Documente Academic
Documente Profesional
Documente Cultură
STATISTICĂ MATEMATICĂ
2018
Cuprins
1 Metode de numărare 7
1.1 Preliminarii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Regula produsului . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3 Aranjamente, combinări, permutări . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4 Compuneri s, i descompuneri ale unui număr natural . . . . . . . . . . . . . . . . . . . 19
1.5 Partit, ii ale unei mult, imi finite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.6 Spat, ii măsurabile, măsuri finite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.7 Principiul includerii s, i excluderii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.8 Formula binomului lui Newton s, i extinderi . . . . . . . . . . . . . . . . . . . . . . . . 31
1.9 Serii s, i funct, ii generatoare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3 Variabile aleatoare 65
3.1 Definit, ii s, i proprietăt, i . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.2 Variabile aleatoare independente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.3 Variabile aleatoare discrete . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
3.4 Variabile aleatoare continue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3.5 Variabile aleatoare multidimensionale . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
3.6 Momentele variabilelor aleatoare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
3.7 Variabile aleatoare condit, ionate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
3.8 Funct, ii generatoare de momente s, i funct, ii caracteristice . . . . . . . . . . . . . . . . . 114
1
CUPRINS 2
4
Bibliografie
[1] C. Bălcău, Combinatorică s, i teoria grafurilor, Editura Universităt, ii din Pites, ti, Pites, ti, 2007.
[2] C. Bălcău, P. Radovici-Mărculescu, R. Georgescu, Matematică aplicată ı̂n economie, Editura Universităt, ii din
Pites, ti, Pites, ti, 2010.
[3] C. Bălcău, R. Georgescu, M. Macarie, Matematică aplicată ı̂n economie. Note de curs s, i seminar, Editura
Universităt, ii din Pites, ti, Pites, ti, 2016.
[4] D.P. Bertsekas, J.N. Tsitsiklis, Introduction to Probability, Athena Scientific, 2008.
[5] N. Boboc, Analiză matematică, Tipografia Universităt, ii din Bucures, ti, Bucures, ti, 1988.
[6] N. Breaz, L. Căbulea, A. Pitea, Gh. Zbăganu, R. Tudorache, I. Rasa, Probabilităt, i s, i statistică, Editura StudIS,
Ias, i, 2013.
[7] N. Breaz, M. Crăciun, P. Gas, par, M. Miroiu, I. Paraschiv-Munteanu, Modelarea matematică prin Matlab, Editura
StudIS, Ias, i, 2013.
[8] C. Costinescu, I. Mierlus, -Mazilu, S.A. Popescu, Probabilităt, i s, i statistică tehnică: Abreviar teoretic, probleme
rezolvate s, i probleme propuse, Editura Conspress, Bucures, ti, 2005.
[9] R.G. Cowell, A.P. Dawid, S.L. Lauritzen, D.J. Spiegelhalter, Probabilistic Networks and Expert Systems, Springer,
2007.
[10] V. Craiu, Teoria probabilităt, ilor cu exemple s, i probleme, Editura Fundat, iei ”România de Mâine”, Bucures, ti,
1997.
[11] I. Cuculescu, Teoria probabilităt, ilor, Editura ALL, Bucures, ti, 1998.
[13] J.H. Drew, D.L. Evans, A.G. Glen, L.M. Leemis, Computational Probability. Algorithms and Applications in the
Mathematical Sciences, Springer, 2008.
[14] H.-O. Georgii, Stochastics. Introduction to Probability and Statistics, De Gruyter, 2008.
[15] J. Hromkovic, Design and Analysis of Randomized Algorithms: Introduction to Design Paradigms, Springer,
2005.
[16] M. Iosifescu, Gh. Mihoc, R. Theodorescu, Teoria probabilităt, ilor s, i statistică matematică, Editura Tehnică,
Bucures, ti, 1967.
[17] M. Ivan, A. Pletea, T. Stihi, G. Cosovici, D. Inoan, Matematică prin ”Mathematica”, Editura StudIS, Ias, i, 2013.
[20] M. Miroiu, V. Petrehus, , Gh. Zbăganu, Init, iere ı̂n R pentru persoane cu pregătire matematică, Editura StudIS,
Ias, i, 2013.
[21] D.C. Montgomery, G.C. Runger, Applied Statistics and Probability for Engineers, John Wiley & Sons, 2003.
5
6
[22] C. Niculescu, Probabilităt, i s, i statistică, Editura Universităt, ii din Bucures, ti, Bucures, ti, 2015.
[23] E. Petris, or, Probabilităt, i s, i statistică: Aplicat, ii ı̂n economie s, i inginerie, Editura Politehnica, Timis, oara, 2005.
[24] G. Popovici, Statistical lab using the R-system, Editura Universităt, ii din Bucures, ti, Bucures, ti, 2011.
[25] V. Preda, C. Bălcău, Entropy optimization with applications, Editura Academiei Române, Bucures, ti, 2010.
[26] C.E. Rasmussen, C. Williams, Gaussian Processes for Machine Learning, MIT Press, 2006.
[27] H. Robbins, A remark on Stirling’s formula, The American Mathematical Monthly, vol. 62, nr. 1 (1955), 26–29.
[28] C. Tudor, Teoria probabilităt, ilor, Editura Universităt, ii din Bucures, ti, Bucures, ti, 2004.
Capitolul 1
Metode de numărare
1.1 Preliminarii
Vom prezenta metode s, i formule de numărare pentru cele mai cunoscute familii de obiecte com-
binatoriale: produs cartezian, submult, imi, aranjamente (fără repetit, ie, cu repetit, ie sau ordonate),
combinări (fără repetit, ie sau cu repetit, ie), permutări (fără repetit, ie sau cu repetit, ie), compuneri s, i
descompuneri ale unui număr natural, partit, ii ale unei mult, imi finite.
Reamintim câteva notat, ii s, i not, iuni uzuale.
Definit, ia 1.1.1. Fie A o mult, ime finită. Numărul de elemente ale lui A, notat cu card (A), se
numes, te cardinalul mult, imii A.
Definit, ia 1.1.2. Fie A un alfabet (adică o mult, ime finită) s, i n ∈ N∗ . O secvent, ă de forma
a = a1 a2 . . . an , cu a1 , a2 , . . . , an ∈ A,
[x]n se numes, te polinomul factorial descrescător de gradul n, iar [x]n se numes, te polinomul
factorial crescător de gradul n.
Observat, ia 1.1.2. Evident, pentru orice x ∈ R s, i n ∈ N avem
7
CAPITOLUL 1. METODE DE NUMĂRARE 8
A1 × A2 × . . . × An = {(a1 , a2 , . . . , an )|a1 ∈ A1 , a2 ∈ A2 , . . . , an ∈ An }.
Exemplul 1.2.1. {a, b} × {+, −} × {c} = {(a, +, c), (a, −, c), (b, +, c), (b, −, c)}.
Propozit, ia 1.2.2 (Regula produsului). Fie n ∈ N∗ s, i A1 o mult, ime finită. Pentru fiecare
a1 ∈ A1 se consideră câte o mult, ime finită A2 (a1 ). Analog, pentru orice k ∈ {3, . . . , n} s, i pen-
tru fiecare a1 ∈ A1 , a2 ∈ A2 (a1 ), . . ., ak−1 ∈ Ak−1 (a1 , a2 , . . . , ak−2 ) se consideră câte o mult, ime finită
Ak (a1 , a2 , . . . , ak−1 ). Fie
Fie m1 = card (A1 ). Presupunem că pentru orice k ∈ {2, . . . , n} avem card Ak (a1 , a2 , . . . , ak−1 ) = mk ,
pentru orice a1 ∈ A1 , a2 ∈ A2 (a1 ), . . ., ak−1 ∈ Ak−1 (a1 , a2 , . . . , ak−2 ) . Atunci
card (M) = m1 · m2 · . . . · mn .
Exemplul 1.2.2. Câte numere naturale de patru cifre au cifrele distincte? Câte dintre acestea sunt
pare? Dar impare?
Solut, ie. Numerele naturale de patru cifre distincte au forma abcd, cu
Corolarul 1.2.1 (de numărare a submult, imilor). Fie A o mult, ime finită s, i P(A) mult, imea
tuturor submult, imilor (părt, ilor) lui A. Atunci card (P(A)) = 2card (A) .
Funct, iile α s, i β sunt inverse una celeilalte, deci sunt bijective s, i card (P(A)) = card ({0, 1}n) = 2n .
Exemplul 1.2.3. Pentru A = {a, b, c}, corespondent, a submult, imi ↔ produs cartezian din demonstrat, ia
anterioară este redată ı̂n următorul tabel:
(c1 , c2 , c3 ) ∈ {0, 1}3 B ∈ P(A)
(0,0,0) ∅
(0,0,1) {c}
(0,1,0) {b}
(0,1,1) {b, c}
(1,0,0) {a}
(1,0,1) {a, c}
(1,1,0) {a, b}
(1,1,1) {a, b, c}
Demonstraţie. Fie A = {1, 2, . . . , n} s, i B = {1, 2, . . . , m}. Notăm mult, imile din enunt, astfel:
α : C → A, β : A → C, γ : C → F , δ : F → C
prin:
• ∀ (c1 , c2 , . . . , cn ) ∈ C, α(c1 , c2 , . . . , cn ) = aranjarea dată de regula: se as, ează bila i ı̂n urna ci ,
∀ i ∈ {1, 2, . . . , n};
• ∀ ω ∈ A, β(ω) = (c1 , c2 , . . . , cn ), unde ci = urna ı̂n care se află bila i ı̂n aranjarea ω, ∀ i ∈
{1, 2, . . . , n};
α(β(ω)) = ω, ∀ ω ∈ A,
β(α(c1, c2 , . . . , cn )) = (c1 , c2 , . . . , cn ), ∀ (c1 , c2 , . . . , cn ) ∈ C,
γ(δ(f )) = f, ∀ f ∈ F ,
δ(γ(c1 , c2 , . . . , cn )) = (c1 , c2 , . . . , cn ), ∀ (c1 , c2 , . . . , cn ) ∈ C,
deci funct, iile α s, i β sunt inverse una celeilalte, iar funct, iile γ s, i δ sunt de asemenea inverse una
celeilalte. Rezultă că aceste funct, ii sunt bijective, deci
Cum C = B n , conform Propozit, iei 1.2.1 avem card (C) = mn , s, i astfel demonstrat, ia este ı̂ncheiată.
Definit, ia 1.3.1. Oricare obiecte din cele 3 tipuri numărate ı̂n propozit, ia anterioară se numesc aran-
jamente cu repetit, ie de m luate câte n. Prin abuz de limbaj, s, i numărul lor, adică mn , se numes, te
tot aranjamente cu repetit, ie de m luate câte n.
Exemplul 1.3.1. Pentru m = 2 s, i n = 3, corespondent, ele cuvinte ↔ aranjări ↔ funct, ii din demonstrat, ia
anterioară sunt redate ı̂n următorul tabel:
CAPITOLUL 1. METODE DE NUMĂRARE 11
(c1 , c2 , c3 ) ∈ C ω∈A f ∈F
(1,1,1) {1, 2, 3}|∅ f (1) = 1, f (2) = 1, f (3) = 1
(1,1,2) {1, 2}|{3} f (1) = 1, f (2) = 1, f (3) = 2
(1,2,1) {1, 3}|{2} f (1) = 1, f (2) = 2, f (3) = 1
(1,2,2) {1}|{2, 3} f (1) = 1, f (2) = 2, f (3) = 2
(2,1,1) {2, 3}|{1} f (1) = 2, f (2) = 1, f (3) = 1
(2,1,2) {2}|{1, 3} f (1) = 2, f (2) = 1, f (3) = 2
(2,2,1) {3}|{1, 2} f (1) = 2, f (2) = 2, f (3) = 1
(2,2,2) ∅|{1, 2, 3} f (1) = 2, f (2) = 2, f (3) = 2
unde | reprezintă bara despărt, itoare ı̂ntre urne. Deci avem 23 = 8 aranjamente cu repetit, ie.
Propozit, ia 1.3.2 (de numărare a aranjamentelor). Fie m, n ∈ N. Atunci
numărul de cuvinte de lungime n cu litere distincte peste un alfabet cu m litere
= numărul de aranjări fără repetit, ie a n bile numerotate ı̂n m urne numerotate
= numărul de funct, ii injective ce pot fi definite pe o mult, ime (fixată) cu n elemente, cu valori
ı̂ntr-o mult, ime (fixată) cu m elemente
= [m]n .
Demonstraţie. Fie A = {1, 2, . . . , n} s, i B = {1, 2, . . . , m}. Notăm mult, imile din enunt, astfel:
A1 = mult, imea aranjărilor fără repetit, ie a n bile numerotate 1, 2, . . . , n ı̂n m urne numerotate
1, 2, . . . , m,
F1 = {f |f : A → B, f (i) 6= f (j) ∀ i 6= j}.
Între aceste mult, imi definim corespondent, ele
α : C1 → A1 , β : A1 → C1 , γ : C1 → F1 , δ : F1 → C1
Definit, ia 1.3.2. Oricare obiecte din cele 3 tipuri numărate ı̂n propozit, ia anterioară se numesc aran-
jamente (fără repetit, ie) de m luate câte n. De asemenea s, i numărul lor, adică [m]n , se numes, te
tot aranjamente (fără repetit, ie) de m luate câte n s, i se mai notează cu Anm .
Observat, ia 1.3.1. Pentru n > m avem
[m]n = m . . . (m − m) . . . (m − n + 1) = 0.
Exemplul 1.3.2. Pentru m = 4 s, i n = 2, corespondent, ele din demonstrat, ia anterioară sunt redate ı̂n
următorul tabel:
CAPITOLUL 1. METODE DE NUMĂRARE 12
(c1 , c2 ) ∈ C1 ω ∈ A1 f ∈ F1
(1,2) {1}|{2}|∅|∅ f (1) = 1, f (2) = 2
(1,3) {1}|∅|{2}|∅ f (1) = 1, f (2) = 3
(1,4) {1}|∅|∅|{2} f (1) = 1, f (2) = 4
(2,1) {2}|{1}|∅|∅ f (1) = 2, f (2) = 1
(2,3) ∅|{1}|{2}|∅ f (1) = 2, f (2) = 3
(2,4) ∅|{1}|∅|{2} f (1) = 2, f (2) = 4
(3,1) {2}|∅|{1}|∅ f (1) = 3, f (2) = 1
(3,2) ∅|{2}|{1}|∅ f (1) = 3, f (2) = 2
(3,4) ∅|∅|{1}|{2} f (1) = 3, f (2) = 4
(4,1) {2}|∅|∅|{1} f (1) = 4, f (2) = 1
(4,2) ∅|{2}|∅|{1} f (1) = 4, f (2) = 2
(4,3) ∅|∅|{2}|{1} f (1) = 4, f (2) = 3
Definit, ia 1.3.3. Oricare obiecte din cele 3 tipuri numărate ı̂n propozit, ia anterioară se numesc per-
mutări (fără repetit, ie) de ordinul n. De asemenea s, i numărul lor, adică n!, se numes, te tot
permutări (fără repetit, ie) de n.
Exemplul 1.3.3. Pentru n = 3, permutările mult, imii {1, 2, 3} sunt:
(1, 2, 3), (1, 3, 2), (2, 1, 3), (2, 3, 1), (3, 1, 2), (3, 2, 1).
ω : (i1 , . . . , in1 )|(in1 +1 , . . . , in1 +n2 )| . . . |(in1 +...+nm−1 +1 , . . . , in1 +...+nm−1 +nm ),
CAPITOLUL 1. METODE DE NUMĂRARE 13
unde (i1 , . . . , in1 ) reprezintă bilele din urna 1, (in1 +1 , . . . , in1 +n2 ) reprezintă bilele din urna 2, . . .,
(in1 +...+nm−1 +1 , . . . , in1 +...+nm−1 +nm ) reprezintă bilele din urna m, cu n1 + n2 + . . . + nm = n, iar cele
m − 1 bare verticale sunt despărt, itoare ı̂ntre urne.
Astfel cele n bile ı̂mpreună cu cele m − 1 bare despărt, itoare sunt situate pe n + m − 1 pozit, ii.
Definim corespondent, ele ϕ : A2 → C2 s, i ψ : C2 → A2 prin:
• ∀(c1 , c2 , . . . , cn ) ∈ C2 , ψ(c1 , c2 , . . . , cn ) = ω, unde ω este aranjarea dată de regula: bila i se as, ează
pe pozit, ia ci (din cele n+m−1 pozit, ii ale bilelor s, i ale barelor despărt, itoare), ∀i ∈ {1, 2, . . . , n},
iar pe restul de n + m − 1 − n = m − 1 pozit, ii se scriu barele despărt, itoare.
ω0 : ( 2 , 1 ) | ( 3 ) | ( 4 )
1 2 3 4 5 6
(numerele de sub bile s, i bare fiind pozit, iile acestora) avem ϕ(ω0 ) = (2, 1, 4, 6) s, i, reciproc, ψ(2, 1, 4, 6) =
ω0 .
Evident, funct, iile ϕ s, i ψ sunt bine definite s, i inverse una celeilalte, deci sunt bijective s, i astfel
obt, inem
card (A2 ) = card (C2 ).
Cum, conform Propozit, iei 1.3.2, avem
Definit, ia 1.3.4. Obiectele numărate ı̂n propozit, ia anterioară se numesc aranjamente ordonate
de m luate câte n. De asemenea s, i numărul lor, adică [m]n , se numes, te tot aranjamente ordonate
de m luate câte n.
Exemplul 1.3.4. Pentru m = 3 s, i n = 2, corespondent, ele din demonstrat, ia anterioară sunt redate ı̂n
următorul tabel:
(c1 , c2 ) ∈ C2 ω ∈ A2
(1,2) (1, 2)|∅|∅
(1,3) (1)|(2)|∅
(1,4) (1)|∅|(2)
(2,1) (2, 1)|∅|∅
(2,3) ∅|(1, 2)|∅
(2,4) ∅|(1)|(2)
(3,1) (2)|(1)|∅
(3,2) ∅|(2, 1)|∅
(3,4) ∅|∅|(1, 2)
(4,1) (2)|∅|(1)
(4,2) ∅|(2)|(1)
(4,3) ∅|∅|(2, 1)
CAPITOLUL 1. METODE DE NUMĂRARE 14
Exemplul 1.3.5. Pentru m = 5 s, i n = 3, corespondent, ele din demonstrat, ia anterioară sunt redate ı̂n
următorul tabel:
(c1 , c2 , c3 ) ∈ C3 ω ∈ A3 f ∈ F3 S ∈ S3
(1,2,3) {o}|{o}|{o}|∅|∅ f (1) = 1, f (2) = 2, f (3) = 3 {1, 2, 3}
(1,2,4) {o}|{o}|∅|{o}|∅ f (1) = 1, f (2) = 2, f (3) = 4 {1, 2, 4}
(1,2,5) {o}|{o}|∅|∅|{o} f (1) = 1, f (2) = 2, f (3) = 5 {1, 2, 5}
(1,3,4) {o}|∅|{o}|{o}|∅ f (1) = 1, f (2) = 3, f (3) = 4 {1, 3, 4}
(1,3,5) {o}|∅|{o}|∅|{o} f (1) = 1, f (2) = 3, f (3) = 5 {1, 3, 5}
(1,4,5) {o}|∅|∅|{o}|{o} f (1) = 1, f (2) = 4, f (3) = 5 {1, 4, 5}
(2,3,4) ∅|{o}|{o}|{o}|∅ f (1) = 2, f (2) = 3, f (3) = 4 {2, 3, 4}
(2,3,5) ∅|{o}|{o}|∅|{o} f (1) = 2, f (2) = 3, f (3) = 5 {2, 3, 5}
(2,4,5) ∅|{o}|∅|{o}|{o} f (1) = 2, f (2) = 4, f (3) = 5 {2, 4, 5}
(3,4,5) ∅|∅|{o}|{o}|{o} f (1) = 3, f (2) = 4, f (3) = 5 {3, 4, 5}
α : C4 → A4 , β : A4 → C4 , γ : C4 → F4 , δ : F4 → C4
(m + n − 1)!
deoarece [m]n = m(m + 1) . . . (m + n − 1) = .
(m − 1)!
Exemplul 1.3.7. Pentru m = 3 s, i n = 4, corespondent, ele din demonstrat, ia anterioară sunt redate ı̂n
următorul tabel:
CAPITOLUL 1. METODE DE NUMĂRARE 17
(c1 , c2 , c3 , c4 ) ∈ C4 ω ∈ A4 f ∈ F4
(1,1,1,1) o o o o|∅|∅ f (1) = 1, f (2) = 1, f (3) = 1, f (4) = 1
(1,1,1,2) o o o|o|∅ f (1) = 1, f (2) = 1, f (3) = 1, f (4) = 2
(1,1,1,3) o o o|∅|o f (1) = 1, f (2) = 1, f (3) = 1, f (4) = 3
(1,1,2,2) o o|o o|∅ f (1) = 1, f (2) = 1, f (3) = 2, f (4) = 2
(1,1,2,3) o o|o|o f (1) = 1, f (2) = 1, f (3) = 2, f (4) = 3
(1,1,3,3) o o|∅|o o f (1) = 1, f (2) = 1, f (3) = 3, f (4) = 3
(1,2,2,2) o|o o o|∅ f (1) = 1, f (2) = 2, f (3) = 2, f (4) = 2
(1,2,2,3) o|o o|o f (1) = 1, f (2) = 2, f (3) = 2, f (4) = 3
(1,2,3,3) o|o|o o f (1) = 1, f (2) = 2, f (3) = 3, f (4) = 3
(1,3,3,3) o|∅|o o o f (1) = 1, f (2) = 3, f (3) = 3, f (4) = 3
(2,2,2,2) ∅|o o o o|∅ f (1) = 2, f (2) = 2, f (3) = 2, f (4) = 2
(2,2,2,3) ∅|o o o|o f (1) = 2, f (2) = 2, f (3) = 2, f (4) = 3
(2,2,3,3) ∅|o o|o o f (1) = 2, f (2) = 2, f (3) = 3, f (4) = 3
(2,3,3,3) ∅|o|o o o f (1) = 2, f (2) = 3, f (3) = 3, f (4) = 3
(3,3,3,3) ∅|∅|o o o o f (1) = 3, f (2) = 3, f (3) = 3, f (4) = 3
α : C5 → A5 , β : A5 → C5 , γ : C5 → F5 , δ : F5 → C5
• ...
• pentru fiecare alegere de mai sus, alegem cele nm bile (din restul de n − n1 − . . . − nm−1 )
n − n1 − . . . − nm−1
ce sunt as, ezate ı̂n urna m; rezultă moduri posibile, deci obt, inem
nm
n n − n1 n − n1 − . . . − nm−1
... moduri de alegere a bilelor din urnele 1, 2, . . . , m.
n1 n2 nm
Astfel
n n − n1 n − n1 − . . . − nm−1
card (A5 ) = ...
n1 n2 nm
n! (n − n1 )! (n − n1 − . . . − nm−1 )!
= · ·...·
n1 !(n − n1 )! n2 !(n − n1 − n2 )! nm !(n − n1 − . . . − nm )!
n!
= ,
n1 !n2 ! . . . nm !
deoarece (n − n1 − . . . − nm )! = 0! = 1.
Definit, ia 1.3.7. Oricare obiecte din cele 3 tipuri numărate ı̂n propozit, ia anterioară se numesc per-
mutări cu repetit, ie (anagrame) de n luate câte n1 , n2 , . . . , nm . De asemenea s, i numărul lor,
n
adică , se numes, te tot permutări cu repetit, ie de n luate câte n1 , n2 , . . . , nm .
n1 , n2 , . . . , nm
n
Observat, ia 1.3.4. Luând n1 = n2 = . . . = nm = 1 obt, inem n = m s, i = n!, deci
1, 1, . . . , 1
permutările (fără repetit , ie) sunt
un caz particular al permutărilor cu repetit, ie. Pe de altă parte,
n n!
luând m = 2 obt, inem = , deci s, i combinările (fără repetit, ie) sunt un caz particular
n1 , n2 n1 !n2 !
al permutărilor cu repetit, ie.
Exemplul 1.3.8. Pentru m = 3 s, i n1 = 2, n2 = n3 = 1, deci n = 4, corespondent, ele din demonstrat, ia
anterioară sunt redate ı̂n următorul tabel:
CAPITOLUL 1. METODE DE NUMĂRARE 19
(c1 , c2 , c3 , c4 ) ∈ C5 ω ∈ A5 f ∈ F5
(1,1,2,3) {1, 2}|{3}|{4} f (1) = 1, f (2) = 1, f (3) = 2, f (4) = 3
(1,1,3,2) {1, 2}|{4}|{3} f (1) = 1, f (2) = 1, f (3) = 3, f (4) = 2
(1,2,1,3) {1, 3}|{2}|{4} f (1) = 1, f (2) = 2, f (3) = 1, f (4) = 3
(1,2,3,1) {1, 4}|{2}|{3} f (1) = 1, f (2) = 2, f (3) = 3, f (4) = 1
(1,3,1,2) {1, 3}|{4}|{2} f (1) = 1, f (2) = 3, f (3) = 1, f (4) = 2
(1,3,2,1) {1, 4}|{3}|{2} f (1) = 1, f (2) = 3, f (3) = 2, f (4) = 1
(2,1,1,3) {2, 3}|{1}|{4} f (1) = 2, f (2) = 1, f (3) = 1, f (4) = 3
(2,1,3,1) {2, 4}|{1}|{3} f (1) = 2, f (2) = 1, f (3) = 3, f (4) = 1
(2,3,1,1) {3, 4}|{1}|{2} f (1) = 2, f (2) = 3, f (3) = 1, f (4) = 1
(3,1,1,2) {2, 3}|{4}|{1} f (1) = 3, f (2) = 1, f (3) = 1, f (4) = 2
(3,1,2,1) {2, 4}|{3}|{1} f (1) = 3, f (2) = 1, f (3) = 2, f (4) = 1
(3,2,1,1) {3, 4}|{2}|{1} f (1) = 3, f (2) = 2, f (3) = 1, f (4) = 1
Deci avem
4 4!
= = 12 permutări cu repetit, ie.
2, 1, 1 2!1!1!
3 3·4·5·6
unde simbolul ”o” reprezintă o bilă. Deci avem = = 15 compuneri.
4 1·2·3·4
4−1 3
Ddintre acestea = = 3 sunt compuneri cu termenii nenuli, iar corespondent, ele de
3−1 2
la punctul b) din demonstrat, ia anterioară sunt redate ı̂n următorul tabel:
(n1 , n2 , n3 ) ∈ N1 (t1 , t2 , t3 ) ∈ N2
(1,1,2) (0,0,1)
(1,2,1) (0,1,0)
(2,1,1) (1,0,0)
CAPITOLUL 1. METODE DE NUMĂRARE 21
n = n1 + n2 + . . . + nk ,
Observat, ia 1.4.1. Deoarece ı̂ntr-o partit, ie ca mai sus nu contează ordinea dintre termeni, putem
presupune că aces, tia sunt scris, i ı̂n ordine crescătoare (sau, analog, ı̂n ordine descrescătoare).
Definit, ia 1.4.3. Fie n, k ∈ N∗ . Notăm cu P (n, k) numărul de partit, ii ale lui n cu k termeni, iar cu
P (n) numărul tuturor partit, iilor lui n.
6=6=1+5=2+4=3+3=1+1+4=1+2+3=2+2+2
= 1 + 1 + 1 + 3 = 1 + 1 + 2 + 2 = 1 + 1 + 1 + 1 + 2 = 1 + 1 + 1 + 1 + 1 + 1,
Propozit, ia 1.4.2. Fie n, k ∈ N∗ . Atunci numărul de aranjări cu repetit, ie a n bile identice ı̂n k urne
identice s, i nevide este egal cu P (n, k).
Demonstraţie. Notăm
A(n, k) = mult, imea aranjărilor cu repetit, ie a n bile identice ı̂n k urne identice s, i nevide,
• ∀ ω ∈ A(n, k), ϕ(ω) = (n1 , . . . , nk ), unde ni = numărul de bile as, ezate ı̂n urna i ı̂n aranjarea
ω, ∀i ∈ {1, . . . , k};
• ∀ (n1 , . . . , nk ) ∈ P(n, k), ψ(n1 , . . . , nk ) = ω, unde aranjarea ω este dată de regula: ı̂n urna i se
as, ează ni bile, ∀ i ∈ {1, . . . , k}.
Evident funct, iile ϕ s, i ψ sunt bine definite s, i inverse una celeilalte, deci
7 = 1 + 1 + 5 = 1 + 2 + 4 = 1 + 3 + 3 = 2 + 2 + 3.
Corespondent, ele din demonstrat, ia anterioară sunt redate ı̂n următorul tabel:
unde simbolul ”o” reprezintă o bilă. Deci avem P (7, 3) = 4 partit, ii.
CAPITOLUL 1. METODE DE NUMĂRARE 22
P (n, 1) = P (n, n) = 1;
P (n, k) = 0 ∀ k > n.
Demonstraţie. Relat, iile din enunt, sunt evidente, conform Definit, iei 1.4.2, deoarece singura partit, ie
a lui n cu un termen este n = n, singura partit, ie a lui n cu n termeni este n = 1 + 1 + . . . + 1 s, i
nu există partit, ii ale lui n cu k > n termeni (fiecare termen fiind cel put, in egal cu 1, suma lor este
n1 + . . . + nk ≥ k, deci nu poate fi egală cu n).
Propozit, ia 1.4.4 (relat, ia de recurent, ă a numerelor P (n, k)). Pentru orice n ∈ N∗ s, i orice
k ∈ {1, . . . , n − 1} avem
P (n, k) = P (n − k, 1) + P (n − k, 2) + . . . + P (n − k, k).
prin:
Interpretarea acestor funct, ii este următoarea: aplicarea funct, iei α unei partit, ii a lui n cu k termeni
constă ı̂n mics, orarea cu 1 a fiecărui termen s, i eliminarea termenilor care astfel devin egali cu zero,
obt, inându-se o partit, ie a lui n − k cu cel mult k termeni. Reciproc, aplicarea funct, iei β unei partit, ii
CAPITOLUL 1. METODE DE NUMĂRARE 23
a lui n − k cu cel mult k termeni constă ı̂n mărirea cu 1 a fiecărui termen s, i adăugarea de termeni
egali cu 1 pentru a obt, ine k termeni, astfel obt, inându-se o partit, ie a lui n cu k termeni.
Funct, iile α s, i β sunt bine definite s, i inverse una celeilalte, deci
k
!
