Florentin Serban Silvia Dedu Matematica-1

FLORENTIN ŞERBAN SILVIA DEDU
MATEMATICA
Suport de curs pentru ID
1
2
Cuprinsul cursului
Unitatea de înv are 1

1. Serii numerice .....................................................................................................................
1.1 Obiectivele unităţii de învăţare 1 ....................................................................................
1.2 Definiţii si proprietati generale ale seriilor numerice.......................................................
1.3 Serii clasice,serii cu termeni oarecare,serii alternate
1.4 Serii cu termeni pozitivi.Criterii de convergenta..............................................................
Teste de autoevaluare ...........................................................................................................

Răspunsuri si comentarii la testele de autoevaluare ...............................................................
Bibliografia unităţii de învăţare 1 .........................................................................................

2. Serii de puteri
2.1 Obiectivele unităţii de învăţare 2.....................................................................................
2.2 Definiţia si studiul noţiunii de serie de puteri..................................................................
2.3 Ilustrarea rezultatelor teoretice pe cazul numeric concret al aplicaţiilor ...........................

Lucrarea de verificare nr. 1 ..................................................................................................

3. Func ii de mai multe variabile reale
3.1 Obiectivele unităţii de învăţare 3 .....................................................................................
3.2 Definiţia limitei şi continuităţii pentru o funcţie de mai multe variabile reale
3.3 Definiţia derivatelor parţiale de ordinul I si II pentru o funcţie de mai multe variabile reale
3.4 Definiţia diferenţiabilitatii pentru o funcţie de mai multe variabile reale .........................
3.5 Extremele locale ale funcţiilor de mai multe variabile reale……………………………..
3.6 Ilustrarea teoriei pe cazul numeric concret al aplicaţiilor…………………………………
Teste de autoevaluare............................................................................................................
Răspunsuri şi comentarii la testele de autoevaluare ................................................................
Bibliografia unităţii de învăţare 3 ..........................................................................................
Lucrarea de verificare nr.2....................................................................................................
3
4.Calcul integral
4.1 Obiectivele unităţii de învăţare 4…………………………………………………
4.2 Clasificarea integralelor euleriene ..................................................................................
4.3 Definiţii şi proprietati ale integralelor euleriene ...............................................................
4.4 Ilustrarea teoriei pe cazul numeric concret al aplicaţiilor .................................................

Răspunsuri si comentarii la testele de autoevaluare ................................................................
Bibliografia unităţii de învăţare 4..........................................................................................
Lucrarea de verificare nr. 3 ..................................................................................................

5. Formule probabilistice în care apar operatii cu evenimente
5.1 Obiectivele unităţii de învăţare 5 ......................................................................................
5.2 Formule de calcul practic pentru probabilitati..................................................................
5.3 Scheme probabilistice clasice ..........................................................................................

Răspunsuri si comentarii la testele de autoevaluare ................................................................
Lucrarea de verificare nr. 4 ...................................................................................................

6. Variabile aleatoare
6.1 Obiectivele unităţii de învăţare 6.....................................................................................
6.2 Variabile aleatoare unidimensionale...............................................................................
6.3 Variabile aleatoare bidimensionale………………………………………………
6.4 Variabile aleatoare unidimensionale clasice………………………………………
6.5 Ilustrarea teoriei pe cazul numeric concret al aplicaţiilor ................................................

Răspunsuri şi comentarii la testele de autoevaluare ................................................................
Lucrarea de verificare nr.5 ...................................................................................................
4
Prefa
Lucrarea “Matematica " dezvoltă numeroase probleme teoretice şi practice,

care fac obiectul cursurilor de matematică sau de statistică economică ale studen ilor
din învă ământul economic, şi în particular ale studen ilor înscrişi la programul de
studiu ID organizat de Facultatea de Finan e, Asigurări, Bănci şi Burse de Valori şi
face parte din planul de învă ământ aferent anului I, semestrul 1.
Fiind subordonate programei analitice a disciplinei “Matematici aplicate în
economie” de la Academia de Studii Economice Bucureşti, Facultatea de Finan e,
Asigurări, Bănci şi Burse de Valori, anul I, ID, no iunile şi conceptele prezentate în
lucrare apar, în mod firesc, într-o succesiune logică şi sunt supuse unor restric ii
temporale inevitabile, care conduc adeseori la dezvoltări teoretice limitate.
Obiectivele principale ale acestui curs, concretizate în competen ele pe care
studentul le va dobândi după parcurgerea şi asimilarea lui, sunt următoarele:
- va avea cunoştin e solide de strictă specialitate, dar şi de tehnici specifice
matematicii aplicate;
- va fi în măsură să construiască, să prelucreze şi să valorifice o teorie
economică relevantă, credibilă şi inteligibilă, numai în condi iile în care stăpâneşte
deopotrivă cunoştin e în domeniul respectiv, dar şi temeinice cunoştin e de matematici
aplicate în economie
- va dispune de numeroase solu ii pentru eficientizarea managementului la nivel
micro şi macroeconomic în vederea practicării în condi ii de performan ă a muncii de
economist;
- va putea aborda, în elege şi dezvolta diverse probleme ale disciplinelor de
specialitate, precum şi alte concepte legate de modelarea matematică a unor procese
sau fenomene economice dintre cele mai diverse.
Cursul “Matematica” este structurat pe şase unită i de învă are (capitole),
fiecare dintre acestea cuprinzând câte o lucrare de verificare, pe care studentul o va
putea transmite tutorelui său.
Pentru ca procesul de instruire al studentului să se desfaşoare într-un mod
riguros, dar şi atractiv, studentul va putea utiliza un set de resurse suplimentare
prezentate sub forma bibliografiei de la sfârşitul fiecărei unită i de învă are în format
electronic, ce sa va regăsi accesând platforma de e-learning.
Evaluarea cunoştin elor se va realiza sub două forme:
- evaluare continuă, pe baza temelor de control care se vor derula pe platforma
online;
- evaluare finală, realizată prin examenul sus inut în perioada de sesiune.
5
Criteriile de evaluare constau în:
1. Punctajul ob inut la zece teme de control;
2. Gradul de implicare în discu iile tematice, organizate prin op iunea
„Forum” a platformei electronice.
3. Punctajul ob inut la examenul sus inut în cadrul sesiunii.
Ponderile asociate fiecarui criteriu precizat sunt următoarele:
- criteriile 1 şi 2: câte 0,30 puncte pentru fiecare dintre cele zece teme de
control (total = 3 puncte) ; (in evaluarea punctajului va conta si gradul de imiplicare
al studentului in discutiile tematice organizate pe forumul platformei electronice)
- criteriul 3: 7 puncte pentru examenul sus inut în sesiune.
Nutrim speran a ca studen ii din anul I, de la programul de studiu ID,
Facultatea de Finan e, Asigurări, Bănci şi Burse de Valori, să găsească în această
lucrare un sprijin real şi important pentru studiu şi cercetare, pentru viitoarea lor
profesie, ce le va solicita şi cunoştin e de matematica
Autorii
6
UNITATEA DE INV ARE 1:
Serii numerice
Cuprins
1.1 Obiectivele unităţii de învăţare 1 ....................................................................................

1.2 Definiţii si proprietati generale ale seriilor numerice ......................................................
1.3 Serii cu termeni oarecare, serii alternate, serii clasice
1.4 Serii cu termeni pozitivi. Criterii de convergenţă ............................................................

Bibliografia unităţii de învăţare 1
1.1 Obiective
Unitatea de învăţare 1 conţine o prezentare într-o formă accesibilă, dar riguroasă a noţiunii de
serie numerică din cadrul analizei matematice, care fundamentează teoretic noţiunea de serie de puteri,
un alt element de bază al analizei matematice, ce va fi expus în unitatea de invăţare 2.
După studiul acestei unităţi de învăţare, studentul va avea cunoştinţe despre:
- conceptul de serie numerică, necesar si extrem de util, pentru a putea modela matematic
anumite procese sau fenomene economice, dintre cele mai diverse;
- tipul de probleme teoretice si practice, care fac obiectul cursului de „Serii numerice” şi al
lucrărilor de verificare ale studenţilor din învăţământul economic din anul I, ID, de la Facultatea de
Finanţe, Asigurăru, Bănci şi Burse de Valori din Academia de Studii Economice, Bucureşti.
7
1.2 Defini ii si propriet i generale ale seriilor numerice
¥
Fie å an o serie numerică de termen general an .
n =1
Definim şirul sumelor par iale ( Sn ) n³1 , S n = å ak .

n
k =1
¥
Defini ia 1. Seria å an este convergentă dacă şirul ( Sn )n ³1 este convergent.
n =1
În acest caz, numărul S = lim S n se numeşte suma seriei.
n ®¥
¥
Dacă lim S n = ±¥ sau ( S n ) n³1 nu are limită, atunci seria å an este divergentă.
n®¥ n =1
Propozi ia 1.
¥ ¥
a) Dacă seria å an este convergentă şi are suma S , atunci seria å a × a n este convergentă şi are
n =1 n =1
suma a × S .
¥ ¥ ¥
b) Dacă seriile å an şi å bn sunt convergente şi au sumele S1 şi S 2 , atunci seria å (a n + bn ) este
n =1 n=1 n =1
convergentă şi are suma S1 + S 2 .
¥ ¥
Defini ia 2. Seria å an este absolut convergentă dacă seria å a n este convergentă.
n =1 n =1
Propozi ia 2. Dacă o serie este absolut convergentă, atunci seria este convergentă.
1.3 Serii cu termeni oarecare, serii alternate, serii clasice

Criteriul suficient de divergen .
¥
Dacă lim an ¹ 0 , atunci seria å an este divergentă.
n®¥ n =1
Criteriul lui Leibniz.

¥
Fie seria alternată å (-1) n a n , a n > 0. Dacă :
n =1
a) şirul (an )n ³1 este descrescător şi
¥
b) lim an = 0 , atunci seria å (-1) n an este convergentă.
n®¥ n =1
Serii clasice
1) Seria geometrică å q n este convergentă Û q Î (- 1,1) şi are suma S = 1 .

¥
¥ 1- q
este convergentă Û a > 1 .
n =0
2) Seria armonică generalizată å
1
na n =1
8
1.4 Serii cu termeni pozitivi. Criterii de convergen
¥ ¥
Criteriul 1 de compara ie. Fie å an şi å bn serii cu termini pozitivi pentru care există
n =1 n =1
n0 Î N astfel încât a n £ bn , (")n ³ n0 .
¥ ¥
a) Dacă å bn este convergentă, atunci å an este convergentă.
n =1 n =1
¥ ¥
b) Dacă å an este divergentă, atunci å bn este divergentă.
n =1 n =1
¥ ¥
Criteriul 2 de compara ie. Fie å an şi å bn serii cu termeni
n =1 n =1
pozitivi pentru care există n0 Î N astfel încât a n+1 £ bn +1 , (")n ³ n 0 .
an bn
¥ ¥
a) Dacă å bn este convergentă, atunci å an este convergentă.
n =1 n =1
¥ ¥
b) Dacă å an este divergentă, atunci å bn este divergentă.
n =1 n =1
¥ ¥
Criteriul 3 de compara ie. Fie å an şi å bn serii cu termeni pozitivi.
n =1 n =1
a) Dacă lim n Î (0, ¥) , atunci seriile au aceeaşi natură.

a
n®¥ bn
¥ ¥
b) Dacă lim a n = 0 şi: b1 ) å bn este convergentă, atunci å an este convergentă;
n ® ¥ bn n =1 n =1
¥ ¥
b2 ) å an este divergentă, atunci å bn este divergentă.
n =1 n =1
c) Dacă lim n = ¥ şi:

a
n ® ¥ bn
¥ ¥
c1 ) å an este convergentă, atunci å bn este convergentă;
n =1 n =1
¥ ¥
c 2 ) å bn este divergentă, atunci å an este divergentă.
n =1 n =1
Corolarul criteriului raportului (d'Alembert).

¥
Fie å an o serie cu termeni pozitivi şi l = lim
an +1
n®¥ an
.
n =1
¥
a) Dacă l < 1 , atunci å an este convergentă.
n =1
¥
b) Dacă l > 1 , atunci å an este divergentă.
n =1
9
Corolarul criteriului r d cinii (Cauchy).
¥
n ®¥
na .
n =1
n
¥
a) Dacă l < 1 , atunci å an este convergentă.
n =1
¥
b) Dacă l > 1 , atunci å an este divergentă.
n =1
Corolarul criteriului Raabe-Duhamel.
¥
Fie å an o serie cu termeni pozitivi şi l = lim næç an - 1ö÷ .
n =1 n ®¥ çè an +1 ÷
ø
¥
a) Dacă l < 1 , atunci å an este divergentă.
n =1
¥
b) Dacă l > 1 , atunci å an este convergentă.
n =1
Corolarul criteriului logaritmic.

