Documente Academic
Documente Profesional
Documente Cultură
PROBABILITĂŢILOR
Mircea Balaj
ORADEA
2007
2
Cuprins
3 Caracteristici numerice 69
3.1 Valoarea medie a unei variabilele aleatoare . . . . . . . . 69
3
4 CUPRINS
1.1 Introducere
Teoria Probabilităţilor studiază fenomene luate din realitatea concretă
prin crearea unor modele care neglijează aspectele particulare, neesenţiale,
operând asupra imaginilor abstractizate ale realitatăţii. Legătura ı̂ntre
realitate şi abstractul matematic este realizată de către experimentul
aleator, imagine fidelă a fenomenului studiat şi punct de plecare pentru
definirea modelului matematic. Un experiment aleator se poate repeta
de mai multe ori fără ca rezultatul să fie neapărat acelaşi. Orice realizare
a unui astfel de experiment se va numi probă.
5
6 CAPITOLUL 1. NOŢIUNI ŞI REZULTATE FUNDAMENTALE
(ii) A, B ∈ Σ ⇒ A ∪ B ∈ Σ.
(a) ∅, Ω ∈ Σ;
Sn Tn
(b) A1 , . . . An ∈ Σ ⇒ i=1 Ai ∈ Σ şi i=1 Ai ∈ Σ;
(c) A, B ∈ Σ ⇒ A \ B ∈ Σ.
n
\ n
[
Ai = Ai ∈ Σ.
i=1 i=1
(i) A ∈ Σ ⇒ Ā ∈ Σ;
S∞
(ii) An ∈ Σ, n ≥ 1 ⇒ n=1 An ∈ Σ.
[ \
limn→∞ An = Ak .
n≥1 k≥n
Dacă cele două limite sunt egale spunem că şirul este convergent şi
valoarea lor comună se numeşte limita şirului.
Propoziţie 1.2.2. Dacă Σ este un corp borelian de părţi ale lui Ω şi
{An } este un şir din Σ atunci ∞
T
n=1 An ∈ Σ, limn→∞ An , limn→∞ An ∈ Σ
şi dacă şirul este convergent, limn→∞ An ∈ Σ .
Propoziţie 1.2.3. Dacă Σ este un corp borelian de părţi ale lui Ω şi
{An } este un şir din Σ atunci:
(i) ∞
T S∞
n=1 An ⊂ limn→∞ An ⊂ limn→∞ An ⊂ n=1 An .
(ii) Dacă şirul {An }n≥1 este descendent (adica An ⊃ An+1 , ∀n ≥ 1),
atunci limn→∞ An = ∞
T
n=1 An .
∞
\ \ [
An ⊂ Ak = lim An .
n→∞
n=1 n≥1 k≥n
T∞
la faptul că pentru un şir descendent limn→∞ An = n=1 An . Al doilea
mod de demonstraţie pleacă de la faptul că dacă şirul {An } este des-
cendent, atunci şirul complementarelor {An } este ascendent. Concluzia
dorită se obţine acum din (ii) şi una din formulele lui De Morgan.
(i) P (Ω) = 1;
n
X X n
\
= P (Ai ) − P (Ai ∩ Aj ) + · · · + (−1)n−1 P ( Ai )+
i=1 1≤i<j≤n i=1
" n
#
[
+P (An+1 ) − P (Ai ∩ An+1 ) . (1.4.1)
i=1
n
\
n−1
+(−1) P( Ai ∩ An+1 ). (1.4.2)
i=1
Înlocuind P [ ni=1 (Ai ∩ An+1 )] obţinut ı̂n (1.4.2) ı̂n relaţia (1.4.1) se
S
obţine
n+1
[ n+1
X X
P( Ai ) = P (Ai ) − P (Ai ∩ Aj )+
i=1 i=1 1≤i<j≤n+1
1.4. CÂMP DE PROBABILITATE 13
X n+1
\
n
P (Ai ∩ Aj ∩ Ak ) − · · · + (−1) P ( Ai ).
1≤i<j<k≤n+1 i=1
(b) Dacă {An }n≥1 este un şir descendent de evenimente din Σ, adică
An ⊃ An+1 , ∀n ≥ 1, atunci
∞
\
lim P (An ) = P ( lim An ) = P ( An ). (1.4.4)
n→∞ n→∞
n=1
∞
[ ∞
[
P( An ) = P ( Bn ) = Σ∞
n=1 P (Bn ),
n=1 n=1
deci seria Σ∞ n
n=1 P (Bn ) este convergentă. Fie Sn = Σk=1 P (Bk ). Atunci,
pentru n ≥ 2,
(b) Dacă {An }n≥1 este şir descendent atunci şirul {An }n≥1 este as-
cendent şi aplicându-i (1.4.3) obţinem
∞ ∞
! ∞
[ \ \
lim P (An ) = P ( An ) = P Ai = 1 − P( Ai ).
n→∞
n=1 i=1 i=1
Propoziţie 1.4.3. Fie {An }n≥1 un şir de evenimente din câmpul bore-
lian de probabilitate (Ω, Σ, P ). Atunci
P (A ∩ B)
P (A | B) = PB (A) = .
P (B)
Propoziţie 1.6.1. Dacă (Ω, Σ, P ) este un câmp (borelian) de probabi-
litate, atunci (Ω, Σ, PB ) este de asemenea un câmp (borelian) de proba-
bilitate.
P (A∩B)
Demonstraţie. Pentru A ∈ Σ, PB (A) = P (B)
≥ 0.
P (Ω ∩B) P (B)
PB (Ω) = P (B)
= P (B)
= 1.
Dacă {An }n≥1 este un şir de evenimente din Σ două căte două in-
compatibile, atunci evenimentele B ∩ An , n ≥ 1 sunt şi ele incompatibile
două căte două. Rezultă că
∞
P [( ∞ P[ ∞
S S
n=1 An ) ∩ B] n=1 (An ∩ B)]
[
PB ( An ) = = =
n=1
P (B) P (B)
∞ ∞
X P (An ∩ B) X
= = PB (An ).
n=1
P (B) n=1
n
P ( ni=1 Ai )
T
P (A1 ∩ A2 ) P (A1 ∩ A2 ∩ A3 ) \
P (A1 ) . . . Tn−1 = P ( Ai ).
P (A1 ) P (A1 ∩ A2 ) P ( i=1 Ai ) i=1
Demonstraţie. Deoarece
!
[ [
A=A∩Ω=A∩ Ai = (A ∩ Ai ),
i∈I i∈I
Observaţia 1.6.2. Formula lui Bayes ı̂si găseşte aplicaţie ı̂n deter-
minarea probabilităţii cauzelor producerii unui efect A atunci când se
cunoaşte un sistem complet de cauze; P (A|Ak ) este probabilitatea de a
fi acţionat cauza Ak , ı̂n ipoteza că A s-a produs.
