 K 8x 2 R:
Aici, prin X 1 ( 1; x) am notat evenimentul identi…cat cu mulţimea pro-
belor ! 2 astfel încât X (!) < x :

1
X ( 1; x) = f!; ! 2 ; X (!) < xg :
Observatia 1. În cele ce urmeaz¼a vom avea în vedere dou¼a categorii de
variabile aleatoare şi anume:
- variabile aleatoare de tip discret
- variabile aleatoare de tip continuu
Variabilele aleatoare de tip discret sunt variabile aleatoare pentru care mulţimea
valorilor (codomeniul lui X) este o mulţime …nit¼a sau num¼arabil¼a de forma

M = fxi jxi 2 R gi2I ; I N:

Variabila aleatoare de tip continuu este variabila aleatoare a c¼arui codomeniul


M este un interval M = [a; b] R închis sau nu.
Exemplul 2. Not¼ am cu X variabila aleatoare care reprezint¼ a suma punctelor
obţinute la aruncarea a dou¼ a zaruri. Atunci

M = f2; 3; 4; 5; 6; :::; 11; 12g :


55

Exemplul 3. Fie = f! 1 ; ! 2 ; ! 3 g; K = f;; f! 1 g; f! 2 ; ! 3 g; g; M =


fx1 ; x2 g R; x1 < x2 :
Ar¼at¼ am c¼a X : ! M; X(! 1 ) = x1 ; X(! 2 ) = x2 ; X(! 3 ) = x2 este o
variabil¼ a aleatoare.
X 1 (( 1; x)) = ; pentru orice x x1 ;
X 1 (( 1; x)) = f! 1 g pentru orice x1 < x x2 ;
X 1 (( 1; x)) = f! 2 ; ! 3 g pentru orice x > x2 .
De…nitia 4. Dac¼a X este o variabil¼a aleatoare de tip discret atunci numim
funcţie de probabilitate şi o not¼am cu fX : M ! R funcţia care asociaz¼a
…ec¼arui xi 7 ! fX (xi ) = P (fX = xi g) unde fX = xi g reprezint¼a evenimentul
ca variabila aleatoare discret¼a X ia valoarea xi :
Observatia 5. Atunci când nu e pericol de confuzie indicele X de la funcţia
f se va omite şi vom nota f (xi ) cu pi , unde pi reprezint¼a probabilitatea eveni-
mentului ca variabila X s¼a ia valoarea xi : Se constat¼a f¼ar¼a greutate c¼a sistemul
de evenimente fX = xi gi2I este un sistem complet de evenimente şi atunci vor
… îndeplinite întodeauna urm¼atoarele dou¼a condiţii:
( P
pi = 1
i2I
pi 0; i 2 I

Astfel variabilei aleatoare de tip discret X i se asociaz¼a un tabel (tablou) de


repartiţie (distribuţie) de forma:

xi x1 x2 ::: xn :::
X: sau detaliat X : :
pi i2I
p1 p2 ::: pn :::

Se vede c¼ a repartiţia (distribuţia) conţine pe prima linie valorile pe care


variabila aleatoare le ia, de obicei scrise o singur¼ a dat¼
a şi în ordine cresc¼ atoare,
iar pe linia a doua sunt trecute probabilit¼ aţile cu care variabila aleatoare X ia
valoarea corespunz¼ atoare (pi ).
Exemplul 6. Revenim la primul exemplu din aceast¼ a secţiune şi cerem în
plus s¼
a construim distribuţia acestei variabile aleatoare:

2 3 4 5 6 7 8 9 10 11 12
X= 1 2 3 4 5 6 5 4 3 2 1 :
36 36 36 36 36 36 36 36 36 36 36

2.2. Operaţii cu variabile aleatoare de tip discret

Ca şi cu variabilele obişnuite şi cu variabilele aleatoare se pot face operaţii.


Pentru …ecare nou¼ a variabil¼a obţinut¼ a dup¼a efectuarea operaţiilor trebuie s¼a
cunoaştem tabloul de repartiţie:
1. Adunarea unei variabile aleatoare X cu un num¼ ar constant: C + X

C + xi
C +X :
pi i2I

2. Înmulţirea unei variabile cu o constant¼


a

C xi
CX :
pi i2I
56

3. Ridicarea la putere. Fie k 2 N

xki
Xk :
pi i2I

când au sens xki


se poate lua k 2 Z sau chiar k 2 R.
4. Suma a dou¼
a variabile aleatoare X; Y : X + Y

xi yi xi + yj
X: ;Y : =) X + Y :
pi i2I
qi i2I
Pij i2I; j2J

unde
Pij = P [fX = xi g \ fY = yj g]
Caz particular: Atunci când X şi Y sunt independente

fX = xi g şi fY = yj g 8 (i; j) 2 I J

vor … tot independente deci Pij este produsul:

Pij = pi qj :

4. Produsul a dou¼
a variabile aleatoare

xi yj
XY : Pij = P [fX = xi g \ fY = yj g]
Pij i2I; j2J

Exemplul 7. Se consider¼
a variabilele aleatoare de distribuţii

1 0 2 2 1
X: Y :
0:3 0:5 0:2 0:4 0:6

Presupunem c¼ a acestea sunt independente. S¼ a se efectueze urm¼


atoarele operaţii:
2X; 3 + Y; X 4 ; X + Y; X Y; X Y :
2 0 4
2X : ;
0:3 0:5 0:2
1 4
3+Y : ;
0:4 0:6
0 1 16
X4 : ;
0:5 0:3 0:2
3 0 2 1 0 3
X +Y :
0:12 0:18 0:2 0:3 0:08 0:12
3 2 0 1 3
X +Y : ;
0:12 0:2 0:26 0:3 0:12
1
1
Y 1: 2 ;
0:4 0:6
1 1
X 1 ( 1) 2 = 2 ( 1) 1 = 1 0 0 1 2
Y = X Y :
0:12 0:18 0:2 0:3 0:08 0:12
1
X 1 0 2 2
Y :
0:26 0:5 0:12 0:12

2.3. Funcţia de repartiţie


57

Studiul variabilelor aleatoare se poate considera şi prin intermediul unei


noi funcţii asociate variabilei aleatoare. Aceast¼
a funcţie numit¼ a uneori funcţie
„cumulativ¼ a a probabilit¼
aţilor” are o serie de propriet¼ aţi foarte uşor de ex-
ploatat.mai ales când e vorba de a evalua probabilit¼ aţile unor evenimente con-
struite cu variabile aleatoare.
Fie X o variabil¼a aleatoare discret¼a.
De…nitia 8. Se numeşte funcţie de repartiţie asociat¼a lui X şi se noteaz¼a
cu FX : R ! [0; 1] ; funcţia care asociaz¼a x 7 ! FX (x) ; de…nit¼a prin:
def
FX = P (fX < xg) :

Observatia 9. Atunci când nu exist¼a pericolul de confuzie se va renunţa la


indicele X şi la acoladele din membrul drept:

F (x) = P (X < x) :

