Curs PSM PDF

PROBABILITĂT, I S, I
STATISTICĂ MATEMATICĂ
Conf. univ. dr. COSTEL BĂLCĂU
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
2 Definit, ii s, i formule de calculul ale probabilităt, ilor 44

2.1 Definit, ia clasică a probabilităt, ii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.2 Definit, ia axiomatică a probabilităt, ii . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.3 Evenimente independente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.4 Probabilităt, i condit, ionate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.5 Formula probabilităt, ii totale s, i formula lui Bayes . . . . . . . . . . . . . . . . . . . . 55
2.6 Scheme probabiliste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
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
4 Repartit, ii clasice 116

4.1 Repartit, ii discrete clasice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
4.1.1 Repartit, ia uniformă . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
4.1.2 Repartit, ia binomială . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
4.1.3 Repartit, ia multinomială . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
4.1.4 Repartit, ia hipergeometrică . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
4.1.5 Repartit, ia hipergeometrică generalizată . . . . . . . . . . . . . . . . . . . . . . 117
4.1.6 Repartit, ia geometrică . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
4.1.7 Repartit, ia binomială negativă (Pascal) . . . . . . . . . . . . . . . . . . . . . . 118
4.1.8 Repartit, ia Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
4.2 Repartit, ii continue clasice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
1
CUPRINS 2
4.2.1 Repartit, ia uniformă . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120

4.2.2 Repartit, ia uniformă bidimensională . . . . . . . . . . . . . . . . . . . . . . . . 121
4.2.3 Repartit, ia normală (Gaussiană) . . . . . . . . . . . . . . . . . . . . . . . . . . 121
4.2.4 Repartit, ia normală multidimensională . . . . . . . . . . . . . . . . . . . . . . 122
4.2.5 Repartit, ia exponent, ială . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
4.2.6 Repartit, ia Gamma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
4.2.7 Repartit, ia hi-pătrat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
4.2.8 Repartit, ia Weibull . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
4.2.9 Repartit, ia beta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
4.2.10 Repartit, ia Student . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
4.2.11 Repartit, ia Fisher-Snedecor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
4.3 Repartit, ii mixte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
5 Legi ale numerelor mari 127

5.1 Inegaliăt, i celebre din teoria probabilităt, ilor . . . . . . . . . . . . . . . . . . . . . . . . 127
5.2 Convergent, e pentru s, iruri de variabile aleatoare . . . . . . . . . . . . . . . . . . . . . 127
5.3 Legi slabe ale numerelor mari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
5.4 Legi tari ale numerelor mari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
5.5 Teorema limită centrală . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
6 Select, ie s, i statistici 130

6.1 Not, iuni generale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
6.2 Statistici de ordine şi funct, ia empirică de repartit, ie . . . . . . . . . . . . . . . . . . . 131
6.3 Momente de select, ie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
6.4 Histograme şi diagrame de frecvenţe . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
6.5 Proprietăt, i ale momentelor de select, ie . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
7 Estimarea parametrilor 138

7.1 Expunerea problemei . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
7.2 Estimat, ii consistente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
7.3 Estimat, ii nedeplasate s, i estimat, ii absolut corecte . . . . . . . . . . . . . . . . . . . . 139
7.4 Estimat, ii eficiente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
7.5 Metoda momentelor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
7.6 Determinarea punctelor de extrem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
7.7 Metoda verosimilităt, ii maxime . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
7.8 Intervale de ı̂ncredere . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
8 Estimarea parametrilor repartit, iei normale 149

8.1 Estimarea parametrilor prin metoda momentelor . . . . . . . . . . . . . . . . . . . . . 149
8.2 Estimarea parametrilor prin metoda verosimilităt, ii maxime . . . . . . . . . . . . . . . 149
8.3 Intervale de ı̂ncredere pentru parametrul m când parametrul σ 2 este cunoscut . . . . 150
8.4 Intervale de ı̂ncredere pentru parametrul σ 2 . . . . . . . . . . . . . . . . . . . . . . . 153
8.5 Intervale de ı̂ncredere pentru parametrul m când parametrul σ 2 este necunoscut . . . 155
9 Regresie liniară 157

9.1 Metoda celor mai mici pătrate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
9.2 Regresia liniară simplă . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
9.3 Alte modele de regresie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
CUPRINS 3
10 Testarea ipotezelor statistice 163

10.1 Expunerea problemei . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
10.2 Testul hi-pătrat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
Evaluare
• Activitate laborator/seminar: 30% (Aplicat, ii din Temele de laborator/seminar)
• Teme de casă: 20% (Aplicat, ii suplimentare)
• Examen final: 50% (Probă scrisă: teorie s, i aplicat, ii)
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.
[12] K. Devlin, Partida neterminată, Editura Humanitas, Bucures, ti, 2015.
[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.
[18] O. Kallenberg, Foundations of Modern Probability, Springer, 2002.
[19] M. Lefebvre, Applied Probability and Statistics, Springer, 2006.
[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,
se numes, te cuvânt de lungime n peste alfabetul A. Lungimea cuvântului a se notează cu |a|.

Observat, ia 1.1.1. Evident, cuvântul a1 a2 . . . an poate fi identificat cu vectorul (a1 , a2 , . . . , an ).
Definit, ia 1.1.3. Fie m, n ∈ N. O aranjare a n bile (obiecte) ı̂n m urne (căsut, e) este o as, ezare
a celor n bile ı̂n cele m urne astfel ı̂ncât orice bilă este pusă ı̂ntr-o singură urnă. O aranjare se
numes, te cu repetit, ie dacă orice urnă poate cont, ine oricâte bile (dispuse una după alta), respectiv
fără repetit, ie dacă orice urnă cont, ine cel mult o bilă. Bilele pot fi numerotate (cu numere
distincte două câte două) sau identice (nenumerotate). Urnele pot fi numerotate (cu numere
distincte două câte două) sau identice (nenumerotate). Urnele se numesc ordonate când contează
ordinea dintre bilele din aceeas, i urnă, respectiv neordonate ı̂n caz contrar.
Definit, ia 1.1.4. Fie x ∈ R s, i n ∈ N. Notăm
 
 1, dacă n = 0,  1, dacă n = 0,
n
x(x − 1) . . . (x − n + 1), dacă n ≥ 1, [x] = x(x + 1) . . . (x + n − 1), dacă n ≥ 1.
[x]n =
 | {z }  | {z }
n factori n factori
[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
[−x]n = (−1)n [x]n , [−x]n = (−1)n [x]n ,

[x]n = [x + n − 1]n , [x]n = [x − n + 1]n .
7
CAPITOLUL 1. METODE DE NUMĂRARE 8
1.2 Regula produsului

Definit, ia 1.2.1. Produsul cartezian al mult, imilor A1 , A2 , . . . , An (n ∈ N∗ ) este mult, imea
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 1.2.1 (de numărare a produsului cartezian). Fie n ∈ N∗ s, i A1 , A2 , . . . , An mult, imi

finite. Atunci card (A1 × A2 × . . . × An ) = card (A1 ) · card (A2 ) · . . . · card (An ).
Demonstraţie. Vom demonstra egalitatea din enunt, prin induct, ie după n.

Pentru n = 1 egalitatea devine card (A1 ) = card (A1 ).
Pentru n = 2, fie A1 = {x1 , x2 , . . . , xp } s, i A2 = {y1 , y2 , . . . , yq }. Avem
A1 × A2 = {(x1 , y1), (x1 , y2 ), . . . , (x1 , yq ),

(x2 , y1 ), (x2 , y2 ), . . . , (x2 , yq ),
···
(xp , y1 ), (xp , y2 ), . . . , (xp , yq )}
(p linii s, i q coloane), deci card (A1 × A2 ) = pq = card (A1 ) · card (A2 ).

Presupunem adevărată egalitatea din enunt, pentru orice k mult, imi finite, unde k ≥ 2, s, i o
demonstrăm pentru k + 1. Folosind asociativitatea produsului cartezian, egalitatea demonstrată
pentru două mult, imi s, i ipoteza de induct, ie avem
card (A1 × . . . × Ak × Ak+1 ) = card (A1 × . . . × Ak ) · card (Ak+1 )

= card (A1 ) · . . . · card (Ak ) · card (Ak+1 ),
deci demonstrat, ia este ı̂ncheiată.

Formula anterioară rămâne valabilă, cu acceas, i demonstrat, ie, s, i ı̂n următorul caz mai general,
când mult, imile Ak depind de alegerea elementelor anterioare a1 ∈ A1 , a2 ∈ A2 , . . . , ak−1 ∈ Ak−1 , dar
au cardinal fixat.
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
M = {(a1 , a2 , . . . , an ) | a1 ∈ A1 , a2 ∈ A2 (a1 ), a3 ∈ A3 (a1 , a2 ), . . . , an ∈ An (a1 , a2 , . . . , an−1 )} .
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
• a ∈ {1, 2, . . . , 9} (9 posibilităt, i),
• b ∈ {0, 1, 2, . . . , 9} \ {a} (9 posibilităt, i, pentru orice a),

• c ∈ {0, 1, 2, . . . , 9} \ {a, b} (8 posibilităt, i, pentru orice a s, i b),
• d ∈ {0, 1, 2, . . . , 9} \ {a, b, c} (7 posibilităt, i, pentru orice a, b s, i c),
deci numărul lor este 9 · 9 · 8 · 7 = 4536.

Cele impare au forma abcd, cu
• d ∈ {1, 3, 5, 7, 9} (5 posibilităt, i),
• a ∈ {1, 2, . . . , 9} \ {d} (8 posibilităt, i, pentru orice d),
• b ∈ {0, 1, 2, . . . , 9} \ {a, d} (8 posibilităt, i, pentru orice a s, i b),
• c ∈ {0, 1, 2, . . . , 9} \ {a, b, d} (7 posibilităt, i, pentru orice a, b s, i c),
deci numărul lor este 5 · 8 · 8 · 7 = 2240.

Astfel numărul celor pare este de 4536 − 2240 = 2296.
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) .
Demonstraţie. Fie A = {a1 , a2 , . . . , an }, n ∈ N∗ . Notăm {0, 1}n = {0, 1} × . . . × {0, 1}.

| {z }
de n ori
Definim funct, iile α : P(A) → {0, 1}n s, i β : {0, 1}n → P(A) prin:

1, dacă ai ∈ B,
• ∀B ∈ P(A), α(B) = (c1 , c2 , . . . , cn ), unde ci =
0, dacă ai 6∈ B
((c1 , c2 , . . . , cn ) se numes, te vectorul caracteristic al submult, imii B);
• ∀ (c1 , c2 , . . . , cn ) ∈ {0, 1}n , β(c1 , c2 , . . . , cn ) = {ai |ci = 1, i ∈ {1, . . . , n}}.
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}
Deci A are 23 = 8 submult, imi.

1.3 Aranjamente, combinări, permutări

Propozit, ia 1.3.1 (de numărare a aranjamentelor cu repetit, ie). Fie m, n ∈ N. Atunci
numărul de cuvinte de lungime n peste un alfabet cu m litere
= numărul de aranjări cu repetit, ie a n bile numerotate ı̂n m urne numerotate s, i neordonate
= numărul de funct, ii ce pot fi definite pe o mult, ime (fixată) cu n elemente, cu valori ı̂ntr-o
mult, ime (fixată) cu m elemente
= mn
(cu convent, ia 00 = 1).
Demonstraţie. Fie A = {1, 2, . . . , n} s, i B = {1, 2, . . . , m}. Notăm mult, imile din enunt, astfel:
C = {(c1 , c2 , . . . , cn )|ci ∈ B ∀ i},
A = mult, imea aranjărilor cu repetit, ie a n bile numerotate 1, 2, . . . , n ı̂n m urne numerotate 1, 2, . . . , m

s, i neordonate,
F = {f |f : A → B}.
Între aceste mult, imi definim următoarele corespondent, e
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};
• ∀ (c1 , c2 , . . . , cn ) ∈ C, γ(c1 , c2 , . . . , cn ) = f , unde f (i) = ci , ∀ i ∈ A;
• ∀ f ∈ F , δ(f ) = (c1 , c2 , . . . , cn ), unde ci = f (i), ∀ i ∈ A.
Evident, funct, iile α, β, γ s, i δ sunt bine definite. De asemenea avem
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
card (C) = card (A) = card (F ).
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:
(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 .
C1 = {(c1 , c2 , . . . , cn )|ci ∈ B ∀ i, ci 6= cj ∀ i 6= j},
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
exact ca ı̂n demonstrat, ia Propozit, iei 1.3.1.

Din nou aceste funct, ii sunt bine definite, α s, i β sunt inverse una celeilalte, iar γ s, i δ sunt inverse
una celeilalte. Deci
card (C1 ) = card (A1 ) = card (F1 ).
Rămâne de demonstrat egalitatea card (C1 ) = [m]n . Avem
C1 = {(c1 , c2 , . . . , cn )|c1 ∈ {1, . . . , m}, c2 ∈ {1, . . . , m} \ {c1 }, c3 ∈ {1, . . . , m} \ {c1 , c2 }, . . . , cn ∈
{1, . . . , m} \ {c1 , . . . , cn−1 }}, deci, aplicând regula produsului,
card (C1 ) = m(m − 1)(m − 2) . . . (m − n + 1) = [m]n .
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:
(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
Deci avem [4]2 = 4 · 3 = 12 aranjamente.

Propozit, ia 1.3.3 (de numărare a permutărilor). Fie n ∈ N. Atunci
numărul de cuvinte ce cont, in exact o dată fiecare literă a unui alfabet cu n litere
= numărul de aranjări fără repetit, ie a n bile numerotate ı̂n n urne numerotate
= numărul de funct, ii bijective ce pot fi definite pe o mult, ime (fixată) cu n elemente, cu valori
ı̂ntr-o mult, ime (fixată) tot cu n elemente
= n!.
Demonstraţie. E suficient să luăm m = n ı̂n Propozit, ia 1.3.2 s, i să folosim faptul că că o funct, ie
f : {a1 , . . . , an } → {b1 , . . . , bn } este bijectivă dacă s, i numai dacă este injectivă. Evident,
[n]n = n(n − 1) . . . 1 = n!.
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).
Deci avem 3! = 1 · 2 · 3 = 6 permutări.

Propozit, ia 1.3.4 (de numărare a aranjamentelor ordonate). Fie m, n ∈ N. Atunci numărul
de aranjări cu repetit, ie a n bile numerotate ı̂n m urne numerotate s, i ordonate este egal cu [m]n .
Demonstraţie. Vom construi o corespondent, ă bijectivă ı̂ntre aranjările din enunt, s, i aranjamentele
(fără repetit, ie) de m + n − 1 luate câte n. Notăm
A2 = mult, imea aranjărilor cu repetit, ie a n bile numerotate 1, 2, . . . , n ı̂n m urne numerotate
1, 2, . . . , m s, i ordonate,
C2 = {(c1 , c2 , . . . , cn )|ci ∈ {1, 2, . . . , m + n − 1} ∀ i, ci 6= cj ∀i 6= j}.
Orice aranjare ω ∈ A2 se reprezintă sub forma
ω : (i1 , . . . , in1 )|(in1 +1 , . . . , in1 +n2 )| . . . |(in1 +...+nm−1 +1 , . . . , in1 +...+nm−1 +nm ),
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:
• ∀ ω ∈ A2 , ϕ(ω) = (c1 , c2 , . . . , cn ), unde ci = pozit, ia pe care se află bila i ı̂n aranjarea ω

(incluzând pozit, iile bilelor s, i ale barelor despărt, itoare), ∀ i ∈ {1, . . . , n};
• ∀(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.
De exemplu, pentru m = 3, n = 4 s, i aranjarea
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
card (C2 ) = [m + n − 1]n ,
iar conform Observat, iei 1.1.2 avem

[m + n − 1]n = [m]n ,
obt, inem card (A2 ) = [m]n .
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.
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)
Deci avem [3]2 = 3 · 4 = 12 aranjamente ordonate.

Propozit, ia 1.3.5 (de numărare a combinărilor). Fie m, n ∈ N. Atunci
numărul de cuvinte strict crescătoare de lungime n peste un alfabet (ordonat) cu m litere
= numărul de aranjări fără repetit, ie a n bile identice ı̂n m urne numerotate
= numărul de funct, ii strict crescătoare ce pot fi definite pe o mult, ime (ordonată) cu n elemente,
cu valori ı̂ntr-o mult, ime (ordonată) cu m elemente
= numărul de submult
, imi cu n elemente ale unei mult, imi cu m elemente
[m]n def m
= = .
n! n
C3 = {(c1 , c2 , . . . , cn )|ci ∈ B ∀ i, ci < ci+1 ∀ i},
A3 = mult, imea aranjărilor fără repetit, ie a n bile identice ı̂n m urne numerotate 1, 2, . . . , m,
F3 = {f |f : A → B, f (i) < f (j) ∀ i < j},
S3 = {S|S ⊆ B, card (S) = n}.
α : C3 → A3 , β : A3 → C3 , γ : C3 → F3 , δ : F3 → C3
exact ca ı̂n demonstrat, ia Propozit, iei 1.3.1, precum s, i µ : C3 → S3 , ν : S3 → C3 definite prin:
• ∀ (c1 , c2 , . . . , cn ) ∈ C3 , µ(c1 , c2 , . . . , cn ) = {c1 , c2 , . . . , cn };
• ∀ {c1 , c2 , . . . , cn } ∈ S3 cu c1 < c2 < . . . < cn , ν({c1 , c2 , . . . , cn }) = (c1 , c2 , . . . , cn ).
Din nou toate aceste funct, ii sunt bine definite, iar β, δ s, i ν sunt inversele lui α, γ s, i, respectiv, µ.
Deci toate cele 6 funct, ii sunt bijective s, i astfel
card (C3 ) = card (A3 ) = card (F3 ) = card (S3 ).

m
Rămâne de demonstrat egalitatea card (C3 ) = .
n
Permutând fiecare combinare (c1 , c2 , . . . , cn ) ∈ C3 ı̂n toate cele n! moduri posibile, obt, inem fără
repetare toate aranjamentele din mult, imea
C1 = {(a1 , a2 , . . . , an )|ai ∈ B ∀ i, ai 6= aj ∀i 6= j}.
Deci card
(C3 ) · n! = card (C1 ). Dar, conform Propozit, iei 1.3.2, card (C1 ) = [m]n , deci card (C3 ) =
[m]n m
= .
n! n
Definit, ia 1.3.5. Oricare obiecte din cele 4 tipuri numărate ı̂n propozit, ia anterioarăse
numesc com-
m
binări (fără repetit, ie) de m luate câte n. De asemenea s, i numărul lor, adică , se numes, te
n
n
tot combinări (fără repetit, ie) de m luate câte n s, i se mai notează cu Cm .

m
Observat, ia 1.3.2. Pentru n > m avem = 0, deoarece [m]n = 0.
n
Pentru n ≤ m avem
m m!
= ,
n n!(m − n)!
m!
deoarece [m]n = m(m − 1) . . . (m − n + 1) = .
(m − n)!
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}
unde simbolul ”o” reprezintă o bilă. Deci avem

5 [5]3 5·4·3
= = = 10 combinări.
3 3! 1·2·3
Exemplul 1.3.6. Pentru m = 4 s, i n = 3, corespondent, a aranjamente ↔ permutările combinărilor din

demonstrat, ia anterioară s, i din algoritmul anterior este redată ı̂n următorul tabel:
Combinare Permutare Aranjament Combinare Permutare Aranjament

(1,2,3) (1,2,3) (1,2,3) (1,3,4) (1,2,3) (1,3,4)
(1,3,2) (1,3,2) (1,3,2) (1,4,3)
(2,1,3) (2,1,3) (2,1,3) (3,1,4)
(2,3,1) (2,3,1) (2,3,1) (3,4,1)
(3,1,2) (3,1,2) (3,1,2) (4,1,3)
(3,2,1) (3,2,1) (3,2,1) (4,3,1)
(1,2,4) (1,2,3) (1,2,4) (2,3,4) (1,2,3) (2,3,4)
(1,3,2) (1,4,2) (1,3,2) (2,4,3)
(2,1,3) (2,1,4) (2,1,3) (3,2,4)
(2,3,1) (2,4,1) (2,3,1) (3,4,2)
(3,1,2) (4,1,2) (3,1,2) (4,2,3)
(3,2,1) (4,2,1) (3,2,1) (4,3,2)

4
Deci avem · 3! = [4]3 = 4 · 3 · 2 = 24 aranjamente.
3
Propozit, ia 1.3.6 (de numărare a combinărilor cu repetit, ie). Fie m, n ∈ N. Atunci
numărul de cuvinte crescătoare de lungime n peste un alfabet (ordonat) cu m litere
= numărul de aranjări cu repetit, ie a n bile identice ı̂n m urne numerotate
= numărul de funct, ii crescătoare ce pot fi definite pe o mult, ime (ordonată) cu n elemente, cu
valori ı̂ntr-o mult
, ime
(ordonată) cu m elemente
[m]n def m
= = .
n! n
C4 = {(c1 , c2 , . . . , cn )|ci ∈ B ∀ i, ci ≤ ci+1 ∀ i},

A4 = mult, imea aranjărilor cu repetit, ie a n bile identice ı̂n m urne numerotate 1, 2, . . . , m,
F4 = {f |f : A → B, f (i) ≤ f (j) ∀ i < j}.
α : C4 → A4 , β : A4 → C4 , γ : C4 → F4 , δ : F4 → C4

Din nou aceste funct, ii sunt bine definite, iar β s, i δ sunt inversele lui α s, i, respectiv, γ. Deci toate
cele 4 funct, ii sunt bijective s, i astfel

m
Rămâne de demonstrat egalitatea card (A4 ) = .
n
Numerotând cu 1, 2, . . . , n cele n bile pentru fiecare combinare cu repetit, ie ω ∈ A4 , ı̂n toate cele
n! moduri posibile, obt, inem fără repetare toate aranjamentele ordonate din mult, imea A2 definită ı̂n
demonstrat, ia Propozit, iei 1.3.4.
n
(A4)· n! = card (A2 ). Dar, conform Propozit, iei 1.3.4, card (A2 ) = [m] , deci card (A4 ) =
Deci card
n
[m] m
= .
n! n
Definit, ia 1.3.6. Oricare obiecte din cele 3 tipuri numărate ı̂n propozit, ia anterioară
se numesc com-
m
binări cu repetit, ie de m luate câte n. De asemenea s, i numărul lor, adică , se numes, te tot
n
combinări cu repetit, ie de m luate câte n.
Observat, ia 1.3.3. Evident, pentru orice m, n ∈ N avem

m [m]n [m + n − 1]n m+n−1
= = = ,
n n! n! n

m [m]n [m − n + 1]n m−n+1
= = = .
n n! n! n
De asemenea, pentru m ≥ 1 avem

m (m + n − 1)!
= ,
n n!(m − 1)!
(m + n − 1)!
deoarece [m]n = m(m + 1) . . . (m + n − 1) = .
(m − 1)!
următorul tabel:
(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
unde simbolul ”o” reprezintă o bilă. Deci avem

3 [3]4 3·4·5·6
= = = 15
4 4! 1·2·3·4
combinări cu repetit, ie.
Propozit, ia 1.3.7 (de numărare a permutărilor cu repetit, ie). Fie
m, n1 , n2 , . . . , nm ∈ N s, i n = n1 + n2 + . . . + nm . Atunci
numărul de cuvinte de lungime n ce pot fi formate peste un alfabet cu m litere astfel ı̂ncât litera
numărul i să apară de exact ni ori pentru orice i ∈ {1, . . . , m}
= numărul de aranjări cu repetit, ie a n bile numerotate ı̂n m urne numerotate s, i neordonate astfel
ı̂ncât urna numărul i să cont, ină exact ni bile pentru orice i ∈ {1, . . . , m}
= numărul de funct, ii ce pot fi definite pe o mult, ime cu n elemente s, i cu valori ı̂ntr-o mult, ime cu
m elemente {b1 , . . . , bm } astfel ı̂ncât f −1 (bi ) are exact ni elemente pentru orice i ∈ {1, . . . , m}
n! def n
= = .
n1 !n2 ! . . . nm ! n1 , n2 , . . . , nm
C5 = {(c1 , c2 , . . . , cn )|ci ∈ B ∀ i, card ({i|ci = j}) = nj ∀ j ∈ {1, . . . , m}},
A5 = mult, imea aranjărilor cu repetit, ie a n bile numerotate 1, . . . , n ı̂n m urne numerotate 1, 2, . . . , m

s, i neordonate astfel ı̂ncât urna i cont, ine exact ni bile ∀ i,
F5 = {f |f : A → B, card (f −1 (i)) = ni ∀ i ∈ {1, . . . , m}}.
α : C5 → A5 , β : A5 → C5 , γ : C5 → F5 , δ : F5 → C5

Din nou aceste funct, ii sunt bine definite, iar β s, i δ sunt inversele lui α s, i, respectiv, γ. Deci toate
cele 4 funct, ii sunt bijective s, i astfel


n
Rămâne de demonstrat egalitatea card (A5 ) = .
n1 , n2 , . . . , nm
Pentru aceasta, numărăm aranjările din A5 folosind regula produsului astfel:

n
• alegem cele n1 bile (din totalul de n) ce sunt as, ezate ı̂n urna 1, rezultă moduri posibile;
n1
• pentru fiecare alegere
de mai de n −n1 ) ce sunt as, ezate
sus, alegem cele n2 bile (dinrestul
n − n1 n n − n1
ı̂n urna 2, rezultă moduri posibile, deci obt, inem moduri posibile de
n2 n1 n2
alegere a bilelor din urnele 1 s, i 2;
• ...
• 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:
(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!
1.4 Compuneri s, i descompuneri ale unui număr natural

Definit, ia 1.4.1. Fie n, m ∈ N. O compunere a lui n este o scriere de forma
n = n1 + n2 + . . . + nm ,
unde n1 , n2 , . . . , nm ∈ N s, i contează ordinea dintre termenii n1 , n2 , . . . , nm .
Propozit, ia 1.4.1 (de numărare a compunerilor unui număr natural).
Fie n, m ∈ N. Atunci:
m
a) numărul de compuneri ale lui n cu m termeni este egal cu ;
n
n−1
b) numărul de compuneri ale lui n cu m termeni nenuli este egal cu .
m−1
Demonstraţie. a) Fie mult, imile
N = {(n1 , n2 , . . . , nm )|ni ∈ N ∀ i, n1 + n2 + . . . + nm = n},
A = mult, imea aranjărilor cu repetit, ie a n bile identice ı̂n m urne numerotate 1, 2, . . . , m.
Definim corespondent, ele α : N → A, β : A → N prin:
• ∀(n1 , . . . , nm ) ∈ N , α(n1 , . . . , nm ) = ω, unde ω este aranjarea dată de regula: ı̂n urna i se
as, ează exact ni bile, ∀ i ∈ {1, . . . , m};
• ∀ ω ∈ A, β(ω) = (n1 , . . . , nm ), unde ni = numărul de bile din urna i ı̂n aranjarea ω, ∀ i ∈
{1, . . . , m}.
Evident, funct, iile α s, i β sunt bine definite s, i inverse una celeilalte, deci sunt bijective s, i astfel obt, inem

m
card (N ) = card (A) =
n
(conform Propozit, iei 1.3.6).
b) Fie mult, imile
N1 = {(n1 , n2 , . . . , nm )|ni ∈ N∗ ∀ i, n1 + n2 + . . . + nm = n},
N2 = {(t1 , t2 , . . . , tm )|ti ∈ N ∀ i, t1 + t2 + . . . + tm = n − m}.
Definim corespondent, ele ϕ : N1 → N2 , ψ : N2 → N1 prin:
• ∀(n1 , . . . , nm ) ∈ N1 , ϕ(n1 , . . . , nm ) = (n1 − 1, . . . , nm − 1);

• ∀(t1 , . . . , tm ) ∈ N2 , ψ(t1 , . . . , tm ) = (t1 + 1, . . . , tm + 1).
Evident, funct, iile ϕ s, i ψ sunt bine definite s, i inverse una celeilalte, deci sunt bijective, s, i astfel
obt, inem
card (N1 ) = card (N2 ).

m
Conform punctului a) avem card (N2 ) = , deci
n−m

m [m]n−m m(m + 1) . . . (n − 1)
card (N1 ) = = =
n−m (n − m)! (n − m)!

