TEORIA PROBABILITĂŢILOR

CAPITOLUL 1. CÂMP DE PROBABILITATE

1.1. EVENIMENTE; OPERAŢII CU EVENIMENTE; CÂMP DE EVENIMENTE

Definiţia 1. Se numeşte experiență realizarea unui complex de condiții care conduc la apariția
unui rezultat. O experiență poate fi deterministă sau aleatoare.

Definiţia 2. Se numeşte probă orice reluare a unei experienţe.

Definiţia 3. Se numeşte eveniment orice rezultat al unei experienţe, care poate fi confirmat sau
infirmat după realizarea unei probe.
Definiţia 4. Se numeşte evenimentul sigur (notat Ω) evenimentul care se realizează cu certitudine
într-o experienţă.
Definiţia 5. Se numeşte evenimentul imposibil (notat ) evenimentul care nu se realizează
niciodată într-o experienţă.

Exemplu. Se consideră experiența de aruncare a unui zar. Dați exemple de:

Eveniment: apariția feței 6; apariția unui număr par;
Evenimentul sigur: apariția unui număr natural cuprins între 1 și 6
Eveniment imposibil: apariția unui număr mai mare decât 6

Observație. Notăm evenimentele asociate unei experiențe cu litere mari ale alfabetului latin.
Ex.: A = evenimentul apariției unui număr impar

1
Operații cu evenimente

Definiţia 6. Considerăm două evenimente A, B. Definim:

A  B (“A sau B”) evenimentul ce constă în realizarea a cel puţin unuia dintre
evenimentele A, B.
A  B (“A şi B”) evenimentul ce constă în realizarea simultană a evenimentelor A, B.
A (“non A”) evenimentul ce constă în nerealizarea evenimentului A.
A \ B (sau A - B) evenimentul ce constă în realizarea lui A şi nerealizarea lui B.
A  B (“A implică B”) dacă realizarea lui A are ca efect realizarea lui B.

Definiţia 7. Un eveniment A se numeşte eveniment elementar dacă din B  A rezultă B = 

sau B = A.

Exemplu de eveniment elementar la aruncarea zarului: evenimentul ce constă în apariția feței cu

numărul 2
Un eveniment diferit de even imposibil și care nu este elementar se numește eveniment compus.
Exemplu: de eveniment compus la aruncarea zarului: evenimentul ce constă în apariția unui număr
multiplu de 3

Notație: Vom nota evenimentele elementare cu i

Considerăm o experiență cu n rezultate posibile. Notăm cu i evenimentul ce constă în apariția
rezultatului i, i{1,2,...,n}.
Numărul total de evenimnte asociate unei experiențe cu n rezultate posibile este 2n.

Observaţia 1. Dacă asociem evenimentului sigur ataşat unei experienţe o mulţime Ω, atunci se
poate realiza o corespondenţă între mulţimea evenimentelor ataşate acelei experienţe şi mulţimea
părţilor lui Ω şi o corespondenţă între operaţiile cu evenimente şi operaţiile cu mulţimi.

Observaţia 2. Dacă Ω este o mulţime cel mult numărabilă, atunci elementele acesteia sunt
evenimente elementare.

2
Definiţia 4. Două evenimente A, B se numesc evenimente incompatibile dacă nu se pot realiza
simultan: A  B = .
În caz contrar, acestea se numesc evenimente compatibile (dacă se pot realiza simultan).

Exemple la exemple la experiența de aruncare a zarului:

Fie A = evenimentul ce constă în apariția feței cu numărul 3
B = evenimentul ce constă în apariția feței cu numărul 5
A, B sunt even incompatibile

Fie C = evenimentul ce constă în apariția unui număr par

D = evenimentul ce constă în apariția unui număr impar
C, D sunt even incompatibile

Fie E = evenimentul ce constă în apariția unui număr par

F = evenimentul ce constă în apariția unui număr multiplu de 3
E, F sunt even compatibile (se pot realiza simultan, de exemplu, la apariția feței cu numărul 6)

Fie Ω evenimentul sigur ataşat unei experienţe şi P(Ω) mulţimea părţilor lui Ω.
Definiţia 5. O familie nevidă K  P (Ω) se numeşte corp de mulțimi (corp de părţi) dacă verifică
axiomele:
i)  A K  A K ;

ii)  A, B  K  A  B  K .
Observaţie. Dacă înlocuim condiţia ii) prin
ii' )  ( A )  K   An  K
, atunci K se numeşte corp borelian.
n n N
n N

Definiţia 6. Se numeşte câmp de evenimente (câmp borelian de evenimente) evenimentul sigur Ω

înzestrat cu un corp (corp borelian) K de evenimente.
Vom nota acest câmp de evenimente (Ω, K).

3
 1.2. PROBABILITATE; CÂMP DE PROBABILITATE;
FORMULE DE CALCUL CU PROBABILITĂŢI

Definiţia 1. (definiţia clasică a probabilităţii) Se numeşte probabilitate a evenimentului A şi se notează P(A) raportul dintre numărul de rezultate
favorabile producerii evenimentului A ( nfav ) şi numărul total de rezultate ale experimentului, considerate egal posibile (npos):
n fav
P( A ) =
n pos

Definiţia 2. (definiţia axiomatică a probabilităţii) Considerăm un câmp de evenimente (Ω, K). Se numeşte probabilitate pe câmpul de evenimente
(Ω, K) o funcţie de mulţime P : K → R+, care verifică axiomele:
1)  A  K  P (A)  0;
2) P (Ω) = 1;
3)  A, B  K, A  B =   P (A  B) = P (A) + P (B) .

Definiţia 3. Un câmp de evenimente (Ω, K) înzestrat cu o probabilitate P se numeşte câmp de probabilitate şi se notează (Ω, K, P).

Propoziţia 1. (Proprietăţi ale funcţiei probabilitate)

1) P( A) = 1 − P( A),  A  K

2) P (B - A) = P (B) - P (A  B) ,  A, B  K
3) P () = 0
4) 0  P (A)  1,  A  K
 n  n  n  (formula lui Poincaré)
P  Ai  =  P( Ai ) −  P( Ai  A j ) +  P( Ai  A j  Ak ) − ..... + (−1) n −1 P  Ai 
5)
 i =1  i =1 1i  j  n 1i  j  k  n  i =1 

Observaţia 1. Dacă evenimentele A1, A2 ,…, An sunt incompatibile două câte două, atunci formula 5) devine:
 n  n
5')
P  Ai  =  P( Ai )
 i =1  i =1
Observaţia 2. În cazul n = 2, formula lui Poincaré devine:
P( A) + P( B), A  B =  ( A, B incompatibile)
P( A  B) = 
 P ( A) + P ( B ) − P ( A  B ), A  B   ( A, B compatibile)

 n  n
6) P  Ai    P( Ai ) − (n − 1) (inegalitatea lui Boole).
 i =1  i =1

Definiţia 4. Fie (Ω, K, P) un cămp de probabilitate şi B  K astfel încật P (B) > 0.

Se numeşte probabilitate condiţionată de evenimentul B a evenimentului A expresia: P( A  B)
P( A / B) =
P( B)

Definiţia 5. Spunem că A şi B sunt evenimente independente dacă P (A  B) = P (A)  P (B)

Definiţia 6. Spunem că evenimentele A1, A2 ,…, An sunt independente în totalitate dacă

P( Ai1  Ai2  ....  Aik ) = P( Ai1 )  P( Ai2 )  ....  P( Aik ),  k = 1, n,  1  i1  i 2  ...  i k  n

Exemplu. A = apariția unui număr par; B = apariția unui multiplu de 3; C = apariția feței 6
Stabiliți dacă: a) A, B independente; b) A,B,C independente două câte două; c) A,B,C independente în totalitate.

4
Propoziţia 2. Fie A1, A2 ,…, An o familie finită de evenimente astfel încât  n  ; atunci
P  Ai   0
 i =1 
 n 
P  Ai  = P( A1 )  P( A2 / A1 )  P( A3 / A1  A2 )  ....  P( An / A1  A2  ...  An−1 )
 i =1 

Observaţie. Dacă A1, A2 ,…, An este o familie finită de evenimente independente în totalitate, atunci:  n 
P  Ai  = P( A1 )  P( A2 )  P( A3 )  ....  P( An )
 i =1 

Observaţie. În cazul n = 2, avem:  P( A)  P( B), pentru A, B evenimente independente

P( A  B) = 
 P( A)  P( B / A), pentru A, B evenimente dependente

APLICAȚII REZOLVATE pentru secțiunea 1.1

1. Se consideră experienţa de extragere a unei bile dintr-o urnă ce conţine 15 bile identice, numerotate de la 1 la 15
a) Să se precizeze care este spaţiul evenimentelor elementare asociat acestei experienţe.
b) Să se descrie corpul de evenimente K = P(Ω) ataşat experienţei şi câmpul de evenimente corespunzător. Care este numărul evenimentelor
din acest corp?
c) Dați un exemplu de evenimente compatibile şi un exemplu de evenimente incompatibile în cadrul acestei experienţe.

Rezolvare:
a) Notăm cu ωi evenimentul ca la extragere să apară bila cu numărul ”i”, i = 1,15
Spaţiul evenimentelor elementare ataşat experienţei este Ω = {ω1, ω2,..., ω15}.
b) Corpul de evenimente K = P(Ω) ataşat experienţei conţine următoarele evenimente:
Ø;
{ω1}, {ω2},..., {ω15};
{ω1, ω2}, {ω1, ω3},..., {ω14, ω15};
{ω1, ω2, ω3}, {ω1, ω2, ω4},..., {ω13, ω14, ω15};
.....................................................................
{ω1, ω2,..., ω15}. Numărul tuturor acestor evenimente este: C15 0
+ C15
1
+ C152 + ... + C15
15
= 215
Câmpul de evenimente corespunzător este (Ω, K), unde K = P(Ω).
c) Notăm cu A evenimentul ca la extragerea efectuată să apară o bilă pe care este înscris un număr par şi cu B evenimentul ca la extragere să
apară o bilă cu număr impar. A şi B nu se pot realiza simultan, prin urmare A şi B sunt evenimente incompatibile.
Notăm cu C evenimentul ca la extragerea efectuată să apară un număr prim şi cu D evenimentul ca la extragerea efectuată să apară un număr
divizibil cu 3. C şi D sunt evenimente care se pot realiza simultan (atunci când la extragere apare bila cu numărul 3), prin urmare C şi D sunt
evenimente compatibile.

2. Un agent comercial achiziţionează mărfuri de la 7 firme (agenţi producători sau alţi agenţi comerciali) pe bază de contract. Fiecare furnizor
poate să onoreze sau nu contractul încheiat cu agentul comercial.
Să se descrie câmpul de evenimente (Ω, K) asociat procesului de aprovizionare a agentului comercial, unde
K = P(Ω). Care este numărul evenimentelor din acest câmp?
Rezolvare:
Fie Ai evenimentul ca furnizorul ”i” să onoreze contractul încheiat cu agentul comercial, i = 1,7 . Atunci spaţiul evenimentelor elementare este Ω =
{A1, A2,..., A7}, iar câmpul de evenimente este (Ω, K), unde K = P(Ω).
Acest câmp are 7 evenimente elementare: {A1}, {A2},...,{A7} şi conţine 27 evenimente.

3. Un agent producător oferă pentru vânzare un anumit produs la patru agenţi comerciali, de la care poate primi răspuns favorabil sau
nefavorabil. Fie Ai evenimentul ca agentul ”i” să dea răspuns favorabil, .
Folosind operaţiile cu evenimente, să se exprime evenimentele corespunzătoare următoarelor situaţii:
a) toţi agenţii comerciali dau răspuns favorabil;
b) exact 2 agenţi comerciali dau răspuns favorabil;
c) cel puţin 2 agenţi comerciali dau răspunsuri favorabile;
d) nici un agent comercial nu acceptă oferta producătorului;
e) cel mult un agent comercial dă un răspuns favorabil.
Rezolvare:
Notăm cu Bi evenimentul ca exact i agenţi comerciali să dea un răspuns favorabil, i = 0,4 .
În aceste condiţii, evenimentele care trebuie exprimate sunt următoarele:
a) B4 = A1  A2  A3  A4 ;
b) B2 = ( A1  A2  A3  A4 )  ( A1  A2  A3  A4 )  ( A1  A2  A3  A4 ) 

 ( A1  A2  A3  A4 )  ( A1  A2  A3  A4 )  ( A1  A2  A3  A4 ) ;

5
 c) B2  B3  B4 , unde B3 = ( A1  A2  A3  A4 ) 

 ( A1  A2  A3  A4 )  ( A1  A2  A3  A4 )  ( A1  A2  A3  A4 ) ;
d) B0 = ( A1  A2  A3  A4 ) .
e) B0  B1 , unde B1 = ( A1  A2  A3  A4 )  ( A1  A2  A3  A4 )  ( A1  A2  A3  A4 ) 

 ( A1  A2  A3  A4 ) .

4. Pentru ocuparea a două posturi identice la o firmă se prezintă 5 candidaţi: Andrei, Bogdan, Călin, Dana şi Elena. O comisie trebuie să aleagă
două dintre aceste persoane pentru ocuparea posturilor respective.
a) Să se precizeze care este spaţiul evenimentelor elementare asociat procesului de alegere a celor două persoane care vor ocupa posturile.
b) Să se descrie evenimentul X ce constă în alegerea a cel puţin unui bărbat pentru ocuparea posturilor.
c) Să se descrie evenimentul Y ce constă în alegerea unui singur bărbat pentru ocuparea posturilor.
d) Să se exprime evenimentul de a fi alese două femei în funcţie de evenimentele X şi Y
e) Să se indice semnificaţia evenimentelor: X , X  Y, X  Y, X  Y .
Rezolvare:
a) Pentru a alege două persoane care vor ocupa două posturi identice trebuie să formăm grupe de câte două elemente dintr-o mulţime de 5
elemente, fără a avea importanţă ordinea. Numărul variantelor de alegere este C52 = 10 . Notăm evenimentul ce constă în alegerea a două persoane
prin cuvântul format cu iniţialele numelor acestora. Spaţiul evenimentelor elementare asociat experienţei este: {AB, AC, AD, AE, BC, BD, BE, CD,
CE, DE}.
b) X = {AB, AC, AD, AE, BC, BD, BE, CD, CE}.
c) Y = {AD, AE, BD, CD, CE}.
d) Fie Z evenimentul ca pentru ocuparea posturilor să fie alese două femei. Atunci Z = X .
e) X reprezintă evenimentul ca nici un bărbat să nu fie ales (să fie alese două femei).
X  Y reprezintă evenimentul de a fi ales un singur bărbat.
X  Y reprezintă evenimentul de a fi ales cel puţin un bărbat.
X  Y reprezintă evenimentul de a fi aleşi doi bărbaţi sau de a fi alese două femei.

5. Valoarea unei acţiuni cotate la bursă într-o anumită zi poate să crească, să scadă sau să rămână la acelaşi nivel, comparativ cu valoarea ei din
ziua precedentă. Se analizează evoluţia cursului acţiunilor dintr-un portofoliu compus din 3 acţiuni pe parcursul unei zile.
a) Să se determine evenimentele elementare şi numărul total de evenimente asociate fenomenului studiat.
b) Să se generalizeze rezultatul găsit pentru un portofoliu compus din n acţiuni.
Rezolvare:
a) Notăm cu Ai evenimentul ca valoarea acţiunii i să crească , cu Bi evenimentul ca valoarea acţiunii i să scadă în raport cu valoarea ei din
ziua precedentă şi cu Ci evenimentul ca valoarea acţiunii i să rămână la nivelul din ziua precedentă, .
i = 1,3 care definesc situaţiile în care se pot afla acţiunile ce compun portofoliul în raport cu situaţia lor din ziua precedentă sunt:
Evenimentele elementare
A1  A2  A3 , A1  A2  B3 , A1  A2  C3 , A1  B2  A3 , A1  B2  B3 , A1  B2  C3 , A1  C2  A3 ,
A1  C2  B3 , A1  C2  C3 , B1  A2  A3 , B1  A2  B3 , B1  A2  C3 , B1  B2  A3 , B1  B2  B3 ,
B1  B2  C3 , B1  C2  A3 , B1  C2  B3 , B1  C2  C3 , C1  A2  A3 , C1  A2  B3 , C1  A2  C3 ,
C1  B2  A3 , C1  B2  B3 , C1  B2  C3 , C1  C 2  A3 , C1  C 2  B3 , C1  C 2  C3 .
(De exemplu, CiBjAk reprezintă evenimentul ca valoarea acţiunii i să rămână la nivelul din ziua precedentă şi valoarea acţiunii j să scadă, iar
valoarea acţiunii k să crească în raport cu valoarea din ziua precedentă.)
Spaţiul evenimentelor elementare conţine 27 evenimente.
Printr-un raţionament analog celui de la problema 1, deducem că numărul total de evenimente este 2 27.
b) Generalizare. Observăm că pentru a defini un eveniment elementar ce descrie o situaţie în care se poate găsi portofoliul trebuie să asociem
fiecăreia din cele n acţiuni una din cele 3 stări (valoare în creştere, în scădere sau constantă faţă de ziua precedentă). Cu alte cuvinte, trebuie să
definim o funcţie pe mulţimea acţiunilor, cu valori în mulţimea stărilor. Numărul total al acestor funcţii este 3 n. Prin urmare, spaţiul evenimentelor
n
elementare are 3n elemente, iar numărul total de evenimente asociate fenomenului studiat este 2 3 .
6. Pe o suprafaţă netedă se aruncă două zaruri identice şi omogene:
a) Să se precizeze toate evenimentele elementare asociate acestei experienţe.
b) Să se descrie evenimentul ca suma punctelor apărute pe feţele superioare ale celor două zaruri să fie 7.
c) Care este numărul de evenimente ale câmpului generat de această experienţă?
Rezolvare:
a) Notăm cu ( i, j ) evenimentul ca numărul de puncte apărute pe faţa superioară a primului zar să fie i şi numărul de puncte apărute pe faţa
superioară a celui de-al doilea zar să fie j, cu i, j = 1,6 . Evenimentele elementare asociate experienţei sunt: (1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
(3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
......................................................
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
b) A = {(1,6);((2,5);(3,4);(4,3);(5,2);(6,1)};
c) Numărul evenimentelor elementare ale câmpului generat de experienţă este 62. Acesta este un câmp finit
de evenimente , având 236 evenimente.

6
PROBLEME PROPUSE pentru secțiunea 1.1
1. Un zar are feţele cu 1 şi 2 puncte vopsite roşu, cele cu 3 şi 4 puncte vopsite galben, iar cele cu 5 şi 6 puncte vopsite albastru. Se aruncă o dată
acest zar şi se notează cu: A – evenimentul obţinerii unei feţe roşii;
B – evenimentul obţinerii unei feţe galbene; C – evenimentul obţinerii unei feţe albastre; D – evenimentul obţinerii unui număr par; E – evenimentul
obţinerii unui număr divizibil cu 3.
a) Să se scrie sub formă de mulţimi evenimentele A, B, C, D, E; b) Să se aratate că A  B = A  B = C .
c) Să se indice semnificaţia evenimentelor: A, B, C , A  D, C  E , C  D, B \ E , C \ D, ( A  B)  D
R: a) Notăm cu ωi evenimentul ca la o aruncare a zarului să apară faţa ” i”, i = 1,6 . Avem:
A = 1 ,  2 , B =  3 ,  4 , C =  5 ,  6 , D =  2 ,  4 ,  6 , E =  3 ,  6 ; b) A  B = 1 , 2 , 3 , 4    A  B = 5 , 6  ;
A =  3 ,  4 ,  5 ,  6 , B = 1 ,  2 ,  5 ,  6   A  B =  5 ,  6  = A  B = C
c) A reprezintă evenimentul obţinerii unei feţe galbene sau albastre; C  D reprezintă evenimentul apariţiei unei feţe albastre, cu număr par
de puncte, adică apariţia feţei cu 6 puncte; B \ E reprezintă evenimentul apariţiei unei feţe galbene, având un număr de puncte care nu se divide cu 3,
adică apariţia feţei cu 4 puncte; (A  B)  D reprezintă evenimentul apariţiei unei feţe roşii sau galbene cu un număr par de puncte, adică apariţia
feţei 2 sau 4.
2. Dintr-o urnă ce conţine 4 bile de culori diferite: roşu, galben, albastru şi verde se extrage la întâmplare o bilă
a) Să se precizeze care este spaţiul evenimentelor elementare asociat acestei experienţe.
b) Să se descrie corpul de evenimente K = P(Ω) ataşat experienţei şi câmpul de evenimente corespunzător. Care este numărul evenimentelor din
acest corp?
c) Să se dea exemple de evenimente compatibile şi de evenimente incompatibile în cadrul acestei experienţe.
R: a) Notăm cu ω1, ω2, ω3, ω4 evenimentele ca la extragerea efectuată să apară, respectiv, bila de culoare roşie, galbenă, albastră, verde. Spaţiul
evenimentelor elementare este Ω = {ω1, ω2, ω3, ω4 }.
b) Corpul de evenimente ataşat experienţei este K = P(Ω). Numărul evenimentelor din acest corp este 24. Câmpul de evenimente
corespunzător este (Ω, K).
3. Se aruncă un zar pe o suprafaţă netedă şi se notează numărul obţinut pe faţa superioară a zarului. Se aruncă din nou zarul şi se notează
numărul obţinut pe faţa superioară a acestuia.
a) Câte perechi de numere putem întâlni la un astfel de experiment?
b) Scrieţi perechile de numere ce pot apărea şi în care primul număr este dublul celui de-al doilea
c) Scrieţi perechile de numere ce pot apărea şi în care primul număr este par, iar al doilea divizibil cu 3.
d) Scrieţi perechile de numere ce pot apărea şi care suma un număr mai mic strict ca 7.
4. Dintr-o urnă ce conţine 4 bile albe şi 6 bile negre se extrag 5 bile, punând după fiecare extragere bila înapoi în urnă. Notăm cu Ai evenimentul
ca bila obţinută la extragerea "i" să fie albă, Folosind operaţiile cu evenimente, isă= 1se
,5 exprime evenimentele: a) prima bilă extrasă este albă, a doua şi
a treia sunt negre, iar a patra şi a cincea sunt albe; b) toate bilele extrase sunt de aceeaşi culoare; c) cel puţin o bilă extrasă este albă; d) cel puţin o
bilă extrasă este neagră; e) o singură bilă dintre cele cinci extrase este neagră.
5. Se aruncă simultan două zaruri. Fie Ai şi Bi evenimentele care exprimă apariţia feţei cu numărul ”i” la primul, respectiv al doilea zar. Să se
exprime următoarele evenimente:
a) suma feţelor este 6; b) suma feţelor este cel mult 5; c) produsul feţelor este cel puţin 7; d) produsul feţelor este un număr impar.
6. O unitate care execută lucrări de prestări servicii contractează într-o zi 4 lucrări care pot fi rentabile (Ai ), sau nerentabile ( Ai ) în final, .
i = 1,4
Să se exprime evenimentele: a) toate lucrările contractate sunt rentabile; b) o singură lucrare contractată este rentabilă; c) nici o lucrare
contractată nu este rentabilă; d) cel puţin una şi cel mult 3 lucrări sunt rentabile; e) cel mult 2 lucrări sunt rentabile.
7. Un agent economic nu are suficiente resurse proprii de finanţare şi ca urmare solicită credite de la 3 bănci. În baza documentaţiei prezentate,
băncile pot da răspuns favorabil sau nefavorabil. Scrieţi evenimentele corespunzătoare situaţiilor în care agentul obţine: a) numai răspunsuri
favorabile; b) cel puţin un răspuns favorabil; c) exact două răspunsuri favorabile; d) cel mult două răspunsuri favorabile; e) nici un răspuns
favorabil; f) un singur răspuns favorabil.
8. Se aruncă un zar de 4 ori consecutiv pe o suprafaţă netedă. Fie Ai evenimentul ce constă în obţinerea unui număr par de puncte pe faţa
superioară a zarului la aruncarea ”i”. .
I) Să se exprime următoarele evenimente: a) obţinerea unui număr par de puncte cel puţin la o aruncare;
b) obţinerea unui număr impar de puncte cel puţin la o aruncare; c) obţinerea de cel mult trei ori a unui număr par; d) obţinerea de cel puţin două
ori a unui număr par.
II) Care este semnificaţia următoarelor evenimente: a) opusul evenimentului de la punctul I) c); b) opusul evenimentului de la punctul I) d).
9. Dintr-un lot ce conţine produse corespunzătoare şi produse defecte se supun controlului de calitate n produse luate la întâmplare, n ≥ 3. Fie
Ai evenimentul ca produsul obţinut la extragerea i să fie corespunzător, i = 1, n . Folosind operaţiile cu evenimente, să se exprime evenimentele
corespunzătoare următoarelor situaţii:
a) toate produsele controlate sunt corespunzătoare; b) produsul din cea de-a doua verificare este defect;
c) cel puţin un produs controlat este corespunzător; d) nici un produs controlat nu este corespunzător;
e) un singur produs controlat este defect; f) cel mult două produse controlate sunt defecte.
10. O ţintă este formată din 10 cercuri concentrice de rază Rk, k = 1,10 , R1 < R2 < … < R10. Notăm cu Ak evenimentul ce constă în nimerirea
cercului de rază Rk, a) Să se indice semnificaţia evenimentelor: 6 ; 10 ; C = A6 \ A5 ; D = A7 . b) Să se arate că Ak  Ak +1 ,
B=
A =  Ak A  k
k =1 k =1
 k = 1,9 .

7
PROBLEME REZOLVATE pentru secțiunea 1.2

1. Se aruncă două zaruri identice şi omogene pe o suprafaţă netedă. Se cere probabilitatea ca:
a) suma numerelor de puncte de pe feţele superioare ale celor două zaruri să fie mai mică sau egală cu 5;
b) produsul numerelor de puncte de pe feţele superioare ale celor două zaruri să fie un pătrat perfect;
c) numărul de puncte de pe faţa primului zar să fie diferit de numărul de puncte de pe faţa celui de-al doilea zar;
d) numărul de puncte de pe faţa primului zar să fie triplul numărului de puncte de pe faţa celui de-al doilea zar.
Rezolvare:
a) Fie A evenimentul ca suma numerelor de puncte de pe feţele superioare ale celor două zaruri să fie mai mică sau egală cu 5.
Pentru a calcula probabilitatea acestui eveniment, vom folosi definiţia clasică a probabilităţii:
nr. cazuri favorabile producerii evenimentului A
P ( A) =
nr. cazuri egal posibile

Notăm cu (i, j) evenimentul ca numărul de puncte apărute pe faţa superioară a primului zar să fie i şi numărul de puncte apărute pe faţa superioară a

celui de-al doilea zar să fie j, i, j = 1,6

Evenimentele elementare asociate experienţei sunt:

(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
(3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
......................................................
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6) ,
prin urmare numărul cazurilor egal posibile este 6 2 =36.
Exprimăm evenimentul A în funcţie de evenimentele elementare:
A= {(1,1), (1,2), (1,3), (1,4), (2,1), (2,2), (2,3), (3,1), (3,2), (4,1)}. Rezultă că numărul cazurilor favorabile este 10
Notăm cu a1 numărul punctelor de pe faţa superioară a primului zar şi cu a2 numărul punctelor de pe faţa superioară a celui de-al doilea zar.
Rezultă P( A) = P(a + a  5) = 10 = 5
1 2 36 18
b) Fie B evenimentul ca produsul numerelor de puncte de pe feţele superioare ale celor două zaruri să fie un pătrat perfect. Evenimentul B se
realizează dacă produsul numerelor de puncte de pe feţele superioare ale celor două zaruri este: 1, 4, 9, 16, 25 sau 36.

Evenimentul Cazuri favorabile Numărul cazurilor favorabile

a1  a2 = 1 (1,1) 1
a1  a2 = 4 (1,4) (2,2) (4,1) 3
a1  a2 = 9 (3,3) 1
a1  a2 = 16 (4,4) 1
a1  a2 = 25 (5,5) 1
a1  a2 = 36 (6,6) 1
Prin urmare, numărul cazurilor favorabile este 8. Cum numărul cazurilor posibile este 36, rezultă P(B) = 8/36=2/9

c) Notăm cu C evenimentul ca numărul de puncte de pe faţa primului zar să fie diferit de numărul de puncte de pe faţa celui de-al doilea zar.
Avem: P(C ) = P(a1  a 2 ) = 1 − P (a1 = a 2 )

Cazurile favorabile evenimentului (a1 = a2) sunt: (1,1), (2,2), (3,3), (4,4), (5,5), (6,6), deci P(a1 = a 2 ) = 6 şi prin urmare
36
P(C ) = 1 − P(a1 = a 2 ) = 5 .
6
d) Notăm cu D evenimentul ca numărul de puncte de pe faţa primului zar să fie triplul numărului de puncte de pe faţa celui de-al doilea zar. Pentru
o mai bună numărare a cazurilor favorabile, vom fixa numărul de puncte de pe faţa celui de-al doilea zar.
Astfel, dacă pe cel de-al doilea zar avem un punct, pe primul zar va trebui să avem trei puncte. Dacă pe cel de-al doilea zar avem două puncte, pe
primul zar va trebui să avem şase puncte.
Observăm că dacă pe cel de-al doilea zar apare un număr strict mai mare de două puncte, pentru a obţine un caz favorabil trebuie ca pe primul zar să
apară un număr strict mai mare de 6 puncte, ceea ce este imposibil.
Am obţinut că D = {(3,1), (6,2)}. Aşadar, P(D ) = P(a = 3a ) = 2 = 1 .
1 2 36 18

8
 2. O urnă conţine 10.000 bile identice, numerotate de la 1 la 10.000. Să se determine probabilitatea ca extrăgând o bilă din această urnă să obţinem:
a) un număr divizibil cu 3;
b) un număr divizibil cu 3 sau cu 4;
c) un număr pătrat perfect;
d) un număr divizibil cu 4, care nu este multiplu de 5;

Rezolvare:
a) Fie A evenimentul ca un număr luat la întâmplare din mulţimea {1, 2,..., 10.000}
să fie divizibil cu 3. Pentru a calcula probabilitatea acestuia, vom folosi definiţia clasică a probabilităţii:
nr. cazuri favorabile producerii evenimentului A
P ( A) =
nr. cazuri egal posibile

Numerele divizibile cu trei din mulţimea {1, 2,..., 10.000} sunt: 3,6,9,…,9999, care se mai pot scrie astfel: 1∙3, 2∙3, 3∙3,…, 3333∙3, prin urmare
numărul cazurilor favorabile producerii evenimentului A este 3333.
Numărul cazurilor egal posibile este 10.000. Rezultă că P ( A) = 3333
= 0,3333
10000

b) Notăm cu A evenimentul ca un număr luat la întâmplare din mulţimea {1, 2,..., 10.000} să fie divizibil cu 3 şi cu B evenimentul ca un număr
din mulţimea de mai sus să se dividă cu 4. Evenimentul a cărui probabilitate se cere este A  B . Evenimentele A şi B sunt compatibile, prin urmare
P( A  B ) = P( A) + P( B) − P( A  B) .

Numerele divizibile cu 4 din mulţimea {1, 2,..., 10.000} sunt: 1∙4, 2∙4, 3∙4,…, 2500∙4, deci P(B ) = 10000
2500 = 0,25

A  B reprezintă evenimentul ca un număr luat la întâmplare din mulţimea {1, 2,..., 10.000} să se dividă cu 12. Numerele divizibile cu 12 din
mulţimea {1, 2,..., 10.000} sunt: 1∙12, 2∙12, 3∙12,…, 833∙12, deci P( A  B ) = 833 = 0,0833
10000

Rezultă că P( A  B ) = 3333 + 2500 − 833 = 5000 = 0,5

10000 10000 10000 10000

c) Fie C evenimentul a cărui probabilitate se cere. Pătratele perfecte din mulţimea {1, 2,..., 10.000} sunt: 1 2, 22,…, 1002, deci

P(C ) = 10000
100 = 0,01 .

d) Fie B, D evenimentele ca un număr din mulţimea {1, 2,..., 10.000} să se dividă cu 4, respectiv cu 5.
Evenimentul a cărui probabilitate se cere este B \ D. Folosind propoziţia 1 punctul 2) , obţinem:

P( B \ D) = P( B) − P( B  D) = 2500 − 500 = 0,2

10000 10000

3. Se consideră două urne, prima (U1) conţinând opt bile numerotate de la 1 la 8, iar a doua (U2) şapte bile, numerotate de la 1 la 7. Să se
determine probabilitatea ca, făcând câte o extragere din fiecare urnă, să obţinem:
a) din prima urnă un număr impar, iar din cea de-a doua urnă un număr par;
b) două numere de parităţi diferite;
c) numărul înscris pe bila extrasă din prima urnă mai mic decât cel de pe bila extrasă din a doua urnă.

Rezolvare:
a) Notăm cu A evenimentul a cărui probabilitate se cere, A1 evenimentul ca la extragerea din U1 să apară o bilă cu un număr impar, iar A2
evenimentul ca din U2 să extragem o bilă cu un număr par. Avem că A = A1  A2.

Evenimentul A1 se realizează dacă la extragerea din prima urnă apare o bilă numerotată cu 1, 3, 5 sau 7, prin urmare P( A1 ) = 4 = 1 .
8 2

Evenimentul A2 se realizează dacă la extragerea din a doua urnă apare o bilă numerotată cu 2, 4 sau 6, deci P( A2 ) = 3 .
7

9
Deoarece cele două extrageri se fac din urne diferite, rezultă că A1 şi A2 sunt evenimente independente, prin urmare:

P( A) = P( A1  A2 ) = P( A1 )  P( A2 ) = 1  3 = 3 .
2 7 14
b) Notăm cu B evenimentul ca la extragerile efectuate din cele două urne să obţinem două numere de parităţi diferite.
Avem că B = X  Y , unde X reprezintă evenimentul ca din prima urnă să extragem un număr impar şi din a doua un număr par, iar Y este
evenimentul ca din prima urnă să extragem un număr par şi din a doua un număr impar.

Se observă că X este evenimentul A1  A2 , iar Y este evenimentul A1  A2 , unde A1 şi A2 sunt evenimentele considerate la punctul
precedent.

Prin urmare, P( X ) = 3 şi P(Y ) = P( A1  A2 ) = P( A1 )  P( A2 ) = 1  4 = 2 .

14 2 7 7

Deoarece evenimentele X şi Y sunt incompatibile (nu se pot realiza simultan), obţinem că P(B ) = P( X  Y ) = P( X ) + P(Y ) = 1 .
2
c) Notăm cu C evenimentul ca numărul înscris pe bila extrasă din prima urnă să fie mai mic decât cel de pe bila extrasă din a doua urnă. Vom
folosi definiţia clasică a probabilităţii.
Numărul cazurilor posibile este 7∙8 = 56. Cazurile favorabile realizării evenimentului C sunt:
(1,2) (1,3) (1,4) (1,5) (1,6) (1,7)
(2,3) (2,4) (2,5) (2,6) (2,7)
(3,4) (3,5) (3,6) (3,7)
(4,5) (4,6) (4,7)
(5,6) (5,7)
(6,7)

Numărul cazurilor favorabile este 21. Rezultă că P(C ) = 21 = 3 .

56 8

4. Un agent comercial are 5 unităţi de desfacere (magazin 1, magazin 2,…, magazin 5). 11 clienţi solicită mărfuri comercializate de magazinele
respective (fiecare client solicită marfă de la un singur magazin).
Care este probabilitatea ca din primul magazin să solicite mărfuri exact 3 clienţi?

Rezolvare:
Vom folosi definiţia clasică a probabilităţii.

Fiecare dintre cei 11 clienţi îşi alege un anumit magazin din cele 5 de la care solicită marfă. Procesul de alegere a magazinului de către fiecare client
este echivalent cu a defini o funcţie pe mulţimea clienţilor (având 11 elemente) cu valori în mulţimea magazinelor (cu 5 elemente).

Se ştie că dacă mulţimea A are m elemente, iar mulţimea B are n elemente, atunci numărul tuturor funcţiilor
f : A → B este nm.
Prin urmare, numărul cazurilor posibile este 511.
3
Numărul posibilităţilor de alegere a celor 3 clienţi din totalul celor 11 este C11 .

Pentru cei 8 clienţi rămaşi, numărul posibilităţilor de a alege unul dintre cele 4 magazine rămase este 48.
Fiecărui mod de a forma grupe de câte 3 clienţi din totalul celor 11 îi asociem câte un mod de a alege un magazin de către unul din cei 8 clienţi
rămaşi.

Rezultă că numărul cazurilor favorabile este C113  4 8 .

În concluzie, probabilitatea cerută este

C113  4 8
511

10
 5. Doi studenţi susţin simultan un examen. Probabilitatea ca primul student să promoveze este 0,8, iar probabilitatea ca al doilea să promoveze
este 0,7. Să se calculeze probabilitatea ca:
a) ambii studenţi să promoveze examenul;
b) exact un student să promoveze;
c) cel puţin un student să promoveze;
d) numai primul student să promoveze.

Rezolvare:
Notăm cu A evenimentul ca primul student să promoveze examenul şi cu B evenimentul ca al doilea student să promoveze.
a) Cum cele două evenimente sunt independente, rezultă că probabilitatea ca ambii studenţi să promoveze examenul este:
P ( A  B ) = P ( A)  P ( B ) = 0,8  0,7 = 0,56
b) Probabilitatea ca exact un student să promoveze examenul este:

( )
P ( A  B)  ( A  B) = P( A  B) + P( A  B) = P( A)  P( B) + P( A)  P( B) = 0,8  0,3 + 0,2  0,7 = 0,38

c) Probabilitatea ca cel puţin un student să promoveze se scrie:

P( A  B) = P( A) + P ( B) − P( A  B) = P( A) + P( B ) − P( A)  P ( B) = 0,8 + 0,7 − 0,8  0,7 = 0,94

d) Probabilitatea ca numai primul student să promoveze se poate calcula astfel: ( ) ()

P A  B = P( A)  P B = 0,8  0,3 = 0,24 , având în
( )
vedere independenţa celor două evenimente, sau P A  B = P( A \ B ) = P( A) − P( A  B ) = 0,8 − 0,56 = 0,24 .