Exemplul 10. S¼ a construim funcţia de repartiţie pentru variabila aleatoare


X din exemplul 7
Studiem …ecare caz în parte:

x 1 =) F (x) = P (X < x) = P (;) = 0


1 < x 0 =) F (x) = P (X < x) = P (x = 1) = 0:3
0 < x 2 =) F (x) = P (X < x) = P (fx = 1g [ fx = 0g) =
= 0:3 + 0:5 = 0:8
x > 2 =) F (x) = P (X < x) = 1

deci putem scrie:


8
>
0;
> x 1
<
0:3; 1<x 0
=) F (x) = :
> 0:8;
> 0<x 2
:
1; x>2

Propriet¼
aţi ale funcţiei de repartiţie:
Folosind doar de…niţia şi propriet¼ aţi ale probabilit¼
aţilor se deduc urm¼
atoarele
propriet¼
aţi ale funcţiei de repartiţie:
1. 0 F (x) 1:
2. F ( 1) = lim F (x) = 0:
x! 1
3. F (+1) = lim F (x) = 1:
x!+1
atoare: 8 x0 ; x00 2 R
3. F cresc¼

x0 < x00 =) F (x0 ) F ( x00 ) :

4. F este continu¼
a la stânga 8 x 2 R,

F (x ) = F (x 0) = lim F (x) :
x!0
x<x

5. 8 x0 ; x00 2 R ; cu x0 < x00 :


58

P (x0 X < x00 ) = F (x00 ) F (x0 ) :

2.4. Variabile de tip continuu


În aplicaţii variabilele aleatoare de tip discret nu sunt întotdeauna su…ciente.
Într-adev¼ar exist¼ a probleme care sunt descrise de variabile aleatoare care nu sunt
discrete.
Exemplul 11. Greutatea unui produs e reprezentat¼ a printr-o variabil¼
a
aleatoare care ia orice valoare dintr-un anumit interval: Este nevoie s¼ a se aib¼
a
în vedere o variabil¼ a aleatoare de tip continuu.
De…nitia 12. Variabila aleatoare real¼a X este de tip continuu dac¼a funcţia
sa de repartiţie F este dat¼a printr-o relaţie de forma:
Zx
F (x) = f (t) dt
1

f …ind o funcţie integrabil¼a pe orice interval de forma ( 1; x); x 2 R.


Funcţia de repartiţie a unei variabile aleatoare de tip continuu se bucur¼ a de
aceleaşi propriet¼ aţi ca şi în cazul variabilelor aleatoare de tip discret precum şi
de propriet¼ aţi speci…ce.
Observatia 13. Din de…niţia de mai sus şi având în vedere propriet¼aţile
integralelor avem:
F (x + x) F (x)
f (x) = Fd0 (x) = lim :
x!0 x
x>0

De…nitia 14. Funcţia f se numeşte funcţie densitate de probabilitate a


variabilei aleatoare de tip continuu, funcţie care are propriet¼aţi similare cu acelea
ale funcţiei de probabilitate din cazul discret.
Teorema 15. Dac¼a F este funcţie de repartiţie a unei variabile aleatoare
continue atunci densitatea de probabilitate f are urm¼atoarele propriet¼aţi:
1:f (x) 0; (8)x 2 R
Z1
2: f (t)dt = 1 .
1

Observatia 16. Dup¼a cum în cazul variabilei aleatoare discrete aveam o


aşa zis¼a repartiţie, adic¼a un tablou cu dou¼a linii, pe prima linie …ind trecute
valorile variabilei iar pe a doua funcţia de probabilitate, tot aşa şi la variabilele
aleatoare de tip continuu vom considera o aşa zis¼a repartiţie sau distribuiţie.
Astfel, pentru o variabil¼a aleatoare de tip continuu care ia valori doar dintr-un
interval [a; b] repartiţia va avea forma:
x
X:
f (x) x2R
f (x) 0 (8)x 2 R
Z1
f (t)dt = 1:
1
59

2.5. Caracteristici numerice ale variabilelor aleatoare

Studiul variabilei aleatoare atât de tip discret cât şi de tip continuu se ex-
tinde prin introducerea unor caracteristici numerice cu ajutorul c¼ arora se dau
informaţii suplimentare despre ele. Aceste caracteristici se împart în mai multe
categorii:

de grupare - care evidenţiaz¼


a nişte numere în jurul c¼
arora se grupeaz¼
a
valorile variabilelor,

de împr¼aştiere (de dep¼


artare) care dau informaţii asupra gradului de dep¼
ar-
tare a valorilor variabilelor faţ¼
a de o caracteristic¼
a de grupare principal¼
a,

privind forma distribuţiei: simetrie, asimetrie, boltire, turtire, etc.

2.5.1. Caracteristici de grupare

Sunt nişte numere care se determin¼


a pornind de la variabila aleatoare con-
siderat¼
a, numere în jurul c¼
arora se grupeaz¼
a toate valorile variabilei aleatoare.

Valoarea medie

De…nitia 17. Se numeşte valoarea medie a variabilei aleatoare X şi se


noteaz¼a M (X) num¼arul calculabil prin una din relaţiile:
X
M (X) = xi pi ; -dac¼
a X este variabil¼
a aleatoare discret¼
a
i2I
Z +1
M (X) = xf (x) dx:; dac¼
a X este variabil¼
a aleatoare continu¼
a
1

2 1 2
Exemplul 18. X : =)
0:4 0:3 0:3
M (X) = 0:8 + 0:3 + 0:6 = 0; 1
x 3x2 x 2 [0; 1]
Exemplul 19. X : unde f (x) =
f (x) x2R 0 în rest
Z +1 Z 1 4
x 1 3
M (X) = xf (x) dx = x 3x2 dx = 3 0 =
1 0 4 4
Propozitia 20. Valoarea medie are câteva propriet¼aţi. Astfel dac¼a X şi Y
sunt variabile aleatoare, c o constant¼a, avem:
1. M (cX) = c M (X) :
c
2. M (C) = c unde C : :
1
3. M (X + Y ) = M (X) + M (Y ) :
4. M (X Y ) = M (X) M (Y ) ; dac¼ a X; Y - independente
5. Xm in M (X) Xm ax unde Xm in ; Xm ax sunt valorile minime şi maxime
pe care le poate lua X şi
a M (X) b unde X este o variabil¼ a aleatoare continu¼
a, iar [a; b] e
intervalul pentru care fX (x) 6= 0:
60

Valoarea medie este considerat¼


a cea mai important¼
a dintre caracteristicile
de grupare.