[
card (P(n, k)) = card P(n − k, i) .
i=1
Cum mult, imile P(n−k, 1), . . . , P(n−k, k) sunt evident disjuncte două câte două, rezultă că P (n, k) =
Pk
P (n − k, i).
i=1
n
Corolarul 1.4.2. Dacă n, k ∈ N∗ s, i 2
≤ k ≤ n − 1, atunci
P (n, k) = P (n − k).
P (n, k) = P (n − k, 1) + . . . + P (n − k, n − k) + . . . + P (n − k, k)
= P (n − k, 1) + . . . + P (n − k, n − k) = P (n − k).
Corolarul 1.4.3. Fie n, m ∈ N∗ . Atunci numărul de aranjări cu repetit, ie a n bile identice ı̂n m
urne identice este m
X
P (n, k) = P (n + m, m).
k=1
Demonstraţie. Numărând aranjările din enunt, după numărul k de urne nevide s, i aplicând Propozit, iile
1.4.2 s, i 1.4.4 obt, inem concluzia dorită.
Corolarul 1.4.4. Fie n ∈ N∗ . Atunci numărul de aranjări cu repetit, ie a n bile identice ı̂n n urne
identice este egal cu P (n).
Numerele P (n, k) nenule, aflate doar pe diagonala principală s, i sub această diagonală (adică 1 ≤ k ≤
n) formează triunghiul numerelor P (n, k).
CAPITOLUL 1. METODE DE NUMĂRARE 24
A = A1 ∪ A2 ∪ . . . ∪ Ak ,
unde submult, imile (părt, ile, clasele) A1 , A2 , . . . , Ak (k ∈ N∗ ) sunt nevide s, i disjuncte două câte două,
s, i nu contează ordinea dintre aceste submult, imi. Considerăm că singura partit, ie a mult, imii vide este
partit, ia cu zero submult, imi.
Exemplul 1.5.1. Mult, imea A = {a, b, c} are partit, iile A = {a, b, c} = {a, b} ∪ {c} = {a, c} ∪ {b} =
{a} ∪ {b, c} = {a} ∪ {b} ∪ {c}, deci S(3, 1) = 1, S(3, 2) = 3, S(3, 3) = 1 s, i B3 = 5.
Propozit, ia 1.5.1. Fie n, k ∈ N. Atunci numărul de aranjări cu repetit, ie a n bile numerotate ı̂n k
urne identice, neordonate s, i nevide este egal cu S(n, k).
• ∀ ω ∈ A(n, k), ϕ(ω) = {A1 , . . . , Ak }, unde Ai = mult, imea bilelor as, ezate ı̂n urna i la aranjarea
ω, ∀ i ∈ {1, . . . , k};
• ∀ {A1 , . . . , Ak } ∈ S(n, k), ψ({A1 , . . . , Ak }) = ω, unde aranjarea ω este dată de regula: ı̂n urna
i se as, ează bilele din mult, imea Ai , ∀ i ∈ {1, . . . , k}.
Evident, funct, iile ϕ s, i ψ sunt bine definite s, i inverse una celeilalte, deci
Exemplul 1.5.2. Pentru n = 4 s, i k = 3 corespondent, ele din demonstrat, ia anterioară sunt redate ı̂n
următorul tabel:
{A1 , A2 , A3 } ∈ S(4, 3) ω ∈ A(4, 3)
{{1, 2}, {3}, {4}} {1, 2}|{3}|{4}
{{1, 3}, {2}, {4}} {1, 3}|{2}|{4}
{{1, 4}, {2}, {3}} {1, 4}|{2}|{3}
{{1}, {2, 3}, {4}} {1}|{2, 3}|{4}
{{1}, {2, 4}, {3}} {1}|{2, 4}|{3}
{{1}, {2}, {3, 4}} {1}|{2}|{3, 4}
Corolarul 1.5.1. Fie n, m ∈ N. Atunci numărul de aranjări cu repetit, ie a n bile numerotate ı̂n m
m
X
urne identice s, i neordonate este egal cu S(n, k).
k=0
Demonstraţie. Numărând aranjările din enunt, după numărul k de urne nevide s, i aplicând propozit, ia
anterioară obt, inem concluzia.
Propozit, ia 1.5.2. Avem:
S(0, 0) = 1; S(n, 0) = 0 ∀ n ∈ N∗ ;
S(n, 1) = S(n, n) = 1 ∀ n ∈ N∗ ;
S(n, k) = 0 ∀ k > n, n, k ∈ N.
Demonstraţie. Relat, iile din enunt, sunt evidente, conform Definit, iei 1.5.1. De exemplu, {1, . . . , n} =
{1, . . . , n} este singura partit, ie a mult, imii {1, . . . , n} cu o parte, deci S(n, 1) = 1, iar {1, . . . , n} =
{1} ∪ . . . ∪ {n} este singura partit, ie cu n părt, i, deci S(n, n) = 1.
n
X
Corolarul 1.5.2. Avem B0 = 1 s, i Bn = S(n, k), ∀ n ∈ N∗ .
k=1
Demonstraţie. Evident B0 = S(0, 0) = 1. Pentru n ∈ N∗ , conform Definit, iei 1.5.2 s, i Propozit, iei 1.5.2
avem ∞ n
X X
Bn = S(n, k) = S(n, k),
k=1 k=1
prin:
• ∀ {A1 , . . . , Ak } ∈ S(n, k), α({A1 , . . . , Ak }) =
{A1 , . . . , Ak } \ {Ai }, dacă n ∈ Ai s, i Ai = {n},
=
(i, {A1 , . . . , Ai \ {n}, . . . , Ak }), dacă n ∈ Ai s, i Ai 6= {n};
Interpretarea acestor definit, ii este următoarea: aplicarea funct, iei α unei partit, ii a mult, imii {1, . . . , n}
ı̂n k părt, i constă ı̂n eliminarea elementului n, astfel obt, inându-se o partit, ie a mult, imii {1, . . . , n − 1}
ı̂n k − 1 sau ı̂n k părt, i, după cum n este sau nu singur ı̂ntr-o parte. Reciproc, aplicarea funct, iei β
constă ı̂n adăugarea elementului n, fie singur ı̂ntr-o parte, fie la oricare din cele k părt, i.
Funct, iile α s, i β sunt bine definite s, i inverse una celeilalte, deci
Numerele S(n, k) nenule, aflate doar pe diagonala principală s, i sub această diagonală (1 ≤ k ≤ n)
formează triunghiul numerelor lui Stirling de spet, a a doua.
S
n T
n
3) dacă A1 , A2 , . . . , An ∈ B (n ∈ N∗ ), atunci Ai ∈ B s, i Ai ∈ B;
i=1 i=1
4) dacă A, B ∈ B, atunci A \ B ∈ B.
CAPITOLUL 1. METODE DE NUMĂRARE 27
Demonstraţie. 1) Fie A ∈ B (există, deoarece B =6 ∅). Atunci Ω\A ∈ B (proprietatea 1) din Definit, ia
1.6.1). Luând A1 = Ω \ A, Ai = A ∀ i ≥ 2 s, i aplicând proprietatea 2) din Definit, ia 1.6.1, rezultă că
(Ω \ A) ∪ A ∈ B, adică Ω ∈ B. Conform proprietăt, ii 1) din Definit, ia 1.6.1 obt, inem că ∅ = Ω \ Ω ∈ B.
T
∞ S
∞
2) Folosim că Ai = Ω \ [ (Ω \ Ai )] s, i proprietăt, ile 1) s, i 2) din Definit, ia 1.6.1.
i=1 i=1
3) Luăm Ai = A1 ∀ i ≥ n + 1 s, i aplicăm proprietatea 2) din Definit, ia 1.6.1 s, i proprietatea 2) din
această propozit, ie.
4) Folosim că A \ B = A ∩ (Ω \ B) s, i folosim proprietatea 1) din Definit, ia 1.6.1 s, i proprietatea 3)
din această propozit, ie.
Definit, ia 1.6.2. Fie (Ω, B) un spat, iu măsurabil. O măsură finită pe spat, iul (Ω, B) este o funct, ie
µ : B → [0, ∞) având următoarele două proprietăt, i:
1) µ(∅) = 0;
∞
S P
∞
2) dacă submult, imile (Ai )i∈N∗ ⊆ B sunt disjuncte două câte două, atunci µ Ai = µ(Ai ).
i=1 i=1
Propozit, ia 1.6.2. Fie µ o măsură finită pe spat, iul măsurabil (Ω, B). Dacă submult, imile
S
n P
n
A1 , A2 , . . . , An ∈ B (n ∈ N∗ ) sunt disjuncte două câte două, atunci µ Ai = µ(Ai ).
i=1 i=1
Demonstraţie. Luând Ai = ∅ ∀ i ≥ n + 1 s, i aplicând proprietăt, ile 2) s, i 1) din Definit, ia 1.6.2 obt, inem
n
! ∞
! ∞ n
[ [ X X
µ Ai = µ Ai = µ(Ai ) = µ(Ai ),
i=1 i=1 i=1 i=1
Demonstraţie. a) Folosim metoda induct, iei matematice. Pentru n = 1 egalitatea din enunt, devine
µ(A1 ) = µ(A1 ). Pentru n = 2 trebuie să demonstrăm că
Într-adevăr, folosind proprietăt, ile măsurii date de Definit, ia 1.6.2 s, i Propozit, ia 1.6.2 avem
Presupunem acum adevărată egalitatea din enunt, pentru orice n mult, imi A′1 , A′2 , . . . , A′n ∈ B, unde
n ≥ 2, s, i o demonstrăm pentru n + 1 mult, imi A1 , A2 , . . . , An+1 ∈ B. Folosind proprietăt, ile măsurii,
egalitatea de mai sus s, i ipoteza de induct, ie avem
n+1
[ n
[ n
[ n
[
µ( Ai ) = µ( Ai ∪ An+1 ) = µ( Ai ) + µ(An+1 ) − µ( Ai ∩ An+1 )
i=1 i=1 i=1 i=1
n
X X
= (−1)k−1 µ(Ai1 ∩ . . . ∩ Aik ) + µ(An+1 )
k=1 1≤i1 <...<ik ≤n
n
X X
− (−1)k−1 µ(Ai1 ∩ . . . ∩ Aik ∩ An+1 )
k=1 1≤i1 <...<ik ≤n
n
X X X
= (−1)k−1 µ(Ai1 ∩ . . . ∩ Aik ) + (−1)1−1 µ(Ai1 )
k=1 1≤i1 <...<ik <n+1 i1 =n+1
n+1
X X
+ (−1)k−1 µ(Ai1 ∩ . . . ∩ Aik )
k=2 1≤i1 <...<ik =n+1
n+1
X X
= (−1)k−1 µ(Ai1 ∩ . . . ∩ Aik )
k=1 1≤i1 <...<ik <n+1
n+1
X X
+ (−1)k−1 µ(Ai1 ∩ . . . ∩ Aik )
k=1 1≤i1 <...<ik =n+1
n+1
X X
= (−1)k−1 µ(Ai1 ∩ . . . ∩ Aik ),
k=1 1≤i1 <...<ik ≤n+1
este o măsură finită pe acest spat, iu, deci aplicând formula de la punctul a) obt, inem egalitatea din
enunt, .
Demonstraţie. Fie
care este o permutare de ordinul n − k. Aplicând Principiul includerii s, i excluderii s, i Propozit, ia 1.3.3
avem
n
[ n
[
D(n) = card (A \ Ai ) = card (A) − card ( Ai )
i=1 i=1
n
X X
= card (A) − (−1)k−1 card (Ai1 ∩ . . . ∩ Aik )
k=1 1≤i1 <...<ik ≤n
n
X X
= n! − (−1)k−1 (n − k)!
k=1 1≤i1 <...<ik ≤n
Xn
k−1 n
= n! − (−1) (n − k)!
k=1
k
Xn
n!
= n! − (−1)k−1 (n − k)!
k=1
k!(n − k)!
n
!
X1
= n! 1 + (−1)k .
k=1
k!
P n
Am utilizat faptul că o sumă de forma are termeni (conform Propozit, iei 1.3.5).
1≤i1 <...<ik ≤n k
Corolarul 1.7.2 (de numărare a funct, iilor surjective). Fie m, n ∈ N. Atunci
numărul de cuvinte de lungime n ce cont, in toate literele unui alfabet cu m litere
= numărul de funct, ii surjective definite pe o mult, ime cu n elemente, cu valori ı̂ntr-o mult, ime cu
m elemente
= numărul de aranjări cu repetit, ie a n bile numerotate ı̂n m urne numerotate, neordonate s, i
nevide (adică
orice
urnă cont,ine cel put, in o bilă)
n m n m n m m def
=m − (m − 1) + (m − 2) − . . . + (−1) 0n = sn,m .
1 2 m
Demonstraţie. Egalitatea dintre numerele de cuvinte, de funct, ii s, i de aranjări din enunt, se obt, ine cu
aceleas, i corespondent, e bijective din Propozit, ia 1.3.1. Rămâne de demonstrat că numărul de funct, ii
surjective f : {1, . . . , n} → {1, . . . , m} este egal cu sn,m .
Fie
A = {f |f : {1, . . . , n} → {1, . . . , m}}
s, i fie
Ai = {f ∈ A|i 6∈ Im(f )}, ∀ i ∈ {1, . . . , m},
unde Im(f ) = {f (x)|x ∈ {1, . . . , n}} reprezintă imaginea funct, iei f .
CAPITOLUL 1. METODE DE NUMĂRARE 30
Demonstraţie. Deoarece (x + y)n = (y + x)n , a doua egalitate este o consecint, ă imediată a primei
egalităt, i. Demonstrăm această primă egalitate ı̂n trei etape.
1) Presupunem că x, y ∈ N. Conform Propozit, iei 1.3.1, (x+y)n = numărul de aranjări cu repetit, ie
a n bile numerotate 1, . . . , n ı̂n x + y urne numerotate 1, . . . , x + y s, i neordonate.
Numărăm altfel aceste aranjări, s, i anume după numărul k de bile as, ezate ı̂n primele x urne.
Evident, k ∈ {0, 1, . . . , n}.
Pentru k arbitrar fixat numărăm aranjările astfel:
n
• alegem cele k bile (din totalul de n) ce sunt as, ezate ı̂n primele x urne; rezultă moduri
k
posibile;
• pentru fiecare alegere de mai sus, aranjăm cele k bile ı̂n primele x urne; rezultă xk moduri
posibile (conform Propozit, iei 1.3.1);
• pentru fiecare alegere s, i fiecare aranjare de mai sus, aranjăm cele n − k bile rămase ı̂n ultimele
y urne; rezultă y n−k moduri posibile (conform Propozit, iei 1.3.1).
n k n−k
Deci obt, inem x y aranjări ale celor n bile ı̂n cele x + y urne, pentru k fixat.
k
Pn n k n−k
Luând acum k variabil obt, inem că numărul total de aranjări este egal cu x y , deci
k=0 k
are loc egalitatea din enunt, .
2) Presupunem că x ∈ R s, i y ∈ N. Considerând polinomul P ∈ R[X],
X n
n n
P (X) = (X + y) − X k y n−k ,
k=0
k
conform etapei 1) rezultă că P (X) = 0 ∀ X ∈ N. Cum grad P ≤ n, rezultă că polinomul P este
identic nul, deci P (x) = 0, adică are loc egalitatea din enunt, .
3) Fie acum x, y ∈ R. Considerând polinomul Q ∈ R[Y ],
Xn
n n k n−k
Q(Y ) = (x + Y ) − x Y ,
k=0
k
conform etapei 2) avem Q(Y ) = 0 ∀ Y ∈ N. Cum grad Q ≤ n, rezultă din nou că polinomul Q este
identic nul, deci Q(y) = 0, adică are loc egalitatea din enunt, .
CAPITOLUL 1. METODE DE NUMĂRARE 32
Observat, ia 1.8.1. O altă demonstrat, ie, elementară, a formulei binomului lui Newton se obt, ine prin
induct, ie după n.
Demonstraţie. Pentru r ∈ N egalitatea poate fi obt, inută luând y = 1 ı̂n formula binomului lui
Newton s, i folosind că
r [r]k
= = 0 ∀ k > r.
k k!
Fie acum r ∈ R \ N. Funct, ia f : (−1, 1) → R, f (x) = (1 + x)r este indefinit derivabilă, derivata de
ordinul k fiind f (k) (x) = r(r − 1) . . . (r − k + 1)(1 + x)r−k .
Seria de puteri asociată funct, iei f ı̂n punctul x0 ∈ (−1, 1) este
X f (k) (x0 ) X r
k
x = (1 + x0 )r−k xk .
k≥0
k! k≥0
k
Pentru orice compact [−a, a] ⊆ (−1, 1) obt, inem că ρ = 1 + x0 ≥ 1 − a > 0 ∀ x0 ∈ [−a, a]. Conform
teoriei seriilor de puteri (a se vedea, de exemplu, [5] Cor.13 pag. 273), rezultă că funct, ia f este
analitică, deci
X ∞
f (k) (0) k
f (x) = x , ∀x ∈ (−1, 1).
k=0
k!
f (k) (0) r
Cum = , obt, inem egalitatea din enunt, .
k! k
Teorema 1.8.4 (formulele lui Vandermonde). Avem:
Xn
n
i) [x + y]n = [x]k [y]n−k , ∀ x, y ∈ R, ∀ n ∈ N;
k=0
k
X n
x+y x y
ii) = , ∀ x, y ∈ R, ∀ n ∈ N;
n k=0
k n − k
n
X
x y x+y
iii) = , ∀ x, y ∈ R, ∀ m, n ∈ N.
k=−m
m+k n−k m+n
Demonstraţie. Demonstrat, ia formulei de la punctul i) este analogă celei a binomului lui Newton,
ı̂nlocuind aranjările cu repetit, ie de bile numerotate ı̂n urne numerotate s, i neordonate cu aranjările
fără repetit, ie de bile numerotate ı̂n urne numerotate, s, i aplicând astfel Propozit, ia 1.3.2 ı̂n locul
Propozit, iei 1.3.1. Remarcăm că diferent, a dintre cei doi membri ai egalităt, ii date este din nou un
polinom de grad cel mult n, atât ı̂n variabila x cât s, i ı̂n variabila y.
Formula de la punctul ii) se obt, ine us, or din cea de la punctul i):
n n
x+y 1 1 X n! X x y
= [x + y]n = [x]k [y]n−k = .
n n! n! k=0 k!(n − k)! k=0
k n−k
Formula de la punctul iii) rezultă us, or din cea de la punctul ii), schimbând variabila de sumare
k cu l = m + k:
Xn m+nX x
x y y x+y
= = .
k=−m
m + k n − k l=0
l m + n − l m + n
CAPITOLUL 1. METODE DE NUMĂRARE 34
x
Definit, ia 1.8.2. Pentru orice x ∈ R s, i n ∈ Z \ N, definim = 0.
n
Observat, ia 1.8.4. Cu Definit, ia 1.8.2, formula iii) din teorema anterioară poate fi scrisă sub forma:
X x y x + y
= .
k∈Z
m+k n−k m+n
y−n
X x+k y−k x+y+1
iii) = , ∀ x, y, m, n ∈ N.
k=m−x
m n m+n+1
Demonstraţie. Demonstrat, ia formulei de la punctul i) este din nou analogă celei a binomului lui
Newton, ı̂nlocuind acum aranjările cu repetit, ie de bile numerotate ı̂n urne numerotate s, i neordo-
nate cu aranjările cu repetit, ie de bile numerotate ı̂n urne numerotate s, i ordonate, s, i aplicând astfel
Propozit, ia 1.3.4 ı̂n locul Propozit, iei 1.3.1. Remarcăm din nou că diferent, a dintre cei doi membri ai
egalităt, ii date este un polinom de grad cel mult n, atât ı̂n variabila x cât s, i ı̂n variabila y.
Formula de la punctul ii) se obt, ine us, or din cea de la punctul i):
n n
x+y [x + y]n 1 X n! k n−k
X x y
= = [x] [y] = .
n n! n! k=0 k!(n − k)! k=0
k n−k
Pentru demonstrarea formulei de la punctul iii) vom utiliza următoarele formule de trecere
ı̂ntre combinări s, i combinări cu repetit, ie
x [x]n [x − n + 1]n x−n+1
= = = , ∀ x, n ∈ N, n ≤ x + 1, (1.8.1)
n n! n! n
x [x]n [x + n − 1]n x+n−1
= = = , ∀ x, n ∈ N, (x, n) 6= (0, 0), (1.8.2)
n n! n! n
precum s, i formulele combinărilor complementare
x x
= , ∀ x, n ∈ N, (1.8.3)
n x−n
x n+1
= , ∀ x, n ∈ N, x 6= 0. (1.8.4)
n x−1
Aceste formule pot fi us, or obt, inute folosind scrierile
x x! x x+n−1 (x + n − 1)!
= , = = .
n n!(x − n)! n n n!(x − 1)!
CAPITOLUL 1. METODE DE NUMĂRARE 35
Teorema 1.8.6 (formulele multinomiale ale lui Vandermonde s, i Nörlund). Pentru orice
m ∈ N∗ , x1 , x2 , . . . , xm ∈ R s, i n ∈ N avem
X n
i) [x1 + x2 + . . . + xm ]n = [x1 ]n1 [x2 ]n2 . . . [xm ]nm ,
n1 , n2 , . . . , nm
(n1 ,n2 ,...,nm )∈N
X
n n
ii) [x1 + x2 + . . . + xm ] = [x1 ]n1 [x2 ]n2 . . . [xm ]nm ,
n1 , n2 , . . . , nm
(n1 ,n2 ,...,nm )∈N
unde N = {(n1 , n2 , . . . , nm )|ni ∈ N ∀ i, n1 + n2 + . . . + nm = n}.
Demonstraţie. a) Aplicând Propozit, ia 1.4.1, formula (1.8.2) s, i formula iii) a lui Nörlund, numărul
cerut este n X n
X m m+n−1 n−m 2n
= = .
m=1
n m=1
n 0 n + 1
CAPITOLUL 1. METODE DE NUMĂRARE 36
b) Aplicând Propozit, ia 1.4.1 s, i formula binomului lui Newton, numărul cerut este
n
X n
X
n−1 n−1
= · 1m−1 · 1n−m = (1 + 1)n−1 = 2n−1.
m=1
m−1 m=1
m−1
b) Utilizăm formula
n m n n−k
=
m k k m−k
(ce poate fi us, or verificată utilizând, de exemplu, scrierea cu factoriale), formula combinărilor com-
plementare s, i formula iii) a lui Nörlund:
m
m
X k m m
1 X n−k 1 X n−k k
= =
n n m−k n n−m 0
k=0 k=0 k=0
k m m
1 n+1 m!(n − m)! (n + 1)!
= = ·
n n−m+1 n! (n − m + 1)!m!
m
n+1
= .
n−m+1
Demonstraţie. Procedăm analog ca la demonstrat, ia binomului lui Newton s, i a formulelor lui Van-
dermonde s, i Nörlund, considerând două etape.
1) Presupunem că x ∈ N, x ≤ n. Conform Propozit, iei 1.3.1, xn reprezintă numărul de aranjări cu
repetit, ie a n bile numerotate 1, . . . , n ı̂n x urne numerotate 1, . . . , x s, i neordonate. Numărăm altfel
aceste aranjări, s, i anume după numărul k de urne nevide. Evident k ∈ {0, . . . , x}. Pentru k arbitrar
fixat numărăm aranjările astfel:
CAPITOLUL 1. METODE DE NUMĂRARE 37
x
• alegem cele k urne nevide (din totalul de x); rezultă moduri posibile;
k
• pentru fiecare alegere de mai sus, aranjăm cele n bile ı̂n aceste k urne nevide, rezultă sn,k
moduri posibile (conform Corolarului 1.7.2).
x
Deci obt, inem sn,k aranjări a celor n bile ı̂n cele x urne, pentru k fixat. Luând acum k variabil
k
Px x
obt, inem că numărul total de aranjări este egal cu sn,k , deci
k=0 k
X x
n x
x = sn,k .
k=0
k
x [x]k Px
Cum = , iar sn,k = k!S(n, k) (conform Propozit, iei 1.7.2), obt, inem că xn = S(n, k)[x]k .
k k! k=0
P
n
Cum n ≥ x s, i [x]k = 0 ∀ k > x rezultă că xn = S(n, k)[x]k .
k=0
2) Fie acum x ∈ R. Considerând polinomul P ∈ R[X],
n
X
n
P (X) = X − S(n, k)[X]k ,
k=0
conform etapei 1) rezultă că P (X) = 0 ∀ X ∈ {0, 1, . . . , n}. Cum grad P ≤ n, rezultă că polinomul
P este identic nul, deci P (x) = 0, adică are loc egalitatea din enunt, .
Observat, ia 1.9.1. Domeniul de definit, ie al funct, iei generatoare este, desigur, domeniul de convergent, ă
al seriei generatoare corespondente.
Metoda funct, iilor generatoare este fundamentată de următorul rezultat binecunoscut relativ la
seriile de puteri (a se vedea, de exemplu, [5] Prop. 6 s, i 2, pag. 258, 256).
Lema 1.9.1. Dacă (an )n≥n0 s, i (bn )n≥n0 sunt două s, iruri numerice având funct, iile generatoare F (X) =
X∞ X ∞
n
an X s, i G(X) = bn X n , atunci avem echivalent, a
n=n0 n=n0
Pe baza acestei leme se obt, ine următoarea metodă, numită metoda funct, iilor (seriilor) ge-
neratoare pentru demonstrarea unor identităt, i de forma an = bn , ∀n ≥ n0 :
∞
X
• se calculează funct, ia generatoare F (X) = an X n a s, irului din membrul stâng al identităt, ii
n=n0
date;
∞
X
• se calculează funct, ia generatoare G(X) = bn X n a s, irului din membrul drept al identităt, ii
n=n0
date;
• se obt, ine că F (X) = G(X) pe un interval (0, ε) pe care ambele serii sunt convergente, cu ε > 0;
Observat, ia 1.9.2. Metoda se aplică s, i pentru s, iruri numerice duble sau, mai mult, multidimensionale,
putând fi utilizată cu succes pentru demonstrarea unor identităt, i combinatoriale cu enunt, uri mai
mult sau mai put, in ”prietenoase”.
X ∞
n
Xk = (1 + X)n , ∀ n ∈ N, ∀X ∈ R; (1.9.1)
k=0
k
X n
∞
Xk
Xn = , ∀ k ∈ N, ∀X ∈ (−1, 1); (1.9.2)
n=0
k (1 − X)k+1
X∞ X ∞ 1
n 1
X nY k = , ∀ X, Y ∈ 0, ; (1.9.3)
n=0 k=0
k 1 − X − XY 2
X∞
n 1
Xk = , ∀ n ∈ N, ∀X ∈ (−1, 1); (1.9.4)
k=0
k (1 − X)n
X n
∞
X
Xn = , ∀ k ∈ N∗ , ∀X ∈ (−1, 1). (1.9.5)
n=0
k (1 − X)k+1
X∞ X ∞ 1
n 1−Y
X nY k = , ∀ X, Y ∈ 0, . (1.9.6)
n=0 k=0
k 1−X −Y 2
n
Demonstraţie. Deoarece = 0 pentru orice k > n, egalitatea (1.9.1) rezultă imediat conform
k
formulei binomului lui Newton. Egalitatea (1.9.4) poate fi demonstrată, de exemplu, prin derivarea
sumei seriei geometrice. Ea este evidentă pentru n = 0, iar pentru n ≥ 1, condit, iile de derivare
termen cu termen a unei serii de puteri fiind ı̂ndeplinite (a se vedea, de exemplu, [5] Cor. 5, pag.
CAPITOLUL 1. METODE DE NUMĂRARE 39
258), avem:
(n−1) ∞
!(n−1)
1 1 1 1 X
= = Xk
(1 − X)n (n − 1)! 1−X (n − 1)! k=0
∞
X ∞
X
1 (n−1) 1 (n−1)
= Xk = Xk
(n − 1)! k=0
(n − 1)! k=n−1
X∞
1
= k(k − 1) . . . (k − n + 2)X k−n+1
(n − 1)! k=n−1
X∞ X ∞
k k−n+1 k+n−1
= X = Xk
n−1 n−1
k=n−1 k=0
∞
X k+n−1 X n
∞
k
= X = X k.
k k
k=0 k=0
La ultimele două egalităt, i am utilizat formulele (1.8.3) s, i (1.8.2). O altă demonstrat, ie a egalităt, ii
(1.9.4) se obt, ine utilizând formula
n n(n + 1) . . . (n + k − 1) (−n)(−n − 1) . . . (−n − k + 1)
= = (−1)k
k k! k!
−n
= (−1)k
k
s, i Teorema 1.8.3:
∞
X X∞
n −n
k
X = (−X)k = (1 − X)−n .
k k
k=0 k=0
Folosind formulele (1.8.1)-(1.8.4) s, i egalitatea (1.9.4) putem obt, ine us, or egalităt, ile (1.9.2) s, i (1.9.5):
X ∞ X∞ X∞
n n n−k+1 n k k+1
X = X =X X n−k
k k n−k
n=0 n=k n=k
∞
X k+1
Xk
= Xk Xn = ;
n (1 − X)k+1
n=0
X∞ X∞
n n k+1
X = X X n−1
k n−1
n=0 n=1
X∞
k+1 X
= X Xn = .
n (1 − X)k+1
n=0
Folosind egalităt, ile (1.9.1) s, i, respectiv, (1.9.4), precum s, i suma seriei geometrice, putem obt, ine us, or
egalităt, ile (1.9.3) s, i (1.9.6):
X∞ X ∞ X∞
n 1
X nY k = X n (1 + Y )n = ;
n=0 k=0
k n=0
1 − X − XY
X∞ X ∞ X∞
n n k Xn 1 1−Y
X Y = n
= X
= .
n=0 k=0
k n=0
(1 − Y ) 1 − 1−Y
1 − X − Y
Xn
k n m n m−1
an,m = (−1) s, i bn,m = (−1) .
k=0
k k n
X
(pentru orice X, Y ∈ (0, 1) cu (1−X)(1−Y )
< 1).
Pe de altă parte,
∞ X
X ∞ ∞
X ∞
X
n m m m−1
bn,m X Y = Y (−X)n
n=0 m=1 m=1 n=0
n
X∞
Y Y
= Y m (1 − X)m−1 = = (1.9.8)
m=1
1 − Y (1 − X) 1 − Y + XY
Observat, ia 1.9.3. Reamintim că sumele duble pot fi permutate când au termenii nenegativi sau când
măcar una din sume are un număr finit de termeni (nenuli).
