1

Exerciţii rezolvate

Aducerea la forma canonică a ecuaţiilor cu derivate parţiale

Exerciţiul 1. Să se aducă la forma canonică următoarele ecuaţii:
∂2u ∂2u ∂2u ∂x ∂u
1. 2 + − +2 − =0
∂x2 ∂x∂y ∂y 2 ∂u ∂y
∂2u ∂2u 2
2 ∂ u − x ∂x − y ∂u = 0
2. y 2 − 2xy + x
∂x2 ∂x∂y ∂y 2 ∂u ∂y
∂2u 2
2∂ u = 0
3. + x
∂x2 ∂y 2
Soluţii:

1. Începem cu identificarea tipului ecuaţiei. Pentru aceasta scriem:

 
2 1 
 
1 9
∆ =  1 2  = −2 − = − < 0, (1)
 
 −1 4 4
2


deci ecuaţia dată este o ecuaţie de tip hiperbolic.

Atasăm ecuaţia caracteristică:
2
2 y 0 − y 0 − 1 = 0, (2)
√ √
0 1+ 9 0 1− 9 1
cu soluţiile y = = 1 şi y = =− .
4 4 2
Ecuaţia diferenţială y 0 = 1 este cu variabile separabile şi prin integrarea sa obţinem
dy
= 1 ⇔ dy = dx ⇔ y = x + C1 , (3)
dx
adică curba caracteristică C1 = y − x, C1 ∈ R.
1
Analog, ecuaţia diferenţială y 0 = − este cu variabile separabile şi prin integrarea sa obţinem
2
dy 1 1 1
= − ⇔ dy = − dx ⇔ y = − x + C2 , (4)
dx 2 2 2
adică curba caracteristică 2C2 = x + 2y, C2 ∈ R.
Facem schimbarea de variabile: (
α = y − x,
(5)
β = x + 2y.

În cele ce urmează vom calcula derivatele parţiale prezente ı̂n ecuaţie:
∂u ∂e
u ∂α ∂e
u ∂β ∂e
u ∂eu
= + =− + .
∂x ∂α ∂x ∂β ∂x ∂α ∂β
∂u ∂e
u ∂α ∂e u ∂β ∂e
u ∂e
u
= + = +2 .
∂y ∂α ∂y ∂β ∂y ∂α ∂β
∂2u ∂2u ∂2u ∂2u
−
e e e
= 2 + .
∂x2 ∂α2 ∂α∂β ∂β 2
∂2u ∂2u ∂2u ∂2u
=− 2 −
e e e
+ 2 2.
∂x∂y ∂α ∂α∂β ∂β
2

∂2u ∂2u
e ∂2u
e ∂2u
e
2
= 2
+ 4 + 4 .
∂y ∂α ∂α∂β ∂β 2

Înlocuind aceste derivate ı̂n ecuaţia iniţială obţinem:

∂2u ∂2u ∂2u

 2
∂2u ∂2u ∂2u ∂2u ∂2u

∂x ∂u ∂ u
− 2 +2 − − − −
e e e e e e
2 2+ =2 2
2 + 2 2
+ 2
∂x ∂x∂y ∂y ∂u ∂y ∂α ∂α∂β ∂β ∂α ∂α∂β ∂β 2
 2
∂2u ∂2u
    
∂ u ∂e
u ∂e u ∂eu ∂e
u
− − −
e e e
+ 4 + 4 + 2 + + 2
∂α2 ∂α∂β ∂β 2 ∂α ∂β ∂α ∂β
2
∂ u ∂eu
= −9 −3 .
e
∂α∂β ∂α

În concluzie forma canonică este:

∂2u
e ∂e
u
3 + = 0. (6)
∂α∂β ∂α

2. Începem cu identificarea tipului ecuaţiei. Pentru aceasta scriem:

 2 
 y −xy 
∆=
 = x2 y 2 − x2 y 2 = 0, (7)
−xy x2 

deci ecuaţia dată este o ecuaţie de tip parabolic.

Atasăm ecuaţia caracteristică:

2
y 2 y 0 + 2xyy 0 + x2 = 0, (8)
−2xy x x
cu soluţia dublă reală y 0 = 2
= − . Ecuaţia diferenţială y 0 = − este cu variabile separabile şi prin
2y y y
integrarea sa obţinem
dy x y 2 x2
= − ⇔ ydy = −xdx ⇔ − + C1 , (9)
dx y = 2
adică curba caracteristică C = x2 + y 2 , C ∈ R.
D(α, β)
Fiind o ecuaţie de tip parabolic vom alege a doua variabilă astfel ı̂ncât 6= 0.
D(x, y)
Efectuăm schimbarea de variabile: (
α = x2 + y 2
(10)
β=x

Calculăm derivatele parţiale prezente ı̂n ecuaţia iniţială după cum umrează:

∂u ∂e
u ∂α ∂e
u ∂β ∂e
u ∂eu
= + = 2x + .
∂x ∂α ∂x ∂β ∂x ∂α ∂β

∂u ∂e
u ∂α ∂e u ∂β ∂e
u
= + = 2y .
∂y ∂α ∂y ∂β ∂y ∂α

∂2u 2e
2∂ u ∂2u
e ∂2u
e ∂e
u
2
= 4x 2
+ 4x + 2
+2 .
∂x ∂α ∂α∂β ∂β ∂α

∂2u ∂2u
e ∂2u
e
= 4xy 2 + 2y .
∂x∂y ∂α ∂α∂β

∂2u 2e
2∂ u ∂e
u
2
= 4y 2
+2 .
∂y ∂α ∂α
 3

Membrul stând al ecuaţiei iniţiale se rescrie astfel:

2u ∂2u 2 2e ∂2u ∂2u
 
2∂ 2∂ u ∂x ∂u 2 2∂ u ∂eu
− 2xy −x −y
e e
y +x = y 4x + 4x + +2
∂x2 ∂x∂y ∂y 2 ∂u ∂y ∂α2 ∂α∂β ∂β 2 ∂α
2 2 2
       
∂ u ∂ u ∂ u ∂eu ∂eu ∂eu ∂eu
− 2xy 4xy 2 + 2y + x2 4y 2 2 + 2 − x 2x − y 2y (11)
e e e
+
∂α ∂α∂β ∂α ∂α ∂α ∂β ∂α
2
∂ u ∂eu
= y2 2 − x
e
∂β ∂β

În final obţinem

∂2u x ∂e
u ∂2u β ∂e u
− ⇒ −
e e
2 2
= 0 2 2
=0 (12)
∂β y ∂β ∂β α − β ∂β

3. Identificăm tipul ecuaţiei. Pentru aceasta scriem:

 
1 0 
∆=   = x2 . (13)
0 x2 

Într-un domeniu D ⊂ R2 care nu intersectează axa Ox ∆ > 0 deci ecuaţia dată este o ecuaţie de tip
eliptic.
Atasăm ecuaţia caracteristică:

2
y 0 + x2 = 0, (14)
cu soluţiile y 0 = ±jx. Aceasta ecuaţie diferenţială este cu variabile separabile şi se scrie sub forma

dy x2
= ±jx ⇔ dy = ±jxdx ⇔ y = ± j + C, (15)
dx 2

x2
C = y ∓ j , C ∈ C.
2
Fiind o ecuaţie de tip eliptic vom alege a doua variabilă astfel

α = y
1 (16)
β = x2
2
Calculăm derivatele parţiale după cum umrează:

∂u ∂e
u ∂α ∂e
u ∂β ∂e
u
= + =x .
∂x ∂α ∂x ∂β ∂x ∂β

∂u ∂e
u ∂α ∂e u ∂β ∂e
u
= + = .
∂y ∂α ∂y ∂β ∂y ∂α
∂2u 2e
2∂ u ∂e
u
= x + .
∂x2 ∂β 2 ∂β
∂2u ∂2u
e
2
= .
∂y ∂α2
Obţinem
∂2u 2
2∂ u
2e
2∂ u ∂e
u 2e
2∂ u
+ x = x + + x . (17)
∂x2 ∂y 2 ∂β 2 ∂β ∂α2
Deci forma canonică este:
∂2u
e ∂2u e 1 ∂e
u
2
+ 2
+ = 0. (18)
∂β ∂α 2β ∂β
4

Rezolvarea ecuaţiilor cu derivate parţiale-integrări succesive

Exerciţiul 2. Să se aducă la forma canonică, să se integreze următoarele ecuaţii şi să se rezolve problemele
asociate lor:
∂2u ∂2u ∂2u ∂u ∂u
1. 2
+ − 2 +2 − =0
∂x ∂x∂y ∂y ∂x ∂y

∂ 2u ∂ 2u ∂ 2u ∂u ∂u u(1, y) = 1 − cos y,
2. x2 2 − 2xy + y2 2 + x +y = 0, cu
∂x ∂x∂y ∂y ∂x ∂y  ∂u (1, y) = 2y.
∂x
(
∂2u ∂2u ∂2u u|2y−7x=0 = sin 2x
3. 4 2 + 8 − 21 2 = 0, cu
∂x ∂x∂y ∂y u|2y+3x=0 = −x2

∂2u ∂2 ∂u ∂u u(x, 1) = xe−x ,
4. x2 −y 2 +x −y = 0, cu ∂u
∂x2 ∂y 2 ∂x ∂y  (x, 1) = xe−x
∂y

1. Soluţie: În exerciţiul precedent am obţinut că ecuaţia

∂2u ∂2u ∂2u ∂u ∂u

2
+ − 2 +2 − =0
∂x ∂x∂y ∂y ∂x ∂y

este o ecuaţie hiperbolică cu forma canonică:

∂2u
e 1 ∂e
u
+ =0 (19)
∂α∂β 3 ∂β

∂eu
Notăm = W (α, β).
∂α
Ecuaţia precedentă se rescrie sub forma:

∂W 1 β −β
+ W = 0 ⇔ ln |W | = − + ln |f (α)| ⇔ W (α, β) = f (α)e 3 (20)
∂β 3 3

Din relaţia precedentă rezultă:

∂e
u −β −β
= f (α)e 3 ⇒ u
e(α, β) = e 3 ϕ(α) + ψ(β). (21)
∂α
Prin urmare soluţia generală este:
x+2y
u(x, y) = e− 3 ϕ(y − x) + ψ(x + 2y). (22)

2. Soluţie: α = xy, β = x atunci prin aducerea la forma canonică se obţine

∂2u
e ∂e u
β 2
+ = 0. (23)
∂β ∂β

Notăm
∂e
u
= w. (24)
∂β
Atunci ecuaţia precedentă devine
∂w
β + w = 0,
∂β
 5

f (α)
care prin integrare conduce la ln |w| = ln |β| + ln |f (α)|. Deci w = . Urmează
β

∂e
u f (α)
= (25)
∂β β
de unde prin integrare, rezultă

e(α, β) = f (α) ln |β| + g(α), f, g ∈ C 2 (R).

u (26)

Soluţia găsită ecuaţiei este

u(x, y) = f (xy) ln x + g(xy) .
Punem condiţiile din enunţ şi obţinem:
∂u 1
= yf 0 (xy) ln x + f (xy) + yg 0 (xy)
∂x x
u(1, y) = g(y) = 1 − cos y, iar din ∂u 0
∂x (1, y) = f (y) + yg (y) = 2y deducem f (y) = 2y − y sin y. Soluţia
problemei este u(x, y) = (2xy − xy sin xy) ln x + 1 − cos xy.