Valoarea modal¼
a (moda)
De…nitia 21. Se numeşte valoarea modal¼a a variabilei aleatoare X num¼arul
notat cu M (X) care este valoarea variabilei X cu cea mai mare probabilitate
(valoarea cea mai probabil¼a) pentru variabila aleatoare discret¼a respectiv argu-
mentul pentru care f are valoare maxim¼a în cazul variabilelor de tip continuu.
Exemplul 22. Pentru variabila aleatoare prezentat¼ a în exemplul 18 avem:
M (X) = 2:
Exemplul 23. Fie X din exemplul 19. Avem M (X) = 1:

Valoarea median¼
a
De…nitia 24. Se numeşte valoare median¼a a variabilei aleatoare X num¼arul
Me (X) care împarte repartiţia în dou¼a p¼arţi egale, adic¼a e num¼arul pentru care
P (X < Me (X)) = P (X Me (X))
Observatia 25. În cazul când se utilizeaz¼a funcţia de repartiţie din de…niţia
8 se deduce c¼a F (Me (X)) = 21 , adic¼a valoarea medie e soluţia inecuaţiilor

1 1
F (Me (X)) şi F (Me (X)) :
2 2
Exemplul 26. În cazul variabilei X din exemplul 19 avem:
8 8
< R 0 x 0 < 0 x 0
x 2 3
F (x) = 3t dt x 2 (0; 1] =) F (x) = x x 2 (0; 1]
: 0 :
1 x>1 1 x>1

1 1 1
=) F (x) = a x3 = =) x = p
adic¼ = Me (X) :
2 2 3
2

Momente de ordin superior


În aceeaşi categorie de caracteristici de grupare …gureaz¼ a aşa zisele momente
de ordin superior. În unele aplicaţii este nevoie s¼ a se utilizeze puterile naturale
ale unei variabile aleatoare X 2 ; X 3 ; :::; X k ; valori pentru care caracteristicile de
grupare principale joac¼ a un rol important. Astfel introducem momentele de
ordin superior în urm¼ atoarea de…niţie:
De…nitia 27. Se numeşte moment de ordin k al variabilei aleatoare X şi
se noteaz¼a k :num¼arul:
k
k =M X :
Observatia 28. Se observ¼a c¼a 1 = M (X) ; 0 = 1:
Observatia 29. Cele mai des utilizate în aplicaţii sunt: 2 ; 3 ; 4 :
2 1 2
Exemplul 30. Fie X : : Avem:
0:4 0:3 0:3
2 2
2 =M X = ( 2) 0:4 + 12 0:3 + 22 0:3 = 1:6 + 0:3 + 1:2 = 3:1
3
3 =M X = ( 8) 0:4 + 0:3 + 8 0:3 = 3:2 + 0:3 + 2:4 = 5:9
4
4 =M X = 16 0:4 + 0:3 + 16 0:3 = 6:4 + 0:3 + 4:8 = 11:5
61

x
Exemplul 31. Pentru X : avem:
3x2 x2[0;1]

Z 1
3
2 = x2 3x2 dx = ;
0 5
Z 1
1
3 = x3 3x2 dx = ;
0 2
Z 1
3
4 = x4 3x2 dx = :
0 7

2.5.2. Caracteristici de împr¼


aştiere (sau de dep¼
artare)

Dup¼a ce au fost analizate principalele caracteristici de grupare vom evi-


denţia cât de dep¼ artate sunt valorile variabilei faţ¼
a de o valoare de grupare.
Într-adev¼ar, valoarea medie d¼ a informaţii asupra num¼arului în jurul c¼
aruia se
grupeaz¼ a valoarile variabilei, dar acestea nu sunt de ajuns. De exemplu în cazul
variabilelor aleatoare care pot … diferite dar s¼ a aib¼
a aceeaşi valoare medie.

1 1 100 100
Exemplul 32. Fie variabilele X1 : 1 1 şi X2 : 1 1 :
2 2 2 2
Avem:
M (X1 ) = M (X2 ) = 0:
cu toate c¼
a valorile lor difer¼
a semni…cativ.
Exist¼a mai multe caracteristici de împr¼ aştiere. Cele mai des utilizate sunt
urm¼atoarele:

- dispersia (varianţa)

- abaterea medie p¼
atratic¼
a

- momente centrate de ordin superior

Dispersia

Dispersia este cea mai important¼


a caracteristic¼
a de împr¼aştiere.
De…nitia 33. Se numeşte dispersia variabilei aleatoare X num¼arul notat
D (X) de…nit ca valoare medie a p¼atratului variabilei aleatoare abatere [X
M (X)]; adic¼a num¼arul:
h i
2
D (X) = M (X M (X)) :

Observatia 34. Avem:


X 2
D (X) = (xi M (X)) pi X variabil¼
a aleatoare discret¼
a
i2I
Z 1
2
D (X) = (x M (X)) f (x) dx X variabil¼
a aleatoare continu¼
a.
1
62

Propozitia 35. Se demonstreaz¼a c¼a dispersia are urm¼atoarele propriet¼aţi:


1. D (X) 0:
2. D (cX) = c2 D (X) :
3. D (c) = 0:
4. D (X Y ) = D (X) + D (Y ) ; dac¼a X; Y - independente.
2
5. D (X) = M X 2 (M (X)) = 2 2
1:
2 1 2
Exemplul 36. Pentru X : avem M (X) = 0:1:
0:4 0:3 0:3
2 2 2
D (X) = ( 2 0:1) 0:4 + (1 0:1) 0:3 + (2 0:1) 0:3 = 3: 09:
2
Sau D (X) = 2 1 = 3:1 0:01 = 3: 09:
Exemplul 37. În cazul variabilei aleatoare continue din exemplul 19 avem:
R1 2 R1
D (X) = 0 x 34 3x2 dx = 3 0 (x4 23 x3 + 16 9 2
x )dx = 803
2 3 9 3
Sau D(X) = 2 1 = 5 16 = 80 :
Exemplul 38. Pentru X1 din exemplul 32 avem:

2 1 2 1
D (X1 ) = ( 1 0) + (1 0) = 1;
2 2
iar pentru X2 din acelaşi exemplu vom avea:

2 1 2 1 1002
D (X2 ) = ( 100 0) + (100 0) =2 = 10000:
2 2 2

Abaterea medie p¼
atratic¼
a
De…nitia 39. Se numeşte abatere medie p¼atratic¼a a variabilei aleatoare X
şi se noteaz¼a (X) num¼arul dat prin relaţia
p
(X) = D (X):

Observatia 40. Abaterea medie p¼atratic¼a a fost introdus¼a pentru c¼a unit¼aţile
de m¼asur¼a ale acesteia sunt exact aceleaşi cu unit¼aţile de m¼asur¼a ale valorilor
variabilei aleatoare.

Momente centrate de ordin superior


Pentru k 2 N se introduc ca o extensie a dispersiei momentele centrate de
ordin superior prin de…niţia
De…nitia 41. Se numeşte moment centrat de ordinil k al variabilei aleatoare
X şi se noteaz¼a k valoarea medie a puterii k a variabilei abatere
h i
k
k = M (X M (X)) :

Observatia 42. 1 = 0; 2 = D (X) : Cele mai des utilizate sunt 3 ; 4 :


Are loc urm¼atorul rezultat:
Teorema 43. Între momentele centrate de ordin superior k şi momentele
de ordin superior k exist¼a relaţia de leg¼atur¼a:
k
X i i
k = Cki ( 1) k i ( 1) :
i=0
63

În particular avem:
2
2 = 2 1;
3
3 = 3 3 2 1 +2 1;
2 4
4 = 4 4 3 1+6 2 1 3 1:

Demonstratie. Demonstraţia se face folosind de…niţia 41 a momentului


k
centrat de ordin superior, formula binomului lui Newton pentru (X M (X))
şi propriet¼
aţile valorii medii.