= Cnk pk q n−k .
n
Numărul cazurilor posibile este Ca+b . Numărul cazurilor favorabile este
produsul dintre numărul de moduri de a lua k bile albe avand la dispoziţie
a bile albe si numărul de moduri de a lua n−k bile negre din b bile negre,
adică Cak Cbn−k .
(f ) Schema geometrică
Se repetă un experiment, repetările fiind independente. La fiecare
probă este cercetată apariţia evenimentului A. Se cere probabilitatea ca
evenimentul A să se producă prima oară la proba de rang k.
Modelul probabilistic se realizează printr-o urnă cu bile de două cu-
lori, albe şi negre, ı̂ntr-o proporţie cunoscută. Se extrag bile din urnă,
una câte una, cu ı̂ntoarcerea acestora după constatarea culorii. Se cere
probabilitatea ca prima bila albă sa se obţină la a k-a extragere.
Notam cu A evenimentul a cărui probabilitate vrem să o determinăm
şi cu Ai evenimentul ca la proba de rang i să obţinem bila albă. Atunci
A = A1 ∩ A2 ∩ · · · ∩ Ak−1 ∩ Ak .
Ştiind că P (Ai ) = p, P (Ai ) = 1−p = q şi că A1 , A2 , · · ·∩Ak−1 , Ak sunt
independente, deoarece compoziţia urnei este aceiaşi ı̂naintea oricărei
extrageri, se obţine
1.8 Probleme
1. O persoană urmează să dea patru telefoane la patru numere diferite.
Notăm cu Ai evenimentul că la chemarea i nu primeşte răspuns. Cum se
scriu, in funcţie de A1 , A2 , A3 , A4 , evenimentele:
(i) primeşte răspuns la toate chemările;
(ii) la cel mult o chemare nu primeşte răspuns;
(iii) la cel puţin o chemare nu primeşte răspuns;
(iv) la o singură chemare nu primeşte răspuns;
(v) nu primeşte răspuns la prima chemare şi la ı̂ncă una din celelalte
trei chemări, iar la celelalte două primeşte răspuns.
2. Fie (Ω, Σ, P ) un câmp de probabilitate şi A, B ∈ Σ. Să se demon-
streze relaţiile:
(i) P (A∆B) = P (A) + P (B) − 2P (A ∩ B);
(ii) max{P (A), P (B)} ≤ P (A ∪ B) ≤ 2 max{P (A), P (B)};
(iii) P (A ∪ B) · P (A ∩ B) ≤ P (A)P (B;
(iv)P 2 (A ∪ B) + P 2 (A ∩ B) = P 2 (A) + P 2 (B) + 2P (A \ B) · P (B \ A);
(v) | P (A ∩ B) − P (A)P (B) |≤ 41 ;
(vi) P 2 (A ∩ B) + P 2 (A ∩ B) + P 2 (A ∩ B) + P 2 (A ∩ B) ≥ 14 .
3. Într-un fişier sunt 10000 de fişe. Care este probabilitatea ca
numărul primei fişe extrase să conţină cifra 5?
4. Din 100 de mere, 10 sunt stricate. Care este probabilitatea ca
luând la ı̂ntămplare 5 mere, să luăm şi mere stricate?
5. Se aruncă 6 zaruri. Care este probabilitatea obţinerii tuturor
numerelor de la 1 la 6? Dar probabilitatea să apară cel puţin o dată faţa
5?
6. Din mulţimea numerelor de 7 cifre diferite care se pot forma cu
cifrele 1,2,3,4,5,6,7 se ia la ı̂ntâmplare un număr. Care este probabili-
tatea ca numărul ales să conţină pe 1 şi 2 ca cifre consecutive ı̂n ordine
32 CAPITOLUL 1. NOŢIUNI ŞI REZULTATE FUNDAMENTALE
crescătoare?
7. Într-un tramvai cu trei vagoane urcă la ı̂ntâmplare 9 persoane.
Care sunt probabilităţile evenimentelor:
(i) A ca ı̂n primul vagon să urce 3 persoane;
(ii) B ca ı̂n fiecare vagon să urce câte 3 persoane;
(iii) C ı̂ntr-un vagon să urce 4 persoane, ı̂n altul 3, iar ı̂n celălalt 2
persoane.
8. O urnă conţine m bile albe şi n bile negre. Se extrag bile din
urnă, una căte una, fără ı̂ntoarcerea bilelor extrase ı̂n urnă. Care este
probabilitatea de a obţine prima bilă albă la a k-a extragere?
9. O persoană scrie n scrisori, adresează plicurile, după care introduce
ı̂n fiecare plic o scrisoare, la ı̂ntâmplare. Care este probabilitatea ca nicio
scrisoare să nu ajungă la destinatarul dorit şi ce devine aceasta când n
tinde la infinit.
10. O urnă conţine o bilă albă şi una neagră. Se extrage câte o bilă
până apare o bilă neagră. Dacă se extrage o bilă albă se pune ı̂napoi ı̂n
urnă ı̂mpreună cu alte două bile albe. Să se determine probabilitatea ca
ı̂n primele 20 de extrageri să nu se obţină nicio bilă neagră.
11. O urnă conţine n bile numerotate de la 1 la n. Se extrag bile
din urnă, una câte una, fără a le pune din nou ı̂n urnă. Să se determine
probabilitatea ca numerele primelor k bile extrase să coincidă cu numerele
de ordine ale extragerilor.
12. Printre cele n bilete de examen, m sunt considerate de studenţii
unei grupe, uşoare. Care din primii doi studenţi ai grupei care trag un
bilet are şanse mai mari să scoată un bilet uşor?
13. Se dau şase urne cu următoarele structuri:
(S1 ): două urne conţin câte 4 bile albe şi 2 bile negre;
(S2 ): trei urne conţin câte 3 bile albe şi 5 negre;
(S3 ): o urnă urnă conţine 6 bile albe şi 4 negre.
1.8. PROBLEME 33
albe şi una neagră iar din celelalte două orice altă combinaţie?
18. Dintr-un grup de 18 trăgători 5 lovesc ţinta cu probabilitatea
4
5
, 7 cu probabilitatea 35 , iar 2 cu probabilitatea 12 . Un trăgător luat la
ı̂ntămplare trage un foc, fără a atinge ţinta. Cărui grup de trăgători este
mai probabil să-i aparţină acest trăgător?
19. La o zi onomastică sunt 10 invitaţi; 5 invitaţi aduc buchete de
flori 4 roşii şi una albă, 4 invitaţi aduc buchete de 4 flori roşii şi 3 albe,
2 invitaţi aduc buchete de 4 flori roşii şi 5 albe. Sărbătoritul ia o floare
şi o dăruieşte unui invitat. Care este probabilitatea ca floarea dăruită să
provină de la primul grup de invitaţi?
20. Se aruncă două zaruri de 5 ori. Care este probabilitatea ca
produsul punctelor feţelor apărute să fie 6 la cel puţin două aruncări?