Propozit, ia 1.9.2 (funct, iile generatoare ale numerelor P (n, k) s, i P (n)). Fie k ∈ N∗ . Avem:
∞
X Xk
P (n, k)X n = , ∀ X ∈ (0, 1);
n=1
(1 − X)(1 − X 2 ) . . . (1 − X k )
∞
X 1
P (n)X n = , ∀ X ∈ (0, 1),
n=0
(1 − X)(1 − X 2 )(1 − X 3 ) . . .
cu convent, ia P (0) = 1.
CAPITOLUL 1. METODE DE NUMĂRARE 41
Coeficientul lui X n (n ≥ k) ı̂n dezvoltarea din membrul drept este egal cu numărul scrierilor de
forma
n = |1 + .{z
. . + 1} + |2 + .{z
. . + 2} + . . . + |k + .{z
. . + k},
de m1 ori de m2 ori de mk ori
unde m1 , m2 , . . . , mk ∈ N, mk ≥ 1, adică cu numărul de partit, ii ale lui n cu cel mai mare termen
egal cu k. Notând cu Q(n, k) acest număr, rezultă că
X ∞
Xk
= Q(n, k)X n . (1.9.9)
(1 − X)(1 − X 2 ) . . . (1 − X k )
n=k
s, i astfel, folosind s, i faptul că P (n, k) = 0 ∀ n < k, se obt, ine prima egalitate din enunt, . Pentru a
demonstra egalitatea (1.9.10) notăm din nou
35 = 1 + 1 + 2 + 2 + 2 + 4 + 4 + 5 + 7 + 7
s, i, reciproc,
β(2, 2, 3, 5, 5, 8, 10) = (1, 1, 2, 2, 2, 4, 4, 5, 7, 7) ∈ P(35, 10).
CAPITOLUL 1. METODE DE NUMĂRARE 42
Interpretarea acestor definit, ii este următoarea: dacă reprezentăm partit, iile de forma
n = n1 + n2 + . . . + nk cu n1 ≤ n2 ≤ . . . ≤ nk
prin tablouri numite diagrame Ferrers ı̂n care pe linia 1 avem nk bile, pe linia 2 avem nk−1 bile,. . . ,
pe ultima linie avem n1 bile, liniile fiind aliniate la stânga, atunci aplicarea oricăreia din funct, iile α
sau β constă ı̂n simetrizarea fat, ă de diagonala principală a acestor tablouri.
Pentru exemplul anterior, diagrama Ferrers asociată partit, iei
(1, 1, 2, 2, 2, 4, 4, 5, 7, 7) este
o o o o o o o (7 bile)
o o o o o o o (7 bile)
o o o o o (5 bile)
o o o o (4 bile)
o o o o (4 bile)
o o (2 bile)
o o (2 bile)
o o (2 bile)
o (1 bilă)
o (1 bilă)
deci simetrica sa fat, ă de diagonala principală (liniile devin coloane) este diagrama
o o o o o o o o o o
o o o o o o o o
o o o o o
o o o o o
o o o
o o
o o
care este chiar diagrama Ferrers asociată partit, iei
(2, 2, 3, 5, 5, 8, 10) = α(1, 1, 2, 2, 2, 4, 4, 5, 7, 7).
Funct, iile α s, i β sunt bine definite s, i inverse una celeilalte, deci sunt bijective s, i astfel avem
card (P(n, k)) = card (Q(n, k)),
adică P (n, k) = Q(n, k). Demonstrat, ia primei egalităt, i din enunt, este ı̂ncheiată.
Demonstrăm acum cea de-a doua egalitate din enunt, . Folosind din nou suma seriei geometrice,
avem
1
= (X 0 + X 1 + X 1+1 + . . .)·
(1 − X)(1 − X 2 )(1 − X 3 ) . . .
· (X 0 + X 2 + X 2+2 + . . .) · (X 0 + X 3 + X 3+3 + . . .) · . . . .
Coeficientul lui X 0 din această dezvoltare este 1, iar pentru n ≥ 1 coeficientul lui X n din această
dezvoltare este egal cu numărul scrierilor de forma
n = |1 + .{z
. . + 1} + |2 + .{z
. . + 2} + |3 + .{z
. . + 3} + . . . ,
de m1 ori de m2 ori de m3 ori
Demonstraţie. A doua egalitate din enunt, este evidentă, deoarece S(0, 0) = 1 s, i S(n, 0) = 0 ∀n ≥ 1.
Pentru a demonstra prima egalitate, pentru orice k ∈ N notăm cu
∞
X
Fk (X) = S(n, k)X n
n=0
funct, ia generatoare a numerelor (S(n, k))n∈N . Folosind faptul că S(n, k) = 0 ∀ n < k s, i relat, ia de
recurent, ă a numerelor S(n, k) (Propozit, ia 1.5.3), avem, pentru orice k ≥ 1:
∞
X ∞
X
n
Fk (X) = S(n, k)X = [S(n − 1, k − 1) + kS(n − 1, k)] X n
n=k n=k
∞
X ∞
X
n−1
=X S(n − 1, k − 1)X + kX S(n − 1, k)X n−1
n=k n=k
= XFk−1 (X) + kXFk (X).
Deci
X
Fk (X) = Fk−1 (X), ∀ k ≥ 1.
1 − kX
Rezultă că
X X
Fk (X) = · Fk−2 (X)
1 − kX 1 − (k − 1)X
= ...
X X X
= · · ...· F0 (X).
1 − kX 1 − (k − 1)X 1−X
Xk
Fk (X) = , ∀ k ≥ 1.
(1 − X)(1 − 2X) . . . (1 − kX)
Capitolul 2
44
CAPITOLUL 2. DEFINIT, II S, I FORMULE DE CALCULUL ALE PROBABILITĂT, ILOR 45
Definit, ia 2.1.4 (Definit, ia clasică a probabilităt, ii). Fie Ω = {ω1 , ω2 , . . . , ωn } mult, imea tuturor
evenimentelor elementare posibile la efectuarea unei experient, e, unde n ∈ N∗ . Presupunem că aceste
evenimente elementare sunt egal posibile (egal probabile), adică au aceeas, i s, ansă de realizare. Fie
A ⊆ Ω un eveniment arbitrar s, i k numărul evenimentelor elementare favorabile evenimentului A.
Atunci valoarea
k
P (A) =
n
se numes, te probabilitatea evenimentului A.
Observat, ia 2.1.1. Conform definit, iei anterioare, formula probabilităt, ii evenimentului A poate fi scrisă
sub forma
numărul cazurilor (evenimentelor elementare) favorabile lui A
P (A) = .
numărul tuturor cazurilor (evenimentelor elementare) posibile
Exemplul 2.1.1. Să se calculeze probabilitatea ca la aruncarea unui zar să apară un număr par.
Solut, ie. Evenimentele elementare (cazurile posibile) sunt
este
A = {ω2 , ω4 , ω6 }
(cazurile favorabile fiind ω2 , ω4 s, i ω6 ), deci are probabilitatea
3 1
P (A) = = .
6 2
P se numes, te probabilitate (numărabil aditivă) pe spat, iul măsurabil (Ω, B). Pentru orice
A ∈ B, P (A) se numes, te probabilitatea evenimentului A.
CAPITOLUL 2. DEFINIT, II S, I FORMULE DE CALCULUL ALE PROBABILITĂT, ILOR 46
Definit, ia 2.2.2. O mult, ime A se numes, te numărabilă dacă există o funct, ie bijectivă f : N → A.
Definit, ia 2.2.3. O mult, ime se numes, te discretă (sau cel mult numărabilă) dacă este finită sau
numărabilă.
Propozit, ia 2.2.1 (Câmpul de probabilitate al lui Laplace). Fie Ω o mult, ime finită s, i nevidă,
P(Ω) mult, imea tuturor submult, imilor (părt, ilor) lui Ω s, i fie funct, ia
card (A)
P : P(Ω) → [0, ∞), P (A) = , ∀A ∈ P(Ω).
card (Ω)
Propozit, ia 2.2.2. Fie (Ω, B, P ) un câmp de probabilitate. Atunci probabilitatea P este o măsură
finită pe spat, iul măsurabil (Ω, B).
Demonstraţie. Conform Definit, iei 1.6.2, este suficient să arătăm că P (∅) = 0. Într-adevăr, avem
∞
! ∞ ∞
[ X X
1 = P (Ω) = P Ω ∪ ∅ = P (Ω) + P (∅) = 1 + P (∅),
i=2 i=2 i=2
P
∞
deci P (∅) = 0, de unde rezultă că P (∅) = 0.
i=2
Propozit, ia 2.2.3 (Proprietăt, i ale probabilităt, ii). Fie (Ω, B, P ) un câmp de probabilitate. Atunci:
1. P (∅) = 0;
4. Dacă A1 , A2 , . . . , An ∈ B (n ∈ N∗ ), atunci
n
! n
[ X X
P Ai = (−1)k−1 P (Ai1 ∩ . . . ∩ Aik )
i=1 k=1 1≤i1 <...<ik ≤n
iar evenimentele reunite sunt disjuncte două câte două, rezultă că
∞ ∞
!
X \
P (A1 ) = P (An \ An+1 ) + P An .
n=1 n=1
CAPITOLUL 2. DEFINIT, II S, I FORMULE DE CALCULUL ALE PROBABILITĂT, ILOR 48
deci
∞
! ∞
\ X
P An = P (A1 ) − (P (An ) − P (An+1 ))
n=1 n=1
n−1
X
= P (A1 ) − lim (P (Ak ) − P (Ak+1 ))
n→∞
k=1
= P (A1 ) − lim (P (A1 ) − P (An ))
n→∞
= lim P (An ).
n→∞
Observat, ia 2.3.1. Numărul relat, iilor de egalitate din definit, ia anterioară este egal cu
n
X
Cnk = 2n − Cn0 − Cn1 = 2n − n − 1.
k=2
Observat, ia 2.3.2. Conform definit, iei anterioare, două evenimentele A s, i B sunt independente dacă s, i
numai dacă
P (A ∩ B) = P (A) · P (B).
Trei evenimentele A, B s, i C sunt independente dacă s, i numai dacă
avem
2 1
P (A1 ) = P (A2 ) = P (A3 ) = = ,
4 2
1
P (A1 ∩ A2 ) = P ({0}) = = P (A1 ) · P (A2 ),
4
1
P (A1 ∩ A3 ) = P ({0}) = = P (A1 ) · P (A3 ),
4
1
P (A2 ∩ A3 ) = P ({0}) = = P (A2 ) · P (A3 ),
4
deci A1 , A2 s, i A3 sunt independente două câte două, dar
1 1
P (A1 ∩ A2 ∩ A3 ) = P ({0}) = 6= = P (A1 ) · P (A2 ) · P (A3 ),
4 8
deci evenimentele A1 , A2 s, i A3 nu sunt independente.
Propozit, ia 2.3.1 (formula ı̂nmult, irii probabilităt, ilor pentru evenimente independente).
Fie (Ω, B, P ) un câmp de probabilitate. Dacă A1 , . . . , An ∈ B sunt evenimente independente, n ∈ N,
n ≥ 2, atunci
P (A1 ∩ A2 ∩ . . . ∩ An ) = P (A1 ) · P (A2 ) · . . . · P (An ).
Demonstraţie. Egalitatea din enunt, se obt, ine direct din Definit, ia 2.3.1 luând {i1 , . . . , ik } = {1, . . . , n}.
Observat, ia 2.3.6. Reciproca afirmat, iei din propozit, ia anterioară este evident adevărată pentru n = 2,
dar nu este adevărată pentru n ≥ 3. De exemplu, considerând câmpul de probabilitate al lui Laplace
pe mult, imea Ω = {1, 2, . . . , 8} s, i evenimentele
avem
4 1
P (A1 ) = P (A2 ) = P (A3 ) = = ,
8 2
1
P (A1 ∩ A2 ∩ A3 ) = P ({1}) = = P (A1 ) · P (A2 ) · P (A3 ),
8
dar
3 1
6= = P (A1) · P (A2 ),
P (A1 ∩ A2 ) = P ({1, 2, 3}) =
8 4
deci evenimentele A1 , A2 s, i A3 nu sunt independente.
Propozit, ia 2.3.2. Fie (Ω, B, P ) un câmp de probabilitate. Dacă A1 , . . . , An ∈ B sunt evenimente
independente, n ∈ N, n ≥ 2 s, i Bi ∈ {Ai , Ai } pentru orice i ∈ {1, . . . , n}, atunci s, i evenimentele
B1 , . . . , Bn sunt independente.
Demonstraţie. Deoarece intersect, ia evenimentelor s, i ı̂nmult, irea probabilităt, ilor sunt comutative s, i
asociative, este suficient să demonstrăm că evenimentele A1 , . . . , Am , Am+1 , . . . , An sunt independente
pentru orice m ∈ {0, 1, . . . , n}. Vom utiliza metoda induct, iei după m.
Pentru m = 0 afirmat, ia este chiar ipoteza că evenimentele A1 , . . . , An ∈ B sunt independente.
Presupunem afirmat, ia adevărată pentru p, unde p ∈ {0, 1, . . . , n − 1}, adică evenimentele B1 =
A1 , . . . , Bp = Ap , Bp+1 = Ap+1 , . . . , Bn = An sunt independente s, i o demonstrăm pentru p + 1, deci
trebuie să arătăm că s, i evenimentele B1′ = B1 , . . . , Bp′ = Bp , Bp+1
′ ′
= B p+1 , Bp+2 = Bp+2 , . . . , Bn′ = Bn
sunt independente. Fie {i1 , . . . , ik } ⊆ {1, . . . , n} cu k ≥ 2. Avem două cazuri.
CAPITOLUL 2. DEFINIT, II S, I FORMULE DE CALCULUL ALE PROBABILITĂT, ILOR 50
Rezultă că evenimentele B1′ , . . . , Bn′ sunt independente s, i astfel demonstrat, ia este ı̂ncheiată.
Definit, ia 2.4.1. În contextul propozit, iei anterioare, PA se numes, te probabilitate condit, ionată
de evenimentul A, iar pentru orice eveniment B ∈ B valoarea PA (B) se numes, te probabilitatea
evenimentului B condit, ionată de evenimentul A. Formula (2.4.1) se numes, te formula
probabilităt, ii condit, ionate. Vom utiliza s, i notat, ia
P (B|A) = PA (B).
Observat, ia 2.4.1. Probabilitatea condit, ionată PA (B) reprezintă probabilitatea de realizare a eveni-
mentului B s, tiind că s-a realizat evenimentul A.
CAPITOLUL 2. DEFINIT, II S, I FORMULE DE CALCULUL ALE PROBABILITĂT, ILOR 51
Fie evenimentele
A : ”apare un număr mai mic decât 5”,
B : ”apare un număr impar”,
adică
A = {ω1 , ω2 , ω3 , ω4 }, B = {ω1 , ω3 , ω5 }.
P (A ∩ B) 4 2
a) Probabilitatea cerută este PA (B). Avem PA (B) = . Dar P (A) = = , iar
P (A) 6 3
2 1
A ∩ B = {ω1 , ω3 }, deci P (A ∩ B) = = . Obt, inem că
6 3
P (A ∩ B) 1 3 1
PA (B) = = · = .
P (A) 3 2 2
P (A ∩ B) 3 1
b) Probabilitatea cerută este PB (A). Avem PB (A) = . Dar P (B) = = , deci
P (B) 6 2
P (A ∩ B) 1 2 2
PB (A) = = · = .
P (B) 3 1 3
Propozit, ia 2.4.2. Fie (Ω, B, P ) un câmp de probabilitate s, i A, B ∈ B a.ı̂. P (A) > 0. Atunci
evenimentele A s, i B sunt independente dacă s, i numai dacă PA (B) = P (B).
Demonstraţie. Evident, avem echivalent, ele: A s, i B sunt independente ⇔ P (A ∩ B) = P (A) · P (B)
P (A ∩ B)
⇔ = P (B) ⇔ PA (B) = P (B).
P (A)
Propozit, ia 2.4.3 (formula ı̂nmult, irii probabilităt, ilor). Fie (Ω, B, P ) un câmp de probabilitate
s, i fie evenimentele A1 , . . . , An ∈ B, n ∈ N, n ≥ 2 astfel ı̂ncât
Atunci
deci probabilităt, ile condit, ionate din enunt, sunt bine definite.
CAPITOLUL 2. DEFINIT, II S, I FORMULE DE CALCULUL ALE PROBABILITĂT, ILOR 52
Observat, ia 2.4.2. Dacă evenimentele A1 , . . . , An sunt independente, atunci conform Propozit, iilor
2.4.3 s, i 2.4.2 formula ı̂nmult, irii probabilităt, ilor devine
deci conform Propozit, iei 1.3.2 numărul de cazuri posibile este egal cu A649 , iar mult, imea cazurilor
favorabile este
deci numărul de cazuri favorabile este egal cu A69 . Astfel probabilitatea cerută este
A69 9·8·7·6·5·4 1
P = 6
= = .
A49 49 · 48 · 47 · 46 · 45 · 44 166474
P (A1 ∩ A2 ∩ . . . ∩ A6 ).
9
• P (A1 ) = (deoarece, la extragerea primului număr, dintre cele 49 de numere exact 9 sunt
49
divizibile cu 5);
8
• P (A2 |A1 ) = (deoarece dacă primul număr extras este divizibil cu 5, au rămas 48 de numere
48
dintre care exact 8 sunt divizibile cu 5);
7
• P (A3 |A1 ∩ A2 ) = (deoarece dacă primele două numere extrase sunt divizibile cu 5, au rămas
47
47 de numere dintre care exact 7 sunt divizibile cu 5);
6
• P (A4 |A1 ∩ A2 ∩ A3 ) = (deoarece dacă primele trei numere extrase sunt divizibile cu 5, au
46
rămas 46 de numere dintre care exact 6 sunt divizibile cu 5);
5
• P (A5 |A1 ∩ A2 ∩ A3 ∩ A4 ) = ;
45
4
• P (A6 |A1 ∩ A2 ∩ A3 ∩ A4 ∩ A5 ) = .
44
Deci probabilitatea cerută este
9 8 7 6 5 4 1
P (A1 ∩ A2 ∩ . . . ∩ A6 ) = · · · · · = .
49 48 47 46 45 44 166474
Metoda 3. Vom utiliza din nou formula clasică a probabilităt, ilor.
Deoarece extragerea este fără ı̂ntoarcerea bilelor ı̂n urnă s, i se dores, te ca toate cele 6 bile extrase
să fie divizibile cu 5, rezultă că nu contează ordinea extragerii acestora, deci putem presupune că
sunt extrase simultan. Notând cu {i1 , i2 , . . . , i6 } mult, imea celor 6 bile extrase, mult, imea cazurilor
posibile este acum
{{i1 , i2 , . . . , i6 } | {i1 , i2 , . . . , i6 } ⊆ {1, 2, . . . , 49}} ,
6
deci conform Propozit, iei 1.3.5 numărul de cazuri posibile este egal cu C49 , iar mult, imea cazurilor
favorabile este acum
deci numărul de cazuri favorabile este egal cu C96 . Astfel probabilitatea cerută este
deci, folosind regula produsului, numărul de cazuri favorabile este egal cu A324 · A325 . Astfel probabi-
litatea cerută este
A3 · A3 24 · 23 · 22 · 25 · 24 · 23 115
P = 24 6 25 = = .
A49 49 · 48 · 47 · 46 · 45 · 44 6909
CAPITOLUL 2. DEFINIT, II S, I FORMULE DE CALCULUL ALE PROBABILITĂT, ILOR 54
Metoda 2. Vom utiliza din nou formula ı̂nmult, irii probabilităt, ilor.
Fie evenimentele
deci numărul de cazuri favorabile este egal cu C63 · A324 · A325 (deoarece trebuie ales, i cei 3 indici j1 , j2 , j3
pentru care bilele ij1 , ij2 , ij3 sunt pare, iar pentru fiecare din cele C63 alegeri se aleg bilele ij1 , ij2 , ij3
CAPITOLUL 2. DEFINIT, II S, I FORMULE DE CALCULUL ALE PROBABILITĂT, ILOR 55
din cele 24 de bile pare s, i celelalte trei bile din cele 25 de bile impare). Astfel probabilitatea cerută
este
C 3 · A324 · A325 20 · 24 · 23 · 22 · 25 · 24 · 23 2300
P = 6 6
= = .
A49 49 · 48 · 47 · 46 · 45 · 44 6909
Metoda 2. Cu notat, iile de la metoda 2 de la punctul b), probabilitatea cerută este acum
[
P =P (Bj1 ∩ Bj2 ∩ Bj3 ∩ B j4 ∩ B j5 ∩ B j6 ) .
{j1 ,j2 ,j3 }⊆{1,2,...,6}
{j4 ,j5 ,j6 }={1,2,...,6}\{j1 ,j2 ,j3 }
115
Suma are C63 = 20 termeni, iar conform metodei 2 de la punctul b) fiecare termen este egal cu ,
6909
deci
115 2300
P = 20 · = .
6909 6909
Metoda 3. Vom utiliza din nou formula clasică a probabilităt, ilor.
Am vazut că putem presupune că bilele sunt extrase simultan. Cu notat, iile de la metoda 3 de la
punctul a), mult, imea cazurilor posibile rămâne aceeas, i, iar mult, imea cazurilor favorabile este acum
Dar evenimentele (Ai )i∈I sunt incompatibile (disjuncte) două câte două s, i Ai ∩ B ⊆ Ai , ∀i ∈ I, de
unde rezultă că s, i evenimentele (Ai ∩ B)i∈I sunt incompatibile (disjuncte) două câte două, deci
! ! !
X [ [
P (Ai ∩ B) = P (Ai ∩ B) = P Ai ∩ B = P (Ω ∩ B) = P (B) . (2.5.2)
i∈I i∈I i∈I
Corolarul 2.5.1. Fie (Ω, S B, P ) un câmp de probabilitate, I o mult, ime cel mult numărabilă de indici
s, i (Ai )i∈I ⊆ B a.ı̂. Ω = Ai , Ai ∩ Aj = ∅, ∀i 6= j. Atunci pentru orice B ∈ B are loc egalitatea
i∈I
X
P (B) = P (Ai )PAi (B).
i∈I
P (Ai )>0
Demonstraţie. Procedăm analog demonstrat, iei propozit, iei anterioare. Utilizând formula probabi-
lităt, ii condit, ionate avem
X X P (Ai ∩ B) X
P (Ai )PAi (B) = P (Ai ) · = P (Ai ∩ B). (2.5.3)
i∈I i∈I
P (Ai ) i∈I
P (Ai )>0 P (Ai )>0 P (Ai )>0
De asemenea, avem
! ! !
[ [ X X
P (B) = P (Ω ∩ B) = P Ai ∩B =P (Ai ∩ B) = P (Ai ∩ B) = P (Ai ∩ B)
i∈I i∈I i∈I i∈I
P (Ai )>0
(2.5.4)
(deoarece pentru P (Ai ) = 0, cum Ai ∩ B ⊆ Ai , avem s, i P (Ai ∩ B) = 0). Din (2.5.4) s, i (2.5.3) rezultă
egalitatea din enunt, .
În cazul particular când mult, imea I este finită, formula probabilităt, ii totale este dată de următorul
rezultat.
Ω = A1 ∪ . . . ∪ An , Ai ∩ Aj = ∅, ∀i 6= j,
s, i P (Ai ) > 0, ∀i ∈ {1, . . . , n}. Atunci pentru orice B ∈ B are loc egalitatea
n
X
P (B) = P (Ai )PAi (B).
i=1
Lema 2.5.1 (Teorema lui Bayes). Fie (Ω, B, P ) un câmp de probabilitate s, i A, B ∈ B a.ı̂.
P (A) > 0 s, i P (B) > 0. Atunci
P (A)PA (B)
PB (A) = .
P (B)
CAPITOLUL 2. DEFINIT, II S, I FORMULE DE CALCULUL ALE PROBABILITĂT, ILOR 57
P (A ∩ B)
P (A) ·
P (B ∩ A) P (A) P (A)PA (B)
PB (A) = = = .
P (B) P (B) P (B)
Propozit, ia 2.5.2 (Formula lui Bayes). Fie (Ω, B, P ) un câmp de probabilitate, I o mult, ime cel
mult numărabilă de indici s, i (Ai )i∈I ⊆ B a.ı̂.
[
Ω= Ai , Ai ∩ Aj = ∅, ∀i 6= j,
i∈I
s, i P (Ai ) > 0, ∀i ∈ I. Atunci pentru orice B ∈ B a.ı̂. P (B) > 0 au loc egalităt, ile
pentru orice i ∈ I.
În cazul particular când mult, imea I este finită, formula lui Bayes este dată de următorul rezultat.
Ω = A1 ∪ . . . ∪ An , Ai ∩ Aj = ∅, ∀i 6= j,
s, i P (Ai ) > 0, ∀i ∈ {1, . . . , n}. Atunci pentru orice B ∈ B a.ı̂. P (B) > 0 au loc egalităt, ile
Exemplul 2.5.1. Într-un magazin se găses, te un acelas, i articol provenit de la 3 furnizori F1, F2 s, i F3,
ı̂n proport, ie de 40%, 25%, respectiv 35%. Se cunoas, te că probabilitatea ca un articol să fie defect
este de 0,01 pentru cele provenite de la furnizorul F1, de 0,02 pentru cele provenite de la furnizorul
F2 s, i tot de 0,02 pentru cele provenite de la furnizorul F3.
a) Să se calculeze probabilitatea ca un articol (ales aleator) din magazin să fie defect.
b) Să se calculeze probabilitatea ca un articol (ales aleator) din magazin să provină de la furnizorul
F1, s, tiind că el este defect.
c) Să se calculeze probabilitatea ca un articol (ales aleator) din magazin să fie defect, s, tiind că el
provine de la furnizorul F2 sau de la furnizorul F3.
Solut, ie. Considerăm evenimentele
c) Probabilitatea cerută este PA2 ∪A3 (B). Aplicând formula probabilităt, ii condit, ionate s, i utilizând
faptul că evenimentele A2 s, i A3 sunt incompatibile avem
P (B ∩ (A2 ∪ A3 )) P ((B ∩ A2 ) ∪ (B ∩ A3 ))
PA2 ∪A3 (B) = =
P (A2 ∪ A3 ) P (A2 ∪ A3 )
P (B ∩ A2 ) + P (B ∩ A3 ) P (A2 )PA2 (B) + P (A3 )PA3 (B)
= =
P (A2 ) + P (A3 ) P (A2 ) + P (A3 )
0,25 · 0,02 + 0,35 · 0,02
= = 0,02.
0,25 + 0,35
În particular, dacă dintr-o urnă ce cont, ine a bile albe s, i b bile negre (a, b ∈ N∗ ) se extrag, la
ı̂ntâmplare, n bile, cu ı̂ntoarcere (fiecare bilă extrasă este reintrodusă ı̂n urnă ı̂nainte de extrage-
rea următoarei bile), atunci probabilitatea ca numărul de bile albe extrase să fie egal cu k este
a b
Pn,k = Cnk pk q n−k , ∀k ∈ {0, . . . , n}, unde p = , q = 1−p = .
a+b a+b
CAPITOLUL 2. DEFINIT, II S, I FORMULE DE CALCULUL ALE PROBABILITĂT, ILOR 59
Conform ipotezei s, i Propozit, iei 2.3.2, evenimentele intersectate sunt independente, deci utilizând
formula ı̂nmult, irii probabilităt, ilor pentru evenimente independente avem
X
Pn,k = P (Ai1 ) · P (Ai2 ) · . . . · P (Aik ) · P (Aik+1 ) · P (Aik+2 ) · . . . · P (Ain ).
{i1 ,i2 ,...,ik }⊆{1,2,...,n}
{ik+1 ,ik+2 ,...,in }={1,2,...,n}\{i1 ,i2 ,...,ik }
Suma are Cnk termeni, iar conform ipotezei fiecare termen este egal cu pk q n−k , deci
Cazul particular al extragerii de bile se obt, ine din cazul general, considern̂d evenimentele
a b
pentru care, conform definit, iei clasice a probabilităt, ii, avem P (Ai ) = = p s, i P (Ai ) = =
a+b a+b
1 − p = q, ∀i ∈ {1, 2, . . . , n}.
Definit, ia 2.6.1. Probele (repetările) unei experient, e aleatoare având două rezultate posibile, eve-
nimentele numite generic succes s, i insucces, ale căror probabilităt, i nu depind de probă (adică
probabilitatea de succes este aceeas, i pentru fiecare probă), iar rezultatele probelor sunt evenimente
independente, se numesc probe Bernoulli.
Propozit, ia 2.6.2 (Schema multinomială). Fie r ∈ N, r ≥ 2. Dintr-o urnă ce cont, ine câte ai
bile de culoarea i pentru orice i ∈ {1, 2, . . . , r} (ai ∈ N∗ , ∀i ∈ {1, 2, . . . , r}) se extrag, la ı̂ntâmplare,
n bile, cu ı̂ntoarcere. Atunci probabilitatea să se extragă câte ki bile de culoarea i pentru orice
i ∈ {1, 2, . . . , r}, unde k1 , k2, . . . , kr ∈ N, k1 + k2 + . . . + kr = n, este
n!
Pn;k1 ,...,kr = · pk1 pk2 . . . pkr r ,
k1 !k2 ! . . . kr ! 1 2
ai
unde pi = , ∀i ∈ {1, . . . , r}.
a1 + a2 + . . . + ar
Demonstraţie. Considerăm evenimentele
(i)
Aj : ”a j-a bilă extrasă are culoarea i”, ∀j ∈ {1, 2, . . . , n}, ∀i ∈ {1, 2, . . . , r},
Evenimentele reunite sunt incompatibile două câte două, iar evenimentele intersectate sunt indepen-
dente, deci
X
(1) (1)
Pn;k1 ,...,kr = P (A (1) ) · . . . · P (A (1) )·
j1 jk
(1) (1) (2) (2) (r) (r) 1
{j1 ,...,jk }∪{j1 ,...,jk }∪...∪{j1 ,...,jkr }={1,...,n}
1 2
(2) (2) (r) (r)
· P (A (2) ) · . . . · P (A (2) ) · . . . · P (A(r) ) · . . . · P (A (r) ) .
j1 jk j1 j kr
2
n!
Conform Propozit, iei 1.3.7, suma are termeni, iar conform (2.6.1) fiecare termen este
k1 !k2 ! . . . kr !
n!
egal cu pk11 pk22 . . . pkr r , deci Pn;k1,...,kr = · pk11 pk22 . . . pkr r .
k1 !k2 ! . . . kr !
Observat, ia 2.6.1. Luând r = 2 ı̂n schema multinomială, regăsim schema binomială.