¥
1
ln
a n .
n =1 n ® ¥ ln n
¥
a) Dacă l < 1 , atunci å an este divergentă.
n =1
¥
b) Dacă l > 1 , atunci å an este convergentă
n =1
10
Teste de autoevaluare
I. Să se determine natura şi dacă este cazul să se calculeze suma seriilor:
¥ ¥ 3n - 1
å ln 3. å 3 + 8
¥
å ,a > 0. 2.
n n
3n + 2
1
n =1 n + a + n +a +1 n +1
+ 8n +1
1.
n =1 n =1 3
II. Să se determine natura seriilor:

¥ 1 × 4 × 7 × ... × (3n - 2) ¥æ 3n - 1 ö
4. å . 5. å ç ÷
n2
n =1 3 × 7 × 10 × ... × ( 4n - 1) n =1 è 3n + 2 ø
R spunsuri şi comentarii la testele de autoevaluare

¥
å ,a > 0.
1
n =1 n + a + n +a +1
1.
Rezolvare:
Considerăm şirul sumelor parţiale:
n k +a - k +a +1
S n = å ak = å = å =
n n 1
k =1 k =1 k + a + k + a + 1 k =1 -1
= - 1 + a + 2 + a - 2 + a + 3 + a - ... - n + a + n + a + 1 Þ
Þ S n = n = a + 1 - 1 + a Þ lim S n = ¥ , deci şirul ( Sn ) n³1 este divergent.
n®¥
Conform definiţiei, rezultă că seria este divergentă.
¥ 3n - 1
å ln
3n + 2
2. .
n =1
= å [ln(3k - 1) - ln(3k + 2)] =

3k - 1
Rezolvare:
S n = å ln
n n
k =1 3k + 2 k =1
= ln 2 - ln 5 + ln 5 - ln 8 + ... + ln(3n - 1) - ln(3n + 2) = ln 2 - ln(3n + 2) Þ
Þ lim S n = -¥ , prin urmare seria este divergentă.
n®¥
¥ 3n + 8n
å
3n +1 + 8n +1
3. .
n =1
Rezolvare:
ææ 3 ö n ö
8 n ç ç ÷ + 1÷
çè 8 ø ÷
lim a n = lim è ø =1¹0 ; conform criteriului suficient de divergenţă, rezultă că seria este
n ®¥ n®¥ ææ 3 ö + ö 8
8 n +1 ç ç ÷ + 1÷
n 1
çè 8 ø ÷
è ø
divergentă.
11
¥ 1 × 4 × 7 × ... × (3n - 2)
4. å
n =1 3 × 7 × 10 × ... × ( 4n - 1)
.
Vom folosi corolarul criteriului raportului. Fie an = 1 × 4 × 7.....(3n - 2) . Avem:

Rezolvare:
3 × 7 × 10....(4n - 1)
1 × 4 × 7 × ... × (3n - 2)(3n + 1)
a n +1 3 × 7 × 10 × ... × (4n - 1)(4 n + 3) (3n + 1) 3
= lim = lim = < 1,
n® ¥ a n n ®¥ 1 × 4 × 7 × ... × (3n - 2) n ®¥ (4 n + 3) 4
lim
3 × 7 × 10 × ... × ( 4n - 1)
prin urmare seria este convergentă.
¥ æ 3n - 1 ö
5. å ç ÷
n2
n =1 è 3n + 2 ø
.
Rezolvare:
æ 3n - 1 ö
Aplicăm corolarul criteriului rădăcinii. Fie a n = ç ÷
n2
è 3n + 2 ø
. Avem:
æ 3n - 1 ö æ 3 ö lim- ×n
lim n an = lim ç ÷ = lim ç1 - ÷ =e 3n + 2 = 1 < 1 ,
n n 3
n®¥
n®¥ n ® ¥è 3n + 2 ø n ® ¥è 3n + 2 ø e
prin urmare seria este convergentă.
Bibliografia unit ii de înv are 1:
1. Gh. Cenuşă şi colectiv, Matematici aplicate in economie. Teorie si aplicatii.

Editura CISON, Bucureşti, 2007
2. S. Dedu, F. Şerban, Matematici aplicate în economie. Culegere de probleme,
Editura. Teocora, Buzau, 2009
3. C.Raischi si colectiv, Analiza matematica,
Editura.Plus, Bucureşti, 2005
4.I. Purcaru, Matematici generale si elemente de optimizare,
Editura Economică, Bucureşti, 1997.
12
UNITATEA DE ÎNV ARE 2
Serii de puteri
Cuprins
2.1 Obiectivele unităţii de învăţare 2........................................................................................
2.2 Definiţia noţiunii de serie de puteri ....................................................................................
2.3 Studiul naturii unei serii de puteri
2.4 Ilustrarea rezultatelor teoretice pe cazul numeric concret al aplicaţiilor...............................
Teste de autoevaluare ...............................................................................................................

Răspunsuri şi comentarii la testele de autoevaluare ...................................................................
Bibliografia unităţii de învăţare 2 .............................................................................................
Lucrarea de verificare nr. 1………………………….………………...……
2.1 Obiectivele unit ii de înv are 2
Fiind în strânsă concordanţă cu programa analitică a disciplinei „Matematici aplicate în

economie”, de la Academia de Studii Economice Bucuresti, pentru studenţii de la anul I, ID,
Facultatea de Finanţe, Asigurări, Bănci şi Burse de Valori, noţiunile si conceptele prezentate în cadrul
acestei unităţi de învăţare apar, în mod firesc, într-o succesiune logică şi sunt supuse unor restricţii
temporale inevitabile, care conduc adeseori la dezvoltări teoretice limitate.
După studiul acestei unităţi de învăţare, studentul va avea cunoştinţe despre:
- conceptul de serie de puteri, un alt element de bază al analizei matematice, legat de studiul
seriilor numerice, necesar şi extrem de util, pentru a putea aborda, înţelege şi dezvolta diverse
probleme ale disciplinelor de specialitate din cadrul Facultăţii de Finanţe, Asigurări, Bănci şi Burse de
Valori, căreia ne adresăm;
- tipul de probleme teoretice si practice, care fac obiectul cursului de „Serii de puteri” şi al
lucrărilor de verificare ale studenţilor din invatamântul economic din anul I, ID, de la Facultatea de
Finanţe, Asigurări, Bănci şi Burse de Valori din Academia de Studii Economice, Bucuresti
13
2.2 Defini ia si studiul no iunii de serie de puteri
¥
Fie seria de puteri å a n x n , Se numeşte mul ime de convergen ă a seriei de puteri mulţimea formată
n =1
¥
din punctele în care seria este convergentă: C = { xÎR å a n x n convergentă }.
n =1
¥
Teorema 1 (Teorema lui Abel). Pentru orice serie de puteri å a n x n există R , 0 £ R £ ¥ , astfel
n =1
1) seria este absolut convergentă pe intervalul (- R, R ) ;

încât:
2) seria este divergentă pe mulţimea (- ¥,- R ) È (R, ¥ ) ;

3) pentru orice r Î (0, R ) , seria este uniform convergentă pe intervalul
[- r, r ] .
Observa ie. R se numeşte rază de convergen ă.
¥
Teorema 2 (Cauchy-Hadamard). Fie å a n x n o serie de puteri şi R raza de convergenţă a
n =1
acesteia. Dacă notăm w = lim
n ®¥
n a n , atunci
ì1 , w ¹ 0
ïïw
R = í¥, w = 0 .
ï0, w = ¥
ïî
a n +1
Observa ie. Se poate calcula w şi după formula: w = lim
n®¥
.
an
2.3 Ilustrarea rezultatelor teoretice pe cazul numeric concret al aplica iilor

1. Să se studieze convergenţa seriei de puteri: å (- 1)n
¥
× xn, x Î R .
1
n =1 n ×5 n
· Calculăm raza de convergenţă. Fie a n = (- 1)n

Rezolvare:
1
n × 5n
. Avem că:
(- 1)n +1
deci R = = 5.
1
( n + 1) × 5 n +1
w
1
a n +1
w = lim = lim = lim =
n 1,
n ® ¥ 5(n + 1) 5
(- 1)n
n® ¥ an n ®¥ 1
n × 5n
·
1) seria este absolut convergentă pe intervalul (- 5,5) ;
Conform teoremei lui Abel, rezultă că:
2) seria este divergentă pe mulţimea (- ¥,-5) È (5, ¥ ) ;

3) pentru orice r Î (0,5) , seria este uniform convergentă pe [- r, r ] .
14
· Studiem natura seriei pentru R = ±5 :
Pentru R = 5 , seria de puteri devine: å (- 1)n 1 × 5 n , adică å (- 1)n 1 ;
¥ ¥
n
n =1 n×5 n =1 n
şirul u n = 1 este descrescător şi are limita zero; rezultă, conform criteriului
lui Leibniz, că seria å (- 1)n 1 este convergentă.

¥
n
n =1 n
Pentru R = -5 , seria de puteri devine: å (- 1)n

¥
× (-5) n , adică
1
n =1 n × 5n
¥ 1
å , care este divergentă (seria armonică).
n =1 n
În concluzie, seria de puteri este convergentă pe mulţimea (- 5,5] .
2. Să se determine mulţimea de convergenţă a seriei de puteri:
÷ × ( x - 3) , x Î R .
¥ æ 2n + 1 ö
åç
n
n =1 è 6n - 5 ø
n
· Notăm y = x - 3 .
Rezolvare:
Determinăm mai întâi mulţimea de convergenţă a seriei å æç 2n + 1 ö÷ × y n .

¥ n
n = 1 è 6n - 5 ø
æ 2n + 1 ö
· Calculăm raza de convergenţă. Fie a n = ç ÷ . Avem:
n
è 6n - 5 ø
æ 2n + 1 ö
w = lim n an = lim n ç ÷ = 1 , deci R = = 3 .
n
w
1
n®¥ n ® ¥ è 6n - 5 ø 3
· Conform teoremei lui Abel, avem:

1) seria este absolut convergentă pe intervalul (- 3,3) ;
2) seria este divergentă pe mulţimea (- ¥,-3) È (3, ¥ ) ;
3) pentru orice r Î (0,3) , seria este uniform convergentă pe [- r, r ] .
· Studiem natura seriei pentru y = ±3 :
Pentru y = 3 , seria de puteri devine: å æç 2n + 1 ö÷ × 3n , sau å æç 6n + 3 ö÷ .

¥ ¥ n n
n =1 è 6 n - 5 ø n =1è 6n - 5 ø
æ 8 ö
Fie u n = æç 6n + 3 ö÷ ; avem: lim u n = lim ç1 + ÷ = e n ®¥ = e 3 ¹ 0 , deci, conform criteriului
n n
lim 6 8n n- 5
è 6n - 5 ø n ® ¥è 6n - 5 ø
4
n®¥
suficient de divergenţă, seria este divergentă.
Pentru y = -3 , seria devine: å æç 2n + 1 ö÷ × (-3) n , sau å (- 1)n æç

¥ ¥ 6n + 3 ö
÷ .
n n
n =1è 6n - 5 ø n =1 è 6n - 5 ø
Fie v n = (- 1)n æç 6n + 3 ö÷ ; deoarece nu există lim v n , rezultă că şirul (v n )n ³1 este divergent, deci seria
n
è 6n - 5 ø n®¥
În concluzie, seria de puteri este convergentă pentru y Î (- 3,3) Û

este divergentă.
Û -3 < y < 3 Û -3 < x - 3 < 3 Û 0 < x < 6 . Rezultă că

mulţimea de convergenţă a seriei å æç 2n + 1 ö÷ × (x - 3)n este (0,6) .
¥ n
n =1 è 6 n - 5 ø
15
× ( x + 2 )n
¥ 3 n + ( -4) n
1.Să se determine mulţimea de convergenţă a seriei de puteri å
n =1 n
R spunsuri si comentarii la testele de autoevaluare
· Notăm y = x + 2 . Vom determina mai întâi mulţimea de

1. Rezolvare:
convergenţă a seriei. å 3 + (-4) y n

¥ n n
n =1 n
· Calculăm raza de convergenţă. Fie an = 3 + (-4) , n ³ 1 .

n n
n
n +1 n +1
3 + ( - 4)
a n +1 n +1 3n +1 + (- 4) n +1
w = lim = lim = lim × =
n
n® ¥ an n®¥ 3 n + ( - 4) n n ® ¥ ( n + 1) 3 n + ( - 4) n
( )
n
æ n +1 ö
( -4) n +1 ç - 3 + 1÷
( )
= lim
n
× è 4 ø =4Þ R= 1
n ® ¥ ( n + 1) æ ö
( -4) n ç - 3 + 1÷
n 4
è 4 ø
Conform teoremei lui Abel, rezultă că:
1) seria este absolut convergentă pentru y Î æç - 1 , 1 ö÷ ;
è 4 4ø
2) seria este divergentă pentru y Î æç - ¥,- ö÷ È æç , ¥ ö÷ ;
1 1
è 4ø è4 ø
3) pentru orice r Î æç 0, ö÷ , seria este uniform convergentă pe intervalul [- r, r ] .
1
è 4ø
· Studiem natura seriei pentru y = ± 1 :
4
Pentru y = , seria de puteri devine: å 3 + (-4) æç 1 ö÷ , adică
1 ¥ n n n
4 n =1 n è 4ø
¥ é1 æ 3 ö 1 ù . Avem că seria ¥ 1 æ 3 ö este convergentă
å ê × ç ÷ + (- 1)n × ú å ×ç ÷
n n
n =1ê n è 4 ø
ë
nú
û n =1n è 4 ø
(folosind criteriul raportului) şi seria å (- 1) n × 1 este convergentă (folosind criteriul lui Leibniz), prin
¥
n =1 n
urmare seria este convergentă.
Pentru y = - 1 , seria de puteri devine: å
¥ 3 n + ( -4) n æ 1 ö n
ç- ÷
¥é
, adică å ê(- 1)n
1 æ3ö 1ù .
×ç ÷ + ú
n
Notăm
n=1 è ø n =1êë n è4ø nú
û
4 n 4
¥
bn = (- 1)n
1 æ 3ö
×ç ÷ , n Î N * cn = , n Î N * şi d n = (- 1)n 1 × æç 3 ö÷ + 1 , n Î N * . Avem că seria å bn este
n 1 n
n è 4ø n n è4ø n n =1
¥
convergentă (folosind criteriul lui Leibniz). Dacă presupunem că seria å d n este convergentă,
n =1
deoarece c n = d n - bn , (")n Î N * , rezultă că şi seria å cn este convergentă,

¥
n =1
16
¥
contradicţie. Prin urmare seria å d n este divergentă.
n =1
În concluzie, seria å 3 + (-4) × y n este convergentă pentru

¥ n n
n =1 n
æ 1 1ù
y Îç- , ú Û - < y £ Û - < x + 2 £ Û - < x £ - .
1 1 1 1 9 7
è 4 4û 4 4 4 4 4 4
Am obţinut că mulţimea de convergenţă a seriei este æç - 9 , - 7 ù .
è 4 4 úû
Bibliografia unit ii de înv are 1:

Editura Teocora, Buzau, 2009
Editura Plus, Bucureşti, 2005
4.I. Purcaru , Matematici generale si elemente de optimizare,
Lucrarea de verificare nr. 1

¥
1. Să se determine natura si sa se calculeze suma seriei å
1
n= 2 n
2
-1
2. Să se determine natura seriei å

¥
1
n =1 n + 5
n
3. Sa se calculeze multimea de convergenta a seriei å (- 1)n+1

¥
× xn , x Î R
(2n - 1) × 3
1
n =1
n
17
Func ii de mai multe variabile reale
Cuprins
3.1 Obiectivele unităţii de învăţare 3

3.2 Definiţia limitei si continuitatii pentru o funcţie de mai multe variabile real
3.3 Definiţia derivatelor parţiale de ordinul I şi II pentru o funcţie de doua variabile
3.4 Definiţia diferenţiabilitatii pentru o funcţie de mai multe variabile reale
3.5 Extremele locale ale funcţiilor de mai multe variabile reale
3.6 Ilustrarea teoriei pe cazul numeric concret al aplicaţiilor
Răspunsuri si comentarii la testele de autoevaluare
Bibliografia unităţii de învăţare 3
Lucrarea de verificare nr.2
3.1 Obiective
Economiştii, indiferent de domeniul în care lucrează, au nevoie de cunostinţe solide de strictă

specialitate, dar şi de tehnici specifice matematicii aplicate, cum ar fi noţiunile pe care ni le propunem
să le prezentăm în cadrul unităţii de învăţare 3. Informaţia economică trebuie să fie relevantă,
credibilă, inteligibilă - calităţi, care sunt asigurate numai atunci când economistul care o construieşte,
o prelucrează si o valorifică, stăpâneste deopotrivă cunostinţe în domeniul respectiv, dar şi temeinice
cunoştinţe de matematici aplicate în economie.
După studiul acestei unităţi de învăţare, studentul va avea cunostinţe despre funcţiile de 2 si
respectiv 3 variabile reale şi despre conceptele asociate lor, precum: limitele lor, continuitatea acestora,
derivabilitatea parţială a respectivelor funcţii si diferenţiabilitatea lor; ele reprezintă un alt element
important al analizei matematice, necesar şi extrem de util, pentru a putea aborda, înţelege şi dezvolta
diverse probleme ale disciplinelor de specialitate din cadrul Facultăţii de Finanţe, Asigurări, Bănci şi
Burse de Valori, căreia ne adresăm.
Prin introducerea unitatii de invatare 3, subordonată analizei matematice, nutrim speranţa
ca studentul de la anul I, ID, Facultatea de Finanţe, Asigurări, Bănci şi Burse de Valori, să obţină
acumulări de noi cunoştinţe utile disciplinelor specifice anilor de licenţă, de la această facultate,
în vederea formării lui ca viitor economist, ce urmează să practice profesia de economist în
condiţii de performanţă.
18
3.2 Defini ia limitei si continuit ii pentru o func ie de dou variabile
Defini ia 1. Fie f : A Ì R m ® R o funcţie reală de m variabile reale. Spunem că

lim f ( x ) = l dacă pentru orice şir ( x n ) nÎ N Ì A, x n ¹ x 0 şi lim x n = x0 avem
x ® x0 n®¥
lim f ( x n ) = l .
n®¥
Defini ia 2. Fie f : A Ì R 2 ® R şi (a, b) Î A .