2.6. Distribuţii clasice ale variabilelor aleatoare

Tipurile de distribuţii clasice se asociaz¼


a schemelor clasice de probabilitate.

Distribuţii de variabile aleatoare discrete:

a) Distribuţia binomial¼
a (corespunz¼
atoare schemei urnei cu bila revenit¼
a):

k
X: ; p + q = 1; p; q > 0:
Cnk pk q n k
k=0;n

b) Distribuţia hipergeometric¼
a (corespunz¼
atoare schemei urnei cu bila nerevenit¼
a):

k
X: Cak Cbn k :
n
Ca+b
k=0;n

c) Distribuţia lui Poisson (se obţine printr-un proces de trecere la limit¼


a din
distribuţia binomial¼a - n ! 1 , np = (const.))

k
X: k
k! e k=0;1;:::

d) Distribuţia lui Pascal (corespunz¼


atoare schemei lui Pascal):

k
X: ; p + q = 1; p; q > 0
Ckn+k 1 pn q k k=0;1;:::

Caz particular, pentru n = 1 avem distribuţia geometric¼


a:

k
X: ; p + q = 1; p; q > 0:
p qk k=0;1;:::

Distribuţii de variabile aleatoare continue:

a) Distribuţia uniform¼
a:

x
X: 1 :
b a x2[a;b]
64

b) Distribuţia normal¼
a este cea mai des utilizat¼
a:
x
X: (x m)2 ; ; m 2 R; > 0:
p1 e 2 2
2 x2( 1;1)

În leg¼
atur¼
a cu aceast¼
a distribuţie amintim urm¼
atorul rezultat (Integrala
Euler-Poisson-Gauss):
Z1 p
t2
e 2 dt = 2 :
1

Media si dispersia in cazul distribuţiilor clasice


Prezent¼
am în continuare valoarea medie şi dispersia în cazul variabilelor
aleatoare care urmeaz¼
a distribuţii clasice.

Distribuţia M (X) D(X)


Binomial¼ a np npq
a a b a+b n
Hipergeometric¼
a n a+b n a+b a+b a+b 1
: Poisson :
1 q
Pascal (Geometric¼
a) p p2
a+b (b a)2
Uniform¼a 2 12
2
Normal¼a m

2.7. Exercitii si probleme rezolvate


2.7.1. Se studiaz¼ a alegerea unui proiect de modernizare a unei companii.
S-au prezentat 3 proiecte care pot … viabile sau nu. Dac¼ a not¼
am cu Ai ; i = 1; 3,
evenimentul "proiectul i este viabil", s¼ a se exprime în funcţie de A1 ; A2 ; A3
urm¼ atoarele evenimente:
a) toate proiectele sunt viabile;
b) cel puţin un proiect este viabil;
c) dou¼a proiecte sunt viabile;
d) cel mult dou¼ a proiecte sunt viabile;
e) un singur proiect este viabil.
Rezolvare:Not¼ am cu Ai ; i = 1; 3, evenimentul "proiectul i nu este viabil".
a) Not¼am cu A evenimentul „toate proiectele sunt viabile”A = A1 \A2 \A3 ,
adic¼a toate cele 3 proiecte sunt rentabile.
b) Not¼am cu B evenimentul „cel puţin un proiect este viabil”şi astfel putem
scrie B = A1 [ A2 [ A3
c) Not¼am cu C evenimentul „dou¼ a proiecte sunt viabile”.
C = A1 \ A2 \ A3 [ A1 \ A2 \ A3 [ A1 \ A3 \ A3
d) Not¼am cu D evenimentul „cel mult dou¼ a proiecte sunt viabile”. Eveni-
mentul D este echivalent cu a spune c¼ a: nici un proiect nu este viabil, doar un
proiect este viabil sau dou¼ a proiecte sunt viabile.
D = A1 \ A2 \ A3 [ A1 \ A2 \ A3 [ A1 \ A2 \ A3 [ A1 \ A2 \ A3 [C:
e) Not¼am cu E evenimentul „un singur proiect este viabil”. Atunci:
E = A1 \ A2 \ A3 [ A1 \ A2 \ A3 [ A1 \ A2 \ A3 :
65

2.7.2. O moned¼ a este aruncat¼ a de 3 ori şi secvenţa de m¼ arci şi steme este
înregistrat¼ a.
a) Scrieţi spaţiul evenimentelor elementare
b) Scrieţi urm¼ atoarele evenimente, folosind evenimentele elementare:
A-s¼a apar¼ a cel puţin 2 steme
B-primele 2 arunc¼ ari sunt steme
C-ultima aruncare este marc¼ a
c) Determinaţi urm¼ atoarele evenimente:
1) CA ; 2) A \ B; 3) A [ C
Rezolvare: Spaţiul evenimentelor aleatoare este:
= fSSS; SSM; SM S; M SS; M M S; M SM; SM M; M M M g, unde cu S
not¼ am apariţia stemei, iar cu M apariţia m¼ arcii.
b) Evenimentele A; B; C;se scriu folosind evenimentele elementare din
dup¼ a cum urmeaz¼ a:
A = fSSS; SSM; SM S; M SSg
B = fSSM; SSSg
C = fSSM; SM M; M M M; M SM g
c) Evenimentele CA ; A \ B; A [ B se scriu folosind punctul b) astfel:
CA = A = fSM M; M M M; M M S; M SM g
A \ B = fSSM; SSSg
A [ C = fSSS; SSM; SM S; M SS; SM M; M M M; M SM g
2.7.3. Presupunem c¼ a într-o camer¼ a sunt 5 persoane. Care este probabili-
tatea ca cel puţin 2 persoane s¼ a aib¼
a aceiaşi zi de naştere.
Soluţie: Fie A evenimentul „cel puţin 2 persoane au aceiaşi zi de naştere”.
Atunci A este evenimentul „cele 5 persoane au zile de natere diferite”
Presupunem c¼ a anul are 365 zile
Aşadar P A = 365 364 365 363 362 361
5

Deci, P (A) = 1 P A = 1 365 364 365 363 362 361


5

2.7.4. In România numerele de înmatriculare ale maşinilor au 7 caractere:


2 litere urmate de 2 cifre şi alte trei litere. Dac¼ a toate secvenţele de 7 caractere
sunt egal probabile, care este probabilitatea ca num¼ arul de înmatriculare al unei
maşini noi s¼ a nu conţin¼ a cifre şi litere identice?
Rezolvare:Not¼ am cu A evenimentul cerut.
Alfabetul conţine 26 litere, iar cifrele de pe num¼ arul de înmatriculare pot
…: 0,1,2,3,4,5,6,7,8,9. Num¼ arul total de pl¼ acuţe de înmatriculare este 265
102 (corespunz¼ atoare celor 5 litere şi 2 cifre). Num¼ arul pl¼
acuţelor ce conţin litere
şi cifre diferite este: (26 25) (10 9) (24 23 22) (corespunz¼ atoare primelor 2
litere diferite, urmate de 2 cifre diferite şi alte trei litere diferite de primele 2 şi
diferite între ele).
Deci, P (A) = 26 25 10 9 24 23 22
265 102 = 0; 597
2:7:5: Fie PB (A) = 2 ; PB (A) = 12 şi PA (B) = 12 . Se cere :
1

a) s¼a se determine P (A) şi P (B).