Propozit, ia 2.6.3 (Schema binomială generalizată sau schema lui Poisson). Fie (Ω, B, P ) un
câmp de probabilitate s, i A1 , . . . , An ∈ B, n ∈ N∗ . Dacă A1 , . . . , An sunt evenimente independente,
pi = P (Ai ), ∀i ∈ {1, . . . , n}, s, i qi = P (Ai ) = 1 − pi , ∀i ∈ {1, . . . , n}, atunci probabilitatea să se
realizeze exact k din aceste n evenimente este egală cu coeficientul lui xk din dezvoltarea polinomului
Pe de altă parte, ı̂n dezvoltarea polinomului (p1 x + q1 )(p2 x + q2 ) . . . (pn x + qn ), termenii care cont, in
pe xk se obt, in ı̂nmult, ind membrii de forma pi x din oricare k paranteze cu membrii de forma qi din
restul de n − k paranteze, deci aces, ti termeni sunt cei care au forma
(pi1 x)(pi2 x) . . . (pik x)qik+1 qik+2 . . . qin = pik qik+1 qik+2 . . . qin xk ,
CAPITOLUL 2. DEFINIT, II S, I FORMULE DE CALCULUL ALE PROBABILITĂT, ILOR 61
unde i1 , i2 , . . . , ik sunt numerele de ordine ale celor k paranteze din care se ı̂nmult, esc membrii de
forma pi x, iar ik+1 , ik+2 , . . . , in sunt numerele de ordine ale celorlalte n − k paranteze (din care se
ı̂nmult, esc membrii de forma qi ). Prin adunare, coeficientul lui xk din dezvoltarea polinomului dat
este egal cu suma (2.6.2), deci cu probabilitatea cerută.
Observat, ia 2.6.2. Luând p1 = p2 = . . . = pn = p ı̂n schema binomială generalizată, regăsim schema
binomială.
Propozit, ia 2.6.4 (Schema hipergeometrică sau schema bilei neı̂ntoarse). Dacă dintr-o urnă
ce cont, ine a bile albe s, i b bile negre (a, b ∈ N∗ ) se extrag, la ı̂ntâmplare, n bile (n ≤ a + b), fără
ı̂ntoarcere (orice bilă extrasă nu mai este reintrodusă ı̂n urnă), atunci probabilitatea ca numărul de
bile albe extrase să fie egal cu k este
C k · C n−k
Pen,k = a n b , ∀k ∈ {0, . . . , n}, n − b ≤ k ≤ a.
Ca+b
Demonstraţie. Considerăm că bilele albe sunt numerotate cu 1, 2, . . . , a, iar bilele negre cu a + 1,
a + 2, . . ., a + b.
Vom utiliza formula clasică a probabilităt, ilor. Notând cu {i1 , i2 , . . . , in } mult, imea celor n bile
extrase, mult, imea cazurilor posibile este
{{i1 , i2 , . . . , in } | {i1 , i2 , . . . , in } ⊆ {1, 2, . . . , a + b}} ,
n
deci conform Propozit, iei 1.3.5 numărul de cazuri posibile este egal cu Ca+b , iar mult, imea cazurilor
favorabile este
{{i1 , i2 , . . . , in } | {i1 , i2 , . . . , ik } ⊆ {1, 2, . . . , a}, {ik+1 , ik+2 , . . . , in } ⊆ {a + 1, a + 2, . . . , a + b}} ,
deci, aplicând regula produsului, numărul de cazuri favorabile este egal cu Cak · Cbn−k . Astfel proba-
C k · C n−k
bilitatea cerută este Pen,k = a n b .
Ca+b
Propozit, ia 2.6.5 (Schema hipergeometrică generalizată). Fie r ∈ N, r ≥ 2. Dintr-o urnă ce
cont, ine câte ai bile de culoarea i pentru orice i ∈ {1, . . . , r} (ai ∈ N∗ , ∀i ∈ {1, . . . , r}) se extrag, la
ı̂ntâmplare, n bile, fără ı̂ntoarcere, n ≤ a1 + . . . + ar . Atunci probabilitatea să se extragă câte ki bile
de culoarea i pentru orice i ∈ {1, . . . , r}, unde ki ∈ {0, . . . , ai }, ∀i ∈ {1, . . . , r}, k1 + . . . + kr = n,
este
C k1 · . . . · C kr
Pen;k1 ,...,kr = a1 k1 +...+kr ar .
Ca1 +...+ar
Demonstraţie. Considerăm că bilele de culoarea 1 sunt numerotate cu 1, 2, . . . , a1 , bilele de culoarea
2 cu a1 +1, a1 +2, . . ., a1 +a2 , s, .a.m.d, bilele de culoarea r cu a1 +. . .+ar−1 +1, a1 +. . .+ar−1 +2, . . .,
a1 + . . . + ar−1 + ar . Vom utiliza din nou formula clasică a probabilităt, ilor. Notând cu {i1 , i2 , . . . , in }
mult, imea celor n bile extrase, mult, imea cazurilor posibile este
{{i1 , i2 , . . . , in } | {i1 , i2 , . . . , in } ⊆ {1, 2, . . . , a1 + . . . + ar }} ,
deci conform Propozit, iei 1.3.5 numărul de cazuri posibile este egal cu Can1 +a2 +...+ar , iar mult, imea
cazurilor favorabile este
{i1 , i2 , . . . , in } | {i1 , i2 , . . . , ik1 } ⊆ {1, 2, . . . , a1 },
{ik1 +1 , ik1 +2 , . . . , ik1 +k2 } ⊆ {a1 + 1, a1 + 2, . . . , a1 + a2 }, . . . ,
{ik1 +...+kr−1+1 , . . . , in } ⊆ {a1 + . . . + ar−1 + 1, . . . , a1 + . . . + ar−1 + ar } ,
deci, aplicând regula produsului, numărul de cazuri favorabile este egal cu Cak11 · Cak22 · . . . · Cakrr . Astfel
C k1 · C k2 · . . . · Cakrr C k1 · Cak22 · . . . · Cakrr
probabilitatea cerută este Pen;k1 ,...,kr = a1 n a2 = a1 k1 +k +...+kr
.
Ca1 +a2 +...+ar Ca1 +a22+...+a r
CAPITOLUL 2. DEFINIT, II S, I FORMULE DE CALCULUL ALE PROBABILITĂT, ILOR 62
Observat, ia 2.6.3. Luând r = 2 ı̂n schema hipergeometrică generalizată, regăsim schema hipergeome-
trică.
Exemplul 2.6.1. O urnă cont, ine 10 bile albe s, i 6 bile negre. Se extrag 8 bile. Care este probabilitatea
ca exact 5 din bilele extrase să fie albe (deci restul de 3 bile extrase să fie negre), dacă extragerea
este cu ı̂ntoarcere? Dar dacă extragerea este fără ı̂ntoarcere?
Solut, ie. În cazul extragerii cu ı̂ntoarcere, aplicând schema bilei ı̂ntoarse obt, inem că probabilitatea
cerută este
5 3 5 3
5 10 6 8! 5 3 55 · 33 590625
P8,5 = C8 · · = · · = 56 · 8
= .
16 16 5! · 3! 8 8 8 2097152
În cazul extragerii fără ı̂ntoarcere, aplicând schema bilei neı̂ntoarse obt, inem că probabilitatea cerută
este
10! 6!
C 5
· C 3 · 56
Pe8,5 = 10 8 6 = 5! · 5! 3! · 3! = .
C16 16! 143
8! · 8!
• categoria a II-a, pentru jucătorii ce au jucat (pe o aceeas, i variantă) 5 din cele 6 numere extrase;
• categoria a III-a, pentru jucătorii ce au jucat (pe o aceeas, i variantă) 4 din cele 6 numere extrase.
Să se calculeze:
a) probabilitatea ca un jucător ce a jucat o variantă simplă, constând ı̂n 6 numere, să obt, ină un
câs, tig de categoria I;
b) probabilitatea ca un jucător ce a jucat o variantă simplă să obt, ină un câs, tig de categoria a
II-a;
c) probabilitatea ca un jucător ce a jucat o variantă simplă să obt, ină un câs, tig de categoria a
III-a;
d) probabilitatea ca un jucător ce a jucat o variantă combinată constând ı̂n 7 numere, să obt, ină
un câs, tig de categoria I;
e) probabilitatea ca un jucător ce a jucat o variantă combinată constând ı̂n 7 numere, să obt, ină
un câs, tig de categoria a II-a;
f) probabilitatea ca un jucător ce a jucat o variantă combinată constând ı̂n 7 numere, să obt, ină
un câs, tig de categoria a III-a.
Solut, ie. Vom aplica schema bilei neı̂ntoarse. Folosim notat, iile:
• a = numărul de bile câs, tigătoare pentru jucător (numerele jucate de acesta), numite generic
bile albe.
• b = numărul de bile necâs, tigătoare pentru jucător (numerele nejucate de acesta), numite generic
bile negre, deci b = 49 − a.
• k = numărul de bile extrase ce sunt câs, tigătoare pentru jucător, numite generic bile albe extrase.
Conform schemei bilei neı̂ntoarse, probabilitatea ca numărul de bile albe extrase să fie egal cu k este
C k · C n−k
Pen,k = a n b .
Ca+b
C6 · C0 1 6! 1
Pen,k = 6 6 43 = 6 = = .
C49 C49 49 · 48 · 47 · 46 · 45 · 44 13983816
e C65 · C43
1
6 · 43 258 1
Pn,k = 6
= 6
= ≃ .
C49 C49 13983816 54201
C4 · C2 15 · 903 13545 1
Pen,k = 6 6 43 = 6
= ≃ .
C49 C49 13983816 1032
C6 · C0 7 7 1
Pen,k = 7 6 42 = 6 = = .
C49 C49 13983816 1997688
C5 · C1 21 · 42 882 1
Pen,k = 7 6 42 = 6
= ≃ .
C49 C49 13983816 15855
C4 · C2 35 · 861 30135 1
Pen,k = 7 6 42 = 6
= ≃ .
C49 C49 13983816 464
Exemplul 2.6.4. La un concurs de tir, 3 jucători trag câte un foc asupra unei t, inte. Probabilităt, ile
de a nimeri t, inta ale celor 3 jucători sunt egale cu 0,8, 0,5, respectiv 0,9.
a) Care este probabilitatea ca exact doi jucători să nimerească t, inta?
b) Ştiind că un singur foc a nimerit t, inta, care este probabilitatea ca acesta să fi fost tras de cel
de-al treilea jucător?
Solut, ie. Considerăm evenimentele
Aplicând schema lui Poisson, probabilitatea P (C) este egală cu coeficientul lui x din dezvoltarea
0,2 · 0,5 · 0,9 9
polinomului de la punctul anterior, adică P (C) = 0,14. Deci PC (A3 ) = = .
0,14 14
Exemplul 2.6.5. Pentru un examen part, ial la matematică, un student a avut de pregătit 60 de
subiecte, dintre care 20 de analiză matematică, 25 de algebră şi 15 de probabilităţi. La examen,
studentul primeşte 5 subiecte diferite. Care este probabilitatea ca din cele 5 subiecte primite două
să fie de analiză matematică, două de algebră şi unul de probabilităţi?
Solut, ie. Aplicând schema hipergeometrică generalizată pentru
Variabile aleatoare
Definit, ia 3.1.1. O variabilă aleatoare (prescurtat v.a.) (variabilă aleatoare numerică) este
o funct, ie X : Ω → R cu proprietatea că
X −1 ((−∞, x]) ∈ B, ∀x ∈ R
Demonstraţie. 1) ⇒ 2) Dacă X este o variabilă aleatoare, atunci conform propozit, iei anterioare are
loc relat, ia de la punctul 2).
65
CAPITOLUL 3. VARIABILE ALEATOARE 66
2) ⇒ 1) Presupunem
adevărată
relat, ia de la punctul 2). Atunci, pentru orice x ∈ R, avem
T
∞ 1
(−∞, x] = −∞, x + , deci
n=1 n
\∞ ! \ ∞
−1 −1 1 −1 1
X ((−∞, x]) = X −∞, x + = X −∞, x + ∈ B,
n=1
n n=1
n
Definit, ia 3.1.2. Fie X : Ω → R o variabilă aleatoare. Atunci pentru orice x, y ∈ R cu x < y notăm
evenimentele din definit, ia s, i propozit, iile anterioare astfel:
{X = x} = {ω ∈ Ω | X(ω) = x},
{X ≤ x} = {ω ∈ Ω | X(ω) ≤ x}, {X < x} = {ω ∈ Ω | X(ω) < x},
{X ≥ x} = {ω ∈ Ω | X(ω) ≥ x}, {X > x} = {ω ∈ Ω | X(ω) > x},
{X ∈ [x, y]} = {ω ∈ Ω | X(ω) ∈ [x, y]}, {X ∈ (x, y)} = {ω ∈ Ω | X(ω) ∈ (x, y)},
{X ∈ [x, y)} = {ω ∈ Ω | X(ω) ∈ (x, y]}, {X ∈ (x, y]} = {ω ∈ Ω | X(ω) ∈ (x, y]}.
Probabilităt, ile acestor evenimente le notăm respectiv cu P (X = x), P (X ≤ x), . . . , P (X ∈ (x, y]).
Observat, ia 3.1.1. În cele ce urmează vom utiliza s, i alte notat, ii asemănătoare celor din definit, ia
anterioară.
Deoarece funct, ia g : R → R este continuă, rezultă că mult, imea g −1 ((−∞, x)) este o mult, ime deschisă,
deci fie este vidă s, i atunci (g ◦ X)−1 ((−∞, x)) = X −1 (∅) = ∅ ∈ B, fie este nevvidă s, i atunci poate fi
scrisă ca o reuniune cel mult numărabilă de intervale deschise s, i disjuncte două câte două:
[
g −1 ((−∞, x)) = Ij .
j∈J
CAPITOLUL 3. VARIABILE ALEATOARE 67
deci conform Propozit, iei 3.1.1 rezultă că (g ◦ X)−1 ((−∞, x)) ∈ B. Aplicând Propozit, ia 3.1.2 obt, inem
că funct, ia g ◦ X este o variabilă aleatoare.
Afirmat, iile de la punctele b) s, i c) sunt consecint, e imediate ale afirmat, iei de la punctul a).
Propozit, ia 3.1.5. a) Dacă X, Y : Ω → R sunt două variabile aleatoare, atunci s, i funct, iile X + Y ,
X − Y s, i X · Y sunt variabile aleatoare.
b) Dacă X, Y : Ω → R sunt două variabile aleatoare s, i Y (ω) 6= 0 pentru orice ω ∈ Ω, atunci s, i
X
funct, ia este o variabilă aleatoare.
Y
Demonstraţie. Fie Z = X + Y s, i fie x ∈ R arbitrar fixat. Pentru orice ω ∈ Ω avem echivalent, ele
deci [
Z −1 ((−∞, x)) = X −1 ((−∞, q)) ∩ Y −1 ((−∞, x − q)) .
q∈Q
Folosind ipoteza că X s, i Y sunt variabile aleatoare s, i faptul că mult, imea Q este numărabilă, rezultă
că Z −1 ((−∞, x)) ∈ B, deci conform Propozit, iei 3.1.2 obt, inem că funct, ia Z = X + Y este o variabilă
aleatoare.
Utilizând s, i Propozit, ia 3.1.4, rezultă că s, i funct, iile
1 X 1
X − Y = X + (−Y ), X · Y = (X + Y )2 − (X − Y )2 , =X·
4 Y Y
sunt, de asemenea, variabile aleatoare.
Definit, ia 3.1.3. Fie X : Ω → R o variabilă aleatoare. Funct, ia de repartit, ie a v.a. X este
funct, ia
FX : R → [0, 1], FX (x) = P (X ≤ x), ∀x ∈ R.
Propozit, ia 3.1.6 (de caracterizare a funct, iilor de repartit, ie). O funct, ie de repartit, ie a unei
v.a. este o funct, ie F : R → [0, 1] caracterizată de următoarele trei proprietăt, i:
1) F (x) ≤ F (y), ∀x, y ∈ R a.ı̂. x < y (adică F este crescătoare);
2) lim F (x) = F (a), ∀a ∈ R (adică F este continuă la dreapta);
xցa
3) lim F (x) = 0 s, i lim F (x) = 1.
x→−∞ x→+∞
F (x) = P (X ≤ x) ≤ P (X ≤ y) = F (y).
2) Fie a ∈ R arbitrar fixat. Pentru orice s, ir strict descrescător (xn )n∈N∗ cu lim xn = a avem
n→∞
∞
\
{X ≤ xn } = {X ≤ a}
n=1
CAPITOLUL 3. VARIABILE ALEATOARE 68
s, i
{X ≤ x1 } ⊇ {X ≤ x2 } ⊇ . . . ⊇ {X ≤ xn } ⊇ {X ≤ xn+1 } ⊇ . . . .
Conform Propozit, iei 2.2.4 rezultă că
∞
!
\
lim P (X ≤ xn ) = P {X ≤ xn } = P (X ≤ a),
n→∞
n=1
∞
\
{X ≤ xn } = ∅
n=1
s, i
{X ≤ x1 } ⊇ {X ≤ x2 } ⊇ . . . ⊇ {X ≤ xn } ⊇ {X ≤ xn+1 } ⊇ . . . .
Conform Propozit, iei 2.2.4 rezultă că
∞
!
\
lim P (X ≤ xn ) = P {X ≤ xn } = P (∅) = 0,
n→∞
n=1
∞
[
{X ≤ xn } = Ω
n=1
s, i
{X ≤ x1 } ⊆ {X ≤ x2 } ⊆ . . . ⊆ {X ≤ xn } ⊆ {X ≤ xn+1 } ⊆ . . . .
Conform Propozit, iei 2.2.4 rezultă acum că
∞
!
[
lim P (X ≤ xn ) = P {X ≤ xn } = P (Ω) = 1,
n→∞
n=1
Propozit, ia 3.1.7. Fie X : Ω → R o variabilă aleatoare s, i fie FX funct, ia sa de repartit, ie. Fie
x, y ∈ R cu x < y. Atunci:
2. P (X ≤ x) = FX (x);
CAPITOLUL 3. VARIABILE ALEATOARE 69
4. P (X ≥ x) = 1 − lim FX (t);
tրx
5. P (X > x) = 1 − FX (x);
6. P (X ∈ [x, y]) = FX (y) − lim FX (t);
tրx
∞
[
{X ≤ tn } = {X < x}
n=1
s, i
{X ≤ t1 } ⊆ {X ≤ t2 } ⊆ . . . ⊆ {X ≤ tn } ⊆ {X ≤ tn+1 } ⊆ . . . .
Conform Propozit, iei 2.2.4 rezultă că
∞
!
[
lim FX (tn ) = lim P (X ≤ tn ) = P {X ≤ tn } = P (X < x),
n→∞ n→∞
n=1
P (X > x) = 1 − P (X ≤ x) = 1 − FX (x);
P (X ∈ [x, y]) = P (X ≤ y) − P (X < x) = FX (y) − lim FX (t);
tրx
Demonstraţie. Implicat, ia directă este imediată, conform definit, iilor v.a. independente s, i a evenimen-
telor independente.
Demonstrăm acum implicat, ia inversă. Presupunem că are loc egalitatea (3.2.1), pentru orice
x1 , x2 , . . . , xn ∈ R. Trebuie să arătam că această egalitate are loc s, i pentru orice submult, ime de
cel put, in două evenimente a mult, imii {{X1 ≤ x1 }, {X2 ≤ x2 }, . . . , {Xn ≤ xn }}. Este suficient să o
demonstrăm doar pentru submult, imea {{X2 ≤ x2 }, . . . , {Xn ≤ xn }}, deoarece repetând procedeul se
obt, ine succesiv egalitatea pentru submult, imi de n − 2, n − 3, . . . , 2 evenimente.
(m) (m)
Pentru orice s, ir crescător (x1 )m∈N∗ cu lim x1 = +∞ avem
m→∞
∞
[ (m)
{X1 ≤ x1 , X2 ≤ x2 , . . . , Xn ≤ xn } = {X2 ≤ x2 , . . . , Xn ≤ xn },
m=1
iar
(m) (m+1)
{X1 ≤ x1 , X2 ≤ x2 , . . . , Xn ≤ xn } ⊆ {X1 ≤ x1 , X2 ≤ x2 , . . . , Xn ≤ xn }, ∀m ∈ N∗ .
Conform Propozit, iei 2.2.4, relat, iei (3.2.1) s, i Proprietăt, ii 3) din Propozit, ia 3.1.6 rezultă că
(m)
P (X2 ≤ x2 , . . . , Xn ≤ xn ) = lim P (X1 ≤ x1 , X2 ≤ x2 , . . . , Xn ≤ xn )
m→∞
(m)
= lim P (X1 ≤ x1 ) · P (X2 ≤ x2 ) · . . . · P (Xn ≤ xn )
m→∞
= P (X2 ≤ x2 ) · . . . · P (Xn ≤ xn ),
1. X1 , . . . , Xn sunt independente;
5. P (X1 ∈ [x1 , y1 ], . . . , Xn ∈ [xn , yn ]) = P (X1 ∈ [x1 , y1])·. . .·P (Xn ∈ [xn , yn ]), ∀x1 , y1 . . . , xn , yn ∈
R a.ı̂. x1 < y1 , . . . , xn < yn ;
6. P (X1 ∈ (x1 , y1 ), . . . , Xn ∈ (xn , yn )) = P (X1 ∈ (x1 , y1 ))·. . .·P (Xn ∈ (xn , yn )), ∀x1 , y1 . . . , xn , yn ∈
R a.ı̂. x1 < y1 , . . . , xn < yn ;
7. P (X1 ∈ [x1 , y1 ), . . . , Xn ∈ [xn , yn )) = P (X1 ∈ [x1 , y1 ))·. . .·P (Xn ∈ [xn , yn )), ∀x1 , y1 . . . , xn , yn ∈
R a.ı̂. x1 < y1 , . . . , xn < yn ;
8. P (X1 ∈ (x1 , y1 ], . . . , Xn ∈ (xn , yn ]) = P (X1 ∈ (x1 , y1 ])·. . .·P (Xn ∈ (xn , yn ]), ∀x1 , y1 . . . , xn , yn ∈
R a.ı̂. x1 < y1 , . . . , xn < yn .
CAPITOLUL 3. VARIABILE ALEATOARE 71
deci demonstrat, ia prin induct, ie este ı̂ncheiată. Luând k = n ı̂n (3.2.2) obt, inem egalitatea de la
punctul 8.
1) ⇒ 8) Fie acum X1 , . . . , Xn v.a. astfel ı̂ncât are loc egalitatea de la punctul 8. Fie x1 , . . . , xn ∈ R
s, i fie
Pentru orice s, ir descrescător (tm )m∈N∗ cu lim tm = −∞ avem
m→∞
∞
[
{X1 ∈ (tm , x1 ], . . . , Xn ∈ (tm , xn ]} = {X1 ≤ x1 , . . . , Xn ≤ xn },
m=1
iar
{X1 ∈ (tm , x1 ], . . . , Xn ∈ (tm , xn ]} ⊆ {X1 ∈ (tm+1 , x1 ], . . . , Xn ∈ (tm+1 , xn ]}, ∀m ∈ N∗ .
Conform Propozit, iei 2.2.4, egalităt, ii de la punctul 8 s, i Propozit, iei 3.1.6 rezultă că
pX : R → R, pX (x) = P (X = x), ∀x ∈ R
această matrice numindu-se repartit, ia (de probabilitate a) lui X sau distribut, ia (de proba-
bilitate a) lui X.
unde x1 < x2 < . . . < xn , atunci funct, ia de repartit, ie a v.a. X este funct, ia
0, dacă x < x1 ,
p1 , dacă x1 ≤ x < x2 ,
p + p , dacă x2 ≤ x < x3 ,
1 2
FX : R → [0, 1], FX (x) =
...
p1 + p2 + . . . + pn−1 , dacă xn−1 ≤ x < xn ,
1, dacă x ≥ xn .
x1 x2 . . . xn
Propozit, ia 3.3.1. O repartit, ie a unei v.a. finite este caracterizată de următoarele
p1 p2 . . . pn
două proprietăt, i:
1) pi ≥ 0, ∀i ∈ {1, . . . , n};
Xn
2) pi = 1.
i=1
Demonstraţie. Fie X o v.a. finită având repartit, ia din enunt, . Atunci pi = P (X = xi ) ≥ 0, pentru
orice i ∈ {1, . . . , n} s, i !
[n Xn
1 = P (Ω) = P {X = xi } = pi
i=1 i=1
pi = P (X = xi ), ∀i ∈ N∗ .
numită repartit, ia (de probabilitate a) lui X sau distribut, ia (de probabilitate a) lui X.
unde . . . < xn−1 < xn < . . ., atunci funct, ia de repartit, ie a v.a. X este funct, ia
. . .
FX : R → [0, 1], FX (x) = . . . + pn−2 + pn−1 , dacă xn−1 ≤ x < xn ,
...
P (X1 = x1 , X2 = x2 , . . . , Xn = xn )
= P (X1 ∈ (x1 − ε, x1 ], X2 ∈ (x2 − ε, x2 ], . . . , Xn ∈ (xn − ε, xn ])
= P (X1 ∈ (x1 − ε, x1 ]) · P (X2 ∈ (x2 − ε, x2 ]) · . . . · P (Xn ∈ (xn − ε, xn ])
= P (X1 = x1 ) · P (X2 = x2 ) · . . . · P (Xn = xn ).
CAPITOLUL 3. VARIABILE ALEATOARE 74
”⇐” Presupunem că pentru orice x1 ∈ X1 (Ω), x2 ∈ X2 (Ω), . . . , xn ∈ Xn (Ω) are loc egalitatea (3.3.3).
Avem
!
[
P (X1 ≤ x1 , . . . , Xn ≤ xn ) = P {X1 = y1 , . . . , Xn = yn }
y1 ∈X1 (Ω)∩(−∞,x1 ]
···
yn ∈Xn (Ω)∩(−∞,xn ]
X
= P (X1 = y1 , . . . , Xn = yn )
y1 ∈X1 (Ω)∩(−∞,x1 ]
···
yn ∈Xn (Ω)∩(−∞,xn ]
X
= (P (X1 = y1 ) · . . . · P (Xn = yn ))
y1 ∈X1 (Ω)∩(−∞,x1 ]
···
yn ∈Xn (Ω)∩(−∞,xn ]
X X
= P (X1 = y1 ) · . . . · P (Xn = yn )
y1 ∈X1 (Ω)∩(−∞,x1 ] yn ∈Xn (Ω)∩(−∞,xn ]
[ [
=P {X1 = y1 } · . . . · P {Xn = yn }
y1 ∈X1 (Ω)∩(−∞,x1 ] yn ∈Xn (Ω)∩(−∞,xn ]
= P (X1 ≤ x1 ) · . . . · P (Xn ≤ xn ),
deci X1 , . . . , Xn sunt independente.
Luând n = 2 ı̂n propozit, ia anterioară, obt, inem următorul rezultat.
Corolarul 3.3.1. Fie X : Ω → R s, i Y : Ω → R două variabile aleatoare discrete. Atunci X s, i Y
sunt independente dacă s, i numai dacă
P (X = x, Y = y) = P (X = x)P (Y = y), ∀x ∈ X(Ω), ∀y ∈ Y (Ω).
Exemplul 3.3.1. Fie X valoarea obt, inută la aruncarea unui zar s, i Y suma valorilor obt, inute la
aruncarea a două zaruri. Atunci X este o v.a. finită luând valorile 1, 2, . . . , 6 cu probabilităt, ile
1
pi = P (X = i) = , ∀i ∈ {1, . . . , 6}, deci are repartit, ia
6
1 2 3 4 5 6
X : 1 1 1 1 1 1 .
6 6 6 6 6 6
Funct, ia de repartit, ie a v.a. X este funct, ia
0, dacă x < 1,
1
, dacă 1 ≤ x < 2,
6
2
, dacă 2 ≤ x < 3,
6
3
FX : R → [0, 1], FX (x) = , dacă 3 ≤ x < 4,
6
4
, dacă 4 ≤ x < 5,
6
5
, dacă 5 ≤ x < 6,
6
1, dacă x ≥ 6.
CAPITOLUL 3. VARIABILE ALEATOARE 75
Fie X1 s, i X2 valorile obt, inute la aruncarea celor două zaruri. Evident, X1 s, i X2 sunt v.a. independente
ce au aceeas, i repartit, ie ca s, i X. Astfel Y = X1 + X2 este o v.a. luând valorile 2, 3, . . . , 12 cu
probabilităt, ile
1 1 1
P (Y = 2) = P (X1 = 1, X2 = 1) = P (X1 = 1)P (X2 = 1) = · = ,
6 6 36
P (Y = 3) = P (X1 = 1, X2 = 2 sau X1 = 2, X2 = 1)
= P (X1 = 1, X2 = 2) + P (X1 = 2, X2 = 1)
= P (X1 = 1)P (X2 = 2) + P (X1 = 2)P (X2 = 1)
1 1 1 1 2
= · + · = ,
6 6 6 6 36
P (Y = 4) = P (X1 = 1, X2 = 3 sau X1 = 2, X2 = 2 sau X1 = 3, X2 = 1)
= P (X1 = 1, X2 = 3) + P (X1 = 2, X2 = 2) + P (X1 = 3, X2 = 1)
= P (X1 = 1)P (X2 = 3) + P (X1 = 2)P (X2 = 2)+
1 1 1 1 1 1 3
+ P (X1 = 3)P (X2 = 1) = · + · + · = ,
6 6 6 6 6 6 36
...
1 1 1
P (Y = 12) = P (X1 = 6, X2 = 6) = P (X1 = 6)P (X2 = 6) = · = .
6 6 36
Obt, inem că Y are repartit, ia
2 3 4 5 6 7 8 9 10 11 12
Y : 1 2 3 4 5 6 5 4 3 2 1 .
36 36 36 36 36 36 36 36 36 36 36
⇔ P (X = x) = 0, ∀x ∈ R.
Definit, ia 3.4.2. O mult, ime M de numere reale se numes, te mult, ime neglijabilă (sau mult, ime
de măsură Lebesgue nulă) dacă pentru orice ε > 0 există o mult, ime numărabilă de intervale
deschise {(ai , bi ) | i ∈ N∗ } (ai , bi ∈ R, ai < bi pentru orice i ∈ N∗ ) astfel ı̂ncât
∞
[ ∞
X
M⊆ (ai , bi ) s, i (bi − ai ) < ε.
i=1 i=1
CAPITOLUL 3. VARIABILE ALEATOARE 76
Observat, ia 3.4.1. Orice mult, ime cel mult numărabilă de numere reale este o mult, ime neglijabilă.
Definit, ia 3.4.3. O variabilă aleatoare continuă X : Ω → R se numes, te v.a. absolut continuă
dacă funct, ia sa de repartit, ie FX este derivabilă s, i cu derivata continuă, cu except, ia unei mult, imi
neglijabile de puncte. În acest caz, funct, ia
fX : R → R, fX (x) = FX′ (x)
se numes, te densitatea de repartit, ie a v.a. X.