6. Se aruncă un zar de 4 ori.

a) Să se afle probabilitatea ca faţa cu un punct să apară o singură dată.
b) Să se afle probabilitatea ca faţa cu un punct să apară cel puţin o dată.
Rezolvare:
a) Fie A evenimentul ca în 4 aruncări să apară o singură dată faţa cu un punct şi Ak evenimentul ca la aruncarea ”k” să apară faţa cu un punct.

( ) ( ) (
Rezultă că A = A1  A2  A3  A4  A1  A2  A3  A4  A1  A2  A3  A4  A1  A2  A3  A4 ) ( )
Deoarece evenimentele care compun reuniunea sunt incompatibile, rezultă:

( ) ( ) ( ) (
P ( A) = P A1  A2  A3  A4 + P A1  A2  A3  A4 + P A1  A2  A3  A4 + P A1  A2  A3  A4 ) şi deoarece evenimentele A , A ,
1 2

3
A3, A4 sunt independente şi P( A ) = 1 şi P( A ) = 5 ,  k = 1,4 , obţinem 1  5
k k P( A) = 4 P( A1 )  P( A2 )  P( A3 )  P( A4 ) = 4    
6 6 6  6
b) Notăm cu B evenimentul ca în 4 aruncări să apară cel puţin o dată faţa cu un punct. Opusul

evenimentului B, notat B , este evenimentul ca în 4 aruncări să nu apară nici o dată faţa cu un punct. Avem:

() ( ) ()
4 4
5 5
P B = P A1  A2  A3  A4 =   , deci P(B ) = 1 − P B = 1 −  
6 6

7. Într-o urnă sunt 10 bile albe şi 15 negre. Se extrag consecutiv două bile.
Să se calculeze probabilitatea de a obţine bile de culori diferite în ipotezele:
a) prima extragere este cu revenire;
b) prima extragere este fără revenire.

Rezolvare:
Notăm: A1 evenimentul ca la prima extragere să obţinem o bilă albă;
A2 evenimentul ca la a doua extragere să obţinem o bilă albă;
N1 evenimentul ca la prima extragere să obţinem o bilă neagră;
N2 evenimentul ca la a doua extragere să obţinem o bilă neagră.

11
Fie X evenimentul ca în cele două extrageri să obţinem bile de culori diferite. Deoarece evenimentele

A1  N 2 şi N1  A2 sunt incompatibile, rezultă că P( X ) = P(( A1  N 2 )  ( N1  A2 )) = P( A1  N 2 ) + P( N1  A2 )

a) Dacă extragerile sunt cu revenire, atunci evenimentele A1 şi N2, respectiv N1 şi A2 sunt independente, deci:
10 15 10 15
P( X ) = P( A1 )  P( N 2 ) + P( A2 )  P( N1 ) =  +  = 0,48
25 25 25 25
b) Dacă extragerile sunt fără revenire, atunci evenimentele A1 şi N2, respectiv N1 şi A2 sunt dependente, deci
P( X ) = P( A1 )  P( N 2 / A1 ) + P( N1 )  P( A2 / N1 ) .

P( N 2 / A1 ) reprezintă probabilitatea de a obţine o bilă neagră la a doua extragere, ştiind că la prima extragere s-a obţinut o bilă albă, deci
nr de bile negre 15
P( N 2 / A1 ) = =
nr de bile ramase in urna 24

P( A2 / N1 ) reprezintă probabilitatea de a obţine o bilă albă la a doua extragere, ştiind că la prima extragere s-a obţinut o bilă neagră, deci
nr. de bile albe 10
P( A2 / N1 ) = =
nr de bile ramase in urna 24

Obţinem P( X ) = 10  15 + 15  10 = 0,5
25 24 25 24

8. Dintr-un lot format din 13 piese identice, dintre care 10 sunt corespunzătoare şi 3 sunt defecte, se controlează 4 piese, fără a pune piesa
controlată de fiecare dată înapoi în lot. Să se calculeze probabilităţile următoarelor evenimente:
a) prima piesă controlată este defectă, a doua şi a treia corespunzătoare, iar a patra este defectă;
b) toate piesele controlate sunt corespunzătoare;
c) cel puţin o piesă controlată este defectă;
d) o singură piesă dintre cele patru controlate este defectă.

Rezolvare:

Notăm cu Ai evenimentul ca piesa obţinută la extragerea "i" să fie corespunzătoare, i = 1,4 . Atunci Ai reprezintă evenimentul ca piesa obţinută la

extragerea "i" să fie defectă, i = 1,4 . Notăm cu A, B, C şi D evenimentele ale căror probabilităţi se cer la punctele a), b), c) şi d).

( ) ( ) ( ) ( ) (
a) P( A) = P A1  A2  A3  A4 = P A1  P A2 / A1  P A3 / A1  A2  P A4 / A1  A2  A3 = )
= 133  10
12  11  10 =
9 2 9
286

b) P( B) = P( A1  A2  A3  A4 ) = P( A1 )  P( A2 / A1 )  P( A3 / A1  A2 )  P( A4 / A1  A2  A3 ) =

= 10  9  8  7 = 143
13 12 11 10
42

c) ( ) ( ) ( ) ( ) ( ) (
P(C ) = P A1  A2  A3  A4 = P A1 + P A2 + P A3 + P A4 − P A1  A2 − )
( ) ( ) ( ) ( ) (
− P A1  A3 − P A1  A4 − P A2  A3 − P A2  A4 − P A3  A4 + P A1  A2  A3 + ) ( )
( ) ( ) ( ) (
+ P A1  A2  A4 + P A1  A3  A4 + P A2  A3  A4 − P A1  A2  A3  A4 ).
Se observă că evenimentul C este opusul evenimentului ca toate piesele controlate să fie corespunzătoare, deci probabilitatea de mai sus se poate
calcula mult mai simplu astfel:

( )
P(C ) = P A1  A2  A3  A4 = 1 − P( A1  A2  A3  A4 ) = 1 − 42 = 101 .
143 143

d) P( D) = P ((A  A  A  A )  (A  A  A  A )  (A  A  A  A )(A  A  A  A )) =
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4

12
 ( ) ( ) (
ev. incompatibile P A1  A2  A3  A4 + P A1  A2  A3  A4 + P A1  A2  A3  A4 + P A1  A2  A3  A4 = ) ( )
( ) ( ) (
ev. dependente P A1  P A2 / A1  P A3 / A1  A2  P A4 / A1  A2  A3 + ) ( )
( ) ( ) ( ) ( ) (
+ P( A1 )  P A2 / A1  P A3 / A1  A2  P A4 / A1  A2  A3 + P( A1 )  P( A2 / A1 )  P A3 / A1  A2  P A4 / A1  A2  A3 +)
(
+ P( A1 )  P( A2 / A1 )  P( A3 / A1  A2 )  P A4 / A1  A2  A3 = )
= 3  10  9  8 + 10  3  9  8 + 10  9  3  8 + 10  9  8  3 = 72
13 12 11 10 13 12 11 10 13 12 11 10 13 12 11 10 143

9. Un om de afaceri a investit în trei societăţi comerciale. S-a stabilit că o investiţie făcută la prima societate devine rentabilă după un an de
activitate probabilitatea 0,4, la a doua societate cu probabilitatea 0,8, iar la a treia cu probabilitatea 0,5. Ştiind că activităţile celor trei societăţi sunt
independente, se cere probabilitatea ca după un an de activitate:
a) să devină rentabile investiţiile făcute la toate societăţile;
b) cel puţin una din investiţiile făcute la cele trei societăţi să devină rentabilă;
c) să devină rentabile investiţiile făcute la exact două societăţi.

Rezolvare:
a) Notăm cu Ai evenimentul ca investiţia făcută la societatea i să devină rentabilă
după un an de activitate, i = 1,3 . Din enunţ rezultă: P(A1) = 0,4, P(A2) = 0,8 şi P(A3) = 0,5.

Fie A evenimentul ca toate investiţiile să devină rentabile după un an.

Deoarece evenimentele A1, A2 şi A3 sunt independente, rezultă:
P( A) = P( A1  A2  A3 ) = P( A1 )  P( A2 )  P( A3 ) = 0,4  0,8  0,5 = 0,16 .
b) Fie B evenimentul ca cel puţin o investiţie să devină rentabilă după un an.
Metoda I. Deoarece evenimentele A1, A2 şi A3 sunt compatibile, aplicăm formula lui Poincaré:
P( A) = P( A1  A2  A3 ) = P( A1 ) + P( A2 ) + P( A3 ) − P( A1  A2 ) − P( A2  A3 ) − P( A1  A3 ) + P( A1  A2  A3 ) =

= 0,4 + 0,8 + 0,5 − 0,4  0,8 − 0,8  0,5 − 0,4  0.5 + 0,4  0,8  0,5 = 0,94 .

( ) ( ) ( ) ( ) ( )
Metoda II. P( A) = P( A1  A2  A3 ) = 1 − P A1  A2  A3 = 1 − P A1  A2  A3 = 1 − P A1  P A2  P A3 = 1 − 0,06 = 0,94

c) Fie C evenimentul ca exact două investiţii să devină rentabile după un an. Avem:

(( ) (
P(C ) = P A1  A2  A3  A1  A2  A3  A1  A2  A3 . ) ( ))
Evenimentele A1  A2  A3 , A1  A2  A3 şi A1  A2  A3 sunt incompatibile două câte două, deci

( ) (
P(C ) = P A1  A2  A3 + P A1  A2  A3 + P A1  A2  A3 = ) ( )
( ) ( ) ( ) ( )
= P ( A1 )  P A2  P A3 + P A1  P ( A2 )  P A3 + P A1  P A2  P( A3 ) = ( ) ( )
= 0,4  0,2  0,5 + 0,6  0,8  0,5 + 0,6  0,8  0,5 = 0,52 .

10. O urnă conţine 5 bile albe şi 15 bile negre. Se cere probabilitatea ca extrăgând de 3 ori câte o bilă, fără a pune bila înapoi după fiecare extragere,
culorile bilelor să alterneze.

Rezolvare:
Notăm cu Ai evenimentul ca la extragerea i să apară o bilă albă şi cu Ni evenimentul ca la extragerea i să apară o bilă neagră, i = 1,3 . Fie X

evenimentul a cărui probabilitate se cere. Avem:

P( X ) = P(( A1  N 2  A3 )  ( N 1  A2  N 3 )) = P( A1  N 2  A3 ) + P( N 1  A2  N 3 ) =

= P ( A1 )  P ( N 2 / A1 )  P( A3 / A1  N 2 ) + P( N 1 )  P( A2 / N 1 )  P( N 3 / N 1  A2 ) =

= 5
20  19  18 + 15
15 4
20  19  18 =
5 14 51518
201918 = 15
76 = 0,1973 .

13
 11. În urma unui studiu făcut la o societate comercială, s-a constatat că 70% dintre angajaţi cunosc limba engleză, 60% cunosc limba franceză, iar
50% dintre angajaţi cunosc ambele limbi străine. Să se calculeze probabilităţile următoarelor evenimente:
a) A = un angajat al societăţii respective să cunoască limba engleză sau limba franceză;
b) B = un angajat să nu cunoască nici limba engleză, nici limba franceză;
c) C = un angajat să cunoască limba engleză şi să nu cunoască franceza;
d) D = un angajat să cunoască engleza, ştiind că el cunoaşte şi franceza;
e) D’ = un angajat să cunoască limba engleză, ştiind că el nu cunoaşte limba franceză.

Rezolvare:

Notăm cu E evenimentul ca un angajat să cunoască limba engleză şi cu F evenimentul ca un angajat să cunoască limba franceză. Avem:
P( E ) = 7 , P( F ) = 6 , P (E  F ) = 5 ;
10 10 10

a) P ( A) = P ( E  F ) = P ( E ) + P ( F ) − P ( E  F ) = 7
+ 106 − 105 = 108 ;
10

b) P( B) = P( E  F ) = P( E  F ) = 1 − P( E  F ) = 2 ;
10

c) P(C ) = P( E  F ) = P( E ) − P( E  F ) = 7
− 105 = 102 ;
10

d) P( D) = P( E / F ) = P( E  F ) =
5
5
10
6
= ;
P( F ) 10 6
2 2
e) P( E  F ) 1.
P( D ' ) = P( E / F ) = = 10 = 10 =
P( F ) 1− 6 4 2
10 10

12. Pentru evenimentele A şi B se cunosc următoarele: P( A  B) = 0,25 , P ( A  B ) = 0,4 ,

P (A  B) = 0,8. Să se calculeze probabilităţile: P (A ), P (B), P (A  B).

Rezolvare:

0,25 = P( A  B) = P( B) − P( A  B)  P( B) = 0,25 + P( A  B) (1) 0,4 = P( A  B) = P( A) − P( A  B)  P( A) = 0,4 + P( A  B) (2)

0,8 = P ( A  B) = P ( A) + P( B) − P( A  B) (3)
Înlocuind P(A) şi P(B) date de (1) şi (2) în relaţia (3), rezultă:
0,8 = 0,4 + P( A  B) + 0,25 + P( A  B) − P( A  B)  P( A  B) = 0,15
P ( B ) = 0,25 + 0,15  P ( B ) = 0,4 ; P ( A) = 0,4 + 0,15  P ( A) = 0,55

13. Pentru evenimentele A şi B se cunosc următoarele: P (A) = 0,5 şi P (A  B) = 0,8. Să se afle P (B) dacă:
a) A, B incompatibile;
b) A, B independente;
c) P (B / A) = 0,3.

Rezolvare:

a) Se ştie că P (A  B) = P (A) + P (B) - P (A  B) (1);.

Cum evenimentele A şi B sunt incompatibile rezultă P (A  B) = 0, prin urmare P (B) = 0,3.
b) Dacă A, B sunt independente rezultă P (A  B) = P (A)  P (B), prin urmare relaţia (1) devine:
0,8 = 0,5 + P (B) - 0,5  P (B), deci P (B) = 3/5.

c) Se ştie că P( B / A) = P( B  A) , prin urmare P (B  A) = P (B / A)  P (A) = 0,3  0,5 = 0,15.

P( A)
Din relaţia (1) obţinem P (B) = 0,8 – 0,5 + 0,15 = 0,45.

14
 14. Dintr-o urnă ce conţine patru bile de aceeaşi mărime, numerotate de la 1 la 4, se extrage o bilă. Considerăm următoarele evenimente:
A = bila extrasă are numărul 1 sau 2;
B = bila extrasă are numărul 1 sau 3;
C = bila extrasă are numărul 1 sau 4.
Să se cerceteze dacă evenimentele A, B, C sunt independente:
a) două câte două;
b) în totalitate.

Rezolvare:
a) Evenimentele A, B, C sunt independente două câte două dacă
P( A  B ) = P( A)  P(B ) , P( A  C ) = P( A)  P(C ) şi P(B  C ) = P(B )  P(C ) .
Folosind definiţia clasică a probabilităţii, avem că:

P( A) = P(B ) = P(C ) = 1 , P( A  B ) = P( A  C ) = P(B  C ) = 1 , prin urmare cele trei condiţii sunt îndeplinite şi rezultă că A, B, C sunt
2 4
independente două câte două.
b) Evenimentele A, B, C sunt independente în totalitate dacă
P( A  B ) = P( A)  P(B ) , P( A  C ) = P( A)  P(C ) , P(B  C ) = P(B )  P(C ) şi P( A  B  C ) = P( A)  P(B )  P(C ) .
Deoarece P( A  B  C ) = 1  P( A)  P(B )  P(C ) , rezultă că evenimentele A, B, C nu sunt independente în totalitate.
4

15. Un agregat are trei componente, la care pot apărea defecţiuni de funcţionare cu probabilităţile de respectiv: 0,075; 0,09; 0,082. Să se
determine:
a) probabilitatea minimă ca agregatul să funcţioneze (agregatul funcţionează numai dacă toate cele trei componente sunt funcţionabile);
b) probabilitatea maximă ca agregatul să funcţioneze.

Rezolvare:
a) Notăm cu Ai evenimentul "componenta i funcţionează", i = 1,3 , deci

P( A1 ) = 1 − 0,075 = 0,925 , P( A2 ) = 1 − 0,09 = 0,91, P( A2 ) = 1 − 0,082 = 0,918 .

Aplicăm inegaliatatea lui Boole: P( A1  A2  A3 )  P( A1 ) + P( A2 ) + P( A3 ) − 2 = 0,753 , prin urmare probabilitatea minimă ca
agregatul să funcţioneze este 0,753.

b) Avem că A1  A2  A3  Ai ,  i = 1,3 . De aici rezultă că

P( A1  A2  A3 )  P( Ai ),  i = 1,3  P( A1  A2  A3 )  min P( Ai )  P( A1  A2  A3 )  0,91 , deci probabilitatea maximă ca

i =1, 3

agregatul să funcţioneze este 0,91.

15
PROBLEME PROPUSE pentru secțiunea 1.2

1. O urnă conţine 1000 bile identice, numerotate de la 1 la 1.000. Să se determine probabilitatea ca extrăgând o bilă din această urnă să obţinem:
a) un număr divizibil cu 7;
b) un număr divizibil cu 2 sau cu 3;
c) un cub perfect;
d) un număr cu proprietatea că produsul cifrelor sale este un număr nenul, multiplu de 10;
e) un număr divizibil cu 3, care nu este multiplu de 5.
Să se rezolve problema în cazul unei urne conţinând n bile, unde n  N*.
R: a) 0,142; b) 0,667; c) 0,01; d) 0,224; e) 0,267.
2. Se aruncă două zaruri identice. Determinaţi probabilitatea ca:
a) suma numerelor de pe cele două zaruri să fie:
1) strict mai mică decât 7;
2) mai mare sau egală cu 7;
3) egală cu 10;
4) un pătrat perfect;
5) un cub perfect;
6) un număr divizibil cu 3;
7) un număr divizibil cu 3 şi cu 4;
8) un număr divizibil cu 3 sau cu 4;
b) produsul numerelor de pe cele două zaruri să fie:
1) un pătrat perfect;
2) un număr prim;
3) un număr divizibil cu 5;
4) un număr strict mai mare ca 20;
c) numărul de pe primul zar să fie divizibil cu cel de pe al doilea zar;
d) numărul de pe primul zar să fie dublul celui de pe al doilea zar;
e) numărul de pe primul zar să fie mai mare cu cel puţin două unităţi decât numărul de pe al doilea zar.
R: a) 1) 5/12; 2) 7/12; 3) 1/12; 4) 7/36; 5) 5/36; 6) 1/3; 7) 1/36; 8) 5/9.
b) 1) 2/9; 2) 1/6; 3) 11/36; 4) 1/6; c) 7/18; d) 1/12; e) 5/18.
3. O urnă conţine 8 bile albe şi 12 bile negre. Din această urnă se extrag 2 bile, punându-se înapoi prima bilă extrasă.
Se cere probabilitatea ca:
a) cele 2 bile să fie albe;
b) cele 2 bile să fie negre;
c) prima bilă să fie albă şi a doua neagră;
d) prima bilă să fie neagră şi a doua albă;
e) ambele bile să fie de aceeaşi culoare;
f) bilele să fie de culori diferite;
Să se rezolve această problemă şi în cazul în care prima bilă extrasă nu se mai pune înapoi în urnă.
R: Dacă extragerile sunt cu revenire: a) 4/25; b) 9/25; c) 6/25; d) 6/25; e) 13/25; f) 12/25.
Dacă extragerile sunt fără revenire: a) 14/95; b) 33/95; c) 24/95; d) 24/95; e) 47/95; f) 48/95.
4. Numerele 1, 2, 3,..., n se aşază la întâmplare. Care este probabilitatea ca numerele 1 şi 2 să fie aşezate în ordine crescătoare? R: 1/n.
5. O urnă conţine 5 bile albe şi 6 bile negre. Din urnă se scoate o bilă şi în locul ei se pune o bilă de cealaltă culoare, iar apoi se face o nouă
extragere. Se cere probabilitatea ca:
a) a doua bilă extrasă să fie neagră;
b) bilele extrase să fie de culori diferite;
c) a doua bilă extrasă să fie neagră, ştiind că prima bilă a fost albă.
R: a) 65/121; b) 71/121; c) 7/11.
6. Se aruncă 2 zaruri de 15 ori. Se cere probabilitatea de a obţine dubla (6, 6) să apară:
a) o singură dată;
b) cel puţin o dată.

R: a)
153514
36 15
( )
; b) 1 − 35
36
15

7. Se aruncă două zaruri. Se notează cu N numărul total de puncte obţinute pe cele două zaruri. Să se arate că
6− 7−k
P( N = k ) = ,  k = 2,12
36

8. Trei trăgători trag câte un foc asupra unei ţinte, independent unul
de altul. Primul nimereşte ţinta cu probabilitatea 2/3, al doilea cu probabilitatea 3/4, iar al treilea cu probabilitatea 4/5. Să se determine
probabilitatea ca:
a) ţinta să fie atinsă;
b) ţinta să fie atinsă o singură dată;
c) ţinta să fie atinsă de primul trăgător, ştiind că a fost atinsă;
d) ţinta să fie atinsă de al doilea trăgător, ştiind că a fost atinsă o singură dată.

16
 9. Se etalează pentru vânzare două produse, despre care se ştie că sunt solicitate de către cumpărători cu probabilităţile 0,6 şi 0,8. Se cere
probabilitatea de a se vinde:
a) exact un produs;
b) ambele produse;
c) cel puţin unul dintre produse;
d) nici un produs;
e) numai primul produs.
10. Un agent economic doreşte să-şi rentabilizeze activitatea economică. Apelează în acest scop la 3 firme de consultanţă, firme care oferă soluţii
de rentabilizare cu probabilităţile 0,9; 0,5 respectiv 0,6. Se cer probabilităţile evenimentelor:
a) toate cele trei firme oferă soluţii de rentabilizare;
b) exact două firme oferă soluţii de rentabilizare;
c) cel puţin o firmă oferă soluţii de rentabilizare;
d) cel mult două firme oferă soluţii de rentabilizare.

11. Într-un magazin, la sfârşitul unei zile, stocul din produsul P1 se termină cu probabilitatea 0,4, stocul din produsul P2 se termină cu
probabilitatea 0,3, iar stocul ambelor produse se termină cu probabilitatea 0,1. Să se determine probabilitatea ca:
a) să se termine cel puţin un stoc;
b) să se termine un singur stoc;
c) să se termine cel mult un stoc;
d) să nu se termine nici un stoc.
12. Se aruncă un zar până se obţine faţa cu 6 puncte. Care este probabilitatea de a face cel mult 3 aruncări până la apariţia feţei cu 6 puncte?
13. Se aruncă o monedă până când obţinem faţa cu stema. Care este probabilitatea să facem cel puţin 100 de aruncări până la obţinerea feţei cu
stema?
14. Fie (, K, P) un câmp de probabilitate şi A, B  K două evenimente independente. Ştiind că P ( A  B) = 1 şi că P( A) = 1 , să se afle
3 6
P ( B / A) . R: 2/5.
15. Fie (, K, P) un câmp de probabilitate şi A, B  K . Ştiind că P( A  B) = 0,01 , P( A  B) = 0,03 şi P ( A / B ) = 0,05 , să se
calculeze următoarele probabilităţi:
a) P(A), P(B);
(
b) P( A  B ) , P A  B ; )
(
c) P (B / A) , P A / B ; )
( )
d) P B / A ) şi P A / B .( )
R: a) 0,04; 0,2; b) 0,23; 0,77; c) 0,25; 0,0375; d) 0,19791(6); 0,9625.
16. Pentru evenimentele A, B, X se cunosc: P (A / X) = 0,22; P (A  X) = 0,11; P (B  X) = 0,16;
P (B  X) = 0,76; P (A) = 0,31. Să se calculeze următoarele probabilităţi:
a) P (B / X); b) P ( X); c) P (A  X); d) P (B).
R: a) 0,32; b) 0,5; c) 0,7; d) 0,42.
17. Profitul unui agent economic este condiţionat de îndeplinirea a trei factori: cifra de afaceri, cota de adaos comercial şi nivelul costurilor de
producţie. Aceşti factori se îndeplinesc cu probabilităţile 0,96; 0,85 şi 0,72.
Care este probabilitatea minimă ca agentul economic să aibă profit?
R: 0,53.
18. Se studiază angajaţii unei firme particulare, constatându-se că 80% dintre aceştia cunosc limba engleză, 98% dinte ei au studii liceale, iar
70% nu lucrează la o altă firmă particulară. Luând la întâmplare un angajat al respectivei firme, să se determine probabilitatea minimă ca acesta să
fie:
a) cunoscător de limba engleză, cu studii liceale şi care nu lucrează la o altă firmă particulară;
b) cunoscător de limba engleză, cu studii liceale care lucrează la o altă firmă particulară.
R: a) 0,08; b) 0,48.
19. Într-un lot sunt 100 de piese fabricate în trei ateliere. 50 de piese provin de la primul atelier, 25 de la al doilea atelier, 25 de la al treilea
atelier. Cele trei ateliere dau rebuturi cu probabilităţile 5%, 4%, 3%.
a) Să se determine probabilitatea ca o piesă aleasă la întâmplare să fie defectă.
b) Presupunând că piesa a fost aleasă şi s-a constatat că este corespunzătoare, să se afle cu ce probabilitate aceasta provine de la primul atelier.
R: a) 17/400; b) 190/383.
20. La un serviciu financiar sunt verificate lucrările a 3 funcţionari, care lucrează fără greşeală în proporţie de 93%, 85% şi respectiv 91%. Pentru
control primul funcţionar trimite 6 lucrări, al doilea 9 iar al treilea 9 lucrări. Se ia la întâmplare una din aceste lucrări.
a) Care este probabilitatea ca lucrarea aleasă să nu conţină erori ?
b) Ştiind că lucrarea a fost aleasă şi conţine erori, cu ce probabilitate
ea provine de la al doilea funcţionar?
c) Ştiind că lucrarea aleasă nu conţine erori, cu ce probabilitate ea provine de la al doilea funcţionar?
R: a) 357/400; b) 45/86; c) 255/714.
21. O urnă conţine 5 bile albe şi 10 bile negre. Se extrage o bilă de culoare necunoscută.
Care este probabilitatea ca a doua bilă extrasă să fie albă?
R: 1/3.

17
 22. Urnele de tip 1 au 35% bile albe şi 65% bile negre, iar urnele de tip 2 au 75% bile albe şi 25% bile negre. Avem 18 urne de tip 1 şi 9 urne de
tip 2. Se alege la întâmplare o urnă din care se scoate la întâmplare o bilă. Se cere probabilitatea ca bila extrasă să fie albă.
R: 29/60.
23. Pentru evenimentele A şi B se cunosc următoarele: P ( A  B ) = 0,24 , P( A  B) = 0,18 , P( A  B) = 0,16 . Să se calculeze
următoarele probabilităţi: a) P ( A) , P (B ) ; b) P ( A  B ) ; c) P( A  B) ; d) P ( A / B ) , P ( B / A) ; e) P ( A / B ) , P ( B / A) .
R: a) 0,4; 0,42; b) 0,58; c) 0,42; d) 0,(571428); 0,6; e) 0,724137; 0,3.
24. Urna U1 conţine 10 bile albe şi 5 bile negre, iar urna U2 conţine 6 bile albe şi 24 bile negre. Se transferă o bilă din urna U1 în urna U2, apoi se
extrage o bilă din urna U2.
Să se determine probabilitatea ca bila extrasă din urna U2 să fie albă.
R: 20/93.
25. Într-o urnă se află patru bile identice ca formă şi mărime, de culori diferite: roşu, galben, albastru şi verde. Fie A evenimentul ca la o
extragere din această urnă să apară o bilă roşie sau galbenă, B evenimentul ca la o extragere din această urnă să apară o bilă roşie sau albastră, iar C
evenimentul ca la o extragere din această urnă să apară o bilă roşie sau verde. Să se studieze dacă evenimentele A, B, C sunt independente:
a) două câte două;
b) în totalitate.
R: a) da; b) nu.
26. Se ştie că la piesele produse de o fabrică apar defecţiuni de montaj în proporţie de 3%, defecţiuni de turnare în proporţie de 5% şi defecţiuni
de vopsire în proporţie de 2%.
Să se determine probabilitatea ca o piesă produsă de această fabrică să fie:
a) defectă;
b) să aibă cel mult un tip de defecţiune.
R: a) 0,09693; b) 0,99696.
27. Se aruncă simultan şase zaruri. Să se determine probabilitatea ca pe feţele superioare ale zarurilor să apară:
a) toate numerele de la 1 la 6;
b) cel puţin o dată numărul 6;
c) cel puţin o dată un număr impar;
d) o singură dată numărul 1;
e) exact două numere pare.
R: a) 5! ; b) 1 − (5 )6 ; c ) 1 − ( 12 )6 ; d ) (5 )5 ; e ) 15 .
65 6 6 26
28. O persoană scrie n scrisori la n destinatari şi introduce scrisorile în n plicuri având scrise pe ele adresele celor n destinatari. Să se
determine probabilitatea ca cel puţin un destinatar să primească scrisoarea care i-a fost adresată.

2! 3! 4!
( )
R: 1 − 1 + 1 − 1 + ... + − 1 n−1 1
n!
29. Un lift transportă cinci persoane într-o clădire cu zece etaje. Se cere probabilitatea ca:
a) la fiecare etaj să coboare cel mult o persoană;
b) două persoane să coboare la acelaşi etaj, iar restul la etaje diferite.
Să se generalizeze problema şi să se rezolve.
30. Să se calculeze de câte ori trebuie aruncat un zar astfel încât probabilitatea ca pe faţa superioară a acestuia să apară numărul 1 cel puţin o dată
să fie de cel puţin 0,9.
R: de cel puţin 13 ori.
31. Fie ecuaţia ax2+bx+c = 0, ai cărei coeficienţi sunt daţi de numărul de puncte apărute pe faţa superioară a unui zar în trei aruncări consecutive.
Determinaţi probabilitatea ca ecuaţia să admită rădăcini reale. R: 43 / 63
32. Să se arate că dacă A1, A2,...,An sunt evenimente independente, atunci  n  n
P  Ai  = 1 −  1 − P( Ai )
 i =1  i =1
33. Se aruncă două zaruri simultan de 10 ori. Să se determine probabilitatea să apară:
a) cel puţin o dată o perechea (6, 6);
(36 ) (18 ) (18 )(18 )
b) cel puţin de două ori o pereche de numere consecutive. R: a)1 − 35 10 ; b)1 − 13 10 − 10  5 13 9

34. Dintr-o urnă ce conţine 5 bile albe şi 10 bile negre se fac patru extrageri fără revenire. Să se determine probabilitatea ca:
a) primele două bile extrase să fie albe;
b) a doua bilă extrasă să fie neagră;
c) a treia bilă extrasă să fie albă;
d) a doua bilă extrasă să fie neagră şi ultima să fie albă;
e) prima şi ultima bilă extrasă să fie albe.
35. Se consideră trei urne: U1 conţine 6 bile albe şi 4 bile negre, U2 conţine 5 bile albe şi 5 bile negre, U3 conţine 2 bile albe şi 8 bile negre. Se
extrage la întâmplare o bilă din una din aceste urne. Să se afle probabilitatea ca: a) bila extrasă să fie albă; b) bila extrasă să provină din prima urnă,
ştiind că aceasta este albă.
R: a) 13/30; b) 6/13.
36. Se consideră zece urne: două conţin câte 8 bile albe şi 4 bile negre, trei urne conţin câte 3 bile albe şi 9 bile negre, iar cinci urne conţin câte 6
bile albe şi 6 bile negre. Se extrage la întâmplare o bilă din una din urne.
Să se determine probabilitatea ca:
a) bila extrasă să fie neagră;

18
 b) bila extrasă să provină din una din cele cinci urne cu aceeaşi structură, ştiind că aceasta este albă.
R: a) 13/24; b) 6/11.
37. În componenţa unui aparat intră două piese identice. Aparatul funcţionează numai dacă ambele piese sunt corespunzătoare. Cele două piese
care se montează la acest aparat se extrag deodată la întâmplare dintr-un lot de 24 de piese, dintre care 6 piese sunt defecte şi restul corespunzătoare.
Să se determine probabilitatea ca:
a) aparatul să funcţioneze.
b) aparatul să funcţioneze abia după a doua extragere simultană a celor două piese.
R: a) 51/92; b) 0,3383.
38. Un lot format din 100 de produse este supus controlului de calitate. Se extrag cinci produse din lot, fără revenire. Dacă se găseşte un produs
defect, atunci lotul se respinge. Ştiind că 5% dintre produse sunt defecte, determinaţi probabilităţile evenimentelor:
a) lotul este acceptat; b) lotul este respins; c) lotul este respins după a treia verificare.
R: a) 0,769589; b) 0,230411; c) 0,046021.
39. Trei fabrici trimit acelaşi tip de piese într-un magazin, în cantităţi proporţionale cu 3, 4 şi 5. Cele trei fabrici produc piese defecte în proporţie
de respectiv: 4%, 3% şi 2%. S-a constatat că sunt defecte piese în valoare de 102 milioane u.m. Să se afle ce sumă din valoarea pieselor defecte trebuie
recuperată de la fiecare dintre cele trei fabrici.
R: Câte 36 milioane u.m. de la primele doua fabrici şi 30 milioane u.m. de la a treia fabrică.
40. Dintr-o urnă ce conţine 3 albe şi 2 negre se extrag 3 bile. Se consideră sistemul AX = b, unde  2 4 1   1  şi fie X  R3
   
A = −1 5 − 3 , b =  − 3
 3 −7 6   0
  
vectorul care are componenta "i" egală cu 1, respectiv cu 0 dacă la extragerea "i" s-a obţinut o bilă albă, respectiv neagră. Se cere probabilitatea
ca X să nu fie soluţie a sistemului dacă extragerile sunt: a) fără revenire; b) cu revenire.
41. Două persoane aruncă succesiv o monedă. Jocul este câştigat de acela care aruncă primul stema.
a) Să se calculeze, pentru fiecare dintre jucători, probabilitatea de a câştiga jocul.
b) Să se rezolve problema în cazul a 3 jucători.
R: a) 2/3 pentru jucătorul care începe jocul (aruncă primul moneda) şi 1/3 pentru celălalt.
42. Trei persoane joacă un joc după următorul regulament: mai întâi joacă A cu B şi C stă, apoi învingătorul joacă cu C şi învinsul stă ş.a.m.d.
Jocul este câştigat de cel care câştigă de două ori consecutiv. Ştiind că jucătorii sunt de valori egale (probabilitatea fiecăruia de a câştiga o partidă este
1/2), să se determine probabilitatea fiecărui jucător de a câştiga jocul.
R: 5/14 pentru A şi B, 4/14 pentru C.
43. Două persoane joacă un joc în sistemul 3 din 5 (jocul este câştigat de cel care câştigă 3 partide), punând fiecare o miză x. Se admite că cei doi
jucători sunt de valoare egală, adică probabilitatea fiecăruia de a câştiga o partidă este 1/2. Dacă jocul este întrerupt la scorul de 2-1 în favoarea unuia
dintre jucători, să se determine cum trebuie împărţită miza.
44. Într-o urnă se găsesc şase bile de aceeaşi formă şi mărime, numerotate de la 1 la 6. Fie A evenimentul ca la o extragere să apară o bilă cu
numărul 1, 2 sau 3, B evenimentul ca la o extragere să apară o bilă cu numărul 2, 3 sau 4 şi C evenimentul ca la o extragere să apară o bilă cu numărul
4, 5 sau 6. Stabiliţi dacă evenimentele A, B, C sunt independente:
a) două câte două; b) în totalitate.

46. Se consideră două loturi conţinând piese corespunzătoare şi piese defecte, astfel încât în lotul Li se găsesc ai piese corespunzătoare şi bi
piese defecte, ai , bi  N * , i = 1, 2 . Se transferă o piesă din primul lot în cel de-al doilea lot şi apoi se extrage la întâmplare o piesă din cel de-al
doilea lot. Se cere probabilitatea ca piesa extrasă să fie corespunzătoare.
45. Pe 16 cartonaşe se scriu literele care alcătuiesc cuvântul "teleenciclopedia" şi se introduc într-o urnă. Să se determine probabilitatea ca
efectuînd şase extrageri din această urnă, fără revenire, să se obţină cuvântul:
a) "ciclop"; b) "ploaie".

19
 Curs 2 PROBABILITĂŢI
1.2. INDEPENDENȚĂ. PROBABILITATE CONDIȚIONATĂ
FORMULA PROBABILITĂŢII TOTALE. FORMULA LUI BAYES

Definiţia 1. Spunem că A şi B sunt evenimente independente dacă P (A  B) = P (A)  P (B) .

Propoziția 1. Fie (Ω, 𝐾, P) câmp de probabilitate și 𝐴, 𝐵 ∈ 𝐾. Dacă 𝐴, 𝐵 sunt evenimente independente, atunci:
1) 𝐴̅, 𝐵 sunt evenimente independente;
2) 𝐴̅, 𝐵̅ sunt evenimente independente;
3) 𝐴, 𝐵̅ sunt evenimente independente.

Definiţia 2. Spunem că A1, A2 ,…, An sunt evenimente independente două câte două (mutual independente) dacă
P(𝐴𝑖 ∩ 𝐴𝑗 ) = P(𝐴𝑖 ) ∙ P(𝐴𝑗 ), ∀𝑖 ≠ 𝑗, 𝑖, 𝑗 ∈ ̅̅̅̅̅
1, 𝑛.

Definiţia 3. Spunem că evenimentele A1, A2 ,…, An sunt independente în totalitate dacă

P( Ai1  Ai2  ....  Aik ) = P( Ai1 )  P( Ai2 )  ....  P( Aik ),  k = 1, n,  1  i1  i 2  ...  i k  n

Exemplu. În cazul experienței de aruncare a unui zar, se consideră evenimentele:
A = apariția unui număr par; B = apariția unui multiplu de 3; C = apariția feței 6.
Stabiliți dacă: a) A, B independente; b) A,B,C independente două câte două; c) A,B,C independente în totalitate.

Definiţia 4. Fie (Ω, K, P) cămp de probabilitate şi B  K astfel încật P (B) > 0.