b) evenimentele A şi B sunt independente?
Rezolvare:Folosind de…niţia probabilit¼ aţii condiţionate se obţin· e:
P (A\B) 1
PB (A) = P (B) = 2
P (A\B )
PB (A) = P B = 1P (AnB) P (B) =
P (A) P (A\B)
1 P (B) = 12
( )
PA (B) = P P(B\A) P (A\B)
(A) = P (A) = 2
1
66

Dac¼a not¼ am P (A) = x; P (B) = y; P (A \ B) = z, se obţine sistemul


liniar:
8 z 8
1
< y =2 < z = 21 y
x z 1
= , z = 12 x , de unde prin calcule x = 12 ; y = 21 ;
: 1zy 12 : 1 1
x = 2
x z = 2 2y
z = 14 .
In concluzie: P (A) = 12 ; P (B) = 21
Condiţia ca evenimentele A şi B s¼ a …e independente este: P (A \ B) =
P (A) P (B)
Deoarece P (A \ B) = 14 = 12 12 = P (A) P (B) se obţine c¼ a evenimentele A
şi B sunt independente.
2.7.6. O …rm¼ a de asigur¼ari are clienţi din 3 categorii de risc: ridicat, mediu,
sc¼azut, care au respectiv probabilit¼ aţile de a cere desp¼ agubiri în caz de accidente:
0,02, 0,01, 0,0025 într-un an. Proporţiile celor 3 categorii de clienţi în cadrul
companiei sunt respectiv 10%, 20%, 70%. Care este probabilitatea ca un client
al …rmei s¼ a …e desp¼ agubit? Care este proporţia de desp¼ agubiri ce provin într-un
an de la clienţii cu risc ridicat?
Rezolvare:Not¼ am cu B evenimentul „un client al companiei este desp¼ agu-
bit”şi cu:
A1 -evenimentul „clientul provine din categoria de risc ridicat”
A2 -evenimentul „clientul provine din categoria de risc mediu”
A3 -evenimentul „clientul provine din categoria de risc sc¼ azut”
Sistemul fA1 ; A2 ; A3 g, formeaz¼ a un sistem complet de evenimente deoarece
reuniunea lor este evenimentul sigur şi sunt dou¼ a câte dou¼ a incompatibile.
Astfel conform formulei probabilit¼ aţii totale:
P (B) = P (A1 ) P AB1 + P (A2 ) P AB2 + P (A3 ) P AB3 = 0; 1 0; 02 + 0; 2
0; 01 + 0; 7 0; 025 = 0; 00575:
Pentru a r¼ aspunde la a doua întrebare folosim formula lui Bayes:
P (A1 ) P (B=A1 ) 0;1 0;02
P (A1 =B) = P (A1 ) P (B=A1 )+P (A2 )P (B=A2 )+P (A3 )P (B=A3 ) = 0;00575 = 0; 347:
2.7.7. La o loterie sunt 100 bilete, din care 10 sunt câştig¼ atoare. O persoan¼a
cump¼ ar¼a 15 bilete. S¼ase determine probabilitatea ca:
a) 1 bilet s¼a …e câştig¼
ator;
b) s¼
a se obţin¼a toate cele 10 bilete câştig¼ atoare;
c) cel puţin 2 bilete s¼a …e câştig¼atoare.
Rezolvare: Se aplic¼ a schema urnei cu 2 st¼ ari şi bila nerevenit¼ a.
1 14 10 5
C10 C90 C10 C90
a) P10;90 (1; 14) = 15
C100
b) P10;90 (10; 5) = 15
C100

c) Fie A evenimentul ca „cel puţin 2 bilete s¼a …e câştig¼


atoare„. Consider¼ am
A evenimentul contrar ca ca cel mult unul din cele 15 cump¼ arate s¼
a …e câştig¼
ator.
Are loc:
C 0 C9015
C 1 C9014
P A = P10;90 (0; 15) + P10;90 (1; 14) = 10 C 15
+ 10C 15
100 100
Probabilitatea cerut¼a va … P (A) = 1 P A
2.7.8. Un depozit de piese auto are în stoc piese de la 4 furnizori în urm¼ a-
toarele cantit¼aţi: 100 de la furnizorul F1 , 50 de la F2 , 30 de la F3 şi 80 de la
F4 .
In decursul unei s¼apt¼amâni, depozitul a vândut 45 piese. Care e probabili-
tatea ca din cele 45 de piese vândute, 15 s¼ a provin¼
a de la furnizorul F1 , 5 de la
F2 , 10 de la F3 şi 15 de la F4 .
67

Rezolvare: Se aplic¼ a schema urnei cu 4 st¼ ari şi bila nerevenit¼


a, unde
a1 = 100; a2 = 50; a3 = 30; a4 = 80
k1 = 15; k2 = 5; k3 = 10; k4 = 15. Probabilitatea cerut¼ a este:
15 5 10 15
C100 C50 C30 C80
P100;50;30;80 (15; 5; 10; 15) = 45
C260
2.7.9. Pe parcursul unei s¼ apt¼amâni s-a dat predicţia cursului valutar, astfel
încât cursul poate s¼ a creasc¼ a zilnic cu probabilitatea 14 , respectiv s¼ a scad¼a cu
3
probabilitatea 4 . Stabiliţi probabilitatea ca:
a) în 5 zile ale s¼apt¼amânii cursul valutar s¼ a creasc¼
a;
b) în cel mult 3 zile cursul valutar s¼ a creasc¼a;
c) în cel puţin 2 zile cursul valutar s¼ a creasc¼a;
Rezolvare: Consider¼ am evenimentul A „cursul valutar s¼ a creasc¼
a într-o
zi„. In …ecare zi poate avea loc A sau A.
Se aplic¼a schema urnei cu 2 st¼ ari şi bila revenit¼
a (schema binomial¼ a), unde:
n = 7; p = P (A) = 41 ; q = P A = 34 ,
Probabilitatea de a se produce A de k ori este: P (k) = C7k pk q 7 k .
5 3 2
a) Probabilitatea cerut¼ a este: P7 (5) = C75 p5 q 7 5 = C75 14 4

b) Probabilitatea cerut¼a este:


P3 P3 P
3
1 k 3 7 k
P7 (k) = C7k pk q 7 k = C7k 4 4 .
k=0 k=0 k=0
c) Not¼am cu C evenimentul „cursul valutar s¼ a creasc¼ a în cel puţin 2 zile„.
Atunci C este evenimentul: „cursul valutar s¼ a nu creasc¼ a în nici o zi sau s¼ a
creasc¼a într-o zi„. Aşadar putem scrie:
0 3 7 1 3 6
P C = P7 (0) + P7 (1) = C70 14 4 + C71 41 4
Probabilitatea cerut¼ a este:
P (C) = 1 P C .
2.7.10. Un supermarket vinde urm¼ atoarele sortimente de cafea: natural¼ a,
cappuccino şi expresso. Probabilitatea ca un client s¼ a cumpere cafea natural¼ a
este 0,55, cappuccino 0,3, iar expresso 0,15.
Determinaţi probabilitatea ca din 100 clienţi, 70 s¼ a cumpere cafea natural¼ a,
20 s¼a cumpere cappuccino, iar 10 s¼ a cumpere expresso.
Rezolvare: Aplic¼ am schema urnei cu 3 st¼ ari şi bila revenit¼a (schema multino-
mial¼a)
Fie Ai , evenimentul ca un client s¼ a cumpere sortimentul i de cafea , i = 1; 3.
Avem evident:
p1 = P (A1 ) = 0; 55, p2 = P (A2 ) = 0; 3, p3 = P (A3 ) = 0; 15, n = 100,
k1 = 70, k2 = 20, k3 = 10
Probabilitatea cerut¼ a este:
100! 70 20 10
P100 (70; 20; 10) = 70!20!10! (0; 55) (0; 30) (0; 15)
2.7.11. Care e probabilitatea ca al 80-lea client care intr¼ a într-o banc¼ a, s¼a
…e a 20-a persoan¼ a care încheie o poliţ¼
a de asigurare, ştiind c¼ a probabilitatea ca
cineva s¼a încheie o poliţ¼
a de asigurare este de 0,6.
Rezolvare: Se aplic¼ a schema lui Pascal cu n = 80 (num¼ arul clienţilor),
k = 20 (num¼ arul succeselor), p = 0; 6, q = 0; 4.
20 60
Probabilitatea cerut¼ a este: Cnk 11 pk q n k = C79 19
(0; 6) (0; 4) .
2.7.12. La trei reprezentanţe ale concernului Nokia se g¼ asesc telefoane mo-
bile cu ecran color sau alb-negru în urm¼ atoarele proporţii: la prima reprezen-
tanţ¼
a 14 cu ecran color şi 16 cu ecran alb-negru, la a doua 13 cu ecran color şi
17 cu ecran alb-negru, iar la a treia 14 cu ecran color şi 18 cu ecran alb-negru.
68

Se alege la întâmplare câte un telefon mobil de la …ecare reprezentanţ¼ a, pentru


a … supus unor probe de veri…care. Care e probabilitatea ca din cele 3 telefoane
alese dou¼ a s¼a …e cu ecran color, iar unul cu ecran alb-negru?
Rezolvare:Aplic¼ am schema lui Poisson. Pentru aceasta not¼ am cu pi pro-
babilitatea ca telefonul ales de la reprezentanţa i s¼ a ecran color, i = 1; 3.
a aib¼
Avem c¼ a:
p1 = 14 16 13 17 14
30 ; q1 = 30 ; p2 = 30 ; q2 = 30 ; p3 = 32 ; q3 = 32
18

Conform schemei lui Poisson, probabilitatea cerut¼ a este dat¼


a de coe…cientul
lui t2 al polinomului
(p1 t + q1 ) (p2 t + q2 ) (p3 t + q3 )
adic¼a de:
14 13 18 14 17 14 16 13 14
p1 p2 q3 + p1 q2 p3 + q1 p2 p3 = 30 30 32 + 30 30 32 + 30 30 32 = 0; 33.

Teme de control
2.8. Exercitii si probleme propuse
2.8.1. In drum spre locul de munc¼ a un om trece prin 3 intersecţii consecu-
tive, semaforizate. La …ecare semafor se opreşte sau îşi continu¼ a drumul. Dac¼ a
not¼ am cu Ai ; i = 1; 3 evenimentul „la intersecţia i continu¼ a drumul”, s¼ a se
exprime folosind A1 ; A2 ; A3 urm¼ atoarele evenimente:
a) persoana are liber la toate intersecţiile,
b) persoana opreşte la toate intersecţiile,
c) persoana opreşte la cel puţin o intersecţie,
d) persoana opreşte la cel mult o intersecţie.
R¼aspuns:
a) A = A1 \ A2 \ A3
b) B = A1 \ A2 \ A3
c) C = A1 [ A2 [ A3
d) D = A [ A1 \ A2 \ A3 [ A1 \ A2 \ A3 [ A1 \ A2 \ A3
2.8.2. Se arunc¼ a o moned¼ a de dou¼ a ori. Care este probabilitatea ca marca
s¼a apar¼a cel puţin o dat¼ a?
R¼aspuns: p = 0; 75
2.8.3. Doi tr¼ ag¼
atori trag simultan asupra unei ţinte. Probabilitatea de a
nimeri ţinta este p, respectiv p2 cu p 2 (0; 1) pentru cei doi. Stabiliţi valoarea
lui p astfel încât probabilitatea ca primul s¼ a nimereasc¼ a ţinta şi al doilea s¼
a nu
o loveasc¼ a s¼
a …e celh puţin
p
egal¼
i a cu 0; 375.
R¼aspuns: p 2 12 ; 134 1
2.8.4. Se arunc¼ a 2 zaruri. Care este probabilitatea ca suma feţelor s¼ a …e 6,
ştiind c¼
a suma acestor feţe a dat un num¼ ar par?
5
R¼aspuns:Folosind formula probabilit¼ aţii condiţionate se obţine p = 18 .
2.8.5. Un lift ce conţine 5 persoane se poate opri la oricare din cele 7 etaje
ale unei cl¼adiri. Care este probabilitatea ca 2 persoane s¼ a nu coboare la acelaşi
etaj?
R¼aspuns: 0; 15
2.8.6. Ocompanie produce în 3 schimburi. Intr-o anumit¼ a zi, 1% din arti-
colele produse de I schimb sunt defecte, 2% din cele produse în al II-lea schimb
şi 3% din al III-lea schimb. Dac¼ a cele trei schimburi au aceeiaşi productivitate,
care este probabilitate ca un produs din acea zi s¼ a …e defect? Dac¼ a un produs
este defect, care este probabilitatea ca el s¼ a … fost fabricat în schimbul al III-lea?
69