Propozit, ia 3.4.2. Fie X : Ω → R o v.a. absolut continuă având densitatea de repartit, ie f . Atunci
funct, ia de repartit, ie a v.a. X este
Z x
FX : R → R, FX (x) = f (t)dt, ∀x ∈ R, (3.4.1)
−∞
unde Z x Z x
f (t)dt = lim f (t)dt. (3.4.2)
−∞ a→−∞ a
Demonstraţie. Deoarece FX′ (x) = fX (x) (cu except, ia unei mult, imi neglijabile de puncte), rezultă că
Z x
f (t)dt = FX (x) − FX (a), ∀a, x ∈ R, a ≤ x.
a
Luând a → −∞ s, i utilizând proprietatea 3) din Propozit, ia 3.1.6 obt, inem egalitatea (3.4.1).
Z x
Observat, ia 3.4.2. Integrala f (t)dt definită prin relat, ia (3.4.2) se numes, te integrala improprie
−∞
a funct, iei f pe intervalul (−∞, x].
Propozit, ia 3.4.3 (de caracterizare a densităt, ilor de repartit, ie). O densitate de repartit, ie a
unei v.a. absolut continue este o funct, ie f : R → R continuă, cu except, ia unei mult, imi neglijabile de
puncte, caracterizată de următoarele două proprietăt, i:
1) fZ (x) ≥ 0, ∀x ∈ R;
+∞
2) f (x)dx = 1,
−∞
unde Z Z
+∞ b
f (x)dx = lim lim f (x)dx. (3.4.3)
−∞ a→−∞ b→+∞ a
Demonstraţie. Fie X : Ω → R o variabilă aleatoare absolut continuă având funct, ia de repartit, ie F
′
s, i densitatea de repartit
Z , ie f , deci f = F este funct, ie continuă (cu except, ia unei mult, imi neglijabile
x
de puncte) s, i F (x) = f (t)dt, pentru orice x ∈ R.
−∞
1) Conform Propozit, iei 3.1.6, funct, ia F este crescătoare, deci f (x) = F ′ (x) ≥ 0, ∀x ∈ R.
2) Utilizând proprietăt, ile integralei s, i Propozit, ia 3.1.6 avem
Z +∞ Z b
f (x)dx = lim f (x)dx = lim F (b) = 1.
−∞ b→+∞ −∞ b→+∞
Reciproc fie o funct, ie f ca ı̂n enunt, , ce verifică proprietăt, ile 1) s, i 2). Atunci funct, ia
Z x
F : R → R, F (x) = f (t)dt, ∀x ∈ R
−∞
verifică proprietăt, ile din Propozit, ia 3.1.6, deci este funct, ia de repartit, ie pentru o v.a. X, construită
ı̂n demonstrat, ia acelei propozit, ii. Deoarece F ′ (x) = f (x) (cu except, ia unei mult, imi neglijabile de
puncte), rezultă că X este o v.a. absolut continuă având ca densitate de repartit, ie chiar funct, ia dată
f.
CAPITOLUL 3. VARIABILE ALEATOARE 77
Z +∞
Observat, ia 3.4.3. Integrala f (x)dx definită prin relat, ia (3.4.3) se numes, te integrala improprie
−∞
a funct, iei f pe intervalul (−∞, +∞).
1. P (X = x) = 0;
Z x
2. P (X ≤ x) = P (X < x) = FX (x) = f (t)dt;
−∞
Z +∞
3. P (X ≥ x) = P (X > x) = 1 − FX (x) = f (t)dt, unde
x
Z +∞ Z a
f (t)dt = lim f (t)dt; (3.4.4)
x a→+∞ x
Demonstraţie. Utilizând Propozit, iile 3.1.7, 3.4.1 s, i 3.4.4, precum s, i proprietăt, ile integralei avem:
P (X = x) = 0;
Z x
P (X < x) = P (X ≤ x) − P (X = x) = P (X ≤ x) = FX (x) = f (t)dt;
−∞
P (X ≥ x) = P (X > x) + P (X = x) = P (X > x) = 1 − FX (x)
Z +∞ Z x Z +∞
= f (t)dt − f (t)dt = f (t)dt;
−∞ −∞ x
P (X ∈ [x, y]) = P (X ∈ (x, y)) = P (X ∈ [x, y)) = P (X ∈ (x, y]) = FX (y) − FX (x)
Z y Z x Z y
= f (t)dt − f (t)dt = f (t)dt.
−∞ −∞ x
Z +∞
Observat, ia 3.4.4. Integrala f (t)dt definită prin relat, ia (3.4.4) se numes, te integrala improprie
x
a funct, iei f pe intervalul [x, +∞).
Următorul rezultat este o consecint, ă a propozit, iei anterioare s, i a proprietăt, ilor integralei.
Propozit, ia 3.4.5. Fie X : Ω → R o v.a. absolut continuă având densitatea de repartit, ie f . Fie
A ⊆ R a.ı̂. X −1 (A) ∈ B. Atunci Z
P (X ∈ A) = f (x)dx.
A
Exemplul 3.4.1. Considerăm experimentul constând n̂ tragerea la o t, intă circulară de rază dată r,
r > 0. Presupunem că raza r este suficient de mare, n̂cât t, inta este ı̂ntotdeauna atinsă, s, i că orice
punct al t, intei are aceeas, i s, ansă de a fi atins. Notăm cu O centrul t, intei.
Fie X distant, a de la punctul unde este atinsă t, inta la centrul O al acesteia. Atunci X este o
variabilă aleatoare continuă având imaginea (mult, imea valorilor) intervalul [0, r].
CAPITOLUL 3. VARIABILE ALEATOARE 78
A(C(O, x)) π · x2 x2
P (X ≤ x) = = = ,
A(C(O, r)) π · r2 r2
unde A(C(O, r)) reprezintă aria cercului de centru O s, i rază r, deci funct, ia de repartit, ie a v.a. X
este
0 ,
dacă x ≤ 0,
x2
FX (x) = , dacă x ∈ (0, r) ,
r 2
1, dacă x ≥ r.
Evident,
0, dacă x ≤ 0,
2x
FX′ (x) = , dacă x ∈ (0, r) ,
2
r
0, dacă x > r.
Funct, ia FX este derivabilă pe R \ {r} (adică cu except, ia punctului r, deci cu except, ia unei mult, imi
neglijabile de puncte) s, i cu derivata continuă, deci X este o v.a. absolut continuă având densitatea
de repartit, ie
2x
, dacă x ∈ (0, r),
fX (x) = r 2
0 , dacă x 6∈ (0, r)
(am definit fX (r) = 0, dar la fel de bine puteam să definim fX (r) = a, cu a număr real arbitrar!).
Să calculăm acum probabilitatea ca t, inta să fie atinsăı̂n interiorul
coroanei circulare cuprinsă
r 2r r 2r
ı̂ntre cercurile cu centrele ı̂n O s, i de raze s, i , adică P X ∈ , .
3 3 3 3
Utilizând funct, ia de repartit, ie avem
r 2r r 2r 2r r
P X∈ , =P <X < =P X< −P X ≤
3 3 3 3 3 3
2r r 4 1 1
= FX − FX = − = .
3 3 9 9 3
a) Să se determine valoarea parametrului a ∈ R pentru care funct, ia f este densitatea de repartit, ie
a unei v.a. continue X.
b) Pentru valoarea lui a găsită la punctul anterior, să se calculeze funct, ia de repartit, ie a v.a. X
s, i probabilitatea ca X să apart, ină intervalului [1, 2].
CAPITOLUL 3. VARIABILE ALEATOARE 79
Solut, ie. a) Conform Propozit, iei 3.4.3, funct, ia f este densitate de repartit, ie dacă s, i numai dacă
Z +∞
f (x) ≥ 0, ∀x ∈ R, s, i f (x)dx = 1.
−∞
1
Astfel, 5a = 1, deci a = .
5
b) Conform punctului anterior, v.a. X are densitatea de repartit, ie
|x|
, dacă x ∈ [−1, 3],
f (x) = 5
0 , dacă x 6∈ [−1, 3].
Deci
0, dacă x ≤ −1,
2
1 − x ,
dacă x ∈ (−1, 0],
FX (x) = 10 2
1 + x
, dacă x ∈ (0, 3],
10
1 , dacă x > 3.
Probabilitatea ca X să apart, ină intervalului [1, 2] este
(m) (m)
Demonstraţie. Pentru orice s, iruri crescătoare (xj )m∈N∗ cu lim xj = +∞ pentru orice j ∈
m→∞
{1, 2, . . . , n} \ {i} avem
∞
[ (m) (m) (m) (m)
{X1 ≤ x1 , . . . , Xi−1 ≤ xi−1 , Xi+1 ≤ xi+1 , . . . , Xn ≤ x1 } = {Xi ≤ xi },
m=1
iar
(m) (m) (m) (m)
{X1 ≤ x1 , . . . , Xi−1 ≤ xi−1 , Xi+1 ≤ xi+1 , . . . , Xn ≤ x1 }
(m+1) (m+1) (m+1) (m+1)
⊆ {X1 ≤ x1 , . . . , Xi−1 ≤ xi−1 , Xi+1 ≤ xi+1 , . . . , Xn ≤ x1 }, ∀m ∈ N∗ .
unde FX este funct, ia de repartit, ie a vectorului X iar FX1 , FX2 , . . . , FXn sunt funct, iile de repartit, ie
ale componentelor X1 , X2 , . . . , Xn .
Demonstraţie. Conform Propozit, iei 3.2.1 s, i definit, ilor funct, iilor de repartit, ie avem echivalent, ele:
[
pXi (xi ) = P {X1 = x1 , . . . , Xi−1 = xi−1 , Xi = xi ,
x1 ∈X1 (Ω),...,xi−1 ∈Xi−1 (Ω),xi+1 ∈Xi+1 (Ω),...,xn ∈Xn (Ω)
!
Xi+1 = xi+1 , . . . , Xn = xn } ,
iar evenimentele reunite sunt disjuncte două câte două, de unde rezultă egalitatea din enunt, .
Următorul rezultat este o reformulare a Propozit, iei 3.3.3.
Propozit, ia 3.5.4. Variabilele aleatoare discrete X1 , X2 , . . . , Xn sunt independente dacă s, i numai
dacă pentru orice x1 ∈ X1 (Ω), x2 ∈ X2 (Ω), . . . , xn ∈ Xn (Ω) are loc egalitatea
p(X1 ,X2 ,...,Xn ) (x1 , x2 , . . . , xn ) = pX1 (x1 )pX2 (x2 ) . . . pXn (xn ).
5. FX (x) = lim F(X,Y ) (x, y), ∀x ∈ R s, i FY (y) = lim F(X,Y ) (x, y), ∀y ∈ R;
y→+∞ x→+∞
12. P (X < x, Y = y) = lim F(X,Y ) (t, y) − lim F(X,Y ) (t, u), ∀x, y ∈ R;
tրx tրx;uրy
13. P (X < x, Y > y) = lim FX (t) − lim F(X,Y ) (t, y), ∀x, y ∈ R;
tրx tրx
15. P (X = x, Y = y) = F(X,Y ) (x, y) − lim F(X,Y ) (t, y) − lim F(X,Y ) (x, u) + lim F(X,Y ) (t, u),
tրx uրy tրx;uրy
∀x, y ∈ R;
16. P (X = x, Y > y) = FX (x) − lim FX (t) − F(X,Y ) (x, y) + lim F(X,Y ) (t, y), ∀x, y ∈ R;
tրx tրx
17. P (X = x, Y ≥ y) = FX (x) − lim FX (t) − lim F(X,Y ) (x, u) + lim F(X,Y ) (t, u), ∀x, y ∈ R;
tրx uրy tրx;uրy
20. P (X ≥ x, Y ≥ y) = 1 − lim FX (x) − lim FY (u) + lim F(X,Y ) (t, u), ∀x, y ∈ R;
tրx uրy tրx;uրy
21. P (X ∈ (x1 , x2 ], Y ∈ (y1 , y2 ]) = F(X,Y ) (x2 , y2 ) − F(X,Y ) (x1 , y2 ) − F(X,Y ) (x2 , y1 ) + F(X,Y ) (x1 , y1 ),
∀x1 , x2 , y1, y2 ∈ R cu x1 < y1 s, i x2 < y2 .
Observat, ia 3.5.1. Analog se obt, in formule pentru calculul probabilităt, ilor ca o v.a. bidimensională
să apart, ină altor tipuri de intervale, ı̂n funct, ie de funct, ia de repartit, ie comună. De exemplu:
Repartit, ia v.a. Z este dată de valorile (xi , yj ), i ∈ {1, . . . , n}, j ∈ {1, . . . , m} s, i probabilităt, ile
corespunzătoare
Propozit, ia 3.5.6 (Formulele de calcul ale repartit, iilor marginale). În contextul definit, iei
anterioare, au loc egalităt, ile:
m
X
pi = pij , ∀i ∈ {1, . . . , n},
j=1
Xn
qj = pij , ∀j ∈ {1, . . . , m}.
i=1
(evenimentele reunite fiind disjuncte două câte două). Analog se obt, ine s, i a doua egalitate din
enunt, .
Observat, ia 3.5.3. În contextul definit, iei anterioare, repartit, ia comună (repartit, ia v.a. Z = (X, Y )) s, i
repartit, iile marginale (repartit, iile v.a. X s, i Y ) sunt reprezentate ı̂ntr-un tabel de forma
XY y1 ... yj ... ym P (X = xi )
x1 p11 ... p1j ... p1m p1
..
.
xi pi1 ... pij ... pim pi
..
.
xn pn1 . . . pnj . . . pnm pn
P (Y = yj ) q1 . . . qj . . . qm —
Conform propozit, iei anterioare, probabilităt, ile marginale pi , i ∈ {1, . . . , n}, sunt sumele pe liniile
tabelului, iar probabilităt, ile marginale qj , j ∈ {1, . . . , m}, sunt sumele pe coloanele tabelului.
Propozit, ia 3.5.7. În contextul Definit, iei 3.5.3, componentele X s, i Y sunt v.a. independente dacă
s, i numai dacă
pij = pi qj , ∀i ∈ {1, . . . , n}, ∀j ∈ {1, . . . , m}.
Demonstraţie. Conform Corolarului 3.3.1 avem echivalent, ele:
X s, i Y sunt independente
⇔ P (X = xi , Y = yj ) = P (X = xi )P (Y = yj ), ∀i ∈ {1, . . . , n}, ∀j ∈ {1, . . . , m}
⇔ pij = pi qj , ∀i ∈ {1, . . . , n}, ∀j ∈ {1, . . . , m}.
Observat, ia 3.5.4. Conform propozit, iei anterioare rezultă că repartit, ia unei variabile bidimensionale
având componentele v.a. finite independente, repartit, ia comună s, i repartit, iile marginale au forma
XY y1 ... yj ... ym P (X = xi )
x1 p1 q1 ... p1 qj ... p1 qm p1
..
.
xi pi q1 ... pi qj ... pi qm pi
..
.
xn pn q1 . . . pn qj . . . pn qm pn
P (Y = yj ) q1 . . . qj . . . qm —
CAPITOLUL 3. VARIABILE ALEATOARE 84
Observat, ia 3.5.5. Evident, Definit, ia 3.5.3 s, i Propozit, iile 3.5.6 s, i 3.5.7 pot fi extinse pentru v.a.
numărabile. De asemenea ele pot fi extinse s, i la cazul n-dimensional.
Exemplul 3.5.1. O urnă cont, ine 5 bile albe, 2 bile ros, ii s, i 3 bile negre. Se extrag 2 bile, cu ı̂ntoarcere.
Dacă variabila X reprezintă numărul bilelor albe extrase, iar variabila Y reprezintă numărul bilelor
ros, ii extrase, să se determine repartit, ia variabilei aleatoare bidimensionale Z = (X, Y ), precum s, i
repartit, iile marginale ale lui Z. Sunt v.a. X s, i Y independente?
Solut, ie. Evident, v.a. X s, i Y iau valorile 0, 1 s, i 2. Conform schemei multinomiale avem
x y 2−x−y
2! 5 2 3
P (X = x, Y = y) = · · · ,
x!y!(2 − x − y)! 10 10 10
∀x, y ∈ {0, 1, 2} a.ı̂. x + y ≤ 2.
Evident,
P (X = x, Y = y) = 0, ∀x, y ∈ {0, 1, 2} a.ı̂. x + y > 2.
Avem
2
2! 3 2 3
P (X = 0, Y = 0) = · = 0,09, P (X = 0, Y = 1) = 2! · · = 0,12,
2! 10 10 10
2
2 5 3
P (X = 0, Y = 2) = = 0,04, P (X = 1, Y = 0) = 2! · · = 0,3,
10 10 10
5 2
P (X = 1, Y = 1) = 2! · · = 0,2, P (X = 1, Y = 2) = 0,
10 10
2
5
P (X = 2, Y = 0) = = 0,25, P (X = 2, Y = 1) = P (X = 2, Y = 2) = 0.
10
Astfel, repartit, ia v.a. Z = (X, Y ) s, i repartit, iile marginale (repartit, iile v.a. X s, i Y ) sunt reprezentate
ı̂n următorul tabel.
XY 0 1 2 P (X = xi )
0 0,09 0,12 0,04 0,25
1 0,3 0,2 0 0,5
2 0,25 0 0 0,25
P (Y = yj ) 0,64 0,32 0,04 —
Probabilităt, ile marginale P (X = xi ) au fost calculate ca sume pe linii, iar probabilităt, ile marginale
P (Y = yj ) au fost calculate ca sume pe coloane.
Observăm că v.a. X s, i Y nu sunt independente, deoarece, de exemplu,
P (X = 0, Y = 0) = 0, 09 6= 0, 25 · 0, 64 = P (X = 0)P (Y = 0).
Exemplul 3.5.2. Două urne cont, in fiecare câte 5 bile albe, 2 bile ros, ii s, i 3 bile negre. Se extrag câte
2 bile din fiecare urnă, cu ı̂ntoarcere. Dacă variabila X reprezintă numărul bilelor albe extrase din
prima urnă, iar variabila Y reprezintă numărul bilelor ros, ii extrase din a două urnă, să se determine
repartit, ia variabilei aleatoare bidimensionale Z = (X, Y ), precum s, i repartit, iile marginale ale lui Z.
Solut, ie. Evident, de data aceasta v.a. X s, i Y sunt independente. Ele iau tot valorile 0, 1 s, i 2.
Conform schemei binomiale avem
x 2−x y 2−y
x 5 5 y 2 8
P (X = x) = C2 · · , P (Y = y) = C2 · · , ∀x, y ∈ {0, 1, 2},
10 10 10 10
CAPITOLUL 3. VARIABILE ALEATOARE 85
deci repartit, iile v.a. X s, i Y (repartit, iile marginale ale lui Z) sunt
! !
0 1 2 0 1 2
X: ,Y : .
0, 25 0, 5 0, 25 0, 64 0, 32 0, 04
V.a. X s, i Y fiind independente, conform Propozit, iei 3.5.7 s, i Observat, iei 3.5.4 rezultă că probabi-
lităt, ile comune se obt, in prin ı̂nmult, irea probabilităt, ilor marginale, deci repartit, ia v.a. Z = (X, Y ) (s, i
repartit, iile marginale) sunt reprezentate ı̂n următorul tabel.
XY 0 1 2 P (X = xi )
0 0,16 0,08 0,01 0,25
1 0,32 0,16 0,02 0,5
2 0,16 0,08 0,01 0,25
P (Y = yj ) 0,64 0,32 0,04 —
Definit, ia 3.5.4. O mult, ime M ⊆ R2 de numere reale se numes, te mult, ime neglijabilă (sau
mult, ime de măsură Lebesgue nulă) dacă pentru orice ε > 0 există o mult, ime numărabilă
de intervale deschise {(ai , bi ) × (ci , di ) | i ∈ N∗ } (ai , bi , ci , di ∈ R, ai < bi , ci < di , pentru orice
i ∈ N∗ ) astfel ı̂ncât
[∞ X∞
M ⊆ (ai , bi ) × (ci , di ) s, i (bi − ai )(di − ci ) < ε.
i=1 i=1
Definit, ia 3.5.5. Fie Z = (X, Y ) un vector aleator bidimensional (variabilă aleatoare bidimensională)
ale cărui componente X s, i Y sunt variabile aleatoare absolut continue. O funct, ie fZ : R → R
continuă, cu except, ia unei mult, imi neglijabile de puncte, ce satisface următoarele două proprietăt, i
1) fZ (x, y) ≥ 0, Z∀x,
Z y ∈ R,
2) P (Z ∈ A) = fZ (x, y)dxdy, ∀A ⊆ R2 , pentru orice A ⊆ R2 pentru care Z −1 (A) ∈ B,
A
se numes, te densitatea de repartit, ie a vectorului aleator Z.
Z = (X, Y ) se numes, te vector aleator absolut continuu.
Funct, ia fZ = f(X,Y ) se numes, te s, i densitatea de repartit, ie comună a v.a. X s, i Y .
Densitatea de repartit, ie fX a v.a. X se numes, te s, i densitatea de repartit, ie marginală a
v.a. Z ı̂n raport cu componenta X, iar densitatea de repartit, ie fY a v.a. Y se numes, te s, i
densitatea de repartit, ie marginală a v.a. Z ı̂n raport cu componenta Z.
Următorul rezultat se obt, ine analog Propozit, iei 3.4.2.
Propozit, ia 3.5.8. Fie Z = (X, Y ) un vector aleator bidimensional (variabilă aleatoare bidimensio-
nală) absolut continuu având densitatea de repartit, ie f(X,Y ) s, i funct, ia de repartit, ie F(X,Y ) . Atunci:
Z y Z x
1. F(X,Y ) (x, y) = f(X,Y ) (t, u)dtdu, ∀x, y ∈ R;
−∞ −∞
∂ 2 F(X,Y )
2. f(X,Y ) (x, y) = (x, y), ∀x, y ∈ R (cu except, ia unei mult, imi neglijabile de puncte).
∂x∂y
Demonstraţie. 1. Folosind definit, ia funct, iei de repartit, ie s, i proprietatea 2) din definit, ia anterioară
avem
Z y Z x
F(X,Y ) (x, y) = P ((X, Y ) ∈ (−∞, x] × (−∞, y]) = f(X,Y ) (t, u)dtdu, ∀x, y ∈ R.
−∞ −∞
CAPITOLUL 3. VARIABILE ALEATOARE 86
F(X,Y ) (x, y) − F(X,Y ) (a, y) − F(X,Y ) (x, b) + F(X,Y ) (a, b) = P (X ∈ (a, x], Y ∈ (b, y])
Z yZ x
= f(X,Y ) (t, u)dtdu
b a
∀x, y, a, b ∈ R cu x > a s, i y > b. Derivând ı̂ntâi ı̂n raport cu y, apoi ı̂n raport cu x se obt, ine
egalitatea din enunt, .
Propozit, ia 3.5.9 (Formulele de calcul ale densităt, ilor de repartit, ie marginale). În contextul
Definit, iei 3.5.5, au loc egalităt, ile:
Z +∞
fX (x) = f(X,Y ) (x, y)dy, ∀x ∈ R,
−∞
Z +∞
fY (y) = f(X,Y ) (x, y)dx, ∀y ∈ R
−∞
pentru orice x, a ∈ R cu x > a. Derivând ı̂n raport cu x obt, inem prima egalitate din enunt, . Analog
se obt, ine s, i cea de-a doua egalitate din enunt, .
Următorul rezultat se obt, ine analog Propozit, iilor 3.4.3 s, i 3.4.4.
2. P (X = x, Y ∈ A) = P (X ∈ A, Y = y) = 0, ∀x, y ∈ R, ∀A ⊆ R;
6. P (X ∈ [a, b], Y ∈ [c, d]) = P (X ∈ (a, b), Y ∈ (c, d)) = P (X ∈ [a, b], Y ∈ (c, d)) =
Z dZ b
= P (X ∈ (a, b), Y ∈ [c, d]) = f(X,Y ) (x, y)dxdy, ∀a, b, c, d ∈ R cu a < b s, i c < d.
c a
CAPITOLUL 3. VARIABILE ALEATOARE 87
7. Mai general, dacă I ∈ {[a, b], (a, b), [a, b), (a, b]} s, i J ∈ {[c, d], (c, d), [c, d), (c, d]}, unde
a, b, c, d ∈ R, a < b, c < d, iar la capetele infinite intervalele se consideră deschise, atunci
Z dZ b
P (X ∈ I, Y ∈ J) = f(X,Y ) (x, y)dxdy.
c a
Propozit, ia 3.5.11. În contextul Definit, iei 3.5.5, componentele X s, i Y sunt v.a. independente dacă
s, i numai dacă
f(X,Y ) (x, y) = fX (x)fY (y), ∀x, y ∈ R
(cu except, ia unei mult, imi neglijabile de puncte).
Demonstraţie. ”⇒” Presupunem că X s, i Y sunt v.a. independente. Conform Propozit, iei 3.5.2 avem
∂ 2 F(X,Y ) ∂2
f(X,Y ) (x, y) = (x, y) = (FX (x)FY (y)) = FX′ (x)FY′ (y) = fX (x)fY (y), ∀x, y ∈ R
∂x∂y ∂x∂y
(cu except, ia unei mult, imi neglijabile de puncte).
”⇐” Presupunem acum că are loc egalitatea din enunt, . Utilizând Propozit, iile 3.5.8 s, i 3.4.2 avem
Z y Z x Z y Z x Z x Z y
F(X,Y ) (x, y) = f(X,Y ) (t, u)dtdu = fX (t)fY (u)dtdu = fX (t)dt · fY (u)dtdu
−∞ −∞ −∞ −∞ −∞ −∞
= FX (x)FY (y), ∀x, y ∈ R,
a) Să se determine valoarea parametrului a ∈ R pentru care funct, ia f este densitatea de repartit, ie
a unui vector aleator Z = (X, Y ).
b) Pentru valoarea lui a găsită la punctul anterior, să se calculeze funct, ia de repartit, ie comună a
v.a. X s, i Y .
c) Pentru valoarea lui a găsită la punctul a), să se calculeze densităt, ile de repartit, ie ale v.a. X s, i
Y . Sunt variabilele X s, i Y independente?
d) Pentru valoarea lui a găsită la punctul a), să se calculeze următoarele probabilităt, i:
P (X ∈ [1, 2]), P (Y ∈ [0, 1]), P (X ∈ [1, 2], Y ∈ [0, 1]), P (X + Y ≥ 4).
Solut, ie. a) Conform definit, iei, f (x, y) ≥ 0, ∀x, y ∈ R, deci a ≥ 0.
Conform Propozit, iei 3.5.10, avem
Z +∞ Z +∞ Z 2 Z 3 Z 2 Z 3 Z 2 3
x3
1= f (x, y)dxdy = f (x, y)dxdy = a 2
(x + y)dxdy = a + yx dy
−∞ −∞ 0 0 0 0 0 3 x=0
Z 2 2
3y 2
=a (9 + 3y) dy = a 9y + = (18 + 6)a = 24a,
0 2 0
CAPITOLUL 3. VARIABILE ALEATOARE 88
1
deci a = .
24
1
Reciproc, pentru a = vom vedea la punctul c) că Z = (X, Y ) este un vector aleator având
24
componentele X s, i Y v.a. absolut continue.
b) Conform Propozit, iei 3.5.8, funct, ia de repartit, ie comună a v.a. X s, i Y este dată de
Z y Z x
F(X,Y ) (x, y) = f (t, u)dtdu, ∀x, y ∈ R.
−∞ −∞
Deci 2
x + 1
, dacă x ∈ [0, 3],
fX (x) = 12
0 , ı̂n caz contrar.
O altă metodă de calcul este următoarea:
• Se calculează funct, ia de repartit, ie a v.a. X ca funct, ie de repartit, ie marginală a vectorului
(X, Y ), conform Propozit, iei 3.5.5:
0, dacă x ≤ 0,
3
x + 3x
FX (x) = lim F(X,Y ) (x, y) = , dacă x ∈ (0, 3)
36
y→+∞
1, dacă x ≥ 3;
• Se calculează densitatea de repartit, ie a v.a. X ca derivată a funct, iei de repartit, ie, conform
Definit, iei 3.4.3:
0, dacă x < 0,
2
x +1
fX (x) = FX′ (x) = , dacă x ∈ (0, 3),
12
0, dacă x > 3.
Funct, ia FX nu este derivabilă ı̂n 0 s, i ı̂n 3, deci fX (0) s, i fX (3) pot fi alese arbitrar.
Densitatea de repartit, ie fY a v.a. Y este densitatea de repartit, ie marginală a vectorului (X, Y ),
deci conform Propozit, iei 3.5.9 avem
Z +∞
fY (y) = f (x, y)dx, ∀y ∈ R.
−∞
• Se calculează densitatea de repartit, ie a v.a. Y ca derivată a funct, iei de repartit, ie, conform
Definit, iei 3.4.3:
0, dacă y < 0,
′ y+3
fY (y) = FY (y) = , dacă y ∈ (0, 2),
8
0, dacă y > 2.
Funct, ia FY nu este derivabilă ı̂n 0 s, i ı̂n 2, deci fY (0) s, i fY (2) pot fi alese arbitrar.
Remarcăm faptul că aplicând Propozit, ia 3.4.3 (sau Propozit, ia 3.1.6 s, i Definit, ia 3.4.3), rezultă că
X s, i Y sunt v.a. absolut continue.
De asemenea, conform Propozit, iei 3.5.11 (sau Propozit, iei 3.5.2) rezultă că v.a. X s, i Y nu sunt
independente.
d) Utilizând densitatea de repartit, ie marginală avem:
Z 2 Z 2 2
1 1 x3 1 7 5
P (X ∈ [1, 2]) = fX (x)dx = 2
(x + 1)dx =
+x = +1 = .
1 12 1 12 3 1 12 3 18
O altă metodă de calcul se obt, ine utilizând funct, ia de repartit, ie comună, conform Propozit, iei 3.5.5:
P (X ∈ [1, 2], Y ∈ [0, 1]) = F(X,Y ) (2, 1) − F(X,Y ) (1, 1) − F(X,Y ) (2, 0) + F(X,Y ) (1, 0)
22 5 17
= − −0+0= .
144 144 144
Conform Definit, iei 3.5.5 avem
ZZ
P (X + Y ≥ 4) = f (x, y)dxdy,
A
unde
A = {(x, y) ∈ R2 | 0 ≤ x ≤ 3, 0 ≤ y ≤ 2, x + y ≥ 4}.
CAPITOLUL 3. VARIABILE ALEATOARE 91
A = {(x, y) ∈ R2 | 1 ≤ y ≤ 2, 4 − y ≤ x ≤ 3}.