3. Soluţie: α = 2y − 7x, β = 2y + 3x, forma canonică este

∂2u
e
= 0.
∂α∂β
 
∂ ∂e
u ∂e
u
Din = 0 deducem = f (β), f ∈ C 1 (R) , cu soluţia u
e(αβ) = ϕ(α) + ψ(β) , de unde
∂α ∂β ∂β

u(x, y) = ϕ(2y − 7x) + ψ(2y + 3x) , ϕ, ψ ∈ C 2 (R).

În punctele de pe prima caracteristică, 2y − 7x = 0 avem sin 2x = ϕ(0) + ψ(10x) ,

iar pentru x = 0, avem ϕ(0) + ψ(0) = 0.În punctele de pe a doua caracteristică, 2y + 3x = 0
avem −x2 = ϕ(−10x) + ψ(0). Rezultă atunci

r
ψ(r) = sin − ψ(0)
52 ,
r
ϕ(r) = − + ϕ(0) ,
100
de unde deducem soluţia problemei

(2y − 7x)2 2y + 3x
u(x, y) = − + sin
100 5
y
4. Soluţie: Cu noile variabile α = xy, β = , găsim forma canonică
x
∂2u
e
= 0. (27)
∂α∂β
Rezultă
u
e(α, β) = ψ(α) + ϕ(β), (28)
deci y
u(x, y) = ψ(xy) + ϕ
x
 
∂u 1 y 1
Avem = ϕ0 + xψ 0 (xy) . Din u(x, 1) = xe−x deducem ϕ + ψ(x) = xe−x şi prin
∂y x x x
6
 
1 1 ∂u
derivare − 2 ϕ0 + ψ 0 (x) = (−x + 1)e−x Din a doua condiţie (x, 1) = xe−x rezultă
x x ∂y
 
1 0 1
ϕ + xψ 0 (x) = xe−x (29)
x x
2 − x −x
Din cele două relaţii deducem ψ 0 (x) = e , deci
2
1
ψ(x) = (x − 1)ex + c,
2
şi  
1 1
ϕ = (x + 1)e−x − c.
x 2
Rezultă soluţia
x + y − xy xy − 1 −xy
u(x, y) = e + e .
2y 2

Rezolvarea ecuaţiilor cu derivate parţiale cu condiţii neomogene-Transformata

Laplace
Liniaritatea transformatei Laplace oferă o cale elegantă pentru rezolvarea problemei Cauchy pentru ecuaţii
diferenţiale liniare cu coeficienţi constanţi. Schematic, ı̂n rezolvarea unei ecuaţii diferenţiale cu ajutorul trans-
formatei Laplace, se parcurg următoarele etape:

1. Se calculează transformata Laplace a ecuaţiei.

2. Se determină valoarea transformatei F (s, x).

3. Se aplică transformata inversa Laplace lui F.

Dacă admitem că t → u(t, x) este original şi notăm Lt operatorul transformării Laplace ı̂n raport cu t, consi-
derând pe x drept o constantă, putem scrie

L[u(t, x)](s) = F (s, x). (30)

Din teorema de derivare a originalului avem:

 
∂u
L (t, x) (s) = sF (s, x) − u(0, x). (31)
∂t
 2 
∂ u ∂u
L 2
(t, x) (s) = s2 F (s, x) − su(0, x) − (0, x). (32)
∂t ∂t
Exerciţiul 3. Să se determine soluţia problemei:

1 ∂u ∂ 2 u



2
− 2 = 0, (t, x) ∈ [0, +∞] × [0, l], a > 0.
 a ∂t ∂x

πx


(C.I.) : u(0, x) = sin , x ∈ [0, l], (33)
( l
u(t, 0) = 0,



(C.L.) :


u(t, l) = 0, t ∈ [0, ∞).

Soluţie: Aplicăm transformarea Laplace ı̂n raport cu variabila t, considerând pe x parametru. Avem
u(t, x) ↔ F (s, x)
∂u πx
(t, x) ↔ sF (s, x) − u(0, x) = sF (s, x) − sin
∂t l
 7

∂2u 00
(t, x) = Fx2 (s, x).
∂x2
Dacă aplicăm transformarea Laplace asupra ecuaţiei propuse obţinem urmu atoarea ecuaţie diferenţialu a de
ordin doi, cu coeficienţi constanţi şi neomogenă, ı̂n variabila x, (s se va considera constant):

00 s 1 πx
Fx2 − 2
F = − 2 sin (34)
a a l
Analizăm mai ı̂ntâi ecuaţia omogenă asociată şi anume:
00 s
Fx2 − F = 0. (35)
a2
Soluţia ecuaţiei omogene scrise anterior este:
√ √
s s
Fa (s, x) = C1 (s)e a
x
+ C2 (s)e− a
x
. (36)

În cele ce urmează vom căuta o soluţie particulară a ecuaţiei de forma:

πx πx
Fp (s, x) = A(s) cos + B(s) sin . (37)
l l
Obţinem:
d2  π 2 πx  π 2 πx
2
Fp (s, x) = −A(s) cos − B(s) sin . (38)
dx l l l l
Impunem ca Fp să satisfacă ecuaţia neomogenă (34). Deducem:
 π 2 πx  π 2 πx s  πx πx  1 πx
−A(s) cos − B(s) sin − 2 A(s) cos + B(s) sin = − 2 sin (39)
l l l l a l l a l
Este evident că A(s) = 0 şi

a2 l2 l2
  
π 2 s 1 1 1
−B(s) + 2 =− 2
⇒ B(s) = 2
· 2 2 2
= 2 2 2
=
2 . (40)
l a a a π a + sl π a + sl s + πa
l

Deci:
1 πx
Fp (s, x) = sin , (41)
πa 2 l


s+ l

iar soluţia generală este dată de:

√ √
s
x − s
x 1 πx
F (s, x) = C1 (s)e a + C2 (s)e a + sin . (42)
πa 2 l


s+ l

Pentru a finaliza mai trebuie să identificăm cele două constante scrise anterior. Identificarea acestora se va face
utilizând condiţiile la limită: Este evident că

F (s, 0) = F (s, l) = 0. (43)

Din condiţiile scrise anterior se obţine C1 = C2 = 0, deci

1 πx
F (s, x) = sin (44)
πa 2 l


s+ l

Originalul corespunzător reprezintă soluţia problemei date şi are expresia

u(t, x) = e−(
πa 2
l ) sin πx , (t, x) ∈ [0, ∞] × [0, l].
t
(45)
l
8

Exerciţiul 4. Determinaţi prin metoda transformării Laplace funcţia u = u(t, x) de clasă C 2 (D) ∩ C 1 (D̄) unde
D = (0, ∞) × (0, 1) care satisface:
∂u ∂2u ∂u
= −2 + x + 2t (46)
∂t ∂x2 ∂x
cu condiţiile la limită
u(t, 0) = 0, u(t, 1) = t, t ∈ [0, ∞) (47)
şi condiţia iniţială
u(0, x) = ex sin πx, x ∈ [0, 1]. (48)

Soluţie: Aplicăm transformarea Laplace ı̂n raport cu variabila t, considerând pe x parametru. Avem
u(t, x) ↔ F (s, x)
∂u
(t, x) ↔ sF (s, x) − u(0, x) = sF (s, x) − ex sin πx
∂t
∂u 0
(t, x) = Fx (s, x).
∂x
∂2u 00
(t, x) = Fx2 (s, x).
∂x2
Dacă aplicăm transformarea Laplace asupra ecuaţiei propuse obţinem urmu atoarea ecuaţie diferenţialu a de
ordin doi, cu coeficienţi constanţi şi neomogenă, ı̂n variabila x, (s se va considera constant). Reamintim că:

n!
tn → (49)
sn+1
00 1 2
sF − ex sin πx = Fx2 − 2Fx0 + x + 2 (50)
s s
Ecuaţia precedentă se rescrie sub forma:

00 1 2
F − 2F 0 − sF = −ex sin πx − x − 2 (51)
s s
Soluţia ecuaţiei va fi suma dintre soluţia ecuaţiei omogene şi o soluţie particulară. Analizăm mai ı̂ntâi ecuaţia
omogenă:
00
F − 2F 0 − sF = 0 (52)
Ecuaţia caracteristică asociată este:
λ2 − 2λ − s = 0 (53)
cu soluţiile √
2± 4 + 4s √
λ1,2 = = 1 ± 1 + s. (54)
2
Soluţia ecuaţiei omogene este de forma:
√ √
F0 (s, x) = c1 (x)e(1+ 1+s)x
+ c2 (x)e(1− 1+s)x
(55)

Căutăm o soluţie particulară care să fie cuprinşi termenii din partea termenilor liberi precum şi derivatele
acestora.
Fp (s, x) = Aex sin πx + Bex cos πx + Cx + D (56)
Calculăm derivatele care intervin ı̂n ecuaţie pentru a determina valoarea constantelor:

Fp0 (s, x) = Aex sin πx + Aπex cos πx + Bex cos πx − Bπex sin πx + C = (A − Bπ)ex sin πx + (Aπ + B)ex cos πx + C
(57)
00 x x x x
Fp (s, x) = (A − Bπ)e sin πx + π(A − Bπ)e cos πx + (Aπ + B)e cos πx − π(Aπ + B)e sin πx
(58)
= (A − Aπ 2 − 2Bπ)ex sin πx + (B − Bπ 2 + 2Aπ)ex cos πx
 9

Înlocuim ı̂n ecuaţie şi obţinem:

(A − Aπ 2 − 2Bπ)ex sin πx + (B − Bπ 2 + 2Aπ)ex cos πx − 2 ((A − Bπ)ex sin πx + (Aπ + B)ex cos πx + C)
1 2
− s (Aex sin πx + Bex cos πx + Cx + D) = −ex sin πx − x − 2
s s
(59)
După gruparea termenilor obţinem:
1 2
(−A − Aπ 2 − As)ex sin πx + (−B − Bπ 2 − Bs)ex cos πx − Csx − 2C − Ds = −ex sin πx − x − 2 (60)
s s
Din relaţia precedentă se obţine:

2 1
A(π + s + 1) = 1 ⇒ A = π 2 + s + 1 ,




B(π 2 + s + 1) = 0 ⇒ B = 0,

1 1 (61)
sC = ⇒ C = 2 ,
s s


sD − 2C = 1 ⇒ D = 0.



s2
Deci forma soluţiei obţinută este:
√ √ 1 1
F (s, x) = F0 (s, x) + Fp (s, x) = c1 (x)e(1+ 1+s)x
+ c2 (x)e(1− 1+s)x
ex sin πx + 2 x.
+ (62)
π2 + s + 1 s
Mai trebuie să identificăm cele două constante prezente ı̂n expresia anterioară. Pentru aceasta vom analiza
condiţiile iniţiale:
Să observăm:
1
u(t, 0) = 0 ⇒ F (s, 0) = 0, u(t, 1) = t ⇒ F (s, 1) = 2 (63)
s
Din
F (s, 0) = 0 ⇒ c1 + c2 = 0 (64)
şi
1 √ √ 1 1
F (s, 1) = 2
⇒ c1 (x)e(1+ 1+s) + c2 (x)e(1− 1+s) + 2 = 2 (65)
s s s
Deci se obţine un sistem omogen compatibil unic determinat cu soluţia c1 (x) = c2 (x) = 0.
Soluţia finală a problemei este:
1 1
F (s, x) = 2 ex sin πx + 2 x. (66)
π +s+1 s
Să a ne intoarcem la variabila iniţială. Ştim că
1 1 1
↔ σ(t), ⇔ eλt σ(t), ↔ teλt σ(t). (67)
s s−λ (s − λ)2
Deci:
1 2
2
↔ e−(π +1)t . (68)
s − (−π − 1)
În acest caz:
2 +1)t
u(t, x) = e−(π · ex sin πx + tx. (69)
Exerciţiul 5. Determinaţi prin metoda transformării Laplace funcţia u = u(t, x) de clasă C 2 (D) ∩ C 1 (D̄) unde
D = (0, ∞) × (0, π) care satisface:
∂2u ∂2u ∂u
2
= +2 + 4t(sin x − x) (70)
∂t ∂x2 ∂t
cu condiţiile la limită
u(t, 0) = 3, u(t, π) = 3 + π(t + t2 ), t ∈ [0, ∞) (71)
şi condiţile iniţiale
∂u
u(0, x) = 3, (0, x) = x + sin x, x ∈ [0, π]. (72)
∂t
10

Soluţie: Aplicăm transformarea Laplace ı̂n raport cu variabila t, considerând pe x parametru. Avem
u(t, x) ↔ F (s, x)
∂u
(t, x) ↔ sF (s, x) − u(0, x) = sF (s, x) − 3
∂t
2
∂ u ∂u
2
(t, x) ↔ s2 F (s, x) − su(0, x) − (0, x) = s2 F (s, x) − 3s − x − sin x
∂t ∂t
∂u 0
(t, x) = Fx (s, x).
∂x
∂2u 00
(t, x) = Fx2 (s, x).
∂x2
Dacă aplicăm transformarea Laplace asupra ecuaţiei propuse obţinem urmu atoarea ecuaţie diferenţialu a de
ordin doi, cu coeficienţi constanţi şi neomogenă, ı̂n variabila x, (s se va considera constant). Înlocuind acestea
ı̂n ecuaţia propusă se obţine:
00 4
s2 F (s, x) − 3s − x − sin x = Fx2 (s, x) + 2 (sF (s, x) − 3) + (sin x − x) . (73)
s2
Relaţia precedentă se rescrie sub forma:

00 4 + s2 s2 − 4
F + (2s − s2 )F = 3(s − 2) − sin x − x (74)
s2 s2
Vom căuta mai ı̂ntâi soluţia pentru ecuaţia omogenă ataşată şi anume:
00
F + (2s − s2 )F = 0 (75)

Ecuaţia caracteristică este:

λ2 + (2s − s2 ) = 0, (76)
cu soluţiile p
λ1,2 = ± s2 − 2s (77)
Deci soluţia ecuaţiei omogene este de forma:
√ √
s2 −2s)x s2 −2s)x
F0 (s, x) = c1 (x)e( + c2 (x)e( . (78)

Soluţia ecuaţiei va fi suma dintre soluţia ecuaţiei omogene F0 şi o soluţie particulară de forma:

Fp (s, x) = A(s) sin x + B(s) cos x + C(s)x + D(s) (79)

Vom calcula pe rând derivatele care intervin ı̂n ecuaţie şi obţinem:
0
Fp (s, x) = A(s) cos x − B(s) sin x + C(s) (80)
00
Fp (s, x) = −A(s) sin x − B(s) cos x (81)
Înlocuim acum ı̂n ecuaţia iniţială (74) pentru a determina valorile parametrilor implicaţi:

4 + s2 s2 − 4
−A(s) sin x − B(s) cos x + (2s − s2 ) (A(s) sin x + B(s) cos x + C(s)x + D(s)) = −3(s − 2) − sin x − x
s2 s2
(82)
Prin egalarea coeficienţilor se obţine:
 2 4 + s2

 A(−1 + 2s − s 2) = − 4 + s ⇒ A = ,
s2 s2 (s2 − 2s + 1)




B(−1 + 2s − s2 ) = 0 ⇒ B = 0,


2 s2 − 4 (83)
 (2s − s2 )C = − s − 4 ⇒ C = =
s+2 1 2
= 2 + 3,


 s 2 2 2
s (s − 2s) s 3 s s
3(s − 2)


 3
D =
 =
s(s − 2) s
 11

Am obţinut soluţia particulară de forma:

4 + s2
 
1 2 3
Fp (s, x) = 2 2 sin x + 2
+ 3 x+ . (84)
s (s − 2s + 1) s s s
Prin urmare soluţia ecuaţiei este:
√ √ 4 + s2
 
( s2 +2s)x ( s2 +2s)x 1 2 3
F (s, x) = F0 (s, x)+Fp (s, x) = c1 (x)e +c2 (x)e + 2 2 sin x+ 2 + 3 x+ . (85)
s (s − 2s + 1) s s s
Mai avem de identificat constantele care intervin ı̂n relaţia precedentă. Pentru aceasta vom utiliza condiţiile la
limită care devin:
3

u(t, 0) = 3 ↔ F (s, 0) = ,

s   (86)
2 3 1 2
u(t, π) = 3 + π(t + t ) ↔ F (s, π) = + π
 + .
s s2 s3
Din prima condiţie obţinem:
3 3 3
F (s, 0) = ⇒ c1 (x) + c2 (x) + = ⇒ c1 + c2 = 0 (87)
s s s
Din a două condiţie obţinem:
√ √ √ √
 
( s2 +2s)π ( s2 +2s)π 1 2 3 2 2
F (s, π) = c1 (x)e + c2 (x)e + 2
+ 3 π+ ⇒ c1 (x)e( s +2s)π + c2 (x)e( s +2s)π = 0. (88)
s s s
Obţinem sistemul: (
c1 + c2 = 0,
√ √ (89)
2 2
c1 e( s +2s)π + c2 e( s +2s)π = 0
Sistemul precedent este un sistem omogen compatibil unic determinat cu soluţia c1 = c2 = 0.
În concluzie:
4 + s2
 
1 2 3
F (s, x) = 2 2 sin x + 2
+ 3 x+ (90)
s (s − 2s + 1) s s s
Trebuie să ne ı̂ntoarcem la original. Să analizăm mai ı̂ntâi fracţia:
4 + s2 4 + s2 4 1
= = 2 + (91)
s2 (s2 − 2s + 1) s2 (s − 1)2 s (s − 1)2 (s − 1)2
4
Dorim să o descompunem ı̂n fracţii simple pe :
s2 (s − 1)2
ms + n ps + q 4
2
+ 2
= 2 ⇒ (ms+n)(s2 −2s+1)+s2 (ps+q) = 4 ⇒ s3 −2ms2 +ms+ns2 −2ns+n+ps3 +qs2 = 4
s (s − 1) s (s − 1)2
(92)
Obţinem: 


 m + p = 0,

−2m + n + q = 0,


 m − 2n = 0,

n = 4.

În final m = 8, p = −8, q = 12.

Deci:
4 8 4 8 4 4 + s2 8 4 8 5
2 2
= + 2
− + 2
⇒ 2 2
= + 2− + (93)
s (s − 1) s s s − 1 (s − 1) s (s − 2s + 1) s s s − 1 (s − 1)2
Prin ı̂ntoarcerea la original se obţine:

u(t, x) = 3 + π(t + t2 ) + (5t − 8)et sin x.

(94)
12

Elemente de teoria probabilităţilor

Formule de reţinut

Definiţii Mulţimea tuturor evenimentelor legate de o experienţă cu un numar finit sau infinit de cazuri posibile
se identifică cu familia tuturor submulţimilor (părtilor) mulţimii E, notată K = P (E).