Se numeşte probabilitate condiţionată de evenimentul B a evenimentului A numărul:
P( A  B)
P( A / B) =
P( B)

Propoziţia 2. Fie A1, A2 ,…, An o familie finită de evenimente astfel încât  n  ; atunci
P  Ai   0
 i =1 
 n 
P  Ai  = P( A1 )  P( A2 / A1 )  P( A3 / A1  A2 )  ....  P( An / A1  A2  ...  An−1 )
 i =1 

Observaţie. Dacă A1, A2 ,…, An este o familie finită de evenimente independente în totalitate, atunci:
 n 
P  Ai  = P( A1 )  P( A2 )  P( A3 )  ....  P( An )
 i =1 
Observaţie. În cazul n = 2, avem:
 P( A)  P( B), pentru A, B evenimente independente
P( A  B) = 
 P( A)  P( B / A), pentru A, B evenimente dependente
Definiţia 5. Spunem că (A1, A2 ,…, An) este sistem complet de evenimente (partiție a evenimentului sigur) dacă verifică următoarele condiții:
1) Ai  A j = ,  i  j; i, j = 1, n și

n
2)
 Ai = 
i =1

Propoziţia 3. (Formula probabilităţii totale) Fie (Ω, K, P) cămp de probabilitate, (A1, A2 ,…, An)  K sistem complet de evenimente
şi X  K, cu P (X)  0. Atunci:
n
P( X ) =  P( Ai )  P( X / Ai )
i =1

1
Propoziţia 4. (Formula lui Bayes) Fie (Ω, K, P) cămp de probabilitate, (A1, A2 ,…, An)  K sistem complet de evenimente şi X  K, cu P (X)  0.
Atunci:

sau, altfel spus, P( Ai )  P( X / Ai )

P ( Ai )  P( X / Ai ) P( Ai / X ) =
P( Ai / X ) = P( X )
n
 P( Ai )  P( X / Ai )
i =1

1.3. SCHEME CLASICE DE PROBABILITATE

I. Schema lui Poisson

Se consideră n urne, fiecare urnă Ui, i = 1, n , conţinând bile albe şi bile negre.
Se ştie că probabilităţile evenimentelor ca, efectuând la întâmplare o extragere din urna Ui, i = 1, n , să apară o bilă albă, respectiv o bilă neagră, sunt
pi, respectiv qi ( pi + qi= 1).
Se extrage câte o bilă din fiecare urnă.
Probabilitatea ca, din cele n bile extrase, k să fie albe şi n – k să fie negre este:
P (n: k, n-k) = coeficientul lui t k din polinomul Q(t) = (p1 t + q1) (p2 t + q2)........ (pn t + qn)

II. Schema bilei revenite cu două stări (schema lui Bernoulli sau schema binomială)
Se consideră o urnă ce conţine bile albe şi bile negre. Se cunoaşte probabilitatea p  (0,1) ca extrăgând la întâmplare o bilă din urnă, aceasta să fie
albă (q = 1 – p este probabilitatea ca la o extragere din urnă să se obţină o bilă neagră).
Se fac n extrageri succesive din urnă, cu revenire.
Probabilitatea ca din cele n bile extrase k să fie albe şi n – k să fie negre este: P (n : k , n − k ) = C nk p k q n − k

Observaţie. Schema bilei revenite poate modela o experienţă cu două rezultate posibile: evenimentele A şi A , având probabilităţile p şi q de a se
realiza la orice repetare a experienţei, cu p, q > 0, p + q = 1.

Generalizare: Schema bilei revenite cu m stări (schema multinomială)

Se consideră o urnă care conţine bile de "m" culori. Se cunosc probabilitatăţile evenimentelor ca, extrăgând la întâmplare o bilă din urnă, aceasta să
m
fie de culoarea "i", i = 1, m , probabilităţi notate pi, cu p  (0,1),
i p
i =1
i =1
Se fac n extrageri succesive din urnă, cu revenire.
Probabilitatea ca din cele n bile extrase n1 să fie de culoarea "1", n2 să fie de culoarea "2", ……," nm" de culoarea "m", este:
n! n n nm
P(n : n1 , n2 ,...., nm ) = p 1  p 2 2  .......  p m
n1! n2 ! ........  nm ! 1

III. Schema bilei nerevenite cu două stări (schema hipergeometrică)

Se consideră o urnă care conţine N bile, dintre care N1 bile albe şi N2 bile negre.
Se fac n extrageri succesive din urnă, fără revenire.
k n−k
Probabilitatea ca din cele n bile extrase k să fie albe şi n-k negre este CN  CN
P(n : k , n − k ) = 1 2

n
CN
Generalizare: Schema bilei nerevenite cu "m" stări
Se consideră o urnă ce conţine N bile de m culori, dintre care N1 bile de culoarea "1",
N2 bile de culoarea "2",.., Nm bile de culoarea "m".
Se fac n extrageri succesive din urnă, fără revenire.
Probabilitatea ca din cele n bile extrase n1 să fie de culoarea "1", n1 de culoarea "2", …, nm de culoarea "m", este:
n n n
C N1  C N2  .........  C Nm
P ( n : n1 , n2 ,...., nm ) = 1 2 m

n
CN

IV. Schema lui Pascal (schema geometrică)

Se consideră o urnă care conţine bile albe şi bile negre. Se cunoaşte probabilitatea p  (0,1) ca extrăgând la întâmplare o bilă din urnă, aceasta să fie
albă ( q = 1 – p este probabilitatea ca la o extragere din urnă să se obţină o bilă neagră). Se fac extrageri succesive din urnă, cu revenire.
Probabilitatea ca prima bilă albă să apară exact la extragerea "k", primele k - 1 bile extrase fiind negre, este:
pk = p ∙ q k - 1

2
PROBLEME REZOLVATE

1. Se consideră două urne, prima (U1) conţinând opt bile numerotate de la 1 la 8, iar a doua (U2) şapte bile, numerotate de la 1 la 7. Să se
determine probabilitatea ca, făcând câte o extragere din fiecare urnă, să obţinem:
a) din prima urnă un număr impar, iar din cea de-a doua urnă un număr par;
b) două numere de parităţi diferite;
c) numărul înscris pe bila extrasă din prima urnă mai mic decât cel de pe bila extrasă din a doua urnă.

Rezolvare:
a) Notăm cu A evenimentul a cărui probabilitate se cere, A1 evenimentul ca la extragerea din U1 să apară o bilă cu un număr impar, iar A2
evenimentul ca din U2 să extragem o bilă cu un număr par. Avem că A = A1  A2.
Evenimentul A1 se realizează dacă la extragerea din prima urnă apare o bilă numerotată cu 1, 3, 5 sau 7, prin urmare P ( A ) = 4 = 1 .
1 8 2
Evenimentul A2 se realizează dacă la extragerea din a doua urnă apare o bilă numerotată cu 2, 4 sau 6, deci P( A ) = 3 .
2 7
Deoarece cele două extrageri se fac din urne diferite, rezultă că A1 şi A2 sunt evenimente independente, prin urmare:
P ( A) = P ( A  A ) = P ( A )  P ( A ) = 1  3 = 3 .
1 2 1 2 2 7 14
b) Notăm cu B evenimentul ca la extragerile efectuate din cele două urne să obţinem două numere de parităţi diferite.
Avem că B = X  Y , unde X reprezintă evenimentul ca din prima urnă să extragem un număr impar şi din a doua un număr par, iar Y este
evenimentul ca din prima urnă să extragem un număr par şi din a doua un număr impar.
Se observă că X este evenimentul A1  A2 , iar Y este evenimentul A1  A2 , unde A1 şi A2 sunt evenimentele considerate la punctul
precedent.
Prin urmare, P( X ) = 3 şi P(Y ) = P( A1  A2 ) = P( A1 )  P( A2 ) = 1  4 = 2 .
14 2 7 7
Deoarece evenimentele X şi Y sunt incompatibile (nu se pot realiza simultan), obţinem că P(B ) = P( X  Y ) = P( X ) + P(Y ) = 1 .
2
c) Notăm cu C evenimentul ca numărul înscris pe bila extrasă din prima urnă să fie mai mic decât cel de pe bila extrasă din a doua urnă. Vom
folosi definiţia clasică a probabilităţii.
Numărul cazurilor posibile este 7∙8 = 56. Cazurile favorabile realizării evenimentului C sunt:
(1,2) (1,3) (1,4) (1,5) (1,6) (1,7)
(2,3) (2,4) (2,5) (2,6) (2,7)
(3,4) (3,5) (3,6) (3,7)
(4,5) (4,6) (4,7)
(5,6) (5,7)
(6,7)
Numărul cazurilor favorabile este 21. Rezultă că P (C ) = 21 = 3 .
56 8

2. Doi studenţi susţin simultan un examen. Probabilitatea ca primul student să promoveze este 0,8, iar probabilitatea ca al doilea să promoveze
este 0,7. Să se calculeze probabilitatea ca:
a) ambii studenţi să promoveze examenul;
b) exact un student să promoveze;
c) cel puţin un student să promoveze;
d) numai primul student să promoveze.
Rezolvare:
Notăm cu A evenimentul ca primul student să promoveze examenul şi cu B evenimentul ca al doilea student să promoveze.

a) Cum cele două evenimente sunt independente, rezultă că probabilitatea ca ambii studenţi să promoveze examenul este:
P ( A  B ) = P ( A)  P ( B ) = 0,8  0,7 = 0,56

b) Probabilitatea ca exact un student să promoveze examenul este:

( )
P ( A  B)  ( A  B) = P( A  B) + P( A  B) = P( A)  P( B) + P( A)  P( B) = 0,8  0,3 + 0,2  0,7 = 0,38
c) Probabilitatea ca cel puţin un student să promoveze se scrie:
P( A  B) = P( A) + P ( B) − P( A  B) = P( A) + P( B ) − P( A)  P ( B) = 0,8 + 0,7 − 0,8  0,7 = 0,94

d) Probabilitatea ca numai primul student să promoveze se poate calcula astfel: ( ) ()

P A  B = P( A)  P B = 0,8  0,3 = 0,24 , având în
( )
vedere independenţa celor două evenimente, sau P A  B = P( A \ B ) = P( A) − P( A  B ) = 0,8 − 0,56 = 0,24 .

3
 3. Se aruncă un zar de 4 ori.
a) Să se afle probabilitatea ca faţa cu un punct să apară o singură dată.
b) Să se afle probabilitatea ca faţa cu un punct să apară cel puţin o dată.

Rezolvare:
a) Fie A evenimentul ca în 4 aruncări să apară o singură dată faţa cu un punct şi Ak evenimentul ca la aruncarea ”k” să apară faţa cu un punct.
( ) ( ) (
Rezultă că A = A1  A2  A3  A4  A1  A2  A3  A4  A1  A2  A3  A4  A1  A2  A3  A4 ) ( )
Deoarece evenimentele care compun reuniunea sunt incompatibile, rezultă:
( ) ( ) ( ) (
P ( A) = P A1  A2  A3  A4 + P A1  A2  A3  A4 + P A1  A2  A3  A4 + P A1  A2  A3  A4 ) şi deoarece evenimentele A , A ,
1 2

3
A3, A4 sunt independente şi P( A ) = 1 şi P( A ) = 5 ,  k = 1,4 , obţinem 1  5
k k P( A) = 4 P( A1 )  P( A2 )  P( A3 )  P( A4 ) = 4    
6 6 6  6
b) Notăm cu B evenimentul ca în 4 aruncări să apară cel puţin o dată faţa cu un punct. Opusul
evenimentului B, notat B , este evenimentul ca în 4 aruncări să nu apară nici o dată faţa cu un punct. Avem:

() ( ) ()
4 4
5 5
P B = P A1  A2  A3  A4 =   , deci P(B ) = 1 − P B = 1 −  
6 6

4. Într-o urnă sunt 10 bile albe şi 15 negre. Se extrag consecutiv două bile.
Să se calculeze probabilitatea de a obţine bile de culori diferite în ipotezele:
a) prima extragere este cu revenire;
b) prima extragere este fără revenire.
Rezolvare:
Notăm: A1 evenimentul ca la prima extragere să obţinem o bilă albă;
A2 evenimentul ca la a doua extragere să obţinem o bilă albă;
N1 evenimentul ca la prima extragere să obţinem o bilă neagră;
N2 evenimentul ca la a doua extragere să obţinem o bilă neagră.

Fie X evenimentul ca în cele două extrageri să obţinem bile de culori diferite. Deoarece evenimentele
((
A1  N 2 şi N1  A2 sunt incompatibile, rezultă că P( X ) = P A1  N 2  N1  A2 = ) ( )) P( A1  N 2 ) + P( N1  A2 )
a) Dacă extragerile sunt cu revenire, atunci evenimentele A1 şi N2, respectiv N1 şi A2 sunt independente, deci:
10 15 10 15
P( X ) = P( A1 )  P( N 2 ) + P( A2 )  P( N1 ) =  +  = 0,48
25 25 25 25
b) Dacă extragerile sunt fără revenire, atunci evenimentele A1 şi N2, respectiv N1 şi A2 sunt dependente, deci
P( X ) = P( A1 )  P( N 2 / A1 ) + P( N1 )  P( A2 / N1 ) .
P( N 2 / A1 ) reprezintă probabilitatea de a obţine o bilă neagră la a doua extragere, ştiind că la prima extragere s-a obţinut o bilă albă, deci
nr de bile negre 15
P( N 2 / A1 ) = =
nr de bile ramase in urna 24
P( A2 / N1 ) reprezintă probabilitatea de a obţine o bilă albă la a doua extragere, ştiind că la prima extragere s-a obţinut o bilă neagră, deci
nr. de bile albe 10
P( A2 / N1 ) = =
nr de bile ramase in urna 24
Obţinem P( X ) = 10  15 + 15  10 = 0,5
25 24 25 24

5. Dintr-un lot format din 13 piese identice ca formă şi mărime, dintre care 10 sunt corespunzătoare şi 3 sunt defecte, se controlează 4 piese, fără
a pune piesa controlată de fiecare dată înapoi în lot. Să se calculeze probabilităţile următoarelor evenimente:
a) prima piesă controlată este defectă, a doua şi a treia corespunzătoare, iar a patra este defectă;
b) toate piesele controlate sunt corespunzătoare;
c) cel puţin o piesă controlată este defectă;
d) o singură piesă dintre cele patru controlate este defectă.
Rezolvare:
Notăm cu Ai evenimentul ca piesa obţinută la extragerea "i" să fie corespunzătoare, i = 1,4 . Atunci Ai reprezintă evenimentul ca piesa obţinută la
extragerea "i" să fie defectă, i = 1,4 . Notăm cu A, B, C şi D evenimentele ale căror probabilităţi se cer la punctele a), b), c) şi d).

( ) ( ) ( ) ( ) (
a) P( A) = P A1  A2  A3  A4 = P A1  P A2 / A1  P A3 / A1  A2  P A4 / A1  A2  A3 = )
= 3
13  10
12   9
11
2
10 = 9
286
b) P( B) = P( A1  A2  A3  A4 ) = P( A1 )  P( A2 / A1 )  P( A3 / A1  A2 )  P( A4 / A1  A2  A3 ) =
= 10  9  8  7 = 143
13 12 11 10
42

4
 c) ( ) ( ) ( ) ( ) ( ) (
P(C ) = P A1  A2  A3  A4 = P A1 + P A2 + P A3 + P A4 − P A1  A2 − )
( ) ( ) ( ) (
− P A1  A3 − P A1  A4 − P A2  A3 − P A2  A4 − P A3  A4 + P A1  A2  A3 + ) ( ) ( )
( ) ( ) (
+ P A1  A2  A4 + P A1  A3  A4 + P A2  A3  A4 − P A1  A2  A3  A4 ) ( ).
Se observă că evenimentul C este opusul evenimentului ca toate piesele controlate să fie corespunzătoare, deci probabilitatea de mai sus se poate
calcula mult mai simplu astfel:
( ) ( ) ( )
P C = P A1  A2  A3  A4 = 1 − P A1  A2  A3  A4 = 1 − 42 = 101 .
143 143
d) P( D) = P ((A  A  A  A )  (A  A  A  A )  (A  A  A  A )(A  A  A  A )) =
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4

( ) ( ) (
ev. incompatibile P A1  A2  A3  A4 + P A1  A2  A3  A4 + P A1  A2  A3  A4 + P A1  A2  A3  A4 = ) ( )
( ) ( ) (
ev. dependente P A1  P A2 / A1  P A3 / A1  A2  P A4 / A1  A2  A3 + ) ( )
( ) ( ) ( ) (
+ P( A1 )  P A2 / A1  P A3 / A1  A2  P A4 / A1  A2  A3 + P( A1 )  P( A2 / A1 )  P A3 / A1  A2  P A4 / A1  A2  A3 + ) ( )
+ P( A1 )  P( A2 / A1 )  P( A3 / A1  A2 )  P A4 / A1  A2  A3 = ( )
= 3  10  9  8 + 10  3  9  8 + 10  9  3  8 + 10  9  8  3 = 72
13 12 11 10 13 12 11 10 13 12 11 10 13 12 11 10 143

6. Un om de afaceri a investit în trei societăţi comerciale. S-a stabilit că o investiţie făcută la prima societate devine rentabilă după un an de
activitate probabilitatea 0,4, la a doua societate cu probabilitatea 0,8, iar la a treia cu probabilitatea 0,5. Ştiind că activităţile celor trei societăţi sunt
independente, se cere probabilitatea ca după un an de activitate:
a) să devină rentabile investiţiile făcute la toate societăţile;
b) cel puţin una din investiţiile făcute la cele trei societăţi să devină rentabilă;
c) să devină rentabile investiţiile făcute la exact două societăţi.
Rezolvare:
a) Notăm cu Ai evenimentul ca investiţia făcută la societatea i să devină rentabilă
după un an de activitate, i = 1,3 . Din enunţ rezultă: P(A1) = 0,4, P(A2) = 0,8 şi P(A3) = 0,5.

Fie A evenimentul ca toate investiţiile să devină rentabile după un an.

Deoarece evenimentele A1, A2 şi A3 sunt independente, rezultă:
P( A) = P( A1  A2  A3 ) = P( A1 )  P( A2 )  P( A3 ) = 0,4  0,8  0,5 = 0,16 .
b) Fie B evenimentul ca cel puţin o investiţie să devină rentabilă după un an.

Metoda I. Deoarece evenimentele A1, A2 şi A3 sunt compatibile, aplicăm formula lui Poincaré:
P( A) = P( A1  A2  A3 ) = P( A1 ) + P( A2 ) + P( A3 ) − P( A1  A2 ) − P( A2  A3 ) − P( A1  A3 ) + P( A1  A2  A3 ) =
= 0,4 + 0,8 + 0,5 − 0,4  0,8 − 0,8  0,5 − 0,4  0.5 + 0,4  0,8  0,5 = 0,94 .
( ) ( )
Metoda II. P( A) = P( A1  A2  A3 ) = 1 − P A1  A2  A3 = 1 − P A1  A2  A3 = 1 − P A1  P A2  P A3 = 1 − 0,06 = 0,94 ( ) ( ) ( )
c) Fie C evenimentul ca exact două investiţii să devină rentabile după un an. Avem:
(( ) (
P(C ) = P A1  A2  A3  A1  A2  A3  A1  A2  A3 . ) ( ))
Evenimentele A1  A2  A3 , A1  A2  A3 şi A1  A2  A3 sunt incompatibile două câte două, deci

( ) (
P(C ) = P A1  A2  A3 + P A1  A2  A3 + P A1  A2  A3 = ) ( )
( ) ( ) ( )
= P ( A1 )  P A2  P A3 + P A1  P ( A2 )  P A3 + P A1  P A2  P( A3 ) = ( ) ( ) ( )
= 0,4  0,2  0,5 + 0,6  0,8  0,5 + 0,6  0,8  0,5 = 0,52 .

7. O urnă conţine 5 bile albe şi 15 bile negre. Se cere probabilitatea ca extrăgând de 3 ori câte o bilă, fără a pune bila înapoi după fiecare extragere,
culorile bilelor să alterneze.
Rezolvare:
Notăm cu Ai evenimentul ca la extragerea i să apară o bilă albă şi cu Ni evenimentul ca la extragerea i să apară o bilă neagră, i = 1,3 . Fie X
evenimentul a cărui probabilitate se cere. Avem:
P( X ) = P(( A1  N 2  A3 )  ( N 1  A2  N 3 )) = P( A1  N 2  A3 ) + P( N 1  A2  N 3 ) =
= P ( A1 )  P ( N 2 / A1 )  P( A3 / A1  N 2 ) + P( N 1 )  P( A2 / N 1 )  P( N 3 / N 1  A2 ) =
= 5
20  19  18 + 15
15 4
20  19  18 =
5 14 51518
201918 = 15
76 = 0,1973 .

5
 8. În urma unui studiu făcut la o societate comercială, s-a constatat că 70% dintre angajaţi cunosc limba engleză, 60% cunosc limba franceză, iar
50% dintre angajaţi cunosc ambele limbi străine. Să se calculeze probabilităţile următoarelor evenimente:
a) A = un angajat al societăţii respective să cunoască limba engleză sau limba franceză;
b) B = un angajat să nu cunoască nici limba engleză, nici limba franceză;
c) C = un angajat să cunoască limba engleză şi să nu cunoască franceza;
d) D = un angajat să cunoască engleza, ştiind că el cunoaşte şi franceza;
e) D’ = un angajat să cunoască limba engleză, ştiind că el nu cunoaşte limba franceză.

Rezolvare:
Notăm cu E evenimentul ca un angajat să cunoască limba engleză şi cu F evenimentul ca un angajat să cunoască limba franceză. Avem:
P( E ) = 107 , P( F ) = 106 , P ( E  F ) = 105 ;
a) P ( A) = P ( E  F ) = P ( E ) + P ( F ) − P ( E  F ) = 7
+ 106 − 105 = 108 ;
10

b) P( B) = P( E  F ) = P( E  F ) = 1 − P( E  F ) = 2 ;
10

c) P(C ) = P( E  F ) = P( E ) − P( E  F ) = 7
− 5
= 2 ;
10 10 10

d) P( D) = P( E / F ) = P( E  F ) =
5
5
10
6
= ;
P( F ) 10 6
2 2
e) P( E  F ) 1.
P( D ' ) = P( E / F ) = = 10 = 10 =
P( F ) 1− 6 4 2
10 10
9. Pentru evenimentele A şi B se cunosc următoarele: P( A  B) = 0,25 , P ( A  B ) = 0,4 ,
P (A  B) = 0,8. Să se calculeze probabilităţile: P (A ), P (B), P (A  B).
Rezolvare:
0,25 = P( A  B) = P( B) − P( A  B)  P( B) = 0,25 + P( A  B) (1) 0,4 = P( A  B) = P( A) − P( A  B)  P( A) = 0,4 + P( A  B) (2)
0,8 = P ( A  B) = P ( A) + P( B) − P( A  B) (3)

Înlocuind P(A) şi P(B) date de (1) şi (2) în relaţia (3), rezultă:

0,8 = 0,4 + P( A  B) + 0,25 + P( A  B) − P( A  B)  P( A  B) = 0,15

P ( B ) = 0,25 + 0,15  P ( B ) = 0,4 ; P ( A) = 0,4 + 0,15  P ( A) = 0,55

10. Pentru evenimentele A şi B se cunosc următoarele: P (A) = 0,5 şi P (A  B) = 0,8. Să se afle P (B) dacă:
a) A, B incompatibile;
b) A, B independente;
c) P (B / A) = 0,3.
Rezolvare:
a) Se ştie că P (A  B) = P (A) + P (B) - P (A  B) (1);.
Cum evenimentele A şi B sunt incompatibile rezultă P (A  B) = 0, prin urmare P (B) = 0,3.
b) Dacă A, B sunt independente rezultă P (A  B) = P (A)  P (B), prin urmare relaţia (1) devine:
0,8 = 0,5 + P (B) - 0,5  P (B), deci P (B) = 3/5.
c) Se ştie că P( B / A) = P( B  A) , prin urmare P (B  A) = P (B / A)  P (A) = 0,3  0,5 = 0,15.
P( A)
Din relaţia (1) obţinem P (B) = 0,8 – 0,5 + 0,15 = 0,45.

11. Dintr-o urnă ce conţine patru bile de aceeaşi mărime, numerotate de la 1 la 4, se extrage o bilă. Considerăm următoarele evenimente:
A = bila extrasă are numărul 1 sau 2;
B = bila extrasă are numărul 1 sau 3;
C = bila extrasă are numărul 1 sau 4.
Să se cerceteze dacă evenimentele A, B, C sunt independente: a) două câte două; b) în totalitate.
Rezolvare:
a) Evenimentele A, B, C sunt independente două câte două dacă
P( A  B ) = P( A)  P(B ) , P( A  C ) = P( A)  P(C ) şi P(B  C ) = P(B )  P(C ) .
Folosind definiţia clasică a probabilităţii, avem că:
P( A) = P(B ) = P(C ) = 1 , P( A  B ) = P( A  C ) = P(B  C ) = 1 , prin urmare cele trei condiţii sunt îndeplinite şi rezultă că A, B, C sunt
2 4
independente două câte două.
b) Evenimentele A, B, C sunt independente în totalitate dacă
P( A  B ) = P( A)  P(B ) , P( A  C ) = P( A)  P(C ) , P(B  C ) = P(B )  P(C ) şi P( A  B  C ) = P( A)  P(B )  P(C ) .
Deoarece P( A  B  C ) = 1  P( A)  P(B )  P(C ) , rezultă că evenimentele A, B, C nu sunt independente în totalitate.
4

6
 12. Un aparat are trei componente, la care pot apărea defecţiuni de funcţionare cu probabilităţile: 0,075; 0,09; 0,082. Să se determine:
a) probabilitatea minimă ca aparatul să funcţioneze (aparatul funcţionează numai dacă toate cele trei componente sunt funcţionabile);
b) probabilitatea maximă ca aparatul să funcţioneze.
Rezolvare:
a) Notăm cu Ai evenimentul "componenta i funcţionează", i = 1,3 , deci
P( A1 ) = 1 − 0,075 = 0,925 , P( A2 ) = 1 − 0,09 = 0,91, P( A2 ) = 1 − 0,082 = 0,918 .
Aplicăm inegaliatatea lui Boole: P ( A1  A2  A3 )  P ( A1 ) + P ( A2 ) + P ( A3 ) − 2 = 0,753 , prin urmare probabilitatea minimă ca
aparatul să funcţioneze este 0,753.

b) Avem că A1  A2  A3  Ai ,  i = 1,3 . De aici rezultă că

P( A1  A2  A3 )  P( Ai ),  i = 1,3  P( A1  A2  A3 )  min P( Ai )  P( A1  A2  A3 )  0,91 , deci probabilitatea maximă ca

i =1, 3
aparatul să funcţioneze este 0,91.

13. Într-un magazin se găsesc 100 de calculatoare de acelaşi tip, dintre care: 30 de la furnizorul F1, 50 de la F2 şi 20 de la F3. S-a observat că apar
defecţiuni în perioada de garanţie la 2% dintre calculatoarele fabricate de F1, la 4% dintre cele produse de F2 şi la 5% dintre cele provenind de la F3.
Să se determine probabilitatea ca:
a) un calculator din magazin să se defecteze în perioada de garanţie;
b) un calculator care se defectează în perioada de garanţie să provină de la al doilea furnizor;
c) un calculator care provine de la primul sau de la al treilea furnizor să se defecteze în perioada de garanţie;
d) un calculator care nu se defectează în perioada de garanţie să provină de la primul sau de la al doilea furnizor.

Rezolvare:
a) Notăm cu Ai evenimentul ca un calculator din magazin să provină de la furnizorul Fi, i = 1,3 şi cu X evenimentul ca un calculator luat la
întâmplare din magazin să se defecteze în perioada de garanţie. Din datele prezentate în enunţ rezultă:
P( A1 ) = 100
30
= 103 ; P( A2 ) = 105 ; P( A3 ) = 102 şi P( X / A1 ) = 2 ; P( X / A2 ) = 4 ; P( X / A3 ) = 5 .
100 100 100
3
Avem: Ai  A j = ,  i  j; i, j = 1,3 , deoarece un calculator din magazin provine de la un singur furnizor; de asemenea,  Ai = 
i =1
(evenimentul sigur), deoarece calculatoarele de tipul respectiv din magazin sunt produse numai de cei trei furnizori. Prin urmare,
(A1, A2, A3) este sistem complet de evenimente şi aplicăm formula probabilităţii totale:
P( X ) = P( A1 )  P( X / A1 ) + P( A2 )  P( X / A2 ) + P( A3 )  P( X / A3 ) = 103  100
2
+ 105  100
4
+ 102  100
5
= 1000
36
= 0,036
b) Probabilitatea ca un calculator care se defectează în perioada de garanţie să provină de la al doilea furnizor este P(A2 / X) şi se calculează cu

P ( A2 )  P ( X / A2 ) 10  100 20
5 4
ajutorul formulei lui Bayes, astfel:
P ( A2 / X ) = = = = 0,555
P( X ) 36 36
1000
c) Probabilitatea ca un calculator care provine de la primul sau de la al treilea furnizor să se defecteze în perioada de garanţie este:
P( X  ( A1  A3 )) P(( X  A1 )  ( X  A3 )) P( X  A1 ) + P( X  A3 )
P( X / A1  A3 ) = = = =
P( A1  A3 ) P( A1  A3 ) P( A1 ) + P( A3 )

P( A1 )  P( X / A1 ) + P( A3 )  P( X / A3 ) 10  100 + 10  100 16
3 2 2 5
= = = = 0,266
P( A1 ) + P( A3 ) 3
+ 2 60
10 10
d) Probabilitatea ca un calculator care nu se defectează în perioada de garanţie să provină de la primul sau de la al doilea furnizor este:

(
P A1  A2 / X = ) P(( A1 (A2))  X ) = P((A1  X )( )(A2  X )) = P(A1  X ) +( P)(A2  X ) =
PX PX PX

=
( ) (
P( A1 )  P X / A1 + P( A2 )  P X / A2
=
) 3  98 + 5  96
10 100 10 100
= 964
774 = 0,8029
PX ( ) 964
1000

14. Într-un depozit sunt aduse piese de acelaşi fel, fabricate în 2 ateliere. Primul atelier are 3 maşini şi produce în proporţie de 99% piese
corespunzătoare şi în proporţie de 1% piese defecte; al doilea atelier are 2 maşini şi produce în proporţie de 98% piese corespunzătoare şi în
proporţie de 2% piese defecte.
a) Care este probabilitatea ca o piesă luată la întâmplare din depozit să fie corespunzătoare, ştiind că fiecare maşină produce acelaşi număr de
piese în unitatea de timp?
b) Presupunem că se ia la întâmplare o piesă şi se constată că este rebut.
Cu ce probabilitate piesa rebut provine de la primul atelier?

7
Rezolvare:
a) Notăm cu A1, A2 evenimentele ca piesa să provină de la primul, respectiv de la al doilea atelier. Fie X evenimentul ca o piesă luată la
întâmplare din depozit să fie corespunzătoare.
Avem că P( A1 ) = 3 ; P( A2 ) = 2 .
5 5
(A1, A2) este sistem complet de evenimente, prin urmare, aplicând formula probabilităţii totale, obţinem:
P( X ) = P( A1 )  P( X / A1 ) + P( A2 )  P( X / A2 ) = 3  99 + 2  98 = 493 = 0,986
5 100 5 100 500
b) Fie Y evenimentul ca o piesă luată la întâmplare să fie rebut.

P( A1 )  P(Y / A1 ) 5  100 3
3 1
Avem: P (Y ) = 1 − P ( X ) = 0,014 . Aplicând formula lui Bayes, rezultă:
P( A1 / Y ) = = = = 0,428
P(Y ) 7 7
500

15. Trei unităţi de producţie ale unei fabrici de mobilă realizează o anumită piesă de mobilier. S-a observat că produsele realizate de cele trei unităţi
prezintă defecţiuni în proporţie de respectiv 0,8%, 0,5% şi 1%. Pentru a onora o cerere de export, cele trei unităţi trimit cantităţi proporţionale cu
numerele 5, 4 şi 6. În urma controlului de calitate făcut în vamă, s-a descoperit un produs cu defecte. S-a convenit ca într-o astfel de situaţie fiecare
unitate producătoare să fie penalizată cu o sumă proporţională cu probabilitatea ca produsul defect să provină de la aceasta.
Ştiind că penalizarea totală este de 12.000 u.m., să se determine suma ce va fi suportată de către fiecare unitate producătoare.
Rezolvare:
Notăm cu Si suma ce va fi suportată de unitatea i, i = 1,3 , deci S1 + S2+ S3 = 12.000 u.m.
Notăm cu Ai evenimentul ca un produs să provină de la unitatea i, i = 1,3 şi cu X evenimentul ca un produs oarecare din lot să prezinte defecte.
Vom determina probabilitatea ca produsul defect să provină de la unitatea i, adică P(Ai / X), pentru i = 1,3 .
Din datele prezentate în enunţ rezultă: P( A1 ) = 5 ; P( A2 ) = 4 ; P( A3 ) = 6 şi P( X / A ) = 8 ; P( X / A ) = 5 ; P( X / A ) = 10 .
15 15 15 1 1000 2 1000 3 1000

3
Avem că Ai  A j = ,  i  j; i, j = 1,3 , deoarece un produs din lot provine de la o singură unitate;  Ai =  , deoarece produsele din
i =1
lotul respectiv sunt realizate numai de cele trei unităţi. Prin urmare, (A1, A2, A3) este sistem complet de evenimente şi aplicăm formula probabilităţii
totale:
P( X ) = P( A1 )  P( X / A1 ) + P( A2 )  P( X / A2 ) + P( A3 )  P( X / A3 ) =
= 5  8 + 4  5 + 6  10 = 12 . Aplicând formula lui Bayes, obţinem:
15 1000 15 1000 15 1000 1500
P ( A1 )  P( X / A1 ) 15  1000 1
5 8
P( A1 / X ) = = =
P( X ) 12 3
1500

P ( A2 )  P ( X / A2 ) 15  1000 1
4 5
P( A2 / X ) = = =
P( X ) 12 6
1500

P( A3 )  P ( X / A3 ) 15  1000 1
6 10
P( A3 / X ) = = =
P( X ) 12 2
1500
Din condiţia că sumele suportate de cele trei unităţi sunt proporţionale cu probabilităţile de provenienţă a produsului defect, rezultă:
S1 S2 S3 S1 + S 2 + S 3 12.000
= = = =
P( A1 / X ) P( A2 / X ) P( A3 / X ) P( A1 / X ) + P( A2 / X ) + P( A3 / X ) 1
Rezultă: S1 = P(A1 / X) 12.000  S1 = 4.000 u.m.;
S2 = P(A2 / X) 12.000  S2 = 2.000 u.m.;
S3 = P(A3 / X) 12.000  S3 = 6.000 u.m.

16. Urna U1 conţine 3 bile albe şi 2 bile negre, iar urna U2 conţine 2 bile albe şi 3 bile negre. Din una din aceste urne s-a extras o bilă albă. Care
este probabilitatea ca bila extrasă să provină din prima urnă?
Rezolvare:
Notăm cu C1 evenimentul ca extragerea să se facă din U1 şi cu C2 evenimentul ca extragerea să se facă din U2.
Fie A evenimentul ca bila extrasă să fie albă.
(C1, C2) formează un sistem complet de evenimente, prin urmare, pentru a calcula probabilitatea ca bila extrasă să provină din prima urnă, vom
aplica formula lui Bayes: P(C1 )  P( A / C1 )
P(C1 / A) =
P( A)
Aplicăm formula probabilităţii totale: P( A) = P(C1 )  P( A / C1 ) + P(C 2 )  P ( A / C 2 )

Înlocuind P(C ) = P(C ) = 1 , P( A / C ) = 3 şi P( A / C ) = , obţinem: P( A) = 1  3 + 1  2 = 0,5 , deci

2
 0,3 3
1 3
1 2 2 1 5 2 5 2 5 2 5 P (C1 / A) = 2 5 = = = 0,6
0,5 0,5 5
Prin urmare, probabilitatea ca bila albă extrasă să provină din prima urnă este 0,6.

8
 17. Un magazin primeşte într-o zi 10 produse de acelaşi tip, dintre care 5 provin de la furnizorul F1, 3 provin de la furnizorul F2 şi restul de la
furnizorul F3. Care este probabilitatea ca din 4 produse vândute:
a) două să provină de la F2 şi câte unul de la ceilalţi furnizori?
b) toate să provină de la acelaşi furnizor?
c) unul singur să provină de la F3?
Rezolvare:
a) Problema poate fi modelată cu ajutorul unei urne conţinând bile de trei culori, din care se fac extrageri fără revenire.

5 F1 1 F1
se extrag
10 produse 3 F2 fără revenire
4 2 F2
2 F3 1 F3

Aplicând schema urnei cu bila nerevenită, obţinem: C51  C32  C 12

P (4 : 1, 2,1) = = 1 = 0,142857
4 7
C10
b) Fie B evenimentul ca toate produsele să provină de la acelaşi furnizor; acesta se realizează numai atunci când toate produsele provin de la F1,
prin urmare C54  C30  C 20 1
P ( B ) = P (4 : 4, 0, 0) = = = 0,0238
4 42
C10
c) Fie C evenimentul ca un singur produs să provină de la F3.
Se observă că, aplicând schema urnei cu bile de 3 culori, numărul situaţiilor în care se realizează evenimentul C este destul de mare.
Problema poate fi modelată mai uşor cu ajutorul unei urne conţinând bile de două culori: bilele albe reprezintă produsele ce provin de la F1 sau F2, iar
bilele negre sunt produsele care provin de la F3.