21. Într-o urnă se află n bile de culoare albă şi neagră ı̂n proporţie
necunoscută. Se extrag k bile din urnă cu ı̂ntoarcerea bilei extrase. Care
este probabilitatea ca urna să conţină numai bile albe, dacă toate cele k
bile extrase au fost albe?
22. La fiecare repetare a unui experiment, apariţia unui eveniment A
are probabilitatea p > 0. Care este probabilitatea ca numărul apariţiilor
lui A să fie par, dacă se repetă experimentul de n ori?
23. Într-o cutie sunt 15 mingi de tenis, din care 9 sunt noi. Pentru
primul joc sunt luate la ı̂ntâmplare 3 mingi, după care sunt repuse ı̂n
cutie. Pentru al doilea joc se iau din nou 3 mingi, la ı̂ntâmplare. Care
este probabilitatea ca toate mingile luate pentru jocul al doilea să fie noi?
24. Un muncitor produce cu probabilităţile 0,99, 0,07 şi 0,03 o piesă
bună, o piesă cu defect remediabil şi un rebut. Muncitorul a produs trei
piese. Care este probabilitatea ca ı̂ntre cele trei piese să fie cel puţin o
piesă bună şi cel puţin un rebut?
25. Un magazin vinde ı̂n cursul unei săptămâni 2600 de bucăţi dintr-
un anumit produs primit de la firmele A, B şi C ı̂n următoarele cantităţi:
1.8. PROBLEME 35
3000 bucăţi, 2600 bucăţi, respectiv 3500 bucăţi. Care este probabilitatea
ca 820 de bucăţi din marfa vândută să provină de la firma A, 500 de la
B, iar restul de la firma C?
26. Într-un depozit se aduc piese de la trei ateliere. Primul atelier
are două maşini care fabrică aceste piese şi dă 3% rebut, al doilea atelier
are două maşini şi dă 2% rebut, iar al trilea atelier are trei maşini şi dă
5% rebut. Care este probabilitatea ca o piesă luată la ı̂ntâmplare din
depozit să fie defectă ştiind că fiecare maşină produce acelaşi număr de
piese ı̂n unitatea de timp. Ştiind că piesa luată din depozit a fost defectă
care este probabilitatea ca ea să provină de la al treilea atelier?
27. Fie (Ω, Σ, P ) un câmp borelian de probabilitate Pentru oricare
A, B ∈ Σ notăm d(A, B) = P (A \ B) + P (B \ A). Să se arate că pentru
orice A, B, C ∈ Σ are loc d(A, C) ≤ d(A, B) + d(B, C).
28. Evenimentele A1 , A2 , . . . , An satisfac
S
(a) Ai ⊂ j6=i Aj ;
(b) Ai ∪ Aj ∪ Ak = ∅ pentru orice 1 ≤ i < j < k ≤ n.
Să se arate că P ( ni=1 Ai ) = 21 ni=1 P (Ai ).
S P
{ω ∈ Ω : X(ω) < x} ∈ Σ, ∀x ∈ R.
39
40CAPITOLUL 2. VARIABILE ALEATOARE, VECTORI ALEATORI
Σ = {∅, A1 , A2 , A3 , A1 ∪ A2 , A1 ∪ A3 , A2 ∪ A3 , Ω}.
x ω1 ω2 ω3 ω4 ω5 ω6
X(ω) 1 -1 0 -1 0 -1
Aplicaţia Y : Ω → R
x ω1 ω2 ω3 ω4 ω5 ω6
Y (ω) 1 -1 0 -1 0 1
(ii) (X ≤ x) ∈ Σ, ∀x ∈ R.
T∞
Demonstraţie. (i) ⇒ (ii) Este uşor de văzut că n=1 (−∞, x + n1 ) =
(−∞, x], ceea ce implică
∞
\ 1
(X ≤ x) = (X < x + ).
n=1
n
(X + c < x) = (X < x − c) ∈ Σ.
Dacă c 6= 0 avem
(
x
X< c
∈ Σ, dacă c > 0,
(cX < x) = x
X> c
∈ Σ, dacă c < 0.
42CAPITOLUL 2. VARIABILE ALEATOARE, VECTORI ALEATORI
Dacă c = 0 atunci
(
∅ ∈ Σ, dacă x ≤ 0,
(cX < x) =
Ω ∈ Σ, dacă x > 0.
(
(X < x) ∩ (X > x) ∈ Σ, dacă x > 0,
(| X |< x) =
∅ ∈ Σ, dacă x ≤ 0.
Demonstrarea celorlalte afirmaţii se face similar şi o lăsăm pe seama
cititorului.
i i−1 1
0 ≤ X(ω) − Xn (ω) < n
− n = n,
2 2 2
de unde limn→∞ Xn (ω) = X(ω).
Dacă X este o variabilă aleatoare oarecare să introducem variabilele
aleatoare X + = max{X, 0}, X − = min{X, 0}. Observăm că X se poate
scrie X = X + + X − . Variabilele aleatoare X + şi X − sunt nenegative,
aplicând rezultatul precedent acestor variabile aleatoare obţinem rezul-
tatul dorit.
P (X < b)−P [(X < b)∩(X < a)] = P (X < b)−P (X < a) = F (b)−F (a).
Demonstraţie. Din Propozitia 2.2.1 (i) rezultă că pentru două numere
reale x1 < x2 , avem F (x2 ) − F (x1 ) = P (x1 ≤ X < x2 ) ≥ 0, de unde
F (x1 ) ≤ F (x2 ).
(ii) Fie (xn )n≥1 un şir de numere reale decrescător cu limn→∞ xn =
−∞. Atunci {(X < xn )}n≥1 este un şir descendent de evenimente pentru
care ∞
T
n=1 (X < xn ) = ∅. Pe baza Propozitiei 1.4.2 (b) avem
∞
\
= P( (X < xn )) = P (∅) = 0.
n=1
Observaţia 2.2.1. Se poate arăta că cele trei proprietăţi ale funcţiei
de repartiţie date de Propozitia 2.2.2 caracterizează o funcţie de repartiţie,
adică orice funcţie F : R → (R) care satisface (i), (ii), (iii) este funcţia
de repartiţie a unei variabile aleatoare.
(Xi < x) = (X1 < ∞, . . . , Xi−1 < ∞, Xi < x, Xi+1 < ∞, . . . , Xn < ∞).
b2 )−P (X1 < b1 , X2 < a2 )+P (X1 < a1 , X2 < a2 ) = F (b1 , b2 )−F (a1 , b2 )−
F (b1 , a2 ) + F (a1 , a2 ).
Observaţia 2.3.2. Un vector aleator este de tip discret dacă şi numai
dacă fiecare componentă a sa este o variabilă aleatoare discretă.
(i) pij ≥ 0, ∀i ∈ I, ∀j ∈ J;
P
(ii) j∈J pij = pi ;
P
(iii) i∈I pij = qi ;
P P
(iv) i∈I j∈J pij = 1.