(n − 1)! n−1
= =
(m − 1)!(n − m)! m−1
s, i demonstrat, ia este ı̂ncheiată.
Exemplul 1.4.1. Pentru n = 4 s, i m = 3 compunerile sunt
4 = 0+0+4= 0+1+3 =0+2+2 =0+3+1 =0+4+0
= 1+0+3= 1+1+2 =1+2+1 =1+3+0 =2+0+2
= 2 + 1 + 1 = 2 + 2 + 0 = 3 + 0 + 1 = 3 + 1 + 0 = 4 + 0 + 0.
Corespondent, ele de la punctul a) din demonstrat, ia anterioară sunt redate ı̂n următorul tabel:
(n1 , n2 , n3 ) ∈ N ω∈A
(0,0,4) ∅|∅|o o o o
(0,1,3) ∅|o|o o o
(0,2,2) ∅|o o|o o
(0,3,1) ∅|o o o|o
(0,4,0) ∅|o o o o|∅
(1,0,3) o|∅|o o o
(1,1,2) o|o|o o
(1,2,1) o|o o|o
(1,3,0) o|o o o|∅
(2,0,2) o o|∅|o o
(2,1,1) o o|o|o
(2,2,0) o o|o o|∅
(3,0,1) o o o|∅|o
(3,1,0) o o o|o|∅
(4,0,0) o o o o|∅|∅

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)
Definit, ia 1.4.2. O partit, ie (descompunere) a numărului n ∈ N∗ este o scriere de forma
n = n1 + n2 + . . . + nk ,
unde n1 , n2 , . . . , nk ∈ N∗ (k ∈ N∗ ) s, i nu contează ordinea dintre termenii 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.
Exemplul 1.4.2. Numărul n = 6 are partit, iile
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,
deci P (6, 1) = 1, P (6, 2) = 3, P (6, 3) = 3, P (6, 4) = 2, P (6, 5) = 1, P (6, 6) = 1 s, i P (6) = 11.
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,
P(n, k) = {(n1 , . . . , nk )|ni ∈ N∗ ∀ i, n1 ≤ . . . ≤ nk , n1 + . . . + nk = n}.
Definim corespondent, ele ϕ : A(n, k) → P(n, k) s, i ψ : P(n, k) → A(n, k) prin:
• ∀ 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
card (A(n, k)) = card (P(n, k)) = P (n, k).
Exemplul 1.4.3. Pentru n = 7 s, i k = 3 partit, iile sunt
7 = 1 + 1 + 5 = 1 + 2 + 4 = 1 + 3 + 3 = 2 + 2 + 3.
Corespondent, ele din demonstrat, ia anterioară sunt redate ı̂n următorul tabel:
(n1 , n2 , n3 ) ∈ P(7, 3) ω ∈ A(7, 3)

(1,1,5) o|o|o o o o o
(1,2,4) o|o o|o o o o
(1,3,3) o|o o o|o o o
(2,2,3) o o|o o|o o o
unde simbolul ”o” reprezintă o bilă. Deci avem P (7, 3) = 4 partit, ii.
Propozit, ia 1.4.3. Fie n, k ∈ N∗ . Avem:
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).
Corolarul 1.4.1. Avem

n
X
P (n) = P (n, k), ∀ n ∈ N∗ .
k=1
Demonstraţie. Conform Definit, iei 1.4.3 s, i Propozit, iei 1.4.3 avem

∞
X n
X
P (n) = P (n, k) = P (n, k),
k=1 k=1
restul termenilor fiind egali cu 0.
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).
Demonstraţie. Notăm din nou
P(n, k) = {(n1 , . . . , nk )|ni ∈ N∗ ∀ i, n1 ≤ . . . ≤ nk , n1 + . . . + nk = n},
pentru orice n ∈ N∗ s, i orice k ∈ {1, . . . , n − 1}.

Definim corespondent, ele
k
[ k
[
α : P(n, k) → P(n − k, i) s, i β : P(n − k, i) → P(n, k)
i=1 i=1
prin:
• ∀ (n1 , . . . , nk ) ∈ P(n, k), α(n1 , . . . , nk ) = (nj − 1, . . . , nk − 1), unde
j = min{i|ni ≥ 2, i ∈ {1, . . . , k}}
(există j, deoarece k ≤ n − 1);
• ∀ i ∈ {1, . . . , k}, ∀ (n1 , . . . , ni ) ∈ P(n − k, i),
β(n1 , . . . , ni ) = (1, . . . , 1, n1 + 1, . . . , ni + 1).

| {z }
de k−i ori
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
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).
Demonstraţie. Folosind Propozit, iile 1.4.4 s, i 1.4.3 s, i Corolarul 1.4.2 avem
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).
Demonstraţie. Se utilizează Corolarele 1.4.3 s, i 1.4.1.

Observat, ia 1.4.2. Relat, ia de recurent, ă din Propozit, ia 1.4.4, ı̂mpreună cu condit, iile init, iale din
Propozit, ia 1.4.3, permit calculul tuturor numerelor P (n, k), deci s, i al numerelor P (n), conform
Corolarului 1.4.1.
De exemplu, tabelul numerelor P (n, k) s, i P (n) pentru n ≤ 7 (s, i k ≤ 7) este:
P (n, k) k = 1 k = 2 k = 3 k=4 k=5 k=6 k=7 P (n)

n=1 1 0 0 0 0 0 0 1
n=2 1 1 0 0 0 0 0 2
n=3 1 1 1 0 0 0 0 3
n=4 1 2 1 1 0 0 0 5
n=5 1 2 2 1 1 0 0 7
n=6 1 3 3 2 1 1 0 11
n=7 1 3 4 3 2 1 1 15
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).
1.5 Partit, ii ale unei mult, imi finite

Definit, ia 1.5.1. O partit, ie a unei mult, imi nevide A este o scriere de forma
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.
Definit, ia 1.5.2. Fie n, k ∈ N.

a) Numărul lui Stirling de spet, a a doua, notat cu S(n, k), reprezintă numărul de partit, ii ale
unei mult, imi cu n elemente ı̂n k părt, i.
b) Numărul lui Bell, notat cu Bn , reprezintă numărul tuturor partit, iilor unei mult, imi cu n ele-
mente.
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).
Demonstraţie. Fie A = {1, 2, . . . , n}. Notăm

A(n, k) = mult, imea aranjărilor cu repetit, ie a n bile numerotate 1, . . . , n ı̂n k urne identice, neordonate
s, i nevide,
S(n, k) = {{A1 , . . . , Ak }|Ai 6= ∅ ∀ i, Ai ∩ Aj = ∅ ∀ i 6= j, A = A1 ∪ . . . ∪ Ak }.
Definim corespondent, ele ϕ : A(n, k) → S(n, k) s, i ψ : S(n, k) → A(n, k) prin:
• ∀ 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
card (A(n, k)) = card (S(n, k)) = S(n, k).
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}
Deci avem S(4, 3) = 6 partit, ii.

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
restul termenilor fiind egali cu 0.

Corolarul 1.5.3. Fie n ∈ N. Atunci numărul de aranjări cu repetit, ie a n bile numerotate ı̂n n urne
identice s, i neordonate este egal cu Bn .
Demonstraţie. Se utilizează Corolarele 1.5.1 s, i 1.5.2.
Propozit, ia 1.5.3 (relat, ia de recurent, ă a numerelor S(n, k)).
S(n, k) = S(n − 1, k − 1) + kS(n − 1, k), ∀ n, k ∈ N∗ .
Demonstraţie. Notăm din nou
S(n, k) = {{A1 , . . . , Ak }|Ai 6= ∅ ∀ i, Ai ∩ Aj = ∅ ∀ i 6= j, A = A1 ∪ . . . ∪ Ak },
pentru orice n, k ∈ N∗ . Definim corespondent, ele
α : S(n, k) → S(n − 1, k − 1) ∪ {1, . . . , k} × S(n − 1, k),

β : S(n − 1, k − 1) ∪ {1, . . . , k} × S(n − 1, k) → S(n, k),
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};
• ∀ {A1 , . . . , Ak−1 } ∈ S(n − 1, k − 1),
β({A1 , . . . , Ak−1}) = {A1 , . . . , Ak−1, {n}},

• ∀ (i, {A1 , . . . , Ak }) ∈ {1, . . . , k} × S(n − 1, k),
β(i, {A1 , . . . , Ak }) = {A1 , . . . , Ai ∪ {n}, . . . , Ak }.
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
card (S(n, k)) = card (S(n − 1, k − 1) ∪ {1, . . . , k} × S(n − 1, k)) ,
adică S(n, k) = S(n − 1, k − 1) + kS(n − 1, k).

Observat, ia 1.5.1. Relat, ia de recurent, ă de mai sus ı̂mpreună cu condit, iile init, iale S(0, 0) = 1, S(0, k) =
0 ∀ k ≥ 1, S(n, 0) = 0 ∀ n ≥ 1 (din Propozit, ia 1.5.2) permit calculul tuturor numerelor S(n, k), deci
s, i al numerelor Bn , conform Corolarului 1.5.2. De exemplu, tabelul numerelor S(n, k) s, i Bn pentru
n ≤ 6 (s, i k ≤ 6) este:
S(n, k) k = 0 k = 1 k=2 k=3 k=4 k=5 k = 6 Bn

n=0 1 0 0 0 0 0 0 1
n=1 0 1 0 0 0 0 0 1
n=2 0 1 1 0 0 0 0 2
n=3 0 1 3 1 0 0 0 5
n=4 0 1 7 6 1 0 0 15
n=5 0 1 15 25 10 1 0 52
n=6 0 1 31 90 65 15 1 203
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.
1.6 Spat, ii măsurabile, măsuri finite

Definit, ia 1.6.1. Un spat, iu măsurabil este o pereche (Ω, B), unde Ω este o mult, ime iar B este o
familie nevidă de submult, imi (părt, i) ale lui Ω având următoarele două proprietăt, i:
1) dacă A ∈ B, atunci Ω \ A ∈ B;
S
∞
2) dacă (Ai )i∈N∗ ⊆ B, atunci Ai ∈ B.
i=1
B se numes, te corp borelian (σ-corp, σ-algebră) pe Ω.

Propozit, ia 1.6.1. Fie (Ω, B) un spat, iu măsurabil. Atunci au loc următoarele proprietăt, i:
1) ∅, Ω ∈ B;
T
∞
2) dacă (Ai )i∈N∗ ⊆ B, atunci Ai ∈ B;
i=1
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.
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
deoarece µ (Ai ) = µ(∅) = 0 ∀ i ≥ n + 1.
1.7 Principiul includerii s, i excluderii

În această sect, iune vom prezenta un principiu important de numărare s, i câteva aplicat, ii ale sale.
Teorema 1.7.1 (Principiul includerii s, i excluderii, formula lui Poincaré).
a) Fie µ o măsură finită pe spat, iul măsurabil (Ω, B). Dacă A1 , A2 , . . . , An ∈ B (n ∈ N∗ ), atunci
n
! n
[ X X
µ Ai = (−1)k−1 µ(Ai1 ∩ . . . ∩ Aik ).
i=1 k=1 1≤i1 <...<ik ≤n
b) Dacă A1 , A2 , . . . , An sunt mult, imi finite (n ∈ N∗ ), atunci

n
! n
[ X X
card Ai = (−1)k−1 card (Ai1 ∩ . . . ∩ Aik ).
i=1 k=1 1≤i1 <...<ik ≤n
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
µ(A1 ∪ A2 ) = µ(A1 ) + µ(A2 ) − µ(A1 ∩ A2 ).
Într-adevăr, folosind proprietăt, ile măsurii date de Definit, ia 1.6.2 s, i Propozit, ia 1.6.2 avem
µ(A1 ∪ A2 ) = µ(A1 ∪ (A2 \ A1 )) = µ(A1 ) + µ(A2 \ A1 )

= µ(A1 ) + µ(A2 \ (A1 ∩ A2 )) = µ(A1 ) + µ(A2 ) − µ(A1 ∩ A2 ).
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
s, i astfel demonstrat, ia prin induct, ie este ı̂ncheiată.

Sn
b) Fie Ω = Ai s, i B = P(Ω) mult, imea tuturor submult, imilor lui Ω. Evident, (Ω, B) este un
i=1
spat, iu măsurabil, iar funct, ia
µ : B → [0, ∞), µ(A) = card (A) ∀ A ∈ B
este o măsură finită pe acest spat, iu, deci aplicând formula de la punctul a) obt, inem egalitatea din
enunt, .
Corolarul 1.7.1 (de numărare a deranjamentelor). Fie n ∈ N∗ . Atunci numărul permutărilor

σ : {1, . . . , n} → {1, . . . , n} cu proprietatea că σ(i) 6= i ∀i ∈ {1, . . . , n} (numite permutări fără
puncte fixe sau deranjamente) este

1 1 n 1
D(n) = n! 1 − + − . . . + (−1) · .
1! 2! n!
Demonstraţie. Fie
A = {σ|σ : {1, . . . , n} → {1, . . . , n}, σ(i) 6= σ(j) ∀ i 6= j}
mult, imea permutărilor de ordinul n, s, i fie
Ai = {σ ∈ A|σ(i) = i}, ∀ i ∈ {1, . . . , n}.

Pentru orice 1 ≤ i1 < . . . < ik ≤ n avem
Ai1 ∩ . . . ∩ Aik = {σ ∈ A|σ(i1 ) = i1 , . . . , σ(ik ) = ik },
deci, conform Propozit, iei 1.3.3,
card (Ai1 ∩ . . . ∩ Aik ) = (n − k)!,
deoarece orice permutare σ ∈ Ai1 ∩ . . . ∩ Aik este bine determinată de restrict, ia sa
σ : {1, . . . , n} \ {i1 , . . . , ik } → {1, . . . , n} \ {i1 , . . . , ik }, σ(i) = σ(i) ∀ i,
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 .
Pentru orice 1 ≤ i1 < . . . < ik ≤ m avem

Ai1 ∩ . . . ∩ Aik = {f ∈ A|i1 , . . . , ik 6∈ Im(f )},
deci, conform Propozit, iei 1.3.1,
card (Ai1 ∩ . . . ∩ Aik ) = (m − k)n ,
deoarece orice funct, ie f ∈ Ai1 ∩ . . . ∩ Aik este bine determinată de restrict, ia sa
f : {1, . . . , n} → {1, . . . , m} \ {i1 , . . . , ik }, f (x) = f (x) ∀ x ∈ {1, . . . , n}.
S
m
Mult, imea funct, iilor surjective f : {1, . . . , n} → {1, . . . , m} este A \ Ai . Aplicând Principiul
i=1
includerii s, i excluderii s, i Propozit, ia 1.3.1 avem
m
[ m
X X
card (A \ Ai ) = card (A) − (−1)k−1 card (Ai1 ∩ . . . ∩ Aik )
i=1 k=1 1≤i1 <...<ik ≤m
m
X X
n
= m − (−1)k−1 (m − k)n
k=1 1≤i1 <...<ik ≤m
Xm
n k−1 m n
= m − (−1) (m − k) = sn,m .
k=1
k
Propozit, ia 1.7.1. Fie m, n ∈ N, m ≤ n. Atunci

X
n
sn,m = ,
n1 , . . . , nm
(n1 ,...,nm )∈N ∗
unde N ∗ = {(n1 , . . . , nm )|ni ∈ N∗ ∀ i, n1 + . . . + nm = n}.

Demonstraţie. Conform corolarului anterior, sn,m reprezintă numărul de aranjări cu repetit, ie a n bile
numerotate ı̂n m urne numerotate, neordonate s, i nevide. Numărăm aceste aranjări după numerele
(n1 , . . . , nm ) ∈ N ∗ , unde ni reprezintă numărul de bile as, ezate
ı̂n urnai, ∀i ∈ {1, . . . , m}. Pentru
n
(n1 , . . . , nm ) arbitrar fixat, conform Propozit, iei 1.3.7 avem astfel de aranjări.
n1 , . . . , nm
Luând (n1 , . . . , nm ) variabil obt, inem egalitatea din enunt, .
Propozit, ia 1.7.2 (formula explicită a numerelor S(n, k)). Fie n, k ∈ N. Atunci
1
S(n, k) = sn,k
k!
1 n k n k n k k
= k − (k − 1) + (k − 2) − . . . + (−1) 0n .
k! 1 2 k
Demonstraţie. Conform Propozit, iei 1.5.1, S(n, k) reprezintă numărul de aranjări cu repetit, ie a n bile
numerotate ı̂n k urne identice, neordonate s, i nevide.
Dacă pentru fiecare din aceste S(n, k) aranjări numerotăm urnele cu numere distincte din mult, imea
{1, . . . , n}, ı̂n toate cele n! moduri posibile, obt, inem, fără repetare, toate aranjările cu repetit, ie a n
bile numerotate ı̂n k urne numerotate, neordonate s, i nevide. Conform Corolarului 1.7.2, numărul
acestora este sn,k , deci
k!S(n, k) = sn,k .
Formula din enunt, rezultă acum din formula de numărare din Corolarul 1.6.2.
Corolarul 1.7.3. Fie n ∈ N∗ . Atunci

3n−1 − 2n + 1
S(n, 2) = 2n−1 − 1, S(n, 3) = ,
2
4n−1 − 3n + 3 · 2n−1 − 1
S(n, 4) = .
6
Demonstraţie. Luăm k = 2, k = 3 s, i, respectiv, k = 4 ı̂n propozit, ia anterioară.
1.8 Formula binomului lui Newton s, i extinderi

Teorema 1.8.1 (formula binomului lui Newton).
Xn n
n n k n−k X n n−k k
(x + y) = x y = x y , ∀ x, y ∈ R, ∀ n ∈ N.
k=0
k k=0
k
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, .
Observat, ia 1.8.1. O altă demonstrat, ie, elementară, a formulei binomului lui Newton se obt, ine prin
induct, ie după n.
Teorema 1.8.2 (formula multinomului lui Newton). Pentru orice m ∈ N∗ , x1 , x2 , . . . , xm ∈ R

s, i n ∈ N avem
X
n
n
(x1 + x2 + . . . + xm ) = xn1 1 xn2 2 . . . xnmm ,
n1 , n2 , . . . , nm
(n1 ,n2 ,...,nm )∈N
unde N = {(n1 , n2 , . . . , nm )|ni ∈ N ∀ i, n1 + n2 + . . . + nm = n}.
Demonstraţie. Procedăm analog ca la demonstrat, ia teoremei anterioare. Pentru x1 , x2 , . . . , xm ∈ N

egalitatea rezultă numărând cele (x1 + x2 + . . . + xm )n aranjări cu repetit, ie a n bile numerotate
1, . . . , n ı̂n x1 + x2 + . . . + xm urne numerotate s, i neordonate, după numerele (n1 , n2 , . . . , nm ) ∈ N ,
unde n1 reprezintă numărul de bile as, ezate ı̂n primele x1 urne, n2 reprezintă numărul de bile as, ezate
ı̂n următoarele x2 urne, . . ., nm reprezintă numărul de bile as, ezate ı̂n ultimele xm urne.
Extinderea la x1 , x2 , . . . , xm ∈ R se face treptat: x1 ∈ R, x2 , . . . , xm ∈ N, apoi x1 , x2 ∈ R,
x3 , . . . , xm ∈ N, . . ., ı̂n final x1 , x2 , . . . , xm ∈ R, de fiecare dată obt, inându-se că polinomul definit prin
diferent, a dintre cei doi membri ai egalităt, ii din enunt, s, i având necunoscuta x1 , apoi x2 , . . . , ı̂n final
xm , este identic nul (deoarece din nou are gradul cel mult n s, i orice număr natural este rădăcină,
conform etapei anterioare).

m
Observat, ia 1.8.2. Conform Propozit, iei 1.4.1, suma din teorema de mai sus are termeni.
n
Observat, ia 1.8.3. Luând m = 2 ı̂n formula multinomului se obt, ine formula binomului lui Newton.
n
Datorită acestor formule, combinările se numesc s, i numere binomiale, iar permutările cu
k
n
repetit, ie se numesc s, i numere multinomiale.
n1 , n2 , . . . , nm
Următoarea definit, ie extinde definit, ia combinărilor.
Definit, ia 1.8.1. Fie x ∈ R s, i n ∈ N. Numărul

x [x]n
=
n n!
se numes, te combinări de x luate câte n, iar numărul

x [x]n
=
n n!
se numes, te combinări cu repetit, ie de x luate câte n.
Exemplul 1.8.1. Avem

1 1 1 1
2
(
2 2
− 1)( 12 − 2) 1 2
1 1
(
2 2
+ 1)( 21 + 2) 5
= = , = = .
3 3! 16 3 3! 16
Teorema 1.8.3. Avem

X∞
r r k
(1 + x) = x , ∀ x ∈ (−1, 1), ∀ r ∈ R.
k=0
k
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
Raza de convergent, ă a acestei serii de puteri este

r (1 + x )r−k
(k + 1)(1 + x0 )
k 0
ρ = lim r = lim = 1 + x0 .

k→∞
k+1
(1 + x 0 ) r−k−1 k→∞ r − 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

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
Teorema 1.8.5 (formulele lui Nörlund). Avem:

n
X
n n
i) [x + y] = [x]k [y]n−k , ∀ x, y ∈ R, ∀ n ∈ N;
k
k=0
Xn
x+y x y
ii) = , ∀ x, y ∈ R, ∀ n ∈ N;
n k n−k
k=0
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)!
Folosind succesiv formulele (1.8.1), (1.8.4), schimbarea de variabilă l = x + k − m, formula de la

punctul ii), (1.8.2) s, i (1.8.3) avem
y−n y−n
X x+k y−k X x+k−m+1 y−k−n+1
=
k=m−x
m n k=m−x
m n
y−n
X m+1 n+1
=
k=m−x
x+k−m y−k−n
x+y−m−n
X m+1 n+1
=
l x+y−m−n−l
l=0
m+n+2
=
x+y−m−n

x+y+1 x+y+1
= = .
x+y−m−n m+n+1
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. Se procedează analog ca la demonstrat, ia Teoremei 1.8.2, ı̂nlocuind aranjările cu

repetit, ie de bile numerotate ı̂n urne numerotate s, i neordonate cu aranjările fără repetit, ie de bile nume-
rotate ı̂n urne numerotate pentru prima formulă (Vandermonde), respectiv cu aranjările cu repetit, ie
de bile numerotate ı̂n urne numerotate s, i ordonate pentru cea de-a doua formulă (Nörlund).
Prezentăm ı̂n continuare câteva consecint, e imediate ale formulelor lui Newton, Vandermonde s, i
Nörlund.
Corolarul 1.8.1. Fie n ∈ N∗ . Atunci:
a) numărul de compuneri ale lui n cu cel mult n termeni este

n
X
m 2n
= ;
m=1
n n+1
b) numărul de compuneri ale lui n cu termeni nenuli este

n
X
n−1
= 2n−1 .
m=1
m−1
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
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
Corolarul 1.8.2. Fie n, m ∈ N, n ≥ m. Atunci:

Xm
m n m+n
a) = ;
k=0
k k m

m
Xm
k n+1
b) = .
n n−m+1
k=0
k
Demonstraţie. a) Utilizăm formula combinărilor complementare s, i formula iii) a lui Vandermonde:
m
X Xm
m n n m m+n
= = .
k=0
k k k=0
k m − k m
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
Propozit, ia 1.8.1. Avem

n
X
n
x = S(n, k)[x]k , ∀ x ∈ R, ∀ n ∈ N.
k=0
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:

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, .
1.9 Serii s, i funct, ii generatoare

Definit
X , ia 1.9.1. a) Seria generatoare a s, irului numeric (an )n≥n0 este seria formală de puteri
an X n , iar funct, ia generatoare a acestui s, ir este dată de suma seriei, adică
n≥n0
∞
X
F (X) = an X n .
n=n0
b) Seria generatoare a s, irului numeric dublu (an,k )n≥n0 ,k≥k0 este seria formală dublă de puteri
X X
an,k X n Y k , iar funct, ia generatoare a acestui s, ir dublu este dată de suma seriei duble,
n≥n0 k≥k0
adică ∞
∞ X
X
F (X, Y ) = an,k X n Y k .
n=n0 k=k0
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
an = bn , ∀n ≥ n0 ⇐⇒ F (X) = G(X), ∀X ∈ (0, ε),

unde (0, ε) este un interval pe care ambele serii sunt convergente, ε > 0.
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;
• se concluzionează că identitatea dată este adevărată.
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”.
Teorema 1.9.1 (funct, iile generatoare ale combinărilor). Avem:
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.
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
Demonstrat, ia teoremei este astfel ı̂ncheiată.

Propozit, ia 1.9.1. Pentru orice n, m ∈ N, m ≥ 1, avem

n
X
n
k m n m−1
(−1) = (−1) .
k k n
k=0
Demonstraţie. Vom aplica metoda funct, iilor generatoare. Notăm
Xn
k n m n m−1
an,m = (−1) s, i bn,m = (−1) .
k=0
k k n
Folosind Teorema 1.9.1 s, i suma seriei geometrice avem

∞ X
X ∞ ∞
X ∞
X ∞
X
n m
an,m X n Y m = (−1)k Xn Ym
k k
n=0 m=1 k=0 n=0 m=1
∞
X XkY
= (−1)k ·
(1 − X)k+1 (1 − Y )k+1
k=0
∞
X k
Y −X
=
(1 − X)(1 − Y ) (1 − X)(1 − Y )
k=0
Y 1 Y
= · X
= (1.9.7)
(1 − X)(1 − Y ) 1 + (1−X)(1−Y )
1 − Y + XY
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
(pentru orice X, Y ∈ (0, 1)).

Din relat, iile (1.9.7) s, i (1.9.8), conform metodei funct, iilor generatoare rezultă egalitatea din enunt, .
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.
Demonstraţie. Folosind suma seriei geometrice

1
= 1 + X k + X 2k + X 3k + . . . , ∀ k ∈ N∗ , ∀ X ∈ (−1, 1),
1 − Xk
rezultă că
Xk
= (X 0 + X 1 + X 1+1 + X 1+1+1 + . . .)·
(1 − X)(1 − X 2 ) . . . (1 − X k )
· (X 0 + X 2 + X 2+2 + X 2+2+2 + . . .) · . . . · (X k + X k+k + X k+k+k + . . .).
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
Demonstrăm ı̂n continuare că
P (n, k) = Q(n, k), ∀ n, k ∈ N∗ , k ≤ n, (1.9.10)
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
P(n, k) = {(n1 , . . . , nk )|ni ∈ N∗ ∀ i, n1 ≤ . . . ≤ nk , n1 + . . . + nk = n},
Q(n, k) = {(t1 , . . . , tj )|j ∈ N∗ , ti ∈ N∗ ∀ i, t1 ≤ . . . ≤ tj = k, t1 + . . . + tj = n}.

Definim corespondent, ele α : P(n, k) → Q(n, k) s, i β : Q(n, k) → P(n, k) prin:
• ∀ (n1 , . . . , nk ) ∈ P(n, k), α(n1 , . . . , nk ) = (t1 , . . . , tj ), unde j = nk s, i

ti = card {l|l ∈ {1, . . . , k}, nl ≥ j + 1 − i} , ∀i ∈ {1, . . . , j};
• ∀ (t1 , . . . , tj ) ∈ Q(n, k), β(t1 , . . . , tj ) = (n1 , . . . , nk ), unde k = tj s, i

ni = card {l|l ∈ {1, . . . , j}, tl ≥ k + 1 − i} , ∀i ∈ {1, . . . , k}.
De exemplu, pentru partit, ia
35 = 1 + 1 + 2 + 2 + 2 + 4 + 4 + 5 + 7 + 7
din P(35, 10) avem
α(1, 1, 2, 2, 2, 4, 4, 5, 7, 7) = (2, 2, 3, 5, 5, 8, 10) ∈ Q(35, 10)
s, i, reciproc,
β(2, 2, 3, 5, 5, 8, 10) = (1, 1, 2, 2, 2, 4, 4, 5, 7, 7) ∈ P(35, 10).
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
unde m1 , m2 , m3 , . . . ∈ N, adică cu numărul P (n) al tuturor partit, iilor lui n. Deci

X ∞
1
= P (n)X n .
(1 − X)(1 − X 2 )(1 − X 3 ) . . . n=0
Propozit, ia 1.9.3 (funct, ia generatoare a numerelor S(n, k)). Fie k ∈ N. Avem:

∞
X Xk 1
S(n, k)X n = , ∀ k ≥ 1, ∀X ∈ 0, ;
n=0
(1 − X)(1 − 2X) . . . (1 − kX) k
X∞
S(n, 0)X n = 1, ∀X ∈ R.
n=0
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
Cum F0 (X) = 1 (a doua egalitate din enunt, ), obt, inem
Xk
Fk (X) = , ∀ k ≥ 1.
(1 − X)(1 − 2X) . . . (1 − kX)
Capitolul 2
Definit, ii s, i formule de calculul ale

probabilităt, ilor
2.1 Definit, ia clasică a probabilităt, ii

Definit, ia 2.1.1. Numim experient, ă (experient, ă aleatoare, experiment, experiment alea-
tor) o act, iune ce poate fi repetată ı̂n anumite condit, ii date. Fiecare repetare a unei experient, e
aleatoare se numes, te probă. Rezultatul unei experient, e aleatoare se numes, te eveniment (eveni-
ment aleator). Evenimentul sigur este un eveniment ce se realizează cu sigurant, ă la fiecare
efectuare a experient, ei. Evenimentul imposibil, notat cu ∅, este un eveniment ce nu se realizează
la nicio efectuare a experient, ei.
Definit, ia 2.1.2 (Operat, ii cu evenimente). Fie A s, i B două evenimente.
1. Notăm cu A ∪ B evenimentul ce se realizează dacă s, i numai dacă A sau B se realizează.
2. Notăm cu A ∩ B evenimentul ce se realizează dacă s, i numai dacă A s, i B se realizează.
3. Notăm cu A \ B evenimentul ce se realizează dacă s, i numai dacă A se realizează s, i B nu se
realizează.
4. Notăm cu A evenimentul ce se realizează dacă s, i numai dacă A nu se realizează. A se numes, te
evenimentul contrar evenimentului A.
5. Spunem că A implică B s, i notăm A ⊆ B dacă B se realizează ori de câte ori A se realizează.
6. Spunem că A s, i B sunt incompatibile dacă A ∩ B = ∅.
7. Spunem că A s, i B sunt compatibile dacă A ∩ B 6= ∅.
8. Spunem că evenimentul A este elementar dacă pentru orice eveniment C ⊆ A rezultă că
C = ∅ sau C = A.
9. Un eveniment elementar A se numes, te favorabil (caz favorabil) pentru evenimentul B dacă
A ⊆ B.
Definit, ia 2.1.3. Fie A un eveniment rezultat ı̂n urma efectuării unei experient, e. Dacă această
experient, ă se efectuează (ı̂n condit, ii identice) de n ori, n ∈ N∗ , s, i evenimentul A se realizează ı̂n
exact k din aceste efectuări, atunci numărul
k
fn (A) =
n
se numes, te frecvent, a relativă a evenimentului A.
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
ωi : ”apare fat, a cu numărul i” , i ∈ {1, . . . , 6}.
Evenimentul sigur este Ω = {ω1 , ω2 , . . . , ω6}. Evenimentul
A : ”apare un număr par”
este
A = {ω2 , ω4 , ω6 }
(cazurile favorabile fiind ω2 , ω4 s, i ω6 ), deci are probabilitatea
3 1
P (A) = = .
6 2

2.2 Definit, ia axiomatică a probabilităt, ii

Definit, ia 2.2.1 (Definit, ia axiomatică a probabilităt, ii). Un câmp de probabilitate este un
triplet (Ω, B, P ), unde
• Ω este o mult, ime numită spat, iu de select, ie;
• (Ω, B) este un spat, iu măsurabil, elementele corpului borelian B numindu-se evenimentele

câmpului de probabilitate;
• P : B → [0, ∞) este o funct, ie cu proprietăt, ile



P (Ω) = 1, ∞ ∞
X
S
(Ai )i∈N∗ ⊆ B, Ai ∩ Aj = ∅, ∀i 6= j ⇒ P
 Ai = P (Ai ).
i=1 i=1
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.
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)
Atunci (Ω, P(Ω), P ) este un câmp de probabilitate.

card (Ω)
Demonstraţie. Evident, (Ω, P(Ω)) este un spat, iu măsurabil s, i P (Ω) = = 1.
card (Ω)
Fie acum (Ai )i∈N∗ ⊆ P(Ω) a.ı̂. Ai ∩ Aj = ∅, ∀i 6= j. Cum mult, imea P(Ω) este finită, rezultă că
există n ∈ N∗ a.ı̂. Ai = ∅, ∀i > n, deci card (Ai ) = 0, ∀i > n. Atunci
n
X
! ! S
n
card (Ai )
∞
[ n
[ card Ai n
X ∞
X
i=1 i=1 card (Ai ) card (Ai )
P Ai =P Ai = = = =
i=1 i=1
card (Ω) card (Ω) i=1
card (Ω) i=1
card (Ω)
∞
X
= P (Ai ),
i=1
deci P este o probabilitate pe spat, iul măsurabil (Ω, P(Ω)).