8 albe 3 albe
se extrag
10 bile fără revenire
4

2 negre 1 neagră
Obţinem: P (C ) = P ( 4 : 3,1) =
C83  C 12
= 8 = 0,53333
4 15
C10

18. Într-un magazin sunt trei cutii conţinând câte 20 de becuri. Prezintă defecte de fabricaţie: trei becuri din prima cutie, un bec din a doua cutie şi
patru becuri din a treia cutie. Un cumpărător solicită câte un bec din fiecare cutie.
Care este probabilitatea ca din cele trei becuri pe care le va primi:
a) toate să fie corespunzătoare;
b) unul singur să fie defect;
c) cel mult două să fie defecte;
d) cel puţin unul să fie corespunzător.
Rezolvare:
Notăm cu pi, respectiv qi, probabilităţile ca un bec din cutia ” i ” să fie defect, respectiv corespunzător, i = 1,3 . Structura celor trei cutii este
următoarea:
3 defecte p1 = 3
20
C1 : 20 becuri
17 corespunzătoare q1 = 17
20
1 defect p2 = 1
20
C2 : 20 becuri
19 corespunzătoare q2 = 19
20
4 defecte p3 = 4
20
C3 : 20 becuri
16 corespunzătoare q3 = 16
20

Vom aplica schema lui Poisson. Considerăm polinomul Q(t)= (p1 t + q1)(p2 t + q2)(p3 t + q3)
a) Probabilitatea ca din cele trei becuri, zero să fie defecte şi trei corespunzătoare este: P(3: 0, 3) = coeficientul lui t0 din polinomul Q(t);
P(3 : 0, 3) = q1q 2 q3 = 17  19  16 = 0,646
20 20 20
b) Probabilitatea ca din cele trei becuri unul singur să fie defect este:
P(3: 1, 2) = coeficientul lui t1 din polinomul Q(t); P(3 : 1, 2) = p1q2 q3 + q1 p2 q3 + q1q2 p3 = 20  20  20 + 17
3 19 16
20  20  20 + 20  20  20 = 0,3095
1 16 17 19 4

c) Fie C evenimentul ca din cele trei becuri cel mult două să fie defecte; C reprezintă evenimentul ca zero becuri să fie defecte sau un singur
bec să fie defect sau două becuri becuri să fie defecte, deci
P(C ) = P(3 : 0, 3) + P(3 : 1, 2) + P(3 : 2, 1)

9
P(3: 2, 1) = coeficientul lui t2 din polinomul Q(t); P(3 : 2,1) = p1 p 2 q3 + p1q 2 p3 + q1 p 2 p3 = 3
20  201  16
20 + 20  20  20 + 20  20  20 = 0,043 ,
3 19 4 17 1 4

prin urmare P (C) = 0,9985.

d) Fie D evenimentul ca din cel puţin un bec să fie corespunzător, adică un singur bec să fie corespunzător sau exact două să fie corespunzătoare
sau trei să fie corespunzătoare, deci: P(D ) = P (3 : 2,1) + P (3 : 1, 2) + P (3 : 0, 3) = 0,043 + 0,3095 + 0,646 = 0,9985
Această probabilitate poate fi calculată şi astfel: ( )
P(D ) = 1 − P D = 1 − P(3 : 3, 0) = 1 − p1 p 2 p3 = 1 − 0,0015 = 0,9985

19. În urma realizării unei campanii publicitare pentru promovarea unei mărci de cafea solubilă, s-a stabilit că din zece persoane care încearcă
acest tip de cafea două se decid să cumpere. Să se determine probabilitatea ca din opt persoane cărora li se prezintă noul tip de cafea:
a) jumătate să cumpere acest produs;
b) exact trei să nu cumpere;
c) cel mult două să nu cumpere;
d) cel puţin trei să cumpere, ştiind că minim două nu vor cumpăra.
Rezolvare:
Notăm cu p, respectiv q probabilitatea ca o persoană care încearcă noul tip de cafea să cumpere, respectiv să nu cumpere acest produs. Prin urmare
avem: p = 2 = 1 , q = 8 = 4
10 5 10 5
Problema descrie un experiment ("o persoană încearcă produsul") cu două rezultate posibile ( A = "persoana cumpără" şi A = "persoana nu
cumpără"):
cumpără produsul p = 1
5
O persoană care încearcă produsul
nu cumpără produsul q = 4
5
Se realizează acest experiment de opt ori.
Deoarece probabilităţile de apariţie a celor două rezultate sunt constante, conform observaţiei din breviarul teoretic vom aplica schema lui Bernoulli.
a) Probabilitatea ca din 8 persoane care încearcă produsul 4 să cumpere şi 4 să nu cumpere este:
4
()()4
P(8 : 4, 4) = C84 p 4 q 4 = C84 1 4 = 0,0458752
5 5
b) Se cere probabilitatea ca din opt persoane care încearcă produsul cinci să cumpere şi trei să nu cumpere:
P(8 : 5, 3) = C85 p 5 q 3 = C85 ( 15 ) () = 0,0091750
5 4 3
5

c) Notăm cu C evenimentul ca cel mult două persoane să nu cumpere.

P(C ) = P(8 :8, 0) + P(8 : 7, 1) + P(8 : 6, 2) = C88 (15 ) () + C87 (15 ) ( ) +C ( ) ( ) = 0,00123136
8 4 0 7 4 1 6 1 6 4 2
5 5 8 5 5

d) Fie D evenimentul a cărui probabilitate se cere. Notăm cu E evenimentul ca cel puţin trei persoane să cumpere şi cu F evenimentul ca
minim două persoane să nu cumpere. Avem:

P(8 : k , 8 − k )  C ( ) ( ) C ( ) ( )
6 6 6

P (E  F ) 
k 1 k 4 8− k k 1 k 4 8− k
8 5 5 8 5 5
P (D ) = P (E / F ) = = k =3
= k =3
= k =3
= 0,20272816
P (F )
 P(8 : k , 8 − k )  C ( ) ( ) 1 −  C8k (15 ) ()
6 6 8
k 1 k 4 8− k k 4 8− k
8 5 5 5
k =0 k =0 k =7

20. Dintre cele 30 de subiecte recomandate pentru examen de către profesorul de curs, un student a pregătit 20 de subiecte, pe care le poate prezenta
perfect . La examen fiecare subiect este scris pe câte un bilet, iar studentul trebuie să extragă cinci bilete la întâmplare şi să prezinte cele cinci subiecte
aflate pe bilete. Ştiind că pentru fiecare subiect la care răspunde corect va primi două puncte şi că nu se acordă nici un punct pentru rezolvări parţiale,
să se determine probabilitatea ca:
a) studentul să primească nota 10;
b) studentul să primească nota 6;
c) studentul să nu promoveze examenul.
Rezolvare:
Problema poate fi modelată cu ajutorul unei urne conţinând bile de două culori, din care se fac extrageri fără revenire.
a) Se cere probabilitatea ca din cele 5 subiecte extrase, 5 să fie rezolvate perfect.
20 pot fi rezolvate perfect 5 pot fi rezolvate perfect
se extrag
30 subiecte fără revenire 5
10 nu pot fi rezolvate perfect 0 nu pot fi rezolvate perfect
5 0
C 20  C10
P(5 : 5, 0) = = 0,027198
5
C30
3 2
b) Se cere probabilitatea ca din cele 5 subiecte extrase, exact 3 să fie rezolvate perfect: C 20  C10
P (5 : 3, 2) = = 0,35998
5
C30

10
 c) Fie C evenimentul ca studentul să nu promoveze examenul, adică să rezolve perfect 0, 1 sau 2 subiecte:
0 5
2 C 20  C10 C 120  C10
4 2
C 20 3
 C10
P(C ) =  P(5 : k , 5 − k ) = + + = 0,27283
5 5 5
k =0 C 30 C 30 C 30

21. Trei bănci acordă credite pentru finanţarea studiilor cu probabilităţile 0,8; 0,75, respectiv 0,82, independent una de alta. Un student se adresează
tuturor băncilor. Cu ce probabilitate el va primi:
a) trei răspunsuri favorabile;
b) exact două răspunsuri favorabile;
c) exact două răspunsuri nefavorabile;
d) nici un răspuns favorabil;
e) cel mult două răspunsuri favorabile .
Rezolvare:
Vom aplica schema lui Poisson.
Notăm cu pi, respectiv qi, probabilităţile ca un client care se adresează băncii Bi să primească un răspuns favorabil, respectiv nefavorabil, i = 1,3 .
Avem: p1= 0,8, p2= 0,75, p3= 0,82, q1= 0,2, q2= 0,25, q3= 0,18.
Q(t)= (p1 t + q1)(p2 t + q2)(p3 t + q3) = (0,8 t + 0,2)(0,75 t + 0,25)(0,82 t + 0,18).
a) P(3: 3, 0) = coeficientul lui t3 din polinomul Q(t);
P(3 : 3,0) = p1 p 2 p3 = 0,8  0,75  0,82 = 0,492 .
b) P(3: 2, 1) = coeficientul lui t2 din polinomul Q(t);
P(3 : 2,1) = p1 p 2 q 3 + p1 q 2 p 3 + q1 p 2 p 3 = 0,8  0,75  0,18 + 0,8  0,25  0,82 + 0,2  0,75  0,82 = 0,395
c) P(3: 1, 2) = coeficientul lui t1 din polinomul Q(t);
P(3 : 1,2) = p1q2 q3 + q1 p2 q3 + q1q2 p3 = 0,8  0,25  0,18 + 0,2  0,75  0,18 + 0,2  0,25  0,82 = 0,104
d) P(3: 0, 3) = coeficientul lui t0 din polinomul Q(t);
P(3 : 0,3) = q1  q 2  q3 = 0,2  0,25  0,18 = 0,003
e) Probabilitatea ca studentul să primească cel mult două răspunsuri favorabile este:
P(3:0,3) + P(3:1,2) + P(3:2,1) = 1 - P(3:3,0) = 0,508.

22. Se achiziţionează 4 piese similare de la 2 furnizori calificaţi A, B. Datele privind performanţele obişnuite ale furnizorilor, precum şi numărul
de piese cumpărate de la fiecare furnizor apar în tabelul următor:
Furnizor proporţie piese corespunzătoare proporţie piese rebut număr piese cumpărate
A 90% 10% 2
B 80% 20% 2
Să se determine probabilitatea ca printre cele patru piese cumpărate să avem:
a) patru piese corespunzătoare;
b) cel puţin o piesă corespunzătoare;
c) cel mult trei piese corespunzătoare.
Rezolvare:
Vom aplica schema lui Poisson. Notăm cu pi, respectiv qi, probabilităţile ca o piesă ce provine de la furnizorul "i" să fie corespunzătoare, respectiv
rebut, i = 1,2 . Avem:
p1 = 0,9; p2 = 0,8; q1 = 0,1; q2 = 0,2. Considerăm polinomul Q(t ) = ( p1t + q1 )2  ( p 2 t + q 2 )2 = (0,9t + 0,1)2  (0,8t + 0,2)2 .
a) P (4: 4, 0) = coeficientul lui t 4 din polinomul Q(t);
P(4 : 4,0) = p12  p 22 = 0,9 2  0,8 2 = 0,5184 .
b) Fie B evenimentul ca cel puţin o piesă să fie corespunzătoare. Avem că:
( ) ( ) ( ) ( ) (
P B = P 4 : 1,3 + P 4 : 2,2 + P 4 : 3,1 + P 4 : 4,0 = 1 − P 4 : 0,4 . ) ( )
Cum P(4 : 0,4 ) = q12  q 22 = 0,12  0,2 2 = 0,0004  P(B ) = 0.9996 ;
c) Fie C evenimentul ca cel mult trei piese să fie corespunzătoare. Avem:
P(C ) = (P 4 : 0,4) + P(4 : 1,3) + P(4 : 2,2) + P(4 : 3,1) = 1 − P(4 : 4,0) = 0,4816 .

23. Un magazin îşi îndeplineşte planul de desfacere a produselor pe o lună cu probabilitatea 0,75. Se cere probabilitatea ca magazinul să-şi
îndeplinească planul în opt din cele 12 luni ale unui an.
Rezolvare:
Asimilăm situaţia din problemă cu o experienţă având două rezultate posibile:
A = "magazinul îşi îndeplineşte planul" şi A = " magazinul nu îşi îndeplineşte planul".
Deoarece probabilitatea ca evenimentul A să se realizeze într-o probă oarecare este constantă, conform observaţiei făcute în breviarul teoretic vom
aplica schema bilei revenite.
Avem că P ( A) = p = 0,75 şi P( A) = q = 0,25 .
Aplicând formula din breviarul teoretic, obţinem: P(12 : 8,4) = C 8 (0,75 )8 (0,25 )4 = 0,193 .
12

11
 24. Se aruncă două zaruri de zece ori. Să se determine probabilitatea de a se obţine:
a) de exact patru ori suma 7;
b) de cel puţin opt ori suma 7.
Rezolvare:
În experienţa ce constă în aruncarea a două zaruri punem în evidenţă evenimentele:
A = "suma punctelor apărute pe feţele superioare ale zarurilor este 7" şi
A = " suma punctelor apărute pe feţele superioare ale zarurilor este diferită de 7".
Probabilităţile producerii acestor evenimente sunt constante în orice probă: P( A) = p = 6 = 1 şi P( A) = q = 5 , prin urmare vom aplica schema
36 6 6
bilei revenite.
4 6
a) Probabilitatea de a obţine de exact patru ori suma 7 este: P(10 : 4,6) = C 4 1 5 = 0,054
10 (6 ) (6 )
b) Probabilitatea de a se obţine de cel puţin opt ori suma 7 este:
P(10 : 8,2) + P(10 : 9,1) + P(10 : 10,0) = C108 ( 16 ) () + C109 ( 16 ) () + C10 (6 ) () = 0,0019
8 5 2 9 5 1 10 1 10 5 0
6 6 6

25. Se aruncă un zar de cinci ori. Care este probabilitatea ca de două ori să obţinem faţa cu un punct, de două ori faţa cu 6 puncte şi o dată nici una
dintre aceste două feţe?
Rezolvare:
În experienţa ce constă în aruncarea unui zar punem în evidenţă evenimentele:
A = "numărul de puncte de pe faţa superioară a zarului este 1 ";
B = "numărul de puncte de pe faţa superioară a zarului este 6 ";
C = "numărul de puncte de pe faţa superioară a zarului nu este 1 sau 6 ".

Probabilităţile producerii acestor evenimente sunt constante în orice probă: P(A) = p1 =1/6,
P(B) = p2 =1/6 şi P(C) = p3 =4/6, prin urmare vom aplica schema multinomială. Rezultă: 2 2 1
5!  1   1   4 
P (5 : 2,2,1) =       = 0,015
2 ! 2 ! 1!  6   6   6 
26. Într-o urnă se află 49 de bile numerotate 1, 2,…, 49. Se fac şase extrageri, fără a pune înapoi bila extrasă anterior.
Să se determine probabilitatea ca patru dintre numerele extrase să fie 7, 26, 14, 8, 3 sau 22.
Rezolvare:
Vom aplica schema bilei nerevenite.
Asimilăm cele 6 numere câştigătoare cu bile albe, iar restul de 43 de numere cu bile negre.
Probabilitatea cerută este: C64  C 432
P(6 : 4,2) = 6
= 0,000968
C 49

27. Un profesor de matematică pregăteşte pentru examenul oral al elevilor săi 20 de bilete, dintre care: 10 bilete de algebră, 7 de programare liniară
şi 3 de analiză matematică. Un elev extrage succesiv 3 bilete, fără a pune înapoi biletul extras. Se cere probabilitatea ca:
a) cele 3 bilete să fie de algebră;
b) un singur bilet din cele trei să fie de programare liniară;
c) cel puţin 2 bilete să fie de analiză ;
d) un bilet să fie de algebră, unul de programare liniară şi unul de analiză.
Rezolvare:
a) Aplicăm schema bilei nerevenite, asimilând biletele de algebră cu bilele albe, iar restul biletelor cu bilele negre. Rezultă:
3
C10  C10
0
P(3 : 3, 0) = 3
.
C20
b) Aplicăm schema bilei nerevenite, considerând biletele de programare liniară ca bile albe, iar restul biletelor ca bile negre. Rezultă:
C71  C13
2
.
P(3 : 1,2) = 3
C 20
c) Aplicăm schema bilei nerevenite, considerând biletele de analiză ca bile albe, iar restul biletelor ca bile negre. Rezultă că probabilitatea cerută
este: C 2  C1 C 3  C 0 .
P(3 : 2,1) + P(3 : 3, 0) = 3 3 17 + 3 3 17
C20 C20
d) Aplicăm schema bilei nerevenite pentru urna cu bile de mai multe culori. Rezultă:
1
C10  C71  C31 .
P(3 : 1,1,1) = 3
C 20

12
28. Probabilitatea ca o persoană juridică să găsească o bancă dispusă să o crediteze este 0,8. Să se determine probabilitatea ca persoana să obţină
creditul:
a) la a patra încercare;
b) din cel mult 3 încercări;
c) după cel puţin patru încercări nereuşite.

Rezolvare:
Vom aplica schema lui Pascal ( p = 0,8; q = 0,2). Notăm cu pk probabilitatea evenimentului ca persoana juridică să obţină creditul exact la
încercarea k , k  N * .
a) Probabilitatea cerută este: p4 = pq3 = (0,8)(0,2) 3 = 0,0064.
b) Pentru a face cel mult trei încercări, persoana juridică trebuie să obţină creditul din prima încercare , din a doua încercare sau din a treia
încercare. Probabilitatea cerută este:
p1 + p2 + p3 = p + pq + pq2 = 0,8 + 0,2  0,8 +0,22  0,8 = 0,992.
c) Probabilitatea ca persoana juridică să obţină creditul după cel puţin patru încercări nereuşite este:
1
p5 + p6 + ... + p n + .... = pq 4 + pq 5 + ..... + pq n + .... = pq 4  = q 4 = 0,0016 .
1− q

29. Se consideră trei urne notate U1 , U2 , U3. Se ştie că urna U1 conţine 4 bile albe şi 2 bile negre, urna U2 conţine 5 bile albe şi 5 bile negre, iar
urna U3 conţine 2 bile albe şi 4 bile negre. Din fiecare urnă se extrag câte 3 bile, cu revenire. Să se determine probabilitatea de a se obţine:
a) dintr-o urnă două bile albe şi una neagră, iar din celelalte urne orice altă combinaţie;
b) toate bilele extrase de aceeaşi culoare;
c) din două urne numai bile negre, iar din cealaltă urnă orice altă combinaţie.
Rezolvare:
a) Fie E experienţa ce constă în extragerea a 3 bile, cu revenire, dintr-o urnă oarecare. Fie A evenimentul ca în urma efectuării experienţei E să
obţinem două bile albe şi o bilă neagră. Notăm cu pi probabilitatea ca evenimentul A să se realizeze dacă extragerea se face din urna Ui, i = 1,3 şi
qi probabilitatea evenimentului contrar.

1 3
2 1
(6 ) (6 )
Folosind schema lui Bernoulli în cazul fiecărei urne, obţinem: p = C 2 4 2 = 4 , q = 1 − p = 5 ; p = C 2 5
1 1 2
9 3
2 5 1 3
= ,
9
(10 ) (10 ) 8

q 2 = 1 − p 2 = 5 ; p3 = C32 2 4
8 6 6
()()=
2 1 2 , q = 1− p = 7 .
9 3 3 9
Efectuarea experienţei E o singură dată pentru fiecare urnă.poate fi modelată cu ajutorul schemei lui Poisson, asimilând realizarea evenimentului
A cu "obţinerea unei bile albe" (din schema lui Poisson) şi nerealizarea acestuia cu "obţinerea unei bile negre".
Probabilitatea ca, în cele 3 produceri ale experienţei E, evenimentul A să se realizeze o singură dată este: P (3: 1, 2) = coeficientul lui t 1 din
polinomul
Q(t) = (p1 t + q1) (p2 t + q2)........ (pn t + qn). Obţinem: P(3 : 1,2 ) = p q q + q p q + q q p = 4  5  7 + 5  3  7 + 5  5  2 = 0,4552
1 2 3 1 2 3 1 2 3 9 8 9 9 8 9 9 8 9

b) Fie Ai evenimentul ca la extragerea din urna Ui să se obţină numai bile albe şi Ni evenimentul ca la extragerea din urna Ui să se obţină
numai bile negre, i = 1,3 . Probabilitatea ca toate cele 9 bile extrase să fie de aceeaşi culoare este:
p = P(( A1  A2  A3 )  (N 1  N 2  N 3 )) = P( A1  A2  A3 ) + P(N 1  N 2  N 3 ) =
= P( A1 )  P( A2 )  P( A3 ) + P( N1 )  P( N 2 )  P( N 3 ) .

1 3 (6 ) (6 ) 27 1 3
0 3
(6 ) (6 ) 27
Aplicănd schema lui Bernoulli în cazul fiecărei urne, obţinem: P( A ) = C 3 4 2 = 8 ; P( N ) = C 0 4 2 = 1 ;
3 0

P( A2 ) = C33 ( 5 ) ( 5 ) = 1 ; P(N 2 ) = C30 ( 5 ) ( 5 ) = 1 ; P( A3 ) = C33 (2 ) (4 ) = 1 ; P(N 3 ) = C30 (2 ) (4 ) = 8 .

3 1 0 3 3 0 0 3
10 10 8 10 10 8 6 6 27 6 6 27
Rezultă că probabilitatea cerută este: p = 8  1  1 + 1  1  8 = 2 = 0,00274
27 8 27 27 8 27 729
c) Fie E experienţa ce constă în extragerea a 3 bile, cu revenire, dintr-o urnă oarecare. Fie C evenimentul ca în urma efectuării experienţei E să
obţinem trei bile negre. Notăm cu pi probabilitatea ca evenimentul C să se realizeze dacă extragerea se face din urna Ui, i = 1,3 şi qi probabilitatea
evenimentului contrar.

1 3
0 3
(6 ) (6 )
Folosind schema lui Bernoulli în cazul fiecărei urne, obţinem: p = C 0 4 2 = 1 , q = 1 − p = 26 ; p = C 0 5
1 1 27 2 3
0 5 3 1
= ,
27
(10 ) (10 ) 8

8
0 3
q 2 = 1 − p 2 = 7 ; p3 = C30 2 4
6 6
()() = 8 ,
27
q3 = 1 − p3 = 19
27

Efectuarea experienţei E o singură dată pentru fiecare urnă poate fi modelată cu ajutorul schemei lui Poisson, asimilând realizarea evenimentului
C cu "obţinerea unei bile albe"(din schema lui Poisson) şi nerealizarea acestuia cu "obţinerea unei bile negre"(din schema lui Poisson).

Probabilitatea ca, în cele 3 produceri ale experienţei E, evenimentul C să se realizeze exact de două ori este:
P (3: 2, 1) = coeficientul lui t 2 din polinomul Q(t) = (p1 t + q1) (p2 t + q2)........ (pn t + qn). Obţinem:
P(3 : 2,1) = p1 p 2 q3 + p1q 2 p3 + q1 p 2 p3 = 1  1  19 + 1  7  8 + 26  1  8 = 0,0485
27 8 27 27 8 27 27 8 27

13
PROBLEME PROPUSE

PROBLEME PROPUSE

1. O urnă conţine 8 bile albe şi 12 bile negre. Din această urnă se extrag 2 bile, punându-se înapoi prima bilă extrasă.
Se cere probabilitatea ca:
a) cele 2 bile să fie albe;
b) cele 2 bile să fie negre;
c) prima bilă să fie albă şi a doua neagră;
d) prima bilă să fie neagră şi a doua albă;
e) ambele bile să fie de aceeaşi culoare;
f) bilele să fie de culori diferite;
Să se rezolve această problemă şi în cazul în care extragerile sunt fără revenire.
R: Dacă extragerile sunt cu revenire: a) 4/25; b) 9/25; c) 6/25; d) 6/25; e) 13/25; f) 12/25.
Dacă extragerile sunt fără revenire: a) 14/95; b) 33/95; c) 24/95; d) 24/95; e) 47/95; f) 48/95.

2. O urnă conţine 5 bile albe şi 6 bile negre. Din urnă se scoate o bilă şi în locul ei se pune o bilă de cealaltă culoare, iar apoi se face o nouă
extragere. Se cere probabilitatea ca:
a) a doua bilă extrasă să fie neagră;
b) bilele extrase să fie de culori diferite;
c) a doua bilă extrasă să fie neagră, ştiind că prima bilă a fost albă.
R: a) 65/121; b) 71/121; c) 7/11.

3. Trei trăgători trag câte un foc asupra unei ţinte, independent unul
de altul. Primul nimereşte ţinta cu probabilitatea 2/3, al doilea cu probabilitatea 3/4, iar al treilea cu probabilitatea 4/5. Să se determine
probabilitatea ca:
a) ţinta să fie atinsă;
b) ţinta să fie atinsă o singură dată;
c) ţinta să fie atinsă de primul trăgător, ştiind că a fost atinsă;
d) ţinta să fie atinsă de al doilea trăgător, ştiind că a fost atinsă o singură dată.
4. Se etalează pentru vânzare două produse, despre care se ştie că sunt solicitate de către cumpărători cu probabilităţile 0,6 şi 0,8. Se cere
probabilitatea de a se vinde:
a) exact un produs;
b) ambele produse;
c) cel puţin unul dintre produse;
d) niciun produs;
e) numai primul produs.
5. Un agent economic doreşte să-şi rentabilizeze activitatea economică. Apelează în acest scop la 3 firme de consultanţă, firme care oferă soluţii
de rentabilizare cu probabilităţile 0,9; 0,5 respectiv 0,6. Se cer probabilităţile evenimentelor:
a) toate cele trei firme oferă soluţii de rentabilizare;
b) exact două firme oferă soluţii de rentabilizare;
c) cel puţin o firmă oferă soluţii de rentabilizare;
d) cel mult două firme oferă soluţii de rentabilizare.

6. Într-un magazin, la sfârşitul unei zile, stocul din produsul P1 se termină cu probabilitatea 0,4, stocul din produsul P2 se termină cu
probabilitatea 0,3, iar stocul ambelor produse se termină cu probabilitatea 0,1. Să se determine probabilitatea ca:
a) să se termine cel puţin un stoc;
b) să se termine un singur stoc;
c) să se termine cel mult un stoc;
d) să nu se termine nici un stoc.
7. Se aruncă un zar până se obţine faţa cu 6 puncte. Care este probabilitatea de a face cel mult 3 aruncări până la apariţia feţei cu 6 puncte?
8. Se aruncă o monedă până când obţinem faţa cu stema. Care este probabilitatea să facem cel puţin 100 de aruncări până la obţinerea feţei cu
stema?
9. Fie (, K, P) un câmp de probabilitate şi A, B  K evenimente independente. Ştiind că P ( A  B) = 1 şi că P( A) = 1 , să se afle
3 6
P ( B / A) . R: 2/5.
10. Fie (, K, P) un câmp de probabilitate şi A, B  K . Ştiind că P( A  B) = 0,01 , P( A  B) = 0,03 şi P ( A / B ) = 0,05 , să se
calculeze următoarele probabilităţi:
a) P(A), P(B);
(
b) P( A  B ) , P A  B ; )
(
c) P (B / A) , P A / B ; )
( )
d) P B / A ) şi P A / B .( )
R: a) 0,04; 0,2; b) 0,23; 0,77; c) 0,25; 0,0375; d) 0,19791(6); 0,9625.

14
 11. Pentru evenimentele A, B, X se cunosc: P (A / X) = 0,22; P (A  X) = 0,11; P (B  X) = 0,16;
P (B  X) = 0,76; P (A) = 0,31. Să se calculeze probabilităţile: a) P (B / X); b) P ( X); c) P (A  X); d) P (B).
R: a) 0,32; b) 0,5; c) 0,7; d) 0,42.
12. Profitul unui agent economic este condiţionat de îndeplinirea a trei factori: cifra de afaceri, cota de adaos comercial şi nivelul costurilor de
producţie. Aceşti factori se îndeplinesc cu probabilităţile 0,96; 0,85 şi 0,72.
Care este probabilitatea minimă ca agentul economic să aibă profit?
R: 0,53.
13. Se studiază angajaţii unei firme particulare, constatându-se că 80% dintre aceştia cunosc limba engleză, 98% dinte ei au studii liceale, iar
70% nu lucrează la o altă firmă particulară. Luând la întâmplare un angajat al respectivei firme, să se determine probabilitatea minimă ca acesta să
fie:
a) cunoscător de limba engleză, cu studii liceale şi care nu lucrează la o altă firmă particulară;
b) cunoscător de limba engleză, cu studii liceale care lucrează la o altă firmă particulară.
R: a) 0,08; b) 0,48.
14. Într-un lot sunt 100 de piese fabricate în trei ateliere. 50 de piese provin de la primul atelier, 25 de la al doilea atelier, 25 de la al treilea
atelier. Cele trei ateliere realizează rebuturi cu probabilităţile 5%, 4%, 3%.
a) Să se determine probabilitatea ca o piesă aleasă la întâmplare să fie defectă.
b) Presupunând că piesa a fost aleasă şi s-a constatat că este corespunzătoare, să se afle cu ce probabilitate aceasta provine de la primul atelier.
R: a) 17/400; b) 190/383.
15. La un serviciu financiar sunt verificate lucrările a 3 funcţionari, care lucrează fără greşeală în proporţie de 93%, 85% şi respectiv 91%. Pentru
control primul funcţionar trimite 6 lucrări, al doilea 9 iar al treilea 9 lucrări. Se ia la întâmplare una din aceste lucrări.
a) Care este probabilitatea ca lucrarea aleasă să nu conţină erori ?
b) Ştiind că lucrarea a fost aleasă şi conţine erori, cu ce probabilitate
ea provine de la al doilea funcţionar?
c) Ştiind că lucrarea aleasă nu conţine erori, cu ce probabilitate ea provine de la al doilea funcţionar?
R: a) 357/400; b) 45/86; c) 255/714.
16. Dintr-o urnă ce conţine 5 bile albe şi 10 bile negre se extrag, fără revenire, două bile. Care este probabilitatea ca a doua bilă extrasă să fie albă?
R: 1/3.
17. Urnele de tip 1 au 35% bile albe şi 65% bile negre, iar urnele de tip 2 au 75% bile albe şi 25% bile negre. Avem 18 urne de tip 1 şi 9 urne de
tip 2. Se alege la întâmplare o urnă din care se scoate la întâmplare o bilă. Se cere probabilitatea ca bila extrasă să fie albă.
R: 29/60.
18. Pentru evenimentele A şi B se cunosc următoarele: P ( A  B ) = 0,24 , P( A  B) = 0,18 , P( A  B) = 0,16 . Să se calculeze
următoarele probabilităţi: a) P ( A) , P (B ) ; b) P ( A  B ) ; c) P( A  B) ; d) P ( A / B ) , P ( B / A) ; e) P ( A / B ) , P ( B / A) .
R: a) 0,4; 0,42; b) 0,58; c) 0,42; d) 0,(571428); 0,6; e) 0,724137; 0,3.
19. Urna U1 conţine 10 bile albe şi 5 bile negre, iar urna U2 conţine 6 bile albe şi 24 bile negre. Se transferă o bilă din urna U1 în urna U2, apoi se
extrage o bilă din urna U2.
Să se determine probabilitatea ca bila extrasă din urna U2 să fie albă.
R: 20/93.
20. Într-o urnă se află patru bile identice ca formă şi mărime, de culori diferite: roşu, galben, albastru şi verde. Fie A evenimentul ca la o
extragere din această urnă să apară o bilă roşie sau galbenă, B evenimentul ca la o extragere din această urnă să apară o bilă roşie sau albastră, iar C
evenimentul ca la o extragere din această urnă să apară o bilă roşie sau verde. Să se studieze dacă evenimentele A, B, C sunt independente:
a) două câte două;
b) în totalitate.
R: a) da; b) nu.
21. Se ştie că la piesele produse de o fabrică apar defecţiuni de montaj în proporţie de 3%, defecţiuni de turnare în proporţie de 5% şi defecţiuni
de vopsire în proporţie de 2%.
Să se determine probabilitatea ca o piesă produsă de această fabrică să fie:
a) defectă;
b) să aibă cel mult un tip de defecţiune.
R: a) 0,09693; b) 0,99696.
22. Se aruncă simultan şase zaruri. Să se determine probabilitatea ca pe feţele superioare ale zarurilor să apară:
a) toate numerele de la 1 la 6;
b) cel puţin o dată numărul 6;
c) cel puţin o dată un număr impar;
d) o singură dată numărul 1;
e) exact două numere pare.
R: a) 5! ; b) 1 − (5 )6 ; c ) 1 − ( 12 )6 ; d ) (5 )5 ; e ) 15 .
65 6 6 26
23. O persoană scrie n scrisori la n destinatari şi introduce scrisorile în n plicuri având scrise pe ele adresele celor n destinatari. Să se
determine probabilitatea ca cel puţin un destinatar să primească scrisoarea care i-a fost adresată.

2! 3! 4!
( )
R: 1 − 1 + 1 − 1 + ... + − 1 n−1 1
n!

15
 24. Să se calculeze de câte ori trebuie aruncat un zar astfel încât probabilitatea ca pe faţa superioară a acestuia să apară numărul 1 cel puţin o dată
să fie de cel puţin 0,9.
R: de cel puţin 13 ori.
25. Fie ecuaţia ax2+bx+c = 0, ai cărei coeficienţi sunt daţi de numărul de puncte apărute pe faţa superioară a unui zar în trei aruncări consecutive.
Determinaţi probabilitatea ca ecuaţia să admită rădăcini reale. R: 43 / 63
26. Să se arate că dacă A1, A2,...,An sunt evenimente independente, atunci  n  n
P  Ai  = 1 −  1 − P( Ai )
 i =1  i =1
27. Se aruncă două zaruri simultan de 10 ori. Să se determine probabilitatea să apară:
a) cel puţin o dată o perechea (6, 6);
(36 ) (18 ) (18 )(18 )
b) cel puţin de două ori o pereche de numere consecutive. R: a)1 − 35 10 ; b)1 − 13 10 − 10  5 13 9

28. Dintr-o urnă ce conţine 5 bile albe şi 10 bile negre se fac patru extrageri fără revenire. Să se determine probabilitatea ca:
a) primele două bile extrase să fie albe;
b) a doua bilă extrasă să fie neagră;
c) a treia bilă extrasă să fie albă;
d) a doua bilă extrasă să fie neagră şi ultima să fie albă;
e) prima şi ultima bilă extrasă să fie albe.
29. Se consideră trei urne: U1 conţine 6 bile albe şi 4 bile negre, U2 conţine 5 bile albe şi 5 bile negre, U3 conţine 2 bile albe şi 8 bile negre. Se
extrage la întâmplare o bilă din una din aceste urne. Să se afle probabilitatea ca: a) bila extrasă să fie albă; b) bila extrasă să provină din prima urnă,
ştiind că aceasta este albă.
R: a) 13/30; b) 6/13.
30. Se consideră zece urne: două conţin câte 8 bile albe şi 4 bile negre, trei urne conţin câte 3 bile albe şi 9 bile negre, iar cinci urne conţin câte 6
bile albe şi 6 bile negre. Se extrage la întâmplare o bilă din una din urne.
Să se determine probabilitatea ca:
a) bila extrasă să fie neagră;
b) bila extrasă să provină din una din cele cinci urne cu aceeaşi structură, ştiind că aceasta este albă.
R: a) 13/24; b) 6/11.
31. În componenţa unui aparat intră două piese identice. Aparatul funcţionează numai dacă ambele piese sunt corespunzătoare. Cele două piese
care se montează la acest aparat se extrag deodată la întâmplare dintr-un lot de 24 de piese, dintre care 6 piese sunt defecte şi restul corespunzătoare.
Să se determine probabilitatea ca:
a) aparatul să funcţioneze.
b) aparatul să funcţioneze abia după a doua extragere simultană a celor două piese.
R: a) 51/92; b) 0,3383.
32. Un lot format din 100 de produse este supus controlului de calitate. Se extrag cinci produse din lot, fără revenire. Dacă se găseşte un produs
defect, atunci lotul se respinge. Ştiind că 5% dintre produse sunt defecte, determinaţi probabilităţile evenimentelor:
a) lotul este acceptat; b) lotul este respins; c) lotul este respins după a treia verificare.
R: a) 0,769589; b) 0,230411; c) 0,046021.
33. Trei fabrici trimit acelaşi tip de piese într-un magazin, în cantităţi proporţionale cu 3, 4 şi 5. Cele trei fabrici produc piese defecte în proporţie
de respectiv: 4%, 3% şi 2%. S-a constatat că sunt defecte piese în valoare de 102 milioane u.m. Să se afle ce sumă din valoarea pieselor defecte trebuie
recuperată de la fiecare dintre cele trei fabrici.
R: Câte 36 milioane u.m. de la primele doua fabrici şi 30 milioane u.m. de la a treia fabrică.
34. Dintr-o urnă ce conţine 3 albe şi 2 negre se extrag 3 bile. Se consideră sistemul AX = b, unde  2 4 1   1  şi fie X  R3
   
A = −1 5 − 3 , b =  − 3
 3 −7 6   0
  
vectorul care are componenta "i" egală cu 1, respectiv cu 0 dacă la extragerea "i" s-a obţinut o bilă albă, respectiv neagră. Se cere probabilitatea
ca X să nu fie soluţie a sistemului dacă extragerile sunt: a) fără revenire; b) cu revenire.
35. Două persoane aruncă succesiv o monedă. Jocul este câştigat de acela care aruncă primul stema.
a) Să se calculeze, pentru fiecare dintre jucători, probabilitatea de a câştiga jocul.
b) Să se rezolve problema în cazul a 3 jucători.
R: a) 2/3 pentru jucătorul care începe jocul (aruncă primul moneda) şi 1/3 pentru celălalt.
36. Trei persoane joacă un joc după următorul regulament: mai întâi joacă A cu B şi C stă, apoi învingătorul joacă cu C şi învinsul stă ş.a.m.d.
Jocul este câştigat de cel care câştigă de două ori consecutiv. Ştiind că jucătorii sunt de valori egale (probabilitatea fiecăruia de a câştiga o partidă este
1/2), să se determine probabilitatea fiecărui jucător de a câştiga jocul.
R: 5/14 pentru A şi B, 4/14 pentru C.
37. Două persoane joacă un joc în sistemul 3 din 5 (jocul este câştigat de cel care câştigă 3 partide), punând fiecare o miză x. Se admite că cei doi
jucători sunt de valoare egală, adică probabilitatea fiecăruia de a câştiga o partidă este 1/2. Dacă jocul este întrerupt la scorul de 2-1 în favoarea unuia
dintre jucători, să se determine cum trebuie împărţită miza.
38. Într-o urnă se găsesc şase bile de aceeaşi formă şi mărime, numerotate de la 1 la 6. Fie A evenimentul ca la o extragere să apară o bilă cu
numărul 1, 2 sau 3, B evenimentul ca la o extragere să apară o bilă cu numărul 2, 3 sau 4 şi C evenimentul ca la o extragere să apară o bilă cu numărul
4, 5 sau 6. Stabiliţi dacă evenimentele A, B, C sunt independente:
a) două câte două; b) în totalitate.