Spunem că f este continuă în punctul (a, b) dacă pentru orice şir {( x n , y n )}nÎ N Ì A
cu proprietatea că lim ( x n , y n ) = (a, b) rezultă că lim f ( x n , y n ) = f (a, b) .
n®¥ n®¥
3.3 Defini ia derivatelor par iale de ordinul I §i II pentru o func ie de doua variabile
Defini ia 3. Fie f : A Ì R 2 ® R şi (a, b) Î A .

Spunem că funcţia f este derivabilă par ial în raport cu x în punctul (a, b) Î A dacă
f ( x, b) - f ( a, b)
x-a
există şi este finită.
x®a
lim
¶f ( a , b )
¶x
Vom nota această limită cu f x' (a, b) sau .
Analog, funcţia f este derivabilă par ial în raport cu y în punctul (a, b) Î A dacă
f (a, y ) - f (a, b)
y-b
există şi este finită.
y ®b
lim
Vom nota această limită cu f y' (a, b) sau ¶f (a, b) .

¶y
3.4 Defini ia diferen iabilitatii pentru o func ie de mai multe variabile

.
Defini ia 4. Fie f : A Ì R 2 ® R o funcţie diferenţiabilă în punctul (a, b) interior lui A .
· Se numeşte diferen iala de ordinul întâi a func iei f în punctul (a, b)
funcţia liniară: df ( x, y; a , b ) = f ' (a , b )( x - a ) + f y' ( a, b)( y - b ) = f ' ( a , b) dx + f ' ( a, b ) dy .
x x y
· Se numeşte diferen iala de ordinul n a func iei f în punctul

é¶ ¶ ù
(a, b) funcţia: d f ( x, y; a, b) = ê dx + dy ú
(n)
ë ¶x ¶y û
n
f ( a, b) .
Observa ie. Toate definiţiile valabile pentru funcţii de două variabile f : A Ì R 2 ® R se

pot extinde pentru cazul funcţiilor de n variabile, f : A Ì R n ® R , n Î N , n ³ 3 .
19
3.5 Extremele locale ale func iilor de mai multe variabile reale
Defini ia 1. Funcţia f : A Ì R n ® R admite un maxim local (minim local) în punctul

a = (a1 , a 2 ,..., a n ) Î A dacă există o vecinătate V a punctului a astfel încât oricare ar fi
x = ( x1 , x 2 ,..., xn ) Î V Ç A are loc inegalitatea f ( x ) £ f (a) (respectiv f ( x ) ³ f (a) ). În
aceste condiţii, spunem că punctul a este punct de extrem local pentru funcţia f . Dacă
inegalităţile de mai sus sunt verificate pe tot domeniul de definiţie A , spunem că punctul
a este punct de maxim (minim) global pentru funcţia f .
Defini ia 2. Fie f : A Ì R n ® R . Punctul a = (a1 , a 2 ,..., a n ) Î int A este punct sta ionar
pentru funcţia f dacă f este diferenţiabilă în a şi diferenţiala df ( x ; a ) = 0 .
Observa ie. Dacă punctul a = (a1 , a 2 ,..., a n ) Î int A este punct staţionar, df ( x; a ) = 0
implică f x' k (a ) = 0, "k = 1, n .
Propozi ie. Dacă funcţia f : A Ì R n ® R admite un extrem local în punctul

a = (a1 , a 2 ,..., a n ) Î A şi există f x' k într-o vecinătate a punctului a , "k = 1, n , atunci
f x' k (a ) = 0, "k = 1, n
Teorema 1. Fie f : A Ì R 2 ® R şi (a, b ) Î int A un punct staţionar pentru f .
punctului (a, b ) .
[ ]
Presupunem că f admite derivate parţiale de ordinul doi, continue pe o vecinătate V a
Considerăm expresia D (a , b ) = f xy (a, b ) - f x' ' (a, b ) × f y'' (a, b ) . Atunci:

'' 2
1. Dacă D ( a , b ) < 0 , atunci (a, b) este punct de extrem local, şi anume:

2 2
- punct de minim local, dacă f x''2 ( a, b ) > 0 ;

- punct de maxim local, dacă f x''2 ( a , b ) < 0 .
2. Dacă D ( a, b ) > 0 , atunci (a, b ) este punct şa.
Teorema 2. Fie f : A Ì R n ® R . Presupunem că punctul a Î A este punct staţionar

pentru f şi funcţia f are derivate parţiale de ordinul doi continue pe o vecinătate V
1) dacă d 2 f ( x ; a ) < 0 , pentru orice x Î V Ç A , atunci a este punct de

a punctului a . Atunci:
2) dacă d 2 f ( x ; a ) > 0 , pentru orice x Î V Ç A , atunci a este punct de

maxim local;
3) dacă d 2 f ( x ; a ) este nedefinită, atunci a este punct şa.

minim local;
20
Algoritm de determinare a punctelor de extrem local pentru f : A Ì R n ® R
Acest algoritm se aplică pe mulţimea punctelor în care funcţia f este diferenţiabilă şi

admite derivate parţiale de ordinul doi continue într-o vecinătate a punctelor respective.
ì f x' ( x1 , x 2 ,..., x n ) = 0
Etapa 1. Determinăm punctele staţionare, care sunt soluţiile sistemului:
ï 1
ïï f ' ( x , x ,..., x ) = 0
í 2
x 1 2 n
ï.....................................
ï '
îï f xn ( x1 , x 2 ,..., x n ) = 0
Etapa 2. Stabilim care dintre punctele staţionare sunt puncte de extrem local. Acest lucru
Metoda I. Pentru fiecare punct staţionar P(a1 , a 2 ,..., a n ) calculăm

se poate realiza în mai multe moduri:
æ f ''2 (a ,.., a ) f x''1 x2 (a1,.., an ) . . . . . . . . f x''1 xn (a1,.., an ) ö÷

matricea hessiană:
ç x1 1
ç '' ÷
ç f (a ,.., an ) f x22 (a1,.., an ) . . . . . . . . . f x 2 x n (a1,.., an ) ÷
n
H (a1, a2 ,..., an ) = ç x2 x1 1
'' ''
÷
ç. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ÷
f (a ,.., an ) f x''n x2 (a1,.., an ) . . . . . . . . . f x''2 (a1,.., an ) ÷
çç '' ÷
è xn x1 1 ø
şi minorii acesteia D1 , D 2 ,......, D n , unde D i este minorul format din primele i linii şi i
n
coloane ale matricei H ( a , b ) , i = 1, n .
· Dacă toţi minorii D i > 0 , atunci P(a1 , a 2 ,..., a n ) punct de minim local.
Discu ie.
· Dacă minorii D i alternează ca semn, începând cu minus, atunci

P(a1 , a 2 ,..., a n ) este punct de maxim local.
· Orice altă combinaţie de semne, cu D i ¹ 0 , implică
P (a1 , a2 ,..., a n ) punct şa.
Pentru fiecare punct staţionar P(a, b ) calculăm expresia:
[ ]
Metoda II. (aplicabilă numai funcţiilor de două variabile)
D(a, b ) = f xy (a, b ) - f x' '2 (a, b ) × f y' '2 (a, b) .

2
1. Dacă D (a , b ) < 0 , atunci (a, b ) este punct de extrem local,

''
- punct de minim local, dacă f x''2 (a, b ) > 0 ;

şi anume:
- punct de maxim local, dacă f x'' (a, b ) < 0 .

2. Dacă D (a , b ) > 0 , atunci (a, b ) este punct şa.
2
21
Observa ia 1. În cazul funcţiilor de două variabile, se observă că D(a, b ) = -D 2 . Prin
urmare, dacă aplicând metoda 1 obţinem că D 2 < 0 , atunci D(a, b ) > 0 , deci, indiferent
de valoarea minorului D1 , rezultă că (a, b ) este punct şa.
a = (a1 , a 2 ,..., a n ) şi se aplică teorema 2.

Metoda III. Se calculează diferenţiala de ordinul al doilea a funcţiei în punctul staţionar
Observa ia 2. Existenţa unui punct de extrem local poate fi pusă în evidenţă cu ajutorul
metodelor prezentate numai dacă funcţia f este diferenţiabilă în acel punct şi admite
derivate parţiale de ordinul doi continue într-o vecinătate a punctului respectiv.
În caz contrar sau în cazul în care în urma aplicării metodelor de mai sus nu se poate
preciza natura punctului, se foloseşte:
Metoda IV. Definiţia punctului de extrem local.
3.7 Ilustrarea teoriei pe cazul numeric concret al aplica iilor
1. Să se determine punctele de extrem local ale funcţiei:

f : R 2 ® R, f ( x, y) = 2 x 2 + y 3 - 6 xy + 1.
Rezolvare:
ì
Etapa 1. Determinăm punctele staţionare, care sunt soluţiile sistemului: ïí f x ( x, y ) = 0 .
'
ïî f y ( x, y) = 0
'
f x' ( x, y ) = 4 x - 6 y
f y' ( x, y ) = 3 y 2 - 6 x
Avem că: , prin urmare rezultă sistemul:
ìï4 x - 6 y = 0 ìï2 x - 3 y = 0 ìx = 3 y
ï
í 2 Û í 2 Û í
ïî3 y - 6 x = 0 ïî y - 2 x = 0 ï y 2 - 3 y = 0
2 .
î
Din a doua ecuaţie obţinem: y1 = 0, y 2 = 3 , de unde, prin înlocuire în prima relaţie,
rezultă x1 = 0, x 2 = 9 , soluţiile sistemului sunt:
ìï x 2 = 9
2
ì x1 = 0
í ; í
(2 )
î y1 = 0 ïî y 2 = 3
2.
Am obţinut punctele staţionare: P1 (0, 0 ), P2 9 , 3 .
22
Etapa 2. Stabilim care dintre punctele staţionare sunt puncte de extrem local.
f 'x' (x, y ) (x, y ) ö÷

Scriem matricea hessiană:
æ
ç
H ( x, y ) = ç
f 'xy
'
÷.
( x, y ) f 'y' (x, y ) ÷ø
2
[ ]
è
f 'yx
'
2
Avem: f x' '2 ( x , y ) = f x' (x , y ) 'x = [4 x - 6 y ] 'x = 4 ;
(x, y ) = [ f (x, y )] = [4 x - 6 y] = -6 = f (x, y ) ;
(x, y ) = [ f (x, y )] = [3 y - 6 x ] = 6 y , deci

'' ' ' ' ''
f xy x y y yx
f y'' 2 '
y
'
y
2 '
y
æ 4 -6 ö
H ( x, y ) = çç ÷ . Avem:
è- 6 6 y ÷ø
æ 4 - 6ö -6
H (0, 0) = çç ÷÷ Þ D1 = 4 > 0, D 2 = = -36 < 0 ,
4
è- 6 0ø -6
prin urmare P1 (0, 0) este punct şa.
0
( ) æ 4
H 92 , 3 = çç
-6ö
÷÷ Þ D1 = 4 > 0, D 2 =
4 -6
= 36 > 0 ,
(2 )
è- 6 18 ø - 6 18
prin urmare P2 9 , 3 este punct de minim local.
2. Să se determine punctele de extrem local ale funcţiei:

f : R 2 ® R, f ( x, y) = 6 x 2 y + 2 y 3 - 45x - 51y + 7 .
Rezolvare:
ì
Etapa 1. Determinăm punctele staţionare, care sunt soluţiile sistemului: ïí f x ( x, y ) = 0 .
'
ïî f y ( x, y) = 0
'
Avem că:
f x' ( x, y ) = 12 xy - 45
f y' ( x, y ) = 6 x 2 + 6 y 2 - 51
, prin urmare obţinem sistemul:
ìï12 xy - 45 = 0 ì xy = 15
ï
í 2 Ûí
ïî6 x + 6 y - 51 = 0
4
+ =
.
ïî
2 2 2 17
x y
2
ìP = 15 ìï P = 15
ï
Notăm x + y = S , xy = P Þ í Þí
4
ïî - = ï = ±
4
î
2 17
S 2 P S 4
2
23
Pentru S = 4, P = 15 Þ t 2 - 4t + 15 = 0 Þ t1 = 3 , t 2 = 5 ,
ì x1 = ì x2 =
4 4 2 2
deci ïí sau ïí
3 5
2 2.
ïî y1 = 5
2
ïî y 2 = 3
2
Pentru S = -4, P = 15 Þ t 2 + 4t + 15 = 0 Þ t1 = - 3 , t 2 = - 5 ,
ì x3 = - 3
4 4 2 2
ì x4 = - 5
deci ïí sau ïí
( ) ( ) ( ) ( )
2
ïî y 3 = - 52
2.
ïî y 4 = - 2
3
Am obţinut punctele staţionare: P1 3 , 5 , P2 5 , 3 , P3 - 3 , - 5 , P4 - 5 , - 3 .