Observat, ia 2.2.1. Probabilitatea construită ı̂n propozit, ia anterioară este exact cea dată ı̂n Definit, ia
2.1.4, deci definit, ia axiomatică a probabilităt, ii extinde definit, ia clasică a probabilităt, ii.
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;
2. Dacă A1 , A2 , . . . , An ∈ B (n ∈ N∗ ) sunt disjuncte două câte două, atunci

n
! n
[ X
P Ai = P (Ai );
i=1 i=1
3. Pentru orice A, B ∈ B a.ı̂. A ∩ B = ∅ avem P (A ∪ B) = P (A) + P (B);

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
(formula lui Poincaré);

5. Pentru orice A, B ∈ B avem P (A ∪ B) = P (A) + P (B) − P (A ∩ B);
6. Pentru orice A, B ∈ B a.ı̂. A ⊆ B avem P (B \ A) = P (B) − P (A);
7. Pentru orice A, B ∈ B a.ı̂. A ⊆ B avem P (A) ≤ P (B);
T
8. Pentru orice A, B ∈ B avem P (B \ A) = P (B) − P (A B);
9. P (A) = 1 − P (A), ∀A ∈ B, unde A = Ω \ A;
10. 0 ≤ P (A) ≤ 1, ∀A ∈ B.
Demonstraţie. Proprietatea 1 rezultă din propozit, ia anterioară. Proprietăt, ile 2 s, i 4 rezultă din
Propozit, ia 1.6.2, respectiv din Teorema 1.7.1. Proprietăt, ile 3 s, i 5 sunt cazuri particulare ale Pro-
prietăt, ilor 2, respectiv 4, pentru n = 2.
6. Fie A, B ∈ B a.ı̂. A ⊆ B. Avem A ∪ (B \ A) = B s, i A ∩ (B \ A) = ∅. Aplicând Proprietatea 3
avem P (B) = P (A ∪ (B \ A)) = P (A) + P (B \ A), deci P (B \ A) = P (B) − P (A).
7. Fie A, B ∈ B a.ı̂. A ⊆ B. Conform Proprietăt, ii 6 s, i Definit, iei 2.2.1 avem P (B) − P (A) =
P (B \ A) ≥ 0, deci P (A) ≤ P (B).
8. Fie A, B ∈ B. Avem B \ A = B \ (A ∩ B) s, i A ∩ B ⊆ B, deci aplicând Proprietatea 6 avem
P (B \ A) = P (B) − P (A ∩ B).
9. Fie A ∈ B. Aplicând Proprietatea 6 avem P (A) = P (Ω \ A) = P (Ω) − P (A) = 1 − P (A).
10. Fie A ∈ B. Conform Definit, iei 2.2.1 avem P (A) ≥ 0 s, i P (A) ≥ 0. Aplicând Proprietatea 9
avem P (A) = 1 − P (A) ≤ 1.
Definit, ia 2.2.4. Fie (Ω, B, P ) un câmp de probabilitate.
a) Mult, imea vidă, ∅, se numes, te evenimentul imposibil.
b) Dacă A ∈ B, atunci A = Ω \ A se numes, te evenimentul contrar evenimentului A.
c) Fie A, B ∈ B. Evenimentele A s, i B se numesc incompatibile dacă A ∩ B = ∅, respectiv
compatibile dacă A ∩ B 6= ∅.
Propozit, ia 2.2.4 (Proprietăt, i de continuitate ale probabilităt, ii). Fie (Ω, B, P ) un câmp de
probabilitate s, i (An )n∈N∗ ⊆ B.
∞
T
1. Dacă A1 ⊇ A2 . . . ⊇ An ⊇ An+1 ⊇ . . ., atunci lim P (An ) = P An ;
n→∞ n=1

S
∞
2. Dacă A1 ⊆ A2 . . . ⊆ An ⊆ An+1 ⊆ . . ., atunci lim P (An ) = P An .
n→∞ n=1
Demonstraţie. 1. Fie A1 ⊇ A2 . . . ⊇ An ⊇ An+1 ⊇ . . .. Deoarece

∞
! ∞
!
[ \
A1 = (An \ An+1 ) ∪ An ,
n=1 n=1
iar evenimentele reunite sunt disjuncte două câte două, rezultă că
∞ ∞
!
X \
P (A1 ) = P (An \ An+1 ) + P An .
n=1 n=1
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→∞
2. Fie A1 ⊆ A2 . . . ⊆ An ⊆ An+1 ⊆ . . ., deci A1 ⊇ A2 . . . ⊇ An ⊇ An+1 ⊇ . . .. Folosind proprietăt, ile

evenimentelor contrare s, i relat, ia de la punctul 1 avem ∞ ∞ ∞
T T S
lim P (An ) = lim (1 − P (An )) = 1 − lim P (An ) = 1 − P An = P An = P An .
n→∞ n→∞ n→∞ n=1 n=1 n=1
2.3 Evenimente independente

Definit, ia 2.3.1. Fie (Ω, B, P ) un câmp de probabilitate s, i A1 , . . . , An ∈ B, n ∈ N, n ≥ 2. Eveni-
mentele A1 , . . . , An se numesc independente dacă
P (Ai1 ∩ . . . ∩ Aik ) = P (Ai1 ) · . . . · P (Aik ), ∀k ≥ 2, ∀{i1 , . . . , ik } ⊆ {1, . . . , 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
P (A ∩ B) = P (A) · P (B), P (A ∩ C) = P (A) · P (C), P (B ∩ C) = P (B) · P (C) s, i

P (A ∩ B ∩ C) = P (A) · P (B) · P (C).
Observat, ia 2.3.3. Evident, dacă evenimentele A1 , . . . , An sunt independente s, i

{B1 , . . . , Bm } ⊆ {A1 , . . . , An }, m ≥ 2, atunci evenimentele B1 , . . . , Bm sunt de asemenea inde-
pendente.
Observat, ia 2.3.4. Dacă evenimentele A1 , . . . , An sunt independente, 1 ≤ m1 < m2 < . . . < mp < n,
p ∈ N∗ s, i B1 = A1 ∩A2 ∩. . .∩Am1 , B2 = Am1 +1 ∩Am1 +2 ∩. . .∩Am2 , . . ., Bp+1 = Amp +1 ∩Amp +2 ∩. . .∩An ,
atunci evenimentele B1 , B2 , . . . , Bp+1 sunt de asemenea independente.
Observat, ia 2.3.5. Evident, dacă evenimentele A1 , . . . , An sunt independente, atunci orice două eve-
nimente Ai s, i Aj cu i, j ∈ {1, . . . , n}, i 6= j sunt independente.
Reciproca nu este adevărată. De exemplu, considerând câmpul de probabilitate al lui Laplace pe
mult, imea Ω = {0, 1, 2, 3} s, i evenimentele
A1 = {0, 1}, A2 = {0, 2}, A3 = {0, 3}

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
A1 = {1, 2, 3, 4}, A2 = {1, 2, 3, 5}, A3 = {1, 6, 7, 8}
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.
Cazul 1. p + 1 6∈ {i1 , . . . , ik }. Atunci, evident
P (Bi′1 ∩ . . . ∩ Bi′k ) = P (Bi1 ∩ . . . ∩ Bik ) = P (Bi1 ) · . . . · P (Bik ) = P (Bi′1 ) · . . . · P (Bi′k ).
Cazul 2. p + 1 ∈ {i1 , . . . , ik }. Folosind din nou comutativitatea s, i asociativitatea intersect, iei s, i

ı̂nmult, irii, putem presupune că p + 1 = i1 . Atunci avem
P (Bi′1 ∩ Bi′2 ∩ . . . ∩ Bi′k ) = P (B i1 ∩ Bi2 ∩ . . . ∩ Bik )

= P ((Bi2 ∩ . . . ∩ Bik ) \ (Bi1 ∩ Bi2 ∩ . . . ∩ Bik ))
= P (Bi2 ∩ . . . ∩ Bik ) − P (Bi1 ∩ Bi2 ∩ . . . ∩ Bik )
= P (Bi2 ) · . . . · P (Bik ) − P (Bi1 ) · P (Bi2 ) · . . . · P (Bik )
= (1 − P (Bi1 )) · P (Bi2 ) · . . . · P (Bik )
= P (B i1 ) · P (Bi2 ) · . . . · P (Bik )
= P (Bi′1 ) · P (Bi′2 ) · . . . · P (Bi′k ).
Rezultă că evenimentele B1′ , . . . , Bn′ sunt independente s, i astfel demonstrat, ia este ı̂ncheiată.
2.4 Probabilităt, i condit, ionate

Propozit, ia 2.4.1. Fie (Ω, B, P ) un câmp de probabilitate s, i A ∈ B un eveniment a.ı̂. P (A) > 0.
Atunci funct, ia
P (A ∩ B)
PA : B → [0, ∞), PA (B) = , ∀B ∈ B, (2.4.1)
P (A)
este o probabilitate pe spat, iul măsurabil (Ω, B).
P (A ∩ Ω) P (A)
Demonstraţie. Evident, PA (Ω) = = = 1.
P (A) P (A)
Fie acum (Ai )i∈N∗ ⊆ B a.ı̂. Ai ∩ Aj = ∅, ∀i 6= j, deci (A ∩ Ai )i∈N∗ ⊆ B s, i (A ∩ Ai ) ∩ (A ∩ Aj ) =
∅, ∀i 6= j. Avem
∞
! S
∞ S P
∞
∞
[ P A∩ Ai P (A ∩ Ai ) P (A ∩ Ai ) X∞
i=1 i=1 i=1 P (A ∩ Ai )
PA Ai = = = =
i=1
P (A) P (A) P (A) i=1
P (A)
∞
X
= PA (Ai ),
i=1
deci PA este o probabilitate pe spat, iul măsurabil (Ω, B).
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.
Exemplul 2.4.1. Se aruncă un zar.

a) Cunoscând că numărul obt, inut este mai mic decât 5, care este probabilitatea ca acest număr
să fie impar?
b) Cunoscând că numărul obt, inut este impar, care este probabilitatea ca acest număr să fie mai
mic decât 5?
Solut, ie. Considerăm câmpul de probabilitate al lui Laplace pe mult, imea Ω = {ω1 , ω2 , . . . , ω6 } dată
de evenimentele elementare (cazurile posibile)
ωi : ”apare fat, a cu numărul i” , i ∈ {1, . . . , 6}.
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
P (A1 ∩ A2 ∩ . . . ∩ An−1 ) > 0.
Atunci
P (A1 ∩ A2 ∩ . . . ∩ An ) = P (A1 ) · P (A2 |A1 ) · P (A3 |A1 ∩ A2 ) · . . . · P (An |A1 ∩ A2 ∩ . . . ∩ An−1 ) .
Demonstraţie. Deoarece A1 ⊇ A1 ∩ A2 ⊇ . . . ⊇ A1 ∩ A2 ∩ . . . ∩ An−1 , avem
P (A1 ) ≥ P (A1 ∩ A2 ) ≥ . . . ≥ P (A1 ∩ A2 ∩ . . . ∩ An−1 ) > 0,
deci probabilităt, ile condit, ionate din enunt, sunt bine definite.
Utilizând formula probabilităt, ii condit, ionate avem
P (A1 ) · P (A2 |A1 ) · P (A3 |A1 ∩ A2 ) · . . . · P (An |A1 ∩ A2 ∩ . . . ∩ An−1 )

P (A1 ∩ A2 ) P (A1 ∩ A2 ∩ A3 ) P (A1 ∩ A2 ∩ . . . ∩ An )
= P (A1 ) · · · ...·
P (A1 ) P (A1 ∩ A2 ) P (A1 ∩ A2 ∩ . . . ∩ An−1 )
= P (A1 ∩ A2 ∩ . . . ∩ An ) .
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
P (A1 ∩ A2 ∩ . . . ∩ An ) = P (A1 ) · P (A2 |A1 ) · P (A3 |A1 ∩ A2 ) · . . . · P (An |A1 ∩ A2 ∩ . . . ∩ An−1 )

= P (A1 ) · P (A2 ) · P (A3 ) · . . . · P (An ),
deci regăsim formula din Propozit, ia 2.3.1.

Exemplul 2.4.2. Jocul LOTO 6/49 constă ı̂n extragerea a 6 numere dintr-o urnă ce cont, ine 49 de
bile, numerotate 1, 2, . . . , 49. Extragerea este fără ı̂ntoarcere (adică orice bilă extrasă nu mai este
reintrodusă ı̂n urnă). Să se calculeze:
a) probabilitatea ca toate cele 6 numere extrase să fie divizibile cu 5;
b) probabilitatea ca primele 3 numere extrase să fie pare, iar ultimele 3 numere extrase să fie
impare;
c) probabilitatea ca exact 3 din numerele extrase să fie pare.
Solut, ie. a) Metoda 1. Vom utiliza formula clasică a probabilităt, ilor.
Notând cu i1 , i2 , . . . , i6 cele 6 bile extrase, ı̂n această ordine, mult, imea cazurilor posibile este
{(i1 , i2 , . . . , i6 ) | i1 , i2 , . . . , i6 ∈ {1, 2, . . . , 49}, ij 6= ik , ∀ j 6= k} ,
deci conform Propozit, iei 1.3.2 numărul de cazuri posibile este egal cu A649 , iar mult, imea cazurilor
favorabile este
{(i1 , i2 , . . . , i6 ) | i1 , i2 , . . . , i6 ∈ {5, 10, 15, . . . , 45}, ij 6= ik , ∀ j 6= k} ,
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
Metoda 2. Vom utiliza formula ı̂nmult, irii probabilităt, ilor.

Fie evenimentele
Ai : ”al i-lea număr extras este divizibil cu 5”,
unde i ∈ {1, 2, . . . , 6}. Probabilitatea cerută este
P (A1 ∩ A2 ∩ . . . ∩ A6 ).
Conform Propozit, iei 2.4.3 avem
P (A1 ∩ A2 ∩ . . . ∩ A6 ) = P (A1 ) · P (A2 |A1 ) · P (A3|A1 ∩ A2 ) · P (A4 |A1 ∩ A2 ∩ A3 )·

· P (A5 |A1 ∩ A2 ∩ A3 ∩ A4 ) · P (A6 |A1 ∩ A2 ∩ A3 ∩ A4 ∩ A5 ).
Calculăm probabilităt, ile din membrul drept al acestei egalităt, i:

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
{{i1 , i2 , . . . , i6 } | {i1 , i2 , . . . , i6 } ⊆ {5, 10, 15, . . . , 45}} ,
deci numărul de cazuri favorabile este egal cu C96 . Astfel probabilitatea cerută este
C96 9·8·7·6·5·4 6! 9·8·7·6·5·4 1

P = 6
= · = = .
C49 6! 49 · 48 · 47 · 46 · 45 · 44 49 · 48 · 47 · 46 · 45 · 44 166474
b) Deoarece de această dată se dores, te ca primele 3 bile extrase să fie pare iar celelalte impare,
rezultă că acum contează ordinea extragerii bilelor, deci nu mai putem presupune că sunt extrase
simultan. Astfel metoda 3 de la punctul a) este inoperabilă! Putem utiliza, ı̂n schimb, celelalte două
metode.
Metoda 1. Cu notat, iile de la metoda 1 de la punctul a), mult, imea cazurilor posibile rămâne
aceeas, i, iar mult, imea cazurilor favorabile este acum
{(i1 , i2 , . . . , i6 ) | i1 , i2 , i3 ∈ {2, 4, 6, . . . , 48}, i1 6= i2 =

6 i3 =6 i1 ,
i4 , i5 , i6 ∈ {1, 3, 5, . . . , 49}, i4 =6 i5 =6 i6 =6 i4 },
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
Metoda 2. Vom utiliza din nou formula ı̂nmult, irii probabilităt, ilor.
Fie evenimentele
Bi : ”al i-lea număr extras este par”, i ∈ {1, 2, . . . , 6}.
Probabilitatea cerută este

P (B1 ∩ B2 ∩ B3 ∩ B 4 ∩ B 5 ∩ B 6 ).
Conform Propozit, iei 2.4.3 avem
P (B1 ∩ B2 ∩ B3 ∩ B 4 ∩ B 5 ∩ B 6 ) = P (B1 ) · P (B2 |B1 ) · P (B3 |B1 ∩ B2 ) · P (B 4 |B1 ∩ B2 ∩ B3 )·

· P (B 5 |B1 ∩ B2 ∩ B3 ∩ B 4 ) · P (B 6 |B1 ∩ B2 ∩ B3 ∩ B 4 ∩ B 5 ).
Calculăm probabilităt, ile din membrul drept al acestei egalităt, i:

24
• P (B1 ) = (deoarece, la extragerea primului număr, dintre cele 49 de numere exact 24 sunt
49
pare);
23
• P (B2 |B1 ) = (deoarece dacă primul număr extras este par, au rămas 48 de numere dintre
48
care exact 23 sunt pare);
22
• P (B3 |B1 ∩ B2 ) = (deoarece dacă primele două numere extrase sunt pare, au rămas 47 de
47
numere dintre care exact 22 sunt pare);
25
• P (B 4 |B1 ∩ B2 ∩ B3 ) = (deoarece dacă primele trei numere extrase sunt pare, au rămas 46
46
de numere dintre care exact 25 sunt impare);
24
• P (B 5 |B1 ∩ B2 ∩ B3 ∩ B 4 ) = (deoarece dacă primele trei numere extrase sunt pare iar al
45
patrulea impar, au rămas 45 de numere dintre care exact 24 sunt impare);
23
• P (B 6 |B1 ∩ B2 ∩ B3 ∩ B 4 ∩ B 5 ) = (deoarece dacă primele trei numere extrase sunt pare iar al
44
patrulea s, i al cincilea sunt impare, au rămas 44 de numere dintre care exact 23 sunt impare).
Deci probabilitatea cerută este
24 23 22 25 24 23 115
P (B1 ∩ B2 ∩ B3 ∩ B 4 ∩ B 5 ∩ B 6 ) = · · · · · = .
49 48 47 46 45 44 6909
c) Deoarece de această dată se dores, te ca 3 bile extrase să fie pare, indiferent de ordinea ı̂n care
sunt extrase, iar celelalte impare, rezultă că acum nu contează ordinea extragerii bilelor, deci putem
presupune că sunt extrase simultan. Astfel metoda 3 de la punctul a) este cea mai indicată. Totusi,
putem utiliza s, i celelalte două metode, analizând toate ordinile posibile pentru extragerea bilelor
pare, respectiv impare.
Metoda 1. Cu notat, iile de la metoda 1 de la punctul a), mult, imea cazurilor posibile rămâne
aceeas, i, iar mult, imea cazurilor favorabile este acum
{(i1 , i2 , . . . , i6 ) | i1 , i2 , . . . , i6 ∈ {1, 2, . . . , 49}, ij 6= ik , ∀ j 6= k,

card ({i1 , i2 , . . . , i6 } ∩ {2, 4, . . . , 48}) = 3},
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
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 }
Evenimentele reunite sunt incompatibile două câte două deci

X
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
{{i1 , i2 , . . . , i6 } | {i1 , i2 , i3 } ⊆ {2, 4, . . . , 48}, {i4 , i5 , i6 } ⊆ {1, 3, . . . , 49}} ,

3 3
deci, folosind regula produsului, numărul de cazuri favorabile este egal cu C24 · C25 . Astfel probabi-
litatea cerută este
3 3
C24 · C25 24 · 23 · 22 25 · 24 · 23 6! 2300
P = 6
= · · = .
C49 3! 3! 49 · 48 · 47 · 46 · 45 · 44 6909

2.5 Formula probabilităt, ii totale s, i formula lui Bayes

Propozit, ia 2.5.1 (formula probabilităt, ii totale). 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 are loc egalitatea

X
P (B) = P (Ai )PAi (B).
i∈I
Demonstraţie. Utilizând formula probabilităt, ii condit, ionate avem

X X P (Ai ∩ B) X
P (Ai )PAi (B) = P (Ai ) · = P (Ai ∩ B). (2.5.1)
i∈I i∈I
P (Ai ) i∈I
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
Din (2.5.1) s, i (2.5.2) rezultă egalitatea din enunt, .

Următorul rezultat extinde formula probabilităt, ii totale la cazul ı̂n care probabilităt, ile evenimen-
telor Ai pot sa fie s, i zero.
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.
Corolarul 2.5.2. Fie (Ω, B, P ) un câmp de probabilitate s, i A1 , . . . , An ∈ B a.ı̂.
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)
Demonstraţie. Utilizând formula probabilităt, ii condit, ionate avem
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
P (Ai )PAi (B)

PB (Ai ) = X , ∀i ∈ I.
P (Ak )PAk (B)
k∈I
Demonstraţie. Utilizând lema anterioară s, i formula probabilităt, ii totale avem
P (Ai )PAi (B) P (Ai )PAi (B)

PB (Ai ) = =X ,
P (B) P (Ak )PAk (B)
k∈I
pentru orice i ∈ I.
În cazul particular când mult, imea I este finită, formula lui Bayes este dată de următorul rezultat.
Corolarul 2.5.3. Fie (Ω, B, P ) un câmp de probabilitate s, i A1 , . . . , An ∈ B a.ı̂.
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
P (Ai )PAi (B)

PB (Ai ) = n , ∀i ∈ {1, . . . , n}.
X
P (Ak )PAk (B)
k=1
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
A1 : ”articolul ales provine de la furnizorul F1”,


B : ”articolul ales este defect”.
Conform datelor problemei, avem:
P (A1 ) = 40% = 0,4, P (A2 ) = 25% = 0,25, P (A3 ) = 35% = 0,35,
PA1 (B) = 0,01, PA2 (B) = PA3 (B) = 0,02.

a) Probabilitatea cerută este P (B). Aplicând formula probabilităt, ii totale avem
P (B) = P (A1)PA1 (B) + P (A2 )PA2 (B) + P (A3)PA3 (B)

= 0,4 · 0,01 + 0,25 · 0, 02 + 0,35 · 0, 02 = 0,016.
b) Probabilitatea cerută este PB (A1 ). Aplicând Formula lui Bayes avem
P (A1 )PA1 (B) 0,4 · 0,01

PB (A1 ) = = = 0,25.
P (B) 0,016
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

2.6 Scheme probabiliste

Propozit, ia 2.6.1 (Schema binomială, schema bilei ı̂ntoarse sau schema lui Bernoulli). Fie
(Ω, B, P ) un câmp de probabilitate s, i A1 , . . . , An ∈ B, n ∈ N∗ . Dacă A1 , . . . , An sunt evenimente
independente egal probabile, p = P (Ai ), ∀i ∈ {1, . . . , n} (p se numes, te probabilitatea de succes),
s, i q = P (Ai ) = 1 − p, ∀i ∈ {1, . . . , n}, (q se numes, te probabilitatea de insucces), atunci
probabilitatea să se realizeze exact k din aceste n evenimente este
Pn,k = Cnk pk q n−k , ∀k ∈ {0, . . . , n}.
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
Demonstraţie. Probabilitatea cerută este

[
Pn,k = P (Ai1 ∩ Ai2 ∩ . . . ∩ Aik ∩ Aik+1 ∩ Aik+2 ∩ . . . ∩ Ain ) .
{i1 ,i2 ,...,ik }⊆{1,2,...,n}
{ik+1 ,ik+2 ,...,in }={1,2,...,n}\{i1 ,i2 ,...,ik }
Evenimentele reunite sunt incompatibile două câte două deci

X
Pn,k = P (Ai1 ∩ Ai2 ∩ . . . ∩ Aik ∩ Aik+1 ∩ Aik+2 ∩ . . . ∩ Ain ).
{i1 ,i2 ,...,ik }⊆{1,2,...,n}
{ik+1 ,ik+2 ,...,in }={1,2,...,n}\{i1 ,i2 ,...,ik }
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
Pn,k = Cnk pk q n−k .
Cazul particular al extragerii de bile se obt, ine din cazul general, considern̂d evenimentele
Ai : ”a i-a bilă extrasă este albă”, ∀i ∈ {1, 2, . . . , n},
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},
pentru care, conform definit, iei clasice a probabilităt, ii, avem

(i) ai
P (Aj ) = = pi , ∀j ∈ {1, 2, . . . , n}, ∀i ∈ {1, 2, . . . , r}. (2.6.1)
a1 + a2 + . . . + ar
Probabilitatea cerută este

[ (1) (1)
Pn;k1 ,...,kr = P (A (1) ∩ ...∩ 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)
∩A (2) ∩...∩A (2) ∩ . . . ∩ A (r) ∩ . . . ∩ A (r) ) .
j1 jk j1 j kr
2
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
(p1 x + q1 )(p2 x + q2 ) . . . (pn x + qn ),
pentru orice k ∈ {0, . . . , n}.
Demonstraţie. Pe de o parte, procedând analog demonstrat, iei schemei binomiale, probabilitatea

cerută este
[
P (Ai1 ∩ Ai2 ∩ . . . ∩ Aik ∩ Aik+1 ∩ Aik+2 ∩ . . . ∩ Ain )
{i1 ,i2 ,...,ik }⊆{1,2,...,n}
{ik+1 ,ik+2 ,...,in }={1,2,...,n}\{i1 ,i2 ,...,ik }
X
= P (Ai1 ∩ Ai2 ∩ . . . ∩ Aik ∩ Aik+1 ∩ Aik+2 ∩ . . . ∩ Ain )
{i1 ,i2 ,...,ik }⊆{1,2,...,n}
{ik+1 ,ik+2 ,...,in }={1,2,...,n}\{i1 ,i2 ,...,ik }
X
= 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 }
X
= pi1 pi2 . . . pik qik+1 qik+2 . . . qin . (2.6.2)
{i1 ,i2 ,...,ik }⊆{1,2,...,n}
{ik+1 ,ik+2 ,...,in }={1,2,...,n}\{i1 ,i2 ,...,ik }
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 ,
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
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!

Exemplul 2.6.2. Jocul LOTO 6/49 constă ı̂n extragerea a 6 numere

dintr-o urnă ce cont, ine 49 de bile, numerotate 1, 2, ..., 49. Extragerea este fără ı̂ntoarcere (adică
orice bilă extrasă nu mai este reintrodusă ı̂n urnă). Câs, tigurile acordate la acest joc sunt de trei
categorii:
• categoria I, pentru jucătorii ce au jucat (pe o aceeas, i variantă) toate cele 6 numere extrase;
• 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.
• n = numărul de bile extrase, deci n = 6.

• 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
a) Avem a = 6, b = 43, n = 6, k = 6, deci probabilitatea cerută este
C6 · C0 1 6! 1
Pen,k = 6 6 43 = 6 = = .
C49 C49 49 · 48 · 47 · 46 · 45 · 44 13983816
b) Avem a = 6, b = 43, n = 6, k = 5, deci probabilitatea cerută este
e C65 · C43
1
6 · 43 258 1
Pn,k = 6
= 6
= ≃ .
C49 C49 13983816 54201
c) Avem a = 6, b = 43, n = 6, k = 4, deci probabilitatea cerută este
C4 · C2 15 · 903 13545 1
Pen,k = 6 6 43 = 6
= ≃ .
C49 C49 13983816 1032
d) Avem a = 7, b = 42, n = 6, k = 6, deci probabilitatea cerută este
C6 · C0 7 7 1
Pen,k = 7 6 42 = 6 = = .
C49 C49 13983816 1997688
e) Avem a = 7, b = 42, n = 6, k = 5, deci probabilitatea cerută este
C5 · C1 21 · 42 882 1
Pen,k = 7 6 42 = 6
= ≃ .
C49 C49 13983816 15855
f) Avem a = 7, b = 42, n = 6, k = 4, deci probabilitatea cerută este
C4 · C2 35 · 861 30135 1
Pen,k = 7 6 42 = 6
= ≃ .
C49 C49 13983816 464

Exemplul 2.6.3. O firmă a achizit, ionat 10 articole identice de la 3 depozite. Probabilitatea ca un

articol să provină de la primul depozit este de 0,2, de la al doilea depozit de 0,3, iar de la al treilea
depozit de 0,5. Care este probabilitatea ca, din cele 10 articole achizit, ionate, 5 să provină de la
primul depozit, 3 de la al doilea şi 2 de la al treilea?
Solut, ie. Aplicând schema multinomială pentru
n = 10, r = 3, k1 = 5, k2 = 3, k3 = 2, p1 = 0,2, p2 = 0,3, p3 = 0,5,
obţinem că probabilitatea cerută este

10!
P10;5,3,2 = · 0,25 · 0,33 · 0,52 ≃ 0,005.
5! · 3! · 2!