Definiţia 1. Numim probabilitate ı̂n sens clasic funcţia P : K → [0, 1] definită prin

nr.cazuri favorabile
P (A) = .
număr cazuri posibile

Definiţia 2. Numim probabilitate pe un câmp finit de evenimente (E, K) o funcţie P : K → [0, 1] care satisface:

1. P (A) ∈ [0, 1], ∀A ∈ K

2. P (E) = 1,

3. P (A ∪ B) = P (A) + P (B), ∀A, B ∈ K, A ∩ B = ∅.

Tripletul (E, K, P ) se numeşte câmp finit de probabilitate.

Formule de calcul ı̂ntr-un câmp finit de probabilitate Fie (E, K, P ) un câmp finit de probabilitate.
Atunci:

1. P (∅) = 0

2. P (Ā) = 1 − P (A), ∀A ∈ K
n n
S P
3. P = P (Ai ), ∀Ai ∈ K, Ai ∩ Aj = ∅, i 6= j.
i=1 i=1

Probabilitatea diferenţei
P (A \ B) = P (A) − P (A ∩ B). (95)

Probabilitatea unei reuniuni

P (A ∪ B) = P (A) + P (B) − P (A ∩ B) (96)

Probabilitate condiţionată Dacă A ∈ K, satisface P (A) 6= 0, atunci probabilitatea de realizare a eveni-

mentului B ı̂n ipoteza ca evenimentul A s-a realizat, se numeşte probabilitatea lui B, condiţionată de A şi este
definita prin:
P (A ∩ B)
P (B|A) = PA (B) = (97)
P (A)
Definiţia 3. Evenimentele A şi B se numesc independente dacă

P (A ∩ B) = 0. (98)

Definiţia 4. O familie de evenimente {Ai , i = 1, . . . , n} formează un sistem complet de evenimente dacă au

loc proprietăţile:

• P (Ai ) > 0, ∀i ∈ {1, 2, . . . , n}

• Ai ∩ Aj = ∅, i 6= j
n
S
• E= Ai .
i=1
 13

Formula probabilităţii totale

Teorema 1. Dacă {Ai , i = 1, 2, ..., n} este un sistem complet de evenimente şi X ∈ K este un eveniment
arbitrar, atunci
Xn
P (X) = P (Ai ) · P (X|Ai ). (99)
i=1

Formula lui Bayes

Teorema 2. Dacă {Ai, i = 1, 2, ..., n} este un sistem complet de evenimente şi X ∈ K este un eveniment
arbitrar, atunci pentru orice i = 1, 2, ..., n are loc
P (Ai ) · P (X|Ai )
P (Ai |X) = n . (100)
P
P (Aj )P (X|Aj )
j=1

1. P (A ∪ B ∪ C) = P (A) + P (B) + P (C) − P (A ∩ B) − P (A ∩ C) − P (B ∩ C) + P (A ∩ B ∩ C)

2. P (A ∩ B) = P (A|B) · P (B)

3. P (A ∩ B ∩ C) = P (A|B ∩ C) · P (B ∩ C) = P (A|B ∩ C) · P (B|C) · P (C).

Exerciţiul 6. Dacă P (A|B) = 0.2, P (A|B̄) = 0.3 şi P (B) = 0.8. Să se calculeze P (A) şi P (B|A).
Soluţie: Pornim de la formula

P (A ∩ B̄) = P (A \ B) = P (A) − P (A ∩ B) ⇒ P (A) = P (A ∩ B̄) + P (A ∩ B) (101)

Din P (A|B) = 0.2 obţinem

P (A ∩ B)
P (A|B) = ⇒ P (A ∩ B) = 0.16 (102)
P (B)
Mai mult
P (A ∩ B̄)
P (A|B̄) = ⇒ P (A ∩ B̄) = 0.3 · 0.2 = 0.06 (103)
P (B̄)
Din (101), (102) şi (103) obţinem:

P (A) = P (A ∩ B̄) + P (A ∩ B) = 0.16 + 0.06 = 0.22 (104)

Folosind formula lui Bayes obţinem:

P (B) · P (A|B) P (B ∩ A) 0.8 · 0.2 0.16
P (B|A) = = = = = 0.72 (105)
P (A) P (A) 0.22 0.22
3 1 2
Exerciţiul 7. Dacă P (A ∪ B) = , P (A ∩ B) = şi P (Ā) = . Calculaţi P (B), P (A|B) şi P (A|B̄).
4 4 3
Soluţie: Este cunoscut faptul că

P (A ∩ B) = P (A) + P (B) − P (A ∪ B) (106)

Ţinând cont de ipotezele exerciţiului obţinem

3 1 1 2
P (B) = P (A ∩ B) − P (A) + P (A ∪ B) = + − = (107)
4 4 3 3
În continuare
1
P (A ∩ B) 3
P (A|B) = = 4 = . (108)
P (B) 2 8
3
14

şi
1 1
P (A ∩ B̄) P (A) − P (A ∩ B) − 1
P (A|B̄) = = = 3 4 = (109)
P (B̄) P (B̄) 1 4
3
Exerciţiul 8. Fie A, B, C, D independente cu P (A) = 0.2, P (B) = 0.1, P (C) = 0.4 şi P (D) = 0.3. Calculaţi
P ((A \ B) ∪ (D \ C)), P ((A ∪ B) ∪ (C ∩ D)) .
Soluţie: Vom folosi ipoteza că cele 4 evenimente sunt independente:
P ((A \ B) ∪ (D \ C)) = P (A \ B) + P (D \ C) − P (A \ B) · P (D \ C)
= P (A) − P (A ∩ B) + P (D) − P (D ∩ C) − (P (A) − P (A ∩ B)) · (P (D) − P (D ∩ C))
= P (A) − P (A) · P (B) + P (D) − P (D) · P (C) − (P (A) − P (A) · P (B))) · (P (D) − P (D) · P (C))
= 0.2 − 0.2 · 0.1 + 0.3 − 0.4 · 0.3 − (0.2 − 0.2 · 0.1) · (0.3 − 0.4 · 0.3) = 0.3276
(110)
Pentru a doua relaţie:
P ((A ∪ B) ∪ (C ∩ D)) = P (A ∪ B) + P (C ∩ D) − P ((A ∪ B) ∩ (C ∩ D))
= P (A) + P (B) − P (A) · P (B) + P (C) · P (D) − (P (A) + P (B) − P (A) · P (B)) · (P (C) · P (D))
= 0.2 + 0.1 − 0.2 · 0.1 + 0.4 · 0.3 − (0.2 + 0.1 − 0.2 · 0.1) · (0.4 · 0.3) = 0.366
(111)
Exerciţiul 9. Fie A, B, C evenimente independente cu P (A) = 0.2, P (B) = 0.3, P (C) = 0.1. Calculaţi
P (C \ (A ∩ B̄)).
Soluţie:


P (C \ (A ∩ B̄)) = P (C) − P C ∩ (A ∩ B̄) = P (C) − P (C) · P (A ∩ B̄)

(112)
= P (C) 1 − P (A)P (B̄) = 0.1 · (1 − 0.2 · 0.7) = 0.1 · 0.06 = 0.006.
Exerciţiul 10. Fie A, B, C trei evenimente arbitrare ı̂ntr-un câmp de probabilitate. Să se demonstreze că are
loc relaţia:
P ((A ∪ B)|C) = P (A|C) + P (B|C) − P ((A ∩ B)|C) (113)
Soluţie:
P (C ∩ (A ∪ B)) P (C ∩ A) ∪ (C ∩ B)) P (C ∩ A) + P (C ∩ B) − P ((C ∩ A) ∩ (C ∩ B))
P ((A ∪ B)|C) = = =
P (C) P (C) P (C)
P (C ∩ A) P (C ∩ B) P (A ∩ B ∩ C)
= + − = P (A|C) + P (B|C) − P ((A ∩ B)|C).
P (C) P (C) P (C)
(114)

Variabile aleatoare discrete

Definiţia 5. Fie (E, K, P ) un câmp de probabilitate finit sau cel mult numărabil O funcţie
X : E → {x1 , x2 , . . . xn , . . .}, xi ∈ R
care ia un număr finit sau cel mult numărabil de valori reale se numeşte variabilă aleatoare discretă. xi sunt
valorile pe care le poate lua variabila aleatoare discretă X. Vom nota
pi = P {X = xi } = P {e ∈ E|X(e) = xi }, i = 1, 2, . . .
probabilitatea cu care variabila considerată ia valoarea xi .
 
xi
Tabelul X : , i = 1, 2, . . . . se numeşte repartiţia variabilei X. Evenimentele {X = xi }, i = 1, 2, . . .
pi
X∞
formează un sistem complet de evenimente. Au loc 0 ≤ pi ≤ 1 pi = 1.
i=1
 15
   
xi yj
Operaţii cu variabile aleatoare discrete Fie X : , i = 1, 2, . . . şi Y : , j = 1, 2, . . . .
pi qj
Definim

pij = P {X = xi , Y = yj }, i = 1, 2, . . . , j = 1, 2, . . ..

Propoziţia 1. Au loc următoarele formule:

P P P
pi = pij , qj = pij , pij = 1
j∈N i∈N i∈N, j∈N
   
xi yj
Definiţia 6. Variabilele aleatoare X : , i = 1, 2, . . . şi Y : , j = 1, 2, . . . se numesc independente,
pi qi
dacă pij = pi · qj , ∀i = 1, 2, . . . , ∀j = 1, 2, . . .

Relaţia precedentă ne indică că variabilele X şi Y sunt independente dacă şi numai dacă

P {X = xi , Y = yj } = P {X = xi } · P {Y = yj }.