[
P [Ai ∩ ( Bj )] = P (Ai ∩ Ω) = P (Ai ) = pi .
j∈J
În cazul ı̂n care X şi Y sunt variabile aleatoare simple, repartiţia lui
Z se poate da sub forma unui tabel numit tabelul repartiţiei comune a
lui X şi Y . Astfel, dacă I = {1, 2, . . . , n}, J = {1, 2, . . . , m} repartiţia lui
Z este dată de tabelul
X\Y y1 ... yj ... ym P (X = xi )
XX
P (Y = yj ) q1 ... qj ... qm pij = 1
i∈I j∈J
2.4. VARIABILE ALEATOARE DE TIP CONTINUU 51
(i) f (x) ≥ 0 ∀x ∈ R;
Cele patru afirmaţii din Propozitia 2.4.1 rezultă imediat din formula
2.4.1 şi din proprietăţile funcţiei de repartiţie.
În concluzie
0
dacă x ∈ (−∞, 0],
1
F (x) = 2
(1 − cos x) dacă x ∈ (0, π],
1 dacă x ∈ (π, ∞).
√
2
(c) P (0 ≤ x < π4 ) = F ( π4 ) − F (0) = 12 (1 − 2
).
2.4. VARIABILE ALEATOARE DE TIP CONTINUU 53
- dacă x ∈ (−1, ∞)
Z −1 Z 1 Z x Z 1
1
F (x) = f (t)dt + f (t)dt + f (t)dt = dt = 1.
−∞ −1 1 2 −1
Deci
0
dacă x ∈ (−∞, −1],
x+1
F (x) = 2
dacă x ∈ (−1, 1],
1 dacă x ∈ (1, ∞).
0
dacă x ∈ (−∞, 1e ],
lnx+1
= 2
dacă x ∈ ( 1e , e],
1 dacă x ∈ (e, ∞).
q
1 x−1
∈ (−1, 1)
r
1 2
2
dacă 2
q .
2 x−1 0 dacă x−1
∈
/ (−1, 1)
2
q q
x−1
Să remarcăm că 2
∈ (−1, 1) ⇔ − x−1
2
∈ (−1, 1) ⇔ x ∈ (1, 3). Prin
urmare
q q
1 2
dacă x ∈ (1, 3) 1 2
dacă x ∈ (1, 3)
4 x−1 4 x−1
fZ (x) = +
0 dacă x ∈
/ (1, 3) 0 dacă x ∈
/ (1, 3)
q
1 2
dacă x ∈ (1, 3)
2 x−1
= .
0 dacă x ∈
/ (1, 3)
1 1 ∞ 1 1 1
arctgy |−∞ = π = .
π 2 1 + x2 π 2 1 + x2 π(1 + x2 )
P (X = xi , Y = yj ) = P (X = xi )P (Y = yj ) ∀i ∈ I, ∀j ∈ J.
P (Xi1 < xi1 , . . . , Xik < xik ) = P (Xi1 < xi1 ) . . . P (Xik < xik ).
unde pij = P (X = xi , Y = yj ).
Demonstraţia propoziţiei precedente este imediată. Exemplificăm
doar pentru variabila aleatoare X + Y . Când X ia valoarea xi şi Y ia
valoarea yj suma lor X + Y ia valoarea zij = xi + yj . Dacă toate valorile
zij sunt distincte P (X + Y = zij ) = P (X = xi , Y = yj ) = pij . În acest
caz ı̂n distribuţia sumei X + Y valorile zij se vor scrie cu probabilităţile
pij . În caz contrar, zij va fi ı̂nscris o singură dată cu probabilitatea
P
xi +yj =zij P (X = xi , Y = yj ).
unde D = {(s, t) ∈ R : st < x}. Domeniul D fiind cel haşurat ı̂n figura
(a) pentru x > 0, respectiv in figura (b) pentru x < 0.
În ambele cazuri
! x
!
Z 0 Z ∞ Z ∞ Z
s
FZ (x) = f (s, t)dt ds + f (s, t)dt ds.
x
−∞ s
0 −∞
2.7. PROBLEME 63
2.7 Probleme
1. O ladă conţine 7 piese bune şi 4 defecte. Se extrag deodată (fără
ı̂ntoarcere) 5 piese. Să se scrie distribuţia variabilei aleatoare X care
reprezintă numărul pieselor defecte obţinute şi să se determine funcţia
de repartiţie a lui X.
2. Se aruncă două zaruri. Fie X numărul feţei apărute pe primul zar şi
Y variabila aleatoare care ia valoarea 1 dacă numărul apărut pe al doilea
zar este 1, respectiv valorile 2 şi 3 dacă numărul apărut pe al doilea zar
este număr prim, respectiv număr compus. Să se scrie distribuţiile vari-
abilelor aleatoare X şi Y , funcţiile lor de repartiţie precum şi distribuţiile
variabilelor aleatoare X + Y, X · Y, X/Y .
3. Se aleg la ı̂ntâmplare 4 numere din primele 12 numere naturale.
Într-o urnă sunt 12 bile numerotate de la 1 la 12. Se iau 6 bile la
ı̂ntâmplare şi fie X numărul bilelor care sunt numerotate cu unul din cele
4 numere stabilite la ı̂nceput. Să se scrie distribuţia variabilei aleatoare
X dacă extragerile sunt făcute:
(a) cu ı̂ntoarcerea bilei extrase;
(b) fără ı̂ntoarcerea bilei extrase.
4. Să se scrie distribuţia variabilei aleatoare care reprezintă suma
punctelor obţinute la aruncarea a două zaruri.
64CAPITOLUL 2. VARIABILE ALEATOARE, VECTORI ALEATORI
Să se determine:
(i) constanta a astfel ı̂ncât f să fie densitatea de probabilitate a unei
variabile aleatoare de tip continuu X;
(ii) funcţia de repartiţie corespunzătoare;
(iii) P (| X + 1 |< 1);
(iv) densităţile de probabilitate ale variabilelor aleatoare Y = 3X − 5,
respectiv Z = X 2 .
11. Se consideră funcţia f : R → R
(
a ln x1 dacă x ∈ (0, 1)
f (x) =
0 dacă x ∈
/ (0, 1).
Să se determine:
(i) constanta a astfel ı̂ncât f să fie densitatea de probabilitate a unei
variabile aleatoare de tip continuu X;
(ii) funcţia de repartiţie corespunzătoare;
3
(iii) P (| X − 8
|< 18 );
(iv) densităţile de probabilitate ale variabilelor aleatoare Y = −2X +
3, respectiv Z = ln X.
12. Să se determine densitatea de probabilitate a variabilei aleatoare
e−X , dacă variabila aleatoare X are densitatea de probabilitatea
(
λe−λx dacă x > 0
f (x) =
0 dacă x ≤ 0.
(i) constanta a;
(ii) P (X < 1, Y < 1).