16
 39. Se consideră n – 1 urne, fiecare conţinând câte n bile, astfel încât urna Ui conţine i bile albe şi n – i bile negre,  i = 1, n − 1 . Din
fiecare urnă se extrage câte o bilă. Să se determine probabilitatea de a se obţine:
a) numai bile de aceeaşi culoare;
b) o singură bilă albă;
c) cel puţin o bilă albă;
d) cel mult n – 3 bile negre.
40. Se consideră două loturi conţinând piese corespunzătoare şi piese defecte, astfel încât în lotul Li se găsesc ai piese corespunzătoare şi bi
piese defecte, ai , bi  N * , i = 1, 2 . Se transferă o piesă din primul lot în cel de-al doilea lot şi apoi se extrage la întâmplare o piesă din cel de-al
doilea lot. Se cere probabilitatea ca piesa extrasă să fie corespunzătoare.
41. Pe 16 cartonaşe se scriu literele care alcătuiesc cuvântul "teleenciclopedia" şi se introduc într-o urnă. Să se determine probabilitatea ca
efectuînd şase extrageri din această urnă, fără revenire, să se obţină cuvântul:
a) "ciclop"; b) "ploaie".
42. O grădină zoologică are 10 maimuţe, 12 tigri şi 20 ponei. Se ştie că se pot dresa 80% dintre maimuţe, 25% dintre tigri şi 90% dintre ponei.
Organizatorul unui spectacol de circ are nevoie de un animal pentru spectacol, pe care îl ia la întâmplare dintre cele trei specii de animale.
a) Care este probabilitatea ca animalul ales să poată fi dresat?
b) Ştiind că animalul ales poate fi dresat, cu ce probabilitate acesta este tigru?
43. Pentru fabricarea unui anumit produs se pot folosi două metode de fabricaţie. Se ştie că prin folosirea primei metode apar rebuturi în
proporţie de 8%, iar prin folosirea celei de-a doua apar rebuturi în proporţie de 3%. A doua metodă este mai scumpă şi, din această cauză, este
folosită doar în proporţie de 30%. Dacă un produs fabricat este defect, care este probabilitatea ca acesta să fi fost realizat prin prima metodă?
44. Dintr-o urnă ce conţine 6 bile albe şi 4 bile negre se extrage o bilă şi în locul ei se pune o bilă de cealaltă culoare, apoi se face o nouă
extragere. Să se afle probabilitatea ca:
a) la cele două extrageri să se obţină bile albe;
b) la cele două extrageri să se obţină bile de culori diferite;
c) a doua bilă extrasă să fie albă;
d) a doua bilă extrasă să fie neagră, ştiind că prima bilă extrasă este albă.
45. O autobază are în dotare 300 autobuze, 100 tramvaie şi 200 troleibuze. S-a observat că în decursul unei zile se defectează 1% din autobuze,
3% din tramvaie şi 4% din troleibuze. O societate închiriază pentru o zi un vehicul.
a) Care este probabilitatea ca vehiculul să se defecteze?
b) Ştiind că vehiculul închiriat se defectează, cu ce probabilitate acesta este autobuz?
46. Un test folosit pentru diagnosticarea unei anumite boli are o acurateţe de 90% (adică, dacă o persoană are boala respectivă, rezultatul testului
este pozitiv cu probabilitatea 0,9, iar dacă persoana nu are boala respectivă, rezultatul testului este negativ cu probabilitatea 0,9). Se ştie că boala
respectivă apare în medie la 1% dintre persoane.
a) Dacă rezultatul testului este pozitiv la o persoană luată la întâmplare, care este probabilitatea ca persoana să aibă această boală?
b) Dacă rezultatul testului este negativ la o persoană luată la întâmplare, care este probabilitatea ca persoana să nu aibă această boală?
47. Se ştie că în urma desfăşurării examenului pentru obţinerea permisului de conducere s-a înregistrat următoarea situaţie:
Bărbaţi Femei
Promovat 24 36
Nepromovat 16 24
Presupunem că se ia la întâmplare o persoană din cele 100.
a) Care este probabilitatea persoana aleasă să fie bărbat, ştiind că a promovat examenul?
b) Care este probabilitatea ca persoana să fi promovat examenul, ştiind că este bărbat?
c) Stabiliţi dacă evenimentele: A = "o persoană din cele 100 promovează examenul" şi B = "o persoană din cele 100 este bărbat" sunt
independente.

48. Într-un depozit sunt patru seturi a câte 12 farfurii. Prezintă defecte de fabricaţie: două farfurii din primul set, trei farfurii din al doilea set, o
farfurie din al treilea set şi patru farfurii din setul patru. Din fiecare set se ia câte o farfurie. Care este probabilitatea să rezulte:
a) trei farfurii fără defecte şi una cu defecte;
b) cel puţin trei farfurii fără defecte de fabricaţie.

49. S-a stabilit că în medie 70% din piesele produse de o maşină automată sunt de calitatea I, 20% de calitatea a II-a şi restul de calitatea a III-a.
Să se determine probabilitatea ca extrăgând simultan patru piese dintr-un lot de 20 piese produse de această maşină să apară:
a) două piese de calitatea I şi câte una de celelalte două calităţi;
b) toate piesele de aceeaşi calitate;
c) nici o piesă de calitatea a III-a;
d) cel puţin o piesă de calitatea I;
e) cel mult două piese de calitatea a III-a.

50. Patru camioane transportă fructe de calităţi diferite, ambalate în lăzi identice. Fructele de calitatea I deţin următoarele ponderi: în primul camion
95%, în al doilea 80%, în al treilea 75% iar în al patrulea 70%. Se ia câte o ladă din fiecare camion pentru recepţie calitativă. Se cere probabilitatea
ca:
a) trei dintre ele să nu fie de calitatea I;
b) cel mult două lăzi să conţină fructe de calitatea I.

17
 51. S-a stabilit că, în medie, din trei persoane care se adresează unei agenţii de turism, una cumpără bilete şi două nu cumpără. Să se determine
probabilitatea ca din opt persoane ce se adresează agenţiei:
a) trei să cumpere şi restul să nu cumpere bilete;
b) toate să cumpere;
c) cel mult trei să nu cumpere;
d) cel puţin patru să cumpere.
52. Se dau patru urne; U1 conţine 3 bile albe şi 4 bile negre, U2 conţine 2 bile albe şi 5 bile negre, U3 conţine 6 bile albe şi 2 bile negre, U4 conţine
4 bile albe şi 3 bile negre. Din prima urnă se fac 3 extrageri cu revenire, iar din celelalte trei se face câte o extragere. Se cere probabilitatea să obţinem:
a) 2 bile albe şi o bilă neagră din prima urnă sau 2 bile albe şi una neagră din următoarele 3 urne;
b) toate bilele de aceeaşi culoare;
c) numai bile albe din prima urnă sau din următoarele trei urne.
53. La deschiderea bursei se pun în vânzare 100 pachete de acţiuni, dintre care 30 sunt ale societăţii A, 50 sunt ale societăţii B, iar restul sunt ale
societăţii C. Ştiind că până la momentul închiderii bursei s-au vândut 30 pachete de acţiuni, se cere probabilitatea ca acestea să provină:
a) 5 de la A, 7 de la B şi restul de la C;
b) toate de la aceeaşi societate;
c) 6 de la B şi cel puţin 2 de la C;
d) nici una de la B;
e) 3 de la A şi cel mult 2 de la B.
54. Se experimentează trei prototipuri de aparate, câte unul din fiecare prototip. Probabilitatea ca un prototip să corespundă este de respectiv 0,8
; 0,6 şi 0,5. Să se afle probabilitatea ca:
a) toate cele 3 aparate să corespundă;
b) un singur aparat să nu corespundă;
c) cel puţin 2 aparate să corespundă;
d) cel mult două aparate să nu corespundă.

55. Se aruncă un zar până la apariţia feţei cu 6 puncte. Să se determine probabilitatea ca:
a) faţa cu 6 puncte să apară pentru prima dată la a trei aruncare;
b) faţa cu 6 puncte să nu apară în una din primele cinci aruncări;
c) cel mult în primele 4 aruncări să apară un număr diferit de 6.
56. Într-un atelier sunt trei maşini. Prima dă 0,9% rebuturi, a doua 1% iar a treia 1,3%. Se ia la întâmplare câte o piesă de la fiecare maşină. Să se
determine probabilitatea ca cel puţin două din piesele luate să fie corespunzătoare.
57. Un studiu statistic privind rentabilitatea agenţilor economici la sfârşitul unui an relevă că în medie 70% din aceştia au o activitate eficientă
(încasările sunt strict mai mari decât cheltuielile), 10% dau faliment (încasările sunt strict mai mici decât cheltuielile) şi 20% ating pragul minim de
rentabilitate (încasările sunt egale cu cheltuielile). În ipoteza unei economii stabile se anticipează rezultatele activităţii după un an la 10 firme. Să se
determine probabilitatea ca:
a) şase firme să aibă o activitate eficientă, 3 firme să atingă pragul minim de rentabilitate şi o firmă să dea faliment;
b) cel puţin şase firme să aibă o activitate eficientă şi cel mult o firmă să dea faliment;
c) nici o firmă să nu dea faliment.
58. La un magazin, în trei rafturi, se găsesc cămăşi de trei culori: în primul raft cămăşi albe, 7 de talia I şi 3 de talia II, în al doilea raft cămăşi
albastre, 4 de talia I şi 8 de talia II, iar în al treilea raft cămăşi roşii, 2 de talia I şi 6 de talia II. Un cumpărător cere câte o cămaşă din fiecare raft. Să
se afle probabilitatea ca:
a) două cămăşi să fie de talia I şi una să fie de talia II;
b) toate cămăşile să fie de talia I;
c) cel puţin una să fie de talia I;
d) toate să fie de aceeaşi talie.
59. Se aruncă o monedă până la apariţia stemei. Să se determine probabilitatea ca:
a) stema să apară pentru prima dată la a şaptea aruncare;
b) stema să apară pentru prima dată în una din primele 6 aruncări;
c) cel mult în primele 4 aruncări să nu apară stema;
d) stema să nu apară în una din primele 5 aruncări.
60. Într-o cutie sunt 100 de becuri, dintre care 60 roşii, 30 galbene, 10 albastre. O persoană cumpără 10 becuri. Care este probabilitatea ca distribuţia
anterioară să se regăsească în acest eşantion de 10 bucăţi?

61. Doi adversari cu şanse egale joacă şah. Pentru unul dintre ei, ce este mai probabil să câştige:
a) trei partide din patru jucate sau şase partide din opt jucate?
b) cel puţin trei partide din patru jucate sau cel puţin şase partide din opt jucate?

62. Într-o urnă sunt 15 bile, dintre care 4 sunt albe, 5 negre şi 6 roşii. Se extrag 3 bile fără revenire. Se cere probabilitatea ca:
a) toate să fie de aceeaşi culoare;
b) primele două să fie roşii şi a treia să fie neagră;
c) să fie două de o culoare şi una de altă culoare;
d) prima şi ultima să fie albe;
e) bilele extrase să fie de culori diferite.

18
 63. Din producţia realizată de o maşină automată care realizează 5% piese defecte se extrag la întâmplare piese până la obţinerea primei piese
defecte. Se cere probabilitatea ca:
a) prima piesă defectă să se obţină la a zecea extragere;
b) cel mult primele 5 piese să fie corespunzătoare;
c) prima piesă defectă să nu apară în una din primele 4 extrageri.
64. O societate comercială are şase debitori. Probabilitatea ca la sfârşitul unei luni un debitor să fie solvabil este 0,7. Să se determine
probabilitatea ca:
a) toţi debitorii să fie solvabili;
b) cel puţin doi debitori să fie solvabili;
c) patru debitori să nu fie solvabili;
d) cel mult 3 debitori să nu fie solvabili.
65. Într-o pungă se găsesc 50 bilete de loterie, dintre care 7 sunt câştigătoare. Se cere:
a) probabilitatea ca din 10 bilete extrase nici unul să nu fie câştigător;
b) probabilitatea ca din 10 bilete extrase unul să fie câştigător;
c) câte bilete trebuie extrase pentru ca şansa de a găsi unul câştigător sa fie de cel puţin 50%?
66. La un magazin se vând patru sortimente ale unui anumit produs, notate s 1, s2, s3 şi s4, care au următoarele ponderi în volumul vânzărilor: 10%,
20%, 30% şi respectiv 40%. Se consideră 20 de cumpărători dintre clienţii magazinului şi se anticipează solicitările acestora. Se cere probabilitatea
ca:
a) 5 să cumpere s1, 4 să cumpere s2, 3 să cumpere s3 şi restul s4;
b) să nu fie cumpărate s2 şi s4;
c) 8 să cumpere s1 sau s3 şi restul celelalte sortimente;
d) 3 să cumpere s3 şi cel puţin 2 să cumpere s4.
67. Probabilitatea ca într-o anumită regiune o zi din luna iunie să fie ploioasă este 0,2. Să se determine probabilitatea ca în regiunea respectivă,
într-o săptămână din luna iunie, să fie:
a) numai trei zile ploioase;
b) cel puţin patru zile fără ploaie;
c) nici o zi ploioasă;
d) cel mult două zile ploioase.
68. La un serviciu financiar sunt verificate lucrările realizate de trei contabili, care lucrează fără greşeală în proporţie de 97%, 96% şi respectiv
95%. Se ia la întâmplare câte o lucrare de la fiecare contabil. Să se afle probabilitatea ca:
a) toate cele trei lucrări să fie bune;
b) o singură lucrare să fie greşită;
c) cel mult două lucrări să fie bune.
69. Patru universităţi oferă respectiv câte 3, 5, 7 şi 9 burse de studiu. O anumită facultate primeşte 6 astfel de burse şi, care sunt trase la sorţi din
totalul celor 24 de burse. Cu ce probabilitate cele 6 burse ar putea să provină:
a) de la aceeaşi universitate;
b) una la prima, două la a doua, două la a treia, una la a patra universitate;
c) şase la a patra universitate;
d) cel puţin câte o bursă la fiecare din primele 3 universităţi şi 2 la a patra universitate.
70. Dintr-o urnă ce conţine bile numerotate de la 1 la 10 se fac extrageri cu revenire până la apariţia unui număr divizibil cu 3. Să se determine
probabilitatea ca:
a) primul număr divizibil cu 3 să apară la a treia extragere;
b) în primele 5 extrageri să nu apară un număr divizibil cu 3;
c) cel mult în primele 4 extrageri să apară un număr ce nu se divide cu 3.
71. În trei loturi de produse, 4%, 5% respectiv 3% sunt defecte. Se extrage la întâmplare câte un produs din fiecare lot. Să se afle probabilitatea
ca:
a) toate cele 3 produse să fie corespunzătoare;
b) un singur produs să fie defect;
c) cel puţin 2 produse să fie corespunzătoare;
d) cel mult două produse să fie defecte.
72. Se dau 3 urne astfel: U1 conţine 5 bile albe şi 5 bile negre, U2 conţine 4 bile albe şi 6 bile negre, U3 conţine 4 bile albe şi 5 bile negre. Din
fiecare urnă se extrag câte 5 bile, cu revenire. Să se determine probabilitatea ca din două urne să obţinem 2 bile albe şi 3 bile negre, iar din cealaltă să
obţinem orice altă combinaţie.
73. Se consideră urnele din problema precedentă. Din fiecare urnă se extrage câte o bilă, punându-se înapoi în urnă bila extrasă. Dacă se
efectuează de 5 ori acest experiment care este probabilitatea ca de trei ori să obţinem o bilă albă şi două bile negre?
74. Se aruncă două zaruri pe o suprafaţă netedă de mai multe ori. Să se calculeze probabilitatea ca exact la a patra aruncare suma punctelor de pe
feţele zarurilor să fie 8.
75. Într-o urnă sunt 15 bile albe şi 10 bile negre. Se extrage câte o bilă, se notează culoarea şi se pune înapoi în urnă. Cu ce probabilitate prima
bilă neagră se obţine:
a) din prima încercare;
b) la a patra încercare;
c) cel mult la a treia încercare;
d) cel puţin la a patra încercare.

19
 76. Patru studenţi care se prezintă la un examen au pregătit respectiv 12, 24, 15 şi 21 dintre cele 30 de subiecte indicate de către profesor. La
examen fiecare student primeşte câte un subiect.
Să se determine probabilitatea ca:
a) cel puţin trei studenţi să rezolve corect subiectul;
b) cel mult trei studenţi să nu rezolve corect subiectul;
c) cel puţin doi studenţi să rezolve corect subiectul, ştiind că cel mult trei au rezolvat corect.
77. Se consideră următoarele urne: U1, care conţine o bilă albă şi 9 bile negre, U2, care conţine 2 bile albe şi 8 bile negre, U3, ce conţine 3 bile
albe şi 7 bile negre, U4, ce conţine 4 bile albe şi 6 bile negre, U5, ce conţine 5 bile albe şi 5 bile negre.
a) Din primele patru urne se extrage câte o bilă, iar din ultima se extrag 4 bile cu revenire. Să se determine probabilitatea ca toate bilele extrase
să fie albe.
b) Din prima urnă se extrag 4 bile fără revenire, iar din celelalte urne se extrage câte o bilă. Să se afle probabilitatea ca toate bilele extrase să fie
de aceeaşi culoare.
c) Din urna U3 se extrag 4 bile fără revenire, iar din celelalte urne se extrage câte o bilă. Să se afle probabilitatea de a obţine 2 bile albe şi 2 negre
din U3 sau 2 bile albe şi 2 negre din urnele rămase.
78. Se aruncă o monedă de 8 ori. Se cere probabilitatea de a obţine de 4 ori stema şi de 4 ori banul
79. Se aruncă un zar de şase ori. Care este probabilitatea să obţinem de cel puţin patru ori o faţă cu un număr mai mic de 4 puncte?
80. Se aruncă de 12 ori un zar. Care este probabilitatea ca fiecare faţă să apară de 2 ori?
81. Se aruncă cinci monede. Care este probabilitatea ca 3 dintre ele să cadă cu banul deasupra?
82. Se consideră trei urne notate U1 , U2 , U3. Se ştie că urna Ui conţine 4i bile albe şi i+3 bile negre, i = 1,3 . Din fiecare urnă se extrag câte 4 bile,
cu revenire. Se cere probabilitatea de a se obţine:
a) dintr-o urnă trei bile albe şi una neagră, iar din celelalte urne orice altă combinaţie;
b) toate bilele extrase de aceeaşi culoare;
c) din două urne numai bile negre, iar din cealaltă urnă orice altă combinaţie.
83. Se consideră o urnă ce conţine 3 bile albe şi 7 bile negre, două urne care conţin câte 6 bile albe şi 4 bile negre, trei urne care conţin câte 2 bile
albe şi 8 bile negre şi patru urne care conţin câte 5 bile albe şi 5 bile negre. Din una din aceste urne se extrag 4 bile, fără revenire. Se cere probabilitatea
ca:
a) din cele patru bile extrase, o bilă să fie albă şi 3 negre;
b) toate bilele extrase să fie negre;
c) toate bilele extrase să fie albe.
84. Se consideră o urnă ce conţine 8 bile albe şi 2 negre, două urne care conţin câte 5 bile albe şi 5 negre, trei urne care conţin câte 2 bile albe şi 7
negre şi patru urne care conţin câte 6 bile albe şi 4 negre. Din una din aceste urne se extrag 3 bile, cu revenire. Se cere probabilitatea ca din cele 3 bile:
a) două bile să fie albe şi una neagră;
b) toate să fie negre;
c) toate să fie albe.
85. Dintre studenţii unei grupe care se prezintă la un examen, 3 studenţi cunosc în întregime materia predată, 8 cunosc 90% din materia predată, 6
cunosc 70%, 4 cunosc 50%, 3 cunosc 30%, iar un student nu cunoaşte nimic din materia predată. La examen, un student al acestei grupe răspunde
bine la 4 întrebări, iar la a cincea greşeşte. Să se determine probabilitatea ca el să fie dintre studenţii care cunosc toată materia, respectiv 90%, 70%,
50%, 30%, 0% din întreaga materie.
86. Se aruncă o pereche de zaruri de zece ori. Să se determine probabilitatea de a obţine:
a) exact de 4 ori un total de 7 puncte;
b) de cel puţin două ori un total de 10 puncte;
c) o singură dată un total de cel puţin 6 puncte;
d) la toate aruncările efectuate, produsul numereler de puncte apărute să fie un număr impar.
87. Dintr-o urnă ce conţine 12 bile albe şi 8 bile negre se extrag de patru ori câte 6 bile simultan, de fiecare dată punându-se înapoi în urnă cele 6
bile extrase. Se cere probabilitatea de a se obţine:
a) de fiecare dată un număr egal de bile albe şi bile negre;
b) 4 bile albe şi 2 bile negre de cel puţin trei ori.
88. Într-un magazin, în cutia C1 se găsesc 35 becuri corespunzătoare şi 5 becuri defecte, iar în cutia C2 se găsesc 30 becuri corespunzătoare şi 10
becuri defecte. Un cumpărător ia dintr-o cutie la întâmplare 10 becuri. Să se determine probabilitatea ca din cele 10 becuri:
a) toate să fie corespunzătoare;
b) cel puţin unul să fie corespunzător;
c) cel mult două să fie defecte.
89. Lotul L1 conţine 30 de produse, 24 corespunzătoare şi restul defecte, iar lotul L2 conţine 20 de produse, 12 corespunzătoare şi restul defecte.
Din fiecare lot se iau câte patru produse.
Să se determine probabilitatea ca:
a) toate produsele extrase din primul lot să fie corespunzătoare şi unul singur din al doilea lot să fie defect;
b) cel mult două din totalul produselor extrase să fie defecte.
90. Se dau trei urne notate U1 , U2 , U3. Se ştie că urna Ui conţine 3i bile albe şi 5 – i bile negre, i = 1,3 . Se consideră următoarea experienţă:
din fiecare urnă se extrage câte o bilă, se notează culoarea fiecărei bile extrase, apoi fiecare bilă se pune în urna din care a fost extrasă. Această
experienţă se efectuează de cinci ori. Să se determine probabilitatea de a se obţine:
a) la o singură efectuare a experienţei numai bile albe;
b) de fiecare dată câte o bilă albă şi două negre;

20
 c) de cel mult două ori numai bile negre;
d) să nu apară bile negre la nici o efectuare a experienţei.
91. Se consideră trei urne notate U1 , U2 , U3. Se ştie că urna Ui conţine 8 – i bile albe şi 4 i bile negre, i = 1,3 . Din fiecare urnă se extrag câte
3 bile simultan. Se cere probabilitatea de a se obţine:
a) din două urne numai bile albe, iar din cealaltă urnă orice altă combinaţie;
b) toate bilele extrase de aceeaşi culoare;
c) dintr-o urnă o bilă albă şi două negre, iar din celelalte urne orice altă combinaţie;
d) o singură bilă albe din cele 9 bile extrase.

Indicaţii. Se aplică:
48. schema lui Poisson; 49. schema multinomială; 50. schema lui Poisson; 51. schema bilei revenite; 52. schema bilei revenite, schema lui Poisson şi
formule de calcul cu probabilităţi; 53. schema bilei nerevenite; 54. schema lui Poisson; 55. formule de calcul cu probabilităţi sau schema lui Pascal;
56. schema lui Poisson; 57. schema multinomială; 58. schema lui Poisson; 59. formule de calcul cu probabilităţi sau schema lui Pascal; 60. schema
bilei nerevenite; 61. schema bilei revenite; 62. schema bilei nerevenite; 63. formule de calcul cu probabilităţi sau schema lui Pascal; 64. schema bilei
revenite; 65. schema bilei nerevenite; 66. schema multinomială; 67. schema bilei revenite; 68. schema lui Poisson; 69. schema bilei nerevenite; 70.
formule de calcul cu probabilităţi sau schema lui Pascal; 71. schema lui Poisson; 72. schema bilei revenite şi schema lui Poisson; 73. schema lui
Poisson şi schema bilei revenite; 74. formule de calcul cu probabilităţi; 75. formule de calcul cu probabilităţi sau schema lui Pascal; 76. schema lui
Poisson; 77. schema lui Poisson şi schema bilei revenite; 78. schema bilei revenite; 79. schema bilei revenite; 80. schema multinomială; 81. schema
bilei revenite; 82. schema bilei revenite şi schema lui Poisson; 83. schema bilei nerevenite şi formula probabilităţii totale; 84. schema bilei revenite
şi formula probabilităţii totale; 85. schema bilei revenite şi formula probabilităţii totale; 86. schema bilei revenite; 87. schema bilei nerevenite şi
schema bilei revenite; 88. schema bilei nerevenite şi formula probabilităţii totale; 89. schema bilei nerevenite şi formule de calcul cu probabilităţi;
90. schema lui Poisson şi schema bilei revenite; 91. schema bilei nerevenite şi schema bilei revenite.

21
 Seminar 4 PROBABILITĂȚI ȘI STATISTICĂ MATEMATICĂ

2. VARIABILE ALEATOARE
2.1. VARIABILE ALEATOARE UNIDIMENSIONALE

BREVIAR TEORETIC

Definiţia 1. Fie (Ω, K, P) un câmp de probabilitate. O aplicaţie X : Ω → R se numeşte variabilă aleatoare (v.a.) dacă
pentru orice x  R avem: {  Ω  X () < x}  K.
Notăm cu X (Ω) mulţimea valorilor v.a. X.
Definiţia 2. Variabila aleatoare X : Ω → R se numeşte:
a) discretă, dacă mulţimea valorilor v.a. este finită sau numărabilă;
b) continuă, dacă mulţimea valorilor v.a. este un interval sau o reuniune finită de intervale din R.
Repartiţia unei v.a. discrete X se reprezintă sub forma unei matrice având două linii: prima linie conţine valorile v.a., iar a
doua linie conţine probabilităţile ca v.a. să ia aceste valori:
 xi 
X :   , p i = P( X = xi ), i  I , p i = 1 , I mulţime finită sau numărabilă
 pi  iI iI

Definiţia 3. Se numeşte funcţia de repartiţie a v.a. X aplicaţia F: R → [0,1], F(x) = P (X < x) = P({   / X()<x}).

Propoziţia 1. Dacă F: R → [0,1] este funcţia de repartiţie a unei v.a. X : Ω → R , atunci:

a) xlim F ( x) = 0, lim F ( x) = 1;
→−  x →

b) F este nedescrescătoare pe R, adică  x1, x2  R, x1 < x2  F (x1)  F (x2);

c) F este continuă la stânga, adică  x  R  F (x - 0) = F (x).

Propoziţia 2. Dacă funcţia F : R → R satisface condiţiile a), b) şi c) din propoziţia precedentă, atunci există un câmp de
probabilitate (Ω, K, P) şi o variabilă aleatoare X : Ω → R a cărei funcţie de repartiţie este F.

Definiţia 4. Fie X : Ω → R o v.a. continuă şi I = X (Ω). Dacă funcţia de repartiţie F a v.a. X este derivabilă, cu derivata
 F ' ( x), x  I
continuă pe I, atunci funcţia f ( x) =  se numeşte densitatea de repartiţie a v.a. X.
 0 , xI
Propoziţia 3. Densitatea de repartiţie f : R → R a unei variabile aleatoare continue verifică proprietăţile:
a) f (x)  0,  x  R ;

b)  f ( x)dx = 1.
−

Propoziţia 4. Dacă funcţia f : R → R satisface condiţiile a), b) din propoziţia precedentă, atunci există un un câmp de
probabilitate (Ω, K, P) şi o variabilă aleatoare X : Ω → R a cărei densitate de probabilitate este f.
Observaţii. Fie X : Ω → R variabilă aleatoare continuă, având densitatea de repartiţie f şi funcţia de repartiţie F.
x
Atunci: 1) Deoarece F este o primitivă pe R a funcţiei f, rezultă F ( x) =  f (t )dt ,  x  R
a −
2) P( X  a) = P( X  a) = F (a) =  f ( x)dx
−

P ( X  b) = P( X  b) = 1 − F (b) =  f ( x)dx
b
b
P (a  X  b) = P (a  X  b) = P (a  X  b) = P (a  X  b) = F (b) − F (a) =  f ( x)dx
a
 Silvia Dedu - Probabilități și Statistică Matematică - Seminar 4 + 5

Definiţia 5. Variabilele aleatoare Xi, i = 1, n , n  2, sunt independente dacă evenimentele Ai = { | Xi () < xi } sunt
independente,  xi  R, i = 1, n.

 i  x y 
Observaţie. Fie X :   , Y :  
j
variabile aleatoare discrete.
 pi  iI  q j  jJ
Atunci X, Y sunt independente dacă P(X = xi, Y = yj) = P(X = xi)  P(Y = yj),  i I,  i J.

Propoziţia 5. Dacă X : Ω → R, Y : Ω → R sunt variabile aleatoare şi c  R, a  R, a > 0, k  N*, atunci c X, X + c, X,

X k, 1 (dacă X nu ia valoarea 0), aX, X +Y, X ·Y sunt variabile aleatoare.
X
Observaţie. Dacă  xi   y j  sunt v.a. discrete, atunci repartiţiile operaţiilor cu v.a. definite mai sus sunt:

X :    , Y:
q 
 p i  iI  j  jJ
 cx i   xi + c   xi   xk  1  xi 
1

c  X :   , X + c :   , X :   , X k : i
 p
 ,
 :   , xi  0, i = 1, n ,
 pi  iI  pi  iI  p i  iI  i  iI X  p i  iI
 a xi   xi + y j   xi y j  , unde pij = P( X = xi , Y = y j ),  i  I , j  J
a X :   , X +Y
 :  , X Y :  
 p  iI  p  ijIJ
 pi  iI  ij  jJ
 ij 
Definiţia 6. Se numeşte media (valoarea medie) variabilei aleatoare X numărul (dacă există):
M ( X ) =  xi pi , dacă X este o v.a. discretă;
i I

M ( X ) =  x  f ( x)dx , dacă X este o v.a. continuă.
−

Propoziţia 6. Dacă X : Ω → R , Y : Ω → R sunt variabile aleatoare şi a  R, rezultă:

a) M (a) = a;
b) M (aX ) = a M (X );
c) M (X +Y ) = M (X ) + M (Y );
d) dacă v.a. X, Y sunt independente, atunci M (X  Y ) = M (X )  M (Y ).

Definiţia 7. Se numeşte dispersia variabilei aleatoare X numărul (dacă există): D( X ) = M ( X − M ( X ) )2 

Propoziţia 7. Dacă X : Ω → R, Y : Ω → R sunt variabile aleatoare şi a  R, rezultă:

a) D (X)  0;
b) D (X) = M (X 2) - M 2(X);
c) D (a) = 0;
d) D (a X) = a2D (X);
e) dacă X, Y sunt v.a. independente, atunci D (X + Y) = D (X) + D (Y).
Definiţia 8. Se numeşte abaterea medie pătratică (abaterea standard) a v.a. X numărul (dacă există): ( X ) = D( X )
4 Silvia Dedu - Probabilități și Statistică Matematică - seminar 1

Definiţia 9. Se numeşte moment iniţial de ordin r al v.a. X numărul (dacă există): mr = Mr (X) = M (X r )

Observaţie. , dacă X este o v.a. discretă;

mr =  xir pi
i I

, dacă X este o v.a. continuă.
mr =  x r  f ( x)dx
−
Definiţia 10. Se numeşte moment centrat de ordin r al v.a. X numărul (dacă există):  r = M r ( X − M ( X ) ) = M ( X − M ( X ) )r 

Observaţie. , dacă X este o v.a. discretă;

mr =  ( xi − M ( X ))r  pi
iI

, dacă X este o v.a. continuă.
mr =  ( x − M ( X )) r  f ( x)dx
−
3 (X )
Definiţia 11. Se numeşte coeficient de asimetrie al v.a. X numărul (dacă există): A ( X ) =
 23 / 2 ( X )
 4 (X )
Definiţia 12. Se numeşte coeficient de exces al v.a. X numărul (dacă există): E ( X ) = −3
 22 ( X )

Definiţia 13. Fie X : Ω → R o v.a., F funcţia sa de repartiţie şi q  N, q  2. Se numesc q-cuantile ale v.a. X numerele
finite (c ( X ) ) pentru care i şi
F ( ci ( X ) + 0)  , 1  i  q − 1
i
i 1i  q −1 F (ci ( X ) ) 
q q
Observaţii.
1) Dacă F este continuă şi strict crescătoare, atunci q-cuantilele se pot determina în mod unic ca soluţii
ale ecuaţiilor:
F (ci ( X ) ) = , 1  i  q − 1
i
q
2) Particularizând, obţinem pentru q = 2 mediana, pentru q = 4 cvartilele, pentru q = 10 decilele, pentru
q = 100 centilele.
Mediana variabilei aleatoare X este numărul finit me care satisface condiţiile: F (me) ≤ 1/2 şi F (me + 0)  1/2.
Dacă F este continuă şi strict crescătoare, atunci mediana me se determină în mod unic rezolvând ecuaţia F (me) = 1/2
Definiţia 14. Dacă variabila aleatoaare X are densitatea de probabilitate f, se numeşte mod (punct modal) al variabilei
aleatoare X orice punct de maxim local al funcţiei f.

Observaţie. În cazul repartiţiilor discrete, punctul modal este valoarea cea mai probabilă.

Definiţia 15. Fie (Ω, K, P) un câmp de probabilitate şi X : Ω → R o variabilă aleatoare.

Se numeşte funcţia caracteristică a variabilei aleatoare X aplicaţia  : R → R,  (t) = M (e i t X ).

Observaţie. , dacă X este o v.a. discretă;

 (t ) =  eitx pk k

kI
 , dacă X este o v.a. continuă.
 (t ) =  e itx f ( x) dx
−
 Silvia Dedu - Probabilități și Statistică Matematică - Seminar 4 + 5

Definiţia 16. Fie (Ω, K, P) un câmp de probabilitate şi X : Ω → R o variabilă aleatoare.

Se numeşte funcţia generatoare de momente a variabilei aleatoare X aplicaţia g : R → R, g(t) = M (e t X ).

Observaţie. , dacă X este o v.a. discretă;

g (t ) =  e txk p k
k I
 , dacă X este o v.a. continuă.
g (t ) =  e tx f ( x) dx
−
Propoziţia 8. Fie φX funcţia caracteristică a v.a. X.
1) Dacă ( X ) sunt v.a. independente, atunci n
k k =1, n  n (t ) =   X k (t ), t  R
 Xk
k =1 k =1
2) Dacă a, b  R, atunci  aX + b (t) = eitb   X (at),  t  R.
3) Dacă v.a. X are momentul iniţial absolut de ordinul k finit, atunci:  (r ) (0) şi
mr = M ( X r ) = ,  r = 1, k
ir
mr = M ( X r ) = g ( r ) (0),  r = 1, k

Teoremă. (Teorema de unicitate). Funcţia caracteristică determină în mod unic funcţia de repartiţie a unei v.a.

PROBLEME REZOLVATE

1. Dintr-un lot ce conţine 4 piese corespunzătoare şi 3 piese defecte se extrag simultan 3 piese. Fie X variabila
aleatoare ce indică numărul de piese corespunzătoare obţinute în cele 3 extrageri. Să se determine:
a) repartiţia v.a. X;
b) probabilitatea ca cel puţin două dintre piesele extrase să fie corespunzătoare.
Rezolvare:
a) Numărul pieselor corespunzătoare obţinute în cele trei extrageri poate fi 0, 1, 2 sau 3, prin urmare valorile posibile
ale variabila aleatoare X sunt 0, 1, 2 şi 3. Calculăm probabilităţile ca v.a. X să ia aceste valori.
Aplicând schema bilei nerevenite, avem:
C 40  C33 C 1  C 2 12
P( X = 0) = P(3 : 0, 3) = = ; P( X = 1) = P(3 : 1, 2) = 4 3 3 = ;
1
3
C7 35 C7 35
C42  C31 18 C3  C0
P( X = 2) = P(3 : 2, 1) = = ; P( X = 3) = P(3 : 3, 0) = 4 3 3 =
4
C73 35 C7 35
Prin urmare, repartiţia v.a. X este  0 1 2 3
X : 1 
 12 18 4 
 35 35 35 35 
b) Probabilitatea ca cel puţin două dintre piesele extrase să fie corespunzătoare se scrie:
18 4 22
P( X  2) = P( X = 2) + P( X = 3) = + =
35 35 35
2. Dintr-o urnă ce conţine 50 bile albe şi 100 bile negre se extrag, cu revenire, trei bile. Fie X variabila aleatoare care
indică numărul bilelor albe obţinute în cele trei extrageri. Să se determine:
a) repartiţia variabilei aleatoare X ;
b) probabilităţile: P (X = 2), P (X  1/2), P (X < /3), P (X  2 / X > 0,2);
c) F (5/2), unde F este funcţia de reparrtiţie a variabilei aleatoare X ;
6 Silvia Dedu - Probabilități și Statistică Matematică - seminar 1

d) funcţia de repartiţie a variabilei aleatoare X ;

e) media, dispersia şi abaterea medie pătratică a variabilei aleatoare X ;
f) P(X – M(X)< (X));
g) momentul centrat de ordinul 3 al variabilei aleatoare X ;
h) modul variabilei aleatoare X.
Rezolvare:
a) Numărul bilelor albe obţinute în cele trei extrageri poate fi: 0, 1, 2 sau 3, prin urmare valorile pe care le ia variabila
aleatoare X sunt 0, 1, 2 sau 3. Calculăm probabilităţile ca v.a. X să ia aceste valori.
În acest scop, vom aplica schema bilei revenite, unde n = 3, iar probabilităţile ca la o extragere să apară o bilă albă,
respectiv neagră, sunt p = 50/150 = 1/3 şi q = 2/3. Avem:
0 3 1 2 2 1 3 0
1  2 8 1 2 12 1  2 6 1 2 1
P( X = 0) = C30     = ; P( X = 1) = C31     = ; P( X = 2) = C32     = ; P( X = 3) = C33     =
3  3 27  3 3 27  3  3 27  3 3 27
Rezultă că repartiţia v.a. X este  0 1 2 3 
X : 8 
 12 6 1 
 27 27 27 27 
b) Din repartiţia v.a. X rezultă: P(X = 2) = 6/27;
12 6 1 19 20
P( X  1 / 2) = P( X = 1) + P( X = 2) + P( X = 3) = + + = ; P( X   / 3) = P( X = 0) + P( X = 1) = ;
27 27 27 27 27
P(0,2  X  2) P( X = 1) + P( X = 2) 18 / 27 18
P( X  2 / X  0,2) = = = =
P( X  0,2) P( X = 1) + P( X = 2) + P( X = 3) 19 / 27 19

c) F(5/2) = P(X < 5/2) = P(X = 0) + P(X = 1) + P(X = 2) = 26/27


0, x0
d)
8 , 0  x 1
 27

F ( x) = P( X  x ) =  8 + 12 = 20 , 1 x  2
27 27 27

 + +
8 12 6
= , 2 x3
26
 27 27 27 27
 8 + 12 + 6 + 1 = 1, x  3
 27 27 27 27

e) Media variabilei aleatoare X este: 4

8 12 6 1
M ( X ) =  xi p i = 0  + 1 + 2 + 3 =1
i =1 27 27 27 27
Dispersia variabilei aleatoare X este: D (X) = M (X 2) - M 2(X);
4
8 12 6 1 5 5 2 2 6
M ( X 2 ) =  x i2 p i = 0 2  + 12  + 2 2  + 3 2  =  D( X ) = − 1 =   ( X ) = =
i =1 27 27 27 27 3 3 3 3 3

(
f) P ( X − M ( X )   ( X )) = P X − 1  6 / 3 = P − ) ( 3
6
) (
 X −1  6 / 3 = P 1− 6 / 3  X  1+ 6 / 3 = )
= P(0,184 < X < 1,816) = P(X = 1) = 4/9

g) 4
 3 ( X ) =  (xi − M ( X ))3 pi =(0 − 1)3  + (1 − 1)  + (2 − 1)  + (3 − 1) 
8 3 12 6 1 6 2
= =
3 3

i =1 27 27 27 27 27 9
 Silvia Dedu - Probabilități și Statistică Matematică - Seminar 4 + 5

h) Modul v.a. X este valoarea cea mai probabilă a acesteia. Din repartiţia v.a. rezultă că valoarea căreia îi corespunde
cea mai mare probabilitate este 1, deci mo = 1.