Definiţia 7. Fie variabilele aleatoare

   
xi yj
X: , i = 1, 2, . . . şi Y : , j = 1, 2, . . .
pi qi

Suma variabilelor X şi Y are repartiţia:

 
xi + yj
X +Y : , i = 1, 2, . . . , j = 1, 2, . . ..
pij
 
Xi + α
Suma X + α, α ∈ R are repartiţia: X + α : , i = 1, 2, . . . .
pi
 
xi · yj
Produsul variabilelor X şi Y are repartiţia: X · Y : , i = 1, 2, . . . , j = 1, 2, . . ..
pij
 
αxi
Produsul αX, α ∈ R are repartiţia: αX : , i = 1, 2, . . . .
p
 r  i
xi
Puterea X r , r ∈ N are repartiţia: X r : , i = 1, 2, . . ..
pi

Definiţia 8. Fie X o variabilu a aleatoare discretă. Funcţia

F : R → [0, 1], F (x) = P {X ≤ x}, ∀x ∈ R

se numeşte funcţia de repartiţie a variabilei X.

Dacă variabila X are un număr finit de valori, atunci expresia funcţiei de repartiţie este


 0, x < x1
≤ x < x2



 p 1 , x1



 . . .
i−1
F (x) = P

 pj , xi−1 ≤ x < xi

 j=1




 ...
 1 x ≥ xn .

Observaţia 1. Dacă X este o variabilă discretă , atunci funcţia de repartiţie poate fi scrisă sub forma F (x) =
∞ 
X 0, x < 0
pi σ(x − xi ) , ∀x ∈ R, unde σ este funcţia unitate a lui Heaviside: σ(x) =
1, x ≥ 0.
i=1
16

Observaţia 2. Funcţia de repartiţie este continuă la dreapta, iar saltul ei ı̂ntr-un punct de discontinuitate xi
este probabilitatea evenimentului ”X ia valoarea xi ” pi = P {X = xi } = F (xi ) − F (xi − 0).
∞
X
Derivata ı̂n sensul distribuţiilor a funcţiei de repartiţie este f (x) = δ(x − xi )(F (xi ) − F (xi − 0)) =
i=1
∞
X
δ(x − xi )pi , unde δ(x − xi ) este distribuţia Dirac calculată ı̂n xi .
i=1
Funcţia f se numeşte densitate de probabilitate şi considerarea ei ı̂n cazul discret asigură tratarea uniformă
cu situaţia variabilelor aleatoare de tip continuu.
X∞
Momentul iniţial de ordinul r, r ∈ N∗ este mr = M [X r ] = xri pi .
i=1
∞
X
Media sau speranţa este M [X] = m1 = xi p i .
i=1
∞
X
Momentul central de ordin r, r ∈ N∗ este: µr = M [(X − M [X])r ] = (xi − M [X])r pi .
i=1
∞
X
Dispersia sau varianţa este momentul centrat de ordin 2, adică D2 [X] = µ2 = (xi − M [X])2 pi .
i=1

n
ejtxi pi , ∀t ∈ R.
P
Funcţia caracteristică a variabilei aleatoare X este ϕ : R → C definită prin ϕ(t) =
i=1

Propoziţia 2. Dacă variabila aleatoare X are medie şi dispersie atunci are loc relaţia
D2 [X] = M [X 2 ] − (M [X])2
Momentele iniţiale ale variabilei aleatoare X se obţin cu ajutorul funcţiei caracteristice, după formula:

1. M [X] = −jϕ0 (0) 2. M [X 2 ] = −ϕ00 (0).

Proprietăţile mediei şi dispersiei:

1. M [X + Y ] = M [X] + M [Y ] 5. D2 [λ] = 0

2. M [λ + X] = λ + M [X] 6. D[ λX] = λ2 D2 [X]

3. M [X · Y ] = M [X] · M [Y ] 7. D2 [X ± Y ] = D2 [X] + D2 [Y ]

4. M [λX] = λM [X] 8. D2 [λ + X] = D2 [X]

Exerciţiul 11. Se consideră variabila aleatoare X cu tabloul de repartiţie:

 
−1 0 1
X: (115)
0.1 a b

Determinaţi valorile parametrilor a, b stiind că M [X] = 0.5. Determinaţi repartiţia variabilei Y = X 2 + 2X.
Scrieţi funcţia de repartiţie pentru Y şi determinaţi M [X 2 + 2X].
Soluţie: Prima informaţia o obţinem din faptul că X este o variabilă aleatoare, prim urmare suma probabi-
lităţilor din tabel este egală cu 1. Deci 0.1 + a + b = 1
Conform definiţiei, media variabilei aleatoare descrise mai sus este egală cu M [X] = −1 · 0.1 + 0 · a + 1 · b.
Informaţiile de mai sus ne conduc către sistemul:
(
a + b = 0.9
cu soluţia a = 0.3 şi b = 0.6 (116)
b = 0.6,
 17

Deci  
−1 0 1
X: (117)
0.1 0.3 0.6
În cele ce urmează vom avea nevoie de tabloul variabilei X 2 :
   
2 1 0 1 2 0 1
X : →X : (118)
0.1 0.3 0.6 0.3 0.7

Analog tabloul pentru 2X  

−2 0 2
2X : (119)
0.1 0.3 0.6
Se obţine:  
2 0−2 0+0 0+2 1−2 1+0 1+2
X + 2X : (120)
0.3 · 0.1 0.3 · 0.3 0.3 · 0.6 0.7 · 0.1 0.7 · 0.3 0.7 · 0.6
Deci  
−2 −1 0 1 2 3
X 2 + 2X : (121)
0.03 0.07 0.09 0.21 0.18 0.42
Pentru a calcula media variabilei Y = X 2 − 2X putem să utilizăm tabloul de repartiţie de mai sus sau pro-
prietăţile mediei:

1. Metoda 1: Din tabloul de repartiţie observăm:

M [X 2 −2X] = −2·0.03+(−1)·0.07+0·0.09+1·0.21+2·0.18+3·0.42 = −0.06−0.07+0.21+0.36+1.26 = 1.7

(122)

2. Metoda 2: Folosind proprietăţile mediei obţinem:

M [X 2 + 2X] = M [X 2 ] + 2M [X] = 0.7 − +2 · 0.5 = 1.7. (123)

Funcţia de repartiţie pentru variabila aleatoare Y = X 2 + 2X este:



 0, x < −2,

0.03, −2 ≤ x < −1,





0.1, −1 ≤ x < 0,



2
FX 2 +2X (x) = P {X + 2X ≤ x} : 0.19, 0 ≤ x < 1, (124)

0, 4, 1 ≤ x < 2,





0, 58, 2 ≤ x < 3,





1, x ≤ 3.


Variabile aleatoare continue

Definiţia 9. O funcţie X : E ⇒ R se numeşte variabilă aleatoare dacă

{X ≤ x} = {e ∈ E|X(e) ≤ x} ∈ K, ∀x ∈ R. (125)

Definiţia 10. Se numeşte funcţia de repartiţie a variabilei aleatoare X funcţia F : R → [0, 1]:

F (x) = P {X ≤ x} = P ({e ∈ E|X(x) ≤ x}), ∀x ∈ R. (126)

Teorema 3. Fie X o variabilă aleatoare şi fie F : R → [0, 1] funcţia sa de repartiţie. Următoarele afirmaţii
sunt adevărate

1. dacă x1 ≤ x2 atunci F (x1 ) ≤ F (x2 ), ∀x1 , x2 ∈ R.

18

2. F (x + 0) = F (x), ∀x ∈ R.

3. lim F (x) = 0.
x→−∞

4. lim F (x) = 1.
x→∞

Teorema 4. Fie F : R → [0, 1] funcţia de repartiţie a unei variabile aleatoare X. Atunci pentru orice numere
reale a < b avem:

1. P {X ≤ a} = F (a) = F (a + 0) 5. P {a < x ≤ b} = F (b) − F (a)

2. P {X < a} = F (a − 0) 6. P {a < x < b} = F (b − 0) − F (a)

3. P {X ≥ a} = 1 − F (a − 0) 7. P {a ≤ x ≤ b} = F (b − 0) − F (a − 0)

4. P {X > a} = 1 − F (a) 8. P {a ≤ X ≤ b} = F (b − 0) − F (a)



0, x ≤ 0,
 2
x
Exemplul 1. Fie X variabila aleatoare cu F (x) = , 0 < x < 1,
2


1, x ≥ 1.

Atunci    
1 1 1
P X≤ =F = . (127)
2 2 8

1 1
P X 2 ≥ 1 = 1 − P {X 2 < 1} = 1 − P {−1 < X < 1} = 1 − F (1 − 0) + F (−1) = 1 − + 0 = .

(128)
2 2
Definiţia 11. Fie X o variabilă aleatoare continuă. Numim funcţie de repartiţie condiţionată de evenimentul
A funcţia F (·|A) : R → [0, 1] dată prin

P ({X ≤ x} ∩ A
F (x|A) = P ({X ≤ x}|A) = , ∀x ∈ R (129)
P (A)

F (+∞|A) = 1, F (−∞|A) = 0.

Exemplul 2. Fie X o variabilă aleatoare continuă cu funcţia de repartiţie F şi fie A un eveniment arbitrar cu
probabilitatea nenulă. Au loc următoarele formule:

P ({a < X ≤ b})|A) = F (b|A) − F (a|A). (130)

Definiţia 12. Spunem ca variabila aleatoare X este de tip continuu dacă

1. funcţia de repartiţie F : R → [0, 1] este continuă

2. există o funcţie f : R → R cu o mulţime cel mult numarabilă de puncte de discontinuitate de prima speţă
astfel ı̂ncât

Z∞
F (x) = f (t)dt.
−∞

Funcţia f se numeşte densitatea de probabilitate a variabilei aleatoare X.

 19

Proprietăţile densităţii de probabilitate:

1. F 0 (x) = f (x), ∀x ∈ R.

2. f (x) ≥ 0, ∀x ∈ R.
R∞
3. f (x)dx = 1
−∞

Ca şi ı̂n cazul variabilei discrete putem defini caracteristicele numerice ale unei variabile continue. Fie X o
variabilă aleatoare continua cu densitatea de probabilitate f : R → R+ . Toate definiţiile următoare au sens
dacă integralele improprii care apar sunt convergente.
R∞
1. Media variabilei aleatoare X:m = M [X] = xf (x)dx
−∞

R∞
2. Momentul iniţial de ordin r: mr = M [X r ] = xr f (x)dx
−∞

R∞
3. Dispersia variabilei aletoare X este: σ 2 = D2 [X] = (x − mx )2 f (x)dx.
−∞

R∞
4. Funcţia caracteristică ϕ(t) = ejtx · f (x)dx.
−∞
(
x ∈ 0, π2 ,
 
k · sin x,
Exerciţiul 12. Fie f : R → R cu f (x) =
0, ı̂n rest.