2 2 2 2 2 2 2 2
Etapa 2. Stabilim care dintre punctele staţionare sunt puncte de extrem local.
f 'x' (x, y ) (x, y ) ö÷

Metoda I. Scriem matricea hessiană:
æ
ç
H ( x, y ) = ç
f 'xy
'
÷.
( x, y ) (x, y ) ÷ø
2
[ ] [ ]
ç
è
'' ''
f f
Avem: f x' '2 ( x , y ) = f x' (x , y ) 'x = 12 y ; f xy (x, y ) = f x' (x, y ) 'y = 12x = f yx'' (x, y ) ;
yx y2
[ ]
''
f y' '2 (x , y ) = f y' ( x, y ) 'y = 12 y , deci H ( x, y ) = çç

æ12 y 12 x ö
÷÷ .
( )
è12 x 12 y ø
( )
H 32 , 52 = çç
æ 30 18ö
÷÷ Þ D1 = 30 > 0, D 2 =
30 18
= 576 > 0 , prin urmare P1 ,
3 5
è18 30 ø
este
( )
18 30 2 2
( )
punct de minim local.
æ18 30 ö
H 5 , 3 = çç ÷÷ Þ D1 = 18 > 0, D 2 = = -576 < 0 , prin urmare P2 2 , 2 este
18 30 5 3
2 2
è 30 18ø 30 18
( )
punct şa.
æ - 30 - 18 ö - 30 - 18
H - 32 ,- 52 = çç ÷÷ Þ D1 = -30 < 0, D 2 = = 576 > 0 ,
( )
è - 18 - 30 ø - 18 - 30
prin urmare P3 - 3 , - 5 este punct de maxim local.
( )æ - 18 - 30 ö - 18 - 30
2 2
H - 5 ,- 3 = çç ÷÷ Þ D1 = -18 < 0, D 2 = = -576 < 0 ,
( )
2 2
è - 30 - 18 ø - 30 - 18
3 5
prin urmare P1 , este punct şa.
2 2
24
f : (0, ¥ )2 ® R, f ( x, y ) = x 2 + y 2 + 3 xy - 8 ln x - 14 ln y + 5 .
Să se determine punctele de extrem local ale funcţiei:
Răspunsuri si comentarii la testele de autoevaluare

Etapa 1. Determinăm punctele staţionare. Avem că:
f x' ( x, y) = 2 x + 3 y - 8x
. Rezolvăm sistemul:
f y' ( x, y ) = 2 y + 3 x - 14
ìï2 x 2 + 3 xy = 8 (1)
y
ì f x' ( x, y ) = 0 ì2 x + 3 y - 8 = 0
ï ï
í ' Û í Û í 2
ïî2 y + 3 xy = 14 (2 )
x
ïî2 y + 3x - y = 0
.
ïî f y ( x, y) = 0
Am obţinut un sistem omogen. Înmulţim prima ecuaţie cu 7, pe cea de-a doua cu (- 4)
14
( )
şi adunăm relaţiile obţinute; rezultă:
14 x 2 + 9 xy - 8 y 2 = 0 . Împărţim această ecuaţie prin y 2 y 2 ¹ 0 şi notăm = t . Obţinem:
x
y
14t 2
+ 9t - 8 = 0 Þ t1 = - 87 , t 2 = 12 . Rădăcina negativă nu convine,
deoarece x > 0 şi y > 0 , prin urmare avem t = x
= 1 Þ y = 2x .
Înlocuind y = 2 x în (1) , rezultă x = ±1 . Cum x > 0 , rezultă că singura valoare care se
y 2
acceptă este x = 1 , de unde obţinem y = 2 .

Am obţinut un singur punct staţionar: P(1, 2) .
[ ]
Avem: f x''2 ( x, y ) = f x' (x , y ) 'x = 2 + 82 ; f xy [ ]
(x, y ) = f x' (x, y ) 'y = 3 = f yx'' (x, y ) ;
[ ]
Etapa 2. Stabilim dacă punctul staţionar este punct de extrem local.
''
f y''2 ( x, y ) = f y' ( x , y ) 'y = 2 + 142 , deci matricea hessiană este:

x
æ f ''2 ( x, y ) (x, y ) ö÷ æç 2 + x82 3 ö÷

y
H ( x, y ) = ç
ç x
÷=ç
''
14 ÷
( x, y ) f y ( x, y ) ø ç
f xy
ç f yx ÷ + ÷
.
è è y2 ø
'' ''2 3 2
æ10 3 ö
Avem că H (1, 2) = ç ÷ Þ D = 10 > 0, D = = 46 > 0 , prin urmare P(1, 2) este
10 3
ç 3 11 ÷
è 2ø
1 2
3 11
2
punct de minim local.
25
Bibliografia unit ii de înv are 3
Editura CISON,Bucureşti, 2007
Editura Teocora,Buzau, 2009
Editura Plus, Bucureşti, 2005
1. Să se calculeze derivatele parţiale de ordinul întâi şi doi ale funcţiei

f : R 2 ® R, f ( x, y ) = kxa y b ; k , a , b Î R.
( )
2. Sa se determine punctele de extrem local ale funcţiei
f : R 2 ® R, f ( x, y ) = xy x 2 + y 2 - 4
f ( x, y, z ) = x 4 + y 3 + z 2 + 4 xz - 3 y + 2
3. Sa se determine punctele de extrem local ale funcţiei
26
Calcul integral
Cuprins
4.1 Obiectivele unităţii de învăţare

4.2 Definiţii si proprietăţi ale integralelor euleriene ..............................................................
Teste de autoevaluare...........................................................................................................
Răspunsuri şi comentarii la testele de autoevaluare................................................................
4.1 Obiectivele unit ii de învatare
Unitatea de învăţare 4 cuprinde noţiuni si concepte, legate de calculul integral, un

alt element deosebit de important al analizei matematice, fără de care nu este posibilă
construcţia unei teorii economice de valoare. Menţionăm că sunt de notorietate modelele
economice, care utilizează rezultate profunde din teoria calculului integral, şi din acest
motiv considerăm că unitatea de învăţare 5 îşi justifică pe deplin tangenţa cu domeniul
economic.
După studiul acestei unităţi de învăţare, studentul va avea cunostinţe despre:
- integralele euleriene, care oferă teoriilor economice un aparat matematic
consistent;
- tipul de probleme teoretice si practice, care fac obiectul cursului de „Integrale
euleriene” si al lucrărilor de verificare ale studenţilor din invatamântul economic din anul
I, ID, de la Facultatea de Finanţe, Asigurări, Bănci şi Burse de Valori din Academia de
Studii Economice Bucureşti. Conţinutul acestei unitati de învatare incheie incursiunea
noastră în domeniul analizei matematice si subliniem că el este conform programei
analitice a disciplinei de „Matematici aplicate în economie” de la Academia de Studii
Economice Bucuresti, Facultatea de Finanţe, Asigurări, Bănci şi Burse de Valori, anul I,
ID.
27
4.2 Defini ii şi propriet i ale integralelor euleriene
¥
· Integrala gamma: G(a ) = ò x a -1e - x dx; a > 0 .
0
1) G(1) = 1 .
Proprietă i:
2) G(a ) = (a - 1)G (a - 1), (")a > 1 .

3) G(n ) = (n - 1)!, (")n Î N .
æ1ö
4) Gç ÷ = p .
è2ø
· Integrala beta: b (a, b ) = ò x a-1 (1 - x )b-1 dx; a > 0, b > 0

1
1) b (a, b ) = b (b, a ), " a, b > 0

Proprietă i:
G(a )G(b )
2) b (a, b ) = , " a, b > 0 .
G(a + b )
¥ x a -1
2) b (a, b ) = ò
0 (1 + x )
a +b
dx .
p
3) Dacă a + b = 1 , atunci b (a, b) =
sin (ap )
.
28
4.3Ilustrarea teoriei pe cazul numeric concret al aplica iilor
Sa se calculeze integralele
+¥
1. I = ò x 5 e -2 x dx .
0
Rezolvare:
Folosim schimbarea de variabilă 2 x = t Þ x = 1 t Þ dx = 1 dt .
¥
2 2
¥
x 0
t 0
¥
1 ¥ 5 -t
G (6 ) =
æ t ö -t 1
Obţinem: I = ò ç ÷ e dt = ò t e dt = =
5
1 5! 15
0è 2 ø
.
6 6
2 2 0 2 26 8
¥
2. I = ò e - x dx (integrala Euler-Poisson).
2
0
Rezolvare:
Folosim schimbarea de variabilă: x 2 = t Þ x = t 2 Þ dx = 1 t - 2 dt .
1 1
¥
2
¥
x 0
t 0
¥ ¥ 1 1 æ1ö p
I = ò e -t 12 t - 2 dt = 12 ò t - 2 e -t dt = Gç ÷ =
è ø
1
( )
.
0 0 2 2 2
3. I = ò x 8 1 - x 3 dx .
1
Rezolvare:
Facem schimbarea de variabilă x 3 = t Þ x = t 3 Þ dx = 1 t - 3 dt .
1 2
3
x 0 1
t 0 1
I = 1 ò t 3 (1 - t )t - 3 dt = 1 ò t 2 (1 - t )dt = 1 b (3,2 ) = ×
1 G(3)G (2) 1
=
1 8 1
G (5)
2
3 3 3 3 12
0 0
Să se calculeze următoarele integrale:
+¥
1. I = ò x + 1 e - x -1 dx .
-1
29
2. I = ò
1
x (1 - x )
dx
.
2
03
1. Folosim schimbarea de variabilă x + 1 = t Þ x = t - 1 Þ dx = dt .
-1 ¥
Intervalul de integrare se modifică după cum rezultă din tabelul de mai jos:
¥
x
t 0
¥
Obţinem: I = ò t 2 e - t dt . Prin identificare cu formula de definiţie a integralei gamma,
() ()
1
p
0
rezultă a - 1 = 1 Þ a = 3 , prin urmare I = G 3 = 1 G 1 = 1
2 2 2 2 2 2
2. I = ò = ò x - 3 (1 - x )- 3 dx . Prin identificare cu formula de definiţie a

1 1
x 2 (1 - x ) 0
dx 2 1
03
integralei beta, obţinem:
a - 1 = - 2 Þ a = 1 ; b - 1 = - 1 Þ b = 2 , prin urmare, având în vedere definiţia şi
( )
p 2p
3 3 3 3
proprietatea 3 pentru integrala beta, rezultă: I = b 1 , 2 = =

sin p
.
3 3 3
3
Bibliografia unitatii de învatare 4

Ed. CISON,Bucureşti, 2007
Ed. Teocora,Buzau, 2009
Ed.Plus, Bucureşti, 2005
Să se calculeze integralele
ò x - x 2 dx
1
1.
0
2. ò x 6 e -3 x dx
¥
30
Formule probabilistice în care apar operatii cu evenimente
Cuprins
5.1 Obiectivele unităţii de învăţare 5

5.2 Evenimente, operatii cu evenimente ...............................................................................
5.2 Formule de calcul practic pentru probabilitati .................................................................
5.3 Scheme probabilistice clasice..........................................................................................
Răspunsuri si comentarii la testele de autoevaluare................................................................
5.1 Obiectivele unit ii de înv are 5
Teoria probabilitatilor debutează cu unitatea de învaăţre 5, prin care introducem

noţiunile de experienta si eveniment, prezentăm operaţiile cu evenimente, formulele de
calcul practic pentru probabilitati si schemele probabilistice clasice, toate aceste elemente
fund esenţiale în elaborarea modelelor economice temeinice si fundamentale din domenii
precum: modelarea matematică a unor procese sau fenomene economice dintre cele mai
diverse, gestiunea financiară, asigurări de bunuri si persoane, ingineria financiară.
După studiul acestei unitati de învatare, studentul va avea cunostinţe despre:
-noţiunile elementare din teoria probabilitatilor, care oferă teoriilor economice un
aparat matematic consistent;
-tipul de probleme teoretice si practice, care fac obiectul cursului de „Formule
probabilistice în care apar operaţii cu evenimente” si al lucrărilor de verificare ale
studenţilor din invatamântul economic din anul I, ID, de la Facultatea de Finante, Banci
si Burse de Valori din Academia de Studii Economice Bucuresti.
31
5.2 Evenimente, operatii cu evenimente
Se numeşte eveniment sigur (notat W ) evenimentul care se realizează cu

Defini ia 1. Se numeşte eveniment orice rezultat al unei experienţe.
Se numeşte eveniment imposibil (notat Æ ) evenimentul care nu se realizează

certitudine într-o experienţă.
niciodată într-o experienţă.
A È B (“ A sau B ”) evenimentul ce constă în realizarea a cel puţin unuia

Defini ia 2. Considerăm două evenimente A , B . Definim:
A Ç B (“ A şi B ”) evenimentul ce constă în realizarea simultană a

dintre evenimentele A , B .
evenimentelor A , B .
A (“non A ”) evenimentul ce constă în nerealizarea evenimentului A .
A \ B evenimentul ce constă în realizarea evenimentului A şi nerealizarea
Spunem că A Ì B (" A implică B ") dacă realizarea lui A are ca efect

evenimentului B .
realizarea lui B .
Defini ia 3. Un eveniment A este eveniment elementar dacă din B Ì A rezultă B = Æ
sau B = A .
Observa ia 1. Dacă asociem evenimentului sigur ataşat unei experienţe o mulţime W ,
experienţe şi mulţimea părţilor lui W şi o corespondenţă între operaţiile cu evenimente şi

atunci se poate realiza o corespondenţă între mulţimea evenimentelor ataşate acelei
Observa ia 2. Dacă W este o mulţime cel mult numărabilă, atunci elementele acesteia
operaţiile cu mulţimi..
sunt evenimente elementare.
AÇ B = Æ.
Defini ia 4. Două evenimente A , B sunt incompatibile dacă nu se pot realiza simultan:
Fie W evenimentul sigur ataşat unei experienţe şi P(W ) mulţimea părţilor lui W .
În caz contrar, ele sunt evenimente compatibile.
Defini ia 5. O familie nevidă K Ì P(W) se numeşte corp de păr i dacă verifică

axiomele: i) " A Î K Þ A Î K ;
ii) " A, B Î K Þ A È B Î K .
ii)' " ( An )nÎ N Ì K Þ U An Î K , se obţine noţiunea de corp borelian.