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
Ai : ”jucătorul i nimeres, te t, inta”, ∀i ∈ {1, 2, 3},
B : ”exact doi jucători nimeresc t, inta”,

C : ”exact un jucător nimeres, te t, inta”.
Conform datelor problemei, avem:
p1 = P (A1 ) = 0,8, p2 = P (A2 ) = 0,5, p3 = P (A3) = 0,9,
q1 = P (A1 ) = 1 − p1 = 0,2, q2 = P (A2 ) = 1 − p2 = 0,5, q3 = P (A3 ) = 0,1.

a) Probabilitatea cerută este P (B). Aplicând schema lui Poisson, această probabilitate este egală
cu coeficientul lui x2 din dezvoltarea polinomului
(p1 x + q1 )(p2 x + q2 )(p3 x + q3 ) = (0,8x + 0,2)(0,5x + 0,5)(0,9x + 0,1)

= (0,5x + 0,5)(0,72x2 + 0,26x + 0,02)
= 0,36x3 + 0,49x2 + 0,14x + 0,01.
Deci P (B) = 0,49.

b) Probabilitatea cerută este PC (A3 ). Aplicând formula probabilităt, ii condit, ionate s, i utilizând
faptul că evenimentele A1 , A2 s, i A3 sunt independente, avem
P (C ∩ A3 ) P (A1 ∩ A2 ∩ A3 ) P (A1 )P (A2 )P (A3 )

PC (A3 ) = = = .
P (C) P (C) P (C)
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
n = 5, r = 3, k1 = 2, k2 = 2, k3 = 1, a1 = 20, a2 = 25, a3 = 15,
obţinem că probabilitatea cerută este

20! 25! 15!
2
C20 2
· C25 1
· C15 · ·
Pe5;2,2,1 = 5
= 18! · 2! 23! · 2! 14! · 1! ≃ 0,157.
C60 60!
55! · 5!
Capitolul 3
Variabile aleatoare
3.1 Definit, ii s, i proprietăt, i

Fie (Ω, B, P ) un câmp de probabilitate.
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
(unde X −1 ((−∞, x]) = {ω ∈ Ω | X(ω) ∈ (−∞, x]} = {ω ∈ Ω | X(ω) ≤ x}, ∀x ∈ R).
Propozit, ia 3.1.1. Fie X : Ω → R o variabilă aleatoare. Atunci pentru orice x, y ∈ R cu x < y

avem
X −1 ((−∞, x)), X −1([x, +∞)), X −1 ((x, +∞)), X −1(x), X −1 (R) ∈ B,

X −1 ([x, y]), X −1((x, y)), X −1([x, y)), X −1((x, y]) ∈ B.

S
∞ 1
Demonstraţie. Avem (−∞, x) = −∞, x − , deci
n=1 n
∞
[ ! [ ∞
−1 −1 1 −1 1
X ((−∞, x)) = X −∞, x − = X −∞, x − ∈ B.
n=1
n n=1
n
Analog se arată s, i celelalte apartenent, e din enunt, .
Propozit, ia 3.1.2 (caracterizări echivalente ale variabilelor aleatoare). Fie X : Ω → R o

funct, ie. Următoarele afirmat, ii sunt echivalente:
1) X este o variabilă aleatoare;
2) X −1 ((−∞, x)) ∈ B, ∀x ∈ R;
3) X −1 ([x, +∞)) ∈ B, ∀x ∈ R;
4) X −1 ((x, +∞)) ∈ B, ∀x ∈ R;
5) X −1 ([x, y]) ∈ B, ∀x, y ∈ R a.ı̂. x < y;
6) X −1 ((x, y)) ∈ B, ∀x, y ∈ R a.ı̂. x < y;
7) X −1 ([x, y)) ∈ B, ∀x, y ∈ R a.ı̂. x < y;
8) X −1 ((x, y]) ∈ B, ∀x, y ∈ R a.ı̂. x < y.
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
ceea ce ı̂nseamnă că X este o variabilă aleatoare.

Analog se arată s, i celelalte echivalent, e din enunt, .
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.
Propozit, ia 3.1.3. Orice funct, ie constantă X : Ω → R este o variabilă aleatoare.
Demonstraţie. Fie c ∈ R s, i X(ω) = c, pentru orice ω ∈ Ω. Atunci, pentru orice x ∈ R, avem

(
Ω , dacă c ≤ x,
X −1 ((−∞, x]) =
∅ , dacă c > x,
deci X −1 ((−∞, x]) ∈ B s, i astfel X este o variabilă aleatoare.
Propozit, ia 3.1.4. a) Dacă X : Ω → R este o variabilă aleatoare s, i g : R → R este o funct, ie

continuă, atunci s, i funct, ia g ◦ X este o variabilă aleatoare.
b) Dacă X : Ω → R este o variabilă aleatoare s, i a ∈ R, atunci s, i funct, iile −X, |X|, X + a s, i aX
sunt variabile aleatoare.
c) Fie X : Ω → R o variabilă aleatoare astfel ı̂ncât X(ω) 6= 0 pentru orice ω ∈ Ω s, i fie a ∈ R.
a
Atunci s, i funct, ia este o variabilă aleatoare.
X
Demonstraţie. a) Fie x ∈ R arbitrar fixat. Avem
(g ◦ X)−1 ((−∞, x)) = X −1 (g −1 ((−∞, x))).
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
În acest caz avem !

[ [
(g ◦ X)−1 ((−∞, x)) = X −1 Ij = X −1 (Ij ),
j∈J j∈J
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
Z(ω) < x ⇔ X(ω) < x − Y (ω)

⇔ ∃ q ∈ Q a.ı̂. X(ω) < q < x − Y (ω)
⇔ ∃ q ∈ Q a.ı̂. X(ω) < q s, i Y (ω) < x − q,
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→+∞
Demonstraţie. Fie X : Ω → R o variabilă aleatoare s, i F : R → [0, 1], FX (x) = P (X ≤ x), ∀x ∈ R,

funct, ia de repartit, ie a v.a. X.
1) Dacă x, y ∈ R, x < y, atunci {X ≤ x} ⊆ {X ≤ y}, deci
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
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
adică lim F (xn ) = F (a). Rezultă că lim F (x) = F (a).

n→∞ xցa
3) Pentru orice s, ir descrescător (xn )n∈N∗ cu lim xn = −∞ avem
n→∞
∞
\
{X ≤ xn } = ∅
n=1
s, i
{X ≤ x1 } ⊇ {X ≤ x2 } ⊇ . . . ⊇ {X ≤ xn } ⊇ {X ≤ xn+1 } ⊇ . . . .
∞
!
\
lim P (X ≤ xn ) = P {X ≤ xn } = P (∅) = 0,
n→∞
n=1
adică lim F (xn ) = 0. Rezultă că lim F (x) = 0.

n→∞ x→−∞
De asemenea, pentru orice s, ir crescător (xn )n∈N∗ cu lim xn = +∞ avem
n→∞
∞
[
{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
adică lim F (xn ) = 1. Rezultă că lim F (x) = 1.

n→∞ x→+∞
Reciproc, fie F : R → [0, 1] o funct, ie ce verifică proprietăt, ile 1), 2) s, i 3). Luând Ω = (0, 1), B =
intersect, ia tuturor corpurilor boreliene pe Ω ce cont, in intervalele de forma (a, b] cu a, b ∈ Ω, a < b s, i
P ((a, b]) = b − a (măsura Lebesgue), atunci funct, ia X : Ω → R definită prin
X(ω) = sup{x ∈ R | F (x) < ω}, ∀ ω ∈ Ω
este o variabilă aleatoare având drept funct, ie de repartit, ie chiar funct, ia F .
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:
1. P (X = x) = FX (x) − lim FX (t);

tրx
2. P (X ≤ x) = FX (x);
3. P (X < x) = lim FX (t);

tրx
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
7. P (X ∈ (x, y)) = lim FX (t) − FX (x);

tրy
8. P (X ∈ [x, y)) = lim FX (t) − lim FX (t);

tրy tրx
9. P (X ∈ (x, y]) = FX (y) − FX (x).

Demonstraţie. Egalitatea de la punctul 2 rezultă direct din definit, ia funct, iei de repartit, ie.
Pentru orice s, ir strict crescător (tn )n∈N∗ cu lim tn = x avem
n→∞
∞
[
{X ≤ tn } = {X < x}
n=1
s, i
{X ≤ t1 } ⊆ {X ≤ t2 } ⊆ . . . ⊆ {X ≤ tn } ⊆ {X ≤ tn+1 } ⊆ . . . .
∞
!
[
lim FX (tn ) = lim P (X ≤ tn ) = P {X ≤ tn } = P (X < x),
n→∞ n→∞
n=1
deci lim FX (t) = P (X < x), adică egalitatea de la punctul 3.

tրx
Celelalte egalităt, i din enunt, sunt consecint, e imediate ale celor de la punctele 2 s, i 3:
P (X = x) = P (X ≤ x) − P (X < x) = FX (x) − lim FX (t);

tրx
P (X ≥ x) = 1 − P (X < x) = 1 − lim FX (t);

tրx
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
P (X ∈ (x, y)) = P (X < y) − P (X ≤ x) = lim FX (t) − FX (x);

tրy
P (X ∈ [x, y)) = P (X < y) − P (X < x) = lim FX (t) − lim FX (t);

tրy tրx
P (X ∈ (x, y]) = P (X ≤ y) − P (X ≤ x) = FX (y) − FX (x).
3.2 Variabile aleatoare independente

Definit, ia 3.2.1. Fie variabilele aleatoare X1 , X2 , . . . , Xn : Ω → R, n ∈ N, n ≥ 2. X1 , X2 , . . . , Xn
se numesc v.a. independente dacă evenimentele {X1 ≤ x1 }, {X2 ≤ x2 }, . . . , {Xn ≤ xn } sunt
independente pentru orice x1 , x2 , . . . , xn ∈ R.
Propozit, ia 3.2.1. Fie variabilele aleatoare X1 , . . . , Xn : Ω → R, n ∈ N, n ≥ 2. Atunci X1 , . . . , Xn

sunt independente dacă s, i numai dacă pentru orice x1 , x2 , . . . , xn ∈ R are loc egalitatea
P (X1 ≤ x1 , X2 ≤ x2 , . . . , Xn ≤ xn ) = P (X1 ≤ x1 ) · P (X2 ≤ x2 ) · . . . · P (Xn ≤ xn ). (3.2.1)
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 ),
ceea ce ı̂ncheie demonstrat, ia.
Propozit, ia 3.2.2 (caracterizări echivalente ale independent, ei variabilelor aleatoare). Fie

variabilele aleatoare X1 , . . . , Xn : Ω → R, n ∈ N, n ≥ 2. Următoarele afirmat, ii sunt echivalente:
1. X1 , . . . , Xn sunt independente;
2. P (X1 < x1 , . . . , Xn < xn ) = P (X1 < x1 ) · . . . · P (Xn < xn ), ∀x1 , . . . , xn ∈ R;
3. P (X1 ≥ x1 , . . . , Xn ≥ xn ) = P (X1 ≥ x1 ) · . . . · P (Xn ≥ xn ), ∀x1 , . . . , xn ∈ R;
4. P (X1 > x1 , . . . , Xn > xn ) = P (X1 > x1 ) · . . . · P (Xn > xn ), ∀x1 , . . . , xn ∈ R;
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 .
Demonstraţie. 1) ⇒ 8) Fie X1 , . . . , Xn v.a. independente, adică pentru orice x1 , . . . , xn ∈ R are loc

egalitatea (3.2.1). Demonstrăm că pentru orice k ∈ {0, . . . , n} are loc egalitatea
P (X1 ∈ (x1 , y1 ], . . . , Xk ∈ (xk , yk ], Xk+1 ≤ yk+1 . . . , Xn ≤ yn )

= P (X1 ∈ (x1 , y1 ]) · . . . · P (Xk ∈ (xk , yk ]) · P (Xk+1 ≤ yk+1) · . . . · P (Xn ≤ yn ), (3.2.2)
pentru orice x1 , y1 . . . , xn , yn ∈ R a.ı̂. x1 < y1 , . . . , xn < yn , prin induct, ie după k.

Pentru k = 0 egalitatea devine P (X1 ≤ y1 , . . . , Xn ≤ yn ) = P (X1 ≤ y1 ) · . . . · P (Xn ≤ yn ) s, i este
adevărată conform (3.2.1).
Presupunem acum (3.2.2) adevărată pentru k s, i o demonstrăm pentru k + 1. Avem
P (X1 ∈ (x1 , y1 ], . . . , Xk+1 ∈ (xk+1 , yk+1], Xk+2 ≤ yk+2 . . . , Xn ≤ yn )

= P (X1 ∈ (x1 , y1 ], . . . , Xk ∈ (xk , yk ], Xk+1 ≤ yk+1 , Xk+2 ≤ yk+2 . . . , Xn ≤ yn )
− P (X1 ∈ (x1 , y1 ], . . . , Xk ∈ (xk , yk ], Xk+1 ≤ xk+1 , Xk+2 ≤ yk+2 . . . , Xn ≤ yn )
= P (X1 ∈ (x1 , y1 ]) · . . . · P (Xk ∈ (xk , yk ]) · P (Xk+1 ≤ yk+1) · P (Xk+2 ≤ yk+2 ) · . . . · P (Xn ≤ yn )
− P (X1 ∈ (x1 , y1 ]) · . . . · P (Xk ∈ (xk , yk ]) · P (Xk+1 ≤ xk+1 ) · P (Xk+2 ≤ yk+2 ) · . . . · P (Xn ≤ yn )
= P (X1 ∈ (x1 , y1 ]) · . . . · P (Xk ∈ (xk , yk ]) · (P (Xk+1 ≤ yk+1) − P (Xk+1 ≤ xk+1 ))·
· P (Xk+2 ≤ yk+2 ) · . . . · P (Xn ≤ yn )
= P (X1 ∈ (x1 , y1 ]) · . . . · P (Xk ∈ (xk , yk ]) · P (Xk+1 ∈ (xk+1 , yk+1])·
· P (Xk+2 ≤ yk+2 ) · . . . · P (Xn ≤ yn ),
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
P (X1 ≤ x1 , . . . , Xn ≤ xn ) = lim P (X1 ∈ (tm+1 , x1 ], . . . , Xn ∈ (tm+1 , xn ])

m→∞
= lim [P (X1 ∈ (tm+1 , x1 ]) · . . . · P (Xn ∈ (tm+1 , xn ])]
m→∞
= lim [(P (X1 ≤ x1 ) − P (X1 ≤ tm )) · . . . · (P (Xn ≤ xn ) − P (Xn ≤ tm ))]
m→∞
= P (X1 ≤ x1 ) · . . . · P (Xn ≤ xn ),
deci X1 , . . . , Xn sunt independente.

Analog se arată s, i celelalte echivalent, e din enunt, .
3.3 Variabile aleatoare discrete

Definit, ia 3.3.1. Dacă X(Ω) este o mult, ime discretă (finită sau numărabilă), atunci X se numes, te
v.a. discretă (finită (simplă), respectiv numărabilă).
Definit, ia 3.3.2. Fie X : Ω → R o variabilă aleatoare discretă. Funct, ia
pX : R → R, pX (x) = P (X = x), ∀x ∈ R
se numes, te funct, ia masă de probabilitate (masa) a v.a. X.
Definit, ia 3.3.3. Fie X : Ω → R o variabilă aleatoare finită s, i X(Ω) = {x1 , x2 , . . . , xn }, unde n ∈ N∗ .

Notăm
pi = P (X = xi ), ∀i ∈ {1, . . . , n}.
V.a. X poate fi reprezentată sub forma

x1 x2 . . . xn (valorile v.a. X),
X:
p1 p2 . . . pn (probabilităt, ile acestor valori),
această matrice numindu-se repartit, ia (de probabilitate a) lui X sau distribut, ia (de proba-
bilitate a) lui X.
Observat, ia 3.3.1. Dacă X este o v.a. finită având repartit, ia

x1 x2 . . . xn
X: ,
p1 p2 . . . pn
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
(evenimentele reunite fiind disjuncte două câte două).

Reciproc fie o matrice ca ı̂n enunt, , ce verifică proprietăt, ile 1) s, i 2). Presupunem că
x1 < x2 < . . . < xn . Atunci funct, ia F definită ı̂n observat, ia anterioară 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. Din construct, ia v.a. X (conform demonstrat, iei amintite) pentru funct, ia F (definită ı̂n
observat, ia anterioară) rezultă că X(Ω) = {x1 , x2 , . . . , xn }, deci X este o v.a. finită, iar repartit, ia lui
X este chiar repartit, ia dată.
Definit, ia 3.3.4. Fie X : Ω → R o variabilă aleatoare numărabilă s, i X(Ω) = {xi | i ∈ N∗ }. Notăm
pi = P (X = xi ), ∀i ∈ N∗ .
V.a. X poate fi reprezentată sub forma

x1 x2 . . . xn . . . (valorile v.a. X),
X:
p1 p2 . . . pn . . . (probabilităt, ile acestor valori),
numită repartit, ia (de probabilitate a) lui X sau distribut, ia (de probabilitate a) lui X.
Observat, ia 3.3.2. Dacă X este o v.a. numărabilă având repartit, ia

. . . xn−1 xn . . .
X: ,
. . . pn−1 pn . . .
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 ,


...
Analog Propozit, iei 3.3.1 se demonstrează următorul rezultat.

x1 x2 . . . xn . . .
Propozit, ia 3.3.2. O repartit, ie a unei v.a. numărabile este caracterizată
p1 p2 . . . pn . . .
de următoarele două proprietăt, i:
1) pi ≥ 0, ∀i ∈ N∗ ;
X∞
2) pi = 1.
i=1
Propozit, ia 3.3.3. Fie X1 , X2 , . . . , Xn : Ω → R v.a. discrete, n ∈ N, n ≥ 2. Atunci 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 = x1 , X2 = x2 , . . . , Xn = xn ) = P (X1 = x1 ) · P (X2 = x2 ) · . . . · P (Xn = xn ).
Demonstraţie. ”⇒” Fie X1 , X2 , . . . , Xn v.a. discrete independente s, i fie x1 ∈ X1 (Ω), x2 ∈ X2 (Ω),

. . . , xn ∈ Xn (Ω). Deoarece v.a. X1 , X2 , . . . , Xn sunt discrete, rezultă că există ε > 0 a.ı̂. pentru
orice i ∈ {1, . . . , n} să avem
(xi − ε, xi ) ∩ Xi (Ω) = ∅, adică {Xi ∈ (xi − ε, xi ]} = {Xi = xi }.
Conform Propozit, iei 3.2.2 (punctul 8) rezultă atunci că
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 ).
”⇐” 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.
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
3.4 Variabile aleatoare continue

Definit, ia 3.4.1. O variabilă aleatoare X : Ω → R se numes, te v.a. continuă dacă funct, ia sa de
repartit, ie FX este continuă.
Propozit, ia 3.4.1. O variabilă aleatoare X : Ω → R este v.a. continuă dacă s, i numai dacă
P (X = x) = 0, ∀x ∈ R.
Demonstraţie. Conform Propozit, iei 3.1.6 funct, ia de repartit, ie FX este continuă la dreapta, deci
utilizând Propozit, ia 3.1.7 avem echivalent, ele:
FX este continuă ⇔ FX este continuă la stânga
⇔ FX (x) − lim FX (t) = 0, ∀x ∈ R
tրx
⇔ 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
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.
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 (−∞, +∞).
Propozit, ia 3.4.4. Fie X : Ω → R o v.a. absolut continuă având funct, ia de repartit, ie FX s, i

densitatea de repartit, ie f . Fie x, y ∈ R, x ≤ y. Atunci
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
4. P (X ∈ [x, y]) = P (XZ∈ (x, y)) = P (X ∈ [x, y)) = P (X ∈ (x, y]) =

y
= FX (y) − FX (x) = f (t)dt;
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].
Calculăm funct, ia de repartit, ie a v.a. X. Pentru orice x ∈ (0, r], avem
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
O altă metodă de calcul se obt, ine utilizând densitatea de repartit, ie:

Z 2r Z 2r 2r
r 2r 3 2 3 x2 3 4 1 1
P X∈ , = fX (x)dx = 2 xdx = 2 = − = .
3 3 r
3
r r3 r r 9 9 3
3
Exemplul 3.4.2. Fie funct, ia f : R → R,

(
a|x| , dacă x ∈ [−1, 3],
f (x) =
0, dacă x 6∈ [−1, 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].
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.
−∞
Evident, condit, ia f (x) ≥ 0, ∀x ∈ R, este echivalentă cu a ≥ 0. Avem

Z +∞ Z 3 Z 0 Z 3
f (x)dx = a|x|dx = a (−x)dx + a xdx
−∞ −1 −1 0
0 3
ax2 ax2 a 9a
=− + = + = 5a.
2 −1 2 0 2 2
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].
Conform Propozit, iei 3.4.2, funct, ia de repartit, ie a v.a. X este



 0, dacă x ≤ −1,
Z x 
Z x |t|
FX : R → R, FX (x) = f (t)dt = dt , dacă x ∈ (−1, 3],
−∞ 
 −1 5

1 , dacă x > 3.
Z x Z x
x
|t| 1 t2 1 − x2
Pentru x ∈ (−1, 0] avem dt = (−t)dt = − = .
−1 5 5 −1 10 −1 10
Pentru x ∈ (0, 3] avem
Z Z Z 0 x
x
|t| 1 0
1 x
t2 t2 1 + x2
dt = (−t)dt + tdt = − + = .
−1 5 5 −1 5 0 10 −1 10 0 10
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
P (X ∈ [1, 2]) = P (1 ≤ X ≤ 2) = P (X ≤ 2) − P (X < 1)

5 2 3
= FX (2) − FX (1) = − = .
10 10 10
O altă metodă de calcul se obt, ine aplicând Propozit, ia 3.4.4:
Z 2 Z 2
1 2 x2 4 1 3
P (X ∈ [1, 2]) = f (x)dx = xdx = = − = .
1 5 1 10 1 10 10 10
3.5 Variabile aleatoare multidimensionale

Definit, ia 3.5.1. Fie X1 , X2 , . . . , Xn variabile aleatoare, n ≥ 2. Vectorul X = (X1 , X2 , . . . , Xn ) se
numes, te vector aleator n-dimensional sau variabilă aleatoare n-dimensională de compo-
nente X1 , X2 , . . . , Xn . Funct, ia de repartit, ie a v.a. X este funct, ia
FX : Rn → [0, 1], FX (x1 , x2 , . . . , xn ) = P (X1 ≤ x1 , X2 ≤ x2 , . . . , Xn ≤ xn ), ∀(x1 , x2 , . . . , xn ) ∈ Rn .
Funct, ia FX = F(X1 ,X2 ,...,Xn ) se numes, te s, i funct, ia de repartit, ie comună a v.a. X1 , X2 , . . . , Xn .

Pentru orice i ∈ {1, 2, . . . , n}, funct, ia de repartit, ie FXi a v.a. Xi se numes, te s, i funct, ia de repartit, ie
marginală a lui X ı̂n raport cu componenta Xi .
Propozit, ia 3.5.1 (formula de calcul a funct, iilor de repartit, ie marginale). În contextul
definit, iei anterioare, pentru orice i ∈ {1, 2, . . . , n} avem
FXi (xi ) = lim FX (x1 , . . . , xi−1 , xi , xi+1 , . . . , xn ), ∀xi ∈ R.

x1 ,...,xi−1 ,xi+1 ,...,xn →+∞
(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∗ .
Utilizând Propozit, ia 2.2.4 avem

(m) (m) (m) (m)
FXi (xi ) = P (Xi ≤ xi ) = lim P (X1 ≤ x1 , . . . , Xi−1 ≤ xi−1 , Xi+1 ≤ xi+1 , . . . , Xn ≤ x1 )
m→∞
(m) (m) (m) (m)
= lim FX (x1 , . . . , xi−1 , xi+1 , . . . , x1 ),
m→∞
de unde rezultă egalitatea din enunt, .

Propozit, ia 3.5.2. Fie X = (X1 , X2 , . . . , Xn ) un vector aleator n-dimensional, n ≥ 2. Atunci
componentele X1 , X2 , . . . , Xn sunt v.a. independente dacă s, i numai dacă
FX (x1 , x2 , . . . , xn ) = FX1 (x1 )FX2 (x2 ) . . . FXn (xn ), ∀(x1 , . . . , xn ) ∈ Rn ,
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:
X1 , X2 , . . . , Xn sunt v.a. independente

⇔ P (X1 ≤ x1 , X2 ≤ x2 , . . . , Xn ≤ xn ) = P (X1 ≤ x1 ) · P (X2 ≤ x2 ) · . . . · P (Xn ≤ xn ),
∀x1 , x2 , . . . , xn ∈ R
⇔ FX (x1 , x2 , . . . , xn ) = FX1 (x1 )FX2 (x2 ) . . . FXn (xn ), ∀(x1 , x2 , . . . , xn ) ∈ Rn .
Definit, ia 3.5.2. Fie X = (X1 , X2 , . . . , Xn ) un vector aleator n-dimensional, n ≥ 2, ale cărui

componente X1 , X2 , . . . , Xn sunt variabile aleatoare discrete. Funct, ia masă de probabilitate
(masa) a vectorului aleator X este funct, ia
pX : Rn → R, pX (x1 , x2 , . . . , xn ) = P (X1 = x1 , X2 = x2 , . . . , Xn = xn ), ∀(x1 , x2 , . . . , xn ) ∈ Rm .
Funct, ia pX = p(X1 ,X2 ,...,Xn ) se numes, te s, i masa de probabilitate comună a v.a. X1 , X2 , . . . , Xn .

Pentru orice i ∈ {1, 2, . . . , n}, masa de probabilitate pXi a v.a. Xi se numes, te s, i masa de probabi-
litate marginală a lui X ı̂n raport cu componenta Xi .
Propozit, ia 3.5.3 (formula de calcul a maselor de probabilitate marginale). În contextul
definit, iei anterioare, pentru orice i ∈ {1, 2, . . . , n} are loc egalitatea:
X X X X
pXi (xi ) = ... ... pX (x1 , . . . , xi−1 , xi , xi+1 , . . . , xn ), ∀xi ∈ Xi (Ω).
x1 ∈X1 (Ω) xi−1 ∈Xi−1 (Ω) xi+1 ∈Xi+1 (Ω) xn ∈Xn (Ω)
Demonstraţie. Evident, pentru orice xi ∈ Xi (Ω) avem
[
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 ).
Următorul rezultat se obt, ine analog Propozit, iilor 3.1.6 s, i 3.1.7.

Propozit, ia 3.5.5 (proprietăt, i ale funct, iei de repartit, ie comună). Fie Z = (X, Y ) un vector
aleator bidimensional (variabilă aleatoare bidimensională) s, i fie FZ = F(X,Y ) funct, ia sa de repartit, ie.
Atunci:
1. F(X,Y ) este crescătoare atât ı̂n x cât s, i ı̂n y;
2. F(X,Y ) este continuă la dreapta;
3. lim F(X,Y ) (x, y) = 0, lim F(X,Y ) (x, y) = 0, ∀y ∈ R s, i lim F(X,Y ) (x, y) = 0, ∀x ∈ R;

x,y→−∞ x→−∞ y→−∞
4. lim F(X,Y ) (x, y) = 1;

x,y→+∞
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→+∞
6. P (X ≤ x, Y ≤ y) = F(X,Y ) (x, y), ∀x, y ∈ R;
7. P (X ≤ x, Y < y) = lim F(X,Y ) (x, u), ∀x, y ∈ R;

uրy
8. P (X ≤ x, Y = y) = F(X,Y ) (x, y) − lim F(X,Y ) (x, u), ∀x, y ∈ R;

uրy
9. P (X ≤ x, Y > y) = FX (x) − F(X,Y ) (x, y), ∀x, y ∈ R;

10. P (X ≤ x, Y ≥ y) = FX (x) − lim F(X,Y ) (x, u), ∀x, y ∈ R;
uրy
11. P (X < x, Y < y) = lim F(X,Y ) (t, u), ∀x, y ∈ R;

tրx;uրy
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
14. P (X < x, Y ≥ y) = lim FX (t) − lim F(X,Y ) (t, u), ∀x, y ∈ R;

tրx tրx;uրy
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
18. P (X > x, Y > y) = 1 − FX (x) − FY (y) + F(X,Y ) (x, y), ∀x, y ∈ R;

19. P (X > x, Y ≥ y) = 1 − FX (x) − lim FY (u) + lim F(X,Y ) (x, u), ∀x, y ∈ R;
uրy 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:
P (X ∈ [x1 , x2 ], Y ∈ (y1 , y2 ]) = P (X ∈ [x1 , x2 ], Y ≤ y2 ) − P (X ∈ [x1 , x2 ], Y ≤ y1 )

= P (X ≤ x2 , Y ≤ y2 ) − P (X < x1 , Y ≤ y2 ) − P (X ≤ x2 , Y ≤ y1 ) + P (X < x1 , Y ≤ y1 )
= F(X,Y ) (x2 , y2 ) − lim F(X,Y ) (t, y2 ) − F(X,Y ) (x2 , y1 ) + lim F(X,Y ) (t, y1 ),
tրx1 tրx1
pentru orice x1 , x2 , y1, y2 ∈ R cu x1 < y1 s, i x2 < y2 .