1. Să se determine k ∈ R astfel ı̂ncât f să fie densitate de probabilitate pentru o variabilă aleatoare X.
Soluţie: f este densitate de probabilitate dacă

• f (x) ≥ 0,
R∞
• f (x)dx = 1
−∞

Să aplicăm condiţiile scrise anterior:

π
Z∞ Z2 π
k sin x = k (− cos x)  2 = k (0 + 1) = k

f (x)dx = (131)
0
−∞ 0

Se obţine k = 1 deci: (
x ∈ 0, π2 ,
 
sin x,
f (x) = (132)
0, ı̂n rest.

2. Să se determine funcţia de repartiţie FX : R → [0, 1].

Soluţie: Funţie de repartiţie pentru variabila aleatoare este:
 
0, x < 0, 0, x < 0,


 
 0, x < h0,
x π x π πi

R h i 
R h i 

f (t)dt, x ∈ 0, , sin tdt, x ∈ 0, , − cos x + 1, x ∈ 0, ,
FX (x) =
−∞ 2 ⇒ FX (x) =  0 2 ⇒ FX (x) =  π 2
π π

  
 
1, 1, x>
1, x> x> 2
2 2
(133)

Observaţia 3. Se observă că funcţia de repartiţie este continuă ı̂n x = 0 şi x = 1.

20

πi π h π i 
X ≥ π }.
h
3. Să se calculeze P {X ∈ 0, }, P {X ≥ } şi P {X ∈ 0,
6 4 3  4
Soluţie:

•
h πi √
π π  π  π  3
P {X ∈ 0, } = P {0 ≤ X ≤ } = F − 0 − F (0 − 0) = F − F (0) = −cos =− .
6 6 6 6 6 2
(134)
• √ ! √
π π π  2 2
P {X ≥ } = 1 − P {X < } = 1 − F =1− − +1 =− . (135)
4 4 4 2 2

•
hπ π i π  π  √
1 2 √
h π i  π P {X ∈ , } F −F − +1+ −1 2−1
P {X ∈ 0, X ≥ } = 4 3 = 3 4 = 2 √ 2 = √ .
3  4 π π 
2 2
P {X ≥ } 1−F 1+ −1
4 4 2
(136)

4. Să se calculeze funcţia caracteristică a variabilei aleatoare X.

Soluţie: Funcţia caracteristică pentru variabila aleatoare se va calcula după formula:

Z∞
ϕ(t) = ejtx f (x)dx. (137)
−∞

Se obţine:
π π π
Z2 Z2 x= π Z2
0
 2
ϕ(t) = ejtx sin xdx = − jtx jtx
e (cos x) dx = −e cos x
 + jt ejtx cos xdx
x=0
0 0 0
π π
2 x= π 2
Z
 2
Z (138)
jtx 0 jtx 2 2
= 1 + jt e (sin x) dx = 1 + jte sin x
 −j t ejtx sin xdx
x=0
0 0
π
jt π2 2 2

jt π2 1 + jtejt 2
= 1 + jte + t ϕ(t) ⇒ 1 − t ϕ(t) = 1 + jte ⇒ ϕ(t) =
1 − t2

5. Să se calculeze media şi dispersia variabilei aleatoare X.

Soluţie:

• Media:
π π π
Z∞ Z2 Z2 x= π Z2 x= π
0
 2  2
M [X] = x · f (x)dx = x · sin x = − x · (cos x) dx = −x cos x + cos xdx = sin x =1
x=0 x=0
−∞ 0 0 0
(139)
• Dispersia:
D2 [X] = M [X 2 ] − (M [X])2 . (140)

Pentru calculul lui M [X 2 ] avem două metode:

 21

(a) Metoda I:
π π π
Z∞ Z2 Z2 x= π Z2
0
 2
M [X 2 ] = x2 · f (x)dx = x2 · sin x = − 2 2
x · (cos x) dx = −x cos x + 2 x cos xdx
x=0
−∞ 0 0 0
π π
Z 2 x= π Z 2 x= π
0
 2  2
=2 x(sin x) dx = 2x sin x
 − 2 sin xdx = π + 2 cos x = π − 2.
x=0 x=0
0 0
(141)
(b) Metoda II: Este cunoscut faptul că
ϕ00 (0)
M [X 2 ] = . (142)
j2
Să calculăm:
!0  π π
  π

jejt 2 + j 2 t π2 ejt 2 1 − t2 + 2t 1 + jtejt 2


jt π2
1 + jte
ϕ0 (t) = = (143)
1 − t2 (1 − t2 )2
 π π 2 π
  π π  π
  π π π
2j 2 ejt 2 + j 3 t π4 ejt 2 1 − t2 − 2t j 2 t ejt 2 + 2 1 + jtejt 2 + 2t jejt 2 + j 2 t ejt 2


ϕ00 (t) = 2 2 2
(1 − t2 )2
 π
 π

4t j 2 t π2 ejt 2 1 − t2 + 2t 1 + jtejt 2


+ .
(1 − t2 )3
(144)
Se observă că:
ϕ00 (0) = j 2 (π − 2) ⇒ M [X 2 ] = π − 2. (145)
Finalizăm cu:
D2 [X] = π − 2 − 1 = π − 3. (146)
6. Să se determine densitatea de probabilitate a variabilelor aleatoare Y = π − X, Z = eX , mediile şi
dispersiile lor.
(a) Pentru Y = π − X avem nevoie mai ı̂ntâi de funcţia de repartiţie pentru variabila aleatoare Y :

FY (x) = P {Y ≤ x} = P {π − X ≤ x} = P {X > π − x} = 1 − P {X ≤ π − x} = 1 − FX (π − x). (147)

Pentru a obţine densitatea de probabilitate trebuie să derivăm funcţia de repartiţie şi obţinem:
( π
0
sin (π − x) , 0 ≤ π − x ≤ ,
fY (x) = −fX (π − x)(π − x) = fX (π − x) = 2 (148)
0, ı̂n rest

În final: ( π
sin (π − x) , ≤ x ≤ π,
fY (x) = 2 (149)
0, ı̂n rest

Media variabilei aleatoare Y :

Zπ Zπ x=π Zπ
0

M [Y ] = x sin (π − x) dx = x · (cos(π − x)) dx = x · cos(π − x) − cos(π − x)
π
π π x= 2 π
2 2 2 (150)
x=π

= π + sin(π − x) =π−1
π
x= 2
22

Alternativ:
M [Y ] = M [π − X] = π − M [X] = π − 1. (151)

D2 [Y ] = M [Y 2 ] − (M [Y ])2 sau D2 [Y ] = D2 [π − X] = D2 [X] = π − 3. (152)

(b) Pentru Z = eX avem nevoie mai ı̂ntâi de funcţia de repartiţie pentru variabila aleatoare Z:

FZ (x) = P {Z ≤ x} = P {eX ≤ x} = P {X ≤ ln x} = FX (ln x). (153)

Pentru densitatea de probabilitate vom deriva funcţia de repartiţie:

 
 sin(ln x) π  sin(ln x) π
1 , 0 ≤ ln x ≤ , , 1 ≤ x ≤ e2 ,
fZ (x) = fX (ln x) = x 2 ⇒ fZ (x) = x (154)
x 0, ı̂n rest 0, ı̂n rest

Exerciţiul 13. Fie R → R definită prin:

(
k(x − 1)2 , x ∈ [−1, 2],
f (x) = (155)
0, ı̂n rest

1. Să se determine constanta k ∈ R astfel ı̂ncât funcţia f să reprezinte densitatea de probabilitate pentru o
variabilă aleatoare continuă X.
Soluţie: f este densitate de probabilititate pentru o variabilă aleatoare X dacă f (x) ≥ 0 şi:

Z∞
f (x)dx = 1 (156)
−∞

Se obţine:
Z2 Z2 2 !
x3 2 x2 2
 
2 2

k(x − 1) dx = k (x − 2x + 1)dx = k + 2  + x = 9k. (157)
3 −1 2 −1 −1
−1 −1

1
Prin urmare pentru ca f să fie densitate de probabilitate k = şi:
9

 1 (x − 1)2 , x ∈ [−1, 2],
f (x) = 9 (158)
0, ı̂n rest

2. Să se se determine funcţia caracterisitică, media şi dispersia variabilei aleatoare X.

Soluţie:

• Funcţia caracterisitcă a variabilei aleatoare X se determină după

Z∞
ϕ(t) = ejtx f (x)dx, ϕ : R → C. (159)
−∞
 23

În cazul de faţă:

Z2 Z2 Z2
 
2
1 1 0 1  jxt
ejtx (x − 1)2 dx = ejix (x − 1)2 dx = e (x − 1)2  − 2 ejtx (x − 1)dx


ϕ(t) =
9 9jt 9jt −1
−1 −1 −1
Z2 Z2
   
2
1  2jt 2
0 1  2jt 2 2
ejtx (x − 1) = e − 4e−jt − ejtx (x − 1) + ejtx dx

= e −
9jt jt 9jt jt −1 jt
−1 −1
2 !
1 2 4 2
e2jt − 4e−jt − e2jt − e−jt + 2 2 ejtx 

=
9jt jt jt j t −1
 
1 2jt −jt 2 2jt −jt 2 2jt −jt
= e − 4e − (e + 2e ) − 2 (e − e )
9jt jt t
(160)
• Media variabilei aleatoare se calculează după
Z∞
M [X] = xf (x)dx. (161)
−∞

În cazul de faţă:

Z2 Z2  2
x4 x3 x2

1 2 1 3 2 1

 = 7

M [X] = x (x − 1) dx = x − 2x + x dx = −2 + (162)
9 9 9 4 3 2 
−1 108
−1 −1

• Dispersia variabilei aleatoare se calculează după

2
Z∞ Z∞


D2 [X] = M [X 2 ] − (M [X])2 = x2 f (x)dx −  xf (x)dx . (163)

−∞ −∞

În cazul de faţă:

Z2 Z2  2
x5 x4 x3

2 1 2 2 1 4 4 2

1  = 11

M [X ] = x (x − 1) dx = x − 2x + x dx = −2 + (164)
9 9 9 5 4 3 
−1 90
−1 −1

Obţinem:
11 49
D2 [X] = M [X 2 ] − (M [X])2 = − = 0.1157 (165)
90 11664
3. Să se determine densitatea de probabilitate, media şi dispersia variabilei aleatoare Y = 2X − 5.
Soluţie:

• Pentru a găsi densitatea de probabilitate avem nevoie mai ı̂ntâi de funcţia de repartiţie:
 
x+5 x+5
FY (x) = P {Y ≤ x} = P {2X − 5 ≤ x} = P {X ≤ } = FX (166)
2 2

Pentru a obţine densitatea de probabilitate vom deriva funcţia de repartiţie de mai sus:
 0
x+5 1
fY (x) = fX (x) · = fX (x) (167)
2 2
24

Prin urmare am obţinut densitatea de probabilitate a variabilei aleatoare Y :

  2   2
 1 x + 5 − 1 , x + 5 ∈ [−1, 2],
 1 x + 5 − 1 ,
 x+5
∈ [−7, −1],
fY (x) = 9 2 2 ⇒ fY (x) = 9 2 2

0, 
ı̂n rest  0, ı̂n rest
(168)
• Pentru a determina media variabilei aleatoare Y putem folosi formula:
Z∞
M [Y ] = xfY (X)dx (169)
−∞

sau proprietăţile mediei:

M [Y ] = M [2X − 5] = 2M [X] − 5 (170)

• Pentru a determina dispersia variabilei aleatoare Y putem folosi formula:

2
Z∞ Z∞


D2 [Y ] = M [Y 2 ] − (M [Y ])2 = x2 fY (x)dx −  xfY (X)dx (171)

−∞ −∞

sau proprietăţile dispersiei:

D2 [Y ] = D2 [2X − 5] = 4D2 [X] (172)

Exerciţiul 14. Fie f : R → R definită prin:


kx,
 x ∈ [0, 1],
f (x) = k, x ∈ (1, 2],

0, ı̂n rest


1. Să se determine constanta k astfel ı̂ncât f să fie densitate de probabilitate pentru o variabilă aleatoare X.
R∞
Soluţie: f este densitate de probabilitate pentru o variabilă aleatoare X dacă f ≥ 0 şi f (x)dx = 1.
−∞
Să considerăm:
Z∞ Z1 Z2
x2 1
 2
 k 3k
f (x)dx = kxdx + kdx = k  + kx = + k = (173)
2 0 1 2 2
−∞ 0 1

3k 2
Prin urmare = 1 ⇒ k = şi
2 3
2


 x, x ∈ [0, 1],
3

fX (x) = 2 , x ∈ (1, 2],


 3
0, ı̂n rest


2. Să se calculeze media variabilei X.

R∞
Soluţie: Media variabilei aleatoare X se calculează după M [X] = xf (x)dx, deci:
−∞
 1
Z2

 !
x3 1 x2 2
Z   
2 2 2 1 3 2 11 22
M [X] =  x2 dx + xdx = +  = + = · = . (174)
3 3 3 0  2 1 3 3 2 3 6 18
0 1
 25

3. Să se determine densitatea de probabilitate şi media variabilei aleatoare Y = 3X − 1.

Soluţie:Pentru densitatea de probabilitate avem nevoie de funcţia de repartiţie:
 
x+1 x+1
FY (x) = P {Y ≤ x} = P {3X − 1 ≤ x} = P {X ≤ } = FX (175)
3 3

Prin derivare se obţine:

x+1 0 1
     
x+1 x+1
fY (x) = fX · = fX . (176)
3 3 3 3

Deci:
2 x+1 x+1


 · , ∈ [0, 1],
3
 3 3
fY (x) = 2 , x+1
∈ (1, 2], (177)
3

 3
0, ı̂n rest


Dorim să vedem intervalul de apartenenţă pentru x, deci:

x+1
0≤ ≤ 1 ⇒ 0 ≤ x + 1 ≤ 3 ⇒ −1 ≤ x ≤ 2 (178)
3
şi
x+1
1< ≤2⇒3<x+1≤6⇒2<x≤5 (179)
3
Deci:
2 x+1


 · , x ∈ [−1, 2],
3
 3
fY (x) = 2 , x ∈ (2, 5], (180)


 3
0, ı̂n rest


R∞
Pentru medie putem folosi formula M [Y ] = xfY (x)dx sau proprietăţile mediei astfel:
−∞

22 22 16 8
M [3X − 1] = 3M [X] − 1 = 3 −1= −1= = (181)
18 6 6 3

Exerciţiul 15. Determinaţia valorile constantelor a, b ∈ R astfel ı̂ncât funcţia de mai jos să fie funcţia de
repartiţie pentru o variabilă aleatoare continuă:

0,
 x < 0,
3
F (x) = ax + b, x ∈ [0, 1], (182)

1, x > 1.


Soluţie: Funcţia F este funcţie de repartiţie pentru variabila aleatoare continuă X dacă aceasta este continuă.
Dacă calculăm limitele laterale ı̂n 0 şi 1 şi le egalăm cu valoarea ı̂n punct vom obţine cele două constante.

ls (0) = ld (0) ⇒ b = 0, ls (1) = ld (1) → a = 1, (183)

deci: 
0,
 x < 0,
3
F (x) = x , x ∈ [0, 1],

1, x > 1.

Probabilita
¼ţi

1 Moduri de selectare a elementelor

Presupunem ca¼ o urna¼ conţine m bile, numerotate de la 1 la m, din care se extrag n bile
în anumite condiţii. Vom numa¼ra, în …ecare situaţie, numa¼rul cazurilor posibile. Evident
n m.

1. Selectare cu întoarcerea bilei extrase în urn¼

a şi ordonare.
Extragem n bile pe rând, …ecare bil¼ a …ind pus¼ a înapoi în urn¼a înainte de urm¼atorea ex-
tragere, însemnând num¼ arul bilelor în ordinea în care apar (intereseaz¼ a ordinea bilelor
în n-uplul extras). Evident c¼
a pot exista şi repetiţii. Conform principiului multiplic¼arii,
în care m1 = m2 = : : : = mn = m, num¼ arul n-uplelor este mn .
2. Selectare f¼
ar¼
a întoarcerea bilei în urn¼
a şi cu ordonare.
Proced¼am ca şi în cazul întâi, dar dup¼ a …ecare extragere bila obţinut¼
a este pus¼ a la
o parte, aceast¼a operaţie …ind echivalent¼ a cu extragerea simultan¼
a din urn¼ a a n bile.
Obţinem n-uple (a1 ; a2 ; : : : ; an ). Nu pot exista repetiţii. Regula de multiplicare se
aplic¼
a astfel: pentru a1 avem m posibilit¼ aţi, pentru a2 avem m 1 posibilit¼
aţi,: : :,pentru
an avem m n + 1 posibilit¼ aţi, în total

m (m 1) ::: (m n + 1) = Anm :

Caz particular: dac¼

a m = n, atunci num¼
arul cazurilor posibile este n!.
3. Selectare cu întoarcerea bilei în urn¼
a şi f¼
ar¼
a ordonare.
Extragem n bile, una dup¼ a alta, …ecare …ind repus¼ a în urn¼ a înainte de a realiza ur-
m¼atoarea extragere. Nu ţinem seama de ordinea bilelor în mulţimea format¼ a. Pot
n
exista şi repetiţii. Num¼ arul cazurilor posibile este Cn+m 1 , deoarece ar … ca şi cum
am extrage simultan dintr-o urn¼ a care conţine n + m 1 bile (numerotate de la 1 la
m, unele din ele putându-se repeta) n bile, f¼ ar¼a s¼
a ne intereseze ordinea. Dup¼ a ultima
extragere secvenţial¼ a în urn¼
a vor r¼
amâne m 1 bile.
4. Selectare f¼
ar¼
a întorcerea bilei şi f¼
ar¼
a ordonare.
Bilele sunt extrase una dup¼
a alta, f¼
ar¼
a a pune bila extras¼
a înapoi; este acelaşi lucru cu
a spune c¼a extragem n bile dintr-o dat¼a şi form¼
am submulţimi de n elemente, în total
n
Cm .
Aplicaţie: determinarea num¼
arului de permut¼ ari a m = m1 + m2 + : : : + mr elemente
care se disting prin grupuri de culori, adic¼
a avem m1 elemente de culoarea c1 , m2

1
 elemente de culoarea c2 ,. . . , mr elemente de culoarea cr . Culorile sunt distincte, dar
bilele de aceeaşi culoare nu se disting între ele.
Num¼
arul cazurilor posibile :
m1
Cm moduri de alegere a poziţiilor bilelor de culoare c1 ,
m2
Cm m1 moduri de alegere a poziţiilor bilelor de culoare c2 ,. . . ,

mr
Cm m1 ::: mr 1 moduri de alegere a poziţiilor bilelor de culoarea cm (de fapt m m1
m2 : : : mr 1 = mr şi avem, de fapt, o singur¼ a posibilitate).

În total, ţinând seama de regula multiplic¼

arii,
m1 m2 mr
Cm Cm m1 : : : Cm m1 ::: mr 1
m! (m m1 )! (m m1 ::: mr 1 )!
= ::: =
m1 !(m m1 )! m2 !(m m1 m2 )! mr !
m!
= :
m1 !m2 ! : : : mr !