Observa ie. Dacă înlocuim condiţia ii) prin
nÎ N
Defini ia 6. Se numeşte câmp (câmp borelian) de evenimente evenimentul sigur W
32
înzestrat cu un corp (corp borelian) K de evenimente.
Vom nota acest câmp de evenimente (W, K )

5.3 Formule de calcul practic pentru probabilitati
Defini ia 1. (defini ia clasică a probabilită ii) Se numeşte probabilitate a evenimentului

A şi se notează P( A) raportul dintre numărul de rezultate favorabile producerii
evenimentului A ( nfav ) şi numărul total de rezultate ale experimentului, considerate egal
posibile ( n pos ): P( A) = n fav .
n pos
(W, K ) . Se numeşte probabilitate pe câmpul de evenimente (W, K ) o funcţie de mulţime

Defini ia 2. (defini ia axiomatică a probabilită ii) Considerăm un câmp de evenimente
P : K ® R+ , care verifică axiomele:

1) " A Î K Þ P( A) ³ 0 ;
2) P(W) = 1 ;
3) " A, B Î K , A Ç B = Æ Þ P ( A È B) = P( A) + P( B) .
Defini ia 3. Un câmp de evenimente (W, K ) înzestrat cu o probabilitate P se numeşte
câmp de probabilitate şi se notează (W, K , P ) .
Propozi ia 1. (Proprietă i ale func iei probabilitate)
1) P ( A) = 1 - P ( A), " A Î K .
2) P( B \ A) = P( B) - P( A Ç B), " A, B Î K .
3) P(Æ) = 0 .
4) 0 £ P( A) £ 1, " A Î K .
5) Pæç U Ai ö÷ = å P ( Ai ) - å P( Ai Ç A j ) + å n -1 æ
ç
ö
ç ÷ Ç Ç - + - ç I Ai ÷÷
n n n
è i =1 ø è i =1 ø
P ( A A A ) ..... ( 1) P
i =1 1£ i < j £ n 1£ i < j < k £ n
i j k
(formula lui Poincaré).

Observa ia 1. Dacă evenimentele A1 , A2 ,..., An sunt incompatibile două câte două, atunci
formula 5) devine: 5') Pçç U Ai ÷÷ = å P( Ai ) .

æ n ö n
è i =1 ø i =1
Observa ia 2. În cazul n = 2 , formula lui Poincaré devine:
ìP( A) + P( B), A Ç B = Æ ( A, B incompatibile)
P( A È B) = í
îP( A) + P( B) - P( A Ç B), A Ç B ¹ Æ ( A, B compatibile)
6) Pçç I Ai ÷÷ ³ å P( Ai ) - (n - 1) (inegalitatea lui Boole).
æ n ö n
è i =1 ø i =1
Defini ia 4. Fie (W, K , P ) un cămp de probabilitate şi A Î K , a.î. P( A) > 0 . Se numeşte
P( A Ç B)
probabilitate condi ionată de evenimentul A a evenimentului B expresia:
P( B / A) = , P( B) > 0 .
P( B)
Defini ia 5. Spunem că evenimentele A şi B sunt independente dacă
33
P( A Ç B) = P( A) × P( B) .
Defini ia 6. Spunem că evenimentele A1 , A2 ,..., An sunt independente în totalitate dacă

P ( Ai1 Ç Ai 2 Ç .... Ç Ai k ) = P ( Ai1 ) × P ( Ai 2 ) × .... × P ( Ai k ) ,
" k = 1, n, " 1 £ i1 < i 2 < ... < i k £ n .
Propozi ia 2. Fie A1 , A2 ,..., An o familie finită de evenimente astfel încât Pæç I Ai ö÷÷ ¹ 0 ;
ç
n
è i =1 ø
æ ö
atunci Pçç I Ai ÷÷ = P ( A1 ) × P ( A2 / A1 ) × P ( A3 / A1 Ç A2 ) × .... × P( An / A1 Ç A2 Ç ... Ç An -1 ) .
n
è i =1 ø
Observa ie. Dacă A1 , A2 ,..., An este o familie finită de evenimente independente în

æ ö
totalitate, atunci: Pçç I Ai ÷÷ = P( A1 ) × P( A2 ) × P( A3 ) × .... × P( An ) .
n
è i =1 ø
Observa ie. P ( A Ç B ) = ìí P ( A) × P ( B ), pentru A, B evenimente independen te .

î P ( A) × P ( B / A), pentru A, B evenimente dependente
Propozi ia 3. (Formula probabilit ii totale) Fie ( A1 , A2 ,..., An ) un sistem complet de
evenimente (adică Ai Ç A j = Æ, " i ¹ j; i, j = 1, n şi U Ai = W ) şi X Î K , cu

n
i =1
P( X ) ¹ 0 . Atunci P( X ) = å P( Ai ) × P( X / Ai ) .
n
i =1
Propozi ia 4. (Formula lui Bayes) Fie ( A1 , A2 ,..., An ) un sistem complet de evenimente

P ( Ai ) × P( X / Ai )
şi X Î K , cu P( X ) ¹ 0 . Atunci P( Ai / X ) =
å P( Ai ) × P( X / Ai )
sau
n
i =1
P( Ai ) × P( X / Ai )
P( Ai / X ) = .
P( X )
34
5.3 Scheme probabilistice clasice
I. Schema lui Poisson

Se consideră n urne, fiecare urnă U i , i = 1, n , conţinând bile albe şi bile negre. Se
cunosc probabilităţile evenimentelor ca, făcând la întâmplare o extragere din urna
U i , i = 1, n , să obţinem o bilă albă, respectiv o bilă neagră, probabilităţi notate pi ,
respectiv qi ( pi + qi = 1 ).
Probabilitatea ca, din cele n bile extrase, k să fie albe şi n - k să fie negre, notată
Se extrage câte o bilă din fiecare urnă.
P(n : k , n - k ) , este: P(n : k , n - k ) = coeficientul lui t k din polinomul Q(t ) , unde

Q (t ) = ( p1t + q1 )( p 2 t + q 2 )......( p n t + q n ) .
II. Schema bilei revenite cu două stări (schema lui Bernoulli sau schema
binomială)
Se consideră o urnă care conţine bile albe şi bile negre. Se cunoaşte probabilitatea
p Î (0,1) ca extrăgând la întâmplare o bilă din urnă, aceasta să fie albă ( q = 1 - p este
probabilitatea ca la o extragere la întâmplare din urnă să se obţină o bilă neagră).
Probabilitatea ca din cele n bile extrase k să fie albe şi n - k să fie

Se fac n extrageri succesive din urnă, cu revenire.
negre, notată P(n : k , n - k ) , este: P(n : k , n - k ) = C nk p k q n - k .
Generalizare: Schema bilei revenite cu "m" stări (schema multinomială)

Se consideră o urnă care conţine bile de "m" culori. Se cunosc probabilitatăţile
åp
evenimentelor ca, extrăgând la întâmplare o bilă din urnă, aceasta să fie de culoarea "i",
i = 1, m , probabilităţi notate p1 , p 2 ,....., p m , cu pi Î (0,1), = 1.
m
i =1
i
Se fac n extrageri succesive din urnă, cu revenire.

Probabilitatea P(n : n1 , n2 ,...., nm ) ca din cele n bile extrase n1 să fie
de culoarea "1", n2 să fie de culoarea "2",……" nm " de culoarea "m", este:
P( n : n1 , n2 ,...., n m ) = p 1 × p 2 2 × ....... × p m
n!
n1!× n 2 !× ........ × n m ! 1
n n nm .
Observa ie. Schema bilei revenite poate modela o experienţă cu două rezultate posibile:
evenimentele A şi A , având probabilităţile p şi q de a se realiza la orice repetare a
experienţei, cu p, q > 0, p + q = 1 .
35
III. Schema bilei nerevenite cu două stări (schema hipergeometrică)
Se consideră o urnă care conţine N bile, dintre care N1 bile albe şi N 2 bile
Probabilitatea ca din cele n bile extrase k să fie albe şi n - k să fie

negre. Se fac n extrageri succesive din urnă, fără revenire.
negre, notată P(n : k , n - k ) , este:

n-k
k
×CN
P( n : k , n - k ) =
CN
1 2 .
n
CN
Generalizare: Schema bilei nerevenite cu "m" stări
Se consideră o urnă ce conţine N bile de " m " culori, dintre care N1 bile de
culoarea " 1 ", N 2 bile de culoarea " 2 ",.., N m bile de culoarea " m ".
Se fac n extrageri succesive din urnă, fără revenire.
Probabilitatea P(n : n1 , n2 ,...., nm ) ca din cele n bile extrase n1 să fie
de culoarea "1 ", n2 de culoarea " 2 ",……" nm " de culoarea " m ", este:
C Nn 1 × C N × ......... × C N m
n2 n
P ( n : n 1 , n 2 ,...., n m ) = 1 2 m .
n
CN
1. Într-o urnă sunt 10 bile albe şi 15 negre. Se extrag consecutiv 2 bile. Să se calculeze
probabilitatea de a obţine bile de culori diferite în ipotezele:
a) prima extragere este cu revenire;
b) prima extragere este fără revenire.
Rezolvare:
Notăm A1 - evenimentul ca la prima extragere să obţinem o bilă albă;
A2 - evenimentul ca la a doua extragere să obţinem o bilă albă;
N 1 - evenimentul ca la prima extragere să obţinem o bilă neagră;
N 2 - evenimentul ca la a doua extragere să obţinem o bilă neagră.
evenimentele A1 Ç N 2 şi N1 Ç A2 sunt incompatibile, rezultă că

Fie X evenimentul ca în cele două extrageri să obţinem bile de culori diferite. Deoarece
P ( X ) = P (( A1 Ç N 2 ) È ( N 1 Ç A2 )) = P ( A1 Ç N 2 ) + P ( N 1 Ç A2 ) .
a) Dacă extragerile sunt cu revenire, atunci evenimentele A1 şi N 2 , respectiv N1 şi
A2 sunt independente, prin urmare:
P( X ) = P( A1 ) × P ( N 2 ) + P( A2 ) × P( N1 ) = × + × = 0, 48 .
10 15 10 15
25 25 25 25
36
b) Dacă extragerile sunt fără revenire, atunci evenimentele A1 şi N 2 , respectiv N1 şi
A2 sunt dependente, deci P ( X ) = P ( A1 ) × P ( N 2 / A1 ) + P ( N1 ) × P ( A2 / N1 ) .
P( N 2 / A1 ) reprezintă probabilitatea de a obţine o bilă neagră la a doua extragere, ştiind
că la prima extragere s-a obţinut o bilă albă, deci
P( N 2 / A1 ) = =
nr de bile negre 15
.
nr de bile ramase in urna 24
P( A2 / N1 ) reprezintă probabilitatea de a obţine o bilă albă la a doua extragere, ştiind că
la prima extragere s-a obţinut o bilă neagră, deci
P( A2 / N1 ) = =
nr. de bile albe 15
.
nr de bile ramase in urna 24
Obţinem că P ( X ) = × + × = 0,5 .
10 15 15 10
25 24 25 24
2. Un magazin primeşte într-o zi 10 produse de acelaşi tip, dintre care 5 provin de la
furnizorul F1 , 3 provin de la furnizorul F2 şi restul de la furnizorul F3 . Care este
probabilitatea ca din 4 produse vândute:
a) două să provină de la F2 şi câte unul de la ceilalţi furnizori?
b) toate să provină de la acelaşi furnizor?
c) unul singur să provină de la F3 ?
Rezolvare:
a) Problema poate fi modelată cu ajutorul unei urne conţinând bile de trei culori, din
care se fac extrageri fără revenire.
5 F1 1 F1
se extrag
4 2 F2
10 produse 3 F2 fără revenire
1 F3
2 F3
Aplicând schema urnei cu bila nerevenită, obţinem:
C51 × C32 × C12
P (4 : 1, 2,1) = = 1 = 0,142857 .
4 7
C10
b) Fie B evenimentul ca toate produsele să provină de la acelaşi furnizor; acesta se
realizează numai atunci când toate produsele provin de la F1 , prin urmare
C54 × C30 × C 20
P( B) = P(4 : 4, 0, 0) = = 1 = 0,0238 .
4 42
C10
c) Fie C evenimentul ca c) un singur produs să provină de la F3 .
Se observă că, aplicând schema urnei cu bile de 3 culori, numărul situaţiilor în care se
realizează evenimentul C este destul de mare.
Problema poate fi modelată mai uşor cu ajutorul unei urne conţinând bile de două culori:
bilele albe reprezintă produsele ce provin de la F1 sau F2 , iar bilele negre sunt produsele
C83 × C12
care provin de la F3 . Obţinem: P (C ) = P (4 : 3,1) = = 8 = 0,53333 .
4 15
C10
37
1. Doi studenţi susţin simultan un examen. Probabilitatea ca primul student să
promoveze este 0,8, iar probabilitatea ca al doilea să promoveze este 0,7. Să se calculeze
probabilitatea ca:
a) ambii studenţi să promoveze examenul;
b) exact un student să promoveze;
c) cel puţin un student să promoveze;
d ) numai primul student să promoveze.
2. Dintre cele 30 de subiecte recomandate pentru examen de către profesorul de curs,

un student a pregătit 20 de subiecte, pe care le poate prezenta perfect . La examen fiecare
subiect este scris pe câte un bilet, iar studentul trebuie să extragă cinci bilete la întâmplare
şi să prezinte cele cinci subiecte aflate pe bilete. Ştiind că pentru fiecare subiect la care
răspunde corect va primi două puncte şi că nu se acordă nici un punct pentru rezolvări
parţiale, să se determine probabilitatea ca:
a) studentul să primească nota 10;
b) studentul să primească nota 6;
c) studentul să nu promoveze examenul.
1. Problema poate fi modelată cu ajutorul unei urne conţinând bile de două culori, din
care se fac extrageri fără revenire.
a) Se cere probabilitatea ca din cele 5 subiecte extrase, 5 să fie rezolvate perfect.
20 pot fi rezolvate perfect 5 pot fi rezolvate perfect
se extrag
fără revenire
30 subiecte 5
0 nu pot fi rezolvate perfect
10 nu pot fi rezolvate perfect
× C10
P (5 : 5, 0) = = 0,027198 .
5 0
C 20
5
C30
b) Se cere probabilitatea ca din cele 5 subiecte extrase, exact 3 să fie rezolvate perfect:
× C10
P (5 : 3, 2) = = 0,35998 .
3 2
C 20
5
C30
c) Fie C evenimentul ca studentul să nu promoveze examenul, adică să rezolve
perfect 0, 1 sau 2 subiecte:
× C10 C1 × C 4 C2 ×C3
P (C ) = å P (5 : k , 5 - k ) = + 20 10 + 20 10 = 0,27283 .
0 5
2 C 20
k =0
5 5 5
C 30 C30 C 30
38
2. Notăm cu A evenimentul ca primul student să promoveze examenul şi cu B
evenimentul ca al doilea student să promoveze.
studenţi să promoveze examenul este: P( A Ç B ) = P( A) × P( B) = 0,8 × 0,7 = 0,56 .