3. S-a stabilit că, în medie, 1% dintre clienţii unui restaurant fac reclamaţii privind calitatea serviciilor prestate de
personalul restaurantului. Fie X v.a. ce indică numărul de clienţi serviţi până la apariţia primei reclamaţii.
a) Să se determine repartiţia variabilei aleatoare X;
b) Să se calculeze probabilitatea ca primii trei clienţi să nu facă reclamaţie;
c) Să se calculeze valoarea medie şi abaterea standard a numărului de clienţi serviţi până la prima reclamaţie.
Rezolvare:

a) Prima reclamaţie poate fi făcută de oricare dintre clienţii restaurantului, prin urmare numărul de clienţi serviţi până la
apariţia primei reclamaţii poate fi orice număr natural nenul
Rezultă că variabila aleatoare X are repartiţia:
1 2 3 ........ n ........... , unde pn = P (X = n)
X :  
 p1 p2 p3 ........ pn .........  nN *
( )
Notăm cu Ai evenimentul: clientul "i" face reclamaţie, i  N*. Avem: P (Ai) = p = 0,01 şi P Ai = q = 0,99,  i  N * .
(
Atunci: pn = P( X = n ) = P A1  A2  ....  An−1  An = )
( ) ( ) ( )
= P A1  P A2  ....  P An −1  P( An ) = p  q n−1 = 0,01  0,99 n−1 ,  n  N * .
Obţinem:  1 2 3 ................. n ...................
X : 
 0,01   ,99 2........0,01  0,99 n −1.........  nN
 0, 01 0,99 0, 01 0 *

b) Evenimentul ca primii trei clienţi să nu facă reclamaţie se realizează dacă prima reclamaţie este făcută de către al
patrulea client sau de către unul din următorii clienţi. Prin urmare, probabilitatea ca primii trei clienţi să nu facă reclamaţie
se scrie: P(A4  A5  ......  An  .....) = P(A4) + P(A5) + .... + P(An) =
= pq 3 + pq 4 + .... + pq n + .... = pq 3  (1 + q + q 2 + ... + q n + ...) = pq 3 
1
= q 3 = 0,970299
1− q

c) Valoarea medie a numărului de clienţi serviţi până la prima reclamaţie este media v.a. X:
  
M ( X ) =  xn  p n =  npq n −1 = p  nq n −1
n =1 n =1 n =1
 
Considerăm seria de puteri
 x , care este convergentă,  x  (0, 1) şi are suma
n
 x n = S (x ) = 1−x x
n =1 n =1
Aplicând teorema de derivare termen cu termen a seriilor uniform convergente, rezultă:
'

 x  1 Obţinem  n−1 1 , deci  ,
 M ( X ) = p nq n −1 = = 100
1 1
nx n −1 = S ' ( x) = 
 1 − x
 =
 (1 − x ) 2
, x  (0,1) (1)  nq =
(1 − q ) 2
= 2
p p
n =1 n =1 n =1

adică numărul mediu de clienţi serviţi până la prima reclamaţie este100

( )
  
M X 2 =  xn2  pn =  n 2 pq n−1 = p n 2 q n−1
n =1 n =1 n =1
8 Silvia Dedu - Probabilități și Statistică Matematică - seminar 1

Înmulţim relaţia (1) cu x şi obţinem: 

x
 nx
n =1
n
=
(1 − x) 2
, x  (0, 1)

Aplicând din nou teorema de derivare termen cu termen a seriilor uniform convergente, rezultă:

x +1 Prin urmare, 
q +1 q + 1 , deci
 n 2 x n−1 = ,  x (0,1) . M ( X 2 ) = p  n 2 q n−1 = p = 2
n =1 (1 − x) 3
n =1 (1 − q) 3 p
q +1 1
  ( X ) = 99,4987
q 0,99
D( X ) = M ( X ) − M ( X ) = 2 − 2 = 2 =
2 2

p p p 0,012

4. Fie v.a. independente  −1 0 1  şi  − 1 1  . Să se scrie repartiţiile următoarelor v.a.:

X :   Y :  
 0,3 0,3 0,4   0,5 0,5 
2X, 3Y, 2X +3Y, XY, X 2, X 2 + X, Y n, X, n  N*.
Rezolvare:
Aplicând propoziţia 5 din breviarul teoretic referitoare la operaţiile cu v.a., obţinem:
▪ − 2 0 2 ; − 3 3 .
2X :   3Y :  
 0,3 0,3 0,3   0,5 0,5 
▪ Deoarece variabilele X şi Y sunt independente, rezultă că
pij = P( X = xi , Y = y j ) = P( X = xi )  P(Y = y j )  i = 1,3, j = 1,2
Prin urmare,  2 xi + 3 y j
 şi  xi  y j  , deci
2 X + 3Y :   X Y :  
 pi  q j i =1,3  pi  q j  i =1,3
  j =1,2   j =1, 2
 − 5 − 3 −1 1 3 5  şi −1 0 1 .
2 X + 3Y :   X  Y :  
 0,15 0,15 0,2 0,15 0,15 0,2   0,35 0,3 0,35 
▪  −1 0 1  0 1 ;  0 1 ;
X :   = 
 0,3 0,7 
X 2 :  
 0 ,3 0,3 0, 4     0,3 0,7 
 (−1) 2 + (−1) 02 + 0 12 + 1  0 2 ; 1 ;  −1 1 
X 2 + X : =   Y n :   , n = 2k Y n :   , n = 2k + 1
 0,4   0,6 0,4  1  0,5 0,5 
 0,3 0,3

5. Urna U1 conţine 5 bile albe şi 10 bile negre, iar urna U2 conţine 60% bile albe şi 40% bile negre. Din fiecare urnă se
extrage câte o bilă.
Fie X v.a. ce indică numărul bilelor albe obţinute în cele două extrageri. Să se determine repartiţia v.a. X.
Rezolvare:

Metoda I. Variabilei aleatoare X poate lua valorile 0, 1 sau 2.

Pentru a calcula probabilităţile corespunzătoare, vom folosi schema lui Poisson.
Avem: Q(t ) = ( p1t + q1 )( p 2 t + q 2 ) , unde p1= 13 , q1= 213
, p 2 = 53 , q 2 = 2
5
.

P( X = 0) = P(2 : 0, 2) = q1q 2 = 4 .
15
 Silvia Dedu - Probabilități și Statistică Matematică - Seminar 4 + 5

P( X = 1) = P(2 : 1,1) = p1q 2 + p 2 q1 = 8 .

15
P( X = 0) = P(2 : 2, 0) = p1 p 2 = 3 .
15
Rezultă că repartiţia v.a. X este:  0 1 2 
X : 4 
 8 3 
 15 15 15 
Metoda II. Notăm cu X1, respectiv X2 v.a. ce indică numărul bilelor albe obţinute la extragerile din prima, respectiv a doua
urnă. Se observă că X = X 1 + X 2 . Avem:  0 1  şi  0 1  . V.a. X1, X2 sunt independente, deci
X1 :  2 1  X 2 :  2 
   3
3 3 5 5 
repartiţia v.a. X = X1 + X2 este:  0+0 0 +1 1+ 0 1+1   0 1 2 
X :  2 2 =

4



 3 5   
2 3 1 2 1 3 8 3
3 5 3 5 3 5   15 15 15 

6. Fie variabila aleatoare discretă  − 2 −1 0 1 2 . Să se determine:

X :  , p  R
2 p 4 p p 2 p p
a) repartiţia v.a. X;
b) funcţia de repartiţie a v.a. X;
c) media, dispersia şi abaterea medie pătratică ale v.a. X;
d) M (X3), M (2X-3), D (3X-2);
e) probabilităţile: P (X  - 0,75), P (X > 1,25), P (-1,25  X  0,5), P (X > -1,5 / X < 2).
Rezolvare:
a) Impunem condiţiile p  0 şi 2p + 4p + p + 2p + p = 1  p = 1/10.
Rezultă că repartiţia variabilei aleatoare X este: − 2 −1 0 1 2
X : 2 
 4 1 2 1
 10 10 10 10 10 
0, x  ( −,−2]
 2 1
b)  = , x  ( −2,1]
10 5
 2 4 6 3
 + = = , x  ( −1,0]
10 10 10 5
Fx ( x ) = P ( X  x ) = 
 2 + 4 + 1 = 7 , x  (0,1]
10 10 10 10
 2 4 1 2 9
 + + + = , x  (1,2]
10 10 10 10 10

1, x  ( 2,+]

c) M ( X ) = (−2)  2 + (−1)  4 + 0  1 + 1  2 + 2  1 = − 4 = −0,4

10 10 10 10 10 10
M ( X 2 ) = (−2) 2  2 + (−1) 2  4 + 0 2  1 + 12  2 + 2 2  1 = 18 = 1,8
10 10 10 10 10 10
D( X ) = M ( X 2 ) − M 2 ( X ) = 1,8 − (−0,4) 2 = 1,64   ( X ) = D( X )  1,28
10 Silvia Dedu - Probabilități și Statistică Matematică - seminar 1

d) M ( X 3 ) = (−2) 3  2 + (−1) 3  4 + 0 3  1 + 13  2 + 2 3  1 = −1
10 10 10 10 10
Folosind proprietăţile mediei şi ale dispersiei, obţinem: M (2X-3) = 2M(X)-3 = 2 (-0,4)-3 = -3,8;
D (3X-2) = 9D (X) = 9 (1,64) = 14,76.
e) P( X  −0,75) = P( X = −1) + P( X = −2) = 2 + 4 = 3 ; P( X  1,25) = P( X = 2) = 1
10 10 5 10
5 1
P(−1,25  X  0,5) = P( X = −1) + P( X = 0) = =
10 2
P(( X  −1,5)  ( X  2) ) P(− 1,5  X  2)
P( X  −1,5 / X  2) = = =
P( X  2) P( X  2)
P( X = −1) + P( X = 0) + P( X = 1) 7 / 10 7
= = =
P( X = 2) + P( X = −1) + P( X = 0) + P( X = 1) 9 / 10 9

7. Se consideră variabila aleatoare −1 0 1 

X :   , p1 , p2 , p3  R
 p1 p2 p3 
a) Să se afle p1, p2, p3 astfel încât v.a. X să aibă media egală cu 0 şi momentul iniţial de ordinul doi egal cu 2/3
b) Să se scrie funcţia de repartiţie a variabilei aleatoare X.
c) Dacă X este v.a. găsită la punctul a) şi Y = 3 – 2X, să se calculeze M(X - 2Y), M(2 - 3Y), D2 (3 + 2Y ),
D2 (X - Y ) şi să se determine repartiţia v.a. X – Y şi funcţia de repartiţie a v.a. Y.
Rezolvare:
a) Impunem condiţiile: p1, p2, p3  0 (1) şi p1 + p2 + p3 = 1 (2). Avem că:
M ( X ) = −1  p1 + 0  p 2 + 1  p3 = 0  p3 − p1 = 0  p3 = p1 (3)
M ( X 2 ) = (−1) 2  p1 + 02  p2 + 12  p3 = 0  p3 + p1 = 2
3
(4)
Din relaţiile (3) şi (4) obţinem p1 = p3 = 1/3; folosind şi relaţia (2), rezultă p2 = 1/3.
Aşadar −1 0 1 
X : 1 
 1 1
 3 3 3
0, x  (−,−1]
b) 1
 3 , x  (−1,0]
F(X ) = 
 23 , x  (0,1]

1, x  (1,+)
c) M (2 X − 3Y ) = M ( X − 2(3 − 2 X ) ) = M (5 X − 6) = 5M ( X ) − 6 = −6
M (2 − 3Y ) = M (2 − 3(3 − 2 X )) = M (6 X − 7) = 6 M ( X ) − 7 = −7
2 32
D(3 + 2Y ) = D(3 + 2(3 − 2 X )) = D(−4 X + 9) = (−4) 2 D( X ) = 16( M ( X 2 ) − M 2 ( X )) = 16  =
3 3
1
D( X − Y ) = D( X − (3 − 2 X )) = D(3 X − 3) = 9 D( X ) = 9  = 3
3
 Silvia Dedu - Probabilități și Statistică Matematică - Seminar 4 + 5

8. Fie o v.a. X cu media m şi dispersia σ 2. Să se determine media şi dispersia v.a. normate, Y = X − m


Rezolvare:
 X − m  X m 1 m m m  X −m  X m 1 1
M (Y ) = M   = M  −  = M ( X ) − = − = 0 D(Y ) = D  = D −  = 2 D( X ) = 2   = 1
2

                 

9. Să se determine v.a.  a a + 1 a + 2  , ştiind că M (6 X 2 ) = 7, a  Z , p  R

X :  
 p 3p 2 p 
Rezolvare:
Din condiţia ca X să reprezinte o v.a. discretă, obţinem p  0 şi p + 3p + 2p = 1  p = 1/6, prin urmare
 a a +1 a+2 
X :  
 1/ 6 3/ 6 2 / 6 
( )= 7  6M (X )= 7  6  (a 2  16 + (a + 1) 2  63 + (a + 2) 2  62 )= 7 
M 6X 2 2

1
 a 2 + 3a 2 + 6a + 3 + 2a 2 + 8a + 8 = 7  6a 2 + 14a + 4 = 0  a1 = −2, a 2 = −  Z , deci a = - 2.
3
Prin urmare, repartiţia v.a. X este: − 2 −1 0 
X :  
1 / 6 1/ 2 1 / 3 

10. Fie variabila aleatoare  2 3 4 5 6 7  . Se cere probabilitatea P(X – M(X)< (X)).

X :  
 0,05 0,1 0,25 0,3 0,2 0,1
Rezolvare:
M(X) = 2  0,05 + 3  0,1 + 4  0,25 + 5  0,3 + 6  0,2 + 7  0,1 = 4,8
M(X2) = 22  0,05 + 32  0,1 + 42  0,25 + 52  0,3 + 62  0,2 + 72  0,1 = 24,7
D( X ) = M ( X 2 ) − M 2 ( X ) = 1,66   ( X ) = D( X ) = 1,288
P(X – M(X)< (X)) = P(X – 4,8< 1,288) = P(-1,288 < X – 4,8 < 1,288)) = P(3,512 < X < 6,088)) =
= P(X = 4) + P(X = 5) + P(X = 6) = 0,75.

11. Se consideră variabila aleatoare  a a +1 3 

X :   , a  R
2 p 5p 3p
Să se determine valoarea parametrului a pentru care dispersia v.a. X este minimă.
Rezolvare:
Impunem condiţiile: (1) p  0 şi (2) 2p + 5p + 3p = 1  p = 0,1, deci  a a +1 3 
X :  
 0,2 0,5 0,3
Avem: M(X) = 0,7 a + 1,4; D (X) = 0,21 a2 – 0,96 – 1,24
Observăm că expresia dispersiei este o funcţie de gradul al doilea în variabila a, care admite minim în punctul
0,96
a=  a = 16
2  0,21 7
12 Silvia Dedu - Probabilități și Statistică Matematică - seminar 1

12. Fie variabila aleatoare a a +1 3 4 

X :   , a, p  R.
 0, 2 0,3 0, 4 − p 0,1 + p 
Să se determine valorile parametrilor a şi p pentru care dispersia v.a. X este minimă.
Rezolvare:

Condiţiile ca X să reprezinte repartiţia unei v.a. discrete sunt:

1) 0  0,4 – p  1; 0  0,1 + p  1 şi
2) 0,2 + 0,3 + 0,4 – p + 0,1 + p = 1, de unde rezultă p  [-0,6; 0,4]  [-0,1; 0,9], prin urmare p  [-0,1; 0,4].

4 4
M ( X ) =  xi pi = 0,5a + p + 1,9 ; M ( X 2 ) =  xi2 pi = 0,5a 2 + 0,6a + 7 p + 5,5 ;
i =1 i =1

( )
D( X ) = M X 2 − M 2 ( X ) = 0,25 a 2 − ( p + 1,3) a − p 2 + 3,2 p , cu p  [-0,1; 0,4].
Dacă p este fixat în intervalul [-0,1; 0,4], expresia D( X ) = 0,25 a 2 − ( p + 1,3)a − p 2 + 3,2 p = f (a, p )
este o funcţie de gradul al doilea în variabila a, care ia valoarea minimă pentru p +1,3 şi această valoare
a= = 2 p + 2,6
0,5
este f(2p+2,6; p) = -2p2 + 0,6p + 0,2 = g(p). Determinăm minimul funcţiei g pentru p  [-0,1; 0,4].
p -0,1 0,15 0,4
2
− 2 p + 0,6 p + 0,2
0,12 0,12
Din tabelul de mai sus rezultă că valoarea minimă a dispersiei este 0,12 şi se obţine atunci când p = - 0,1 sau
p = 0,4. Înlocuind în relaţia a = 2 p + 2,6, găsim a = 2,4 sau a = 3,4
Prin urmare, dispersia v.a. X este minimă pentru p = - 0,1 şi a = 2,4 sau pentru p = 0,4 şi a = 3,4.

13. Fie variabila aleatoare discretă − 3 −1 0 2 3  . Să se determine:

X :  
 0,21 0,24 0,27 0,10 0,18 
a) valoarea medie şi momentul iniţial de ordinul 3 ale v.a. X;
b) modul v.a. X;
c) P ( | X -1| > 1,8); P ( X < 1,8 / X > - 0,83).

Rezolvare:
5
a) M ( X ) =
 xi pi =(−3)  0,21 + (−1)  0,24 + 2  0,10 + 3  0,18 = −0,13
i =1

( ) 5
m3 ( X ) = M X 3 =  xi 3 pi =(− 3)3  0,21 + (− 1)3  0,24 + 0 3  0,27 + 2 3  0,10 + 33  0,18 = −0,25
i =1
b) Deoarece X este variabilă aleatoare discretă, modul este valoarea cea mai probabilă (valoarea căreia îi corespunde
probabilitatea cea mai mare).
Se observă că probabilitatea maximă este 0,27= P (X = 0), deci modul v.a. X este mo = 0
( ) ( )
c) P X − 1  1,8 = 1 − P X − 1  1,8 = 1 − P (− 1,8  X − 1  1,8) =
= 1 − P (− 0,8  X  2,8) = 1 − P( X = 0) + P( X = 2) = 1 − 0,37 = 0,63
 Silvia Dedu - Probabilități și Statistică Matematică - Seminar 4 + 5

P (−0,83  X  1,8) P ( X = 0)
P ( X  1,8 / X  −0,83) =
0,27
= = = 0,491
P ( X  −0,83) P ( X = 0) + P ( X = 2) + P ( X = 3) 0,55

14. Fie v.a. discretă  1 3 4 5 7  şi Y v.a. normată corespunzătoare  X − M (X ) 

X :    Y = 
 0,11 0,23 0,31 0,18 0,17    ( X ) 
Să se determine probabilitatea ca v.a. Y să ia valori strict negative.
Rezolvare:
Avem: M ( X ) = 4,13; M ( X 2 ) = 19,97 , deci D( X ) = M ( X 2 ) − M 2 ( X ) = 19,97 − 4,13 2 = 2,91
X − M (X )  − 1,84 − 0,66 − 0,07 0,51 1,68 
Y=  Y :  
 (X )  0,11 0,23 0,31 0,18 0,17 
Rezultă că P (Y < 0) = 0,11 + 0,23 + 0,31 = 0,65.
an
15. Fie v.a. X care ia valori numere naturale nenule. Ştiind că P ( X = n ) = k  ,  n  N*, unde a(0,1) şi kR, să se
n
determine:
a) repartiţia variabilei aleatoare X;
b) valoarea medie a variabilei aleatoare X.
Rezolvare:
a) Din condiţiile ca X să fie variabilă aleatoare, obţinem:
  n
k  an  0,  n  N *  k  0 ; 2)  k  n = 1  k  n = 1
1)
n
an a
n =1 n =1
 
Ştim că dacă x  (0,1), atunci seria de puteri  x n −1 este convergentă şi are suma
n =1  x n −1 = 1−1 x
n =1
Aplicând teorema de integrare termen cu termen a seriilor uniform convergente, rezultă:
  n
  x n −1dx =  1−1 x dx   xn = − ln (1 − x ) ,  x  (0,1) . Prin urmare,
n =1 n =1
 n  n 
k  a = 1  −k  ln (1 − a ) = 1  k = − 1 şi repartiţia v.a. X este:
X :  
ln(1− a ) − 
n

n =1
n 1 a
 ln(1− a ) n  n N *
 
M ( X ) =  n  pn = − 1  n  a = − 1  a
n
b) Valoarea medie a v.a. X este:
ln(1− a ) n ln(1− a ) 1− a
n =1 n =1

16. Profitul anual al unui agent economic, exprimat în milioane de unităţi monetare, este o v.a. continuă X ,
 a (1 − x), x  [0, 1]
având densitatea de probabilitate f : R → R, f ( x) =  , a  R. Să se determine:
 0, x  [0, 1]
a) parametrul a;
b) funcţia de repartiţie a variabilei aleatoare X;
c) probabilităţile evenimentelor: A = profitul agentului economic este sub 0,25 milioane u.m.;
B = profitul este cel puţin 0,5 milioane u.m.; C = profitul este cuprins între 0,25 şi 1,5 milioane u.m.
d) profitul mediu şi dispersia variabilei aleatoare profit;
e) mediana variabilei aleatoare X.
14 Silvia Dedu - Probabilități și Statistică Matematică - seminar 1

Rezolvare:

a) Deoarece funcţia f este densitatea de repartiţie a unei v.a. continue, rezultă că îndeplineşte condiţiile:

1) f ( x)  0,  x  R  a  0; 2)  f ( x)dx = 1
−
1
  
Avem: 0 1 0 1
 x2  a

−
f ( x)dx = − f ( x)dx + 0 f ( x)dx + 1 f ( x)dx = −0 dx + 0 a(1 − x) dx + 1 0 dx = a x − 2  =
2
0

Din condiţia 2) rezultă a = 2, deci  2 (1 − x), x  [0, 1]

f ( x) = 
 0, x  [0, 1] x
b) Funcţia de repartiţie a variabilei aleatoare X este F : R → R, F ( x) =  f (t )dt
• x −
x  (−, 0]  F ( x) =  0 dt =0
−

 0dt +  2 (1 − t ) dt = (2t − t )
0 x
• x
x  (0,1]  F ( x) = 2
= 2x − x2
0
− 0
0 1 x
•
x  (1, )  F ( x) =  0dt +  2(1 − t )dt +  0dt = 1
− 0 1
 0, x  (− , 0 ]
Am obţinut: 
F : R → [0,1], F ( x) = 2 x − x , x  ( 0, 1]
2

 1, x  (1,  )

c) Metoda I. Deoarece se cunoaşte funcţia de repartiţie a v.a. X, probabilităţile pot fi calculate în acest mod:
P(A) = P(X < 1/4) = F(1/4) = 1/2 – 1/16 = 7/16
P(B) = P(X  1/2) = 1 - P(X <1/2) = 1 - F(1/2) = 1 – 3/4 = 1/4
P(C) = P(1/4  X  3/2) = F(3/2) - F(1/4) = 1 – 7/16 = 9/16
Metoda II. Dacă nu se cunoaşte funcţia de repartiţie a v.a. X, iar determinarea acesteia ar implica un volum prea mare
de calcule, probabilităţile cerute pot fi calculate utilizând formula:
b
P (a  X  b) = P (a  X  b) = P (a  X  b) = P (a  X  b) =  f ( x)dx , a, b  R  {}
a

Astfel obţinem:
1/ 4 0 1/ 4
1 1 7
 f ( x)dx =  0 dx +  2(1 − x) dx = (2 x − x
1/ 4
P ( A) = P ( X  1 / 4) = 2
) = − =
− − 0
0 2 16 16
Analog se calculează şi celelalte probabilităţi.
d) Profitul mediu este reprezentat de media v.a. X:
1
 
0 1
 x2 2 x3  1
M (X ) =  xf ( x)dx =  x  0 dx +  x  2 (1 − x) dx +  x  0 dx =  2
− − 0 1
−  =
3  0 3
 Silvia Dedu - Probabilități și Statistică Matematică - Seminar 4 + 5

Calculăm momentul iniţial de ordinul 2 al variabilei aleatoare X:

1
 
 2 x3 x 4 
( ) x
0 1
1
M X2 = 2
f ( x)dx =  x 2  0dx +  x 2  2 (1 − x) dx +  x 2  0 dx =  −  =
− − 0 1  3 2  0
6
Prin urmare, dispersia variabilei aleatoare profit este: D (X) = M (X2) - M2(X) = 1/18.
e) Pentru a determina mediana me a v.a. X , rezolvăm ecuaţia F (me) = 1/2.
Deoarece F (x)  1/2,  x  (- , 0]  (1, ), rezultă că me  (- , 0]  (1, ).
Pentru me  (0, 1], ecuaţia devine: 2m − m 2 = 1  m = 2  2 ; convine soluţia m = 2− 2
e e 2 e 2 e 2

 ax, x  [0,1]
17. Fie funcţia  . Să se determine:
f : R → R, f ( x) = 2 − x, x  (1,2] ; a  R
 0, x  [0,2]

a) parametrul a astfel încât f să fie densitatea de repartiţie a unei v.a. continue X;
(
b) probabilităţile P X  3 şi P X  1 / X  3 ;
2
) ( 4 2
)
c) funcţia de repartiţie a variabilei aleatoare X;
d) media şi dispersia variabilei aleatoare X;
e) mediana şi modul variabilei aleatoare X.
Rezolvare:

a) Pentru ca funcţia f să fie densitatea de repartiţie a unei v.a. continue trebuie să îndeplinească condiţiile:

1) f ( x)  0, x  R  a  0 ; 2)
 f ( x)dx = 1
−
1 2
 
0 1 2
x2  x2 

−
f ( x)dx =  0 dx +  ax dx +  (2 − x) dx +  0 dx = a
− 0 1 2
+  2 x −  =
2 0  2 1
a
2
+ 1
2

  x, x  [0,1]

 f ( x)dx = 1  a = 1  f ( x) = 2 − x, x  (1,2]
−  0, x  [0,2]

b)  3   2
P X   =  f ( x)dx =  (2 − x)dx +  0dx = 1
 2 3
2
3
2
2
8

P( X  14 / X  3
) = P(( X  1/ 4)  ( X  3 / 2)) = P(1/ 4  X  3 / 2)
P( X  3 / 2 ) P( X  3 / 2 )
2

( )
3 3
2 1 2

P 14  X  32 =  f ( x)dx =  xdx +  (2 − x)dx = 32

27
1 1
1
( ) = 1 − P(X  ) = ( )
4 4

PX 3
2
3
2
7 , deci
8
P X  14 / X  32 = 27
28
16 Silvia Dedu - Probabilități și Statistică Matematică - seminar 1

x
c) Funcţia de repartiţie a variabilei aleatoare X este F : R → R, F ( x) =
 f (t )dt
−
x
•
x  (−, 0]  F ( x) =  0 dt =0
−
0 x x
• t2 x2
x  (0,1]  F ( x) =  0dt +  tdt = =
− 0
2 0
2
1 x
•
0 1
t2
x
 t2  − x 2 + 4x − 2
x  (1,2]  F ( x) =  0dt +  tdt +  (2 − t ) dt = +  2t −  =
− 0 1
2 0  2  1
2
0 1 2 x
•
x  (2, )  F ( x) =  0dt +  tdt +  (2 − t )dt +  0dt = 1
, deci
− 0 1 2
 0, x  (−, 0]
 2
 x
, x  (0,1]
 2
F : R → [0,1], F ( x) =  2
 − x + 4 x − 2 , x  (1, 2]
 2

 1 , x  (2, )
1 2
 1 2
x3  x3  1 8 1
 xf ( x)dx =  x  x dx +  x(2 − x)dx =
d)
M (X ) = +  x 2 −  = + 4 − −1+
− 0 1 3 0  3 1
3 3 3
2
 4 1
1 2
x  x x  3 4
1 16 2 1 7
M (X 2) = x f ( x)dx =  x 2  x dx +  x 2 (2 − x)dx = +  2 −  = + −4− + = 
2

− 0 1
4 0  3 4 1
4 3 3 4 6
1
 D( X ) = M ( X 2 ) − M 2 ( X ) =
6
e) Pentru a determina mediana me, rezolvăm ecuaţia F (me) = 1/2. Observăm că me  (- , 0]  (2, ).
2
Dacă x  (0,1], ecuaţia devine: me = 1  m = 1 ; convine soluţia me = 1.
e
2 2
Cum X este o v.a. continuă, cu funcţia de repartiţie strict crescătoare pe intervalul [0, 2], rezultă că mediana este unică:
me = 1.

Modul mo este orice punct de maxim local al densităţii de repartiţie f . Pentru determinarea acestuia, vom studia
 x, x  [0,1]
monotonia funcţiei 
f : R → R , f ( x ) = 2 − x , x  (1,2]
 0, x  [0,2]

Folosind monotonia funcţiei de gradul întâi, obţinem:
 Silvia Dedu - Probabilități și Statistică Matematică - Seminar 4 + 5

x -∞ 0 1 2 +∞
f(x) 0 0 1 0 0

Deducem că modul v.a. X este: mo = 1.

   
18. Variabila aleatoare continuă X are densitatea de probabilitate  A  cos x, x  − 2 , 2 
f : R → R, f ( x ) =    , A R
   
0, x  − , 
  2 2
Să se determine:
a) parametrul A ;
b) probabilităţile: P(X < π/3) şi P(X < π/4 / X > π/6 );
c) media şi abaterea medie pătratică variabilei aleatoare X ;
d) mediana şi modul variabilei aleatoare X.
Rezolvare:
a) Condiţiile ca f să fie densitatea de repartiţie a unei variabile aleatoare continue sunt:
1) f(x)  0,  x  R  A 0;
 − / 2  /2 
 /2 1
  0dx +  A  cos xdx +  0dx = 1  A  sin x − / 2 = 1  2 A = 1  A =
2) f ( x)dx = 1 
− − − / 2  /2
2
Am obţinut: 1   
  cos x, x  − , 
2  2 2
f ( x) = 
   
0, x  − , 

  2 2
  
b)   3 3
1 1 3
3 1
P  X   =  f ( x)dx =  cos xdx = sin x = +
 3  − −
2 2 −
2
4 2
2

4
1
 2 cos xdx 2 1
P (X  4 / X 
 
)= P ( 
6
X  
4
)= 

= 2
−
2 = 2 −1
P (X  )
6
6  
1
1−
2
6 1
 2 cos xdx 2
6

  /2
c) fiind integrala unei funcţii impare pe un interval simetric faţă de origine
M ( X ) =  xf ( x)dx =  x  cos x dx = 0
− − / 2
18 Silvia Dedu - Probabilități și Statistică Matematică - seminar 1
  
 2 2  2

M (X ) = 2
x
2
f ( x)dx =  x  cos x dx = 2 x  (sin x ) ' dx = 2 x sin x
2 2 2 2
− 4 x  sin x dx =
0
− − 0 0
2


2 2
2 2 2
+ 4  x  (cos x ) ' dx =
 
= + 4 x cos x 2
0
− 4 sin x 2
0
= − 4  D( X ) = M ( X 2 ) − M 2 ( X ) = −4
2 0
2 2 2
me
d) Pentru a determina mediana me a v.a. X , rezolvăm ecuaţia 1 1
F ( me ) =   f ( x)dx =
2 − 2
me

me  − 2 , 2   (sin me + 1) = 1  sin me = 0  me = 0
1

me
1
2
cos xdx = 12 sin x −  =

−2
2 2 2
Modul mo este orice punct de maxim local al funcţiei f .
1   
Studiem monotonia funcţiei  2  cos x, x  − 2 , 2 
f ( x) =   
   
0, x  − , 
  2 2

x -∞ - π/2 0 π/2 +∞

f(x) 0 0 1
0 0
2

Din tabel deducem că modul variabilei aleatoare X este: mo = 0.

19. Fie funcţia f : R → R, f(x) = k x10 e- |x|.

a) Să se determine parametrul k R astfel încât f să fie densitatea de repartiţie a unei v.a. continue X.
b) Să se calculeze M(X ) şi D (X ).
Rezolvare:
a) Condiţiile ca f să fie densitatea de repartiţie a unei v.a. continue X sunt:

1) f ( x)  0,  x  R  k  0; 2)  f ( x)dx = 1
−
deoarece avem de calculat integrala unei funcţi pare pe un interval simetric faţă de origine, putem scrie:
  
1
 f ( x)dx = 2 f ( x)dx = 2 kx
10 − x
e dx = 2 k (11) = 2k  10!= 1  k =
− 0 0
2  10!

1
 x 11 e dx = 0 , fiind integrala unei funcţii impare pe un interval simetric faţă de origine
b) −x
M (X ) =
−
2 10!
  
1 1 1 1
M (X 2) =  x f ( x)dx = 2 x  x10e− x dx =  x12e− x dx =  (13) = 12! = 1112 = 132
2 2

− 0
2 10! 10! 0 10! 10!
 Silvia Dedu - Probabilități și Statistică Matematică - Seminar 4 + 5

D (X) = M (X2) - M2(X) = 132.


, x  (0,1)
p
20. Fie funcţia  . Să se determine:
f : R → R, f ( x ) =  3 x 2 − x 3 , pR
 0, x  (0,1)

a) parametrul real p astfel încât f să fie densitatea de repartiţie a unei v.a. continue X;
b) media, dispersia, momentul iniţial de ordinul r, r  N*;
c) asimetria şi modul variabilei aleatoare X.
Rezolvare:
a) Pentru ca f să reprezinte densitatea de repartiţie a unei v.a. continue, trebuie să verifice următoarele condiţii:

1) f ( x)  0, x  R  p  0 ; 2) f ( x)dx = 1

−
 
 2
2
(1 − x )− 3 dx = p    1 , 2  = p 
0 1 1
p − 1

 f ( x)dx =  0dx + 
− − 0
3
x −x
2 3
dx +  0dx = p  x
1 0
3

3 3 sin 3
= p
3
=1

 2
1 3  , x  (0,1)
 p= =  f ( x) =  3 x 2 − x 3
3

 1 2  2 
 ,   0, x  (0,1)
3 3

b) Momentul iniţial de ordinul r este: m = M ( X r ) =
x f ( x)dx =
r
r
−


1 2  1  2  1
r + , 
 r +     r + 
(1)
1 2
1 r−
(1 − x )
1

3 3
= 
3  3  3
 1 2  0
−
= x 3
dx =  =
(r + 1)
3
1 2 1  2 1
 ,   ,      (r + 1)  
3 3 3 3 3  3 3
• Media v.a. X este momentul iniţial de ordinul 1: (1 + 1 / 3) 1
M ( X ) = m1 = =
(2)  (1 / 3) 3
• (7 / 3) 2 , deci dispersia v.a. este D 2 ( X ) = M ( X 2 ) − M 2 ( X ) = m − m 2 = 1
M ( X 2 ) = m2 = = 2 1
(3)  (1 / 3) 9 9
c) Asimetria variabilei aleatoare X se defineşte astfel: 3 ( X )
A( X ) =
 3(X )
    (
 3 ( X ) = M ( X − M ( X ) )3 = M ( X − m1 )3 = M X 3 − 3 X 2 m1 + 3 Xm12 − m13 = )
( )
= M X − 3m1 M X
3
( ) + 3m M ( X ) − m
2 2
1
3
1 = m3 − 3m1 m2 + 2m 3
1
 20 Silvia Dedu - Probabilități și Statistică Matematică - seminar 1

 10 
 
m3 =  3  = 14   ( X ) = 14 − 2 + 2 = 2 ;  ( X ) = D ( X ) = 1 ;
 1  81
3
(4 )   
81 9 27 81 3
 
3
rezultă A( X ) = 2 : 1 = 2 .
81 27 3
Deoarece X v.a. continuă, modul mo este orice punct de maxim local al funcţiei f . Studiem monotonia funcţiei
 2
( )
1
3 −3 
 x −x ( ) ( )
4
−
, x  (0,1) . Avem:  1 x 2 − x3 3  2 x − 3x 2
, x  (0,1)

f ( x) =    1 , 2  f ' ( x ) = − 3  (13 , 23 )
   
x  0,1
3 3
  0,
 0, x  (0,1)

x -∞ 0 2/3 1 +∞
f '(x) 0  - - - - - 0+ + + +
f (x)  
Deducem că funcţia nu are puncte de maxim local, deci nu există modul variabilei aleatoare X.