Observat, ia 3.5.2. Evident, propozit, ia anterioară poate fi us, or extinsă la cazul n-dimensional.
Definit, ia 3.5.3. Fie Z = (X, Y ) un vector aleator bidimensional (variabilă aleatoare bidimensională)
ale cărui componente X s, i Y sunt variabile aleatoare finite având repartit, iile

x1 x2 . . . xn y1 y2 . . . ym
X: , Y : .
p1 p2 . . . pn q1 q2 . . . qm
Repartit, ia v.a. Z este dată de valorile (xi , yj ), i ∈ {1, . . . , n}, j ∈ {1, . . . , m} s, i probabilităt, ile
corespunzătoare
pij = P (Z = (xi , yj )) = P (X = xi , Y = yj ), ∀i ∈ {1, . . . , n}, ∀j ∈ {1, . . . , m},
s, i se numes, te s, i repartit, ia comună a v.a. X s, i Y . Repartit, ia v.a. X se numes, te s, i repartit, ia

marginală a v.a. Z ı̂n raport cu componenta X, iar repartit, ia v.a. Y se numes, te s, i repartit, ia
marginală a v.a. Z ı̂n raport cu componenta Y .
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
Demonstraţie. Evident, pentru orice i ∈ {1, . . . , n} avem

n
! m m
[ X X
pi = P (X = xi ) = P {X = xi , Y = yj } = P (X = xi , Y = yj ) = pij
j=1 j=1 j=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 —
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
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.
−∞ −∞
2. Folosind s, i Propozit, ia 3.5.5, avem
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
−∞
(cu except, ia unor mult, imi neglijabile de puncte).
Demonstraţie. Utilizând Propozit, ia 3.4.4 s, i Definit, ia 3.5.5, avem

Z x Z x Z +∞
fX (t)dt = P (X ∈ (a, x]) = P (Y ∈ R, X ∈ (a, x]) = f(X,Y ) (t, y)dydt,
a a −∞
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.
Propozit, ia 3.5.10 (proprietăt, i ale densităt, ii de repartit, ie comună). Fie Z = (X, Y ) un

vector aleator bidimensional (variabilă aleatoare bidimensională) absolut continuu având densitatea
de repartit, ie f(X,Y ) . Atunci:
Z +∞ Z +∞
1. f(X,Y ) (x, y)dxdy = 1;
−∞ −∞
2. P (X = x, Y ∈ A) = P (X ∈ A, Y = y) = 0, ∀x, y ∈ R, ∀A ⊆ R;
3. P (X ≤ x, Y ≤ Zy) =Z P (X < x, Y < y) = P (X ≤ x, Y < y) = P (X < x, Y ≤ y) =

y x
= F(X,Y ) (x, y) = f(X,Y ) (t, u)dtdu, ∀x, y ∈ R;
−∞ −∞
4. P (X ≥ Zx, Y ≥ y) = P (X > x, Y > y) = P (X ≥ x, Y > y) = P (X > x, Y ≥ y) =

Z +∞ +∞
= f(X,Y ) (t, u)dtdu, ∀x, y ∈ R;
y x
5. P (X ≤ Zx, Y ≥ y) = P (X < x, Y > y) = P (X ≤ x, Y > y) = P (X < x, Y ≥ y) =

Z +∞ x
= f(X,Y ) (t, u)dtdu, ∀x, y ∈ R.
y −∞
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
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
F(X,Y ) (x, y) = FX (x)FY (y), ∀x, y ∈ R,
deci utilizând Propozit, ia 3.5.8 s, i Definit, ia 3.4.3 rezultă că
∂ 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,
deci conform Propozit, iei 3.5.2 rezultă că X s, i Y sunt independente.

Observat, ia 3.5.6. Evident, Definit, ia 3.5.5 s, i rezultatele anterioare pot fi extinse us, or la cazul
n-dimensional.
Exemplul 3.5.3. Fie funct, ia f : R2 → R,
(
a(x2 + y) , dacă x ∈ [0, 3] s, i y ∈ [0, 2],
f (x, y) =
0, ı̂n caz contrar.
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
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.
−∞ −∞
Dacă x ≤ 0 sau y ≤ 0, atunci F(X,Y ) (x, y) = 0.

Z 2Z 3
Dacă x ≥ 3 s, i y ≥ 2, atunci F(X,Y ) (x, y) = f (t, u)dtdu = 1.
0 0
Dacă x ∈ (0, 3) s, i y ∈ (0, 2), atunci
Z yZ x Z yZ x Z y 3 x
1 1 t
F(X,Y ) (x, y) = f (t, u)dtdu = 2
(t + u)dtdu = + ut du
0 0 24 0 0 24 0 3
Z y 3 3
2 y
3 t=0
1 x 1 x u xu 1 x y xy 2 2x3 y + 3xy 2
= + xu du = + = + = .
24 0 3 24 3 2 u=0 24 3 2 144
Dacă x ∈ (0, 3) s, i y ≥ 2, atunci
Z 2Z x Z 2Z x Z 2 3 x
1 1 t
F(X,Y ) (x, y) = f (t, u)dtdu = 2
0 0 24 0 0 24 0 3 t=0
Z 2 3 3
2 2 3

1 x 1 x u xu 1 2x x3 + 3x
= + xu du = + = + 2x =
24 0 3 24 3 2 u=0 24 3 36
Z 2Z x
2x3 · 2 + 3x · 22 x3 + 3x
(sau, direct, F(X,Y ) (x, y) = f (t, u)dtdu = F(X,Y ) (x, 2) = = ).
0 0 144 36
Dacă x ≥ 3 s, i y ∈ (0, 2), atunci
Z yZ 3 Z yZ 3 Z y 3 3
1 1 t
F(X,Y ) (x, y) = f (t, u)dtdu = 2
0 0 24 0 0 24 0 3 t=0
Z y
2 y 2
2
1 1 3u 1 3y y + 6y
= (9 + 3u) du = 9u + = 9y + =
24 0 24 2 0 24 2 16
Z yZ 3
2 · 33 · y + 3 · 3 · y 2 y 2 + 6y
(sau, direct, F(X,Y ) (x, y) = f (t, u)dtdu = F(X,Y ) (3, y) = = ).
0 0 144 16
Deci 

 0, dacă x ≤ 0 sau y ≤ 0,




3
2x y + 3xy 2

 , dacă x ∈ (0, 3) s, i y ∈ (0, 2),

 144


 x3 + 3x
F(X,Y ) (x, y) = , dacă x ∈ (0, 3) s, i y ≥ 2,

 36



 y 2 + 6y

 , dacă x ≥ 3 s, i y ∈ (0, 2),

 16


1 , dacă x ≥ 3 s, i y ≥ 2.
c) Densitatea de repartit, ie fX a v.a. X este densitatea de repartit, ie marginală a vectorului (X, Y ),
deci conform Propozit, iei 3.5.9 avem
Z +∞
fX (x) = f (x, y)dy, ∀x ∈ R.
−∞
Dacă x < 0 sau x > 3, atunci fX (x) = 0.

Dacă x ∈ [0, 3], atunci
Z 2 Z 2 2
1 2 1 2 y 2 1 2
x2 + 1
fX (x) = f (x, y)dy = (x + y)dy = x y+ = 2x + 2 = .
0 24 0 24 2 y=0 24 12
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.
−∞
Dacă y < 0 sau y > 2, atunci fY (y) = 0.

Dacă y ∈ [0, 2], atunci
Z 3 Z 3 3
1 1 x3 1 y+3
fY (y) = f (x, y)dx = 2
(x + y)dx = + yx = (9 + 3y) = .
0 24 0 24 3 x=0 24 8
Deci 
 y + 3 , dacă y ∈ [0, 2],
fY (y) = 8
O altă metodă de calcul este următoarea:
• Se calculează funct, ia de repartit, ie a v.a. Y ca funct, ie de repartit, ie marginală a vectorului
(X, Y ), conform Propozit, iei 3.5.5:


 0, dacă y ≤ 0,
 2
y + 6y
FY (y) = lim F(X,Y ) (x, y) = , dacă y ∈ (0, 2)

 16
x→+∞

1, dacă y ≥ 2;
• 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 marginală:

14 4 5
P (X ∈ [1, 2]) = FX (2) − FX (1) = − = .
36 36 18
Analog, utilizând densitatea de repartit, ie marginală avem:
Z Z 1
1
1 1
1 y2 1 1 7
P (Y ∈ [0, 1]) = fY (y)dx = (y + 3)dx = + 3y = +3 = .
0 8 0 8 2 0 8 2 16
O altă metodă de calcul se obt, ine utilizând funct, ia de repartit, ie marginală:

7
P (Y ∈ [0, 1]) = FY (1) − FY (0) = .
16
Utilizând densitatea de repartit, ie comună, conform Propozit, iei 3.5.10 avem:
Z Z Z 1Z 2 Z 1 3 2
1 2
1 1 x
P (X ∈ [1, 2], Y ∈ [0, 1]) = f (x, y)dxdy = 2
(x + y)dxdy = + yx dy
0 1 24 0 1 24 0 3 x=1
Z 1 1
1 7 1 7y y 2 1 7 1 17
= + y dy = + = + = .
24 0 3 24 3 2 0 24 3 2 144
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}.
Pentru a calcula integrala dublă, rescriem mult, imea A astfel:
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
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
Deoarece X s, i Y sunt acum variabile aleatoare independente, avem

5 7 35
P (X ∈ [1, 2], Y ∈ [0, 1]) = P (X ∈ [1, 2]) · P (Y ∈ [0, 1]) = · = .
18 16 288
Pentru a calcula ultima probabilitate din enunt, vom proceda ca ı̂n exemplul anterior. De data
aceasta, deoarece X s, i Y sunt independente, rezultă că densitatea de repartit, ie comună este
 2
 (x + 1)(y + 3)
, dacă x ∈ [0, 3] s, i y ∈ [0, 2],
f(X,Y ) (x, y) = fX (x)fY (y) = 96
Notând
A = {(x, y) ∈ R2 | 0 ≤ x ≤ 3, 0 ≤ y ≤ 2, x + y ≥ 4}
= {(x, y) ∈ R2 | 2 ≤ x ≤ 3, 4 − x ≤ y ≤ 2},
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
3.6 Momentele variabilelor aleatoare

Definit, ia 3.6.1. Fie X : Ω → R o variabilă aleatoare discretă având masa de probabilitate pX .
Media (valoarea medie a) v.a. X este
X
E(X) = xpX (x)
x∈X(Ω)
(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).
2. Fie r ∈ N∗ . Momentul centrat de ordinul r al v.a. X este
µr (X) = E((X − E(X))r )
(sub presupunerea că această valoare medie există, ı̂n cazul ı̂n care v.a. X este numărabilă sau
continuă).
3. Dispersia (variant, a) v.a. X este
var (X) = µ2 (X)
(sub presupunerea că aceast moment centrat există, ı̂n cazul ı̂n care v.a. X este numărabilă sau
continuă).
4. Deviat, ia standard (abaterea standard, abaterea medie pătratică) a v.a. X este

p
σX = var (X),
sub presupunerea că dispersia var (X) este finită.

Observat, ia 3.6.2. Dispersia var (X) a unei v.a. X (discrete sau continue) se mai notează s, i cu D(X)
2
sau cu σX .
Propozit, ia 3.6.1. Fie X : Ω → R o variabilă aleatoare discretă având masa de probabilitate pX s, i
fie g : R → R o funct, ie continuă. Atunci
X
E(g(X)) = g(x)pX (x)
x∈X(Ω)
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)
Următorul rezultat se obt, ine analog propozit, iei anterioare.

Propozit, ia 3.6.2. Fie X, Y : Ω → R două variabile aleatoare discrete având masa de probabilitate
comună p(X,Y ) s, i fie g : R2 → R o funct, ie continuă. Atunci
X X
E(g(X, Y )) = g(x, y)p(X,Y ) (x, y)
x∈X(Ω) y∈Y (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
−∞
(sub presupunerea că integrala există).

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
−∞ −∞
(sub presupunerea că integrala dublă există).

Observat, ia 3.6.4. Evident, s, i propozit, ia anterioară poate fi us, or extinsă la cazul n-dimensional.
Propozit, ia 3.6.5 (Proprietăt, i ale mediei).
a) Fie X : Ω → R o variabilă aleatoare (discretă sau continuă). Avem:
1. Dacă v.a. X este constantă, adică există c ∈ R a.ı̂. X(ω) = c, ∀ω ∈ Ω, atunci E(X) = c.
2. E(X + a) = E(X) + a, ∀a ∈ R;
3. E(aX) = aE(X), ∀a ∈ R;
4. Dacă X ≥ 0 (adică X(ω) ≥ 0, ∀ω ∈ Ω), atunci E(X) ≥ 0, iar egalitatea are loc dacă s, i numai
dacă P (X = E(X)) = 1.
b) Fie X, Y : Ω → R două variabile aleatoare (discrete sau continue). Avem:
1. E(X + Y ) = E(X) + E(Y );
2. E(X − Y ) = E(X) − E(Y ).
c) Fie X1 , X2 , . . . , Xn : Ω → R variabile aleatoare (discrete sau continue), n ≥ 2. Avem
E(X1 + X2 + . . . + Xn ) = E(X1 ) + E(X2 ) + . . . + E(Xn ).
Demonstraţie. a) 1. V.a. X fiind constantă, rezultă că este finită s, i astfel
X
E(X) = xpX (x) = cpX (c) = c · P (X = c) = c · 1 = c.
x∈X(Ω)
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.
−∞ −∞ −∞
Relat, iile de la punctele 3 s, i 4 se demonstrează analog.

b) 1. Cazul i) Dacă v.a. X s, i Y sunt discrete, atunci utilizând Propozit, iile 3.6.2 s, i 3.5.3 avem
X X
E(X + Y ) = (x + y)p(X,Y ) (x, y)
   
X X X X
= x p(X,Y ) (x, y) + y p(X,Y ) (x, y)
x∈X(Ω) y∈Y (Ω) y∈Y (Ω) x∈X(Ω)
X X
= xpX (x) + ypY (y) = E(X) + E(Y ).
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 ).
−∞ −∞
Analog se demonstrează s, i celelalte egalităt, i din enunt, .

Următorul rezultat este o consecint, ă imediată a Definit, iei 3.6.3 s, i a Propozit, iei 3.6.1.
Propozit, ia 3.6.6 (Formule de calcul pentru momentele v.a. discrete). Fie X : Ω → R o

variabilă aleatoare discretă având masa de probabilitate pX .

X
E(X r ) = xr pX (x)
x∈X(Ω)

X
µr (X) = (x − E(X))r pX (x)
x∈X(Ω)

X
var (X) = (x − E(X))2 pX (x).
x∈X(Ω)
Următorul rezultat este o consecint, ă imediată a Definit, iei 3.6.3 s, i a Propozit, iei 3.6.3.
Propozit, ia 3.6.7 (Formule de calcul pentru momentele v.a. continue). Fie X : Ω → R o

variabilă aleatoare continuă având densitatea de repartit, ie fX .

Z +∞
r
E(X ) = xr fX (x)dx
−∞

Z +∞
µr (X) = (x − E(X))r fX (x)dx
−∞


Z +∞
var (X) = (x − E(X))2 fX (x)dx.
−∞
Propozit, ia 3.6.8 (Proprietăt, i ale dispersiei). Fie X : Ω → R o variabilă aleatoare (discretă sau
continuă). Avem:
1. var (X) = E(X 2 ) − E 2 (X);
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;
4. var (X) = 0 dacă s, i numai dacă P (X = E(X)) = 1;
5. var (X + a) = var (X), ∀a ∈ R;
6. var (aX) = a2 · var (X), ∀a ∈ R.
Demonstraţie. 1. Utilizând proprietăt, ile mediei avem

var (X) = E((X − E(X))2 ) = E X 2 − 2E(X) · X + E 2 (X)
= E(X 2 ) − E (2E(X) · X) + E 2 (X) = E(X 2 ) − 2E(X) · E(X) + E 2 (X)
= E(X 2 ) − E 2 (X).
Analog se demonstrează s, i celelalte relat, ii din enunt, .

Exemplul 3.6.1. Fie variabila aleatoare X având repartit, ia
 
−1 0 1
X :  1 1 1 .
4 4 2
Să se calculeze media, dispersia s, i deviat, ia standard ale lui X.
1 1 1 1
Solut, ie. Media lui X este E(X) = −1 · + 0 · + ·1 = .
4 4 2 4
Pentru a calcula dispersia lui X, calculăm repartit, ia lui X 2 .
Deoarece X ia valorile −1, 0, 1, rezultă că X 2 ia valorile 0, 1. Avem
1
P (X 2 = 0) = P (X = 0) = ,
4
1 1 3
P (X 2 = 1) = P (X = ±1) = P (X = −1) + P (X = 1) = + = ,
4 2 4
deci X 2 are repartit, ia  
0 1
2 
X : 1 3 ,
4 4
1 3 3
s, i astfel E(X 2 ) = 0 · +1· = .
4 4 4
O altă metodă de calcul se obt, ine utilizând Propozit, ia 3.6.6:

2
X 1 1 1 3
E(X 2 ) = x2 P (X = x) = (−1)2 · + 02 · + 12 · = .
x=−1
4 4 2 4
Rezultă că dispersia lui X este

2
2 32 1 11
var (X) = E(X ) − E (X) = − = ,
4 4 16
√
p 11
iar deviat, ia standard a lui X este σX = var (X) = .
4
Exemplul 3.6.2. Fie v.a. continuă X având densitatea de repartit, ie


 |x|
, dacă x ∈ [−1, 3],
fX : R → R, fX (x) = 5
0 , dacă x 6∈ [−1, 3]
(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
Calculăm dispersia v.a. X utilizând formula var (X) = E(X 2 ) − E 2 (X).

Avem
Z +∞ Z Z Z
2 2 1 3 2 1 0 3 1 3 3
E(X ) = x fX (x)dx = x |x|dx = (−x )dx + x dx
−∞ 5 −1 5 −1 5 0
0 3
x4 x4 1 81 82 41
=− + = + = = ,
20 −1 20 0 20 20 20 10
2
2 2 41 26 41 676 493
deci var (X) = E(X ) − E (X) = − = − = .
10 15 10 225
r 450
p 493
Deviat, ia standard a a lui X este σX = var (X) = ≃ 1,05.
450
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.
Definit, ia 3.6.4. Fie X, Y : Ω → R două variabile aleatoare (discrete sau continue).

1. Covariant, a v.a. X s, i Y este

cov (X, Y ) = E (X − E(X))(Y − E(Y )) ,
sub presupunerea că mediile există s, i sunt finite.
2. Coeficientul de corelat, ie al v.a. X s, i Y este
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.
Propozit, ia 3.6.9 (Proprietăt, i ale covariant, ei).

a) Fie X : Ω → R o variabilă aleatoare (discretă sau continuă). Avem:
1. cov (X, X) = var (X);
2. cov (X, a) = 0, ∀a ∈ R.
b) Fie X, Y : Ω → R două variabile aleatoare (discrete sau continue). Avem:
1. cov (X, Y ) = E(XY ) − E(X)E(Y );
2. cov (Y, X) = cov (X, Y );
3. cov (X + a, Y + b) = cov (X, Y ), ∀a, b ∈ R;
4. cov (aX, bY ) = ab · cov (X, Y ), ∀a, b ∈ R;
5. var (X + Y ) = var (X) + var (Y ) + 2 cov (X, Y );
6. var (X − Y ) = var (X) + var (Y ) − 2 cov (X, Y ).
c) Fie X1 , X2 , . . . , Xn : Ω → R variabile aleatoare (discrete sau continue), n ≥ 2. Avem

n
X X
var (X1 + X2 + . . . + Xn ) = var (Xi ) + 2 cov (Xi , Xj ).
i=1 1≤i<j≤n
d) Fie X, Y, Z : Ω → R trei variabile aleatoare (discrete sau continue). Atunci:
cov (X + Y, Z) = cov (X, Z) + cov (Y, Z).

2

Demonstraţie. a) 1. Avem cov (X, X) = E (X − E(X)) = var (X).
2. Avem cov (X, a) = E (X − E(X))(a − E(a)) = E (X − E(X))(a − a) = E(0) = 0.
b) 1. Utilizând proprietăt, ile mediei, avem

cov (X, Y ) = E (X − E(X))(Y − E(Y )) = E XY − E(Y ) · X − E(X) · Y + E(X)E(Y )
= E(XY ) − E(Y )E(X) − E(X)E(Y ) + E(X)E(Y ) = E(XY ) − E(X)E(Y ).
Propozit, ia 3.6.10 (Proprietăt, i ale coeficientului de corelat, ie). Fie X, Y : Ω → R două

variabile aleatoare (discrete sau continue) a.ı̂. var (X) > 0 s, i var (Y ) > 0. Avem:
1. ρ(Y, X) = ρ(X, Y );
2. ρ(X, Y ) ∈ [−1, 1];

3. ρ(X, Y ) = 1 dacă s, i numai dacă există t ∈ R, t > 0 a.ı̂. P Y − E(Y ) = t(X − E(X)) = 1;

4. ρ(X, Y ) = −1 dacă s, i numai dacă există t ∈ R, t < 0 a.ı̂. P Y − E(Y ) = t(X − E(X)) = 1;
5. ρ(X + a, Y + b) = ρ(X, Y ), ∀a, b ∈ R;

ρ(X, Y ), dacă ab > 0
6. ρ(aX, bY ) = , ∀a, b ∈ R∗ .
−ρ(X, Y ), dacă ab < 0
cov (Y, X) cov (X, Y )

Demonstraţie. 1. Avem ρ(Y, X) = = = ρ(X, Y ).
σY σX σX σY
2. Utilizând proprietăt, ile dispersiei avem
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
∆ = 4cov 2 (X, Y ) − 4var (X)var (Y ) ≤ 0,
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
cov (X + a, Y + b) cov (X, Y )

ρ(X + a, Y + b) = p =p = ρ(X, Y ).
var (X + a) · var (Y + b) var (X) · var (Y )
Analog se demonstrează s, i egalitatea de la punctul 6.

Observat, ia 3.6.6. Coeficientul de corelat, ie măsoară gradul de condit, ionare reciprocă (interdependent, ă)
dintre două variabile aleatoare. Conform punctelor 5 s, i 6 din propozit, ia anterioară rezultă că dacă
acest coeficient este egal cu 1, atunci intre cele două variabile există o relat, ie de interdependent, ă
liniară crescătoare, iar dacă acest coeficient este egal cu -1, atunci intre cele două variabile există o
relat, ie de interdependent, ă liniară descrescătoare.
Propozit, ia 3.6.11. a) Dacă X s, i Y sunt v.a. independente s, i cu mediile finite, atunci:
1. E(XY ) = E(X)E(Y );
2. cov (X, Y ) = 0;
3. ρ(X, Y ) = 0;
4. var (X + Y ) = var (X) + var (Y ).
b) Dacă X1 , X2 , . . . , Xn (n ≥ 2) sunt v.a. independente s, i cu mediile finite, atunci
var (X1 + X2 + . . . + Xn ) = var (X1 ) + var (X2 ) + . . . + var (Xn ).

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 ).
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 ).
−∞ −∞
2. cov (X, Y ) = E(XY ) − E(X)E(Y ) = 0.

cov (X, Y )
3. ρ(X, Y ) = = 0.
σX σY
4. var (X + Y ) = var (X) + var (Y ) + 2 cov (X, Y ) = var (X) + var (Y ).
P
n P P
n
b) var (X1 + X2 + . . . + Xn ) = var (Xi ) + 2 cov (Xi , Xj ) = var (Xi ).
i=1 1≤i<j≤n i=1
Exemplul 3.6.3. Fie X s, i Y variabilele aleatoare finite din Exemplul 3.5.1.

a) Să se calculeze covariant, a v.a. X s, i Y .
b) Să se calculeze coeficientul de corelat, ie al v.a. X s, i Y .
Solut, ie. Conform rezolvării Exemplului 3.5.1, v.a. X s, i Y au repartit, iile

0 1 2 0 1 2
X: , Y : ,
0,25 0,5 0,25 0,64 0,32 0,04
iar repartit, ia comună a v.a. X s, i Y este
XY 0 1 2
0 0,09 0,12 0,04
1 0,3 0,2 0
2 0,25 0 0
a) Calculăm covariant, a v.a. X s, i Y utilizând formula
cov (X, Y ) = E(XY ) − E(X)E(Y ).
Avem
2 X
X 2
E(XY ) = xyP (X = x, Y = y)
x=0 y=0
= 0 · 0 · 0,09 + 0 · 1 · 0,12 + 0 · 2 · 0,04 + 1 · 0 · 0,3 + 1 · 1 · 0,2

+ 1 · 2 · 0 + 2 · 0 · 0,25 + 2 · 1 · 0 + 2 · 2 · 0 = 0,2,
2
X
E(X) = xP (X = x) = 0 · 0,25 + 1 · 0,5 + 2 · 0,25 = 1,
x=0
X2
E(Y ) = yP (Y = y) = 0 · 0,64 + 1 · 0,32 + 2 · 0,04 = 0,4,
y=0
deci cov (X, Y ) = E(XY ) − E(X)E(Y ) = 0,2 − 1 · 0,4 = −0,2.

cov (X, Y )
b) Calculăm coeficientul de corelat, ie utilizând formula ρ(X, Y ) = .
σX σY
Avem
2
X
2
E(X ) = x2 P (X = x) = 02 · 0,25 + 12 · 0,5 + 22 · 0,25 = 1,5,
x=0
var (X) = E(X 2 ) − E 2 (X) = 1,5 − 12 = 0,5,
√
p p 2
σX = var (X) = 0,5 = ,
2
X2
2
E(Y ) = y 2 P (Y = y) = 02 · 0,64 + 12 · 0,32 + 22 · 0,04 = 0,48,
y=0
var (Y ) = E(Y 2 ) − E 2 (Y ) = 0,48 − 0,42 = 0,32,

√
p p 2 2
σY = var (Y ) = 0,32 = ,
5
deci
cov (X, Y ) −0,2
ρ(X, Y ) = = √ √ = −0,5.
σX σY 2
· 2 2
2 5

Exemplul 3.6.4. Fie v.a. continue X s, i Y având densitatea de repartit, ie comună

 2
x + y
2 , dacă x ∈ [0, 3] s, i y ∈ [0, 2],
f(X,Y ) : R → R, f(X,Y ) (x, y) = 24
adică aceeas, i ca ı̂n Exemplul 3.5.3.

a) Să se calculeze covariant, a v.a. X s, i Y .
b) Să se calculeze coeficientul de corelat, ie al v.a. X s, i Y .
Solut, ie. Conform rezolvării Exemplului 3.5.3, v.a. X s, i Y au densităt, ile de repartit, ie
 2 
x + 1 y + 3
, dacă x ∈ [0, 3] , dacă y ∈ [0, 2]
fX (x) = 12 , fY (y) = 8 .
0 , ı̂n caz contrar  0, ı̂n caz contrar
a) Calculăm covariant, a v.a. X s, i Y utilizând formula
cov (X, Y ) = E(XY ) − 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.
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.
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
E(X) = 1, E(Y ) = 0,4,

cov (X, X) = var (X) = 0,5,
cov (Y, Y ) = var (Y ) = 0,32,
cov (Y, X) = cov (X, Y ) = −0,2,
deci media vectorului aleator Z = (X, Y ) este vectorul
E(Z) = (E(X), E(Y )) = (1; 0,4),
iar matricea de covariant, ă este

cov (X, X) cov (X, Y ) var (X) cov (X, Y ) 0,5 −0,2
Cov (Z) = = = .
cov (Y, X) cov (Y, Y ) cov (X, Y ) var (Y ) −0,2 0,32
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
iar matricea de covariant, ă este

 699 3 
−
var (X) cov (X, Y )  64  .
Cov (Z) = =  1280 
cov (X, Y ) var (Y ) 3 47
−
64 144

3.7 Variabile aleatoare condit, ionate

Lema 3.7.1. Fie (Ω, B, P ) un câmp de probabilitate, X : Ω → R o variabilă aleatoare s, i A ∈ B un
eveniment a.ı̂. P (A) > 0. Fie
BA = {B ∩ A | B ∈ B}.
Atunci (A, BA , PA ) este un câmp de probabilitate, unde PA este probabilitatea condit, ionată de eveni-
mentul A (mai precis restrict, ia acesteia la subfamilia BA a familiei B).
Demonstraţie. Evident, A ∈ BA , deci BA 6= ∅.
Dacă B ′ ∈ BA , atunci există B ∈ B a.ı̂. B ′ = B ∩ A, deci A \ B ′ = A \ (B ∩ A)) = A ∩ B ∈ BA .
Dacă (Bi′ )i∈N∗ ⊆ BA , atunci există (Bi′ )i∈N∗ ⊆ B a.ı̂. Bi′ = Bi ∩ A, ∀i ∈ N ∗ , deci
∞ ∞ ∞
!
[ [ [
Bi′ = (Bi′ ∩ A) = Bi′ ∩ A ∈ BA .
i=1 i=1 i=1
Astfel (A, BA ) este un spat, iu măsurabil.