a) Cum cele două evenimente sunt independente, rezultă că probabilitatea ca ambii
( )
b) Probabilitatea ca exact un student să promoveze examenul este:
P ( A Ç B ) È ( A Ç B ) = P( A Ç B ) + P ( A Ç B ) = P( A) × P ( B ) + P( A) × P ( B ) =
= 0,8 × 0,3 + 0,2 × 0,7 = 0,38 .
P( A È B) = P( A) + P( B) - P( A Ç B) = P( A) + P( B) - P( A) × P( B) =
c) Probabilitatea ca cel puţin un student să promoveze se scrie:
0,8 + 0,7 - 0,8 × 0,7 = 0,94 .
( ) ()
P A Ç B = P( A) × P B = 0,8 × 0,3 = 0,24 , având în vedere independenţa celor două
d ) Probabilitatea ca numai primul student să promoveze se poate calcula astfel:
( )
P A Ç B = P( A \ B ) = P ( A) - P ( A Ç B ) = 0,8 - 0,56 = 0, 24
evenimente, sau

3. I. Purcaru , Matematici generale si elemente de optimizare,
1. Într-o urnă sunt 10 bile albe şi 15 negre. Se extrag consecutiv 2 bile. Să se calculeze
probabilitatea de a obţine bile de culori diferite în ipotezele:
a) prima extragere este cu revenire;
b) prima extragere este fără revenire.
2. Trei bănci acordă credite pentru finanţarea studiilor cu probabilităţile 0,8; 0,75,
respectiv 0,82, independent una de alta. Un student se adresează tuturor băncilor. Cu ce
probabilitate el va primi:
a) trei răspunsuri favorabile;
b) exact două răspunsuri favorabile;
c) exact două răspunsuri nefavorabile;
d ) nici un răspuns favorabil;
e) cel mult două răspunsuri favorabile .
39
Variabile aleatoare
Cuprins
6.1 Obiectivele unităţii de învăţare 6 ...................................................................................

6.2 Variabile aleatoare unidimensionale ..............................................................................
6.3 Variabile aleatoare bidimensionale ................................................................................
6.4 Variabile aleatoare unidimensionale clasice...................................................................
Răspunsuri si comentarii la testele de autoevaluare................................................................
6.1 Obiective
Unitatea de învăţare 6 continuă incursiunea în teoria probabilitatilor, prezentând
variabilele aleatoare. Împreună cu noţiunile importante asociate lor, precum
caracteristicile numerice corespunzătoare acestora, ce sunt de un real folos pentru
practica economică, pentru studiu şi cercetare, pentru realizarea performanţei în viitoarea
muncă de economist si eficientizarea activităţii l la nivel micro si macroeconomic.
După studiul acestei unităţi de învăţare, studentul va avea cunostinţe despre:
- noţiunile de variabile aleatoare existente şi conceptele de bază din teoria
probabilitatilor corelate cu ele, toate acestea oferind economiştilor, indiferent de
domeniul în care vor lucra, cunoştinţe solide de strictă specialitate, dar si tehnici specifice
matematicii aplicate;
- tipul de probleme teoretice şi practice, care fac obiectul cursului de „Variabile
aleatoare ” si al lucrărilor de verificare ale studenţilor din invatamântul economic din anul
I, ID, de la Facultatea de Finanţe, Asigurări, Bănci şi Burse de Valori din Academia de
Studii Economice Bucureşti.
40
6.2 Variabile aleatoare unidimensionale
Defini ia 1. Fie (W, K , P ) un câmp de probabilitate.
O aplicaţie X : W ® R se numeşte variabilă aleatoare dacă
pentru orice x Î R avem: {w X (w ) < x}Î K .
Defini ia 2. Spunem că variabila aleatoare X : W ® R este:
a) discretă, dacă mulţimea valorilor variabilei aleatoare (adică X (W) ) este finită sau
numărabilă;
b) continuă, dacă mulţimea valorilor variabilei aleatoare este un interval sau o
reuniune finită de intervale din R .
Reparti ia unei variabile aleatoare discrete X se reprezintă sub forma unei matrice
având două linii: prima linie conţine valorile pe care le ia variabila aleatoare, iar a doua
linie conţine probabilităţile ca variabila aleatoare să ia aceste valori:
æ xi ö ,
X : çç ÷÷ pi = P( X = xi ), i Î I , å pi = 1 ,
è pi ø iÎI iÎI
unde I este o mulţime finită sau numărabilă.
F : R ® [0,1], F ( x) = P ( X < x) = P({w Î W / X (w ) < x}) .

Defini ia 3. Se numeşte func ia de reparti ie a variabilei aleatoare X aplicaţia
Propozi ia 1. Dacă F : R ® [0,1] este funcţia de repartiţie a unei variabilei

aleatoare X : W ® R , atunci:
a) lim F ( x ) = 0 , lim F ( x) = 1 ;
x ® -¥ x®¥
b) F este nedescrescătoare adică " x1 , x 2 Î R, x1 < x 2 Þ F ( x1 ) £ F ( x 2 ) ;
c) F este continuă la stânga, adică " x Î R Þ F ( x - 0) = F ( x) .
Propozi ia 2. Dacă funcţia F : R ® R satisface condiţiile a) , b) , c) din propoziţia
precedentă, atunci există un un câmp de probabilitate ( W, K , P ) şi o variabilă aleatoare
X : W ® R a cărei funcţie de repartiţie este F .
Defini ia 4. Fie X : W ® R o variabilă aleatoare continuă şi I = X (W) . Dacă funcţia de
ì F ' ( x), x Î I
repartiţie F a variabilei aleatoare X este derivabilă, cu derivata continuă, pe I , atunci
funcţia f ( x) = í
î 0 , xÏI
se numeşte densitatea de reparti ie (densitatea de
Propozi ia 3. Densitatea de repartiţie f : R ® R a unei variabile aleatoare continue

probabilitate) a variabilei aleatoare X .
¥
verifică proprietăţile: a) f ( x) ³ 0, " x Î R ; b) ò f ( x)dx = 1 .
-¥
Propozi ia 4. Dacă funcţia f : R ® R satisface condiţiile a) , b) din propoziţia
precedentă, atunci există un un câmp de probabilitate ( W, K , P ) şi o variabilă aleatoare
X : W ® R a cărei densitate de probabilitate este f .
Observa ii. Fie X : W ® R o variabilă aleatoare continuă, având densitatea de repartiţie
41
f şi funcţia de repartiţie F . Atunci:
1) Deoarece F este o primitivă pe R a funcţiei f , rezultă F ( x) = ò f (t )dt, " x Î R .
x
-¥
2) P ( X < a ) = P( X £ a ) = F ( a ) = ò f ( x)dx ;
a
-¥
¥
P ( X > b) = P ( X ³ b) = 1 - F (b) = ò f ( x )dx ;
b
P ( a £ X < b) = P (a < X < b) = P ( a £ X £ b) = P ( a < X £ b) = F (b) - F ( a) = ò f ( x) dx

b
Defini ia 5. Variabilele aleatoare X i , i = 1, n, n ³ 2 sunt independente dacă evenimentele

a
Ai = {w X i (w ) < xi } sunt independente, " xi Î R, i = 1, n .

Observa ie. Fie X : æç xi ö
÷÷ , Y : æç y j ö÷ variabile aleatoare discrete. Atunci X , Y
ç p ç qj ÷
è i øiÎI è ø jÎJ
independente dacă P( X = xi , Y = y j ) = P( X = xi ) × P(Y = y j ), " i Î I , j Î J
Propozi ia 5. Dacă X : W ® R , Y : W ® R sunt variabile aleatoare şi c Î R , a Î R, a > 0 ,
k Î N * , atunci c × X , X + c , X , X k , 1 (dacă X nu ia valoarea 0), aX , X +Y , X × Y sunt

X
variabile aleatoare.
Observa ie. Dacă X : æç xi ö÷ şi Y : æç j
y ö
çp ÷ ÷
è i ø iÎ I çqj ÷
sunt variabile aleatoare discrete, atunci
è ø jÎJ
æ cx ö
repartiţiile operaţiilor cu variabile aleatoare definite mai sus sunt: c × X : çç i ÷÷ ,
è pi øiÎI
æ xi + c ö æ xi ö , k æ xk ö æ 1 ö æ a xi ö ,
X + c : çç ÷÷ X : çç ÷ :ç i ÷ , 1 : ç xi ÷ , x i ¹ 0, "i = 1, n , a X :ç ÷
÷ çp ÷ ç ÷ çp ÷
,
è pi øiÎI è pi øiÎI è i øiÎI X è p i ø iÎI è i øiÎI
X
æ xi + y j ö æx y ö
X +Y :ç ÷ iÎI , X × Y : ç i j ÷ iÎI , unde pij = P( X = xi , Y = y j ), " i Î I , j Î J .
ç pij ÷ ç p ij ÷
è ø jÎJ è ø jÎJ
Defini ia 6. Se numeşte media (valoarea medie) variabilei aleatoare X numărul (dacă
M ( X ) = å xi pi , dacă X este o variabilă aleatoare discretă;

există):
iÎI
¥
M ( X ) = ò x × f ( x)dx , dacă X este o variabilă aleatoare continuă.
-¥
Propozi ia 6. Dacă X : W ® R , Y : W ® R sunt variabile aleatoare şi a Î R , rezultă:
a) M ( a ) = a ;
b) M ( aX ) = aM ( X ) ;
c) M ( X + Y ) = M ( X ) + M (Y ) ;
42
d ) dacă variabilele aleatoare X , Y sunt independente, atunci M ( X × Y ) = M ( X ) × M (Y ) .
[
D 2 ( X ) = M ( X - M ( X ) )2 . ]
Defini ia 7. Se numeşte dispersia variabilei aleatoare X numărul (dacă există):
Propozi ia 7. Dacă X : W ® R , Y : W ® R sunt variabile aleatoare şi a Î R , rezultă:

a) D 2 ( X ) ³ 0 ;
b) D 2 ( X ) = M ( X 2 ) - M 2 ( X ) ;
c) D 2 ( a ) = 0 ;
d ) D 2 ( aX ) = a 2 D 2 ( X ) ;
e) dacă X , Y sunt independente, atunci D 2 ( X + Y ) = D 2 ( X ) + D 2 (Y ) .
Defini ia 8. Se numeşte abaterea medie pătratică (abaterea standard)
a variabilei aleatoare X numărul (dacă există): s ( X ) = D( X ) = D 2 ( X ) .
Defini ia 9. Se numeşte moment ini ial de ordin r al variabilei aleatoare X numărul
(dacă există): mr = M r ( X ) = M ( X r ) .
Observa ie. mr = å xir pi , dacă X este o variabilă aleatoare discretă;
iÎ I
¥
mr = ò x r × f ( x)dx , dacă X este o variabilă aleatoare continuă.
-¥
[
(dacă există): m r = M r ( X - M ( X ) ) = M ( X - M ( X ) )r . ]
Defini ia 10. Se numeşte moment centrat de ordin r al variabilei aleatoare X numărul
Observa ie. mr = å ( xi - M ( X )) r pi , dacă X este o variabilă aleatoare discretă;

iÎI
¥
m r = ò ( x - M ( X )) r f ( x)dx , dacă X este o variabilă aleatoare continuă.
-¥
Defini ia 15. Fie (W, K , P ) un câmp de probabilitate şi X : W ® R o variabilă aleatoare.
( )
Se numeşte func ia caracteristică a variabilei aleatoare X aplicaţia
j : R ® C , j (t ) = M e itX .
Observa ie. j (t ) = å e itx k p k , dacă X este o variabilă aleatoare discretă;

k ÎI
¥
j (t ) = ò e itx
f ( x ) dx , dacă X este o variabilă aleatoare continuă.
-¥
Defini ia 16. Fie (W, K , P ) un câmp de probabilitate şi X : W ® R
( )
o variabilă aleatoare. Se numeşte func ia generatoare de momente a variabilei aleatoare
X aplicaţia g : R ® R, g (t ) = M e tX .
43
6.3 Variabile aleatoare bidimensionale
Defini ia 1. Fie ( W, K , P ) un câmp de probabilitate. O aplicaţie ( X , Y ) : W ® R 2 se

numeşte variabilă aleatoare bidimensională (vector aleator) dacă oricare ar fi ( x, y ) Î R 2
avem: {w X (w ) < x, Y (w ) < y}Î K .
§ În cazul în care componentele X , Y sunt variabile aleatoare discrete cu

o mul ime finită de valori, reparti ia vectorului aleator ( X , Y ) se poate reprezenta sub
æ (x i , y j )ö
( X , Y ) : çç ÷
forma: sau sub forma tabelului următor:
÷ i =1, m
è p ij ø
j = 1, n
Y y1 y2 K yj K yn pi
X
x1 p11 p12 K p1 j K p1n p1
x2 p21 p22 K p2 j p2 n p2
M M M M M M
xi pi1 pi 2 K pij K pin pi
M M M M M M
xm pm1 pm2 K pmj K pmn
pn
qj q1 q2 K q j K qm 1
( )
pij = P X = xi , Y = y j , i = 1, m, j = 1, n , p i = å p ij , i = 1, m , q j = å p ij , j = 1, n
n m
unde
j =1 i =1
cu condiţiile: 1) pij ³ 0, " i = 1, m, j = 1, n şi 2) å å pij = 1 .

m n
i =1 j =1
Reparti iile marginale sunt repartiţiile variabilelor care compun vectorul ( X , Y ) .