Rezultă că
Z Z Z 2Z 3 Z 2 3 3
2 3
1 1 x
P (X + Y ≥ 4) = f (x, y)dxdy = 2
(x + y)dxdy = + yx dy
1 4−y 24 1 4−y 24 1 3 x=4−y
Z 2 Z 2
1 (4 − y)3 1 2 (4 − y)3
= 9 + 3y − − y(4 − y) dy = y −y+9− dy
24 1 3 24 1 3
2
1 y3 y2 (4 − y)4 1 7 3 65 53
= − + 9y + = − +9− = .
24 3 2 12 1 24 3 2 12 288
Exemplul 3.5.4. Fie X s, i Y două variabile aleatoare independente având densităt, ile de repartit, ie
2
x + 1
, dacă x ∈ [0, 3],
fX (x) = 12
0 , ı̂n caz contrar,
respectiv
y + 3 , dacă y ∈ [0, 2],
fY (y) = 8
0 , ı̂n caz contrar,
adică exact ca ı̂n exemplul anterior.
Să se calculeze din nou probabilităt, ile P (X ∈ [1, 2]), P (Y ∈ [0, 1]), P (X ∈ [1, 2], Y ∈ [0, 1]) s, i
P (X + Y ≥ 4).
Solut, ie. Primele două probabilităt, i se calculează exact ca ı̂n exemplul anterior:
Z 2 Z 2 2
1 1 x3 1 7 5
P (X ∈ [1, 2]) = fX (x)dx = 2
(x + 1)dx = +x = +1 = ;
1 12 1 12 3 1 12 3 18
Z 1 Z 1 2 1
1 1 y 1 1 7
P (Y ∈ [0, 1]) = fY (y)dx = (y + 3)dx = + 3y = +3 = .
0 8 0 8 2 0 8 2 16
Notând
A = {(x, y) ∈ R2 | 0 ≤ x ≤ 3, 0 ≤ y ≤ 2, x + y ≥ 4}
= {(x, y) ∈ R2 | 2 ≤ x ≤ 3, 4 − x ≤ y ≤ 2},
CAPITOLUL 3. VARIABILE ALEATOARE 92
avem
ZZ Z 3 Z 2
P (X + Y ≥ 4) = f(X,Y ) (x, y)dxdy = f(X,Y ) (x, y)dydx
A 2 4−x
Z 3 Z 2 Z 3 2 2
1 1 y
= 2
(x + 1)(y + 3)dydx = 2
(x + 1) + 3y dx
96 2 4−x 96 2 2 y=4−x
Z 3
1 2 (4 − x)2
= (x + 1) 8 − − 3(4 − x) dx
96 2 2
Z 3 Z 3
1 2 2 1
= (x + 1)(−x + 14x − 24)dx = (−x4 + 14x3 − 25x2 + 14x − 24)dx
192 2 192 2
5 3
1 x 7x 4
25x3 1139
= − + − + 7x2 − 24x = .
192 5 2 3 5760 2
(sub presupunerea că suma seriei există, ı̂n cazul ı̂n care v.a. X este numărabilă).
Definit, ia 3.6.2. Fie X : Ω → R o variabilă aleatoare continuă având densitatea de repartit, ie fX .
Media (valoarea medie a) v.a. X este
Z +∞
E(X) = xfX (x)dx
−∞
(sub presupunerea că integrala există, adică limita ce defines, te această integrală există).
Observat, ia 3.6.1. Media E(X) a unei v.a. X (discrete sau continue) se mai notează s, i cu M(X).
Definit, ia 3.6.3 (Momentele v.a.). Fie X : Ω → R o variabilă aleatoare (discretă sau continuă).
1. Fie r ∈ N∗ . Momentul de ordinul r al v.a. X este
E(X r )
(sub presupunerea că această valoare medie există, ı̂n cazul ı̂n care v.a. X este numărabilă sau
continuă).
(sub presupunerea că această valoare medie există, ı̂n cazul ı̂n care v.a. X este numărabilă sau
continuă).
CAPITOLUL 3. VARIABILE ALEATOARE 93
(sub presupunerea că aceast moment centrat există, ı̂n cazul ı̂n care v.a. X este numărabilă sau
continuă).
(sub presupunerea că suma seriei există, ı̂n cazul ı̂n care v.a. X este numărabilă).
Demonstraţie. Fie Y = g(X). Conform Propozit, iei 3.1.4, Y este variabilă aleatoare, iar deoarece X
este discretă rezultă că s, i Y este discretă. Avem
X X X X
E(g(X)) = E(Y ) = ypY (y) = yP (Y = y) = y P (X = x)
y∈Y (Ω) y∈Y (Ω) y∈Y (Ω) x∈g −1 ({y})
X X X X X
= ypX (x) = g(x)pX (x) = g(x)pX (x).
y∈Y (Ω) x∈g −1 ({y}) y∈Y (Ω) x∈g −1 ({y}) x∈X(Ω)
(sub presupunerea că suma seriei există, ı̂n cazul ı̂n care cel put, in una din v.a. X s, i Y este numărabilă).
Observat, ia 3.6.3. Evident, propozit, ia anterioară poate fi us, or extinsă la cazul n-dimensional.
Următoarele două rezultate sunt analoagele celor două propozit, ii anterioare ı̂n cazul v.a. continue.
Propozit, ia 3.6.3. Fie X : Ω → R o variabilă aleatoare continuă având densitatea de repartit, ie fX
s, i fie g : R → R o funct, ie continuă. Atunci
Z +∞
E(g(X)) = g(x)fX (x)dx
−∞
Propozit, ia 3.6.4. Fie X, Y : Ω → R două variabile aleatoare continuĕ având densitatea de repartit, ie
comună f(X,Y ) s, i fie g : R2 → R o funct, ie continuă. Atunci
Z +∞ Z +∞
E(g(X, Y )) = g(x, y)f(X,Y ) (x, y)dxdy
−∞ −∞
2. Cazul i) Dacă v.a. X este discretă, atunci X + a este tot o v.a. discretă s, i, utilizând Propozit, ia
3.6.1, avem
X X X
E(X + a) = (x + a)pX (x) = xpX (x) + a pX (x) = E(X) + a · 1 = E(X) + a.
x∈X(Ω) x∈X(Ω) x∈X(Ω)
Cazul ii) Dacă v.a. X este continuă, atunci X + a este tot o v.a. continuă s, i, utilizând Propozit, ia
3.6.3, avem
Z +∞ Z +∞ Z +∞
E(X + a) = (x + a)fX (x)dx = xfX (x)dx + a fX (x)dx = E(X) + a · 1 = E(X) + a.
−∞ −∞ −∞
Cazul ii) Dacă v.a. X s, i Y sunt continue, atunci utilizând Propozit, iile 3.6.4 s, i 3.5.9 avem
Z +∞ Z +∞
E(X + Y ) = (x + y)f(X,Y ) (x, y)dxdy
−∞ −∞
Z +∞ Z +∞ Z +∞ Z +∞
= x f(X,Y ) (x, y)dy dx + y f(X,Y ) (x, y)dx dy
−∞ −∞ −∞ −∞
Z +∞ Z +∞
= xfX (x)dx + yfY (y)dy = E(X) + E(Y ).
−∞ −∞
(sub presupunerea că suma seriei există, ı̂n cazul ı̂n care v.a. X este numărabilă).
(sub presupunerea că suma seriei există, ı̂n cazul ı̂n care v.a. X este numărabilă).
Următorul rezultat este o consecint, ă imediată a Definit, iei 3.6.3 s, i a Propozit, iei 3.6.3.
Propozit, ia 3.6.8 (Proprietăt, i ale dispersiei). Fie X : Ω → R o variabilă aleatoare (discretă sau
continuă). Avem:
2. var (X) ≥ 0;
3. Dacă v.a. X este constantă, adică există c ∈ R a.ı̂. X(ω) = c, ∀ω ∈ Ω, atunci var (X) = 0;
(adică aceeas, i ca ı̂n Exemplul 3.4.2). Să se calculeze media, dispersia s, i deviat, ia standard ale lui X.
Solut, ie. Media lui X este
Z +∞ Z Z Z
1 3 1 0 2 1 3 2
E(X) = xfX (x)dx = x|x|dx = (−x )dx + x dx
−∞ 5 −1 5 −1 5 0
0 3
x3 x3 1 27 26
=− + =− + = .
15 15−1 15 15
0 15
Observat, ia 3.6.5. Dispersia unei variabile aleatoare măsoară abaterea acelei variabile de la media sa,
adică gradul de ı̂mprăs, tiere a valorilor variabilei, având ca unitate de măsură pătratul unităt, ii de
măsură a valorilor variabilei. Deviat, ia standard măsoară acelas, i lucru, dar are ca unitate de măsură
chiar unitatea de măsură a valorilor variabilei.
Conform punctului 4 din propozit, ia anterioară rezultă că dacă dispersia unei variabile aleatoare
este egală cu zero, atunci masa de probabilitate a variabilei este concentrată ı̂n valoarea sa medie.
De asemenea rezultă că o variabilă aleatoare absolut continuă nu poate avea dispersia egală cu
zero.
cov (X, Y )
ρ(X, Y ) = ,
σX σY
sub presupunerea că abaterile medii pătratice există s, i sunt nenule.
Dacă ρ(X, Y ) = 0, atunci spunem că X s, i Y sunt v.a. necorelate.
2. cov (X, a) = 0, ∀a ∈ R.
1. ρ(Y, X) = ρ(X, Y );
0 ≤ var (Y − tX) = var (Y ) − 2cov (Y, tX) + var (tX) = var (X) · t2 − 2cov (X, Y ) · t + var (Y ), ∀t ∈ R.
Cum var (X) > 0, conform semnului funct, iei de gradul al doilea rezultă că
cov 2 (X, Y )
deci ρ2 (X, Y ) = ≤ 1 s, i astfel ρ(X, Y ) ∈ [−1, 1].
var (X)var (Y )
Analizând cazurile de egalitate s, i aplicând punctul 4 din Propozit, ia 3.6.8 se obt, in relat, iile de la
punctele 3 s, i 4.
5. Utilizând proprietăt, ile covariant, ei s, i ale dispersiei avem
1. E(XY ) = E(X)E(Y );
2. cov (X, Y ) = 0;
3. ρ(X, Y ) = 0;
Demonstraţie. a) 1. Cazul i) Dacă v.a. X s, i Y sunt discrete, atunci utilizând Propozit, iile 3.6.2 s, i
3.5.4 avem
X X X X
E(XY ) = xyp(X,Y ) (x, y) = xypX (x)pY (y)
x∈X(Ω) y∈Y (Ω) x∈X(Ω) y∈Y (Ω)
X X
= xpX (x) ypY (y) = E(X)E(Y ).
x∈X(Ω) y∈Y (Ω)
Cazul ii) Dacă v.a. X s, i Y sunt continue, atunci utilizând Propozit, iile 3.6.4 s, i 3.5.11 avem
Z +∞ Z +∞ Z +∞ Z +∞
E(XY ) = xyf(X,Y ) (x, y)dxdy = xyfX (x)fY (y)dxdy
−∞ −∞ −∞ −∞
Z +∞ Z +∞
= xfX (x)dx yfY (y)dy = E(X)E(Y ).
−∞ −∞
Avem
Z 2 Z 3 Z 2Z 3
1
E(XY ) = xyf(X,Y ) dxdy = (x3 y + xy 2 )dxdy
0 0 24 0 0
Z 3 Z 2 Z 3 Z 2 3 2 3 2 !
1 3 2 1 x4 y 2 x2 y 3
= x dx ydy + xdx y dy = · + ·
24 0 0 0 0 24 4 0 2 0 2 0 3 0
1 81 9 8 35
= ·2+ · = ,
24 4 2 3 16
Z 3 Z 3
4 3 2 3
!
1 3 1 x x 1 81 9 33
E(X) = xfX (x)dx = (x + x)dx = + = + = ,
0 12 0 12 4 0 2 0 12 4 2 16
Z 2 Z !
2 2
1 2 2 1 y 3 3y 2 1 8 13
E(Y ) = yfY (y)dy = (y + 3y)dy = + = +6 = ,
0 8 0 8 3 0 2 0 8 3 12
deci
35 33 13 3
cov (X, Y ) = E(XY ) − E(X)E(Y ) = − · =− .
16 16 12 64
b) Calculăm coeficientul de corelat, ie utilizând formula
cov (X, Y )
ρ(X, Y ) = .
σX σY
Avem
Z 3 Z 3
5 3
!
3 3
2 1 1 x x 1 243 24
E(X ) = x2 fX (x)dx = 4 2
(x + x )dx = + = +9 = ,
0 12 0 12 5 0 3 0 12 5 5
2
24 33 699
var (X) = E(X 2 ) − E 2 (X) = − = ,
5 16 1280
r √
p 699 3495
σX = var (X) = = ,
1280 80 !
Z 2 Z 2
2 2 1 2 3 2 1 y 4
3 2 1 3
E(Y ) = y fY (y)dy = (y + 3y )dy = + y 0 = (4 + 8) = ,
0 8 0 8 4 0 8 2
2
3 13 47
var (Y ) = E(Y 2 ) − E 2 (Y ) = − = ,
2 12 144
r √
p 47 47
σY = var (Y ) = = ,
144 12
deci √
3
cov (X, Y ) − 64 3 15
ρ(X, Y ) = = √ √ = −√ ≃ 0,111.
σX σY 3495
· 47 10951
80 12
Observat, ia 3.6.7. Proprietatea 3 din Propozit, ia 3.6.11 poate fi reformulată astfel: dacă v.a. X s, i Y
sunt independente, atunci X s, i Y sunt necorelate.
Reciproca acestei afirmat, ii nu este adevărată.
De exemplu, fie variabilele aleatoare finite X s, i Y având repartit, ia comună s, i repartit, iile indivi-
duale reprezentate ı̂n următorul tabel.
CAPITOLUL 3. VARIABILE ALEATOARE 103
XY -1 0 1 P (X = xi )
-2 0 0,125 0 0,125
-1 0 0,125 0 0,125
0 0,25 0 0,25 0,5
1 0 0,125 0 0,125
2 0 0,125 0 0,125
P (Y = yj ) 0,25 0,5 0,25 —
Avem
cov (X, Y ) = E(XY ) − E(X)E(Y ) = 0 − 0 · 0 = 0,
deci ρ(X, Y ) = 0 s, i astfel X s, i Y sunt necorelate, dar X s, i Y nu sunt independente, deoarece, de
exemplu,
P (X = 0, Y = 0) = 0 6= 0, 5 · 0, 5 = P (X = 0)P (Y = 0).
Definit, ia 3.6.5. Fie X = (X1 , X2 , . . . , Xn ) un vector aleator n-dimensional, n ≥ 2.
1. Media v.a. X este vectorul
E(X) = (E(X1 ), E(X2 ), . . . , E(Xn ))
(sub presupunerea că există mediile E(X1 ), E(X2 ), . . . , E(Xn )).
2. Matricea de covariant, ă a v.a. X este matricea
Cov (X) = (cov (Xi , Xj ))i,j=1,n
(sub presupunerea că există covariant, ele cov (Xi , Xj ), pentru orice i, j ∈ {1, 2, . . . , n}).
Observat, ia 3.6.8. Matricea de covariant, ă Cov (X) a unui vector aleator X se mai notează s, i cu
Var (X).
Definit, ia 3.6.6. a) O matrice pătratică A ∈ Mn (R) se numes, te pozitiv semidefinită dacă
xAx⊤ ≥ 0, ∀x = (x1 , . . . , xn ) ∈ Rn ,
unde x⊤ este transpusul vectorului x.
b) O matrice pătratică A ∈ Mn (R) se numes, te pozitiv definită dacă
xAx⊤ > 0, ∀x = (x1 , . . . , xn ) ∈ Rn \ {0n },
unde 0n = (0, . . . , 0) ∈ Rn este vectorului nul.
Propozit, ia 3.6.12. Dacă X = (X1 , X2 , . . . , Xn ) este un vector aleator n-dimensional (n ≥ 2) având
matricea de covariant, ă Cov (X), atunci matricea Cov (X) este simetrică s, i pozitiv semidefinită.
Demonstraţie. Evident, matricea Cov (X) este simetrică, deoarece
cov (Xi , Xj ) = cov (Xj , Xi ), ∀i, j ∈ {1, . . . , n}.
Pentru orice x = (x1 , . . . , xn ) ∈ Rn avem
xCov (X)x⊤ = xE (X − E(X))⊤ (X − E(X)) x⊤
= E x(X − E(X))⊤ (X − E(X))x⊤
= E (xX ⊤ − E(xX ⊤ ))(xX ⊤ − E(xX ⊤ ))⊤
= E (xX ⊤ − E(xX ⊤ ))2
= var (xX ⊤ ) ≥ 0,
deci matricea Cov (X) este pozitiv semidefinită.
CAPITOLUL 3. VARIABILE ALEATOARE 104
Exemplul 3.6.5. Fie Z = (X, Y ) variabila aleatoare bidimensională finită din Exemplul 3.5.1. Se cere
să se calculeze media s, i matricea de covariant, ă ale lui Z.
Solut, ie. Utilizând rezolvarea Exemplului 3.6.3 s, i proprietăt, ile covariant, ei, avem
Exemplul 3.6.6. Fie Z = (X, Y ) variabila aleatoare bidimensională continuă din Exemplul 3.6.4. Se
cere să se calculeze media s, i matricea de covariant, ă ale lui Z.
Solut, ie. Utilizând rezolvarea Exemplului 3.6.4 s, i proprietăt, ile covariant, ei, avem
33 13
E(X) = , E(Y ) = ,
16 12
699
cov (X, X) = var (X) = ,
1280
47
cov (Y, Y ) = var (Y ) = ,
144
3
cov (Y, X) = cov (X, Y ) = − ,
64
deci media vectorului aleator Z = (X, Y ) este vectorul
33 13
E(Z) = (E(X), E(Y )) = , ,
16 12
este o variabilă aleatoare definită pe câmpul de probabilitate (A, BA , PA ), având funct, ia de repartit, ie
P ({X ≤ x} ∩ A)
FX|A : R → R, FX|A (x) = , ∀x ∈ R.
P (A)
Demonstraţie. Pentru orice x ∈ R avem (X|A)−1((−∞, x]) = X −1 ((−∞, x]) ∩ A ∈ BA , deci X|A
este o variabilă aleatoare. Avem
P ({X ≤ x} ∩ A)
FX|A (x) = P (X ≤ x|A) = , ∀x ∈ R.
P (A)
Definit, ia 3.7.1. În contextul propozit, iei anterioare, X|A se numes, te variabilă aleatoare condi-
t, ionată de evenimentul A. Funct, ia sa de repartit, ie, FX|A , se numes, te funct, ia de repartit, ie
a v.a. X condit, ionată de evenimentul A. Media sa, E(X|A), se numes, te media v.a. X
condit, ionată de evenimentul A.
Propozit, ia 3.7.2. În contextul propozit, iei anterioare, dacă v.a. X este discretă, atunci s, i v.a. X|A
este discretă. Masa sa de probabilitate este
P ({X = x} ∩ A)
pX|A : R → R, pX|A (x) = , ∀x ∈ R,
P (A)
iar media sa este X
E(X|A) = xpX|A (x)
x∈X(Ω)
(sub presupunerea că suma seriei există, ı̂n cazul ı̂n care v.a. X este numărabilă).
CAPITOLUL 3. VARIABILE ALEATOARE 106
Demonstraţie. Avem (X|A)(A) = X(A) ⊆ X(Ω), deci v.a. X|A este discretă. Conform definit, iei
masei de probabilitate s, i formulei probabilităt, ii condit, ionate avem
P ({X = x} ∩ A)
pX|A (x) = P (X = x|A) = , ∀x ∈ R.
P (A)
Ultima formulă din enunt, este evidentă, conform formulei mediei v.a. discrete.
Definit, ia 3.7.2. În contextul propozit, iei anterioare, funct, ia pX|A se numes, te masa de probabili-
tate a v.a. X condit, ionată de evenimentul A.
Propozit, ia 3.7.3. Fie (Ω, B, P ) un câmp de probabilitate, X : Ω → R oS variabilă aleatoare discretă,
I o mult, ime cel mult numărabilă de indici s, i fie (Ai )i∈I ⊆ B a.ı̂. Ω = Ai , Ai ∩ Aj = ∅, ∀i 6= j.
i∈I
Avem X
pX (x) = P (Ai )pX|Ai (x), ∀x ∈ R.
i∈I
P (Ai )>0
De asemenea, avem X
E(X) = P (Ai )E(X|Ai )
i∈I
P (Ai )>0
(sub presupunerea că X ≥ 0, ı̂n cazul ı̂n care v.a. X este numărabilă s, i mult, imea I este numărabilă).
Demonstraţie. Prima egalitate este o rescriere evidentă a formulei probabilităt, ii totale. Avem
X X X X X
E(X) = xpX (x) = x P (A )p (x) = P (Ai ) xpX|Ai (x)
i X|A i
x∈X(Ω) x∈X(Ω) i∈I i∈I x∈X(Ω)
P (Ai )>0 P (Ai )>0
X
= P (Ai )E(X|Ai )
i∈I
P (Ai )>0
(presupunerea suplimentară din enunt, asigură posibilitatea permutării celor două sume).
Propozit, ia 3.7.4. Fie (Ω, B, P ) un câmp de probabilitate, X, Y : Ω → R două variabile aleatoare
discrete s, i fie y ∈ R a.ı̂. P (Y = y) > 0. Atunci X|{Y = y} este o variabilă aleatoare discretă având
masa de probabilitate
p(X,Y ) (x, y)
pX|{Y =y} : R → R, pX|{Y =y} (x) = , ∀x ∈ R,
pY (y)
unde p(X,Y ) este masa de probabilitate comună a v.a. X s, i Y , iar pY este masa de probabilitate a
v.a. Y .
Demonstraţie. Se aplică Propozit, ia 3.7.2 pentru evenimentul A = {Y = y}.
Definit, ia 3.7.3. În contextul corolarului anterior, funct, ia pX|{Y =y} se numes, te masa de probabi-
litate a v.a. X condit, ionată de Y = y s, i se notează s, i cu pX|Y (·|y).
Propozit, ia 3.7.5. În contextul propozit, iei anterioare, media v.a. X|{Y = y} este
X
E(X|Y = y) = xpX|Y (x|y)
x∈X(Ω)
(sub presupunerea că suma seriei există, ı̂n cazul ı̂n care v.a. X este numărabilă).
CAPITOLUL 3. VARIABILE ALEATOARE 107
Propozit, ia 3.7.6 (formula probabilităt, ii totale pentru mase de probabilitate). Fie (Ω, B, P )
un câmp de probabilitate s, i fie X, Y : Ω → R două variabile aleatoare discrete. Atunci
X
pX (x) = pY (y)pX|Y (x|y), ∀x ∈ R.
y∈Y (Ω)
pY (y)>0
Demonstraţie. Se aplică Propozit, ia 3.7.3 pentru evenimentele ({Y = y})y∈Y (Ω) . O demonstrat, ie
directă este următoarea:
[ X
pX (x) = P (X = x) = P {X = x, Y = y} = P (X = x, Y = y)
y∈Y (Ω) y∈Y (Ω)
X X X
= P (X = x, Y = y) = p(X,Y ) (x, y) = pY (y)pX|Y (x|y),
y∈Y (Ω) y∈Y (Ω) y∈Y (Ω)
P (Y =y)>0 pY (y)>0 pY (y)>0
pentru orice x ∈ R.
(sub presupunerea că X ≥ 0, ı̂n cazul ı̂n care ambele v.a. X s, i Y sunt numărabile).
Propozit, ia 3.7.8 (formula lui Bayes pentru mase de probabilitate). Fie (Ω, B, P ) un câmp
de probabilitate, X, Y : Ω → R două variabile aleatoare discrete s, i fie x, y ∈ R a.ı̂. pX (x) > 0 s, i
pY (y) > 0. Atunci
pY (y)pX|Y (x|y) pY (y)pX|Y (x|y)
pY |X (y|x) = = P .
pX (x) pY (t)pX|Y (x|t)
t∈Y (Ω)
pY (t)>0
Demonstraţie. Conform formulei masei de probabilitate condit, ionate s, i formulei probabilităt, ii totale
pentru mase de probabilitate avem
Demonstraţie. Echivalent, a din enunt, este o consecint, ă imediată a Propozit, iilor 3.5.4 s, i 3.7.4, utilizând
faptul că pentru pY (y) = 0, cum {X = x, Y = y} ⊆ {Y = y}, avem s, i p(X,Y ) (x, y) = 0, pentru orice
x ∈ X(Ω).
CAPITOLUL 3. VARIABILE ALEATOARE 108
p(X,Y ) (x, y)
pX|Y (x|y) = , ∀x, y ∈ R,
pY (y)
avem
0,09 9 0,3 30 0,25 25
pX|Y (0|0) = = , pX|Y (1|0) = = , pX|Y (2|0) = = ,
0,64 64 0,64 64 0,64 64
0,12 3 0,2 5 0
pX|Y (0|1) = = , pX|Y (1|1) = = , pX|Y (2|1) = = 0,
0,32 8 0,32 8 0,32
0,04 0 0
pX|Y (0|2) = = 1, pX|Y (1|2) = = 0, pX|Y (2|2) = = 0,
0,04 0,04 0,04
deci repartit, iile variabilelor aleatoare condit, ionate X|{Y = yj }, j ∈ {0, 1, 2}, sunt:
!
0 1 2 0 1 2 0 1 2
X|{Y = 0} : 9 30 25 , X|{Y = 1} : 3 5 , X|{Y = 2} : .
0 1 0 0
64 64 64 8 8
Mediile lor sunt:
9 30 25 5
E(X|Y = 0) = 0 · +1· +2· = ,
64 64 64 4
3 5 5
E(X|Y = 1) = 0 · + 1 · + 2 · 0 = ,
8 8 8
E(X|Y = 2) = 0 · 1 + 1 · 0 + 2 · 0 = 0.
p(X,Y ) (x, y)
pY |X (y|x) = , ∀x, y ∈ R,
pX (x)
avem
0,09 9 0,12 12 0,04 4
pY |X (0|0) = = , pY |X (1|0) = = , pY |X (2|0) = = ,
0,25 25 0,25 25 0,25 25
0,3 3 0,2 2 0
pY |X (0|1) = = , pY |X (1|1) = = , pY |X (2|1) = = 0,
0,5 5 0,5 5 0,5
0,25 0 0
pY |X (0|2) = = 1, pY |X (1|2) = = 0, pY |X (2|2) = = 0,
0,25 0,25 0,25
CAPITOLUL 3. VARIABILE ALEATOARE 109
deci repartit, iile variabilelor aleatoare condit, ionate X|{Y = yj }, j ∈ {0, 1, 2}, sunt:
!
0 1 2 0 1 2 0 1 2
Y |{X = 0} : 9 12 4 , Y |{X = 1} : 3 2 , Y |{X = 2} : .
0 1 0 0
25 25 25 5 5
Mediile lor sunt:
9 12 4 4
E(Y |X = 0) = 0 · +1· +2· = ,
25 25 25 5
3 2 2
E(Y |X = 1) = 0 · + 1 · + 2 · 0 = ,
5 5 5
E(Y |X = 2) = 0 · 1 + 1 · 0 + 2 · 0 = 0.
b) Aplicând Propozit, ia 3.7.7 avem:
E(X) = pY (0)E(X|Y = 0) + pY (1)E(X|Y = 1) + pY (2)E(X|Y = 2)
5 5
= 0,64 · + 0,32 · + 0,04 · 0 = 1,
4 8
E(Y ) = pX (0)E(Y |X = 0) + pX (1)E(Y |X = 1) + pX (2)E(Y |X = 2)
4 2
= 0,25 · + 0,5 · + 0,25 · 0 = 0,4.
5 5
de unde prin derivare se obt, ine prima formulă din enunt, . Avem
Z +∞ Z +∞ n
! n Z
X X +∞
E(X) = xfX (x)dx = x P (Ai )fX|Ai (x) dx = P (Ai ) xfX|Ai (x)
−∞ −∞ i=1 i=1 −∞
n
X
= P (Ai )E(X|Ai ).
i=1
cu except, ia unei mult, imi neglijabile de puncte, unde fX este densitatea de repartit, ie a v.a. X.
De asemenea, avem
Xn
E(X) = P (Ai )E(X|{Y ∈ Ai })
i=1
Demonstraţie. Evident, fX|{Y =y} (x) ≥ 0, ∀x ∈ R. Conform Propozit, iei 3.5.9 avem
Z +∞ R +∞
f(X,Y ) (x, y)dx fY (y)
fX|{Y =y} (x)dx = −∞ = = 1.
−∞ fY (y) fY (y)
Conform Propozit, iei 3.4.3 rezultă afirmat, ia din enunt, .
Definit, ia 3.7.5. În contextul propozit, iei anterioare, funct, ia fX|{Y =y} se numes, te densitatea de
repartit, ie a v.a. X condit, ionată de Y = y s, i se notează s, i cu fX|Y (·|y).
Variabila aleatoare continuă care are această densitate de repartit, ie se notează cu X|{Y = y} s, i
se numes, te variabilă aleatoare condit, ionată de evenimentul {Y = y}.
Funct, ia sa de repartit, ie,
Z x
FX|{Y =y} : R → [0, 1], FX|{Y =y} (x) = fX|Y (t|y)dt, ∀x ∈ R,
−∞
P (Y = y) = 0.
P (X ∈ A, Y = y) = P (X ∈ A|Y = y) · P (Y = y)
(luând, prin cconvent, ie, fX|Y (x|y) arbitrar, pentru fY (y) = 0).
CAPITOLUL 3. VARIABILE ALEATOARE 112
pentru orice x ∈ R.
Demonstraţie. Utilizând Propozit, ia 3.6.4, formula densităt, ii de repartit, ie condit, ionate s, i Definit, ia
3.7.5, avem
Z +∞ Z +∞ Z +∞ Z +∞
E(X) = xf(X,Y ) (x, y)dxdy = xfY (y)fX|Y (x|y)dxdy
−∞ −∞ −∞ −∞
Z +∞ Z +∞ Z +∞
= fY (y) xfX|Y (x|y)dxdy = fY (y)E(X|Y = y)dy.
−∞ −∞ −∞
Propozit, ia 3.7.15 (formula lui Bayes pentru densităt, i de repartit, ie). Fie (Ω, B, P ) un câmp
de probabilitate, X, Y : Ω → R două variabilă aleatoare absolut continue având densitate de repartit, ie
comună s, i fie x, y ∈ R a.ı̂. fX (x) > 0 s, i fY (y) > 0. Atunci
(luând, prin cconvent, ie, fX|Y (x|t) arbitrar, pentru fY (t) = 0).