R¼aspuns: Folosind formula probilit¼ aţii totale şi formula lui Bayes se obţine:
0; 02 respectiv 0; 5
2.8.7. Presupunem c¼ a ocupaţiile în cadrul unei mari companii sunt gru-
pate în 3 nivele de performanţ¼ a: superior (U ), mijlociu (M ), şi inferior (L).
U1 reprezint¼
a evenimentul c¼a tat¼al este în nivelul superior, iar U2 evenimentul

a …ul este în nivel superior, etc. S-a determinat urm¼ atorul tabel privind mo-
bilitatea ocupaţional¼
a unde indicele1 se refer¼ a la tat¼ a, iar indicele 2 la …u:
F iu
T ata U2 M2 L2
U1 0; 45 0; 48 0; 07
M1 0; 05 0; 70 0; 25
L1 0; 01 0; 50 0; 49
Prima linie a tabelului se citeşte astfel: dac¼ a tat¼al este în nivelul ocupaţional
U probabilitatea ca …ul s¼ a …e în U este 0; 45, probabilitatea ca …ul s¼ a în M este
0; 48, respectiv probabilitatea ca …ul s¼ a …e în L este 0,07 (celelalte linii ale
tabelului se citesc analog). Presupunem c¼ a 10% din generaţia tat¼ alui suntU ,
40% sunt M şi 50% în L. Care este probabilitatea ca un …u din generaţia
urm¼ atoare s¼ a …e în U ? Dac¼ a un …u este în nivelul ocupaţional U , care este
probabilitatea ca tat¼ al s¼
a … fost în U ?
R¼aspuns: Folosind formula probilit¼ aţii totale şi formula lui Bayes se obţine:
0; 07 şi 0; 64.
2.8.8. Intr-un lot de 400 piese, 10 sunt defecte. Se aleg aleator 20 piese. S¼ a
se calculeze probabilitatea ca între piesele alese :
a) 4 piese s¼ a …e defecte;
b) s¼ a …e cel mult 6 piese defecte;
c) s¼a nu …e nici o pies¼a defect¼a
C 4 C390
16 P6
R¼aspuns: a) P10;390 (4; 16) = 10 C 20
; b) P10;390 (k; 20 k); c)
400
k=0
P10;390 (0; 20)
2.8.9. O comisie internaţional¼ a este format¼ a din 5 români, 7 italieni, 4
olandezi şi 6 elveţieni. Se aleg la întâmplare 10 persoane pentru a forma o
subcomisie. S¼ a se calculeze probabilitatea ca din cele 10 persoane alese, 2 s¼a …e
români, 3 italieni, 3 olandezi şi 2 elveţieni.
C2 C3 C3 C2
R¼aspuns: P5;7;4;6 (2; 3; 3; 2) = 5 C7 104 6
22
2.8.10. Pe parcursul a 10 zile de var¼ a s-a dat prognoza meteo astfel încât
zilnic pot c¼adea precipitaţii cu probabilitatea 0,2.Calculaţi probabilitatea de a
ploua:
a) în 3 zile;
b) în cel mult 4 zile;
c) în cel puţin 3 zile.
3 3 7 P4
R¼aspuns: a) P10 (3) = C10 (0; 2) (0; 8) ; b) P10 (k); c) 1
K=0
P
2
P10 (k).
K=0
2.8.11. Se arunc¼
a un zar de 20 de ori. S¼a se calculeze probabilitatea ca de
8 ori s¼
a apar¼
a un num¼
ar prim, de 10 ori un num¼ ar compus şi de 2 ori faţa cu un
punct.
3 2 2 10 1 2
R¼aspuns: P20 (8; 10; 2) = 8! 20!
10! 2! 6 6 6
70

2.8.12. Avem 4 grupe de studenţi: în prima grup¼ a sunt 20 fete şi 5 b¼


aieţi, în
a doua grup¼a sunt 15 fete şi 10 b¼
aieţi, în a treia grup¼a sunt 10 fete şi 15 b¼
aieţi, în
a patra grup¼a sunt 24 fete şi 1 b¼
aiat. Se alege câte un student din …ecare grup¼ a
pentru a participa la o acţiune publicitar¼ a pentru promovarea unui produs.

a se calculeze probabilitatea ca între studenţii aleşi:
a) trei s¼
a …e fete;
b) s¼
a …e numai fete;
c) s¼
a …e cel puţin o fat¼
a.
R¼aspuns: Se aplic¼ a schema lui Poisson
20 15 10 24 5 10 15 1
a) 0; 453, b) 25 25 25 25 = 0; 184, c) 1 25 25 25 25 = 0; 998

Rezumat modul
In acest modul s-au introdus notiunile de eveniment, probabilitate, operatii
cu evenimente.S-au de…nit variabilele aleatoare de tip discret si continuu, functia
de repartitie precum si caracteristicile numerice ale variabilelor aleatoare.
In cazul repartitiilor clasice, s-au precizat functiile de probabilitate si den-
sitate de probabilitate si au fost calculate valorile medii si dispersiile acestor
variabile aleatoare.

Bibliogra…e modul
1. Colectiv, Elemente de teoria probabilitatilor si statistica matemetica pen-
tru economisti, Ed. Todesco, Cluj-Napoca, 2004.
3. Mihoc I., Calculul probabilitatilor si statistica matematica, lito UBB,
Cluj-Napoca, 1998.
4. Muresan A.S., Blaga P., Matematici aplicate in economie, vol. I, Ed.
Transilvania Press, Cluj-Napoca, 1996

III. Anexe
Bibliogra…a completa a cursului:

1. Colectiv, Elemente de Algebra liniara si Analiza matematica pentru


economisti, Ed. Todesco, Cluj-Napoca, 2003.
2. Colectiv, Elemente de teoria probabilitatilor si statistica matemetica pen-
tru economisti, Ed. Todesco, Cluj-Napoca, 2004.
3. Mihoc M., Mihoc I., Matematici aplicate in economie. Analiza matema-
tica, Ed. Presa Universitara Clujeana, Cluj-Napoca, 2000,
4. Muresan A.S., Blaga P., Matematici aplicate in economie, vol. I, Ed.
Transilvania Press, Cluj-Napoca, 1996
5. Colectiv, Analiza matematica, Teoria Probabilitatilor si Algebra liniara
aplicate in economie, Ed. Mediamira, Cluj-Napoca, 2008.
6. Colectiv, Elemente de teoria probabilitatilor si statistica matemetica pen-
tru economisti, Ed. Todesco, Cluj-Napoca, 2004.
7. Mihoc I., Calculul probabilitatilor si statistica matematica, lito UBB,
Cluj-Napoca, 1998.
8. Muresan A.S., Blaga P., Matematici aplicate in economie, vol. I, Ed.
Transilvania Press, Cluj-Napoca, 1996
71

Scurta biogra…e a titularilor de curs


Numele şi prenumele MURESAN ANTON SILVIU
Data naşterii 31 mai 1947
Funcţia didactic¼ a actual¼ a Profesor
Instituţia la care este titular Catedra de Statistica-Previziuni-Matematica,
FSEGA, UBB
Studii Data absolvirii Instituţia
Doctorat in matematica 1976 UBB
Licenta in matematica 1970 UBB
Bacalaureat 1965 Sc. Medie nr. 2 Baia Mare
Cariera didactic¼ a–
Denumirea funcţiei didactic Perioada Calitatea
Titular/asociat Instituţia
de înv¼aţ¼
amânt
Profesor universitar 1994-prezent Titular UBB
Conferentiar universitar 1990-1994 Titular UBB
Lector universitar 1976-1990 Titular UBB
Asistent universitar 1974-1976 Titular UBB
Asistent universitar 1970-1974 Stagiar UBB
Publicaţii, alte rezultate ale activit¼ aţii didactice şi de cercetare ştiinţi…c¼a
Num¼ ar
C¼arţi, monogra…i, materiale de studiu 63
Alte articole 47
Particip¼ ari la conferinţe internaţionale 15
Particip¼ ari la conferinţe interne 29
Membru în comitete de organizare sau ştiinţi…ce ale unor conferinţe 5
Alte rezultate (denumirea) Premiu UBB 1
Visiting Professor Italia Univ. La Sapienza Roma 1
Activit¼ aţi în domeniul ID Denumirea/perioada Instituţia organiza-
toare
Profesor Matem. aplicate in economie UBB
Profesor Matem. …nanciare si actuariale UBB
Profesor Teoria jocurilor si aplicatii UBB