Reparti ia variabilei aleatoare X condi ionată de evenimentul Y = y j , unde j Î 1, n , ( )
este: X / Y = y j : æç ö
ç ( ÷
÷ )
xi
è P X = xi Y = y j øi=1,m
.
Reparti ia variabilei aleatoare Y condi ionată de evenimentul ( X = xi ) , unde i Î 1, m ,

æ ö
( )
este: Y / X = xi : ç ÷
yj
ç = = ÷
.
è P Y y j X xi ø j=1,n
Defini ia 2. Se numeşte covarian a variabilelor aleatoare X şi Y numărul:

cov( X , Y ) = M ( XY ) - M ( X ) × M (Y ) .
Defini ia 3. Variabilele aleatoare X şi Y se numesc necorelate dacă
cov( X , Y ) = 0 .
44
Defini ia 4. Se numeşte coeficientul de corela ie al variabilelor aleatoare X şi Y
M ( XY ) - M ( X ) × M (Y )
r( X ,Y ) = =
s ( X ) × s (Y ) s ( X ) × s (Y )
cov( X , Y )
numărul: .
Propozi ie. Oricare ar fi variabilele aleatoare X şi Y cu D 2 ( X ) × D 2 (Y ) ¹ 0 , au loc
1) r ( X , Y ) = 0 dacă şi numai dacă X şi Y sunt necorelate.

următoarele proprietăţi:
2) Dacă X , Y sunt independente, atunci r ( X , Y ) = 0 .

3) r ( X , Y ) £ 1 .
4) Dacă r ( X , Y ) = 1 , atunci între X şi Y există o dependenţă liniară.
6.4 Variabile aleatoare unidimensionale clasice
REPARTI II CLASICE DISCRETE
æ ö
Repartiţia binomială
X Î Bi(n, p ) Û X : çç k k n -k ÷÷ ; n Î N * ; p, q > 0; p + q = 1 .
k
( )n
è C n p q ø k = 0 ,n
M ( X ) = np; D 2 ( X ) = npq ; j (t ) = peit + q .
æ k ö
Repartiţia Poisson
ç ÷
X Î Po(l ) Û X : ç -l lk ÷ ; l > 0 .
çe × ÷
è k! ø kÎN
M ( X ) = l ; D 2 ( X ) = l ; j (t ) = e l ( e -1) .
it
REPARTI II CLASICE CONTINUE

Repartiţia Gamma
ì a -1 - bx
, x>0
X Î G[a, b]; a, b > 0 Û X are densitatea de repartiţie: f ( x) = ïí b a G(a ) x
1
e
ï x£0
î
M ( X ) = ab, D 2 ( X ) = ab 2 ; j (t ) = (1 - ibt )-a .
0,
X Î N (m,s ); s > 0, m Î R Û X are densitatea de repartiţie:

Repartiţia normală
( x -m ) 2
-
f ( x) = e 2s , x Î R
1
s 2p
2
M ( X ) = m, D 2 ( X ) = s 2 ; j (t ) = eimt -
s 2t 2
2
.
45
1. Fie variabila aleatoare discretă X : æçç - 2 - 1 0 1 2 ö÷÷ , p Î R .

è2 p 4 p p 2 p pø
Să se determine:
a) repartiţia variabilei aleatoare X;
b) funcţia de repartiţie a variabilei X;
c) media, dispersia şi abaterea medie pătratică variabilei aleatoare X;
d ) M ( X 3 ) , M (2 X - 3) , D 2 (3 X - 2) ;
e) probabilităţile: P ( X £ - 0,75) , P ( X > 1,25 ) , P(-1,25 £ X £ 0,5) ,
.
Rezolvare:
a) Impunem condiţiile ca p ³ 0 şi 2 p + 4 p + p + 2 p + p = 1 Þ p = 1 .
æ- 2 -1 1 2ö
10
Rezultă că repartiţia variabilei aleatoare X este: X : ç ÷.

ç 1 ÷
0
è 10 10 ø
2 4 1 2
ì 0 , x Î ( -¥ , - 2 ]
10 10 10
ï 2
ï =
1
, x Î ( - 2 ,1 ]
ï 10
ï 2
5
ï + = = , x Î ( - 1,0 ]
ï 10
4 6 3
b)
Fx (x) = P (X < x) = í
10 10 5
ï 2 + 4 + 1 = 7 , x Î ( 0 ,1 ]
ï 10
ï 2
10 10 10
ï + + + = , x Î (1 , 2 ]
4 1 2 9
ï 10
ïî 1 , x Î ( 2 , +¥ ]
10 10 10 10
c) M ( X ) = (-2) × 2 + (-1) × 4 + 0 × 1 + 1 × 2 + 2 × 1 = - 4 = -0,4 .

10 10 10 10 10 10
M ( X ) = (-2) × + (-1) × + 0 × + 1 × + 2 × = 18 = 1,8 .
2 2 2 2 4 2 1 2 2 2 1
D 2 ( X ) = M ( X 2 ) - M 2 ( X ) = 1,8 - (-0,4) 2 = 1,64 .

10 10 10 10 10 10
s ( X ) = D 2 ( X ) @ 1,28 .
d ) M ( X 3 ) = (-2) 3 × 2 + (-1) 3 × 4 + 0 3 × 1 + 13 × 2 + 2 3 × 1 = -1 .
10 10 10 10 10
Folosind proprietăţile mediei şi ale dispersiei, obţinem:
M (2 X - 3) = 2M ( X ) - 3 = 2 × (-0,4) - 3 = -3,8 . D 2 (3 X - 2) = 9 D 2 ( X ) = 9 × 1,64 = 14,76 .
e) P ( X £ -0,75) = P ( X = -1) + P ( X = -2) = 2 + 4 = 3 .
10 10 5
P( X > 1,25) = P( X = 2) = 1 .
10
46
P(-1,25 £ X £ 0,5) = P( X = -1) + P ( X = 0) = 5 = 1 .
10 2
ì a (1 - x), x Î [0, 1]
2. Fie f : R ® R, f ( x) = í , aÎR.
î 0, x Ï [0, 1]
Să se determine:
a) parametrul a Î R astfel încât f să fie densitatea de repartiţie a unei variabile
( ) (
aleatoare continue X;
) ( )
b) funcţia de repartiţie a variabilei aleatoare X;
c) probabilităţile: P X < 1 , P X > 12 şi P 14 £ X £ 32 ;
4
d ) media şi dispersia variabilei aleatoare X;
Rezolvare:
a) Pentru ca funcţia f să fie densitatea de repartiţie a unei variabile aleatoare
continue, trebuie să îndeplinească următoarele condiţii:
1) f ( x) ³ 0, " x Î R Þ a ³ 0 ;
¥
2) ò f ( x )dx = 1 .
-¥
¥ ¥ ¥
Avem: ò f ( x) dx = ò f ( x)dx + ò f ( x )dx + ò f ( x)dx = ò 0 dx + ò a(1 - x) dx + ò 0 dx =
0 1 0 1
-¥ -¥ -¥
( )
¥
0 1 0 1
= a x - x2 = a2 ; din condiţia ò f ( x)dx = 1 rezultă = 1 Þ a = 2 , deci

2 1 a
-¥
0 2
ì 2 (1 - x), x Î [0,1]
f ( x) = í
î x Ï [0,1]
.
0,
b) Funcţia de repartiţie a variabilei aleatoare X este F : R ® R , F ( x ) = ò f (t ) dt .

x
-¥
§ x Î ( -¥ , 0] Þ F ( x ) = ò 0 dt =0 ;
x
( ) 0x = 2 x - x 2 ;
-¥
§ x Î (0,1] Þ F ( x) = ò 0dt + ò 2(1 - t )dt = 2t - t 2

0 x
-¥ 0
§ x Î (1, ¥ ) Þ F ( x) = ò 0dt + ò 2(1 - t )dt + ò 0dt = 1 .

0 1 x
-¥ 0 1
Am obţinut că:
47
ì 0, x Î (-¥,0]
ïï
F : R ® [0, 1], F ( x ) = í2 x - x 2 , x Î (0,1]
ï 1, x Î (1, ¥)
ïî
c) P X < ( ) = F æç 14 ö÷ = 12 - 14 = 14 .
è ø
1
( 2) ( 2) (2 ) 2
4
P X > 1 =1- P X £ 1 =1- F 1 =1- 1 = 1 .
P ( 1 £ X £ 3 ) = F ( 3 )- F ( 1 ) = 1 - 1 = 3 .
2
4 2 2 4 4 4
d ) M ( X ) = ò xf ( x) dx = ò x × 0dx + ò x × 2(1 - x ) dx + ò x × 0 dx = æç x - 2 x ö÷ = 1 .
¥ ¥
1
0 1 2 3
ç 2 3 ÷ø
-¥ -¥ è
( )
0 1 3
0
¥ æ 2x3 x 4 ö
¥
= ò x f ( x)dx = ò x × 0 dx + ò x × 2(1 - x) dx + ò x × 0 dx = ç ÷ =1.
1
-
0 1
ç 3 2 ÷ø
2 2 2 2 2
è
M X
-¥ -¥ 0 1 0
6
D2 ( X ) = M ( X 2 ) - M 2 ( X ) = 18
1 .
ìïkx 2e - 2x , x ³ 0
3. Fie funcţia f : R ® R , f ( x ) = í , k Î R . Să se determine:
ïî 0, x < 0
a) parametrul k Î R astfel încât f să fie densitatea de repartiţie a unei variabile
c) probabilităţile: P ( X < 4) , P ( X > 6) , P (6 £ X £ 8) , P ( X £ 4 / X > 2 ) ;

b) funcţia de repartiţie a variabilei aleatoare X;
d ) media, dispersia, momentul iniţial de ordinul r, r Î N * pentru variabila aleatoare X
Rezolvare:
a) Condiţiile ca f să fie densitatea de repartiţie a unei variabile aleatoare continue X
1) f ( x ) ³ 0 Þ k ³ 0 ;
sunt:
¥
2) ò f ( x )dx = 1 .
-¥
¥ ¥
Avem că I = ò f ( x) dx = ò 0dx + ò kx 2e - , dx ; folosind schimbarea de
0 x
2
-¥ -¥ 0
¥
variabilă x = t Þ x = 2t; dx = 2dt , obţinem că I = k ò 4t 2 e -t 2dt = 8k × G(3) = 16k ; din condiţia
2 0
48
ìï x e 2 - 2x
, x³0
I = 1 Þ k = .Rezultă că f : R ® R, f ( x) = í16
1
ïî x<0
1
.
16 0,
b) Funcţia de repartiţie a variabilei aleatoare X este F : R ® R, F ( x ) = ò f (t ) dt .

x
-¥
§ x Î (-¥ , 0] Þ F ( x) = ò 0 dt = 0 ;
x
-¥
§ x Î (0, ¥) Þ F ( x) = ò 0dt +
1 x 2 - 2t
ò ( )
t e dt = ò t 2 - 2e - 2 dt = - t 2 e - t + ò (2t )e - 2 dt =
0 x
1 x t ' 1 1x t
( )
-¥ 16 0 16 0 8 0 80
e + ò t - 2e - 2 dt = - + ò e - 2 dt = -
x 2 - 2x 1 x x 2 - 2x t - 2t x 2 - x2 x - x2
=- e - e e - e - e- 2 =
x
t ' 1x t t x
8 40 8 2 0 20 8 2 0
x 2 + 4 x + 8 - 2x
= 1- e . Rezultă:
ì x£0
8
ï
0,
F : R ® R, F ( x ) = í x 2 + 4 x + 8 x
ï1 - e- 2 , x > 0
î 8
c) P ( X < 4) = F ( 4) = 1 - 5e-2 ;
17 -3
P ( X > 6 ) = 1 - P ( X £ 6 ) = 1 - P ( X < 6 ) = 1 - F (6 ) = e ;
2
17 -3
P (6 £ X £ 8) = F (8) - F (6) = e - 13e - 4 ;
P (( X £ 4) Ç ( X > 2) ) P ( 2 < X £ 4) F ( 4) - F ( 2) 2e - e 2 e - 2
2
P ( X £ 4 / X > 2) = = = = =
5 5
P ( X > 2) 1 - P ( X < 2) 1 - F ( 2)
.
5 e
2e
d ) Momentul iniţial de ordinul r este:
¥ ¥
mr = M ( X r ) = ò x r f ( x )dx = ò x r × 0dx + ò x r ×
0
1 2 - 2x
x e dx ;
-¥ -¥ 0 16
= t Þ x = 2t; dx = 2dt rezultă

x
cu schimbarea de variabilă
2
1¥
mr = ò
16 0
(2t ) r + 2 e -t 2dt = 2r -1 × G( r + 3) .
Am obţinut că m r = 2 r -1 × ( r + 2)!, " r Î N * .
§ Media variabilei aleatoare X este momentul iniţial de ordinul 1, prin

urmare M ( X ) = m1 = 3!= 6 .
49
§ Avem că M ( X 2 ) = m2 = 2 × 4!= 48 , deci dispersia variabilei este:
D 2 ( X ) = M ( X 2 ) - M 2 ( X ) = m 2 - m12 = 12 .
4. Fie X , Y două variabile aleatoare discrete având repartiţia comună dată în tabelul
incomplet de mai jos:
Y -1 0 1 pi
X
-1 0,2 0,6
1 0,1
q j 0,3 0,3
a) Să se scrie repartiţiile variabilelor X , Y şi repartiţia comună a variabilelor X , Y .

b) Să se scrie repartiţiile variabilelor X / Y = 1 şi Y / X = 1 , Y ..
Rezolvare:
a) Impunând condiţiile
å pi = 1, å q j = 1 , å pij = pi , " i = 1,2 , å pij = q j , " j = 1,3 , obţinem:

2 3 3 2
i =1 j =1 j =1 1=1
p1 + p 2 = 1 Þ p 2 = 0,4 ; q1 + q 2 + q3 = 1 Þ q 2 = 0,4 ; p11 + p 21 = 0,3 Þ p 21 = 0,1 ;

p12 + p 22 = 0,4 Þ p 21 = 0,3 ; p11 + p12 + p13 = 0,6 Þ p13 = 0,1 ;
p13 + p 23 = 0,3 Þ p23 = 0,2 .
æ-1 1 ö æ-1 1 ö
Rezultă repartiţiile variabilelor X , Y : X : çç ÷÷ ; Y : çç ÷÷
0
è 0,6 0,4 ø è 0,3 0,4 0,3ø
şi repartiţia comună a variabilelor X , Y :
X Y -1 0 1 pi
-1 0,2 0,3 0,1 0,6
1 0,1 0,1 0,2 0,4
qj 0,3 0,4 0,3 1
æ-1 1 ö
b) X Y = 1 : çç ÷÷
è a1 a 2 ø
P (( X = -1) Ç (Y = 1)) 0,1 1 ;
a1 = P( X = -1 Y = 1) = = =
P (Y = 1)
P(( X = 1) Ç (Y = 1)) 0, 2 2
a 2 = P( X = 1 Y = 1) =
0,3 3
= = ;
P(Y = 1) 0,3 3
æ-1 1ö æ -1 1 ö
obţinem: X Y = 1 : ç 1 ÷
2 ÷ ; Y X = -1 : çç ÷;
b 3 ÷ø
0
ç è b1 b2
è 3 3ø
50
æ -1 1ö
Analog Y X = -1 : ç 1 ÷
0
ç 1÷
ç ÷
1
è 3 6ø
æ 1 1 ö æ 0 1 ö
2
Y : çç ÷=ç ÷;
0,4 0,3 ÷ø çè 0,4 0,6 ÷ø
0
è 0,3
1. Să se determine variabila aleatoare X : æç a a + 1 a + 2 ö÷ , ştiind că M (6 X 2 ) = 7 ,