P (A ∩ A)
Deoarece funct, ia PA este o probabilitate pe spat, iul măsurabil (Ω, B) s, i PA (A) = =
P (A)
P (A)
= 1, rezultă că restrict, ia funct, iei PA la BA este o probabilitate pe spat, iul măsurabil (A, BA ),
P (A)
deci (A, BA , PA ) este un câmp de probabilitate.
Propozit, ia 3.7.1. Fie (Ω, B, P ) un câmp de probabilitate, X : Ω → R o variabilă aleatoare s, i A ∈ B
un eveniment a.ı̂. P (A) > 0. Atunci restrict, ia funct, iei X la submult, imea A ⊆ Ω, adică funct, ia
X|A : A → R, (X|A)(ω) = X(ω), ∀ω ∈ A,
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)
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)
Demonstraţie. Se aplică Propozit, ia 3.7.2 pentru evenimentul A = {Y = y}.
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.
Propozit, ia 3.7.7. În contextul propozit, iei anterioare, avem

X
E(X) = pY (y)E(X|Y = y)
y∈Y (Ω)
pY (y)>0
(sub presupunerea că X ≥ 0, ı̂n cazul ı̂n care ambele v.a. X s, i Y sunt numărabile).
Demonstraţie. Se aplică Propozit, ia 3.7.3 pentru evenimentele ({Y = y})y∈Y (Ω) .
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
p(X,Y ) (x, y) pY (y)pX|Y (x|y) pY (y)pX|Y (x|y)

pY |X (y|x) = = = P .
pX (x) pX (x) pY (t)pX|Y (x|t)
t∈Y (Ω)
pY (t)>0
Propozit, ia 3.7.9. Fie (Ω, B, P ) un câmp de probabilitate s, i fie X, Y : Ω → R două variabile

aleatoare discrete. Atunci X s, i Y sunt independente dacă s, i numai dacă
pX|Y (x|y) = pX (x), ∀x ∈ X(Ω), ∀y ∈ Y (Ω) a.ı̂. pY (y) > 0.
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).
Exemplul 3.7.1. Fie X s, i Y variabilele aleatoare finite din Exemplul 3.5.1.

a) Să se calculeze repartit, iile s, i mediile variabilelor aleatoare condit, ionate X|{Y = yj } s, i
Y |{X = xi }, pentru i, j ∈ {0, 1, 2}.
b) Utilizând rezultatele obt, inute la punctul a), să se calculeze mediile v.a. X s, i Y .
Solut, ie. Conform rezolvării Exemplului 3.5.1, v.a. X s, i Y au repartit, ia comună s, i repartit, iile margi-
nale 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 —
a) Aplicând formula masei de probabilitate condit, ionate
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.
Analog, aplicând formula masei de probabilitate condit, ionate
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
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

Definit, ia 3.7.4. Fie (Ω, B, P ) un câmp de probabilitate, X : Ω → R o variabilă aleatoare absolut

continuă s, i A ∈ B un eveniment a.ı̂. P (A) > 0. Dacă v.a. condit, ionată X|A este o variabilă aleatoare
absolut continuă, atunci densitatea sa de repartit, ie fX|A se numes, te densitatea de repartit, ie a
v.a. X condit, ionată de evenimentul A.
Propozit, ia 3.7.10. Fie (Ω, B, P ) un câmp de probabilitate, X : Ω → R o variabilă aleatoare continuă
având densitatea de repartit, ie fX s, i fie A ⊆ R a.ı̂. X −1 (A) ∈ B s, i P (X ∈ A) > 0. Atunci v.a.
condit, ionată X|{X ∈ A} este o variabilă aleatoare continuă. Densitatea sa de repartit, ie este

 fX (x) , dacă x ∈ A,
fX|{X∈A} : R → R, fX|{X∈A} (x) = P (X ∈ A)

0, dacă x 6∈ A,
iar media sa este Z
E(X|{X ∈ A}) = xfX|{X∈A} (x)dx.
A
Demonstraţie. Deoarece funct, ia fX este continuă, cu except, ia unei mult, imi neglijabile de puncte,
rezultă că s, i funct, ia fX|{X∈A} definită de (3.7.10) are această proprietate. Conform proprietăt, ilor
funct, iei de repartit, ie s, i densităt, ii de repartit, ie s, i formulei probabilităt, ii condit, ionate avem
Z
P ({X ≤ x} ∩ A) 1
FX|{X∈A} (x) = P (X ≤ x|x ∈ A) = = fX (t)dt
P (A) P (A) (−∞,x)∩A
Z x
= fX|{X∈A} (t)dt, ∀x ∈ R,
−∞
′
deci FX|{X∈A} = fX|{X∈A} (cu except, ia unei mult, imi neglijabile de puncte), de unde rezultă că
X|{X ∈ A} este v.a. continuă cu densitatea de repartit, ie fX|{X∈A} dată de (3.7.10).
Ultima formulă din enunt, este evidentă, conform formulei mediei v.a. continue.
Propozit, ia 3.7.11. Fie (Ω, B, P ) un câmp de probabilitate s, i X : Ω → R o variabilă aleatoare

S
n
continuă având densitatea de repartit, ie fX . Fie A1 , . . . , An ∈ B, n ≥ 2, a.ı̂. Ω = Ai , Ai ∩ Aj = ∅,
i=1
∀i 6= j, P (Ai ) > 0 s, i X|Ai este o v.a. continuă cu densitatea de repartit, ie fX|Ai , pentru orice
i ∈ {1, . . . , n}. Avem
Xn
fX (x) = P (Ai )fX|Ai (x), ∀x ∈ R,
i=1
cu except, ia unei mult, imi neglijabile de puncte. De asemenea, avem

n
X
E(X) = P (Ai )E(X|Ai )
i=1
(sub presupunerea că mediile există).

Demonstraţie. Conform formulei probabilităt, ii totale avem
n
X
FX (x) = P (Ai )FX|Ai (x), ∀x ∈ R,
i=1
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
Corolarul 3.7.1. Fie (Ω, B, P ) un câmp de probabilitate s, i X, Y : Ω → R două variabilă aleatoare

S
n
absolut continue. Fie A1 , . . . , An ∈ R, n ≥ 2, a.ı̂. Ai ⊇ Y (Ω), Ai ∩ Aj = ∅, ∀i 6= j, Y −1 (Ai ) ∈ B,
i=1
P (Y ∈ Ai ) > 0 s, i X|{Y ∈ Ai } este o v.a. continuă cu densitatea de repartit, ie fX|{Y ∈Ai } , pentru orice
i ∈ {1, . . . , n}. Avem
Xn
fX (x) = P (Ai )fX|{Y ∈Ai } (x), ∀x ∈ R,
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. Se aplică Propozit, ia 3.7.11 pentru evenimentele ({Y ∈ Ai })i=1,n .
Propozit, ia 3.7.12. Fie (Ω, B, P ) un câmp de probabilitate, X, Y : Ω → R două variabilă aleatoare
absolut continue având densitatea de repartit, ie comună f(X,Y ) s, i fie y ∈ R a.ı̂. fY (y) > 0, unde fY
este densitatea de repartit, ie a v.a. Y . Atunci funct, ia
f(X,Y ) (x, y)
fX|{Y =y} : R → R, fX|{Y =y} (x) = , ∀x ∈ R
fY (y)
este densitatea de repartit, ie a unei v.a. absolut continue.
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,
−∞
se numes, te funct, ia de repartit, ie a v.a. X condit, ionată de Y = y s, i se notează s, i cu FX|Y (·|y).

Media sa, Z +∞
E(X|Y = y) = xfX|Y (x|y)dx,
−∞
sub presupunerea că integrala există, se numes, te media v.a. X condit, ionată de Y = y.
Pemtru orice A ⊆ R a.ı̂. X −1 (A) ∈ Ω, probabilitatea
Z
P ((X|{Y = y}) ∈ A) = fX|Y (x|y)dx
A
se numes, te probabilitatea ca X ∈ A condit, ionată de Y = y s, i se notează s, i cu P (X ∈ A|Y = y)

sau cu PY =y (X ∈ A).
Observat, ia 3.7.1. În contextul definit, iei anterioare, deoarece Y este o v.a. continuă avem
P (Y = y) = 0.
Deci not, iunile de variabilă aleatoare condiţionată X|{Y = y} s, i de probabilitate condiţionată

P (X ∈ A|Y = y) astfel definite sunt o extindere a definit, iilor anterioare, ı̂n care presupuneam
că evenimentul fixat drept condit, ie, ı̂n cazul de fat, ă {Y = y}, are probabilitatea nenulă.
Evident, ı̂n cazul acestei extinderi formula probabilităt, ii condit, ionate,
P (X ∈ A, Y = y)
P (X ∈ A|Y = y) = ,
P (Y = y)
nu se mai aplică, deoarece numitorul fracţiei este egal cu zero!
Totus, i, formula echivalentă
P (X ∈ A, Y = y) = P (X ∈ A|Y = y) · P (Y = y)
rămâne valabilă, deoarece P (X ∈ A, Y = y) = P (Y = y) = 0.

Propozit, ia 3.7.13 (formula probabilităt, ii totale pentru densităt, i de repartit, ie). Fie
(Ω, B, P ) un câmp de probabilitate s, i X, Y : Ω → R două variabilă aleatoare absolut continue având
densitate de repartit, ie comună. Atunci
Z +∞
fX (x) = fY (y)fX|Y (x|y)dy, ∀x ∈ R
−∞
(luând, prin cconvent, ie, fX|Y (x|y) arbitrar, pentru fY (y) = 0).
Demonstraţie. Utilizând formula densităt, ii de repartit, ie marginale, formula densităt, ii de repartit, ie

condit, ionate s, i convent, ia din enunt, , avem
Z +∞ Z +∞
fX (x) = f(X,Y ) (x, y)dy = fY (y)fX|Y (x|y)dy,
−∞ −∞
pentru orice x ∈ R.
Propozit, ia 3.7.14. În contextul propozit, iei anterioare, avem

Z +∞
E(X) = fY (y)E(X|Y = y)dy
−∞
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
fY (y)fX|Y (x|y) fY (y)fX|Y (x|y)

fY |X (y|x) = = R +∞
fX (x) −∞ Y
f (t)fX|Y (x|t)dt
(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
f(X,Y ) (x, y) fY (y)fX|Y (x|y) fY (y)fX|Y (x|y)

fY |X (y|x) = = = R +∞ .
fX (x) fX (x) fY (t)fX|Y (x|t)dt
−∞
Propozit, ia 3.7.16. Fie (Ω, B, P ) un câmp de probabilitate, X, Y : Ω → R două variabilă aleatoare

absolut continue având densitate de repartit, ie comună. Presupunem că pentru orice y ∈ R a.ı̂.
fY (y) = 0 avem f(X,Y ) (x, y) = 0, pentru orice x ∈ R, cu except, ia unei mult, imi neglijabile de puncte.
Atunci X s, i Y sunt independente dacă s, i numai dacă
fX|Y (x|y) = fX (x), ∀x, y ∈ R a.ı̂. fY (y) > 0,
cu except, ia unei mult, imi neglijabile de puncte.
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.
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) 
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) 
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)
Fie x ∈ [0, 3]. Avem

Z Z 1
1 1
x2 + y 1 2 y 2
P (Y ∈ [0, 1]|X = x) = fY |X (y|x)dy = dy = x y+
0 0
2
2(x + 1) 2
2(x + 1) 2 y=0

1 2 1 2x2 + 1
= x + = .
2(x2 + 1) 2 2(x2 + 1)
c) Conform rezultatelor obt, inute la punctele a) s, i b) avem:

6 + 27 33 12 + 4 16
E(X|Y = 1) = = , E(Y |X = 2) = = ,
4(1 + 3) 16 3(4 + 1) 15
3+7 5 8+1 9
P (X ∈ [1, 2]|Y = 1) = = , P (Y ∈ [0, 1]|X = 2) = = .
9(1 + 3) 18 2(4 + 1) 10
d) Aplicând Propozit, ia 3.7.14 avem:

Z +∞ Z 2 Z 2
y + 3 6y + 27 6y + 27
E(X) = fY (y)E(X|Y = y)dy = · dy = dy
−∞ 0 8 4(y + 3) 0 32
1 2 1 33
= 3y 2 + 27y 0 = (12 + 54) = ,
32 32 16
Z +∞ Z 3 2 Z 3 2
x + 1 3x2 + 4 3x + 4
E(Y ) = fX (x)E(Y |X = x)dx = · 2
dx = dx
−∞ 0 12 3(x + 1) 0 36
1 3 1 13
= x3 + 4x 0 = (27 + 12) = .
36 36 12

Observat, ia 3.7.2. Definit, iile s, i rezultatele din această secţiune pot fi us, or extinse la cazul n-dimensional.
3.8 Funct, ii generatoare de momente s, i funct, ii caracteristice

Definit, ia 3.8.1. Fie X : Ω → R o variabilă aleatoare (discretă sau continuă).
1. Funct, ia generatoare de momente a v.a. X este funct, ia
ψX : R → R, ψX (t) = E(etX ), ∀t ∈ R.
2. Funct, ia caracteristică a v.a. X este funct, ia
ϕX : R → C, ϕX (t) = E(eitX ), ∀t ∈ R
(i2 = −1, C fiind mult, imea mumerelor complexe), unde
ex+iy = ex (cos y + i sin y), ∀x, y ∈ 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
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 −∞
A doua egalitate din enunt, se demonstrează analog.

Observat, ia 3.8.1. Prima egalitate din propozit, ia anterioară justifică denumirea funct, iei ψX drept
funct, ia generatoare de momente a v.a. X.
Propozit, ia 3.8.2. Dacă X1 , . . . , Xn sunt v.a. independente (n ∈ N, n ≥ 2), atunci
ψX1 +...+Xn (t) = ψX1 (t) . . . ψXn (t), ∀t ∈ R,

ϕX1 +...+Xn (t) = ϕX1 (t) . . . ϕXn (t), ∀t ∈ R.
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).
A doua egalitate din enunt, se demonstrează analog.

Capitolul 4
Repartit, ii clasice
4.1 Repartit, ii discrete clasice

4.1.1 Repartit, ia uniformă
Definit, ia 4.1.1. Fie n ∈ N∗ s, i x1 , x2 , . . . , xn ∈ R. O repartit, ie a unei v.a. discrete X de forma
!
x1 x2 . . . xn
X: 1 1 1
...
n n n
se numes, te repartit, ia uniformă pe mult, imea {x1 , x2 , . . . , xn }. Notăm X ∼ U{x1 ,x2 ,...,xn } .
Pentru n = 1 s, i a ∈ R, repartit, ia uniformă pe mult, imea {a}, adică

a
X: ,
1
se numes, te s, i repartit, ia Dirac ı̂n punctul a s, i notăm X ∼ δa .
Exemplul 4.1.1. Dacă v.a. X reprezintă numărul obt, inut la aruncarea unui zar, atunci X ∼ U{1,2,...,6} .
Propozit, ia 4.1.1. Dacă X ∼ U{x1 ,x2 ,...,xn } , atunci
x1 + x2 + . . . + xn
E(X) = ,
n
2
x21 + x22 + . . . + x2n x1 + x2 + . . . + xn
var (X) = − .
n n
4.1.2 Repartit, ia binomială

Definit, ia 4.1.2. Fie n ∈ N s, i p ∈ [0, 1]. Spunem că v.a. X are o repartit, ie binomială de
parametri n s, i p dacă
P (X = k) = Cnk pk q n−k , ∀k ∈ {0, . . . , n},
unde q = 1 − p. Notăm X ∼ B(n, p).
Observat, ia 4.1.1. Utilizăm convent, ia 00 = 1.
Observat, ia 4.1.2. Repartit, ia binomială este repartit, ia specifică schemei bilei ı̂ntoarse.
Propozit, ia 4.1.2. Dacă X ∼ B(n, p), atunci
E(X) = np, var (X) = npq,
n n
ψX (t) = pet + q , ϕX (t) = peit + q .
Dacă X1 ∼ B(n1 , p), X2 ∼ B(n2 , p), ..., Xk ∼ B(nk , p) sunt v.a. independente (k ∈ N, k ≥ 2),
atunci X1 + X2 + . . . + Xk ∼ B(n1 + n2 + . . . + nk , p).
116
CAPITOLUL 4. REPARTIT, II CLASICE 117
4.1.3 Repartit, ia multinomială

Definit, ia 4.1.3. Fie n, r ∈ N∗ s, i p1 , p2 , . . . , pr ∈ [0, 1] a.ı̂. p1 + p2 + . . . + pr = 1, r ≥ 2. Spu-
nem că vectorul aleator X = (X1 , X2 , . . . , Xr ) are o repartit, ie multinomială de parametri n s, i
p1 , p2 , . . . , pr dacă
n!
P (X1 = k1 , X2 = k2 , . . . , Xr = kr ) = · pk11 pk22 . . . pkr r ,
k1 !k2 ! . . . kr !
∀k1 , k2 , . . . , kr ∈ N a.ı̂. k1 + k2 + . . . + kr = n.
Observat, ia 4.1.3. Repartit, ia multinomială este repartit, ia specifică schemei multinomiale.

Observat, ia 4.1.4. Luând r = 2 obt, inem repartit, ia binomială. Deci repartit, ia multinomială generali-
zează repartit, ia binomială.
Propozit, ia 4.1.3. Fie n, r ∈ N∗ s, i p1 , p2 , . . . , pr ∈ [0, 1] a.ı̂. p1 + p2 + . . . + pr = 1, r ≥ 2.

Dacă X = (X1 , X2 , . . . , Xr ) este un vector aleator având o repartit, ie multinomială de parametri n s, i
p1 , p2 , . . . , pr , atunci
Xi ∼ B(n, pi ), ∀i ∈ {1, . . . , r},

E(X) = n(p1 , p2 , . . . , pr ),
 
p1 (1 − p1 ) −p1 p2 ... −p1 pr
 −p1 p2 p2 (1 − p2 ) . . . −p2 pr 
Cov (X) = n 

.

...
−p1 pr −p2 pr . . . pr (1 − pr )
4.1.4 Repartit, ia hipergeometrică

Definit, ia 4.1.4. Fie n, a, b ∈ N∗ a.ı̂. n ≤ a + b. Spunem că v.a. X are o repartit, ie hipergeome-
trică de parametri n, a s, i b dacă
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)
4.1.5 Repartit, ia hipergeometrică generalizată

Definit, ia 4.1.5. Fie r ∈ N, r ≥ 2 s, i a1 , a2 , . . . , ar ∈ N∗ a.ı̂. n ≤ a1 +a2 +. . .+ar . Spunem că vectorul
aleator X = (X1 , X2 , . . . , Xr ) are o repartit, ie hipergeometrică generalizată de parametri n s, i
a1 , a2 , . . . , ar dacă
Cak11 · Cak22 · . . . · Cakrr

P (X1 = k1 , X2 = k2 , . . . , Xr = kr ) = ,
Cak11+a
+k2 +...+kr
2 +...+ar
∀k1 , k2 , . . . , kr ∈ N a.ı̂. k1 + k2 + . . . + kr = n s, i ki ≤ ai , ∀i ∈ {1, 2, . . . , r}.

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
Xi are o repartit, ie hipergeometrică de parametri n, ai s, i s − ai , ∀i ∈ {1, . . . , r},

n
E(X) = · a1 , a2 , . . . , ar ,
 s 
a1 (s − a1 ) −a1 a2 ... −a1 ar
n(s − n) 
 −a1 a2 a2 (s − a2 ) . . . −a2 ar  .
Cov (X) = 2
s (s − 1)  ... 
−a1 ar −a2 ar . . . ar (s − ar )
4.1.6 Repartit, ia geometrică

Definit, ia 4.1.6. Fie p ∈ (0, 1). Spunem că v.a. X are o repartit, ie geometrică de parametru p
dacă
P (X = k) = p(1 − p)k , ∀k ∈ N.
Propozit, ia 4.1.6. Se consideră un s, ir infinit de probe Bernoulli, adică de repetări independente
ale unei experient, e aleatoare ce are ca rezultat fie evenimentul A ce reprezintă varianta succes, fie
evenimentul contrar A ce reprezintă varianta insucces. Fie p = P (A) probabilitatea de succes. Presu-
punem că p ∈ (0, 1). Dacă X reprezintă numărul de insuccese consecutive până la aparit, ia primului
succes, atunci X este o variabilă aleatoare numărabilă având repartit, ia geometrică de parametru p.
Demonstraţie. Evident, X ∈ N, deci X este o variabilă aleatoare numărabilă. Pentru orice i ∈ N∗ ,
fie Ai evenimentul ca la proba numărul i să se realizeze un succes, deci
P (Ai ) = p s, i P (Ai ) = 1 − p, ∀i ∈ N∗ .
Rezultatele probelor fiind evenimente independente, pentru orice k ∈ N avem
P (X = k) = P (A1 ∩ A2 ∩ . . . ∩ Ak ∩ Ak+1 ) = P (A1 )P (A2 ) . . . P (Ak )P (Ak+1) = (1 − p)k · p,
deci repartit, ia v.a. X este repartit, ia geometrică de parametru p.

Propozit, ia 4.1.7. Fie p ∈ (0, 1). Dacă X are o v.a. având repartit, ie geometrică de parametru p,
atunci
1−p 1−p
E(X) = , var (X) = ,
p p2
p p
ψX (t) = , ϕX (t) = .
1 − (1 − p)et 1 − (1 − p)eit
4.1.7 Repartit, ia binomială negativă (Pascal)

Definit, ia 4.1.7. Fie n ≥ 0 s, i p ∈ [0, 1]. Spunem că v.a. X are o repartit, ie binomială negativă
(Pascal) de parametri n s, i p dacă
k
P (X = k) = Cn+k−1 pn (1 − p)k , ∀k ∈ N.
Notăm X ∼ BN(n, p).

Observat, ia 4.1.8. Prin convent, ie, 00 = 1.

k
Observat, ia 4.1.9. Conform Observat, iei 1.3.3, Cn+k−1 reprezintă combinări cu repetit, ie de n luate
câte k. De asemenea, conform Definit, iei 1.8.1 avem
k (n + k − 1)(n + k − 2) . . . n (−1)k (−n)(−n − 1) . . . (−n − k + 1)

Cn+k−1 = = = (−1)k · C−n
k
,
k! k!
deci
k
Cn+k−1 pn (1 − p)k = C−n
k
pn (p − 1)k , ∀k ∈ N,
ceea ce justifică denumirea de repartit, ie binomială negativă.
Propozit, ia 4.1.8. Se consideră un s, ir infinit de probe Bernoulli. Fie p probabilitatea de succes (a
fiecărei probe) s, i fie n ∈ N∗ . Dacă X reprezintă numărul de insuccese până la aparit, ia celui de-al
n-lea succes, atunci X este o variabilă aleatoare numărabilă având repartit, ia binomială negativă de
parametri n s, i p.
Demonstraţie. Evident, X ∈ N, deci X este o variabilă aleatoare numărabilă. Pentru orice k ∈ N,
fie Bk evenimentul ca la primele n + k − 1 probe să se realizeze k insuccese s, i n − 1 succese, iar
Dk evenimentul ca la proba numărul k să se realizeze un succes. Deoarece rezultatele probelor sunt
evenimente independente, avem
P (X = k) = P (Bk ∩ Dk ) = P (Bk )P (Dk ).
Dar P (Dk ) = p, iar conform schemei binomiale avem

k
P (Bk ) = Cn+k−1 pn−1 (1 − p)k ,
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.
4.1.8 Repartit, ia Poisson

Definit, ia 4.1.8. Fie λ > 0. Spunem că v.a. X are o repartit, ie Poisson de parametru λ dacă
λk
P (X = k) = e−λ · , ∀k ∈ N.
k!
Notăm X ∼ Po(λ).
Propozit, ia 4.1.10. Dacă X ∼ Po(λ), atunci

E(X) = λ, var (X) = λ,
−λ(1−et ) it
ψX (t) = e , ϕX (t) = e−λ(1−e ) .
Dacă X1 ∼ Po(λ1 ), X2 ∼ Po(λ2 ), ..., Xk ∼ Po(λk ) sunt v.a. independente (k ∈ N, k ≥ 2), atunci
X1 + X2 + . . . + Xk ∼ Po(λ1 + λ2 + . . . + λk ).
Propozit, ia 4.1.11. Fie λ > 0 s, i X o v.a. a.ı̂. X ∼ Po(λ). Pentru orice n ∈ N, fie Xn o v.a. a.ı̂.
Xn ∼ B(n, pn ), unde pn ∈ [0, 1], s, i E(Xn ) = E(X). Atunci
P (Xn = k)
lim = 1, ∀k ∈ N.
n→∞ P (X = k)
Demonstraţie. Deoarece E(X) = λ s, i E(Xn ) = npn , rezultă că

λ
pn = .
n
Fie k ∈ N s, i n ≥ k. Conform definit, iilor repartit, iilor binomială s, i Poisson avem
k n−k n−k
P (Xn = k) Cnk nλ 1 − nλ λ λ Akn
= k = e 1 − · .
P (X = k) e−λ · λk! n nk
Cum
n−k λ
λ lim (n − k) · −
lim 1 − =en→∞ n = e−λ
n→∞ n
s, i
Akn n(n − 1) . . . (n − k + 1)
lim k
= lim = 1,
n→∞ n n→∞ nk
P (Xn = k)
rezultă că lim = eλ · e−λ = 1.
n→∞ P (X = k)
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.
4.2 Repartit, ii continue clasice

4.2.1 Repartit, ia uniformă
Definit, ia 4.2.1. Fie a, b ∈ R, a < b. Repartit, ia uniformă pe intervalul [a, b] este repartit, ia având
densitatea
1
f (x) = , ∀x ∈ [a, b]
b−a
s, i f (x) = 0, ∀x ∈ R \ [a, b].
Dacă X este o v.a. având această repartit, ie, notăm X ∼ U[a,b] .
Propozit, ia 4.2.1. Dacă X ∼ U[a,b] , atunci
a+b (b − a)2
E(X) = , var (X) = .
2 12
4.2.2 Repartit, ia uniformă bidimensională

Definit, ia 4.2.2. Fie a1 , b1 , a2 , b2 ∈ R, a1 < b1 , a2 < b2 . Repartit, ia uniformă pe dreptunghiul
[a1 , b1 ] × [a2 , b2 ] este repartit, ia bidimensională având densitatea
1
f (x, y) = , ∀(x, y) ∈ [a1 , b1 ] × [a2 , b2 ]
(b1 − a1 )(b2 − a2 )
s, i f (x, y) = 0, ∀x ∈ R2 \ ([a1 , b1 ] × [a2 , b2 ]).

Dacă Z = (X, Y ) este un vector aleator având această repartit, ie, notăm Z ∼ U[a1 ,b1 ]×[a2 ,b2 ] .
Propozit, ia 4.2.2. Dacă Z = (X, Y ) ∼ U[a1 ,b1 ]×[a2 ,b2 ] , atunci
X ∼ U[a1 ,b1 ] , Y ∼ U[a2 ,b2 ] ,

X s, i Y sunt v.a. independente,
1
E(Z) = a1 + b1 , a2 + b2 ,
2
1 (b1 − a1 )2 0
Cov (X) = .
12 0 (b2 − a2 )2
4.2.3 Repartit, ia normală (Gaussiană)

Lema 4.2.1. Avem Z +∞
1 2 √
e− 2 x dx = 2π.
−∞
Demonstraţie. Notând cu I integrala din enunt, , avem

Z +∞ Z +∞ Z +∞ Z +∞
− 21 x2 − 21 y 2 1 2 +y 2 )
2
I = e dx · e dy = e− 2 (x dxdy.
−∞ −∞ −∞ −∞
Efectuăm schimbarea de variabile

x = r cos t,
y = r sin t,
p
unde r = x2 + y 2 ∈ [0, +∞) este modulul numărului complex z = x + yi, iar t ∈ [0, 2π) este
argumentul acestuia (r s, i t se numesc coordonate polare). Jacobianul acestei schimbări de variabile
este
∂x ∂x
∂(x, y) ∂r ∂t cos t −r sin t
J = det = = = r cos2 t + sin2 t = r,
∂(r, t) ∂y ∂y sin t r cos t

∂r ∂t
deci
dxdy = |J|drdt = rdrdt
s, i astfel
Z 2π Z +∞ Z 2π Z +∞ Z 2π +∞
2 − 12 [(r cos t)2 +(r sin t)2 ] − 21 r 2 − 21 r 2
I = e · rdrdt = re drdt = −e dt
0 0 0 0 0 r=0
Z 2π 2π
= dt = t0 = 2π.
0
√
Evident, I > 0, deci I = 2π.
Definit, ia 4.2.3. Fie m, σ ∈ R a.ı̂. σ > 0. Repartit, ia normală (Gaussiană) de parametri m s, i

σ 2 este repartit, ia având densitatea
1 1 x−m 2
f (x) = √ · e− 2 ( σ ) , ∀x ∈ R.
σ 2π
Dacă X este o v.a. având această repartit, ie, notăm X ∼ N(m, σ 2 ).

În particular, repartit, ia normală de parametri m = 0 s, i σ 2 = 1 se numes, te repartit, ia normală
(Gaussiană) standard, iar funct, ia sa de repartit, ie se numes, te funct, ia Laplace-Gauss.
Observat, ia 4.2.1. Graficul densităt, ii repartit, iei normale standard

1 1 2
f (x) = √ · e− 2 x , ∀x ∈ R,
2π
este perfect simetric fat, ă de axa Oy s, i, datorită formei sale, este cunoscut sub numele de clopotul lui
Gauss.
Propozit, ia 4.2.3. Dacă X ∼ N(m, σ 2 ), atunci
E(X) = m, var (X) = σ 2 ,

1 2 t2
ψX (t) = emt+ 2 σ .
Dacă Y = aX + b, cu X ∼ N(m, σ 2 ), a ∈ R∗ s, i b ∈ R, atunci Y ∼ N(am + b, a2 σ 2 ).

Dacă X1 ∼ N(m1 , σ12 ), X2 ∼ N(m2 , σ22 ), ..., Xk ∼ N(mk , σk2 ) sunt v.a. independente (k ∈ N,
k ≥ 2), atunci
X1 + X2 + . . . + Xk ∼ N(m1 + m2 + . . . + mk , σ12 + σ22 + . . . + σk2 ).