Demonstraţie. Conform formulei densităt, ii de repartit, ie condit, ionate s, i formulei probabilităt, ii totale
pentru densităt, i de repartit, ie avem
Demonstraţie. Echivalent, a din enunt, este o consecint, ă imediată a Propozit, iei 3.5.11 s, i formulei den-
sităt, ii de repartit, ie condit, ionate.
CAPITOLUL 3. VARIABILE ALEATOARE 113
1
Exemplul 3.7.2. Fie X s, i Y variabilele aleatoare continue din Exemplul 3.5.3 (pentru a = ).
24
a) Să se calculeze densităt, ile de repartit, ie s, i mediile variabilelor aleatoare condit, ionate X|{Y = y}
s, i Y |{X = x}, pentru y ∈ [0, 2] s, i x ∈ [0, 3].
b) Să se calculeze probabilităt, ile condit, ionate P (X ∈ [1, 2]|Y = y) si P (Y ∈ [0, 1]|X = x), pentru
y ∈ [0, 2] s, i x ∈ [0, 3].
c) Să se calculeze mediile condit, ionate E(X|Y = 1) si E(Y |X = 2) s, i probabilităt, ile condit, ionate
P (X ∈ [1, 2]|Y = 1) si P (Y ∈ [0, 1]|X = 2).
d) Utilizând rezultatele obt, inute la punctul a), să se calculeze mediile v.a. X s, i Y .
Solut, ie. Conform rezolvării Exemplului 3.5.3 v.a. X s, i Y au densitatea de repartit, ie comună
2
x + y
, dacă x ∈ [0, 3] s, i y ∈ [0, 2],
f(X,Y ) : R2 → R, f(X,Y ) (x, y) = 24
0 , ı̂n caz contrar
s, i densităt, ile de repartit, ie (individuale, marginale)
2
x + 1 y + 3 , dacă y ∈ [0, 2]
, dacă x ∈ [0, 3]
fX (x) = 12 , fY (y) = 8 .
0 , ı̂n caz contrar 0 , ı̂n caz contrar
a) Fie y ∈ [0, 2], deci fY (y) > 0. Aplicând formula densităt, ii de repartit, ie condit, ionate, rezultă
că densitatea de repartit, ie a v.a. X condit, ionată de Y = y este
2
x +y
f(X,Y ) (x, y) , dacă x ∈ [0, 3]
fX|Y (x|y) = = 3(y + 3)
fY (y)
0, ı̂n caz contrar.
Media sa este
Z +∞ Z 3 3
x3 + xy 1 x4 yx2
E(X|Y = y) = xfX|Y (x|y)dx = dx = +
−∞ 3(y + 3) 3(y + 3) 4 2 x=0
0
1 81 9y 6y + 27
= + = .
3(y + 3) 4 2 4(y + 3)
Fie acum x ∈ [0, 3], deci fX (x) > 0. Aplicând formula densităt, ii de repartit, ie condit, ionate,
rezultă că densitatea de repartit, ie a v.a. Y condit, ionată de X = x este
2
x +y
f(X,Y ) (x, y) , dacă y ∈ [0, 2]
fY |X (y|x) = = 2(x2 + 1)
fX (x)
0, ı̂n caz contrar.
Media sa este
Z Z 2
+∞ 2
x2 y + y 2 1 x2 y 2 y 3
E(Y |X = x) = yfY |X (y|x)dy = dy = +
−∞ 0
2
2(x + 1) 2
2(x + 1) 2 3 y=0
1 2 8 3x2 + 4
= 2x + = .
2(x2 + 1) 3 3(x2 + 1)
b) Fie y ∈ [0, 2]. Avem
Z 2 Z 2 2
x2 + y 1 x3
P (X ∈ [1, 2]|Y = y) = fX|Y (x|y)dx = dx = + yx
1 3(y + 3) 3(y + 3) 3
1 x=1
1 7 3y + 7
= +y = .
3(y + 3) 3 9(y + 3)
CAPITOLUL 3. VARIABILE ALEATOARE 114
Observat, ia 3.7.2. Definit, iile s, i rezultatele din această secţiune pot fi us, or extinse la cazul n-dimensional.
ψX : R → R, ψX (t) = E(etX ), ∀t ∈ R.
ϕX : R → C, ϕX (t) = E(eitX ), ∀t ∈ R
Propozit, ia 3.8.1. Fie X : Ω → R o variabilă aleatoare (discretă sau continuă). Atunci pentru orice
r ∈ N∗ au loc relat, iile
∂ r ψX ∂ r ϕX
(0) = E(X r ), (0) = ir E(X r ).
∂tr ∂tr
CAPITOLUL 3. VARIABILE ALEATOARE 115
Demonstraţie. Cazul 1. Dacă v.a. X este discretă, atunci etX este tot o v.a. discretă s, i, utilizând
Propozit, ia 3.6.1, avem X
ψX (t) = E(etX ) = etx pX (x).
x∈X(Ω)
Rezultă că
∂ r ψX X
r
(t) = xr etx pX (x),
∂t
x∈X(Ω)
deci
∂ r ψX X
(0) = xr pX (x) = E(X r ).
∂tr
x∈X(Ω)
Cazul 2. Dacă v.a. X este continuă, atunci etX este tot o v.a. continuă s, i, utilizând Propozit, ia
3.6.3, avem Z +∞
tX
ψX (t) = E(e ) = etx fX (x)dx.
−∞
Rezultă că Z +∞
∂ r ψX
(t) = xr etx fX (x)dx,
∂tr −∞
deci Z +∞
∂ r ψX
(0) = xr fX (x)dx = E(X r ).
∂tr −∞
Demonstraţie. Deoarece v.a. X1 , . . . , Xn sunt independente, confrm Propozit, iei 3.2.1 rezultă că s, i
v.a. etX1 , . . . , etXn sunt independente. Utilizând Propozit, ia 3.6.11 avem
ψX1 +...+Xn (t) = E(et(X1 +...+Xn ) ) = E(etX1 · . . . · etXn ) = E(etX1 ) · . . . · E(etXn ) = ψX1 (t) . . . ψXn (t).
Repartit, ii clasice
116
CAPITOLUL 4. REPARTIT, II CLASICE 117
Cak · Cbn−k
P (X = k) = n
, ∀k ∈ {max{n − b, 0}, . . . , min{n, a}}.
Ca+b
Observat, ia 4.1.5. Repartit, ia hipergeometrică este repartit, ia specifică schemei bilei neı̂ntoarse.
Propozit, ia 4.1.4. Fie n, a, b ∈ N∗ a.ı̂. n ≤ a + b. Dacă X este o v.a. având o repartit, ie hipergeo-
metrică de parametri n, a s, i b, atunci
na nab(a + b − n)
E(X) = , var (X) = .
a+b (a + b)2 (a + b − 1)
Observat, ia 4.1.6. Repartit, ia hipergeometrică generalizată este repartit, ia specifică schemei hipergeo-
metrice generalizate.
Observat, ia 4.1.7. Luând r = 2 obt, inem repartit, ia hipergeometrică.
Propozit, ia 4.1.5. Fie r ∈ N, r ≥ 2 s, i a1 , a2 , . . . , ar ∈ N∗ a.ı̂. n ≤ s, unde s = a1 + a2 + . . . + ar .
Dacă X = (X1 , X2 , . . . , Xr ) este un vector aleator având o repartit, ie hipergeometrică generalizată de
parametri n s, i a1 , a2 , . . . , ar , atunci
P (Ai ) = p s, i P (Ai ) = 1 − p, ∀i ∈ N∗ .
deci
k
P (X = k) = Cn+k−1 pn (1 − p)k , ∀k ∈ N,
adică repartit, ia v.a. X este repartit, ia binomială negativă de parametri n s, i p.
Propozit, ia 4.1.9. Dacă X ∼ BN(n, p) cu p > 0, atunci
n(1 − p) n(1 − p)
E(X) = , var (X) = .
p p2
Dacă X ∼ BN(n, p), atunci
n n
p p
ψX (t) = , ϕX (t) = .
1 − (1 − p)et 1 − (1 − p)eit
Dacă X1 ∼ BN(n1 , p), X2 ∼ BN(n2 , p), . . . , Xk ∼ BN(nk , p) sunt v.a. independente (k ∈ N, k ≥
2), atunci X1 + X2 + . . . + Xk ∼ BN(n1 + n2 + . . . + nk , p).
Observat, ia 4.1.10. Repartit, ia geometrică este un caz particular al repartit, iei binomiale negative, s, i
anume cazul n = 1.
λk
P (X = k) = e−λ · , ∀k ∈ N.
k!
Notăm X ∼ Po(λ).
CAPITOLUL 4. REPARTIT, II CLASICE 120
Observat, ia 4.1.11. Conform propozit, iei anterioare rezultă că repartit, ia Poisson este o aproximare a
repartit, iei binomiale pentru n → ∞. Mai mult, utilizând formula lui Stirling cu margini ale restului
date de H. Robbins ([27])
√ n n 1 √ n n 1
2πn · ·e 12n+1 < n! < 2πn · · e 12n , ∀n ∈ N∗ ,
e e
se obt, ine că această aproximare este bună pentru n > 10 s, i pn < 0,1.
Dacă X = (X1 , . . . , Xn ) este un vector aleator având această repartit, ie, notăm X ∼ N(m, A).
V.a. X1 , . . . , Xn sunt independente dacă s, i numai dacă matricea A este diagonală (adică aij = 0
pentru orice i 6= j).
CAPITOLUL 4. REPARTIT, II CLASICE 123
Propozit, ia 4.2.5. Dacă X este o v.a. având repartit, ia exponent, ială de parametru λ, atunci
1 1
E(X) = , var (X) = 2 ,
λ λ
t
ψX (t) = 1 − .
λ
Observat, ia 4.2.3. Funct, ia Γ din definit, ia anterioară se numes, te funct, ia Gamma. Ea are următoarele
proprietăt, i:
Propozit, ia 4.2.6. Dacă X este o v.a. având repartit, ia Gamma de parametri a s, i λ, atunci
a a
E(X) = , var (X) = 2 ,
λ λ
−a
t
ψX (t) = 1 − .
λ
Observat, ia 4.2.4. Repartit, ia exponent, ială este un caz particular al repartit, iei Gamma, s, i anume cazul
a = 1.
Observat, ia 4.2.7. Funct, ia β din definit, ia anterioară se numes, te funct, ia beta. Are loc egalitatea
Γ(a)Γ(b)
β(a, b) = , ∀a, b > 0.
Γ(a + b)
Propozit, ia 4.2.9. Dacă X este o v.a. având repartit, ia beta de parametri a s, i b, atunci
a ab
E(X) = , var (X) = .
a+b (a + b)2 (a + b + 1)
λk
P (X = k|Λ = λ) = e−λ · , ∀k ∈ N, ∀λ > 0.
k!
Exemplul 4.3.1. Fie Λ o variabilă aleatoare discretă având repartit, ia
λ1 λ2 . . . λn
Λ: , unde λi > 0, ∀i ∈ {1, . . . , n}.
p1 p2 . . . pn
Atunci repartit, ia Poisson mixată cu repartit, ia lui Λ este repartit, ia unei v.a. discrete X dată de
n
X n
X λki
P (X = k) = pi P (X = k|Λ = λi ) = pi e−λi , ∀k ∈ N
i=1 i=1
k!
Atunci repartit, ia Poisson Gamma-mixtă de parametri a s, i b este repartit, ia unei v.a. discrete X
dată de
Z ∞
P (X = k) = P (X = k|Λ = λ)f (λ)dλ
0
Z ∞
λk 1 λ
= e−λ · · a · λa−1 e− b dλ
0 k! b Γ(a)
Z ∞
1 (b+1)λ
= a
λa+k−1 e− b dλ, ∀k ∈ N.
k! · b · Γ(a) 0
(b + 1)λ
Efectuând schimbarea de variabilă = x s, i proprietăt, ile funct, iei Γ (Observat, ia 4.2.3)
b
obt, inem
Z ∞ a+k−1
1 bx b
P (X = k) = · e−x · dx
k!Γ(a)ba 0 b+1 b+1
a k Z ∞
1 1 b
= · · · xa+k−1 e−x dx
k!Γ(a) b+1 b+1 0
a k
1 1 b
= · · · Γ(a + k)
k!Γ(a) b+1 b+1
a k
1 1 b
= · · · (a + k − 1)(a + k − 2) . . . aΓ(a)
k!Γ(a) b+1 b+1
a k
k 1 1
= Ca+k−1 · · 1− , ∀k ∈ N.
b+1 b+1
1
Conform Definit, iei 4.1.7 rezultă că X ∼ BN(a, b+1 ), adică repartit, ia Poisson Gamma-mixtă de
1
parametri a s, i b coincide cu repartit, ia binomială negativă de parametri a s, i b+1 .
Capitolul 5
Teorema 5.1.1.
1 (Inegalitatea lui Markov). Pentru orice r ≥ 1, dacă E(|X|r ) < ∞, atunci
1
P (|X| ≥ ε) ≤ · E(|X|r ), ∀ε > 0.
εr
2 (Inegalitatea lui Cebı̂s, ev). Dacă v.a. X are media s, i dispersia finite, atunci
1
P (|X − E(X)| ≥ ε) ≤ · var (X), ∀ε > 0.
ε2
a.s.
2. Spunem că s, irul (Xn )n≥1 converge aproape sigur către X s, i notăm Xn −−→ X dacă
lim P (Xn = X) = 1.
n→∞
m.p.
3. Spunem că s, irul (Xn )n≥1 converge către X ı̂n medie pătratică s, i notăm Xn −−→ X dacă
lim E((Xn − X)2 ) = 0.
n→∞
127
CAPITOLUL 5. LEGI ALE NUMERELOR MARI 128
Observat, ia 5.2.1. Convergent, a ı̂n probabilitate se numes, te s, i convergent, ă slabă, iar convergent, a
aproape sigură se numes, te s, i convergent, ă tare.
Propozit, ia 5.2.1. Au loc implicat, iile:
a.s. p r
Xn −−→ X ⇒ Xn −
→ X ⇒ Xn −
→ X;
m.p. p r
Xn −−→ X ⇒ Xn −
→ X ⇒ Xn −
→ X.
atunci n
1X p
(Xk − E(Xk )) −
→ 0.
n k=1
2 (Cebı̂s, ev). Dacă v.a. din s, irul (Xn )n≥1 sunt independente două câte două s, i s, irul dispersiilor
(var (Xn ))n≥1 este mărginit, atunci
n
1X p
(Xk − E(Xk )) −
→ 0.
n k=1
3 (Hincin). Dacă v.a. din s, irul (Xn )n≥1 sunt independente s, i identic repartizate cu v.a. X s, i
media E(X) este finită, atunci
n
1X p
Xk −→ E(X).
n
k=1
2 (Cantelli). Dacă v.a. din s, irul (Xn )n≥1 sunt independente s, i s, irul momentelor centrate
E (Xn − E(Xn ))4 n≥1
3 (Kolmogorov). Dacă v.a. din s, irul (Xn )n≥1 sunt independente două câte două s, i identic
repartizate cu v.a. X s, i E(|X|) < ∞, atunci
n
1X a.s.
Xk −−→ E(X).
n k=1
1. Dacă v.a. din s, irul (Xn )n≥1 sunt independente, cu mediile s, i dispersiile finite, s, i există δ > 0
a.ı̂.
Pn
E |Xk − mk |2+δ
lim k=1 2+δ = 0,
n→∞
P
n 2
σk2
k=1
adică ! Z x
n
1 X Xk − mk 1 t2
lim P <x = √ e− 2 dt, ∀x ∈ R.
n→∞ n σk 2π −∞
k=1
2. Dacă v.a. din s, irul (Xn )n≥1 sunt independente s, i identic repartizate cu v.a. X, de medie E(X) =
m s, i dispersie var (X) = σ 2 > 0 finite, atunci
n
1 X Xk − m r
− N(0, 1).
→
n k=1 σ
Capitolul 6
Select, ie s, i statistici
• gruparea s, i analiza datelor, obt, inerea rezultatelor s, i interpretarea acestora, determinarea prog-
nozei privind comportarea viitoare (statistică inferent, ială).
Mult, imea ce formează obiectul analizei statistice se numes, te populat, ie (colectivitate) statis-
tică, un element al acestei mult, imi numindu-se individ (unitate statistică).
O caracteristică a unei populat, ii statistice este cantitativă dacă se cuantifică printr-o valoare
numerică numită variabilă statistică, respectiv calitativă, dacă se cuantifică printr-un calificativ.
Analiza statistică a unei populat, ii infinite sau foarte numeroasă se limitează la analiza unei
submult, imi reprezentative a acestei populat, ii. Este cazul, de exemplu, al calculului rating-ului unei
emisiuni de televiziune, al verificării unui lot de conserve sau al realizării unui sondaj de opinie. În
acest caz, analiza statistică trebuie să evalueze s, i gradul de corectitudine al extinderii concluziilor
asupra ı̂ntregii populat, ii.
Pentru o populat, ie statistică, o submult, ime ale cărei elemente sunt alese aleator se numes, te
select, ie (select, ie aleatoare, es, antion, sondaj).
Numărul elementelor alese se numes, te volumul (mărimea) select, iei.
Select, ia se numes, te repetată sau nerepetată, după cum elementele alese la ı̂ntâmplare sunt
reintroduse sau nu ı̂n colectivitate ı̂nainte de extragerea următoarelor elemente.
Observat, ia 6.1.1. Pentru select, ii de volum mic, raportat la volumul ı̂ntregii populat, ii, deosebirea
dintre o select, ie nerepetată s, i una repetată devine nesemnificativă.
Considerăm, ı̂n continuare, că studiul statistic are ca obiectiv o caracteristică numerică cuantifi-
cată prin variabila statistică X a unei colectivităt, i statistice C s, i că acest studiu se realizează printr-o
select, ie repetată de volum n: X1 , X2 , . . . , Xn .
X1 , X2 , . . . , Xn reprezintă valorile observate ale variabilei X.
Privite aposteriori (adică după efectuarea select, iei), aceste valori sunt valori ale v.a. X; privite
apriori (adică ı̂nainte de efectuarea select, iei), aceste valori sunt variabile aleatoare independente
s, i identic repartizate cu v.a. X.
Presupunem că selecţia X1 , X2 , ..., Xn are următoarele proprietăţi:
1) X1 , X2 , ..., Xn sunt independente.
130
CAPITOLUL 6. SELECT, IE S, I STATISTICI 131
2)
fXi (x) = fX (x) , ∀x ∈ R, ∀i ∈ {1, 2, . . . , n},
dacă X este continuă, sau
Definit, ia 6.1.1. O funct, ie având ca domeniu datele (elementele) unei select, ii se numes, te funct, ie
de select, ie sau statistică.
În continuare vom defini câteva statistici importante pentru select, ia X1 , X2 , ..., Xn .
al variabilelor de select, ie X1 , X2 , . . . , Xn se numes, te statistica ordinii select, iei date. Pentru orice
i ∈ {1, 2, . . . , n}, X(i) reprezintă a i-a statistică de ordine.
Diferent, a
W (X1 , . . . , Xn ) = X(n) − X(1) = max Xi − min Xi
i∈{1,...,n} i∈{1,...,n}
Observat, ia 6.2.2. Reamintim că funct, ia (teoretică) de repartit, ie a v.a. X este funct, ia F : R → R,
F (x) = P (X < x), ∀x ∈ R. Deci Fbn (x) reprezintă frecvent, a relativă a valorilor de select, ie mai mici
decât x, iar F (x) reprezintă probabilitatea ca valoarea de select, ie să fie mai mică decât x.
Următorul rezultat fundamentează utilizarea metodei select, iei.
CAPITOLUL 6. SELECT, IE S, I STATISTICI 132
Teorema 6.2.1.
1 (Glivenko). P lim sup |Fn (x) − F (x)| = 0 = 1.
n→∞ x∈R
X ∼ N (10, 9) ,
Figura 6.4.1:
Intervalul [2, 18] se ı̂mparte ı̂n 8 intervale egale. Numărul total de date din fiecare interval se
reprezintă ca ı̂nălţimea dreptunghiului de deasupra intervalului.
O diagramă de frecvenţe este obţinută dacă ordonata histogramei este ı̂mpărţită la numărul
total de observaţii, 100 ı̂n acest caz, şi la lăţimea intervalului ∆ (care este 2 ı̂n acest exemplu).
Diagrama frecvenţelor pentru datele de mai sus, obţinută ı̂n R prin
>hist(x,probability=TRUE)
este reprezentată ı̂n Figura 6.4.2.
Figura 6.4.2:
Suma ariilor dreptunghiurilor din diagrama frecvenţelor este 1. Probabilitatea unei date mai mici
decât 8 poate fi calculată din diagrama frecvenţelor adunând ariile de la stânga lui 8 şi obţinând 0,24
(0,01+0,1+0,13). Similar, probabilitatea unei date mai mari ca 12 este 0,26 (0,15+0,035+0,03+0,01).
Acestea sunt estimări ale probabilităţilor P (X < 8) şi P (X > 12) asociate cu variabila aleatoare X.
H. Sturges a sugerat ı̂n 1926 ca o valoare aproximativă pentru numărul de intervale k să fie dată
de
k = 1 + ⌈log2 n⌉ ≃ 1 + 3,3 lg n,
unde n este numărul de date.
Deoarece
X ∼ N (10, 9) ,
CAPITOLUL 6. SELECT, IE S, I STATISTICI 134
E(X 2r ) − E 2 (X r )
E(M r ) = E(X r ); var (M r ) = ;
n
var (X)
E(X) = E(X); var (X) = ;
n
2 n−1
µ2 = M 2 − X ; E(µ2 ) = · var (X);
n
(n − 1)2 4 (n − 1)(n − 3)
var (µ2 ) = · E(X ) − · var 2 (X).
n3 n3
n
Dacă S 2 = · µ , atunci
n−1 2
1 n−3
E(S 2 ) = var (X) s, i var (S 2 ) = · E(X 4 ) − · var 2 (X).
n n(n − 1)
1 X n X
= σ2 + 2 E ((Xi − m))E ((Xj − m))
n2 i=1 | {z }| {z }
1≤i<j≤n
| {z } =0 =0
=nσ2
1 2
σ2 var (X)
= 2
nσ = = .
n n n
Avem
n n
" n
#2
1 X 2 1 X 1X
S2 = (Xi − m) − X − m = (Xi − m) − (Xj − m)
n − 1 i=1 n − 1 i=1 n j=1
" n #2
1 X n
2 Xn
1 X
2
= (Xi − m) − (Xi − m) (Xj − m) + 2 (Xj − m)
n − 1 i=1 n j=1
n j=1
" n #2 " n #2
1 X
n X X
2 1
= (Xi − m)2 − (Xi − m) + (Xi − m)
n − 1 i=1 n i=1 n i=1
" n #2
1 X n
1 X
= (Xi − m)2 − (Xi − m)
n − 1 i=1 n i=1
( n " n #)
1 X 1 X X
= (Xi − m)2 − (Xi − m)2 + 2 (Xi − m) (Xj − m)
n − 1 i=1 n i=1 1≤i<j≤n
n
1X 2 X
= (Xi − m)2 − (Xi − m) (Xj − m) .
n i=1 n (n − 1) 1≤i<j≤n
Observat, ia 6.5.1. Când n creşte, dispersia lui X descreşte şi repartiţia lui X devine ascuţită cu vârful
ı̂n
E(X) = m.
(101; 99,25; 99; 100,25; 99,5; 101,25; 100; 99,25; 99,75; 100,25).
Să se determine repartit, ia empirică s, i să se calculeze amplitudinea, media s, i dispersia de select, ie,
precum s, i funct, ia empirică de repartit, ie a select, iei.
Solut, ie. Repartit, ia empirică a v.a. de select, ie este
99 99,25 99,5 99,75 100 100,25 101 101,25
X: 1 2 1 1 1 2 1 1 .
10 10 10 10 10 10 10 10
Amplitudinea select, iei este W = 101,25 − 99 = 2,25.
n
1X 1
Media de select, ie este X = Xi = (101 + 99,25 + · · · + 100,25) = 99,95.
n i=1 10
1 2 1
Altfel: X = E(X) = 99 · + 99,25 · + · · · + 101,25 · = 99,95.
10 10 n
10
1X 1
Dispersia de select, ie necorectată este µ2 = (Xi − X)2 = [(101 − 99,95)2 + (99,25 − 99,95)2 +
n i=1 10
2
· · · + (100,25 − 99,95) ] =0,51.
2 2 1 2 2 2 1
Altfel: µ2 = M 2 − X = 99 · + 99,25 · + . . . + 101,25 · − 99,952
10 10 10
= 0,51.
n
1 X 1
Dispersia de select, ie corectată este S =2
(Xi − X)2 = [(101 − 99,95)2 + (99,25 − 99,95)2 +
n − 1 i=1 9
2
· · · + (100,25 − 99,95) ] = 0,56.
n 10
Altfel: S 2 = · µ2 = · 0,51 = 0,56.
n−1 9
CAPITOLUL 6. SELECT, IE S, I STATISTICI 137
Exemplul 6.5.2. Considerăm datele din Exemplul 6.4.1. Am văzut că media de selecţie a este
10,05497, iar dispersia de select, ie necorectată este 9,092576.
Dispersia de selecţie corectată are valoarea
100
· 9,092576 = 9,18442.
99
Ea se obţine ı̂n R prin
>var(x)
Momentul de selecţie de ordinul 3 s, i momentul centrat de selecţie de ordinul 3 se obţin ı̂n R prin
>sum(xˆ3)/length(x)
>sum((x-mean(x))ˆ3)/length(x)
fiind egale cu 1289,694, respectiv cu −1,163751.
Următorul rezultat este o consecint, ă a Teoremei limită centrală.
Corolarul 6.5.2. În cazul particular al select, iei dintr-o populat, ie normală N (m, σ 2 ) avem:
p p
Mr − → E(X r ), X → − m (pentru n → ∞);
σ2
X ∼ N m, ;
n
n n−1 2
2
· µ2 ∼ χ2 (n − 1); · S ∼ χ2 (n − 1);
σ σ2
(n − 1)σ 2 2(n − 1)σ 4 2 2 2 2σ 4
E(µ2 ) = ; var (µ2 ) = ; E(S ) = σ ; var (S ) = .
n n2 n−1
Capitolul 7
Estimarea parametrilor
rezultă că
b b b b b b b
P |θ − θ| ≥ ε ≤ P |θ − E(θ)| + |E(θ) − θ| ≥ ε = P |θ − E(θ)| ≥ ε − |E(θ) − θ| . (7.2.1)
b − θ| ≤ ε , ∀n ≥ N.
|E(θ) (7.2.2)
2
138
CAPITOLUL 7. ESTIMAREA PARAMETRILOR 139
Exemplul 7.3.1. Fie din nou o variabilă statistică X având media E(X) = m s, i dispersia var (X) = σ 2 .
Conform Exemplului 7.2.1, media de select, ie X este o estimat, ie consistentă pentru media m. Mai
mult, utilizând Propozit, ia 6.5.1, avem
σ2
E(X) = m s, i lim var (X) = lim = 0.
n→∞ n→∞ n
Rezultă că media de select, ie X este o estimat, ie nedeplasată s, i absolut corectă pentru media m.
n
1X
Dispersia de select, ie necorectată µ2 = (Xi − X)2 este o estimat, ie deplasată pentru dispersia
n i=1
2
σ , deoarece, conform Propozit, iei 6.5.1,
n−1 n−1 2
E(µ2 ) = · var (X) = · σ 6= σ 2 ,
n n
deci ea nu este o estimat, ie absolut corectă pentru dispersia σ 2 .
n
n X n
2
Dispersia de select, ie corectată S = (Xi − X)2 = · µ este o estimat, ie nedeplasată
n − 1 i=1 n−1 2
pentru dispersia σ 2 , deoarece, utilizând Propozit, ia 6.5.1, avem
Mai mult, dacă E(X 4 ) < ∞, atunci, conform Exemplului 7.2.1, lim var (S 2 ) = 0, de unde obt, inem
n→∞
că dispersia de select, ie corectată S 2 este s, i estimat, ie absolut corectă pentru dispersia σ 2 .
Teorema 7.4.1 (Inegalitatea Rao-Cramer). Dacă θb este o estimat, ie absolut corectă pentru pa-
rametrul θ, atunci
b ≥ 1 .
var (θ)
nI(θ)
1
Observat, ia 7.4.1. În contextul teoremei anterioare, valoarea nI(θ)
se numes, te marginea inferioară
b
Rao-Cramer pentru dispersia estimat, iei θ.
1
Definit, ia 7.4.2. Estimat, ia nedeplasată θb se numes, te eficientă dacă var (θ)
b = .
nI(θ)
Următorul rezultat este o consecint, ă directă a Inegalităt, ii Rao-Cramer.
CAPITOLUL 7. ESTIMAREA PARAMETRILOR 141
Corolarul 7.4.1. O estimat, ie absolut corectă este eficientă dacă s, i numai dacă are dispersia minimă.
1 σ2
= = var (X).
nI(m) n
ln(2π) + ln α (x − m)2
ln f (x; α) = − − ;
2 2α
∂ ln f (x; α) 1 (x − m)2
=− + ;
∂α 2α 2α2
∂ 2 ln f (x; α) 1 (x − m)2
= − .
∂α2 2α2 α3
Utilizând Corolarul 6.5.2, avem
2
2 ∂ ln f (x; α) 1 E ((X − m)2 ) 1 var (X) 1 α 1
I(σ ) = −E 2
= − 2
+ 3
=− 2+ 3
= − 2 + 3 = 2,
∂α 2α α 2α α 2α α 2α
s, i astfel
Rezultă că dispersia de select, ie necorectată µ2 nu este o estimat, ie eficientă, dar este o estimat, ie
asimptotic eficientă pentru dispersia σ 2 .
Conform Exemplelor 7.2.1 s, i 7.3.1, dispersia de select, ie corectată S 2 este o estimat, ie consistentă,
nedeplasată s, i absolut corectă pentru dispersia σ 2 . Utilizând Corolarul 6.5.2, avem
1 2σ 4 2 2σ 4
= 6
= var (S ) =
nI(σ 2 ) n n−1
s, i
2 2
n 2σ 4 n
lim nI(σ )var (S ) = lim · = lim = 1.
n→∞ n→∞ 2σ 4 n − 1 n→∞ n−1
Astfel dispersia de select, ie corectată S 2 nu este o estimat, ie eficientă, dar este o estimat, ie asimptotic
eficientă pentru dispersia σ 2 .