14. Densitatea de probabilitate a vectorului aleator (X, Y ) este
(
1
2
sin(x + y) dacă x, y ∈ (0, π2 )
f (x, y) =
0 ı̂n rest .
Să se determine:
(i) densitatea de probabilitate a variabilei aleatoare X;
(ii) funcţia de repartiţie a vectorului aleator (X, Y );
(iii) P ( π4 ≤ X ≤ π3 , π
6
≤ X ≤ π3 ).
15. Se consideră variabila aleatoare X având densitatea de proba-
bilitate f (x) = √1 , x ∈ R. Se cer densitatăţile de probabilitate ale
2π
2
variabilelor aleatoarte | X | şi eX .
16. Fie vectorul aleator (X, Y ) având densitatea de probabilitate
A
f (x, y) = (a2 +x2 )(b2 +y 2 )
, (x, y) ∈ R2 , a, b > 0. Să se determine:
(i) constanta A;
(ii) funcţia de repartiţie a vectorului aleator (X, Y );
(iii) P (0 ≤ X ≤ a, | Y |≤ b);
(iv) densitatea de probabilitate a variabilei aleatoare X.
17. Care este probabilitatea ca un punct de coordonate (X, Y ) să
se găsească ı̂n domeniul D = (0, 1) × (0, 1) dacă funcţia de repartiţie a
vectorului aleator (X, Y ) este
( 2 2 2 2
1 − a−x − a−2y + a−x −2y dacă x, y > 0
F (x, y) =
0 ı̂n rest,
a > 0?
18. Fie variabila aleatoare bidimensională continuă Z = (X, Y ) a
cărei densitate de probabilitate este
(
1
20
(x + y + 2) dacă (x, y) ∈ [0, 2] × [1, 3]
f (x, y) =
0 ı̂n rest .
2.7. PROBLEME 67
Să se determine:
(i) funcţia de repartiţie a lui Z;
(ii) densităţile de repartiţie ale lui X şi Y ;
(iii) funcţia de repartiţie a lui X.
19. Să se determine densitatea de probabilitate a variabilei aleatoare
Z = X + Y dacă X şi Y sunt variabile aleatoare independente având
densităţile de probabilitate
(
1 x
dacă x ∈ [0, 1]
2
dacă x ∈ (0, 1)
fX (x) = fY (x) = 2−x dacă x ∈ (1, 2]
0 dacă x ∈
/ (0, 1),
0 dacă x ∈
/ [0, 2].
x2
(
xe− 2 dacă x > 0
fY (x) =
0 dacă x ≤ 0.
69
70 CAPITOLUL 3. CARACTERISTICI NUMERICE
P P
M (X + Y ) = i∈I xi pi + j∈J yj qj = M (X) + M (Y ).
Dacă X si Y sunt variabile de tip continuu, conform formulei (2.6.2),
variabila aleatoare Z = X + Y va avea densitatea de probabilitate
R∞
fZ (x) = −∞ f (s, x − s)ds, unde f este densitatea de probabilitate a
vectorului aleator (X, Y ). Prin urmare
Z ∞ Z ∞ Z ∞
M (X + Y ) = xfZ (x)d(x) = x f (s, x − s)ds dx =
−∞ −∞ −∞
Z ∞ Z ∞
xf (s, x − s)dx ds.
−∞ −∞
R∞ R∞ (ln x−a)2
Soluţie. M (X) = −∞
xf (x)d(x) = √1
σ 2π 0
e− 2σ 2 dx. Facem
schimbarea de variabilă
ln x−a
√ √ √
√
σ 2
= t. Avem x = eσ 2 t+a
, dx = σ 2eσ 2 t+a dt. Obţinem:
∞ ∞
ea √ ea σ2 √
Z Z
2 2 σ2
−t2 +σ 2 t −(t−σ )
M (X) = √ e dt = √ e 2 e 2 dt = ea+ 2 .
π 0 π 0
74 CAPITOLUL 3. CARACTERISTICI NUMERICE
X
βn (X) = (xi − M (X))n pi ,
i∈I
X
D2 (X) = (xi − M (X))2 pi .
i∈I
3.2. MOMENTE ALE UNEI VARIABILE ALEATOARE 75
M [(Xi − M (Xi ))(Xj − M (Xj ))] = M (Xi − M (Xi ))M (Xj − M (Xj ))
= M (UX )M (UY ) = 0.
Deci
!2 !2
n
X n
X n
X n
X
D2 ( Xi ) = M Xi − M (Xi ) =M (Xi − M (Xi )) =
i=1 i=1 i=1 i=1
" n
#
X X
M (Xi − M (Xi ))2 + 2 (Xi − M (Xi ))(Xj − M (Xj )) =
i=1 1≤i<j≤n
n
X X
M (Xi − M (Xi ))2 + 2
M [(Xi − M (Xi ))(Xj − M (Xj ))] =
i=1 1≤i<j≤n
Pn
i=1 D2 (Xi ).
Soluţie Dacă X este suma punctelor obţinute este clar că acestă vari-
abilă aleatoare ia valorile 2, 3, 4, . . . , 12. Dacă i1 , respectiv i2 desemnează
numărul punctelor apărute la aruncarea primului, respectiv a celui de-al
doilea zar, atunci rezultatul experimentului este perfect determinat de
perechea ordonată (i1 , i2 ).
1
Avem P (X = 2) = 36
, deoarece numărul cazurilor posibile coincide cu
numărul perechilor ordonate (i1 , i2 ) din produsul cartezian {1, 2, 3, 4, 5, 6}×
{1, 2, 3, 4, 5, 6}, deci este 36, ı̂n timp ce numărul cazurilor favorabile co-
incide cu numărul perechilor ordonate (i1 , i2 ) pentru care i1 + i2 = 2, deci
3.2. MOMENTE ALE UNEI VARIABILE ALEATOARE 77
2 3
este egal cu 1. Analog se obţin P (X = 3) = 36
, P (X = 4) = 36
, etc.
Distribuţia variabilei aleatoare X va fi:
!
2 3 4 5 6 7 8 9 10 11 12
X: 1 2 3 4 5 6 5 4 3 2 1
.
36 36 36 36 36 36 36 36 36 36 36
1 2 3
Conform formulei (3.1.2), vom avea M (X) = 2 · 36
+3· 36
+4· 36
+
1
· · · + 12 · 36
= · · · = 7.
Pentru calculul dispersiei vom utiliza formula dată de Propoziţia 3.2.1
1 2 3
(i). Avem nevoie pentru aceasta de M (X 2 ) = 22 · 36 +32 · 36 +42 · 36 +· · ·+
1 329 329
122 · 36
= ··· = 6
. Obţinem D2 (X) = M (X 2 ) − [M (X)]2 = 6
− 49 =
35
6
.
Soluţia a II-a. Dacă X1 este numărul de puncte obţinute pe primul
zar şi X2 numărul punctelor obţinute pe al doilea zar, atunci X = X1 +X2
şi deci M (X) = M (X1 ) + M (X2 ). În plus, variabilele aleatoare X1 , X2
fiind independente, D2 (X) = D2 (X1 ) + D2 (X2 ).