 2 − 2x
21. Fie funcţia  Să se determine:
f : R → R , f ( x ) = k x e , x  0 , k  R .
 0, x0
a) parametrul k astfel încât f să fie densitatea de repartiţie a unei v.a. continue X;
b) funcţia de repartiţie a variabilei aleatoare X;
c) probabilităţile: P(X < 4), P(X > 4), P(6 ≤ X ≤ 8), P(X ≤ 4 / X >2);
d) media, dispersia, momentul iniţial de ordinul r, r  N* şi momentul centrat de ordinul 3 ale v.a. X ;
e) modul variabilei aleatoare X;
f) asimetria şi excesul variabilei aleatoare X.
Rezolvare:
a) Condiţiile ca f să fie densitatea de repartiţie a unei v.a. continue sunt:


 f ( x)dx = 1
Avem:
1) f ( x)  0, x  R  k  0; 2)
−
 0  x
− x
I= 
−
f ( x)dx =  0dx +  k x 2 e
− 0
2
dx ; cu schimbarea de variabilă
2
= t  x = 2t; dx = 2dt obţinem:


I = k  4 t 2e − t 2dt = 8k  (3) = 16k ; din condiţia I = 1  k = 1/ 16.
0
 Silvia Dedu - Probabilități și Statistică Matematică - Seminar 4 + 5

 1 2 − 2x

f : R → R, f ( x) = 16 x e , x  0
Rezultă
 0, x0
x
b) Funcţia de repartiţie a variabilei aleatoare X este
F : R → R, F ( x) =  f (t )dt
−
x
• ;
x  (−, 0]  F ( x) =  0 dt =0
−
' x
•
0 x
1 2 −2
t
1
x
 − 
t
1 −
t
1
x t
−
x  (0, )  F ( x) =  0dt + 
16 0
t e dt =  t 2  − 2e 2  dt = − t 2 e 2
16 0  8
+
8 0
(2t )e 2 dt =
−  0
' x x
1  − 
x t x t t x x t
x 2 + 4x + 8 − 2
2 x x x
x − x2 − t − 1 − x2 − x − −
=− e 2
+  t  − 2e 2  dt = − e 2 − e 2 +  e 2 dt = − e 2 − e 2 − e 2 = =1− e
8 40   8 2 20 8 2 8
0 0

 0, x  0
. Rezultă 
F : R → R, F ( x ) =  x 2 + 4 x + 8 − x
1 − e 2, x 0
 8
c) P( X  4) = F (4) = 1 − 5e −2 ;
17 −3 ;
P( X  6) = 1 − P( X  6) = 1 − P( X  6) = 1 − F (6) = e
2
17 −3
P(6  X  8) = F (8) − F (6) = e − 13e −4 ;
2
P (( X  4)  ( X  2) ) P (2  X  4) F (4) − F (2) 2e − e 2 e − 2
5 5
P ( X  4 / X  2) = = = = =
P ( X  2) 1 − P ( X  2) 1 − F (2) 5 e
2e
  x
d) Momentul iniţial de ordin r este: m = M ( X r ) = 1 2 −
−x f ( x)dx = 0 x  16 x e 2 dx
r r
r


cu schimbarea de variabilă x = t  x = 2t ; dx = 2dt rezultă m = 1
16 0
r (2 t ) r + 2 e −t 2dt = 2 r −1  (r + 3)
2
Am obţinut mr = 2 r -1(r + 2)!,  r  N*.
▪ Media v.a. X este momentul iniţial de ordinul 1, deci M (X) = m1 = 3! = 6
▪ Avem M (X 2) = m2 = 2  4! = 48, deci dispersia v.a. este: D( X ) = M ( X 2 ) − M 2 ( X ) = m 2 − m12 = 12
▪ Momentul centrat de ordinul 3 este:
   
3 ( X ) = M ( X − M ( X ) )3 = M ( X − 6)3 = M (X 3 − 18 X 2 + 108 X − 216 ) =
=M X ( ) − 18M (X ) + 108 M ( X ) − 216 = m3 − 18m2 + 108 m1 − 216 = 768 .
3 2
22 Silvia Dedu - Probabilități și Statistică Matematică - seminar 1

e) Pentru a determina modul variabilei aleatoare X, vom studia monotonia funcţiei f. Avem:
 - x 2 + 4 x − 2x

f ': R → R, f ' ( x) =  32 e , x  0
 0, x0
Deoarece pe intervalul (- ∞, 0] funcţia este constantă, vom căuta punctele de maxim în intervalul (0, ∞).
Pentru x > 0, f ' (x) = 0  x = 4.

x -∞ 0 4 +∞
f ' (x) 0 0 + + + + + + + 0 - - - - - - - - - - -
f (x)

Rezultă că modul variabilei este mo = 4.

f) Asimetria variabilei aleatoare X este A ( X ) = 3 ( X )

3/ 2
2 (X )
Am calculat μ3(X) = 768 şi  2 ( X ) = D( X ) = 12 , prin urmare A ( X ) = 768 = 32
3/ 2
12 3
Excesul variabilei aleatoare X este E ( X ) =  4 ( X ) − 3
 22 ( X )
Calculăm momentul centrat de ordinul 4:
    (
 4 ( X ) = M ( X − M ( X ) )4 = M ( X − 6)4 = M X 4 − 24 X 3 + 216 X 2 − 864 X + 1296 = )
=M X ( ) − 24 M (X ) + 216 M (X ) − 864 M ( X ) + 1296 = m
4 3 2
4 − 24 m3 + 216 m 2 − 864 m1 + 1296
Avem: m4 = 2  6! = 5760, m3 = 2  5! = 480, m2 = 2  4! = 48, m1 = 6, prin urmare  4 (X) = 720.
3 2

Rezultă E ( X ) = 7202 − 3 = 2
12

22. Fie funcţia ax6

f : R → R, f ( x ) = ; a  R . Se cere:
(1 + 3x ) 2 5

a) parametrul a astfel încât f să fie densitatea de repartiţie a unei v.a. continue X ;

b) să se studieze existenţa momentelor iniţiale de ordinul r, r  N* ;
c) să se calculeze media şi dispersia variabilei aleatoare X.
Rezolvare:
a) Condiţiile ca f să fie densitatea de repartiţie a unei v.a. continue X sunt:
 Silvia Dedu - Probabilități și Statistică Matematică - Seminar 4 + 5


; deoarece funcţia f este pară, obţinem:
1) f ( x)  0, x  R  a  0; 2)  f ( x)dx = 1
−
  1 1
x6 ; cu schimbarea de variabilă 3x 2 = t  x = 1 t 2 ; dx = 1 t − 2 dt
I=  f ( x)dx = 2a  (1 + 3x )
− 0
2 5
dx
3 2 3
5
 
7 3
1
rezultă: I = 2a t3 1 − a t 2
a
 27 (1 + t )
0
5

2 3
t 2 dt = 
27 3 0 (1 + t )
5
dt =  , ;
27 3  2 2 
din condiţia 27 3 3456 3
I =1 a = =
7 3 5
 , 
 2 2 

b) Momentul iniţial de ordin r al v.a. X există dacă integrala r există şi este finită
 x f ( x)dx
−

• Dacă r este impar, atunci x f ( x) dx = 0 , deci există mr = 0.

r

−
 
• Dacă r este par, atunci x6
mr = x f ( x) dx = 2a  x r
r
, dx
− 0 ( 1 + 3x ) 2 5

ax 6 . Avem: lim x   x r  f (x ) = a  (0,  ) dacă α + r + 6 =10  α = 4 - r.

g : R → 0,  ), g ( x) =
Fie

(1 + 3x ) x → 5
2 5 3
Integrala notată mr este convergentă dacă şi numai dacă α = 4 – r > 1  r < 3. Rezultă:
1) V.a. X admite momente iniţiale mr dacă r = 2 sau r impar.
2) Nu există mr dacă r este par şi r ≥ 4
 
x7
c)
M (X ) =  xf ( x)dx = a  (1 + 3x ) 2 5
dx = 0 , fiind integrala unei funcţii impare calculată pe un interval simetric
− −
faţă de origine.
  
x8 x8
M (X 2) =  x f ( x)dx = a  dx = 2a  dx . Cu schimbarea de variabilă
2

− −
(1 + 3 x 2 5
) 0
(1 + 3 x 2 5
)
7
 
9 1
1
de la a) obţinem: M ( X 2 ) = 2a t4 1 − a t2 a
0 81(1 + t )5  2 3 t 2 dt = 81 3 0 (1 + t )5 dt = 81 3   2 , 2  =
9 1
  
9 1 (5) 7 rezultă D(X) = 7/3
 ,  =    
27 3 1 2 2
=  = ;
7 3 3 (5) 7 3 3
  ,  81 3 
2 2
  
2 2 2 2
24 Silvia Dedu - Probabilități și Statistică Matematică - seminar 1

 k ax, x  0
23. Fie funcţia
f : R → R, f ( x ) =  , k  R, a  (0, 1) . Să se determine:
 0, x  0
a) parametrul k astfel încât f să fie densitatea de repartiţie a unei v.a. continue X ;
b) funcţia de repartiţie a variabilei aleatoare X ;
c) media variabilei aleatoare X.
Rezolvare:
a) f este densitatea de repartiţie a unei v.a. continue X dacă îndeplineşte condiţiile:
  
fie
1) f ( x)  0, x  R  a  0; 2)  f ( x)dx = 1; I =  f ( x)dx = k  a x dx
− − 0

( ) I =− k
c x
Avem: 1 a 1 , prin urmare integrala I este convergentă şi .
lim  a x dx = lim =
lim a c − 1 = −
c

c → c → 0 ln a
0
ln a c→
ln a ln a
Din condiţia 2) rezultă k = − ln a  0 .
x
b) Funcţia de repartiţie a variabilei aleatoare X este F : R → R, F ( x) =
 f (t )dt
−
x
•
x  (−, 0]  F ( x) =  0 dt =0
−
0 x x
•
x  (0, )  F ( x) =  0 dt − ln a  a t dt = −a t =1− ax
− 0 0

Am obţinut:  0, x  0

F : R → R, F ( x ) = 
 x
1 − a , x  0

( )
 0  c
c) M ( X ) = x x
 xf ( x)dx =  x  0 dx − ln a   x a dx = − lim  x a ' dx =
− − 0 c→ 0



c c 


ln
x c 
= lim  − x a x +  a x dx  = lim  − c a c + a  = lim − c a c + a − 1 = − 1
a ln
c

a ln a ln a
( )
c →  0 0  c →  0  c →
x −
−
24. Fie funcţia f : R → R, f ( x) = k e  ,   R,   0; k  R . Să se determine:
a) valoarea parametrului k astfel încât f să fie densitatea de repartiţie a unei v.a. continue X.
b) media şi dispersia variabilei aleatoare X .
c) funcţia de repartiţie a variabilei aleatoare X .
Rezolvare:
a) Condiţiile ca f să fie densitatea de repartiţie a unei v.a. continue X sunt:
  x −  x −
 − −

 f ( x)dx = 1; I = − f ( x)dx = k − e dx = k  e

 
1) f ( x)  0, x  R  a  0; 2) dx
− −
 Silvia Dedu - Probabilități și Statistică Matematică - Seminar 4 + 5

notăm x −  = t  x =  t +  ; dx =  dt ; cu această transformare şi având în vedere că funcţia care se integrează este


 
− t
pară, obţinem: I = k
e dt =2k  e− y dt = 2k (1) = 2k
− 0
Din condiţia I = 1 rezultă k = 1/ 2 .
  x −  x −
− −
b) M ( X ) = 1 1
− xf ( x)dx = 2  xe  xe
 
dx = dx ;
−
2 −

Cu schimbarea de variabilă x − = t  x =  t +  ; dx =  dt rezultă:


  
− t  − t − t
M ( X ) = 1  ( t +  ) e dt =  te dt +   e dt = 0 +  (1) = 
2 2 2
− − −
  x −
−

 (x − M ( X ))  (x −  )
1 
D( X ) = f ( x)dx =
2 2
e dx
−
2 −
 
x −
= t  x =  t +  ; dx =  dt , prin urmare: D( X ) = 1 ( t ) dt =  2  t 2 e − t dt =  2 (3) = 2 2
2
2 − t
 e
− 0

 1 x −
x x −  e , x 
c) F : R → 0, 1 → R, F (x ) =  f (t ) dt . Avem: f ( x) = 1 e
−
  2
=
− 2  1
− x +

 2 e

, x 

x t − t − x x −

x    F (x ) =
1 1 1

  
e dt = e = e
2 −
2 2
−

 t − x − t + t −  − t + x − t +

x    F (x ) =
1 1 1 1 1
 
    
e dt + e dt = e − e =1− e
2 −
2 
2 2 2
− 

 1 x −
 e , x 
Am obţinut  2
F ( x) =  − x +
 1 
1
 2− e , x 
26 Silvia Dedu - Probabilități și Statistică Matematică - seminar 1


k ln , x  (0, a )
a
25. Fie funcţia . Să se determine:
f : R → R, f ( x ) =  x ; k  R, a  0
 0, x  (0, a )
a) parametrul k astfel încât f să fie densitatea de repartiţie a unei v.a. continue X .
b) funcţia de repartiţie a variabilei aleatoare X;
c) media, dispersia şi momentul iniţial de ordin r, r  N*, al variabilei aleatoare X .
Rezolvare:
a) f este densitatea de repartiţie a unei v.a. continue X dacă îndeplineşte următoarele condiţii:

 a
 f ( x)dx = 1.
1) f ( x)  0, x  R  a  0; 2) Fie ;
I =  f ( x)dx = k  ln ax dx
− − 0

folosind schimbarea de variabilă ln a = t  a = e t  x = a e − t ; dx = − a e − t dt rezultă

x x
0
I = − a k  t e − t dt = a k (2) = a k

Din condiţia 2) rezultă k = 1/ a.
x
b) Funcţia de repartiţie a variabilei aleatoare X este F : R → R, F ( x) =  f (t )dt
−
x
•
x  (−, 0]  F ( x) =  0 dt =0
−

( )
0 x
•
x  (0, a )  F ( x) =  0dt + 1a  ln at dt = ax 1 + ln ax
− 0
0 a x
• 1 a
x  [a, )  F ( x) =  0dt +
a 0 t
ln dt +  0dt = 1 . Am obţinut:
− a

 0, x  (−, 0]

 x a 
F : R → [0,1], F ( x) =   1 + ln  , x  (0, a )
a  x
 1, x  [ a, )
c) Vom calcula mai întâi momentul iniţial de ordinul r :

( )
a 0 0
1 a 1
mr = M ( X r ) =  x r f ( x)dx =  x r  ln dx =  a e − t t (−a e − t ) dt = a r  t e − ( r +1) t dt
r

− 0
a x a 
0
y 1 ar ar
Notăm (r + 1) t = y  t =
r +1
; dt =
r +1
dy , deci mr =
(r + 1) 2 

y e − y dy =
(r + 1) 2
(2) ,
 Silvia Dedu - Probabilități și Statistică Matematică - Seminar 4 + 5

( )
r
prin urmare mr = a 2 , r  N * , deci M ( X ) = m1 =
a
, M X 2 = m2 =
a 2 şi
D( X ) =
a 2 a 2 7a 2
(r +1) 4 9
− =
9 16 144

26. Fie funcţia F : R → R, F ( x) =  a, x0

 −x
; a, b, c  R . Să se determine:
 b + ce , x  0
2

a) parametrii a, b, c astfel încât F să fie funcţia de repartiţie a unei v.a. continue X.

b) densitatea de repartiţie a variabilei aleatoare X.
c) funcţiile de repartiţie ale variabilelor aleatoare Y = 3 X - 1, Z = X 2, T = │X│.

Rezolvare:
a) Conform propoziţiei 2 din breviarul teoretic, F este funcţia de repartiţie a unei v.a. dacă verifică următoarele
condiţii:
1) lim F ( x) = 0  lim a = 0  a = 0 ; lim F ( x) = 1  lim (b + ce − x 2 ) = 1  b = 1 ;
x → − x → − x→ x→
2) F este continuă la stânga; avem:
F (0 − 0) = lim F ( x) = lim 0 = 0 ; F (0) = b + c = 1 + c
x →0 x →0
x 0 x 0

impunând condiţia de continuitate la stânga în punctul x = 0, rezultă c = -1. Obţinem  0, x  0


F ( x) = 
 −x2
1 − e , x  0
3) F nedescrescătoare, condiţie care se verifică pentru F determinat.
b) 
 0, x0 .
f ( x) = F ' ( x) = 
 − x 2

2 xe ,x  0
c) Funcţia de repartiţie a variabilei aleatoare Y este:
 x +1  0
 x  −1
( ) ( )
0, 0,

FY ( x) = P(3 X − 1  x) = P X  x +1 = F X x +1 = 
3
=
( )
1 − e − ( 3 ) , x +1  0 1 − e 3 , x  −1
3 3 x +1 2 − x +1 2

 3
Funcţia de repartiţie a variabilei aleatoare Z este:
 P(), x0  0, x0 .
FZ ( x) = P( Z  x) = P( X 2  x) =  =
( )
P X  x , x  0 P(− x  X  x ) , x  0
 0, x  0  0, x  0 . Funcţia de repartiţie a v.a. T este:
FZ ( x) =  =
 X
F ( )x − F X(− x )
, x  0 1 − e − x , x  0

 P(), x  0  x0  0, x  0
FT ( x) = P(T  x) = P( X  x ) = 
0,
= =
 P (− x  X  x ), x  0  X
F ( x ) − FX (− x ), x  0 1 − e− x , x  0
2
28 Silvia Dedu - Probabilități și Statistică Matematică - seminar 1

 0, x  0
27. Variabila aleatoare X are funcţia de repartiţie 
 x2
F : R → R, F ( x ) =  , x  (0, 2
 4
 1, x  2
Să se determine funcţiile de repartiţie ale variabilelor aleatoare Y = 3 – X şi Z = 2X 2 + 1.
Rezolvare:
b) FY (x ) = P(Y  x ) = P(3 − X  x ) = P( X  3 − x ) = 1 − P( X  3 − x ) = 1 − F X (3 − x )

 0, 3− x  0  0, x3  0, x 1
  ; rezultă 
 (3− x ) , x  1, 3) .
  FY ( x ) =  1 −
2

FX (3 − x ) =  (3 − x )
, 3 − x  (0, 2 =  (3 − x )
, x  1, 3)
2 2

4 4 4
 1, 3 − x  2  x 1


 

1,  1, x3

 P (), x −1
0  0, x 1
( ) = 
( ) ( )
2
FZ ( x) = P ( Z  x) = P (2 X 2 + 1  x) = P X 2  x −1
= =
 P X   0  P −
 X  x2−1 , x  1
x −1
2 x −1 x −1
, 2 2 2

 0, x  1  0, x  1
x  1  0, x  1 

=
( )− F (−
0,
) =
, x  1  FX ( ) = 
1 x −1
2
, x −1
( )
 (0, 2   F ( x ) =
 x −1
 2 , x  (1, 9
2 ,x 1
x −1 x −1 x −1 4 2 2 Z
 FX 2 X 2   1, x  9
 1, 2  2
x −1 

28. V.a. continuă X are densitatea de repartiţie: 4 x 3 , x  [0,1]

f ( x) = 
 0, x  [0,1]
Să se determine repartiţiile v.a. Y = X 2, Z = 2 X + 3, şi T = e X.

Rezolvare:
• Repartiţia v.a. Y este de forma:  x  , unde fY este densitatea de probabilitate a v.a. Y. Avem:
Y :  
 f Y ( x)  xR
 P(), x  0  0, x0  0, x0
FY ( x) = P(Y  x) = P( X 2  x) =  = =
P( X  x ) , x  0 P(− x  X  x ) , x  0 FX ( x ) − FX (− x ) , x  0
 x0
Prin derivare obţinem:  0, x0 
0,

f Y ( x) = 
( x ) 1
, x0
 3
= 4 x  ( )
1
, x  (0,1]
fX  2 x
 2 x 
 0, x 1
Rezultă  2 x, x  [0,1] şi astfel repartiţia v.a. Y este determinată.
f Y ( x) = 
 0, x  [0,1]
• V.a. Z are repartiţia:  x  , unde fZ este densitatea de probabilitate a v.a. Z.
Z :  
 Z
f ( x )  xR
 Silvia Dedu - Probabilități și Statistică Matematică - Seminar 4 + 5

Avem F ( x) = P( Z  x) = P(2 X + 3  x) = P X  x − 3 = F x − 3 .
Z X ( 2
) (2)
 0, x −3  0
Prin derivare obţinem:  2

( ) ( )
.
− 1  x −3 3 1 x −3
f Z ( x) = f X x 3  = 4   ,  (0,1]
2 2  2 2 2
x −3  1
 0,
 2

Rezultă că v.a. Z are densitatea de repartiţie  ( x − 3) 3

 , x  [3,5] .
f Z ( x) =  4
 x  [3,5]
 0,
•  x  , unde fT este densitatea de probabilitate a v.a. T.
V.a. T are repartiţia
T :  
 f T ( x)  xR
Avem: P(), x  0  0, x0.
FT ( x) = P(T  x) = P(e X  x) =  =
P( X  ln x), x  0 FX (ln x), x  0
 0, x0
Prin derivare obţinem:  0, x0   4 ln 3 x .
  4 (ln x ) 3
 , x  [1, e]
fT ( x) =  1 = , ln x  (0,1] =  x
 f X (ln x)  x , x  0  x  xe
 0, ln x  1  0,

29. Fie v.a. discretă  − 2 − 1 0 1 2  . Să se determine:

X : 2 
 1 4 1 2
 10 10 10 10 10 
a) funcţia caracteristică a variabilei aleatoare X;
b) funcţia generatoare de momente a variabilei aleatoare X;
c) media şi dispersia variabilei aleatoare X, folosind funcţia generatoare de momente;
d) funcţia caracteristică a variabilei aleatoare Y = 3 X - 2.
Rezolvare:

 (t ) =  e itx pk = e it (− 2)  2 + e it (−1)  1 + e it 0  4 + e it 1  1 + e it  2  2
a) 5
k
10 10 10 10 10
k =1
Folosind formula eitx = cos x + i sin x, funcţia caracteristică se mai poate scrie:

1 (2 cos (− 2t ) + 2i sin (− 2t ) + cos (− t ) + i sin (− t ) + 4 + cos t + i sin t + 2 cos 2t + 2i sin 2t ) sau

 (t ) = 10
1 (4 + 2 cos t + 4 cos 2t ) = 1 (2 + cos t + 2 cos 2t ) .
 (t ) = 10 5

( )
5
b) g (t ) =
e
k =1
txk
pk = e t( −2)  102 + e t( −1)  101 + e t0  104 + e t1  101 + e t2  102 = 101 2e −2t + e −t + 4 + e t + 2e 2t
30 Silvia Dedu - Probabilități și Statistică Matematică - seminar 1

c) Aplicând propoziţia 8, punctul 2), obţinem: M(X) = m1 = g’(0);

10
( )
g ' (t ) = 1 − 4e −2t − e −t + e t + 4e 2t  g ' (0) = 0 , deci M(X) = 0; M(X ) = m2 = g (0);
2 ’’

( 9 , deci
g ' ' (t ) = 101 8e −2t + e −t + e t + 8e 2t  g ' ' (0) =
5
)M (X 2 ) = = D 2 ( X ) .
9
5
d) Aplicând propoziţia 8, punctul 3), avem: 3 X −2 (t ) = e −2it   X (3 t ) = e −2it  (2 + cos 3t + 2 cos 6t ) / 5

30. Fie f : N → R, f (x ) = e− 2 a  (2a ) , a  0

x

x!
a) Să se arate că f reprezintă legea de probabilitate a unei variabile aleatoare X.
b) Să se determine funcţia caracteristică a variabilei aleatoare X.
c) Să se calculeze media şi dispersia v.a. X, folosind funcţia caracteristică.
Rezolvare:
a) Din domeniul de definiţie al funcţiei f deducem că X este o v.a. discretă; prin urmare

f este legea de probabilitate a unei v.a. X dacă îndeplineşte condiţiile: 1) f ( x )  0, x  N ; 2)  f (x ) = 1
x =0
  (2a ) x  (2a ) x
 f ( x ) =  e − 2a 
Deoarece condiţia 1) se verifică şi
= e − 2a  = e − 2a  e 2a = 1
x =0 x =0 x! x =0 x!
rezultă că f este legea de probabilitate a unei v.a. discrete.

b)  (t ) =  e

itx
f (x ) = 

itx − 2 a
e e 
(2a )x =e − 2a

(
2aeit )
x
=
x =0 x =0 x! x =0 x!
= e − 2a  e 2ae = e 2a (e −1) , deci  : R → C ,  (t ) = e 2a (e −1)
it it it

c) Conform propoziţiei 8 din breviarul teoretic, M ( X ) =  ' (0) ; M ( X 2 ) =  ' ' (0)
2
i i
 ' (t ) = 2a i e it  e 2 a (e −1)   ' (0) = 2 a i  M ( X ) = 2a
it

 ' ' (t ) = 2a i 2 e it  e 2 a (e −1) + 4a 2 i 2 e 2it  e 2 a (e −1)   ' ' (0) = −(4a 2 + 2a ) 

it it

 M(X2) = 4a2 + 2a, prin urmare D2(X) = 2a.

 1 −
x

31. Să se calculeze funcţia caracteristică a v.a. având densitatea de repartiţie  x 3

e 2a
, x0
f ( x) =  96 a 4
 x0
 0,
Rezolvare:
Conform definiţiei, avem:
 Silvia Dedu - Probabilități și Statistică Matematică - Seminar 4 + 5

  x   1 
− − − it  x
 : R → C ,  (t ) =  e itx f ( x) dx = 1
96 a 4 e x e
itx 3 2a
dx = 1
96 a 4 e  2a 
x 3 dx
− 0 0
Cu schimbarea de variabilă  1  1 2a 2a obţinem:
 − it  x = y  x = y= y  dx = dy
 2 a  1
−i 1 − 2 ait 1 − 2 ait
2a
 3 
1  2a  2a 1 1 1 1 1
96a 4 0 6 (1 − 2ait )3 0
 (t ) = e− y  y dy =  y 3e− y dy = (4) =
 1 − 2ait  1 − 2ait 6 (1 − 2ait )3 (1 − 2ait )3

32. O v.a. X are funcţia caracteristică

 (t ) =
1
8
(
1 + e it ) 3 . Să se determine:

a) media şi dispersia variabilei aleatoare X;

b) repartiţia variabilei aleatoare X;
c) funcţia de repartiţie a variabilei aleatoare X.

Rezolvare:
a) Din propoziţia 8 avem că:  ' (0)  " (0)
M (X ) = ; M (X 2) = ;
i i2
3 3  ' (0) 3
 ' (t ) = (1 + e it ) 2  ie it   ' (0) = i  M ( X ) = = ;
8 2 i 2
6 3  ' ' (0)
 ' ' (t ) = (1 + e it )  i 2 e 2it + (1 + e it ) 2  i 2 e it   ' ' (0) = 3i 2  M ( X 2 ) = 2 = 3 ;
8 8 i
9 3
D( X ) = M ( X 2 ) − M 2 ( X ) = 3 − = .
4 4
b) 1  0 1 2 3 
 (t ) = (1 + 3eit + 3e 2it + e3it ) = M (eitx )  X :  
8 1 / 8 3 / 8 3 / 8 1 / 8 
0, x  0
1
c)  ,0  x  1
8

1
F ( x ) =  ,1  x  2
2
7
 8 ,2  x  3

1, x  3


1  x
33. Fie funcţia  4 1 − 4  , x  4
f : R → R, f ( x ) =   
 0, x 4

a) Să se arate că f este densitatea de probabilitate a unei variabile aleatoare continue X.
32 Silvia Dedu - Probabilități și Statistică Matematică - seminar 1

b) Să se determine funcţia caracteristică a variabilei aleatoare X.

Rezolvare:
a) Trebuie să verificăm condiţiile: 1) f ( x)  0,  x  R , care este adevărată; 2)  ;
 f ( x)dx = 1
−
4
 4 1 x 1 4 x 1 x 2 
 f ( x)dx =  4 1 − 4 dx = 2  4  1 − dx =  x − =1
− −4   0 4 2 8 
0
b) Conform definiţiei, funcţia caracteristică a variabilei aleatoare X este:

( )
 4 1 x 0 1 x 4 1 x
 X (t ) = M eitX =  eitx  f ( x)dx =  eitx 1 −  dx =  eitx 1 +  dx +  eitx 1 −  dx
− −4 4  4  −4 4  4  0 4 4
În prima integrală facem schimbarea de variabilă - x = y  dx = - dy
1 y 1 x  y  x  x
( )
0 4 4 4 4
1 1 1
 X (t ) = − e −ity 1 − dy +  e itx 1 − dx =  e −ity 1 − dy +  e itx 1 − dx =  e itx + e −itx 1 − dx =
4
4 4 0
4 4 40  4 4 0  4 40  4

(cos tx + i sin tx + cos(−tx) + i sin( −tx))1 − x dx = 1  1 − x  cos tx dx = 1  1 − x   1 sin tx ' dx =
4 4 4
1
4 0
=
 4 2 0 4 2 0  4  t 
4 4
1 x  1  1 1 − cos 4t sin 2 2t
4
1 1 1 1 1
2 4 0 t
= 1 −  sin tx  +  sin tx dx = − 2 cos tx =− cos 4t + 2 = =
2  4  t  0
8t 0 8t 2
8t 8t 2 4t 2

34. Se consideră o urnă ce conţine bile albe şi bile negre. Fie p probabilitatea ca la o extragere din acastă urnă să apară o
bilă albă şi q probabilitatea să apară o bilă neagră. Se extrag succesiv n bile, cu revenire. Fie X v.a. ce indică numărul de
bile albe extrase. Să se determine funcţia generatoare de momente a v.a. X şi cu ajutorul acesteia să se calculeze media şi
dispersia v.a. X.

Rezolvare:

Problema descrie schema lui Bernoulli, prin urmare repartiţia v.a. X este  x 
X :  x n n− x  , p + q =1
C p q 
 n  x = 0, n
n n
g X (t ) = M (e tX ) =  e tx C nx p x q n− x =  C nx ( pe t ) x q n− x  g X (t ) = ( pe t + q) n
x =0 x =0
M ( X ) = g 'X (0) = n( pe t + q) n−1 pe t =n p
t =o
n−2
M ( X ) = g (0) = n(n − 1)( pe + q)
2 ''
X
t
pe2 2t
+ n ( pe t + q) n−1 pe t = n  (n − 1) p 2 + n  p = n 2 p 2 + np(1 − p) = n 2 p 2 + npq
t =0 t =0

D( X ) = M ( X 2 ) − M 2 ( X ) = npq

PROBLEME PROPUSE
 Silvia Dedu - Probabilități și Statistică Matematică - Seminar 4 + 5

1. Dintr-o urnă ce conţine trei bile albe şi cinci bile negre se extrag simultan patru bile. Fie X v.a. care indică numărul
de bile albe obţinute în cele patru extrageri. Să se determine:
a) repartiţia variabilei aleatoare X;
b) probabilitatea ca cel mult două dintre bilele extrase să fie albe, ştiind că s-a extras cel puţin o bilă albă;
c) valoarea medie, dispersia şi modul variabilei aleatoare X;
d) funcţia de repartiţie şi funcţia caracteristică a variabilei aleatoare X.

2. Dintr-o urnă ce conţine 40 bile albe şi 80 bile negre se extrag trei bile. Fie X v.a. care indică numărul de bile negre
obţinute în cele trei extrageri. Să se determine:
a) repartiţia variabilei aleatoare X;
b) probabilitatea ca cel puţin una din bilele extrase să fie neagră, dacă cel mult două din bilele extrase sunt negre;
c) P ( X – M (X) <  (X));
d) funcţia de repartiţie şi funcţia caracteristică a variabilei aleatoare X.

3. Se aruncă un zar de patru ori şi se notează cu X v.a. care indică numărul de apariţii ale feţei cu 4 puncte în cele patru
aruncări. Să se determine:
a) repartiţia, funcţia de repartiţie şi funcţia generatoare de momente a variabilei aleatoare X;
b) media, abaterea medie pătratică şi modul variabilei aleatoare X;
c) probabilitatea ca faţa cu 4 puncte să apară cel puţin de două ori.
4. Dintr-o urnă ce conţine n bile numerotate de la 1 la n se extrage o bilă (n  N*).
Fie X variabila aleatoare care indică numărul bilei extrase. Să se determine:
a) repartiţia variabilei aleatoare X;
b) valoarea medie şi dispersia variabilei aleatoare X.

5. S-a observat că o maşină automată care realizează un anumit tip de piesă produce în medie 10 % piese defecte. Se iau
şase piese la întâmplare din producţia maşinii şi se notează cu X v.a. care indică numărul de piese corespunzătoare
obţinute în cele şase extrageri. Să se determine:
a) repartiţia variabilei aleatoare X;
b) valoarea medie şi dispersia variabilei aleatoare X;
c) funcţia de repartiţie a variabilei aleatoare X.

6. Se aruncă simultan două zaruri omogene pe o suprafaţă netedă. Fie X v.a. care indică suma punctelor apărute pe
feţele superioare ale zarurilor. Să se determine:
a) repartiţia variabilei aleatoare X;
b) valoarea medie şi momentul iniţial de ordinul 2;
c) dispersia şi momentul centrat de ordinul 3;
d) modul variabilei aleatoare X.

7. Se aruncă o monedă de zece ori şi se notează cu X variabila aleatoare care indică numărul de apariţii ale stemei în
cele zece aruncări. Să se determine:
a) repartiţia variabilei aleatoare X;
b) valoarea medie şi dispersia variabilei aleatoare X;
c) funcţia de repartiţie a variabilei aleatoare X.
34 Silvia Dedu - Probabilități și Statistică Matematică - seminar 1

8. Se aruncă un zar şi se notează cu X variabila aleatoare care indică numărul de aruncări efectuate până la prima
apariţie a feţei cu 6 puncte. Să se determine:
a) repartiţia variabilei aleatoare X;
b) valoarea medie şi dispersia variabilei aleatoare X;
c) funcţia de repartiţie a variabilei aleatoare X;
d) probabilitatea ca faţa cu 6 puncte să nu apară în primele şase aruncări.

9. Se aruncă un zar care are două feţe vopsite cu roşu, două feţe vopsite cu albastru şi două feţe vopsite cu verde. Se
acordă un punct dacă la aruncare apare o faţă vopsită cu roşu, 2 puncte dacă apare o faţă vopsită cu albastru şi 3 puncte
dacă apare o faţă vopsită cu verde. Fie X v.a. care indică numărul de puncte obţinute de un jucător la o aruncare. Să se
calculeze media şi dispersia acestei v.a.

10. Dintr-o urnă ce conţine 7 bile albe, 10 bile negre şi 5 bile roşii se extrag la întâmplare 3 bile. Fie X v.a. ce indică
numărul de bile roşii extrase. Să se scrie repartiţia v.a. X şi să se calculeze valoarea medie şi abaterea medie pătratică ale
acesteia în următoarele cazuri:
a) extragerea este cu revenire;
b) extragerea este fără revenire.
11. Fie X, Y două v.a. independente, având repartiţiile −1 0 1  şi 2 3 5  . Să se determine
X : 5  Y : 
 1 2 3 1 1
 8 8 8  5 5 5 
repartiţiile următoarelor v.a.: X + 2 , X + 1 , ln Y, X - Y,
Y
Y 2-2 Y, XY şi să se calculeze mediile şi dispersiile variabilelor 3X – 2Y, XY.

12. Distribuţia v.a. X este − 2 -1 0 1 2

X :  7  ; p  R . Să se determine:
1
p 3
p p2 1 
 16 4 2 16 
a) parametrul p;
( ) ( ) ( ) (
b) M 5 X 2 + 2 , M X 3 − 3 X , D X 2 − 2 X , D X 3 − 2 ,  1  ;
D  )
3− X 
(
c) P( X  1 / X  −1) ; P X − M ( X )  1  ( X ) ;
3
)
d) funcţia caracteristică a variabilei aleatoare X.

13. Să se determine repartiţia sumei şi a produsului variabilelor aleatoare independente − 2 0 1 2  şi

X : 1 
 8q q 2 2
 15 5 15 
 −1 0 1 ,
Y :5  p, q  R .
 p p 2 1
3 3

14. Fie v.a. independente  −1 0 1 şi a 0 1  , p, q R, a  R \ {0,1}.

X :  Y : 
p+ 1 q + 13 1 1  2p − q 12 p 2 
 6 3 3
a) Să se determine distribuţia variabilei aleatoare X + Y .
 Silvia Dedu - Probabilități și Statistică Matematică - Seminar 4 + 5

b) Să se determine valorile parametrului a pentru care P (X + Y = 0) > 2/9.

15. Fie variabila aleatoare  −1 0 1 2  . Să se calculeze media, dispersia şi funcţia caracteristică ale v.a.
X : 1 
 1 1 1
 8 2 4 8
Y = 7 X - 4 şi Z = X 2 - 3X.

16. Să se calculeze media şi dispersia următoarelor variabile aleatoare:

a) X :  − 1 0 1 2
; p  R b) X :  0 1 2 3 4 5 
; p  R
 p  6 p p 2
2 p 3 p 2 3 p 2 
 p 4p 2p  4p

c) 1 2 3 . . . n . . .  0 1 2 . . . n . . . 
X :   ; p, q  R d) X :  
  p ; pR
. . . n . . . 
2 n −1 p p p
p pq pq . . . pq . . .

 3 32
3 
 n   n   n 
e)   f)   g)  
X : p  ; pR X : p  ; pR X : p  ; pR
 n (n + 1)   n   n 
  nN *  2 nN  4  nN *
h)  n  i)  n  j)  n 
   
X :  an  , a  0; p  R X :  an  , a  (0, 1); p  R  
X : p  , a  1, p  R
 p   p   n 
 n! nN  n  nN *  a  nN
k)  n  l)  n 
   
X : p  , a  0; p  R X : p  ; pR
 (n + a )(n + a + 1)(n + a + 2)   n (n + 1)(n + 2) 
 nN *   nN *

0 2 3 4 .......... n  şi
1 1 1 ,
 p, q  R , n  N . Să se determine:
*
X : 
17. Fie v.a.  . . .
p 1 1 Y :  2 23
1 .......... 1  n(n + 1) 
 2 4 8 q 2 n −1  q 
 q . . .
a) repartiţiile variabilelor aleatoare X şi Y; b) M ( X + Y ).

18. Să se calculeze momentul centrat de ordin k, k≥ 2 al v.a.  −2 2 3 

 
X : , pR
12 p 
1
 2p p+ 2

 6 

19. Fie v.a. − 2 3 4 6  . Să se determine parametrii reali a, b astfel încât v.a. Y = aX + b să aibă media
X :  
 6 p 2 p 9 p p 
57 şi dispersia 75. R: a = 3, b = 51 sau a = -3, b = 63.