Rezolvăm sistemul
E(X) = M 1 ,
E(X 2 ) = M 2 ,
unde M 1 s, i M 2 sunt momentele de select, ie de ordinul 1, respectiv 2. Sistemul devine succesiv:
θ + θ2
1 = M 1, θ1 + θ2 = 2M 1 ,
2 θ1 + θ2 = 2M 1 ,
2 2 ⇔ ⇔ 2
θ1 + θ1 θ2 + θ2 = M 2
2
(θ1 + θ2 ) − θ1 θ2 = 3M 2 θ1 θ2 = 4M 1 − 3M 2 .
3
CAPITOLUL 7. ESTIMAREA PARAMETRILOR 143
2
Rezultă că θb1 s, i θb2 sunt solut, iile ecuat, iei t2 − 2M 1 t + 4M 1 − 3M 2 = 0.
Cum θ2 > θ1 rezultă că
q
θb = M − 3(M − M 2 ) = X − √3µ ,
1 1 2 1 2
q
θb = M + 3(M − M ) = X + 3µ . 2 √
2 1 2 1 2
Pasul 4. Se analizează fiecare punct critic a, pentru a decide natura sa. Pentru aceasta, se parcurg
următoarele subetape:
h11 h12 . . . h1n
h21 h22 . . . h2n
4.1. Se calculează hessiana Hf (a) = .. .
.
hn1 hn2 . . . hnn
4.2. Se calculează minorii principali ai lui Hf (a):
h h12
∆1 = h11 , ∆2 = 11 ,...,
h21 h22
h11 h12 . . . h1n
h21 h22 . . . h2n
∆n = .. (= det Hf (a)).
.
hn1 hn2 . . . hnn
b. Fie
∆∗i = (−1)i ∆i , ∀i ∈ {1, . . . , n}.
Dacă ∆∗i > 0, ∀i ∈ {1, . . . , n}, atunci a este un punct de maxim local pentru funct, ia
f.
c. Dacă există i ∈ {1, . . . , n} astfel ı̂ncât ∆i = 0, atunci nu putem preciza natura punc-
tului a (adică poate să fie sau să nu fie punct de extrem local).
d. În rest, punctul a este un punct şa pentru funct, ia f (adică nu este punct de extrem
local).
∂f
(x, y) = 3x2 + 3y 2 + 6y − 12,
∂x
∂f
(x, y) = 6xy + 6x + 12.
∂y
Pasul 2. Determinăm punctele critice ale funct, iei f , adică solut, iile sistemului
(
3x2 + 3y 2 + 6y − 12 = 0,
6xy + 6x + 12 = 0.
Observăm că derivatele part, iale de ordinul al doilea ale funct, iei f sunt continue pe R2 , deci este
verificată ipoteza necesară aplicării metodei punctelor critice.
Pasul 4. Analizăm separat fiecare punct critic.
1. Pentru (x, y) = (−2, 0) avem
−12 6
Hf (−2, 0) = ,
6 −12
−12 6
∆1 = −12, ∆2 = = 144 − 36 = 108,
6 −12
∆∗1 = (−1)1 ∆1 = −∆1 = 12, ∆∗2 = (−1)2 ∆2 = ∆2 = 108.
Deci ∆∗1 > 0, ∆∗2 > 0 s, i astfel (−2, 0) este punct de maxim local.
2. Pentru (x, y) = (−1, 1) avem
−6 12
Hf (−1, 1) = ,
12 −6
−6 12
∆1 = −6, ∆2 = = 36 − 144 = −108,
12 −6
∆∗1 = −∆1 = 6, ∆∗2 = ∆2 = −108.
Deci (−1, 1) este punct s, a (nu este punct de extrem).
3. Pentru (x, y) = (1, −3) avem
6 −12
Hf (1, −3) = .
−12 6
6 −12
∆1 = 6, ∆2 = = 36 − 144 = −108,
−12 6
∆∗1 = −∆1 = −6, ∆∗2 = ∆2 = −108.
Deci (1, −3) este punct s, a (nu este punct de extrem).
4. Pentru (x, y) = (2, −2) avem
12 −6
Hf (2, −2) = ,
−6 12
12 −6
∆1 = 12, ∆2 = = 144 − 36 = 108.
−6 12
Deci ∆1 > 0, ∆2 > 0 s, i astfel (2, −2) este punct de minim local.
Metoda verosimilităt, ii maxime constă ı̂n estimarea parametrilor θ1 , θ2 , ..., θk prin statisticile
θ1 , θ2 , . . . , θbk ce se obt, in prin maximizarea funct, iei
b b
Pn
ln p(xi ; θ1 , . . . , θk ), dacă v.a. X este discretă,
L(x1 , . . . , xn ; θ1 , . . . , θk ) = i=1
P
n
ln f (xi ; θ1 , . . . , θk ), dacă v.a. X este continuă,
i=1
L(x1 , . . . , xn ; θ1 , . . . , θk ) = ln p(x1 , . . . , xn ; θ1 , . . . , θk ),
n
Y
unde p(x1 , . . . , xn ; θ1 , . . . , θk ) = p(xi ; θ1 , . . . , θk ) este masa de probabilitate a vectorului aleator
i=1
discret (X1 , . . . , Xn );
b) dacă v.a. X este continuă, atunci
L(x1 , . . . , xn ; θ1 , . . . , θk ) = ln f (x1 , . . . , xn ; θ1 , . . . , θk ),
n
Y
unde f (x1 , . . . , xn ; θ1 , . . . , θk ) = f (xi ; θ1 , . . . , θk ) este densitatea de repartit, ie a vectorului aleator
i=1
continuu (X1 , . . . , Xn ).
Definit, ia 7.7.1. Funct, iile L(x1 , . . . , xn ; θ1 , . . . , θk ) s, i p(x1 , . . . , xn ; θ1 , . . . , θk ), respectiv
f (x1 , . . . , xn ; θ1 , . . . , θk ), se numesc funct, ii de verosimilitate.
Observat, ia 7.7.2. Pentru maximizarea funct, iilor de verosimilitate se utilizează metoda punctelor
critice, descrisă in sect, iunea anterioară. Astfel estimat, iile θb1 , θb2 , . . . , θbk se obt, in rezolvând sistemul
∂L(x1 , . . . , xn ; θ1 , . . . , θk )
= 0, ∀i ∈ {1, . . . , k}.
∂θi
Exemplul 7.7.1. Fie o variabilă statistică X având o repartit, ie Poisson de parametru θ (θ > 0), adică
probabilitatea sa de repartit, ie este
θx
P (X = x; θ) = e−θ · , ∀x ∈ N∗ .
x!
Să se estimeze parametrul θ folosind metoda verosimilităt, ii maxime.
Solut, ie. Calculăm funct, ia de verosimilitate:
n
X n
X n
X
−θ θ xi
L(x1 , . . . , xn ; θ) = ln p(xi ; θ) = ln P (X = xi ; θ) = ln e ·
i=1 i=1 i=1
xi !
Xn n
Y
= [−θ + xi ln θ − ln(xi !)] = −nθ + nX ln θ − ln xi ! .
i=1 i=1
Rezultă că
∂L(x1 , . . . , xn ; θ) nX
= −n + ,
∂θ θ
CAPITOLUL 7. ESTIMAREA PARAMETRILOR 147
∂L(x1 , . . . , xn ; θ)
deci ecuat, ia = 0 are solut, ia θb = X.
∂θ
Cum E(X) = E(X) = θ, rezultă că θb = X este o estimat, ie nedeplasată pentru θ.
var (X) θ
Cum var (X) = = , rezultă că lim var (X) = 0, deci estimat, ia θb = X este absolut
n n n→∞
corectă, deci s, i consistentă.
∂ ln p(x; θ) x ∂ 2 ln p(x; θ) x
Cum = −1 + , rezultă că 2
= − 2 , deci
∂θ θ ∂θ θ
X 1 1 1
I(θ) = −E − 2 = 2 E(X) = 2 · θ = .
θ θ θ θ
1
Rezultă că var (X) = , deci estimat, ia θb = X este s, i eficientă.
nI(θ)
Exemplul 7.7.2. Fie o variabilă statistică X având o repartit, ie binomială negativă de parametri n s, i
p (n ≥ 0, p ∈ (0, 1)), adică masa sa de probabilitate este
k
P (X = k; n, p) = Cn+k−1 pn (1 − p)k , ∀k ∈ N.
Rezolvăm sistemul
∂L(x1 , . . . , xm ; n, p)
= 0,
∂n
∂L(x1 , . . . , xm ; n, p)
= 0,
∂p
CAPITOLUL 7. ESTIMAREA PARAMETRILOR 148
adică
Pm 1 1 1
m ln p + + + ...+ = 0,
n n+1 n + xi − 1
i=1
xi ≥1
nm mX
− = 0.
p 1−p
Solut, ia sa este (b
n, pb), unde n
b este solut, ia pozitivă a ecuat, iei
m
X
1 1 1 X
+ + ...+ − m ln 1 + = 0, (7.7.1)
n n+1 n + xi − 1 n
i=1
xi ≥1
iar
n
b
pb = . (7.7.2)
n
b+X
P (L1 < L2 ) = 1,
s, i fie α ∈ [0, 1). Intervalul (L1 , L2 ) se numes, te un interval de ı̂ncredere [100 (1 − α)] % pentru
parametrul θ dacă
P (L1 < θ < L2 ) = 1 − α.
Numărul α se numes, te nivelul de semnificat, ie, iar numărul 1 − α se numes, te coeficientul de
ı̂ncredere. Statisticile L1 s, i L2 se numesc limita inferioară, respectiv limita superioară de
ı̂ncredere pentru parametrul θ, corespunzătoare coeficientul de ı̂ncredere 1 − α.
Observat, ia 7.8.1. Valorile uzuale ale coeficientul de ı̂ncredere 1 − α sunt 0,9, 0,95, 0,99, 0,995, 0,999,
adică
α ∈ {0,1, 0,05, 0,01, 0,005, 0,001}.
Capitolul 8
149
CAPITOLUL 8. ESTIMAREA PARAMETRILOR REPARTIT, IEI NORMALE 150
Rezolvăm sistemul
∂L(x1 , . . . , xn ; m, α) = 0,
∂m
∂L(x1 , . . . , xn ; m, α) = 0,
∂α
adică n
1X
(xi − m) = 0,
α
i=1
n
n 1 X
− 2α + 2α2 (xi − m)2 = 0.
i=1
Deci estimat, iile obt, inute sunt aceleas, i ca s, i ı̂n cazul metodei momentelor.
Evident, √ √ √
L n (X − m) n L n
P X −L<m<X +L =P − < < . (8.3.4)
σ σ σ
Dar, conform Corolarului 6.5.2 avem
σ2
X∼N m, ,
n
unde
1 1 2
fU (x) = √ · e− 2 x , ∀x ∈ R
2π
este densitatea de repartit, ie a v.a. U ∼ N(0, 1). Folosind faptul că funct, ia fU este pară, avem
Z √
L n Z √
L n √ √
σ σ L n L n 1
√ fU (x)dx = 2 fU (x)dx = 2 FU − FU (0) = 2 FU −
− Lσ n 0 σ σ 2
√
L n
= 2FU − 1,
σ
√
L n
deci conform (8.3.3), (8.3.4) s, i (8.3.5) obt, inem 2FU − 1 = 1 − α.
√ σ √
L n α L n
Rezultă că FU = 1 − , deci conform (8.3.1) obt, inem = u1−α/2 , adică
σ 2 σ
u1−α/2
L= √ · σ. (8.3.6)
n
Exemplul 8.3.1. Considerăm o select, ie de volum n = 4 pentru o v.a. X ∼ N(m, 9), valorile observate
fiind generate ı̂n R (pentru m = 2) prin
>x<-rnorm(4,2,3)
>x
0.2405243 2.4351720 1.6419779 -1.9547743.
Presupunem că valorile sunt observate dintr-o repartit, ie normală având o medie necunoscută m
s, i o dispersie cunoscută σ 2 = 9.
Estimat, ia parametrului m dată de media de selecţie are valoarea
1
X= (0,2405243 + 2,4351720 + 1,6419779 − 1,9547743) = 0,590725.
4
Această valoare poate fi calculată ı̂n R prin
> mean(x)
Considerăm coeficientul de ı̂ncredere 1 − α = 0,95, adică α = 0,05.
Determinăm numărul u1−α/2 = u0,975 ∈ (0, ∞) ce verifică (8.3.1), adică FU (u0,975 ) = 0,975.
Acest număr poate fi calculat ı̂n R prin
>qnorm(0.975,0,1)
rezultatul fiind u0,975 = 1,959964.
Astfel
u1−α/2 3 · 1,959964
√ ·σ = √ = 2,939946,
n 4
deci conform Propozit, iei 8.3.1 rezultă că un interval de ı̂ncredere 95% pentru parametrul m este
X − 2,939946, X + 2,939946 = (−2,349221, 3,530671),
adică P (−2,349221 < m < 3,530671) = 0,95.
Exemplul 8.3.2. Considerăm o select, ie de volum n pentru o variabilă statistică având o repartit, ie
normală de medie m necunoscută s, i dispersie σ 2 = 9. Care este valoarea minimă a volumului n al
select, iei pentru care
P |m − X| < 0,01 ≥ 0,95,
adică eroarea estimării parametrului m prin media de select, ie X să fie mai mică decât 0,01, cu o
probabilitate (ı̂ncredere) de cel put, in 95%?
Solut, ie. Pentru orice α ∈ (0, 1), conform (8.3.2) avem
3u1−α/2
P |m − X| < √ = 1 − α,
n
unde u1−α/2 ∈ (0, ∞) este dat de (8.3.1). Astfel inegalitatea cerută are loc dacă s, i numai dacă
3u1−α/2
1 − α ≥ 0,95 s, i √ ≤ 0,01, adică 1 − α ≥ 0,95 s, i n ≥ (300u1−α/2 )2 .
n
Funct, ia de repartit, ie FU este strict crescătoare, deci valoarea lui u1−α/2 este strict crescătoare ı̂n ra-
port cu coeficientul 1 − α. Rezultă că inegalitatea cerută are loc dacă s, i numai dacă
n ≥ (300u1−α0/2 )2 , unde 1 − α0 = 0,95. Deci valoarea minimă a lui n ce verifică inegalitatea
este
n = (300u0,975 )2 ,
unde ⌈x⌉ reprezintă partea ı̂ntreagă superioară a numărului real x.
Conform exemplului anterior avem u0,975 = 1,959964, deci valoarea minimă cerută este
n = (300 · 1,959964)2 = 345732.
CAPITOLUL 8. ESTIMAREA PARAMETRILOR REPARTIT, IEI NORMALE 153
Evident,
2
n−1 2 n−1 2 n−1 2
P L1 < σ < L2 = P ·S < ·S < ·S . (8.4.4)
L2 σ2 L1
Dar, conform Corolarului 6.5.2 avem
n−1 2
· S ∼ χ2 (n − 1).
σ2
Astfel avem
Z n−1 ·S 2
n−1 2 n−1 2 n−1 2 n−1 2 n−1 2 L1
P ·S < · S < · S = P · S < Y < · S = fY (x)dx,
L2 σ2 L1 L2 L1 n−1
L2
·S 2
(8.4.5)
unde
1 n x
fY (x) = n n
· x 2 −1 e− 2 , ∀x ∈ (0, ∞)
22 · Γ 2
(s, i fY (x) = 0, ∀x ∈ (−∞, 0]) este densitatea de repartit, ie a v.a. Y ∼ χ2 (n − 1). Avem
Z n−1
·S 2
L1 n−1 2 n−1 2
fY (x)dx = FY ·S − FY ·S ,
n−1
L2
·S 2 L1 L2
Evident, √ √ √
L n (X − m) n L n
P X −L<m<X +L =P − < < . (8.5.4)
S S S
Fie √
(X − m) n n−1 2
U= s, i Y = ·S .
σ σ2
Conform Corolarului 6.5.2 s, i Propozit, iei 4.2.3 avem
U ∼ N(0, 1) s, i Y ∼ χ2 (n − 1).
unde − n+1
1 x2 2
fZ (x) = √ n 1
1 + , ∀x ∈ R
n·β ,
2 2
n
CAPITOLUL 8. ESTIMAREA PARAMETRILOR REPARTIT, IEI NORMALE 156
este densitatea de repartit, ie a v.a. Z ∼ T (n − 1). Folosind faptul că funct, ia fZ este pară, avem
Z √
L n Z √
L n √ √
S S L n L n 1
√ fZ (x)dx = 2 fZ (x)dx = 2 FZ − FZ (0) = 2 FZ −
− LS n 0 S S 2
√
L n
= 2FZ − 1,
S
√
L n
deci conform (8.5.3), (8.5.4) s, i (8.5.5) obt, inem 2FZ − 1 = 1 − α.
√ S √
L n α L n
Rezultă că FZ = 1 − , deci conform (8.5.1) obt, inem = zn−1,1−α/2 , adică
S 2 S
zn−1,1−α/2
L= √ · S. (8.5.6)
n
Din (8.5.3) s, i (8.5.6) rezultă egalitatea (8.5.2).
Observat, ia 8.5.1. Existent, a s, i unicitatea valorii zn−1,1−α/2 ∈ (0, ∞) ce verifică ecuat, ia (8.5.1), numită
cuantila de ordinul 1 − α/2 a v.a. Z, sunt asigurate de faptul că funct, ia de repartit, ie FZ : R → [0, 1]
este continuă, strict crescătoare (derivata sa, fZ , fiind strict pozitivă), FZ (0) = 21 s, i lim FZ (x) =
x→∞
1. Astfel din demonstrat, ia propozit, iei anterioare rezultă că intervalul de ı̂ncredere dat ı̂n enunt, ul
propozit, iei este unic cu proprietatea (8.5.2), printre intervalele centrate ı̂n X.
α
Observat, ia 8.5.2. Ecuat, ia (8.5.1) este echivalentă cu P (Z < zn−1,1−α/2 ) = 1 − , deci cu
2
α
P (Z > zn−1,1−α/2 ) = .
2
Exemplul 8.5.1. Considerăm din nou select, ia de volum n = 4 din Exemplele 8.3.1 s, i 8.4.1
0,2405243, 2,4351720, 1,6419779, −1,9547743,
dar acum presupunem că valorile sunt observate dintr-o repartit, ie normală N(m, σ 2 ) având atât
media m cât s, i dispersia σ 2 necunoscute.
Conform Exemplelor 8.3.1 s, i 8.4.1, estimat, ia parametrului m dată de media de selecţie are valoarea
X = 0,590725,
iar dispersia de selecţie corectată are valoarea
p
S 2 = 3,703108, deci S = 3,703108 = 1,924346.
Considerăm din nou coeficientul de ı̂ncredere 1 − α = 0,95, adică α = 0,05.
Determinăm numărul zn−1,1−α/2 = z3, 0,975 ∈ (0, ∞) ce verifică (8.5.1), adică FZ (z3, 0,975 ) = 0,975.
Acest număr poate fi calculat ı̂n R prin
>qt(0.975,3)
rezultatul fiind z3, 0,975 = 3,182446.
Astfel
zn−1,1−α/2 3,182446
√ = √ = 1,591223,
n 4
deci conform Propozit, iei 8.5.1 rezultă că un interval de ı̂ncredere 95% pentru parametrul m este
X − 1,591223 · S, X + 1,591223 · S = (−2,471339, 3,652789),
adică P (−2,471339 < m < 3,652789) = 0,95.
Capitolul 9
Regresie liniară
unde x1 , x2 , . . . , xn ∈ A sunt puncte distincte, fixate. Vom aproxima funct, ia f printr-o funct, ie
g : A → R, numită funct, ie de ajustare (tendint, ă, trend, aproximare).
De obicei funct, ia g este o funct, ie polinomială
g(x) = a0 + a1 x + a2 x2 + . . . + ak xk , cu k ≤ n
(ı̂n particular, funct, ie liniară g(x) = a0 + a1 x sau pătratică g(x) = a0 + a1 x + a2 x2 ), sau o funct, ie
hiperbolică
a1
g(x) = a0 + ,
x
sau o funct, ie exponent, ială
g(x) = a0 + ea1 x ,
sau o funct, ie logaritmică
g(x) = a0 + a1 ln x.
Alegerea tipului funct, iei de ajustare se face reprezentând grafic punctele date
s, i alegând un tip de funct, ie de ajustare cu graficul de aceeas, i formă cu reprezentarea grafică a acestor
puncte.
După alegerea tipului funct, iei de ajustare g, parametrii a0 , a1 , . . . ai acestei funct, ii sunt calculat, i
prin minimizarea sumei pătratelor erorilor individuale:
n
X
min (f (xi ) − g(xi ))2 .
a0 ,a1 ,...
i=1
g(x) = a0 + a1 x + a2 x2 + . . . + ak xk , k ≤ n,
157
CAPITOLUL 9. REGRESIE LINIARĂ 158
∂h
(a0 , a1 , . . . , ak ) = 0, j ∈ {0, . . . , k},
∂aj
unde
n
X
h(a0 , a1 , . . . , ak ) = (f (xi ) − g(xi ))2
i=1
n
X 2
= f (xi ) − a0 − a1 xi − a2 x2i − . . . − ak xki
i=1
(deoarece (a0 , a1 , a2 , . . . , ak ) este punctul stat, ionar unic al funct, iei h).
Efectuând derivările, acest sistem devine
n
X
−2 xji f (xi ) − a0 − a1 xi − a2 x2i − . . . − ak xki = 0, j ∈ {0, . . . , k},
i=1
adică n n n n
X X X X
na0 + a1 xi + a2 2
xi + . . . + ak k
xi = f (xi ),
i=1 i=1 i=1 i=1
n n n n n
a X x + a X x2 + a X x3 + . . . + a X xk+1 = X x f (x ),
0 i 1 i 2 i k i i i
(9.1.1)
i=1 i=1 i=1 i=1 i=1
...
n n n n n
X X X X X
a0 k
xi + a1 k+1
xi + a2 k+2
xi + . . . + ak 2k
xi = xki f (xi )
i=1 i=1 i=1 i=1 i=1
g(x) = a0 + a1 x
Observat, ia 9.1.1. Alegând mai multe tipuri de funct, ii de ajustare, aproximarea este cu atât mai bună
Xn
cu cât suma pătratelor erorilor individuale (f (xi ) − g(xi ))2 este mai mică.
i=1
Exemplul 9.1.1. Vânzările unui produs, exprimate ı̂n mii lei, au avut următoarea evolut, ie ı̂n primele
cinci luni ale anului:
Luna Ian Feb Mar Apr Mai
Vânzare 20 25 35 45 60
Se cere să se determine o funct, ie de ajustare s, i, astfel, o prognoză a vânzărilor pentru luna iunie.
CAPITOLUL 9. REGRESIE LINIARĂ 159
Solut, ie. Vom aplica metoda celor mai mici pătrate. Transformând s, irul lunilor (ian, feb, mar, apr,
mai) ı̂n s, irul numeric
x1 = −2, x2 = −1, x3 = 0, x4 = 1, x5 = 2,
avem cunoscute valorile
f (−2) = 20, f (−1) = 25, f (0) = 35, f (1) = 45, f (2) = 60,
unde f (x) reprezintă valoarea vânzărilor ı̂n luna x.
Reprezentarea grafică a punctelor (xi , f (xi )) este
y
✻
60 q
45 q
q
35
q
25
q
20
✲x
−2 −1 O 1 2
Calculul coeficient, ilor sistemului este efectuat ı̂n următorul tabel, pe coloanele
xi , f (xi ), x2i , xi f (xi ) :
i xi f (xi ) x2i xi f (xi ) g(xi ) f (xi ) − g(xi ) (f (xi ) − g(xi ))2
1 -2 20 4 -40 17 3 9
2 -1 25 1 -25 27 -2 4
3 0 35 0 0 37 -2 4
4 1 45 1 45 47 -2 4
5
P 2 60 4 120 57 3 9
0 185 10 100 — — 30
Sistemul devine
5a0 = 185, a0 = 37,
deci
10a1 = 100, a1 = 10.
Am obt, inut că funct, ia de ajustare liniară este
g(x) = 37 + 10x.
Astfel, vânzările prognozate pentru luna iunie au valoarea
g(3) = 37 + 10 · 3 = 67 (mii lei).
CAPITOLUL 9. REGRESIE LINIARĂ 160
Calculul sumei pătratelor erorilor individuale este efectuat ı̂n coloanele g(xi ), f (xi ) − g(xi ) s, i
(f (xi ) − g(xi ))2 ale tabelului anterior, obt, inându-se că această sumă are valoarea
5
X
(f (xi ) − g(xi ))2 = 30.
i=1
Această valoare fiind mult mai mică decât cea de la ajustarea liniară, rezultă că aproximarea pătratică
este sensibil mai bună decât cea liniară. Evident, această concluzie este ı̂n general valabilă, deoarece
aproximarea liniară este un caz particular al aproximării pătratice.
Y = α + βX + ε, (9.2.1)
unde α s, i β sunt parametrii reali, necunoscut, i, iar ε este o variabilă aleatoare având media E(ε) = 0.
Observat, ia 9.2.1. Deoarece E(ε) = 0, rezultă că
Definit, ia 9.2.1. Relat, ia (9.2.1) se numes, te modelul de regresie liniară simplă. Parametrii
necunoscut, i α s, i β se numesc coeficient, ii de regresie, iar dreapta de ecuat, ie y = α + βx se
numes, te dreapta de regresie corespunzătoare modelului considerat.
Vom estima coeficient, ii de regresie α s, i β ai modelului (9.2.1) pe baza unei select, ii Y1 = y1 ,
Y2 = y2 , . . . , Yn = yn pentru v.a. Y , corespunzătoare valorilor X1 = x1 , X2 = x2 , . . . , Xn = xn
ale variabilei X, utilizând metoda celor mai mici pătrate, adică prin minimizarea sumei pătratelor
erorilor individuale yi − (α + βxi ).
Propozit, ia 9.2.1. Fie modelul de regresie liniară simplă (9.2.1). Fie o select, ie pentru v.a. Y
formată din valorile Y1 = y1 , Y2 = y2 , . . . , Yn = yn , corespunzătoare valorilor X1 = x1 , X2 = x2 ,
. . . ,respectiv Xn = xn ale variabilei X. Presupunem că există i, j ∈ {1, 2, . . . , n} a.ı̂. xi 6= xj . Atunci
estimările obt, inute prin metoda celor mai mici pătrate pentru parametrii α s, i β sunt
cov(X, Y ) cov(X, Y )
b=Y −
α · X, βb = ,
µ2 (X) µ2 (X)
unde n n
1X 1X
X= xi s, i Y = yi
n i=1 n i=1
reprezintă mediile de select, ie ale lui X, respectiv Y ,
n
1X 2
µ2 (X) = (xi − X)
n i=1
Demonstraţie. Conform metodei celor mai mici pătrate, estimările α b s, i βb ale parametrilor α, respectiv
β se obt, in prin minimizarea sumei pătratelor erorilor individuale, adică a funct, iei
n
X
Q(x1 , y1 , . . . , xn , yn ; α, β) = [yi − (α + βxi )]2 .
i=1
deci
n n
1X βb X b = Y − cov(X, Y ) · X.
α
b= yi − xi = Y − βX
n i=1 n i=1 µ2 (X)
Ipoteza că există i, j ∈ {1, 2, . . . , n} a.ı̂. xi 6= xj este echivalentă cu µ2 (X) 6= 0. Astfel determinantul
sistemului de ecuat, ii considerat este nenul, deci sistemul are solut, ie unică.
Observat, ia 9.2.2. Estimat, iile α b s, i βb din propozit, ia anterioară sunt nedeplasate s, i de dispersie minimă.
Observat, ia 9.2.3. Dacă variabila statistică Y are o repartit, ie normală, atunci estimat, iile α b s, i βb din
propozit, ia anterioară, obt, inute prin metoda celor mai mici pătrate, coincid cu estimat, iile obt, inute
prin metoda verosimilităt, ii maxime. De asemenea, ı̂n acest caz intervalele de ı̂ncredere pentru
b s, i βb pot fi determinate utilizând rezultatele din capitolul anterior.
estimat, iile α
H se numeşte ipoteză simplă dacă parametrul θ s, i repartit, ia lui X (adică densitatea de repartit, ie
f (x; θ), respectiv masa de probabilitate p(x; θ)) sunt cunoscute, respectiv ipoteză compusă, ı̂n caz
contrar.
Testarea unei ipoteze statistice H se face ı̂n raport cu o ipoteză alternativă H.
De obicei ipoteza alternativă este
H: H nu este adevărată.
Observat, ia 10.1.1. În testarea ipotezelor statistice pot să apară erori de două tipuri, s, i anume:
• erori de tipul I, când ipoteza este respinsă, des, i ea este adevărată;
• erori de tipul al II-lea, când ipoteza este acceptată, des, i ea este falsă.
Probabilitatea să apară o eroare de tipul I se numes, te nivelul de semnificat, ie al testului.
Valorile uzuale ale nivelul de semnificat, ie sunt 0,1, 0,05, 0,01, 0,005, 0,001.
Xk 2
n Nj
D= − Pj , (10.2.1)
j=1
Pj n
unde
163
CAPITOLUL 10. TESTAREA IPOTEZELOR STATISTICE 164
• k este numărul de intervale disjuncte I1 , I2 , . . . , Ik ı̂n care este partit, ionată mult, imea numerelor
reale, fiecare interval Ij cont, inând cel put, in o valoare Xi ;
k k
1 X (Nj − nPj )2 1 X Nj2
D= = − n. (10.2.2)
n j=1 Pj n j=1 Pj
Observat, ia 10.2.1. D este o statistică deoarece este o funct, ie de frecvent, ele N1 , N2 , . . . , Nk , iar acestea
sunt funct, ii de datele de select, ie X1 , X2 , . . . , Xn .
Testul hi-pătrat este fundamentat de următorul rezultat.
Teorema 10.2.1 (Pearson). Statistica D definită de relat, ia (10.2.1) converge ı̂n repartit, ie către o
repartit, ie hi-pătrat cu k − 1 grade de libertate, adică
r
→ χ2 (k − 1) (pentru n → ∞).
D−
FY (yk−1,1−α ) = 1 − α, (10.2.3)
P (Y < yk−1,1−α ) = 1 − α,
deci cu
P (Y > yk−1,1−α) = α.
Conform teoremei anterioare, putem considera că statistica D are o repartit, ie χ2 (k − 1), pentru
n suficient de mare. Astfel ipoteza H este respinsă dacă
Înlocuind ı̂n formula (10.2.2) obt, inem că valoarea statisticii D pentru datele observate este
8
1 X Nj2
D= − 1000 = 707,1895.
1000 j=1 Pj
Determinăm numărul (cuantila) yk−1,1−α = y7, 0,99 ∈ (0, ∞) ce verifică (10.2.3), adică