Variabilele aleatoare X1 , X2 au aceiaşi distribuţie dată de tabloul
!
1 2 3 4 5 6
1 1 1 1 1 1
.
6 6 6 6 6 6
1 7
Avem M (X1 ) = M (X2 ) = 6
(1 + 2 + 3 + 4 + 5 + 6) = 2
, M (X12 ) =
M (X22 ) = 61 (12 + 22 + 32 + 42 + 52 + 62 ) = 91
6
, de unde M (X) = 7
2
+ 7
2
=
2
7, D (X) = 2D (X1 ) = 2
2( 91
6
− 49
4
) = 35
6
.
D2 (X)
P (| X − M (X) |≥ L) ≤ . (3.2.1)
L2
78 CAPITOLUL 3. CARACTERISTICI NUMERICE
Rezultă că
!
D2 (X) X X [
≥ p i = P (X = xi ) = P (X = xi ) .
L2 i∈J i∈J i∈J
S
Deoarece (| X − M (X) |≥ L) = i∈J (X = xi ) inegalitatea precedentă
devine
D2 (X)
L2
≥ P (| X − M (X) |≥ L), adică inegalitatea din enunţ.
Dacă X este o variabilă aleatoare de tip continuu având densitatea de
R∞
probabilitate f atunci D2 (X) = −∞ (x − M (X))2 f (x)dx. Valorile lui
X pentru care (| X − M (X) |≥ L) se găsesc ı̂n mulţimea (−∞, M (X) −
L] ∪ [M (X) + L, +∞). Are loc:
Z M (X)−L Z ∞
2
2
D (X) ≥ (x − M (X)) f (x)dx + (x − M (X))2 f (x)dx
−∞ M (X)+L
!
Z M (X)−L Z ∞
≥ L2 f (x)dx + f (x)dx .
−∞ M (X)+L
R M (X)−L
Deoarece −∞ f (x)dx = P (X < M (X) − L) = P (X ≤ M (X) − L),
R∞
M (X)+L
f (x)dx = P (X ≥ M (X) + L), rezultă că
= L2 P (| X − M (X) |≥ L) .
D2 (X)
P (| X − M (X) |< L) ≥ 1 − . (3.2.2)
L2
Exemplul 3.2.2. Variabila aleatoare X are densitatea de probabili-
tate (
xm e−x
m!
dacă x ≥ 0,
f (x) =
0 dacă x < 0.
m
Să se arate că P (0 < X < 2(m + 1)) ≥ m+1
.
Soluţie Să remarcăm la ı̂nceput că evenimentul (0 < X < 2(m + 1))
este echivalent cu evenimentul ( | X − (m + 1) |< m + 1). Avem:
R∞ 1
R ∞ m+1 −x 1
M (X) = −∞ xf (x)d(x) = m! 0
x e dx = m! Γ(m + 2) = m + 1,
R ∞ a−1 −x
unde Γ(a) = 0 x e dx este funcţia lui Euler de speţa a doua.
R∞ 1
R ∞ m+2 −x 1
M (X 2 ) = −∞ x2 f (x)d(x) = m! 0
x e dx = m! Γ(m + 3) =
1
m!
· (m + 2)! = (m + 1)(m + 2).
Aplicăm acum (3.2.2) şi obţinem
D2 (X)
P (0 < X < 2(m + 1)) = P (| X − (m + 1) |< m + 1) ≥ 1 − (m+1)2
=
m+1 m
1− (m+1)2
= m+1
.
n
X X
M (Xi − M (Xi ))2 + 2
M [(Xi − M (Xi ))(Xj − M (Xj ))] =
i=1 1≤i<j≤n
Pn
D2 (Xi ) + 2
P
i=1 1≤i<j≤n C(Xi , Xj ).
XX
P (Y = yj ) q1 ... qj ... qm pij = 1
i∈I j∈J
atunci
r(X, Y ) = √ 1√
P P
i∈I j∈J pij (xi − M (X))(yj − M (Y )).
D2 (X) D2 (Y )
Dacă X şi Y sunt variabile aleatoare de tip continuu şi f este densi-
tatea de probabilitate a vectorului aleator (X, Y ), atunci
R∞ R∞
r(X, Y ) = √ 2 1√ 2 −∞ −∞
(x−M (X))(y−M (Y ))f (x, y)dxdy.
D (X) D (Y )
X\Y 0 1
1 2
-1 9 9
1 2
0 9 9
1 2
1 9 9
82 CAPITOLUL 3. CARACTERISTICI NUMERICE
P P
Ţinând cont de formulele j pij = pi , i pij = qj rezultă că distribuţiile
variabilelor aleatoare sunt
! !
−1 0 1 0 1
X: 1 1 1
, Y : 1 2
3 3 3 3 3
t2 D2 (X) + 2tC(X, Y ) + D2 (Y ) ≥ 0 ∀t ∈ R,
[C(X,Y )]2
deci [C(X, Y )]2 −D2 (X)D2 (Y ) ≤ 0 sau D2 (X)D2 (Y )
≤ 1, adică | r(X, Y ) |≤
1.
X\Y -1 2
1 1
-1 3 6
1 1
1 3 6
1
Deoarece pij = pi qj ∀i, j ∈ {1, 2} rezultă că pentru λ = 3
variabilele
aleatoare X şi Y sunt independente.
R∞
Observaţia 3.4.1. Deoarece |eitx | = 1 pentru orice t, x ∈ R şi −∞
dF (x)
= 1 rezultă că integrala improprie din definiţia funcţiei caracteristice este
absolut convergentă, deci orice variabilă aleatoare posedă funcţie carac-
teristică.
Demonstraţie. Avem
Soluţie. (a)
∞ ∞
−2
X 2k −2
X (2eit )k it it
φ(t) = e e itk
=e = e−2 e2e = e2(e −1) .
k=0
k! k=0
k!
−2t φ0 (0)
(b) φ0 (t) = 1+t2
, deci M (X) = i
= 0.
Derivănd ı̂ncă o dată şi luănd t = 0 se obţine φ00 (0) = −2. Rezultă
φ00 (0)
M (X 2 ) = i2
= 2 şi apoi D2 (X) = M (X 2 ) − (M (X))2 = 2.
3.5 Probleme
!
−1 0 1
1. Fie X o variabilă aleatoare discretă având distribuţia .
p1 p2 p3
2
Să se determine p1 , p2 , p3 dacă M (x) = 0, 1 şi M (X ) = 0, 9.
2. Se dau trei urne: prima conţine o bilă albă şi o bilă neagră, a doua
conţine două bile albe şi şapte negre, iar a treia o bilă albă şi trei negre.