X−m
Are loc echivalent, a X ∼ N(m, σ 2 ) ⇔ σ
∼ N(0, 1).
4.2.4 Repartit, ia normală multidimensională

Definit, ia 4.2.4. Fie n ∈ N∗ , m = (m1 , . . . , mn ) ∈ Rn s, i A = (aij )i,j=1,n ∈ Mn (R) o matrice
simetrică s, i pozitiv definită. Repartit, ia normală n-dimensională de parametri m s, i A este
repartit, ia n-dimensională având densitatea
1 1 −1 (x−m)⊤
f (x) = · e− 2 (x−m)A , ∀x ∈ Rn .
(2π)n/2 (det A)1/2
Dacă X = (X1 , . . . , Xn ) este un vector aleator având această repartit, ie, notăm X ∼ N(m, A).
Observat, ia 4.2.2. Luând n = 1 obt, inem repartit, ia normală 1-dimensională (Gaussiană).
Propozit, ia 4.2.4. Fie n ∈ N∗ , m = (m1 , . . . , mn ) ∈ Rn s, i A = (aij )i,j=1,n ∈ Mn (R) o matrice

simetrică s, i pozitiv definită. Fie X = (X1 , . . . , Xn ) ∼ N(m, A). Atunci
E(X) = m, Cov (X) = A,

Xi ∼ N(mi , aii ), ∀i ∈ {1, . . . , n},
(Xi1 , . . . , Xik ) ∼ N((mi1 , . . . , mik ), (apq )p,q∈{i1 ,...,ik } ), ∀1 ≤ i1 < i2 < . . . < ik ≤ n (k ≥ 1).
V.a. X1 , . . . , Xn sunt independente dacă s, i numai dacă matricea A este diagonală (adică aij = 0
pentru orice i 6= j).
4.2.5 Repartit, ia exponent, ială

Definit, ia 4.2.5. Fie λ > 0. Repartit, ia exponent, ială de parametru λ este repartit, ia având
densitatea
f (x) = λe−λx , ∀x ∈ (0, ∞)
s, i f (x) = 0, ∀x ∈ (−∞, 0].
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
4.2.6 Repartit, ia Gamma

Definit, ia 4.2.6. Fie a, λ > 0. Repartit, ia Gamma de parametri a s, i λ este repartit, ia având
densitatea
λa
f (x) = · xa−1 e−λx , ∀x ∈ (0, ∞)
Γ(a)
s, i f (x) = 0, ∀x ∈ (−∞, 0], unde Z ∞
Γ(a) = xa−1 e−x dx.
0
Observat, ia 4.2.3. Funct, ia Γ din definit, ia anterioară se numes, te funct, ia Gamma. Ea are următoarele
proprietăt, i:
Γ(a) = (a − 1)Γ(a − 1), ∀a > 1;

Γ(n) = (n − 1)!, ∀n ∈ N∗ ;

1 √
Γ = π.
2
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.
4.2.7 Repartit, ia hi-pătrat

Definit, ia 4.2.7. Fie n ∈ N∗ . Repartit, ia hi-pătrat cu n grade de libertate este repartit, ia având
densitatea
1 n x
f (x) = n n
· x 2 −1 e− 2 , ∀x ∈ (0, ∞)
22 · Γ 2
s, i f (x) = 0, ∀x ∈ (−∞, 0].
Dacă X este o v.a. având această repartit, ie, notăm X ∼ χ2 (n).
Propozit, ia 4.2.7. Dacă X ∼ χ2 (n), atunci

E(X) = n, var (X) = 2n,
n
ψX (t) = (1 − 2t)− 2 .
Propozit, ia 4.2.8. Dacă X ∼ N(0, 1), atunci X 2 ∼ χ2 (1).
Dacă X1 ∼ N(0, 1), X2 ∼ N(0, 1), . . . , Xn ∼ N(0, 1) sunt v.a. independente (n ∈ N, n ≥ 2),
atunci X12 + X22 + . . . + Xn2 ∼ χ2 (n).
Observat, ia 4.2.5. S, i repartit, ia hi-pătrat este un caz particular al repartit, iei Gamma, s, i anume cazul
n 1
a = s, i λ = .
2 2
4.2.8 Repartit, ia Weibull

Definit, ia 4.2.8. Fie a, α, β ∈ R a.ı̂. α > 0 s, i β > 0. Repartit, ia Weibull de parametri a, α s, i β
este repartit, ia având densitatea
α (x−a)α
f (x) = (x − a)α−1 e− β , ∀x ∈ (a, ∞)
β
s, i f (x) = 0, ∀x ∈ (−∞, a].
Observat, ia 4.2.6. Repartit, ia exponent, ială este un caz particular s, i al repartit, iei Weibull, s, i anume
1
cazul a = 0, α = 1 s, i β = .
λ
4.2.9 Repartit, ia beta

Definit, ia 4.2.9. Fie a, b > 0. Repartit, ia beta de parametri a s, i b este repartit, ia având densitatea
1
f (x) = · xa−1 (1 − x)b−1 , ∀x ∈ (0, 1)
β(a, b)
s, i f (x) = 0, ∀x ∈ (−∞, 0] ∪ [1, +∞), unde
Z 1
β(a, b) = xa−1 (1 − x)b−1 dx.
0
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)
4.2.10 Repartit, ia Student

Definit, ia 4.2.10. Fie n ∈ N∗ . Repartit, ia Student (repartit, ia T) cu n grade de libertate este
repartit, ia având densitatea
− n+1
1 x2 2
f (x) = √ 1 + , ∀x ∈ R.
n · β n2 , 12 n
Dacă X este o v.a. având această repartit, ie, notăm X ∼ T (n).
Propozit, ia 4.2.10. Dacă X ∼ T (n), unde n > 2, atunci

n
E(X) = 0, var (X) = .
n−2
Propozit, ia 4.2.11. Dacă X ∼ N(0, 1) s, i Y ∼ χ2 (n) sunt v.a. independente, n ∈ N∗ atunci
r
n
X ∼ T (n).
Y
4.2.11 Repartit, ia Fisher-Snedecor

Definit, ia 4.2.11. Fie n, m ∈ N∗ . Repartit, ia Fisher-Snedecor (repartit, ia F) cu n, m grade de
libertate este repartit, ia având densitatea
n
n 2 − n+m
m n
−1 n 2
f (x) = n m
·x 2 1+ ·x , ∀x ∈ (0, ∞)
β ,
2 2
m
s, i f (x) = 0, ∀x ∈ (−∞, 0].

Propozit, ia 4.2.12. Dacă X este o v.a. având repartit, ia Fisher-Snedecor cu n, m grade de libertate,
atunci
m
E(X) = , ∀m > 2.
m−2
4.3 Repartit, ii mixte

Definit, ia 4.3.1. Un parametru al unei repartit, ii se numes, te variabil dacă el este rezultatul unei
variabile aleatoare. O repartit, ie de probabilitate având unul sau mai mult, i parametri variabili se
numes, te repartit, ie mixtă sau repartit, ie cu parametru variabil (parametri variabili).
Definit, ia 4.3.2. Fie Λ > 0 o variabilă aleatoare având repartit, ia H. Spunem că v.a. X are o
repartit, ie Poisson H-mixtă (repartit, ie Poisson mixată cu repartit, ia lui Λ) dacă X|(Λ =
λ) ∼ Po(λ) pentru orice λ > 0, adică
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!
(s-a aplicat formula probabilităt, ii totale).

Exemplul 4.3.2. Fie Λ o variabilă aleatoare continuă având o repartit, ie Gamma de parametri a s, i b,
unde a, b > 0, având deci densitatea
1 a−1 − λb
f (λ) = · λ e , ∀λ > 0.
ba · Γ(a)
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
Legi ale numerelor mari
5.1 Inegaliăt, i celebre din teoria probabilităt, ilor

Fie (Ω, B, P ) un câmp de probabilitate, X o v.a. s, i (Xn )n≥1 un s, ir de v.a. definite pe acest câmp.
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
3 (Inegalitatea lui Kolmogorov). Dacă v.a. X1 , X2 , . . . , Xn sunt independente, de medii s, i

dispersii finite, atunci
!
Xk k
X 1 X
n

P max Xi − E(Xi ) ≥ ε ≤ 2 var (Xk ), ∀ε > 0.
k∈{1,...,n} ε
i=1 i=1 k=1
5.2 Convergent, e pentru s, iruri de variabile aleatoare

Definit, ia 5.2.1.
p
1. Spunem că s, irul (Xn )n≥1 converge ı̂n probabilitate către X s, i notăm Xn −
→ X dacă
lim P (|Xn − X| ≥ ε) = 0, ∀ε > 0.
n→∞
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→∞
4. Fie F funct, ia de repartit, ie a v.a. X s, i, pentru orice n ≥ 1, fie Fn funct, ia de repartit, ie a

r
v.a. Xn . Spunem că s, irul (Xn )n≥1 converge ı̂n repartit, ie către X s, i notăm Xn −
→ X dacă
lim Fn (x) = F (x), pentru orice punct de continuitate x al lui F .
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.
5.3 Legi slabe ale numerelor mari

Teorema 5.3.1 (Legi slabe ale numerelor mari).
1 (Markov). Dacă v.a. din s, irul (Xn )n≥1 au mediile s, i dispersiile finite s, i
n
!!
1 X
lim · var Xk = 0,
n→∞ n2 k=1
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
5.4 Legi tari ale numerelor mari

Teorema 5.4.1 (Legi tari ale numerelor mari).
1 (Markov). Dacă v.a. din s, irul (Xn )n≥1 sunt independente, cu mediile s, i dispersiile finite, s, i
X var (Xn )
seria este convergentă, atunci
n≥1
n2
n
1X a.s.
(Xk − E(Xk )) −−→ 0.
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
este mărginit, atunci

n
1X a.s.
(Xk − E(Xk )) −−→ 0.
n
k=1
CAPITOLUL 5. LEGI ALE NUMERELOR MARI 129
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
5.5 Teorema limită centrală

Teorema 5.5.1 (Teorema limită centrală (Liapunov)).
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
unde mk = E(Xk ) s, i σk2 = var (Xk ) > 0, ∀k ≥ 1, atunci

n
1 X Xk − mk r
− N(0, 1),
→
n k=1 σk
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
6.1 Not, iuni generale

O cercetare statistică efectuează gruparea, analiza s, i interpretarea datelor referitoare la anumite
caracteristici ale unei mult, imi de elemente asemănătoare (colectivitate umană sau set de obiecte),
putându-se astfel prognoza s, i evolut, ia acestor caracteristici. În cadrul unei analize statistice deosebim
două etape:
• culegerea s, i ı̂nregistrarea datelor (statistică descriptivă);
• 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
pXi (x) = pX (x) , ∀x ∈ R, ∀i ∈ {1, 2, . . . , n},
dacă X este discretă.

Un set specific de valori observate (x1 , x2 , ..., xn ) este un set de valori ale selecţiei.
Datorită proprietăţilor 1 şi 2, dacă X este continuă,
f(X1 ,X2 ,...,Xn ) (x1 , x2 , ..., xn ) = fX (x1 ) fX (x2 ) ...fX (xn )
iar dacă X este discretă, atunci
p(X1 ,X2 ,...,Xn ) (x1 , x2 , ..., xn ) = pX (x1 ) pX (x2 ) ...pX (xn )
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 .
6.2 Statistici de ordine şi funct, ia empirică de repartit, ie

Definit, ia 6.2.1. S, irul ordonat crescător
X(1) ≤ X(2) ≤ . . . ≤ X(n)
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}
se numes, te amplitudinea acestei select, ii.
Definit, ia 6.2.2. Funct, ia empirică de repartit, ie a v.a. X sau funcţia de repartiţie de

selecţie pentru select, ia X1 , X2 , ..., Xn este funct, ia Fbn : R → R,
nx
Fbn (x) = , unde nx = card {Xi | Xi < x, i ∈ {1, . . . , n}}, ∀x ∈ R
n
(adică nx reprezintă numărul valorilor de select, ie mai mici decât x).
Observat, ia 6.2.1. Evident, avem


 0, dacă x < X(1) ,

i
Fbn (x) = , dacă X(i) ≤ x < X(i+1) ,

 n
1, dacă x ≥ X(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.
Teorema 6.2.1.

1 (Glivenko). P lim sup |Fn (x) − F (x)| = 0 = 1.
n→∞ x∈R
2 (Kolmogorov). Pentru orice ε > 0 avem

X∞
ε 2 2
lim P sup |Fn (x) − F (x)| ≤ √ = (−1)k e−k ε .
n→∞ x∈R n k=−∞
6.3 Momente de select, ie

Definit, ia 6.3.1. Fie select, ia X1 , X2 , . . . , Xn s, i r ∈ N∗ .
n
1X r
Momentul (init, ial) de select, ie de ordinul r este M r = X .
n i=1 i
n
1X
Media de select, ie este M 1 = X = Xi .
n i=1
n
1X r
Momentul centrat de select, ie de ordinul r este µr = (Xi − X) .
n i=1
n
1X 2
Dispersia de select, ie este µ2 = (Xi − X) .
n i=1
Observat, ia 6.3.1. Momentele de select, ie M r , X, µr , µ2 sunt variabile aleatoare.
6.4 Histograme şi diagrame de frecvenţe

O histogramă este o reprezentare grafică a valorilor observate ale unei select, ii sau, mai general, a
unui set de date.
Exemplul 6.4.1. Considerăm o select, ie de volum 100 pentru o v.a.
X ∼ N (10, 9) ,
valorile observate fiind generate ı̂n R prin

>x<-rnorm(100,10,3)
>x
8.449356 4.059286 10.355060 15.068765 11.132735 12.441160 10.874801 11.569318 10.621346 9.987289
10.076492 11.506984 14.108741 4.061629 8.468588 7.447903 10.048971 9.406384 7.675613 9.735852
9.627260 6.111653 10.661327 14.150467 17.773670 11.263339 12.670334 7.828342 10.309116 12.469174
6.350104 9.406193 16.184772 6.995616 12.224467 6.697838 7.509152 12.872328 9.851522 11.636276
9.470872 5.237516 6.446147 11.569758 12.207436 5.818678 9.704024 10.887312 13.697052 8.459075
9.905855 5.278982 9.371550 3.573341 14.362907 11.864279 9.572689 9.350056 10.277726 10.001576
7.796079 14.482855 10.927141 8.238671 14.098699 9.512800 16.179764 9.794223 4.705376 4.187849
14.782292 13.444395 12.877847 11.463408 10.838066 13.681570 10.743082 10.636756 8.149680 9.347442
6.837830 5.463358 12.377972 13.604466 12.915735 12.837217 8.536288 8.347401 10.140770 11.322579
11.021491 15.296663 10.737393 9.901314 6.898652 8.063332 12.257763 4.519346 5.713361 6.069707.
Histograma acestor date, obţinută ı̂n R prin
>hist(x)
este reprezentată ı̂n Figura 6.4.1.
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) ,
din secvenţa ı̂n R

>pnorm(8,10,3)
obţinem
P (X < 8) = FX (8) = 0,2524925,
care este comparabilă cu 0,24 obţinută folosind diagrama frecvenţelor.
Media v.a. X este aproximată de media valorilor selecţiei, adică
n
1X
E(X) ≃ mX = xi ,
n i=1
iar dispersia v.a. X este aproximată de dispersia acestor valori

n
1X
var (X) ≃ (xi − mX )2 .
n i=1
Aceste expresii pot fi calculate ı̂n R prin

>mean(x)
>sum((x-mean(x))ˆ2)/length(x)
rezultatele fiind 10,05497, respectiv 9,092576 şi ele aproximează destul de bine
E(X) = 10, var (X) = 9.
6.5 Proprietăt, i ale momentelor de select, ie

Propozit, ia 6.5.1. Avem:
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)
Demonstraţie. Fie media şi dispersia v.a. X:
E(X) = m, var (X) = σ 2 . (6.5.1)
Media mediei de selecţie X este

n
1X 1
E(X) = E (Xi ) = (nm) = m = E(X).
n i=1 n
Dispersia mediei de selecţie X este

" #2  " #2 
2 1 Xn
1 X n
var (X) = E X − m =E (Xi − m)  = 2 E  (Xi − m) 
n i=1 n i=1
n
!
1 X X
= 2E (Xi − m)2 + 2 (Xi − m) (Xj − m)
n i=1 1≤i<j≤n
" n #
1 X 2
X
= 2 E (Xi − m) + 2 E ((Xi − m) (Xj − m))
n i=1 1≤i<j≤n
" n #
1 X 2 X
= 2 σ +2 E ((Xi − m) (Xj − m))
n i=1 1≤i<j≤n
 
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
Rezultă că media lui S 2 este

n
1X 2 X
E(S 2 ) = E (Xi − m)2 − E ((Xi − m) (Xj − m))
n i=1 n (n − 1) 1≤i<j≤n
n
1X 2 X
= E (Xi − m)2 − E (Xi − m)E (Xj − m) = σ 2 = var (X).
n i=1 | {z } n (n − 1) 1≤i<j≤n | {z }
=σ2 =0

Observat, ia 6.5.1. Când n creşte, dispersia lui X descreşte şi repartiţia lui X devine ascuţită cu vârful
ı̂n
E(X) = m.
Definit, ia 6.5.1. Variabila de select, ie

n
S2 = ·µ
n−1 2
se numes, te dispersie de select, ie corectată; ı̂n acest context µ2 se numes, te dispersie de select, ie
necorectată.
1
Observat, ia 6.5.2. Motivul folosirii lui n−1 ı̂n loc de n1 ı̂n formula dispersiei de select, ie corectată S 2
este de a face media lui S 2 egală cu σ 2 . Aceasta este o proprietate de dorit pentru S 2 dacă aceasta
este folosită la estimarea lui σ 2 , adevărata dispersie a lui X.
Exemplul 6.5.1. Pentru controlul gramajului unui sortiment de ciocolată se extrage o select, ie de
volum 10 care dă următoarele valori (ı̂n grame):
(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
Funct, ia empirică de repartit, ie este Fb10 : R → R,



 0, dacă x ≤ 99 ,



 0,1 , dacă 99 < x ≤ 99,25 ,





0,1 + 0,2 = 0,3 , dacă 99,25 < x ≤ 99,5 ,



 99,5 < x ≤ 99,75 ,
0,1 + 0,2 + 0,1 = 0,4 , dacă
Fb10 (x) = 0,1 + 0,2 + 0,1 + 0,1 = 0,5 , dacă 99,75 < x ≤ 100 ,



 0,6 , dacă 100 < x ≤ 100,25 ,



 0,8 , dacă 100,25 < x ≤ 101 ,





 0,9 , dacă 101 < x ≤ 101,25 ,


1 , dacă x > 101,25 .
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 6.5.1. Media de select, ie X are asimptotic (pentru n → ∞) o comportare de repartit, ie

var (X)
normală de medie E(X) s, i dispersie , adică
n
X − E(X) r
r − N(0, 1).
→
var (X)
n
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
7.1 Expunerea problemei

Deseori repartit, ia teoretică a unei variabile aleatoare X depinde de anumit, i parametri. Pentru a
utiliza variabila X trebuie să cunoas, tem valorile acestor parametri. Determinarea acestor valori se
face, de obicei, pe baza unei select, ii de volum n: X1 , X2 , . . . , Xn . Operat, ia prin care se evaluează
parametrii necunoscut, i poartă numele de estimare a parametrilor.
Presupunem ı̂n continuare că
θb = h(X1 , X2 , . . . , Xn )
este o estimat, ie (estimator, estimare) a unui parametru θ bazată pe select, ia X1 , X2 , . . . , Xn .
Observat, ia 7.1.1. Fiind o funct, ie de datele de select, ie, estimat, ia θb este o statistică. Ea este o variabilă
aleatoare a cărei repartit, ie (funct, ie de repartit, ie, masă de probabilitate, densitate de repartit, ie)
depinde atât de funct, ia h cât s, i de repartit, ia (funct, ia de repartit, ie, masa de probabilitate, densitatea
de repartit, ie a) variabilei aleatoare X.
7.2 Estimat, ii consistente

Definit, ia 7.2.1. Estimat, ia θb (a parametrului θ) se numes, te consistentă dacă
p
θb −
→ θ (pentru n → ∞).
Propozit, ia 7.2.1. Dacă

b = θ s, i lim var (θ)
lim E(θ) b = 0,
n→∞ n→∞
atunci θb este o estimat, ie consistentă pentru θ.
Demonstraţie. Fie ε > 0. Deoarece
|θb − θ| = |θb − E(θ)

b + E(θ)
b − θ| ≤ |θb − E(θ)|
b + |E(θ)
b − θ|,
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, rezultă că ∃N = N(ε) ∈ N a.ı̂.

Deoarece lim E(θ)
n→∞
b − θ| ≤ ε , ∀n ≥ N.
|E(θ) (7.2.2)
2
138
CAPITOLUL 7. ESTIMAREA PARAMETRILOR 139
Din (7.2.1) s, i (7.2.2) rezultă că pentru orice n ≥ N avem

b ≥ε .
P |θb − θ| ≥ ε ≤ P |θb − E(θ)|
2
Cum, conform Inegalităt, ii lui Cebı̂s, ev avem
ε 4
b b
P |θ − E(θ)| ≥ b
≤ 2 · var (θ),
2 ε
rezultă că 4
0 ≤ P |θb − θ| ≥ ε ≤ 2 · var (θ),
b
ε
pentru orice n ≥ N. Trecând la limită rezultă că

b
lim P |θ − θ| ≥ ε = 0,
n→∞
deci θb este o estimat, ie consistentă pentru θ.

Exemplul 7.2.1. Fie X o variabilă statistică având media E(X) = m s, i dispersia var (X) = σ 2 . Atunci
media de select, ie X este o estimat, ie consistentă pentru media m, deoarece, utilizând Propozit, ia 6.5.1,
avem
σ2
lim E(X) = lim m = m s, i lim var (X) = lim = 0.
n→∞ n→∞ n→∞ n→∞ n
n
1X
Dacă E(X 4 ) < ∞, atunci dispersia de select, ie necorectată µ2 = (Xi − X)2 s, i dispersia de
n i=1
n
n X n
select, ie corectată S 2 = (Xi − X)2 = · µ sunt estimat, ii consistente pentru dispersia
n − 1 i=1 n−1 2
σ 2 , deoarece, utilizând Propozit, ia 6.5.1, avem

n−1 2
lim E(µ2 ) = lim · σ = σ2,
n→∞ n→∞ n

(n − 1)2 4 (n − 1)(n − 3) 4
lim var (µ2 ) = lim · E(X ) − · σ = 0,
n→∞ n→∞ n3 n3
lim E(S 2 ) = lim σ 2 = σ 2 ,
n→∞ n→∞

2 1 4 n−3 4
lim var (S ) = lim · E(X ) − · σ = 0.
n→∞ n→∞ n n(n − 1)
7.3 Estimat, ii nedeplasate s, i estimat, ii absolut corecte

Definit, ia 7.3.1.
b − θ se numes, te deplasarea estimat, iei θ.
1. Diferent, a E(θ) b
2. Estimat, ia θb se numes, te nedeplasată dacă E(θ)

b = θ (s, i deplasată ı̂n caz contrar).
3. Estimat, ia θb se numes, te absolut corectă dacă E(θ)

b = θ s, i lim var (θ)
b = 0.
n→∞
Observat, ia 7.3.1. Evident, orice estimat, ie absolut corectă este nedeplasată.

Mai mult, ca o consecint, ă directă a Propozit, iei 7.2.1 obt, inem următorul rezultat.
Corolarul 7.3.1. Orice estimat, ie absolut corectă este consistentă.
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
E(S 2 ) = var (X) = σ 2 .
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 .
7.4 Estimat, ii eficiente

Definit, ia 7.4.1. Valoarea
 2

 ∂ ln p(x; θ)
−E

∂θ2
, dacă v.a. X este discretă,
I(θ) = 2

 ∂ ln f (x; θ)

−E , dacă v.a. X este continuă,
∂θ2
se numes, te cantitatea de informat, ie pe o unitate de select, ie, unde p(x; θ) = P (X = x; θ)

reprezintă masa de probabilitate a v.a. X, iar f (x; θ) reprezintă densitatea de repartit, ie a v.a. X.
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.
Corolarul 7.4.1. O estimat, ie absolut corectă este eficientă dacă s, i numai dacă are dispersia minimă.
Definit, ia 7.4.3. Estimat, ia θb se numes, te asimptotic eficientă dacă lim E(θ)

b = θ s, i
n→∞

b
lim nI(θ)var (θ) = 1.
n→∞
Exemplul 7.4.1. Fie o variabilă statistică X ∼ N(m, σ 2 ), unde m, σ ∈ R, σ > 0. Densitatea de

repartit, ie a v.a. X este
1 1 x−m 2
f (x) = √ · e− 2 ( σ ) , ∀x ∈ R.
σ 2π
Conform Exemplului 7.3.1, media de select, ie X este o estimat, ie consistentă, nedeplasată s, i absolut
corectă pentru media m. Avem
√ 1 x − m 2
ln f (x; m) = − ln σ 2π − ;
2 σ
∂ ln f (x; m) x−m
= ;
∂m σ2
∂ 2 ln f (x; m) 1
= − .
∂m2 σ2
Avem

∂ 2 ln f (x; m) 1 1
I(m) = −E = −E − 2 = 2 ,
∂m2 σ σ
s, i astfel, utilizând Corolarul 6.5.2, obt, inem
1 σ2
= = var (X).
nI(m) n
Rezultă că media de select, ie X este o estimat, ie eficientă pentru media m.

Conform Exemplelor 7.2.1 s, i 7.3.1, dispersia de select, ie necorectată µ2 este o estimat, ie consistentă,
dar deplasată, pentru dispersia σ 2 s, i lim E(µ2 ) = σ 2 . Notând α = σ 2 , avem
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
1 2α2 2σ 4 2(n − 1)σ 4

= = 6
= var (µ 2 ) = ,
nI(σ 2 ) n n n2

2
n 2(n − 1)σ 4 n−1
lim nI(σ )var (µ2 ) = lim 4
· 2
= lim = 1.
n→∞ n→∞ 2σ n n→∞ n
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 .
7.5 Metoda momentelor

Fie X o variabilă statistică a cărei repartit, ie depinde de parametrii θ1 , θ2 , ..., θk , unde k ∈ N∗ .
Presupunem ı̂n continuare că estimarea parametrilor θ1 , θ2 , . . . , θk se efectuează pe baza unei
select, ii X1 , X2 , . . . , Xn .
Metoda momentelor constă ı̂n estimarea parametrilor θ1 , θ2 , . . . , θk prin statisticile θb1 , θb2 , . . . , θbk
ce se obt, in rezolvând sistemul
E(X i ) = M i , ∀i ∈ {1, . . . , k},
obt, inut prin egalarea momentelor (teoretice) de ordin cel mult k ale v.a. X cu momentele de select, ie
de aceleas, i ordine.
Exemplul 7.5.1. Fie o variabilă statistică X având o repartit, ie uniformă pe intervalul [θ1 , θ2 ] (θ2 > θ1 ),
adică densitatea sa de repartit, ie este

 1 , dacă x ∈ [θ , θ ],
1 2
f (x; θ1 , θ2 ) = θ2 − θ1
0 , dacă x 6∈ [θ , θ ]. 1 2
Să se estimeze parametrii θ1 s, i θ2 folosind metoda momentelor.

Solut, ie. Avem:
Z θ2
θ2
x2 2 2
E(X) = x·
1
dx = = θ2 − θ1 = θ1 + θ2 ,
θ1 θ2 − θ1 2(θ2 − θ1 ) θ1 2(θ2 − θ1 ) 2
Z θ2
1 x3 θ2 θ23 − θ13 θ12 + θ1 θ2 + θ22
2
E(X ) = 2
x · dx = = = .
θ1 θ2 − θ1 3(θ2 − θ1 ) θ1 3(θ2 − θ1 ) 3
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
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
7.6 Determinarea punctelor de extrem

Fie funct, ia f : A → R cu A ⊆ Rn . Presupunem că mult, imea A este deschisă s, i că funct, ia f are
derivate part, iale de ordinul al doilea continue pe A.
Descriem ı̂n continuare o metodă pentru calculul punctelor de extrem local.
Algoritmul 7.6.1 (Metoda punctelor critice pentru determinarea punctelor de extrem).
Pentru găsirea punctelor de extrem (local) ale funct, iei f se parcurg următoarele etape:
∂f
Pasul 1. Se calculează derivatele part, iale (x), k ∈ {1, . . . , n}.
∂xk
Pasul 2. Se rezolvă sistemul
∂f
(x) = 0, k ∈ {1, . . . , n}. (7.6.1)
∂xk
Definit, ia 7.6.1. Orice solut, ie x = a ∈ A a sistemului (7.6.1) se numes, te punct critic (stat, ionar)
pentru funct, ia f .
2
∂ f
Pasul 3. Se calculează hessiana Hf (x) = (x) .
∂xi ∂xj i=1,n
j=1,n
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
4.3. Avem următoarele cazuri posibile.

a. Dacă ∆i > 0, ∀i ∈ {1, . . . , n}, atunci a este un punct de minim local pentru funct, ia f .
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).
Exemplul 7.6.1. Să se determine extremele locale ale funct, iei
f : R2 → R, f (x, y) = x3 + 3xy 2 + 6xy − 12x + 12y + 10.
Solut, ie. Vom aplica metoda punctelor critice.