ç p 3p 2 p ÷ø
è
a Î Z, p Î R .
ì ax, x Î [0,1]
2. Fie funcţia f : R ® R , f ( x) = ïí2 - x, x Î (1,2] . Să se determine:
ï 0, x Ï [0,2]
î
a) parametrul a Î R astfel încât f să fie densitatea de repartiţie a unei variabile
( ) ( )
b) probabilităţile P X > 32 şi P X ³ 14 / X £ 32 ;
c) funcţia de repartiţie a variabilei aleatoare X;
d ) media şi dispersia variabilei aleatoare X;
3. Fie două variabile aleatoare X , Y unde

æ -1 1 ö
÷÷ . Fie k = P( X = -1, Y = 0 ) .
æ 0 1 ö
X : çç ÷÷ , Y : çç
è 0,7 0,3ø è 0,4 0,6 ø
a) Să se scrie tabelul comun al repartiţiei variabilelor aleatoare X , Y .
b) Să se determine parametrul k Î R astfel încât variabilele aleatoare X , Y să fie
necorelate.
c) Pentru k determinat la punctul precedent, să se stabilească dacă variabilele
aleatoare X , Y sunt independente.
1. Din condiţia ca X să reprezinte o variabilă aleatoare discretă, obţinem:

æ a a +1 a + 2 ö
p ³ 0 şi p + 3 p + 2 p = 1 Þ p = 1 Þ X : ç ÷.
( ) ( ) ( )
ç 1 ÷
è 6 ø
6 3 2
6 6
M 6 X 2 = 7 Û 6 M X 2 = 7 Û 6 × a 2 × 16 + ( a + 1) 2 × 36 + ( a + 2) 2 × 26 = 7 Û
Û a 2 + 3a 2 + 6 a + 3 + 2a 2 + 8a + 8 = 7 Û 6a 2 + 14 a + 4 = 0 Þ
Þ a1 = -2, a 2 = - Ï Z , deci a = -2 .
1
3
51
Prin urmare, repartiţia variabilei aleatoare X este:
æ- 2 -1 0 ö
ç ÷
X :ç 1 1 1 ÷.
ç ÷
è 6 2 3 ø
2. a) Pentru ca funcţia f să fie densitatea de repartiţie a unei variabile aleatoare
1) f ( x) ³ 0, "x Î R Þ a ³ 0 ;
continue, trebuie să îndeplinească următoarele condiţii:
¥
2) ò f ( x )dx = 1 .
-¥
¥ ¥
ò f ( x)dx = ò f ( x)dx + ò f ( x)dx + ò f ( x)dx + ò f ( x)dx =
0 1 2
-¥ -¥ 0 1 2
¥ æ x 2 ö÷
= ò 0 dx + ò ax dx + ò (2 - x) dx + ò 0 dx = a + ç 2x -
1 2
= 2a + 12 .
0 1 2
x2
ç ÷
-¥ 0 è ø1
0 1 2 2 2
¥ ì x, x Î [0,1]
ï
ò f ( x) dx = 1 Þ a = 1 Þ f ( x) = í2 - x, x Î (1,2] .
-¥ ï 0, x Ï [0,2]
î
¥ ¥
b) Pæç X > 3 ö÷ = ò f ( x) dx = ò ( 2 - x)dx + ò 0dx = 1 .
2
(( ) ( )) P(1 £ X £ 3 )
è ø
( ) = P(X £ 3 ) = P4 (X £ 3 )2 .
2 3 3
8
2
P X³1 Ç X £3
2 2
PX ³ 1
/ X£ 3 4 2
( ) = ò f ( x)dx = ò xdx + ò (2 - x)dx = 2732 ; P(X £ 32 ) = 1 - P(X > 32 ) = 78 , deci

4 2
2 2
£X£
3 3
2 1 2
( )
P 1 3
4 2
1 1
1
P X ³ 14 / X £ 32 = 27
4 4
.
28
c) Funcţia de repartiţie a variabilei aleatoare X este F : R ® R , F ( x ) = ò f (t ) dt .

x
-¥
§ x Î ( -¥ , 0] Þ F ( x ) = ò 0 dt = 0 ;
x
-¥
§ x Î (0,1] Þ F ( x ) = ò 0dt + ò tdt = t2 = x2 ;

0 x 2 x 2
( )x
-¥ 0 0
§ x Î (1,2] Þ F ( x) = ò 0dt + ò tdt + ò (2 - t )dt = t + 2t - t =

0 1 x 2 1 2
-¥
2 0 2 1
= 12 + 2 x - x2 - 32 = - x +24 x - 2 ;
0 1
2 2
x Î (2, ¥) Þ F ( x) = ò 0dt + ò tdt + ò (2 - t )dt + ò 0dt = 1 . Am obţinut că:

0 1 2 x
-¥ 0 1 2
52
ì x Î (-¥, 0]
ï
0,
ï x2
x Î (0, 1]
ïï
F : R ® [0,1], F ( x ) = í
,
2
ï- x + 4x - 2
ï , x Î (1, 2]
2
ï
ïî x Î ( 2, ¥ )
2
1,
¥ ¥
d ) M ( X ) = ò xf ( x)dx = ò x × 0dx + ò x × x dx + ò x(2 - x)dx + ò x × 0 dx =
0 1 2
-¥ -¥ 0 1 2
æ x3 ö
+ ç x2 - ÷ = + 4 - - 1 + = 1.
1 2
=
x3
ç ÷
1 8 1
0 è ø 1
3 3 3 3 3
¥ ¥
M ( X 2 ) = ò x2 f ( x)dx = ò x × 0dx + ò x2 × x dx + ò x2 (2 - x)dx + ò x × 0 dx =
0 1 2
-¥ -¥ 0 1 2
æ x3 x4 ö
+ ç 2 - ÷ = + - 4 - + = Þ D2 ( X ) = M ( X 2 ) - M 2 ( X ) = 16
1 2
=
x4
ç 3 4÷
1 16 2 1 7
0 è ø 1
4 4 3 3 4 6
3. a)
X Y 0 1 pi
-1 k 0,7 - k 0,7
1 0 ,4 - k k - 0,1 0,3
qj 0,4 0,6 1
Din condiţiile: 1) pij ³ 0, " i, j = 1, 2 şi
2) å å pij = 1 obţinem:
2 2
i =1 j =1
ìk ³ 0
ï0,7 - k ³ 0
ï
1) Û í Þ 0,1 £ k £ 0,4 ;
ï - ³
ïîk - 0,1 ³ 0
0, 4 k 0
2) Û k + 0,7 - k + 0,4 - k + k - 0,1 = 1 , relaţie care se verifică, " k Î R .
condiţia k Î [0,1; 0,4] .

În concluzie, repartiţia comună a variabilelor X , Y este cea din tabelul de mai sus, cu
b) Variabilele aleatoare X , Y sunt necorelate dacă avem:

cov( X , Y ) = 0 Û M ( XY ) - M ( X ) × M (Y ) = 0 .
M ( X ) = å xi pi = (-1) × 0,7 +1 × 0,3 = -0,4 ; M (Y ) = å y j q j = 0 × 0,4 + 1 × 0,6 = 0,6 ;

2 2
i =1 j =1
M ( XY ) = å å xi y j p ij = (-1) × 0 × k + ( -1) × 1 × (0,7 - k ) + 1 × 0 × (0,4 - k ) + 1 × 1 × ( k - 0,1) = 2k - 0,8

2 2
M ( XY ) - M ( X ) × M (Y ) = 0 Þ 2k - 0,8 + 0, 24 = 0 Þ k = 0,28 Î [0,1; 0,4] .

i =1 j =1
53
c) Pentru valoarea determinată a parametrului k obţinem tabelul repartiţiei comune de
mai jos:
X Y 0 1 pi
-1 0,28 0,42 0,7
1 0,12 0,18 0,3
qj 0,4 0,6 1
Avem că: P( X = -1, Y = 0) = 0,28 = P( X = -1) × P( Y = 0) ;
P( X = -1, Y = 1) = 0,42 = P( X = -1) × P( Y = 1) ; P( X = 1, Y = 0) = 0,12 = P( X = 1) × P( Y = 0) ;
P( X = 1, Y = 1) = 0,18 = P( X = 1) × P( Y = 1) ;de aici rezultă, că v.a sunt independente.
1. Gh. Cenuşă şi colectiv, Matematici aplicate in economie. Teorie şi aplica ii.

3. I. Purcaru , Matematici generale si elemente de optimizare,

æ- 2 2ö
1. Distribuţia variabilei aleatoare X este X : ç ÷.
-1 0 1
ç 7 1 ÷
è 16 16 ø
1 p 3 p p2
a) parametrul p Î R ;
4 2
Să se determine: b) Media si dispersia lui X,
ìïkx e - 3 , x ³ 0
2. Fie funcţia f : R ® R , f ( x ) = í , k Î R . Să se determine:
x
ïî 0, x < 0
a) parametrul k Î R astfel încât f să fie densitatea de repartiţie a unei variabile
aleatoare continue X; b) funcţia de repartiţie a variabilei aleatoare X;
c) media, dispersia, momentul iniţial de ordinul r, r Î N * pentru v.a. X
æ 1 2ö
3. Se consideră variabilele aleatoare X , Y , având repartiţiile: X : çç ÷÷ ,
è 0,4 0,6 ø
÷÷ , astfel încât P( X = 1, Y = 2) = 0,1 şi P( X = 2, Y = 4 ) = 0,3 . Să se
æ2 6 ö
Y : çç
4
è 0,2 0,5 0,3 ø
determine coeficientul de corelatie al variabilele aleatoare X , Y
54

Florentin Serban Silvia Dedu Matematica-1

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Florentin Serban Silvia Dedu Matematica-1

Încărcat de

Drepturi de autor:

Formate disponibile

FLORENTIN ŞERBAN SILVIA DEDU

Suport de curs pentru ID

Unitatea de înv are 1

Teste de autoevaluare ...........................................................................................................

Unitatea de înv are 2

Teste de autoevaluare ...........................................................................................................

Unitatea de înv are 3

Teste de autoevaluare ...........................................................................................................

Unitatea de înv are 5

Teste de autoevaluare ...........................................................................................................

Unitatea de înv are 6

Teste de autoevaluare ...........................................................................................................

Lucrarea “Matematica " dezvoltă numeroase probleme teoretice şi practice,

1.1 Obiectivele unităţii de învăţare 1 ....................................................................................

Teste de autoevaluare ...........................................................................................................

Definim şirul sumelor par iale ( Sn ) n³1 , S n = å ak .

1.3 Serii cu termeni oarecare, serii alternate, serii clasice

Criteriul lui Leibniz.

1) Seria geometrică å q n este convergentă Û q Î (- 1,1) şi are suma S = 1 .

a) Dacă lim n Î (0, ¥) , atunci seriile au aceeaşi natură.

c) Dacă lim n = ¥ şi:

Corolarul criteriului raportului (d'Alembert).

Corolarul criteriului logaritmic.

I. Să se determine natura şi dacă este cazul să se calculeze suma seriilor:

II. Să se determine natura seriilor:

R spunsuri şi comentarii la testele de autoevaluare

= å [ln(3k - 1) - ln(3k + 2)] =

Vom folosi corolarul criteriului raportului. Fie an = 1 × 4 × 7.....(3n - 2) . Avem:

Bibliografia unit ii de înv are 1:

1. Gh. Cenuşă şi colectiv, Matematici aplicate in economie. Teorie si aplicatii.

Teste de autoevaluare ...............................................................................................................

2.1 Obiectivele unit ii de înv are 2

Fiind în strânsă concordanţă cu programa analitică a disciplinei „Matematici aplicate în

1) seria este absolut convergentă pe intervalul (- R, R ) ;

2) seria este divergentă pe mulţimea (- ¥,- R ) È (R, ¥ ) ;

2.3 Ilustrarea rezultatelor teoretice pe cazul numeric concret al aplica iilor

· Calculăm raza de convergenţă. Fie a n = (- 1)n

2) seria este divergentă pe mulţimea (- ¥,-5) È (5, ¥ ) ;

lui Leibniz, că seria å (- 1)n 1 este convergentă.

Pentru R = -5 , seria de puteri devine: å (- 1)n

2. Să se determine mulţimea de convergenţă a seriei de puteri:

Determinăm mai întâi mulţimea de convergenţă a seriei å æç 2n + 1 ö÷ × y n .

· Conform teoremei lui Abel, avem:

Pentru y = 3 , seria de puteri devine: å æç 2n + 1 ö÷ × 3n , sau å æç 6n + 3 ö÷ .

Pentru y = -3 , seria devine: å æç 2n + 1 ö÷ × (-3) n , sau å (- 1)n æç

În concluzie, seria de puteri este convergentă pentru y Î (- 3,3) Û

Û -3 < y < 3 Û -3 < x - 3 < 3 Û 0 < x < 6 . Rezultă că

R spunsuri si comentarii la testele de autoevaluare

· Notăm y = x + 2 . Vom determina mai întâi mulţimea de

convergenţă a seriei. å 3 + (-4) y n

· Calculăm raza de convergenţă. Fie an = 3 + (-4) , n ³ 1 .

deoarece c n = d n - bn , (")n Î N * , rezultă că şi seria å cn este convergentă,

În concluzie, seria å 3 + (-4) × y n este convergentă pentru

Bibliografia unit ii de înv are 1:

Lucrarea de verificare nr. 1

2. Să se determine natura seriei å

3. Sa se calculeze multimea de convergenta a seriei å (- 1)n+1

Func ii de mai multe variabile reale

3.1 Obiectivele unităţii de învăţare 3

Economiştii, indiferent de domeniul în care lucrează, au nevoie de cunostinţe solide de strictă

Defini ia 1. Fie f : A Ì R m ® R o funcţie reală de m variabile reale. Spunem că

Defini ia 2. Fie f : A Ì R 2 ® R şi (a, b) Î A .

Defini ia 3. Fie f : A Ì R 2 ® R şi (a, b) Î A .

Vom nota această limită cu f y' (a, b) sau ¶f (a, b) .