Din prima urnă se extrage o bilă care se introduce ı̂n cea de-a doua urnă,
după care se extrage o bilă din urna a doua şi se introduce ı̂n cea de-a
treia urnă şi, ı̂n sfârşit se extrage o bilă din cea de-a treia urnă. Se cer
valoarea medie şi dispersia numărului de bile albe apărute ı̂n cele trei
extrageri.
3. O urnă conţine n bile numerotate de la 1 la n. Fie X cel mai
mare număr obţinut ı̂n 3 extracţii efectuate succesiv, cu ı̂ntoarcerea bilei
extase. Să se calculeze valoarea medie şi dispersia lui X.
4. Fie A şi B două evenimente, astfel ı̂ncât P (A) = 41 , P (B | A) =
1 1
2
, P (A | B) = 4
. Definim variabilele aleatoare X şi Y : X = 1 sau
X = 0 după cum se realizează sau nu evenimentul A; Y = 1 sau Y = 0
după cum se realizează sau nu evenimentul B. Să se calculeze valoarea
medie şi dispersia lui X, respectiv Y şi coeficientul de corelaţie dintre X
şi Y .
5. Fie f densitatea de probabilitate a unei variabile aleatoare continue
X. Să se determine valoarea medie şi dispersia lui X ı̂n fiecare din
următoarele cazuri:
(
1√ 1
π a2 −x2
, dacă x ∈ (−a, a), a > 0
(a) f (x) =
0 , dacă x ∈
/ (−a, a);
3.5. PROBLEME 89
(
ln x1 dacă x ∈ (0, 1)
(b) f (x) =
0 dacă x ∈ / (0, 1);
2
−1
1
(c) f (x) = π√ 3
1 + x3 ;
2
−3
(d) f (x) = 3π8√3 1 + x3 .
6. Fie X o variabilă aleatore de tip continuu având densitatea de
probabilitate f . Să se arate că
Z ∞
(x − A)2 f (x)dx
−∞
Să se determine:
Să se determine:
(i) constanta a;
90 CAPITOLUL 3. CARACTERISTICI NUMERICE
Să se determine:
(i) constanta a;
şi respectiv !
1 −1 1 −1
Y : 1 5 1 3
10 10 10 10
Să se determine:
(a) dispersiile variabilelor aleatoare X şi Y ;
(b) corelaţia dintre cele două variabile aleatoare;
(c) coeficientul de corelaţie;
(d) D2 (X + Y ).
15. Variabilele aleatoare independente X şi Y au repartiţiile
! !
−0 1 −2 1 5
X: 1 1
, Y : 1 1 1
2 2 4 2 4
Să se determine:
16. Se dau două urne U1 şi U2 care conţin a bile albe şi b bile negre,
respectiv α bile albe şi β bile negre. Din urna U1 se scoate o bilă şi se pune
ı̂n urna U2 . Din urna U2 efectuăm apoi 3 extrageri succesive, punând de
92 CAPITOLUL 3. CARACTERISTICI NUMERICE
fiecare dată bila ı̂napoi ı̂n urnă. Să se determine funcţia caracteristică
corespunzătoare numărului de bile albe obţinute ı̂n cele patru extrageri.
Capitolul 4
93
94 CAPITOLUL 4. VARIABILE ALEATOARE UZUALE
Rezultă că
1 5
Rezultă că M (X) = np = 360 6
= 60, D2 (X) = npq = 60 6
= 50.
Aplicând inegalitatea lui Cebâşev, ı̂n varianta (3.2.2), pentru L = 100,
se obţine
50 199
P ( | X − 60 |< 100) ≥ 1 − 10000
= 200
.
λk −λ
Deoarece limn→∞ k!
e = 0, legea lui Poisson se mai numeşte legea
evenimentelor rare.
Demonstraţie. Avem
∞ ∞
X λk −λ −λ
X λk−1
M (X) = k e = λe = λe−λ eλ = λ.
k=0
k! k=1
(k − 1)!
96 CAPITOLUL 4. VARIABILE ALEATOARE UZUALE
∞ k ∞
2
X
2λ −λ −λ
X λk−1
M (X ) = k e = λe k =
k=0
k! k=1
(k − 1)!
∞
!0
−λ
X λk 0
= λe = λe−λ λeλ = λ(λ + 1).
k=1
(k − 1)!
k k
X X λi λk−i
P (X1 = i)P (X2 = k − i) = 1
e−λ1 · 2
e−λ2 =
i=0 i=0
i! (k − i)!
k k i
e−(λ1 +λ2 ) X k! i k−i e−(λ1 +λ2 ) k X i λ1
λ1 λ 2 = λ2 Ck =
k! i=0
i!(k − i)! k! i=0
λ 2
k
e−(λ1 +λ2 ) k e−(λ1 +λ2 )
λ1
= λ2 +1 = (λ1 + λ2 )k .
k! λ2 k!
4.1. VARIABILE ALEATOARE DE TIP DISCRET 97
an
a+b
= np (s-a avut ı̂n vedere formula (4.1.1)).
Pentru calculul dispersiei determinăm mai ı̂ntâi M (X 2 ).
k n−k
2
X
2 Ca Cb
X Cak Cbn−k X Cak Cbn−k
M (X ) = k n
= k(k − 1) n
+ k n
k
Ca+b k
Ca+b k
Ca+b
a(a − 1) na n 2 a2 a+b−n
n(n − 1) + − = npq .
(a + b)(a + b − 1) a + b (a + b)2 a+b−1
4.1. VARIABILE ALEATOARE DE TIP DISCRET 99
0
1 1−q+q 1
p q =p 2
= .
1−q (1 − q) p
Pentru calculul dispersiei determinăm ı̂n prealabil M (X 2 ).
∞ ∞
!0 0
2
X
2 k−1
X
k−1 1
M (X ) = k pq =p q kq =p q
k=1 k=1
(1 − q)2
1+q 1+q
=p 3
= .
p p2
100 CAPITOLUL 4. VARIABILE ALEATOARE UZUALE
Rezultă că
1+q 1 q
D2 (X) = M (X 2 ) − [M (X)]2 = − = .
p2 p2 p2
Exemplul 4.1.2. Se fac trageri asupra unei ţinte până când aceasta
este doborâtă. Pentru doborârea sa este suficientă o tragere reuşită. La
fiecare tragere ı̂n parte probabilitatea de succes este 13 . Se cer valoarea
medie şi dispersia numărului de trageri.
1
Demonstraţie. Fie funcţia f : (−1, 1) → R, f (x) = (1−x)n
.
Ne interesează f (n) (0). Avem
f 0 (x) = n
(1−x)n+1
, f 0 (0) = n,
n(n+1)
f 00 (x) = (1−x)n+2 , f 00 (0) = n(n + 1).
n(n+1)...(n+i−1)
Prin inducţie matematică se demonstrează că f (i) (x) = (1−x)n+i
şi de aici f (i) (0) = n(n + 1) . . . (n + i − 1).