Pasul 1. Funct, ia f este derivabilă part, ial, având derivatele part, iale
∂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.
Acesta este echivalent, succesiv, cu:

( (
x2 + y 2 + 2y − 4 = 0, x(y + 1) = −2,
⇔
xy + x + 2 = 0 x2 + y 2 + 2y + 1 = 5

 2
x = − , y 6= −1,
⇔ y+1
 4
 + (y + 1)2 = 5.
(y + 1)2
4
Notând (y + 1)2 = t obt, inem ecuat, ia + t = 5, adică t2 − 5t + 4 = 0, cu solut, iile t1 = 1, t2 = 4.
t
Pentru t = 1 obt, inem y + 1 = ±1, deci y ∈ {−2, 0}. Pentru y = −2 rezultă x = 2, iar pentru
y = 0 rezultă x = −2.
Pentru t = 4 obt, inem y + 1 = ±2, deci y ∈ {−3, 1}. Pentru y = −3 rezultă x = 1, iar pentru
y = 1 rezultă x = −1.
Am obt, inut punctele critice (x, y) ∈ {(−2, 0), (−1, 1), (1, −3), (2, −2)}.
Pasul 3. Derivatele part, iale de ordinul al doilea ale funct, iei f sunt
∂2f ∂2f ∂2f

(x, y) = 6x, (x, y) = 6y + 6, (x, y) = 6x,
∂x2 ∂x∂y ∂y 2
deci hessiana funct, iei f este
6x 6y + 6
Hf (x, y) = .
6y + 6 6x
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.
7.7 Metoda verosimilităt, ii maxime

Fie X o variabilă statistică a cărei repartit, ie depinde de parametrii θ1 , θ2 , ..., θk , unde k ∈ N∗ .
Presupunem din nou că că estimarea parametrilor θ1 , θ2 , . . . , θk se efectuează pe baza unei select, ii
X1 , X2 , . . . , Xn .
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
unde p(xi ; θ1 , . . . , θk ) = P (Xi = xi ; θ1 , . . . , θk ) reprezintă masa de probabilitate a v.a. Xi , iar

f (xi ; θ1 , . . . , θk ) reprezintă densitatea de repartit, ie a v.a. Xi .
Observat, ia 7.7.1. Deoarece v.a. X1 , . . . , Xn sunt independente s, i identic repartizate cu X, avem:
a) dacă v.a. X este discretă, atunci
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
∂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.
Să se estimeze parametrii n s, i p folosind:

a) metoda momentelor;
b) metoda verosimilităt, ii maxime.
Solut, ie. a) Rezolvăm sistemul
E(X) = X,
var (X) = µ2 ,
unde X este media de select, ie iar µ2 este dispersia de select, ie. Conform Propozit, iei 4.1.9 acest sistem
devine 
 n(1 − p)
 = X,
p
 n(1 − p) = µ2 ,

p2
deci solut, ia sa este
2
X X
pb = , n b= ,
µ2 µ2 − X
cu condit, ia µ2 > X.
b) Calculăm funct, ia de verosimilitate, pe baza unei select, ii X1 = x1 , X2 = x2 , . . . , Xm = xm :
m
X m
X xi n xi

L(x1 , . . . , xm ; n, p) = ln P (X = xi ; n, p) = ln Cn+x i −1 p (1 − p)
i=1 i=1
m
X
(n + xi − 1)(n + xi − 2) . . . n
= n ln p + xi ln(1 − p) + ln
i=1
xi !
m
X m
Y
= nm ln p + mX ln(1 − p) + [ln n + ln(n + 1) + . . . + ln(n + xi − 1)] − ln xi ! .
i=1 i=1
xi ≥1
Rezolvăm sistemul 
 ∂L(x1 , . . . , xm ; n, p)
 = 0,
∂n
 ∂L(x1 , . . . , xm ; n, p)
 = 0,
∂p
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

7.8 Intervale de ı̂ncredere

Definit, ia 7.8.1. Considerăm estimarea unui parametru θ bazată pe select, ia X1 , X2 , . . . , Xn . Fie
L1 = L1 (X1 , X2 , . . . , Xn ) s, i L2 = L2 (X1 , X2 , . . . , Xn ) două statistici astfel ı̂ncât
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
Estimarea parametrilor repartit, iei

normale
8.1 Estimarea parametrilor prin metoda momentelor

Fie o variabilă statistică X având o repartit, ie normală de parametri m s, i σ 2 (σ > 0), adică densitatea
sa de repartit, ie este
1 1 x−m 2
f (x) = √ · e− 2 ( σ ) , ∀x ∈ R.
σ 2π
2
Vom estima parametrii m s, i σ pe baza unei select, ii X1 = x1 , X2 = x2 , . . . , Xn = xn , folosind metoda
momentelor.
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 este echivalent cu

E(X) = X,
var (X) = µ2 ,
n n
1X 1X
unde X = M 1 = xi este media de select, ie iar µ2 = (xi − X)2 este dispersia de select, ie.
n i=1 n i=1
b σb2 ), unde
Conform Propozit, iei 4.2.3, solut, ia sa este (m,

 m b = X,
 σb2 = µ2 = n − 1 · S 2 .
n
Conform Exemplului 7.4.1, rezultă că m b = X este o estimat, ie consistentă, nedeplasată, absolut
corectă s, i eficientă pentru parametrul m, iar σb2 = µ2 este o estimat, ie consistentă, deplasată s, i
asimptotic eficientă pentru parametrul σ 2 .
8.2 Estimarea parametrilor prin metoda verosimilităt, ii ma-

xime
Fie o variabilă statistică X având o repartit, ie normală de parametri m s, i σ 2 (σ > 0), adică densitatea
sa de repartit, ie este
1 1 x−m 2
f (x) = √ · e− 2 ( σ ) , ∀x ∈ R.
σ 2π
149
CAPITOLUL 8. ESTIMAREA PARAMETRILOR REPARTIT, IEI NORMALE 150
Vom estima parametrii m s, i σ 2 folosind metoda verosimilităt, ii maxime.

Notăm
α = σ2 .
Calculăm funct, ia de verosimilitate, pe baza unei select, ii X1 = x1 , X2 = x2 , . . . , Xn = xn :
n
X n
1X (xi − m)2
L(x1 , . . . , xn ; m, α) = ln f (xi ; m, α) = − ln(2πα) +
i=1
2 i=1 α
n
n ln(2π) n ln α 1 X
=− − − (xi − m)2 .
2 2 2α i=1
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
Solut, ia sa este (m,

b αb), unde
 n

 1X

 mb = xi = X,
 n i=1
 Xn n

 1 1X n−1 2

 α
b= b 2=
(xi − m) (xi − X)2 = µ2 = ·S .
n i=1
n i=1 n
Deci estimat, iile obt, inute sunt aceleas, i ca s, i ı̂n cazul metodei momentelor.
8.3 Intervale de ı̂ncredere pentru parametrul m când para-

metrul σ 2 este cunoscut
Propozit, ia 8.3.1. Fie o variabilă statistică X având o repartit, ie normală de parametri m s, i σ 2 ,
unde σ > 0 este fixat, s, i fie estimat, ia m b = X a parametrului m, unde X este media select, iei
X1 = x1 , X2 = x2 , . . . , Xn = xn . Fie α ∈ (0, 1) s, i fie u1−α/2 ∈ (0, ∞) a.ı̂.
α
FU (u1−α/2 ) = 1 − , (8.3.1)
2
unde FU este funct, ia de repartit, ie a unei v.a. U ∼ N(0, 1). Atunci intervalul

u1−α/2 u1−α/2
X− √ · σ, X + √ ·σ
n n
este un interval de ı̂ncredere [100 (1 − α)] % pentru parametrul m, adică

u1−α/2 u1−α/2
P X− √ ·σ <m<X + √ · σ = 1 − α. (8.3.2)
n n
Demonstraţie. Fie L ∈ (0, ∞) a.ı̂.

P X − L < m < X + L = 1 − α. (8.3.3)
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
deci conform Propozit, iei 4.2.3 rezultă că

√
(X − m) n
∼ N(0, 1).
σ
Astfel avem
√ √ √ √ √ Z L√n
L n (X − m) n L n L n L n σ
P − < < =P − <U < = √ fU (x)dx, (8.3.5)
σ σ σ σ σ − Lσ 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
Din (8.3.3) s, i (8.3.6) rezultă egalitatea (8.3.2).

Observat, ia 8.3.1. Existent, a s, i unicitatea valorii u1−α/2 ∈ (0, ∞) ce verifică ecuat, ia (8.3.1), numită
cuantila de ordinul 1 − α/2 a v.a. U, sunt asigurate de faptul că funct, ia de repartit, ie FU : R → [0, 1]
este continuă, strict crescătoare (derivata sa, fU , fiind strict pozitivă), FU (0) = 21 s, i lim FU (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 (8.3.2), printre intervalele centrate ı̂n X.
α
Observat, ia 8.3.2. Ecuat, ia (8.3.1) este echivalentă cu P (U < u1−α/2 ) = 1 − , deci cu
2
α
P (U > u1−α/2 ) = .
2
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.

8.4 Intervale de ı̂ncredere pentru parametrul σ 2

Ca estimat, ie pentru parametrul σ 2 vom utiliza dispersia corectată S 2 , deoarece este o estimat, ie
nedeplasată (spre deosebire de dispersia
overlinemu2 care este o estimat, ie deplasată).

σ > 0, s, i fie estimat, ia σb2 = S 2 a parametrului σ 2 , unde S 2 este dispersia corectată a select, iei
X1 = x1 , X2 = x2 , . . . , Xn = xn . Fie α ∈ (0, 1) s, i fie yn−1,1−α/2 , yn−1,α/2 ∈ (0, ∞) a.ı̂.
α α
FY (yn−1,1−α/2 ) = 1 − , FY (yn−1,α/2 ) = , (8.4.1)
2 2
unde FY este funct, ia de repartit, ie a unei v.a. Y ∼ χ2 (n − 1) (repartit, ia hi-pătrat cu n − 1 grade de
libertate). Atunci intervalul
n−1 2 n−1 2
·S , ·S
yn−1,1−α/2 yn−1,α/2
este un interval de ı̂ncredere [100 (1 − α)] % pentru parametrul σ 2 , adică

n−1 2 2 n−1 2
P ·S <σ < · S = 1 − α. (8.4.2)
yn−1,1−α/2 yn−1,α/2
Demonstraţie. Fie L1 , L2 ∈ (0, ∞) a.ı̂.

P L1 < σ 2 < L2 = 1 − α. (8.4.3)
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
deci conform (8.4.3), (8.4.4) s, i (8.4.5) obt, inem

n−1 2 n−1 2
FY · S − FY · S = 1 − α.
L1 L2
Această egalitate este adevărată, de exemplu, pentru

n−1 2 α n−1 2 α
FY · S = 1 − s, i FY ·S = .
L1 2 L2 2
n−1 2 n−1 2
Conform (8.4.1) obt, inem · S = yn−1,1−α/2 s, i · S = yn−1,α/2 , adică
L1 L2
n−1 n−1
L1 = · S 2 s, i L2 = · S 2. (8.4.6)
yn−1,1−α/2 yn−1,α/2
Observat, ia 8.4.1. Existent, a s, i unicitatea fiecăreia din valorile yn−1,1−α/2 , yn−1,α/2 ∈ (0, ∞) ce verifică
ecuat, ia (8.4.1), numite cuantilele de ordinul 1 − α/2, respectiv α/2, ale v.a. Y , sunt asigurate de
faptul că funct, ia de repartit, ie FY : R → [0, 1] este continuă, strict crescătoare pe [0, ∞) (derivata sa,
fY , fiind strict pozitivă pe (0, ∞)), FY (0) = 0 s, i lim FY (x) = 1.
x→∞
Totus, i, din demonstrat, ia propozit, iei anterioare rezultă că intervalul de ı̂ncredere dat ı̂n enunt, ul
propozit, iei nu este unic cu proprietatea (8.4.2).
Observat, ia 8.4.2. Ecuat, iile (8.4.1) sunt echivalente cu
α α
P (Y < yn−1,1−α/2 ) = 1 − , P (Y < yn−1,α/2 ) = ,
2 2
deci cu
α α
P (Y > yn−1,1−α/2 ) = , P (Y > yn−1,α/2 ) = 1 − .
2 2
Exemplul 8.4.1. Considerăm din nou select, ia de volum n = 4 din Exemplul 8.3.1,
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 dispersia
σ 2 necunoscută.
Estimat, ia nedeplasată a parametrului σ 2 dată de dispersia de selecţie corectată are valoarea
1
S 2 = (0,2405243 − 0,590725)2 + (2,4351720 − 0,590725)2 + (1,6419779 − 0,590725)2
3
+ (−1,9547743 − 0,590725)2 = 3,703108.
Această valoare poate fi calculată ı̂n R prin
> var(x)
Considerăm din nou coeficientul de ı̂ncredere 1 − α = 0,95, adică α = 0,05.
Determinăm numerele yn−1,1−α/2 = y3, 0,975 ∈ (0, ∞) s, i yn−1,α/2 = y3, 0,025 ∈ (0, ∞) ce verifică
(8.4.1), adică
FY (y3, 0,975 ) = 0,975, FY (y3, 0,025 ) = 0,025.
Aceste numere pot fi calculate ı̂n R prin
>qchisq(0.975,3)
>qchisq(0.025,3)
rezultatele fiind y3, 0,975 = 9,348404, respectiv y3, 0,025 = 0,2157953.
Astfel
n−1 3 n−1 3
= = 0,3209104, = = 13,9020637,
yn−1,1−α/2 9,348404 yn−1,α/2 0,2157953
deci conform Propozit, iei 8.4.1 rezultă că un interval de ı̂ncredere 95% pentru parametrul σ 2 este

0,3209104 · S 2 , 13,9020637 · S 2 = (1,188366, 51,48084),
adică P (1,188366 < σ 2 < 51,48084) = 0,95.
8.5 Intervale de ı̂ncredere pentru parametrul m când para-

metrul σ 2 este necunoscut
b = X s, i σb2 = S 2 ale parametrilor m, respectiv σ 2 , unde X s, i S 2 sunt media,
σ > 0, s, i fie estimat, iile m
respectiv dispersia corectată ale select, iei X1 = x1 , X2 = x2 , . . . , Xn = xn . Presupunem că S > 0. Fie
α ∈ (0, 1) s, i fie zn−1,1−α/2 ∈ (0, ∞) a.ı̂.
α
FZ (zn−1,1−α/2 ) = 1 − , (8.5.1)
2
unde FZ este funct, ia de repartit, ie a unei v.a. Z ∼ T (n − 1) (repartit, ia Student cu n − 1 grade de
libertate). Atunci intervalul

zn−1,1−α/2 zn−1,1−α/2
X− √ · S, X + √ ·S
n n
este un interval de ı̂ncredere [100 (1 − α)] % pentru parametrul m, adică

zn−1,1−α/2 zn−1,1−α/2
P X− √ ·S <m<X + √ · S = 1 − α. (8.5.2)
n n
Demonstraţie. Fie L ∈ (0, ∞) a.ı̂.

P X − L < m < X + L = 1 − α. (8.5.3)
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).
Cum X1 , X2 , . . . , Xn sunt v.a. independente s, i identic repartizate cu X ∼ N(m, σ 2 ), rezultă că X s, i

S 2 sunt v.a. independente, deci U s, i Y sunt v.a. independente. Conform Propozit, iei 4.2.11 rezultă
că √ r
(X − m) n σ n−1
=U· =U ∼ T (n − 1).
S S Y
Astfel avem
√ √ √ √ √ Z L√n
L n (X − m) n L n L n L n S
P − < < =P − <Z< = √ fZ (x)dx, (8.5.5)
S S S S S − LS n
unde − n+1
1 x2 2
fZ (x) = √ n 1
1 + , ∀x ∈ R
n·β ,
2 2
n
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
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.
>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
9.1 Metoda celor mai mici pătrate

Metoda celor mai mici pătrate se utilizează pentru aproximarea unei funct, ii când se cunosc numai
valorile sale ı̂ntr-un număr finit de puncte, putându-se astfel prognoza valorile funct, iei ı̂n alte puncte
(estimându-se astfel tendint, a (trendul) evolut, iei acestei funct, ii).
Presupunem că ı̂n aproximarea unei funct, ii f : A → R, cu A ⊆ R, cunoas, tem valorile
f (xi ), i ∈ {1, . . . , n},
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
(xi , f (xi )), i ∈ {1, . . . , n}
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
În acest scop se poate utiliza metoda punctelor critice.

De exemplu, ı̂n cazul funct, iei de ajustare polinomială
g(x) = a0 + a1 x + a2 x2 + . . . + ak xk , k ≤ n,
157
CAPITOLUL 9. REGRESIE LINIARĂ 158
parametrii a0 , a1 , a2 , . . . , ak sunt solut, ia unică a sistemului
∂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
(sistem liniar de k + 1 ecuat, ii cu k + 1 necunoscute, având determinantul nenul).

În particular, ı̂n cazul funct, iei de ajustare liniară
g(x) = a0 + a1 x
(adică pentru k = 1), acest sistem devine

 n
X n
X



 na0 + a1 xi = f (xi ),
i=1 i=1
X n X X n n (9.1.2)



 a0 xi + a1 x2i = xi f (xi ).
i=1 i=1 i=1
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.
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
ceea ce sugerează alegerea unei funct, ii de ajustare liniară sau pătratică.

Varianta 1. Pentru funct, ia de ajustare liniară g(x) = a0 + a1 x, parametrii a0 s, i a1 sunt solut, iile
sistemului (9.1.2), care devine
 5 5

 X X

 5a0 + a1
 xi = f (xi ),
i=1 i=1
5
X 5
X 5
X


 2
 a0
 xi + a1 xi = xi f (xi ).
i=1 i=1 i=1
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).
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
Varianta 2. Pentru funct, ia de ajustare pătratică g(x) = a0 + a1 x + a2 x2 , parametrii a0 , a1 s, i a2

sunt solut, iile sistemului (9.1.1) pentru k = 2, care devine
 5 5 5

 X X X

 5a0 + a1 xi + a2 2
xi = f (xi ),



 i=1 i=1 i=1

 X 5 5 5 5
X X X
2 3
a0 xi + a1 xi + a2 xi = xi f (xi ),



 i=1 i=1 i=1 i=1

 X5 X 5 X5 X 5

 2 3 4
 a0
 xi + a1 xi + a2 xi = x2i f (xi ).
i=1 i=1 i=1 i=1
Calculul coeficient, ilor este efectuat ı̂n tabelul următor:

i xi f (xi ) x2i x3i x4i xi f (xi ) x2i f (xi )
1 -2 20 4 -8 16 -40 80
2 -1 25 1 -1 1 -25 25
3 0 35 0 0 0 0 0
4 1 45 1 1 1 45 45
5
P 2 60 4 8 16 120 240
0 185 10 0 34 100 390
Sistemul devine 
 
 239
 05a + 10a = 185, 
 a0 = ,
2 7
10a1 = 100, deci a1 = 10,
 
 10
10a0 + 34a2 = 390, 
 a2 = .
7
Am obt, inut că funct, ia de ajustare pătratică este
239 10 2
g(x) = + 10x + ·x .
7 7
Astfel, ı̂n acest caz vânzările prognozate pentru luna iunie au valoarea
239 10 2
g(3) = + 10 · 3 + · 3 = 77 (mii lei).
7 7
Calculul sumei pătratelor erorilor individuale este efectuat ı̂n tabelul următor (rezultatele din coloa-
nele g(xi ) s, i f (xi ) − g(xi ) fiind rotunjite la a treia zecimală, iar cele din coloana (f (xi ) − g(xi ))2 la
a doua zecimală):
i xi f (xi ) g(xi ) f (xi ) − g(xi ) (f (xi ) − g(xi ))2
1 -2 20 19,857 0,143 0,02
2 -1 25 25,571 -0,571 0,33
3 0 35 34,143 0,857 0,73
4 1 45 45,571 -0,571 0,33
5
P 2 60 59,857 0,143 0,02
0 185 — — 1,43
Suma pătratelor erorilor individuale are acum valoarea

5
X
(f (xi ) − g(xi ))2 ≃ 1,43.
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.
9.2 Regresia liniară simplă

Considerăm o variabilă statistică Y dependentă liniar de o variabilă numerică (nealeatoare) X cu o
eroare (perturbat, ie, zgomot, reziduu) ε, având forma
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
E(Y ) = α + βX s, i var (Y ) = var (ε).
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
reprezintă dispersia de select, ie a lui X, iar

n
1X
cov(X, Y ) = (xi − X)(yi − Y )
n i=1
reprezintă covariant, a de select, ie a lui X s, i Y .

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
b s, i βb sunt solut, iile

Conform rezultatelor din sect, iunea anterioară (ecuat, iile (9.1.2)), rezultă că α
sistemului de ecuat, ii
 Xn Xn


 nα + β
 xi = yi ,
i=1 i=1
X n X n
X n

 2

 α xi + β xi = xi yi .
i=1 i=1 i=1
Conform formulelor lui Cramer obt, inem că
P
n Pn Pn Pn Pn
n xi yi − xi yi xi yi − nXY (xi − X)(yi − Y )
i=1 i=1 i=1 i=1 i=1 cov(X, Y )
β= 2 = P n = P
n 2 = ,
Pn Pn 2 2 µ 2 (X)
n x2i − xi xi − nX xi − X
i=1 i=1 i=1 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
9.3 Alte modele de regresie
Modelul polinomial de regresie are forma

Y = α + β1 X + β2 X 2 + . . . + βk X k + ε.
Modelul hiperbolic de regresie are forma
β
Y =α+ + ε.
X
Modelul logaritmic de regresie are forma
Y = α + β ln X + ε.
Aceste trei modele sunt modele de regresie liniară, funct, iile de regresie invocate fiind liniare relativ
la coeficient, ii de regresie.
Modelul exponent, ial de regresie are forma
Y = α + eβX + ε.
Modelul de regresie liniară multiplă are forma
Y = α + β1 X1 + . . . + βk Xk + ε.
Capitolul 10
Testarea ipotezelor statistice
10.1 Expunerea problemei

Fie X1 , X2 , . . . , Xn o select, ie s, i fie o variabilă aleatoare X având densitatea de repartit, ie f (x; θ) (cazul
continuu) sau masa de probabilitate p(x; θ) (cazul discret), unde θ este un parametru, cunoscut sau
necunoscut.
Considerăm ipoteza statistică
H: X1 , X2 , . . . , Xn sunt valori ale v.a. X.
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.
10.2 Testul hi-pătrat

Considerăm cazul ı̂n care ipoteza H este simplă, adică parametrul θ s, i repartit, ia lui X sunt cunoscute.
Pentru testarea ipotezei H se introduce o statistică h (X1 , X2 , . . . , Xn ) a select, iei date, care este
o măsură a deviat, iei repartit, iei de select, ie de la repartit, ia teoretică a v.a. X.
Testul χ2 (hi-pătrat), introdus de K. Pearson, este bazat pe statistica următoare, care cuantifică
distant, a dintre frecvent, ele intervalelor unei diagrame de frecvent, e a select, iei s, i probabilităt, ile teoretice
ale acestor intervale, ı̂n acord cu metoda celor mai mici pătrate (ponderate):
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 ;
• Nj = card {i | Xi ∈ Ij , i ∈ {1, 2, . . . , n}} (numărul valorilor de select, ie ce apart, in intervalului

Ij , numit s, i frecvent, a absolută a valorilor de select, ie ce apart, in intervalului Ij ), pentru orice
Nj
j ∈ {1, 2, . . . , k}, deci reprezintă frecvent, a relativă a valorilor de select, ie ce apart, in inter-
n
valului Ij ;
• Pj = P (X ∈ Ij ) reprezintă probabilitatea (teoretică) ca v.a. X să apart, ină intervalului Ij ,
pentru orice j ∈ {1, 2, . . . , k};
P
k P
k
Evident, Nj = Pj = 1, deci avem
j=1 j=1
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−
Fie α ∈ (0, 1) nivelul de semnificat, ie al testului s, i fie yk−1,1−α ∈ (0, ∞) a.ı̂.
FY (yk−1,1−α ) = 1 − α, (10.2.3)
unde FY este funct, ia de repartit, ie a unei v.a. Y ∼ χ2 (k − 1).

Ecuat, ia (10.2.3) este echivalentă cu
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
D > yk−1,1−α (10.2.4)
s, i acceptată ı̂n caz contrar.

Observat, ia 10.2.2. Testul hi-pătrat se aplică pentru select, ii de volum mare, de regulă pentru n > 50,
s, i pentru Nj ≥ 5, ∀j ∈ {1, 2, . . . , k}.
Exemplul 10.2.1. Fie o select, ie de volum n = 1000, datele observate fiind: 500 de 0, 250 de 1, 125 de
2, 63 de 3, 32 de 4, 16 de 5, 8 de 6, 4 de 7, s, i 2 de 8.
Dorim să testăm ipoteza că aceste date au o repartit, ie Poisson de parametru λ = 1.
Vom aplica testul hi-pătrat, pentru un nivel de semnificat, ie α = 0,01.
Partit, ionăm mult, imea R ı̂n următoarele k = 8 intervale disjuncte:
I1 = (−∞, 1), Ij = [j − 1, j), ∀j ∈ {2, . . . , 7}, I8 = [7, ∞).

CAPITOLUL 10. TESTAREA IPOTEZELOR STATISTICE 165
Frecvent, ele absolute corespunzătoare acestor intervale sunt
N1 = 500, N2 = 250, N3 = 125, N4 = 63, N5 = 32, N6 = 16, N7 = 8, N8 = 4 + 2 = 6.
Pentru o v.a. X ∼ Po(1), avem

1 1
P (X = m) = e−1 · = , ∀m ∈ N,
m! e · m!
deci probabilităt, ile teoretice, conform repartit, iei Po(1), corespunzătoare intervalelor considerate sunt
P1 = P (X = 0) = 0,3678794, P2 = P (X = 1) = 0,3678794, P3 = P (X = 2) = 0,1839397,

P4 = P (X = 3) = 0,0613132, P5 = P (X = 4) = 0,0153283, P6 = P (X = 5) = 0,0030657,
P7 = P (X = 6) = 0,0005109, P8 = P (X ≥ 7) = 1 − (P1 + P2 + . . . + P7 ) = 0,0000834.
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
FY (y7, 0,99 ) = 0,99.

>qchisq(0.99,7)
rezultatul fiind y7, 0,99 = 18,47531.
Rezultă că
D > yk−1,1−α ,
s, i astfel, conform (10.2.4), ipoteza este respinsă (la nivelul de semnificat, ie considerat).

Curs PSM PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Curs PSM PDF

Încărcat de

Drepturi de autor:

Formate disponibile

PROBABILITĂT, I S, I

Conf. univ. dr. COSTEL BĂLCĂU

2 Definit, ii s, i formule de calculul ale probabilităt, ilor 44

4 Repartit, ii clasice 116

4.2.1 Repartit, ia uniformă . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120

5 Legi ale numerelor mari 127

6 Select, ie s, i statistici 130

7 Estimarea parametrilor 138

8 Estimarea parametrilor repartit, iei normale 149

9 Regresie liniară 157

10 Testarea ipotezelor statistice 163

• Activitate laborator/seminar: 30% (Aplicat, ii din Temele de laborator/seminar)

• Teme de casă: 20% (Aplicat, ii suplimentare)

• Examen final: 50% (Probă scrisă: teorie s, i aplicat, ii)

[12] K. Devlin, Partida neterminată, Editura Humanitas, Bucures, ti, 2015.

[18] O. Kallenberg, Foundations of Modern Probability, Springer, 2002.

[19] M. Lefebvre, Applied Probability and Statistics, Springer, 2006.

se numes, te cuvânt de lungime n peste alfabetul A. Lungimea cuvântului a se notează cu |a|.

[−x]n = (−1)n [x]n , [−x]n = (−1)n [x]n ,

1.2 Regula produsului

Propozit, ia 1.2.1 (de numărare a produsului cartezian). Fie n ∈ N∗ s, i A1 , A2 , . . . , An mult, imi

Demonstraţie. Vom demonstra egalitatea din enunt, prin induct, ie după n.

A1 × A2 = {(x1 , y1), (x1 , y2 ), . . . , (x1 , yq ),

(p linii s, i q coloane), deci card (A1 × A2 ) = pq = card (A1 ) · card (A2 ).

card (A1 × . . . × Ak × Ak+1 ) = card (A1 × . . . × Ak ) · card (Ak+1 )

deci demonstrat, ia este ı̂ncheiată.

M = {(a1 , a2 , . . . , an ) | a1 ∈ A1 , a2 ∈ A2 (a1 ), a3 ∈ A3 (a1 , a2 ), . . . , an ∈ An (a1 , a2 , . . . , an−1 )} .

• a ∈ {1, 2, . . . , 9} (9 posibilităt, i),

• b ∈ {0, 1, 2, . . . , 9} \ {a} (9 posibilităt, i, pentru orice a),

• c ∈ {0, 1, 2, . . . , 9} \ {a, b} (8 posibilităt, i, pentru orice a s, i b),

• d ∈ {0, 1, 2, . . . , 9} \ {a, b, c} (7 posibilităt, i, pentru orice a, b s, i c),

deci numărul lor este 9 · 9 · 8 · 7 = 4536.

• d ∈ {1, 3, 5, 7, 9} (5 posibilităt, i),

• a ∈ {1, 2, . . . , 9} \ {d} (8 posibilităt, i, pentru orice d),

• b ∈ {0, 1, 2, . . . , 9} \ {a, d} (8 posibilităt, i, pentru orice a s, i b),

• c ∈ {0, 1, 2, . . . , 9} \ {a, b, d} (7 posibilităt, i, pentru orice a, b s, i c),

deci numărul lor este 5 · 8 · 8 · 7 = 2240.

Demonstraţie. Fie A = {a1 , a2 , . . . , an }, n ∈ N∗ . Notăm {0, 1}n = {0, 1} × . . . × {0, 1}.

• ∀ (c1 , c2 , . . . , cn ) ∈ {0, 1}n , β(c1 , c2 , . . . , cn ) = {ai |ci = 1, i ∈ {1, . . . , n}}.

Deci A are 23 = 8 submult, imi.

1.3 Aranjamente, combinări, permutări

C = {(c1 , c2 , . . . , cn )|ci ∈ B ∀ i},

A = mult, imea aranjărilor cu repetit, ie a n bile numerotate 1, 2, . . . , n ı̂n m urne numerotate 1, 2, . . . , m

• ∀ (c1 , c2 , . . . , cn ) ∈ C, γ(c1 , c2 , . . . , cn ) = f , unde f (i) = ci , ∀ i ∈ A;

• ∀ f ∈ F , δ(f ) = (c1 , c2 , . . . , cn ), unde ci = f (i), ∀ i ∈ A.

Evident, funct, iile α, β, γ s, i δ sunt bine definite. De asemenea avem

card (C) = card (A) = card (F ).

C1 = {(c1 , c2 , . . . , cn )|ci ∈ B ∀ i, ci 6= cj ∀ i 6= j},

exact ca ı̂n demonstrat, ia Propozit, iei 1.3.1.

card (C1 ) = m(m − 1)(m − 2) . . . (m − n + 1) = [m]n .

Deci avem [4]2 = 4 · 3 = 12 aranjamente.

[n]n = n(n − 1) . . . 1 = n!.

Deci avem 3! = 1 · 2 · 3 = 6 permutări.

C2 = {(c1 , c2 , . . . , cn )|ci ∈ {1, 2, . . . , m + n − 1} ∀ i, ci 6= cj ∀i 6= j}.

Orice aranjare ω ∈ A2 se reprezintă sub forma

• ∀ ω ∈ A2 , ϕ(ω) = (c1 , c2 , . . . , cn ), unde ci = pozit, ia pe care se află bila i ı̂n aranjarea ω

De exemplu, pentru m = 3, n = 4 s, i aranjarea

card (C2 ) = [m + n − 1]n ,

iar conform Observat, iei 1.1.2 avem

Deci avem [3]2 = 3 · 4 = 12 aranjamente ordonate.

unde simbolul ”o” reprezintă o bilă. Deci avem

Exemplul 1.3.6. Pentru m = 4 s, i n = 3, corespondent, a aranjamente ↔ permutările combinărilor din

Combinare Permutare Aranjament Combinare Permutare Aranjament