2 Scheme clasice de probabilitate

Schema lui Poisson
Se dau n urne U1 ; U2 ; : : : ; Un care conţin bile albe şi bile negre în proporţii date, deci
cunoaştem probabilita¼ţile pi ; i = 1; n, cu care este extrasa¼ o bila¼ alba¼ din urna Ui . Se
cere probabilitatea de a extrage k bile albe şi n k bile negre, atunci când din …ecare urna¼
se extrage câte o bila¼.
Not¼am cu Ai evenimentul extragerii unei bile albe din urna Ui . Not¼
am şi Bk evenimentul
care const¼
a în extragerea a k bile albe şi n k bile negre, adic¼
a

Bk = (A1 \ : : : \ Ak \ Ak+1 \ An ) [ (A1 \ : : : \ Ak 1 \ Ak \ Ak+1 \ Ak+2 \ : : : \ An )

[(A1 \ : : : \ An k \ An k+1 \ : : : \ An );
arul parantezelor …ind Cnk . Un eveniment
num¼

Ai1 \ : : : \ Aik \ Aik+1 \ : : : \ Ain

se realizeaz¼
a, ţinând seama c¼
a evenimentele sunt independente, cu probabilitatea

pi1 : : : pik qik+1 : : : qin

indicii i1 ; i2 : : : ; in reprezentând o permutare a indicilor 1; 2; : : : ; n , iar litera p apare de k ori

cu indici diferiţi, iar q de n k ori cu indici care nu apar în p . Se observ¼ a c¼
a dup¼a aceiaşi
regul¼
a se calculeaz¼ a coe…cientul lui xk din polinomul

P (x) = (p1 x + q1 )(p2 x + q2 ) : : : (pn x + qn ):

Condiţii ale unui experiment Poisson:

1. Exist¼a n efectu¼ ari în condiţii diferite ale unui experiment.
2. Fiecare experiment are exact dou¼ a rezultate posibile.
3. Probabilit¼ aţile celor dou¼a rezultate sunt diferite pe parcursul repet¼
arilor.
4. Repet¼ arile sunt independente una de cealalt¼ a.

2
Exerciţiul 1 Într-un atelier sunt trei maşini. Prima d¼a 0; 9% rebut, a doua 1% şi a treia
1; 3%. Se ia la întâmplare câte o pies¼a de la …ecare maşin¼a. Se cere probabilitatea ca dou¼a
din piese s¼a …e bune şi una rebut.
Avem
p1 = 0; 991; q1 = 0; 009; p2 = 0; 99;
:
q2 = 0; 01; p3 = 0; 987; q3 = 0; 013;
P (x) = (0; 991x + 0; 009)(0; 99x + 0; 01)(0; 987x + 0; 013):
Coe…cientul lui x2 este

0; 991 0; 99 0; 013 + 0; 99 0; 987 0; 987 0; 009 + 0; 991 0; 987 0; 01 = 0; 0313:

Schema lui Bernoulli (binomial¼

a)
Presupunem c¼
a în schema lui Poisson urnele U1 ; U2 ; : : : ; Un sunt identice. Atunci putem lua

p1 = p2 = : : : = pn = p; q1 = q2 = : : : = qn = q

Probabilitatea extragerii a k bile albe se va obţine calculând coe…cientul lui xk din polinomul

P (x) = (px + q)n ;

adic¼
a va …
Cnk pk q n k :
Recunoaştem în aceast¼a expresie termenul general al ridic¼
arii la puterea n a binomului px+q.
Pentru acest motiv schema se mai numeşte binomial¼ a. Deoarece urnele sunt identice, putem
considera c¼a toate extragerile se fac dintr-o singur¼
a urn¼a, bila extras¼a punându-se în urn¼
a
dup¼a …ecare extragere. Obţinem astfel schema lui Bernoulli. Probabilitatea de a extrage k
bile albe din n extrageri dintr-o urn¼a, punându-se de …ecare dat¼ a bila înapoi, este

Pn;k = Cnk pk q n k ;

unde p este probabilitatea oţinerii unei bile albe dintr-o singur¼ a extragere şi q = 1 p.
Schema lui Bernoulli se mai numeşte schema bilei revenite (întoarse).
Condiţii ale unui experiment binomial:
1. Exist¼a n repet¼ ari identice ale unui experiment.
2. Fiecare repetare are exact dou¼ a rezultate posibile.
3. Probabilit¼ aţile celor dou¼a rezultate r¼
amân constante pe parcursul repet¼
arilor.
4. Repet¼ arile sunt independente una de cealalt¼ a.

Exerciţiul 2 Se arunc¼a un zar de 5 ori. Se cere probabilitatea ca faţa cu un punct s¼a apar¼a
exact de dou¼a ori.
Avem:
1 5
p = ; q = ; n = 5; k = 2;
6 6
2 3
1 5
P5;2 = C52 = 0; 16:
6 6

3
Schema lui Bernoulli cu mai multe st¼
ari
Fie o urn¼a care conţine bile de m culori c1 ; c2 ; : : : ; cm iar pi probabilitatea ca la o extragere s¼
a
obţinem o bil¼
a de culoarea ci . Probabilitatea ca în n extrageri s¼ a obţinem n1 bile de culoarea
c1 , n2 bile de culoarea c2 , . . . , nm bile de culoarea cm (n1 + n2 + : : : + nm = n) este

n!
pn1 pn2 : : : pnmm :
n1 ! n2 ! : : : nm ! 1 2
Aceast¼ a schem¼a rezolv¼
a problemele în care se cere probabilitatea ca în n efectu¼ ari ale expe-
rienţei evenimentul Ai s¼a se realizeze de ni ori, A1 ; A2 ; : : : ; Am …ind un sistem complet de
evenimente şi P (Ai ) = pi ; i = 1; m. Presupunem c¼ a în cele n efectu¼
ari ale experienţei s-au
obţinut succesiv
A1 : : : A1 A2 : : : A2 : : : Am : : : Am :
| {z } | {z } | {z }
n1 n2 nm

Acest eveniment se produce cu probabilitatea

p : : : p p : : : p : : : pm : : : pm :
| 1 {z }1 | 2 {z }2 | {z }
n1 n2 nm

Acelaşi rezultat îl obţinem pentru orice alt¼

a ordine stabilit¼
a dinainte în care Ai apare de ni
ori. R¼am¼ane s¼ a vedem în câte moduri putem scrie cele n simboluri, dintre care n1 egale cu
A1 , n2 cu A2 ; : : : ; nm cu Am .

Cnn1 Cnn2 n1 Cnn3 n1 n2 : : : Cnnmn1 n2 :::nm 1

=

n! (n n1 )! (n n1 : : : nm 1 )!
= ::: =
n1 ! (n n1 )! n2 ! (n n1 n2 )! nm ! (n n1 : : : nnm )!
n!
= :
n1 ! : : : nm !
Exerciţiul 3 Se arunc¼a un zar de 5 ori. Care este probabilitatea ca exact de dou¼a ori s¼a
apar¼a faţa cu un punct şi exact de 2 ori s¼a apar¼a faţa cu dou¼a puncte?
Avem:
n = 5; n1 = 2; n2 = 2; n3 = 1;
1 1 2
p1 = ; p 2 = ; p 3 = ;
6 6 3
2 2
5! 1 1 2 5
P4;2;2;1 = = :
2! 2! 1! 6 6 3 324

Schema hipergeometric¼
a
O urn¼ a conţine a bile albe şi b bile negre. Din aceast¼ a urn¼a se extrag n bile (n a + b)
pe rând, f¼ar¼
a a pune bila extras¼ a înapoi în urn¼ a (ceea ce este echivalent cu a extrage n bile
deodat¼ a). Se cere probabilitatea ca din cele n bile extrase, k s¼a …e albe (k a) şi n k negre
(n k b). Pentru a calcula acest¼ a probabilitate vom stabili num¼ arul cazurilor posibile şi
num¼ arul cazurlor favorabile.
n
Num¼ arul cazurilor posibile este: Ca+b .
Num¼ arul cazurilor favorabile: un grup de k bile albe dintr-un total de a bile albe poate …
luat în Cak moduri; un grup de n k bile negre din totalul de b bile negre poate … obţinut în

4
Cbn k moduri. Un grup de k bile albe şi n k bile negre poate … obţinut, conform principiului
arii, în Cak Cbn k moduri. Probabilitatea c¼
multiplic¼ autat¼
a este

Cak Cbn k
n
:
Ca+b

Exemplul 1 (Controlul de calitate) Presupunem c¼a într-o cutie sunt 550 de piese,
din care 2% sunt defecte. Care este probabilitatea ca alegând 25 de piese, acestea s¼a conţin¼a
dou¼a piese defecte. Acesta este principiul test¼arii produselor prin selecţii aleatoare.
Spaţiul de selecţie este format din mulţimea grupelor de câte 25 de piese care se pot
forma cu cele 550 piese (un rezultat posibil al experienţei este o grupare de 25 de piese, iar
un rezultat favorabil este o grupare de 25 de piese dintre care 2 piese sa¼ …e defecte). Putem
alege cele 25 piese dintre cele 550, fa¼ra¼ sa¼ ne intereseze ordinea pieselor, în C 25550 moduri.
Câte din acestea vor conţine 2 piese defecte? Putem alege cele 2 piese defecte, din cele
2 23
550 2% = 11, în C11 moduri, iar celelalte 25 2 = 23 piese, care nu sunt defecte, în C539
moduri. Probabilitatea c¼ autat¼a va …
2 23
C11 C539
25
= 0; 00059:
C550

Exerciţiul 4 La o tombol¼a sunt 400 bilete dintre care 4 câştig¼atoare. O persoan¼a cump¼ar¼a
10 bilete. Care este probabilitatea s¼a nu se g¼aseasc¼a nici un bilet câştig¼ator?
C 0 C 10
Avem a = 4; b = 396; k = 0; n k = 10; n = 10; p = C4 10396 = 0; 903:
400

Schema hipergeometric¼
a cu mai multe st¼
ari
În general, dac¼ a urna conţine ai bile de culoarea ci , i=1; m, probabilitatea de a obţine n1
bile de culoarea c1 , n2 bile de culoarea c2 , . . . , nm bile de culoarea cm când facem n =
n1 + n2 + : : : + nm extracţii, este egal¼
a cu
Can11 Can22 : : : Canmm
:
Can1 +a2 +:::+am

Exerciţiul 5 O urn¼a conţine 7 bile albe, 7 bile negre şi 6 verzi. Se extrag 9 bile. Care este
probabilitatea s¼a obţinem câte 3 de …ecare culoare?
Avem
C73 C73 C63
a1 = 7; a2 = 7; a3 = 6; n1 = 3; n2 = 3; n3 = 3; p = 9
= 0; 145:
C20