Dezvoltând funcţia după formula lui Mc Laurin, obţinem
∞ ∞ ∞
X f (i) (0) i
X n(n + 1) . . . (n + i − 1) i
X
n−1
f (x) = x = x = Cn+i−1 xi .
i=0
i! i=0
i! i=0
Demonstraţie. Avem
∞
X ∞
X
M (X) = n−1 n k−n
k Ck−1 p q = pn q −n+1 n−1 k−1
k Ck−1 q =
k=n k=n
∞
!0 ∞
!0
X X
= pn q −n+1 n−1 k
Ck−1 q = pn q −n+1 qn n−1 k−n
Ck−1 q =
k=n k=n
0
nq n−1
n −n+1 1 n
=p q qn
= pn q −n+1 = .
(1 − q)n (1 − q)n+1 p
102 CAPITOLUL 4. VARIABILE ALEATOARE UZUALE
∞
X ∞
X
2 2 n−1 n k−n n −n+2 n−1 k−2
M (X ) = k Ck−1 p q =p q k 2 Ck−1 q =
k=n k=n
" ∞
!0 #0 0
nq n−1
X
n −n+2 n−1 k n −n+2
=p q q Ck−1 q =p q q .
k=n
(1 − q)n+1
Lăsăm ı̂n seama cititorilor continuarea calculului precedent. Se obţine
n2 +nq
M (X 2 ) = p2
şi de aici, utilizând formula D2 (X) = M (X 2 )−[M (X)]2 ,
2 nq
se găseşte D (X) = p2
.
Demonstraţie. Avem
Z ∞ b
1 b 2 − a2
Z
1 a+b
M (X) = xf (x)dx = xdx = =
−∞ b−a a b−a 2 2
şi
∞ b
1 b 3 − a3 a2 + ab + b2
Z Z
2 21
M (X ) = x f (x)dx = x2 dx = = ,
−∞ b−a a b−a 3 3
iar prin intermediul relaţiei D2 (X) = M (X 2 )−[M (X)]2 obţinem D2 (X) =
(b−a)2
12
.
x−m
Făcând şi de această dată substituţia √
σ 2
= t obţinem
∞ ∞
2σ 2 2σ 2
Z Z
2 −t2 2
2
D (X) = √ te dt = √ t(−e−t )0 dt =
π −∞ π 0
∞ √
2σ 2 2σ 2 2σ 2 π
Z
2 −t2
√ (−te−t )|∞
0 + √ e dt = √ = σ2.
π π 0 π 2
(ii) Γ(n + 1) = n! ∀n ∈ N;
1
√
(iii) Γ 2
= π.
Γ(a + 1)
=b = ab.
Γ(a)
4.2. VARIABILE ALEATOARE DE TIP CONTINUU 105
R∞ x
Apoi, M (X 2 ) = 1
Γ(a)ba 0
xa+1 e− b dx şi făcând incă o dată schimbarea
x
de variabilă a
= t avem
1
M (X 2 ) = ba+2 Γ(a + 2) = a(a + 1)b2 .
Γ(a)ba
Utilizănd formula D2 (X) = M (X 2 ) − [M (X)]2 obţinem D2 (X) = ab2 .
Reamintim că
Γ(a)Γ(b)
Lema 4.2.6. Pentru a, b > 0, are loc B(a, b) = Γ(a+b)
.
Demonstraţie. Avem
R∞ 1
R1
M (X) = −∞ xf (x)dx = B(a,b) 0
xa (1 − x)b−1 dx =
Γ(a+1)Γ(b)
1 Γ(a+b+1) Γ(a + b) Γ(a + 1) a
B(a + 1, b) = Γ(a)Γ(b)
= · = .
B(a, b) Γ(a + b + 1) Γ(a) a+b
Γ(a+b)
Z 1
2 1 1
M (X ) = xa+1 (1 − x)b−1 dx = B(a + 2, b) =
B(a, b) 0 B(a, b)
Γ(a + 2) Γ(a + b) a(a + 1)
· = .
Γ(a) Γ(a + b + 2) (a + b)(a + b + 1)
Folosind relaţia D2 (X) = M (X 2 ) − [M (X)]2 se obţine, după efectu-
ab
area calculelor, D2 (X) = (a+b)2 (a+b+1)
.
106 CAPITOLUL 4. VARIABILE ALEATOARE UZUALE
nΓ n+1
Z ∞
1 n+1
=√ 2
n
y 2 (1 + y)− 2 dy.
πΓ 2 0
y
Efectuăm o nouă schimbare de variabilă şi anume 1+y
= t, de unde
t 1 t
y= 1−t
, 1+y = 1−t
, dy = (1−t)2
dt.
n+1 Z 1
1
2 n Γ 2 t2 ˙ − n+1 t
D (X) = √ 1 (1 − t) dt =
2
n
π Γ 2 0 (1 − t) 2 (1 − t)2
n Γ n+1 n Γ n+1
Z 1
2 1 n
−2 2 3 n
√ t 2 (1 − t) 2 dt = √ B , −1
π Γ n2 0 π Γ n2 2 2
4.3. PROBLEME 107
n+1 3 n
nΓ 2
Γ Γ − 1
= √ n
2 n+1
2
.
πΓ 2
Γ 2
3 1 1 1 1√ Γ( n −1) 1
2
Deoarece Γ = Γ +1 = Γ = π si Γ( n
= n
−1
,
2)
2 2 2 2 2 2
rezultă
n 1√ 1 n
D2 (X) = √ πn = .
π 2 2
−1 n−2
4.3 Probleme
1. Un baschetbalist ı̂nscrie un coş cu probabilitatea p = 0, 75 la o arun-
care. Să se determine valoarea medie şi dispersia numărului de coşuri
ı̂nscrise ı̂n 10 aruncări.
2. Un manual se editează ı̂ntr-un tiraj de 150 000 de exemplare.
Probabilitatea ca un manual să fie respins, fiind tipărit necorespunzător,
este 0,0002. Să se determine valoarea medie şi dispersia numărului de
manuale respinse.
3. Doi parteneri cu forţă egală boxează 12 runde. Să se calculeze
valoarea medie şi dispersia variabilei aleatoare care reprezintă numărul
de runde câştigate de unul din boxeri.
4. O urnă conţine 30 de bile albe şi 10 bile negre. Se fac 200 de
extrageri din urnă punând după fiecare extragere bila ı̂napoi ı̂n urnă. Se
cere o margine inferioară pentru probabilitatea ca numărul de bile albe
ı̂n cele 200 de extrageri să fie cuprins ı̂ntre 100 şi 120.
5. O persoană cumpără pe rând loz ı̂n plic sperând să obţină un bilet
câştigător. Ştiind că un bilet este câştigător cu probabilitatea p = 0, 1
şi notând cu X, respectiv cu Y numărul biletelor cumpărate până la
obţinerea pentru prima oară, respectiv pentru a patra oară a unui loz
câştigător să se determine valorile medii şi dispersiile lui X şi Y .
108 CAPITOLUL 4. VARIABILE ALEATOARE UZUALE
109