Numele şi prenumele FILIP DIANA ANDRADA


Data naşterii 18-03-1969
Funcţia didactic¼ a actual¼ a Conferentiar
Instituţia la care este titular Catedra de Statistica-Previziuni-Matematica,
FSEGA, UBB
Studii Data absolvirii Instituţia
Doctorat in matematica 1999 UBB
Licenta in matematica 1993 UBB
Bacalaureat 1988 Liceul "Nicolae Balcescu"Cluj-
Napoca
Denumirea funcţiei didactic Perioada Calitatea
Titular/asociat Instituţia
de înv¼aţ¼
amânt
Conferentiar universitar 2004 - prezent Titular UBB
Lector universitar 2000 - 2004 Titular UBB
72

Asistent universitar 1996 - 2000 Titular UBB

Preparator universitar 1994-1996 Titular UBB

Profesor de matematica 1993-1994 Titular Liceul Traian


Vuia Cluj-Napoca
Publicaţii, alte rezultate ale activit¼ aţii didactice şi de cercetare ştiinţi…c¼
a
Num¼ar
C¼arţi, monogra…i, materiale de studiu 6
Articole BDI 6
Particip¼ ari la conferinţe internaţionale 8
Particip¼ ari la conferinţe interne 12
Membru în comitete de organizare sau ştiinţi…ce ale unor conferinţe 4
Activit¼ aţi în domeniul ID Denumirea Instituţia organizatoare
Conferentiar Matem. aplicate in economie UBB
Conferentiar Matem. …nanciare si actuariale UBB

Numele şi prenumele CURT PAULA


Data naşterii 31 mai 1964
Funcţia didactic¼ a actual¼ a Conferentiar
Instituţia la care este titular Catedra de Statistica-Previziuni-Matematica,
FSEGA, UBB
Studii Data absolvirii Instituţia
Doctorat in matematica 1997 UBB
Licenta in matematica 1986 UBB
Bacalaureat 1982 Liceul „Andrei Muresanu"
Dej
Denumirea funcţiei didactic Perioada Calitatea
Titular/asociat Instituţia
de înv¼aţ¼
amânt
Conferentiar universitar 2003-prezent Titular UBB
Lector universitar 1995-2003 Titular UBB
Asistent universitar 1990-1995 Titular UBB
Publicaţii, alte rezultate ale activit¼ aţii didactice şi de cercetare ştiinţi…c¼
a
Num¼ ar
C¼arţi, monogra…i, materiale de studiu 6
Articole BDI 27
Particip¼ ari la conferinţe internaţionale 15
Particip¼ ari la conferinţe interne 10
Membru în comitete de organizare sau ştiinţi…ce ale unor conferinţe 5
Activit¼ aţi în domeniul ID Denumirea Instituţia organizatoare
Conferentiar Matem. aplicate in economie UBB
Conferentiar Matem. …nanciare si actuariale UBB

Numele şi prenumele MIHOC MARIA


Data naşterii 27-01-1941
Funcţia didactic¼ a actual¼ a Conferentiar
Instituţia la care este titular Catedra de Statistica-Previziuni-Matematica,
FSEGA, UBB
Studii Data absolvirii Instituţia
73

Doctorat in matematica 1981 UBB


Licenta in matematica 1963 UBB
Bacalaureat 1957 - Liceul Teoretic “G. Cosbuc” (Regina
Maria) Cluj-Napoca
Denumirea funcţiei didactic Perioada Calitatea
Titular/asociat Instituţia
de înv¼aţ¼
amânt
Conferentiar universitar 1995 - Titular UBB
Lector universitar 1990 –1995 Titular UBB
Cercetator 1963 –1990 Titular UBB
Publicaţii, alte rezultate ale activit¼ aţii didactice şi de cercetare ştiinţi…c¼
a
Num¼ ar

arţi, monogra…i, materiale de studiu 16
Articole BDI 25
Particip¼ari la conferinţe internaţionale 27
Particip¼ari la conferinţe interne 40
Activit¼aţi în domeniul ID Denumirea Instituţia organizatoare
Conferentiar Matem. aplicate in economie UBB
Conferentiar Matem. …nanciare si actuariale UBB

Numele şi prenumele RAP ILIE


Data naşterii 29-09-1940
Funcţia didactic¼ a actual¼ a Lector
Instituţia la care este titular Catedra de Statistica-Previziuni-Matematica,
FSEGA, UBB
Studii Data absolvirii Instituţia
Licenta in matematica 1963 UBB
Bacalaureat 1956 Liceul Alba Iulia
Denumirea funcţiei didactic Perioada Calitatea
Titular/asociat Instituţia
de înv¼aţ¼
amânt
Lector universitar 1973 - Titular UBB
Asistent 1968 - 1973 Titular UBB
Cercetator 1963 –1968 Titular Institutul de
Fizica Atomica Cluj
Publicaţii, alte rezultate ale activit¼ aţii didactice şi de cercetare ştiinţi…c¼
a
Num¼ ar
C¼arţi, monogra…i, materiale de studiu 15
Articole BDI 33
Particip¼ ari la conferinţe internaţionale 2
Particip¼ ari la conferinţe interne 2
Contracte de cercetare 12
Activit¼ aţi în domeniul ID Denumirea Instituţia organizatoare
Lector Matem. aplicate in economie UBB
Lector Matem. …nanciare si actuariale UBB

Numele şi prenumele RADU VOICHITA


Data naşterii 04-08-1974
Funcţia didactic¼
a actual¼
a Lector
74

Instituţia la care este titular Catedra de Statistica-Previziuni-Matematica,


FSEGA, UBB
Studii Data absolvirii Instituţia
Doctorat in matematica 2006 UBB
Licenta in matematica 1996 UBB
Bacalaureat 1988-1992 Liceul "Emil Racovita"Cluj-
Napoca
Denumirea funcţiei didactic Perioada Calitatea
Titular/asociat Instituţia
de înv¼aţ¼
amânt
Lector universitar 2005-prezent Titular UBB
Asistent universitar 2000-2005 Titular UBB
Preparator 1998-2000 Titular UBB
Publicaţii, alte rezultate ale activit¼ aţii didactice şi de cercetare ştiinţi…c¼
a
Num¼ ar
C¼arţi, monogra…i, materiale de studiu 9
Articole BDI 3
Particip¼ ari la conferinţe internaţionale 4
Particip¼ ari la conferinţe interne 6
Membru în comitete de organizare sau ştiinţi…ce ale unor conferinţe 1
Activit¼ aţi în domeniul ID Denumirea Instituţia organizatoare
Lector Matem. aplicate in economie UBB
Lector Matem. …nanciare si actuariale UBB