20. Fie X v.a. care indică numărul de puncte obţinute la aruncarea unui zar. Să se determine parametrii reali a şi b
astfel încât momentul centrat de ordinul doi al v.a. Y = a X + b să fie egal cu 1.
36 Silvia Dedu - Probabilități și Statistică Matematică - seminar 1

21. Fie v.a. discretă  − 2 −1 0 1 2  . Să se determine:

X :  , p  R
 3p 4 p 2p p p
a) repartiţia variabilei aleatoare X;
b) funcţia de repartiţie a v.a. X şi graficul acesteia;

D  
 2
(
c) M (3 X − 2) , D(6 X − 3) , M ( X + X 2 ) , D ( X + X 2 ) ,  X + 1  ; P( X  1,3) , P X  1 / − 1,25  X  0,75 )
 X + 1

 a 1 2  şi  a +1 1 2
X : 1  Y :  , a, p, q  R .
22. Se dau v.a. independente
 p q   1 2 −q p 
 3   3 3
Să se determine parametrul real a astfel încât v.a. X - Y să aibă dispersia egală cu 4/9.

23. Fie v.a.  a a +1 a + 3  . Să se determine parametrii reali a şi p astfel încât valoarea medie a v.a. X să
X : 
 p − 0,05 0,3 p 2 

fie 2,05. R: a = 1; p = 0,5.

24. Fie v.a.  a −1 a+2 a + 4  . Să se determine parametrii reali a şi p ştiind că D (X) = 6,76.
X :  
 0,9 − 3 p 2p 0,3 − p 

25. Fie variabila aleatoare  1 2 3  . Să se determine parametrul real p pentru care dispersia v.a.
V :  
 0, 2 + p 0, 4 − 2 p 0, 4 + p 
V este: a) maximă; b) minimă.

26. Fie variabila aleatoare a 2 a 3  . Să se determine valorile parametrilor reali a şi p pentru

V :  
 0,2 0,25 + p 0,35 0,2 − p 
care dispersia variabilei aleatoare V este minimă.

27. Fie v.a.  1 2 3 4  . Să se afle parametrul real p pentru care P(X<2,5) = 0,7.
X :  
 0,2 + p 0,25 + p 0,3 − 2 p 0,25 

28. Fie v.a.  − 3 − 2 0 1  şi Y = 2 X - 3. Să se calculeze M(X + X2- Y).

X :  
 0,2 0,4 0,1 0,3 
29. Să se determine repartiţia v.a. X, funcţiile de repartiţie şi dispersiile v.a. Y = 4 X + 1, Z = X 2, T = e X dacă:
a)  x  ; b) x
X :   ; x  [0,1], a  R X :   ; x  [1,3], a  R
 a (3 x 2
+ 2 x )   ax 
 Silvia Dedu - Probabilități și Statistică Matematică - Seminar 4 + 5

30. Fie c . Se cere:

f : R → R, f ( x ) = , cR
1 + x2
a) parametrul c astfel ca f să fie densitatea de repartiţie a unei v.a. continue X
b) P (X2 < 1);
c) să se studieze existenţa momentelor iniţiale ale v.a. X
d) funcţia de repartiţie a variabilei aleatoare X
R: a) 1/; b) 1/2; c) nu există mr,  r  N*; d) F: R → R, F(x) = 1/2 + (1/) arctg x.

31. V.a.continuă X are densitatea de probabilitate  A  sin x, x  0,  

f : R → R, f ( x) =  , A R
 0, x  0,  
Să se determine:
a) parametrul A;
b) probabilităţile: P(X < /3) şi P(X < /4 / X > /6);
c) media şi abaterea medie pătratică a variabilei aleatoare X;
d) funcţiile de repartiţie ale v.a. X, Y =2X 2 + 1, Z = |X|;
e) mediana şi modul variabilei aleatoare X.
 0, x  0
R: a) 1/2; b) 3 − 2 ; c)  ;  − 2 ; d) ; e) /2; /2.
2
1− cos x
2+ 3 2 4 FX (x ) =  , x  (0,  
2

 1, x 
 3 − 2x
32. Fie funcţia  Să se determine:
f : R → R , f ( x ) = k x e , x  0 , k  R .
 0, x0
a) parametrul k astfel încât f să fie densitatea de repartiţie a unei v.a. continue X;
b) funcţiile de repartiţie v.a. X, 3X – 2, 1/X, X1/2 şi e X şi mediile v.a. X, 4X2 – 3, 1/X, X1/2;
c) P (X < 2), P (X > 4), P (4  X  8), P (X  4 / X > 2) şi modul variabilei aleatoare X;
d) media, dispersia şi momentul iniţial de ordinul r, r  N* ale v.a. X prin două metode;

 0, x0 2 r −1 (r + 3)!
R: a) 1/96; b) 
; d) 8; 16; ; e) 6.
F ( x) =  x 3 + 6 x 2 + 24 x + 48 − x 3
1 − e , x0
2
 48

( 2a ) x
f a : N → R, f a ( x ) = e − 2 a 
33. Fie
, a0
x!
a) Să se arate că f este legea de probabilitate a unei v.a. X şi să se determine funcţia caracteristică a v.a. X.
b) Să se calculeze media şi dispersia v.a. X prin două metode de calcul.
c) Dacă v.a. Y are densitatea de repartiţie fb, unde b > 0, să se determine legea de repartiţe a v.a. X + Y, ştiind că v.a.
X, Y sunt independente.
d) Să se generalizeze rezultatul obţinut la punctul c).
38 Silvia Dedu - Probabilități și Statistică Matematică - seminar 1

34. V.a. continuă X are densitatea de probabilitate  A  cos x, x   0, 2 

f : R → R, f ( x ) =  , A R
 0, x   0, 2 


a) Să se determine parametrul A.
b) Să se calculeze probabilităţile: P(X <  / 3) şi P(X <  / 4 / X >  / 6).
c) Să se determine media, dispersia şi mediana variabilei aleatoare X
R: a) 1; b) 3 / 2 ; 2 − 1; c)  / 2 − 1;  − 3 ;  / 6

35. Fie  k x a −1 ( 1 − x ) b −1, x  (0,1) . Să se determine:

f : R → R, f ( x ) =  , a, b  0; k  R
 0 , x  (0,1)
a) parametrul k astfel încât f să fie densitatea de repartiţie a unei v.a. continue X;
b) media, dispersia, modul şi momentul iniţial de ordin r al variabilei aleatoare X, r  N*;
c) funcţia de repartiţie a v.a. X şi P (X < 1/2), P (X > 1/3), P (X  1/2 / X > 1/4) pentru a = 2 şi b = 3.
R: 1 a ab a (a + 1)(a + 2).....(a + r − 1)
a) ; b) ; ;
 (a, b ) a+b (a + b)2 (a + b + 1) (a + b)2 (a + b + 1)...(a + b + r − 1)

36. Fie f n , p ( x) = C nx p x (1 − p) n − x , x  0, n; n  N * ; p  (0, 1)

a) Să se arate că fn,p este legea de repartiţie a unei v.a. discrete X.
b) Să se determine funcţia caracteristică si funcţia generatoare de momente a v.a. X.
c) Să se calculeze media şi dispersia v.a. X prin două metode de calcul.
d) Dacă v.a. Y are densitatea de repartiţie fn,q, q  (0,1), să se determine legea de repartiţe a v.a. X + Y, ştiind că v.a. X,
Y sunt independente.
e) Să se generalizeze rezultatul obţinut la punctul d).

37. Fie funcţia k (e − x + e x ), x  [0,1] . Să se determine:

f : R → R, f ( x ) =  , kR
 0, x  [ 0,1]
a) parametrul k astfel încât f să fie densitatea de repartiţie a unei v.a. continue X;
b) funcţia de repartiţie a variabilei aleatoare X şi P ( X <1/2 / X >1/4 );
c) media şi dispersia variabilei aleatoare X.
 0, x0
e ; b)
R: a) 2
e −1
 2x
 e e −1
F ( x) =  2
(
, x  (0, 1
)
; c) 2 ; e − 3 .
e +1 e −1
 e −1 e
x
( )
 1, x 1

38. Fie funcţia f : R → R, f ( x) = k e − (3 x−1) ; k  R . Să se determine:

2

a) parametrul real k astfel încât f să fie densitatea de repartiţie a unei v.a. continue X;
b) media şi dispersia variabilei aleatoare X.
R: a) 3 ; b) 1/3; 1/18.

 Silvia Dedu - Probabilități și Statistică Matematică - Seminar 4 + 5


, x  (1, e )
39. Fie funcţia k . Să se determine:

f : R → R, f ( x) =  x 3 ln 2 x − ln 3 x , kR
 x  (1, e )
 0,
a) parametrul k astfel încât f să fie densitatea de repartiţie a unei v.a. continue X.
b) funcţiile de repartiţie ale variabilelor Y =3 X - 4, Z = |X|, T = e X .
R: a) Se face schimbarea de variabilă ln x = t şi se aplică integrala beta; rezultă k = 3 / 2

40. Fie funcţia  −

x
. Să se determine:

f : R → R , f ( x ) = k x e , x  0 , k  R , a  0 .
a

 0, x0
a) parametrul k astfel încât f să fie densitatea de repartiţie a unei v.a. continue X;
b) funcţia de repartiţie, modul şi mediana variabilei aleatoare X;
c) P (X < 2a), P (X > a) şi P (X  4a / X > 2a) şi o margine inferioară a probabilităţii P (0 < X < 4a);
d) media, dispersia, şi momentul iniţial de ordinul r, r  N* ale v.a. X , folosind două metode de calcul;
e) mediile variabilelor aleatoare X2, X1/2, X -1/2. R: a) 12 ; b)  0, x0

a F ( x) =  x + a − x
1 − a e , x  0
a

41. Fie funcţia k , x  3 . Să se determine:


f ( x) =  81
 4 , x 3
8x
a) parametrul k astfel încât f să fie densitatea de repartiţie a unei v.a. continue X;
b) densitatea de repartiţie a v.a. X3;
c) funcţia de repartiţie a v.a. X şi probabilitatea p = P(1< X < 4 / X >3);
d) media si dispersia v.a. X;
e) o margine inferioară a probabilităţii P (-10 < X < 10).
R: a) 1/8; b)  1 −2 / 3 ; c) p = 37/64; d) 0; 9; e) 0,91.
, y  27  27
 24 y  − 8 x 3 , x  −3
f X 3 ( y) =  
 27 , y  27 x + 4
F ( x) =  , − 3  x  3,
 8 y 2
 8
 27
1 − 8 x 3 , x  3



2
x
− 2
42. Fie funcţia  , x  0 ; k  R, a  0 . Să se determine:
f : R → R , f ( x ) = k x e
2a

 0, x  0
a) parametrul k astfel încât f să fie densitatea de repartiţie a unei v.a. continue X;
b) funcţia de repartiţie a variabilei aleatoare X;
c) P (X < 2a), P (X > a) şi P (X  4a / X > 2a);
d) media, dispersia, momentul iniţial de ordinul r, r  N* ale v.a. X ;
e) momentul centrat de ordinul trei, mediana şi modul variabilei aleatoare X;
f) momentul centrat de ordinul 2 al v.a. Y = X 2;
g) o margine inferioară a probabilităţii P(0  X  a 2 ) .
40 Silvia Dedu - Probabilități și Statistică Matematică - seminar 1

R: a) 1 / a 2 ; d ) M ( X ) = a  / 2 ; D( X ) = a 2 (2 −  / 2); e)  3 ( X ) = a 3 ( − 3)  / 2 ; mo = a

43. Fie  p x 2 (1 − x) 4 , x  (0,1) . Să se determine:

f : R → R, f ( x ) =  ; pR
 0, x  (0,1)
a) parametrul p astfel încât f să fie densitatea de repartiţie a unei v.a. continue X;
b) media v.a. X , 1/X şi X1/2, dispersia, modul şi momentul iniţial de ordin r al v.a. X, r  N*;
c) funcţia de repartiţie a v.a. X şi P (X < 1/2), P (X > 1/3), P (X  1/2 / X > 1/4).

 n
−1 −
x
44. V.a. X are densitatea de repartiţie  2
e 3 , x  0, p  R, n  N * .
f n : R → R, f n ( x ) =  p x
 0, x0
a) Să se determine parametrul p şi funcţia caracteristică, iar media şi dispersia v.a. X prin două metode de calcul.
b) Dacă v.a. Y are densitatea de repartiţie fm, m  N*, să se determine densitatea de repartiţe a v.a. X + Y, ştiind că v.a.
X, Y sunt independente.
c) Să se generalizeze rezultatul obţinut la punctul b).
45. Fie funcţia ( )
 p x 2 − 1 , x  [−1,1]
f : R → R, f ( x ) =  , pR
. Să se determine:
 0 , x  [ −1,1]
a) parametrul p astfel încât f să fie densitatea de repartiţie a unei v.a. continue X;
b) funcţia de repartiţie a v.a. X şi probabilităţile: P (X < 1/2), P (X > -1/2) şi P (1/4  X  2/3);
c) media, dispersia, mediana şi modul variabilei aleatoare X.
46. Se consideră următoarele funcţii:
k (4 x + 1), x  [−2, − 1] ;  − 3x k (2 x + 1), x  [0,3] ;
a)
f ( x) = 
b)  ; c)
f ( x) = 
x  [−2, − 1] f ( x) = ke 2 , x  0 0, x  [0,3]
 0,  0, x  0 



k , x  [ −1, 1]
ke − 2 x , x  0 ;
  k ,x  0 ;
d)
f ( x) =  x 2 +1 ; e)
f ( x) =  f) 
f ( x) =  x x 2 +1

 0 , x  [ − 1, 1] 
 0, x  0 
 0 , x0
g) 
 −
x
; h) 

k , x  (− 2, 2 ) ;
f ( x ) = kxe 3 , x  0 f ( x) =  4 − x 2
 0, x  0  0, x  (− 2, 2 )




k , x  (− 1, 3) ;  k , x  (1, 2) . Să se determine:
f ( x) =  6 ( x +1)(3− x )
j) k)
f ( x) =  x 2 + 4 x

 0, x  (− 1, 3)  0, x  (1, 2)
i) parametrul k astfel încât funcţiile să fie densităţi de repartiţie ale unor v.a. continue;
ii) funcţiile de repartiţie ale variabilelor aleatoare corespunzătoare;
iii) media, dispersia, momentul iniţiale de ordin r, r  N*, momentul centrate de ordinul 3, mediana, modul, asimetria
şi excesul pentru fiecare dintre v.a. corespunzătoare.
 Silvia Dedu - Probabilități și Statistică Matematică - Seminar 4 + 5

47. Funcţia de repartiţie a unei v.a. continue X este  a, x  0 . Să se determine:


F ( x) = bx 2 ,0  x  1; a, b, c  R
 c, x  1

a) parametrii a, b, c şi P (1/ 4  X  3/ 4);
b) funcţiile de repartiţie ale variabilelor aleatoare 2X – 3, eX +1, 3X2 - 1, X5;
c) densităţile de repartiţie ale variabilelor aleatoare 3X2 + 2, e2X -1;
d) dispersiile variabilelor aleatoare 5 - X, eX, 2X2 – 3 X + 5.
48. Fie funcţia  ax, x  − 1, 0

f : R → R, f ( x) =  x + a, x  1, 2 , aR
 0, x  − 1, 0  1, 2

a) Să se determine parametrul a astfel încât f să fie densitatea de repartiţie a unei v.a. continue X.
b) Să se determine funcţia de repartiţie şi funcţia caracteristică a variabilei aleatoare X.
c) Să se calculeze media, mediana, modul, asimetria şi abaterea medie pătratică ale v.a. X.

49. Fie funcţia k (1 − x − 3 ), x  2, 4 . Să se determine:

f : R → R, f ( x) =  , kR
 0 , x  2, 4
a) parametrul k astfel încât f să fie densitatea de repartiţie a unei v.a. continue X;
b) funcţia de repartiţie şi funcţia caracteristică a variabilei aleatoare X;
c) media, mediana, modul, asimetria şi abaterea medie pătratică ale v.a. X. R: a) 1.

50. Fie funcţia  ax + b, x  − 2, 2 . Să se determine:

f : R → R, f ( x) =  , a, b  R
 0 , x  − 2, 2 
a) parametrii a, b astfel încât f să fie densitatea de repartiţie a unei v.a. continue X;
b) funcţia de repartiţie şi funcţia caracteristică a variabilei aleatoare X;
c) media, mediana, modul, şi dispersia variabilei aleatoare X.

51. Fie funcţia ax 2 + bx + c, x  − 3, 3 . Să se determine:

f : R → R, f ( x ) =  , a, b, c  R
 0 , x  − 3, 3
a) parametrii a, b, c astfel încât f să fie densitatea de repartiţie a unei v.a. continue X;
b) funcţia de repartiţie şi funcţia caracteristică a variabilei aleatoare X;
c) media, modul, şi dispersia variabilei aleatoare X.

52. Fie
f : R → R, f ( x ) = 
( )
 p e − ax 1 − e − ax , x  0
, p  R, a  0
. Să se determine:
 0, x  0
a) parametrul p astfel încât f să fie densitatea de repartiţie a unei v.a. continue X;
b) funcţia de repartiţie, media şi dispersia v.a. X;
c) probabilităţile: P (X < 1/a), P (X > -1/2a) şi P (2/a  X  1/ a);
R: a) Se face schimbarea de variabilă e – ax = t şi se obţine p = 2a.
42 Silvia Dedu - Probabilități și Statistică Matematică - seminar 1

53. Fie funcţia k x x e − x / 2 , x  0 Să se determine:

f : R → R, f ( x ) =  , k R.
 0 , x  0
a) parametrul k astfel încât f să fie densitatea de repartiţie a unei v.a. continue X;
b) media şi dispersia v.a. X , X1/2 şi X3, funcţia caracteristică şi funcţia generatoare de momente a v.a. X ;
c) modul şi momentul iniţial de ordinul r, r  N* ale v.a. X.
R: a) 1 /(3 2 ) ; b) M ( X ) = 5; D( X ) = 10;  (t ) = (1 − it ) − 5 / 2

54. V.a. continuă X are funcţia de repartiţie  0, x  0


F ( x ) =  x 3 , x  (0, 1]
 1, x 1

Să se determine:
a) valoarea medie şi dispersia v.a. X, X 3 şi X 1/2;
b) mediana şi modul variabilei aleatoare X;
c) funcţia de repartiţie şi dispersia v.a. 5X +1, e3X, 2X2+3.

55. O v.a. continuă X are funcţia de repartiţie  0, x  0


F ( x) = 4 x 2 , x  (0,1 / 2]
 1, x  1

Să se determine funcţiile de repartiţie şi mediile v.a. Y = 2X+3, Z = X5, T = eX, U = 3X2 +1.
56. Se consideră funcţia  2 Să se determine:
k ln , x  (0, 2)
f : R → R, f ( x ) =  x ; k  R.

 0, x  (0, 2)
a) parametrul k astfel încât f să fie densitatea de repartiţie a unei v.a. continue X;
b) funcţia de repartiţie a variabilei aleatoare X şi P (X < 2 / X > 1);
c) media, dispersia şi momentul iniţial de ordin r, r  N*, al variabilei aleatoare X.
 0, x  (−,0]
R: 
x  2 2r 1 7
a ) 1 / 2; b) F ( x) =  1 + ln , x  (0, 2) ; c) mr = ,  r  N * ; M ( X ) = ; D( X ) =
 
2 x  ( r + 1) 2 2 36

 1, x  [2, )

57. Fie x 2 , x  (− ,  ) . Să se determine:

f : R → R, f ( x ) =  , 0
 0 , x  (− ,  )
a) parametrul α astfel încât f să fie densitatea de probabilitate a unei v.a. continue X.
b) abaterea medie pătratică a v.a. X;
c) funcţia de repartiţie a variabilei aleatoare X. R: a) 4 3 / 2

58. Se consideră funcţia f ( x) =  ax e , x  0 ; k  0, a  R . Să se determine:

2 − kx


 0, x0
a) parametrul a astfel încât f să fie densitatea de repartiţie a unei v.a. continue X;
b) funcţia de repartiţie a variabilei aleatoare X .
 Silvia Dedu - Probabilități și Statistică Matematică - Seminar 4 + 5

c) dispersia v.a. X şi X1/2 şi P(0 < X < 1/k).

 0, x0
R: a) k ; b) F ( x ) = 
3
; c) 3 ; 3 ; 1 − 5
2  k 2 x 2 + 2 kx+ 2 e − 2 kx ,
1 − x0
2
k k 2e
2

59. Fie  0, x  0
f : R → R, f ( x) =  k − k x , k = 1,   0
 e , x0
a) Să se demonstreze că f este densitatea de repartiţie a unei v.a. continue X.
b) Să se scrie funcţia de repartiţie a variabilei aleatoare X.
c) Să se calculeze media şi dispersia variabilei aletoare X .
d) Să se calculeze momentul iniţial de ordinul 7 al variabilei aleatoare X.
e) Să se determine P (X > 6 / X < 4).

60. Fie X o v.a. continuă cu densitatea f : R → R, f ( x) =  0, x  0

 p −x
; A, p  0 .
 Ax e , x  0
3

a) Să se determine parametrul A în funcţie de p.

b) Pentru densitatea de repartiţie determinată mai sus , să se calculeze M (X k), k  N*.
c) Pentru p = 2 să se calculeze dispersia, momentul centrat de ordinul 3 şi modul v.a. X.

61. Fie variabila aleatoare X cu densitatea de repartiţie f (x) = e - 2x, x  R. Să se determine:

a) dispersia, momentul iniţial de ordinul r şi momentul centrat de ordinul r, r  N*;
b) P (X < n), n > 0;
c) funcţia de repartiţie a variabilei aleatoare X;
d) mediana şi modul variabilei aleatoare X.

1 Să se determine:
62. Fie  , x  (1 −  ,1 +  )
f : R → R, f ( x ) =  x ;   (0,1) .

 0, x  (1 −  ,1 +  )
a) parametrul α astfel încât f să fie densitatea de probabilitate a unei v.a. continue X
b) media şi dispersia v.a. X;
c) funcţia de repartiţie a variabilei aleatoare X.
 0, x  2
 e +1
R: a) e −1 ; b) 2 (e −1) ; 2 (e −1)(3 − e ) ; c)
( 
.
 x (e +1)
e +1 e +1 (e +1) 2
F (x ) =  , x  2 , 2e
2e e +1 e +1

 1, x  2e
 e +1

63. Fie funcţia k . Să se determine:

 , x0
f : R → R, f ( x ) =  a x ; k  R, a  1.

 0, x  0
a) parametrul k astfel încât f să fie densitatea de probabilitate a unei v.a. continue X.
b) funcţia de repartiţie a variabilei aleatoare X .
c) media şi dispersia variabilei aleatoare X.
44 Silvia Dedu - Probabilități și Statistică Matematică - seminar 1

64. Fie funcţia f : N → R, f (x) = k ax, k  R, a  (0,1). Să se determine:

a) parametrul real k astfel încât f să fie legea de probabilitate a unei v.a. X.
b) funcţia de repartiţie a variabilei aleatoare X .
c) media, dispersia şi funcţia caracteristică a variabilei aleatoare X.
65. Fie v.a. X cu densitatea de repartiţie f : R → R, f ( x) = a x 3 e − x , a  R . Să se determine:
2

a) parametrul real a;
b) modul variabilei aleatoare X şi P ( X < 2 / X >21/2);
c) media, dispersia şi momentul iniţial de ordinul r, r  N*.
−
(2 x −1)2
66. Se consideră funcţia f : R → R, f ( x) = k e 3
; k  R . Să se determine:
a) parametrul real k astfel încât f să fie densitatea de repartiţie a unei v.a. continue X.
b) media şi dispersia variabilei aleatoare X. R: a) 2 / 3 ; b) 1 / 2; 6 / 4.
 k Să se determine:
67. Fie  , x 
f : R → R, f ( x) =  x  +1 ;   0,   0, k  R .
 0, x  
a) parametrul real k astfel încât f să fie densitatea de repartiţie a unei v.a. continue X;
b) funcţia de repartiţie a variabilei aleatoare X ;
c) să se studieze existenţa momentelor iniţiale şi atunci când este posibil să se calculeze;
d) condiţiile în care există media şi dispersia v.a. X şi în aceste cazuri să se calculeze.
R: a)  ; b)  0, x   ; c) există mr dacă şi numai dacă r < α şi  r − ; d)  M(X)   > 1 şi
F (x ) =  mr =

1 − ( / x) , x    −r

M ( X ) =  −1
 ;  D (X)   > 2 şi
D( X ) =
a
2
( − 1)2 ( − 2)
( x−a )2
−
68. Se consideră funcţia f : R → R, f ( x) = k e 2b 2 ; a  R, b  0 . Să se determine:
a) parametrul real k astfel încât f să fie densitatea de repartiţie a unei v.a. continue X.
b) media şi dispersia variabilei aleatoare X.
R: a) 1 / b 2 ; b) a ; b 2

69. O variabilă aleatoare X are funcţia caracteristică (t) = 0,25  (1 + eit)2. Să se determine:
a) valoarea medie şi dispersia v.a. X;
b) funcţia de repartiţie a variabilei aleatoare X.
70. O v.a. X are funcţia caracteristică φ(t) = cost. Să se calculeze momentul iniţial de ordinul 2 al v.a. X .
71. Să se calculeze funcţia caracteristică şi funcţia generatoare de momente pentru fiecare din următoarele v.a.:
 1 2 3   x  x 
a) X :   ; b) X :  , x  [0,1] ; c) X :  5 − x , x  0

1 / 4 1 / 4 1 / 2   
2 x  x e / 120 
şi apoi să se verifice dacă momentele obţinute pe cale directă coincid cu cele obţinute cu ajutorul acestei funcţii.
72. Patru studenţi care se prezintă la un examen au pregătit respectiv 8, 16, 10 şi 14 dintre cele 20 de subiecte indicate
de către profesor. La examen fiecare student primeşte câte un subiect. Să se determine:
a) repartiţia v.a. X ce indică numărul studenţilor care rezolvă corect subiectul şi repartiţia v.a. Y ce indică numărul
studenţilor care nu rezolvă corect subiectul;
 Silvia Dedu - Probabilități și Statistică Matematică - Seminar 4 + 5

b) probabilitatea ca cel puţin doi studenţi să rezolve corect subiectul;

c) probabilitatea ca cel mult doi studenţi să nu rezolve corect subiectul;
d) probabilitatea ca cel puţin un student să rezolve corect subiectul, ştiind că cel mult trei au rezolvat corect.
73. Se consideră funcţia k . Să se determine:
f : R → R, f ( x ) = − x , kR
e + ex
a) parametrul k astfel încât f să fie densitatea de repartiţie a unei v.a. continue X.
b) funcţia de repartiţie a variabilei aleatoare X.
c) P(X ≥ 0) şi P(X<1 / X ≥ 0).
d) dacă Y este o v.a. independentă de X şi identic repartizată cu aceasta, să se calculeze P(X<1, Y>1).
R: a) 2 /  ; b) F ( x ) = 2 /   arctg e x ; c) 1 / 2; 4 /   arctg e − 1; d ) 3 2 / 16 .
 a −1 − x
a

74. Fie funcţia 

f : R → R , f ( x ) = k x e , x  0 , k  R ; a , b  0
b

 0, x0
a) Să se determine parametrul k astfel încât f să fie densitatea de repartiţie a unei v.a. continue X.
b) Să se studieze existenţa momentelor iniţiale de ordinul r, r  N* şi dacă este posibil să se calculeze media şi
dispersia variabilei aleatoare X. R: a) a / b.
75. Fie ax
f : N → R, f ( x ) = , a  0.
(a + 1)x +1
a) Să se arate că f este legea de probabilitate a unei variabile aleatoare X.
b) Să se calculeze funcţia caracteristică, media şi dispersia variabilei aleatoare X.
R: b)  (t) = (a + 1 - a eit)-1 ; M(X) = a; D(X) = a (a +1).
| 2 x − 3|
−
76. Se consideră funcţia f : R → R, f ( x) = k e 5 , k  R. Să se determine:
a) parametrul k astfel încât f să fie densitatea de repartiţie a unei v.a. continue X.
b) funcţia de repartiţie, media, dispersia şi mediana variabilei aleatoare X .
R: a) 1/5; b)  2 x −3
; 3/2; 25/2; 3/2.
 1/ 2  e 5 , x  3 / 2
F ( x) =  − 2 x +3
1 − 1 / 2  e 5 , x  3 / 2

 a −1 − bx
77. Fie funcţia  . Să se determine:
f : R → R, f ( x) = k x e , x  0, k  R ; a, b  0
 0, x  0
a) parametrul k astfel încât f să fie densitatea de repartiţie a unei v.a. continue X.
b) media, dispersia, funcţia caracteristică şi momentul iniţial de ordin r, r  N*, ale v.a. X.
 
R: a) 1 / b a (a) ; b) M ( X ) = ab ; D( X ) = ab 2 ;  (t ) = (1 − ibt ) − a ; m r = b a (a + r ) / (a) .

78. Fie X variabila aleatoare ce reprezintă numărul de aruncări ale unui zar până la apariţia feţei cu 6 puncte.
Să se determine repartiţia, media şi dispersia v.a. X.

79. Fie X v.a. ce reprezintă numărul de aruncări ale unui zar până la apariţia unui număr par de puncte pe faţa
superioară a acestuia. Să se determine repartiţia, funcţia caracteristică, media şi dispersia v.a. X.
46 Silvia Dedu - Probabilități și Statistică Matematică - seminar 1

80. Fie v.a.  i  Să se afle abaterea medie pătratică a v.a. X şi P ( X = 2 / X > 1).
X :   , c  R, n  N , n  2.
c 
  i =1,n
i
−1
81. Să se determine repartiţiile v.a. X, Y, Z ştiind că: 1 2  e it 
 X (t ) =
(1 + e it ) 4 ;  Y (t ) = cos 3 t;  Z (t ) = 1 −  .
16 3 3 
82. Fie v.a. independente X, Y având funcţia de repartiţie, respectiv densitatea de repartiţie date de:
 0 , x  (− , 0 şi  x, x  [0,1]
 
FX : R → 0,1, FX ( x) =  x f : R → R , f ( x ) =  2 − x , x  (1,2]
1 − (1 + 3x ) e 3 , x  (0,  )
− Y Y
 0, 
 x [0,2]
Să se determine funcţia caracteristică a sumei celor două v.a.
n +1
−
83. Fie funcţia f : R → R, f ( x) = k 1 + x 
2 2

  , k  R, n  N * . Să se determine:
 n 
a) parametrul k astfel încât f să fie densitatea de repartiţie a unei v.a. continue X;
b) media, dispersia şi momentul iniţial de ordinul r, r  N* ale v.a. X.
R: ( n2+1 ) n
a) ; b) M ( X ) = 0, D( X ) = .
n (n / 2) n−2
k
84. Se consideră funcţia  , xa
f : R → R, f ( x ) =  x 4 , k  R, a  R .
 0, x  a
a) Să se determine parametrul k astfel încât f să fie densitatea de repartiţie a unei v.a. continue X.
b) Să se studieze existenţa momentelor iniţiale ale v.a. X.
R: a) 3a3; b) există mr dacă şi numai dacă r = 1 sau r = 2.

 −x
2

85. Fie funcţia  ,  > 0 fixat. Se cere:

f : R → R, f ( x) = kxe , x  0 , k  R


 0, x  0
a) parametrul k astfel încât f să fie densitatea de repartiţie a unei v.a. continue X.
b) să se studieze existenţa momentelor iniţiale de ordinul n, n  N* ale v.a. X.

86. Fie funcţia  − x fixat. Să se determine:


f : R → R, f ( x) = ke , x   , k  R,   0
 0, x  
a) parametrul k astfel încât f să fie densitatea de repartiţie a unei v.a. continue X;
b) funcţia de repartiţie, funcţia caracteristică a v.a. X şi P(X  2 / X   )

 − x2
2

87. Fie funcţia  . Să se determine:

f : R → R, f ( x) = axe , x  0 , a  R,   0


 0, x  0
a) parametrul a astfel încât f să fie densitatea de repartiţie a unei v.a. continue X;
b) funcţia de repartiţie a variabilei aleatoare X;
 Silvia Dedu - Probabilități și Statistică Matematică - Seminar 4 + 5

c) P (X < ), P (X > ), P (X  4 / X > 2) şi o margine inferioară a probabilităţii P ( | X - M(X) |< ).
d) media, dispersia, momentul iniţial de ordinul r, r  N* ale v.a. X ;
e) momentul centrat de ordinul trei, mediana şi modul variabilei aleatoare X;
f) momentul centrat de ordinul 2 al v.a. Y = X2;
88. Fie   a+b  . Să se determine:
 , x  a, b
2
k 1 − x−
f : R → R, f ( x) =   b − a 2  , a, b, k  R, a  b
 x  a, b
 0,
a) parametrul k astfel încât f să fie densitatea de repartiţie a unei v.a. continue X;
b) funcţia de repartiţie şi funcţia caracteristică a variabilei aleatoare X;
c) media, mediana, modul, asimetria şi abaterea medie pătratică ale v.a. X. R: a) 2/(b-a)
89. Fie funcţia 1  x 
 1 − , x 
f : R → R, f ( x) =    
 , 0

 0, x 
a) Să se arate că f este densitatea de probabilitate a unei v.a. continue X.
b) Să se determine funcţia caracteristică a variabilei aleatoare X.
90. Se consideră n urne ce conţin bile albe şi bile negre în diferite proporţii. Se ştie că probabilitatea ca la o extragere
din urna Ui să obţinem o bilă albă este pi, i{1,2,..., n}. Se extrage câte o bilă din fiecare urnă. Fie X v.a. ce indică
numărul bilelor albe obţinute în cele n extrageri. Să se demonstreze că:
a) M(X) = p1 + p2 + .... + pn ; b) D (X) = p1 q1 + p2 q2 + .... + pn qn
91. Se consideră trei urne: U1 conţine 15 bile albe şi 25 bile negre, U2 conţine 15 bile albe şi 15 bile negre, U3 conţine 10
bile albe şi 20 negre. Din prima urnă se extrage o bilă, din a doua se extrag două bile fără revenire, iar din a treia se extrag
trei bile cu revenire. Fie Xi v.a. ce indică numărul bilelor albe extrase din urna Ui, i{1,2,3}.
a) Să se determine repartiţiile v.a. Xi, i{1,2,3}.
b) Să se afle repartiţia v.a. ce indică numărul total al bilelor albe obţinute la extragerile din urnele U2 şi U3.
c) Să se calculeze numărul mediu de bile albe şi numărul mediu de bile negre extrase din cele trei urne.

92. S-a stabilit că un absolvent al unei anumite facultăţi poate obţine o bursă pentru doctorat la universităţile U1, U2 şi
U3 cu probabilităţile de respectiv: 0,6; 0,8 şi 0,5. Un absolvent al facultăţii respective depune câte o cerere la fiecare
universitate. Să se afle valoarea medie şi dispersia numărului de răspunsuri favorabile obţinute.
 10.2. REPARTIŢII CLASICE

BREVIAR TEORETIC

REPARTIŢII CLASICE DISCRETE

Repartiţia binomială X  Bi( n, p )  X :  

k ; n  N * ; p, q  0; p + q = 1

 C k p k q n−k 
 n  k =0,n

(
M ( X ) = np; D( X ) = npq ;  (t ) = peit + q )n
 k 
  ;  0
Repartiţia Poisson X  Po( )  X :  −   k

e  
 k!  kN
M ( X ) = ; D( X ) = ;  (t ) = e (e −1)
it

Repartiţia binomială cu exponent negativ

 k  ; m  N * ; p, q  0; p + q = 1
X  Bin(m, p)  X :  m −1 m k − m 
C 
 k −1 p q kN , k  m
1 mq
M (X ) = ; D( X ) = 2
p p
Repartiţia geometrică  k  ; p, q  0; p + q = 1
X  Ge( p)  X :  k −1 
 pq 
 kN *
1 q .
M (X ) = ; D( X ) = 2
p p
 k 
Repartiţia hipergeometrică  
X  H (n, A, B)  X :  C Ak CBn − k  ; A, B, n  N *
 Cn 
 A+ B max(0, B − n )  k  min( A, n )
N − n , unde A
M ( X ) = np; D( X ) = npq N = A + B, p = , q = 1 − p
N −1 N

REPARTIŢII CLASICE CONTINUE

Repartiţia uniformă pe intervalul [a,b]

X  U [a, b]  X are densitatea de repartiţie  1
 , x  [ a, b ]
f ( x) =  b − a

 0, x  [a, b]
a+b (b − a ) 2
M (X ) = , D( X ) =
2 12

Repartiţia Gamma
 1 −
x

X  [a, b]; a, b  0  X are densitatea de repartiţie  a x a −1 e b , x  0

f ( x) =  b (a )
 x0
 0,
M ( X ) = ab, D( X ) = ab2 ; (t ) = (1 − ibt )
−a

Repartiţia Beta
X   [a, b]; a, b  0  X are densitatea de repartiţie  1
 x a −1 (1 − x)b −1, x  (0,1)
f ( x) =   (a, b )
 x  (0,1)
 0,
a ab
M (X ) = , D( X ) =
a+b (a + b) 2 (a + b + 1)
Repartiţia exponenţială
 1 − x
X  Exp( );   0  X are densitatea de repartiţie f ( x) =  e , x  0


 0 , x0
M ( X ) =  , D( X ) = 2 ;  (t ) = (1 − it )−1

Repartiţia hi-pătrat cu n grade de libertate

 1
x 2 −1e − 2 , x  0
n x

* 
X  H (n), n  N  X are densitatea de repartiţie f ( x) = 2 2  n

n

2
()

 0 , x0
Observaţie. H (n) =  n , 2
2
( )
M ( X ) = n, D( X ) = 2n ;  (t ) = (1 − 2it )− 2
n

Repartiţia Student cu n grade de libertate

n +1
X  S (n), n  N *  X are densitatea de repartiţie f ( x) =  2 ( ) 1 + x2 − n +1
2

, xR
n  n2 ( )  n 
M ( X ) = 0, D( X ) = n
n−2

Repartiţia normală
( x − m) 2
1 −
X  N (m,  )  X are densitatea de repartiţie f ( x) = e 2 2
, x  R; m  R,   0
 2
M ( X ) = m, D ( X ) =  2 ;  (t ) = eimt−
 2t 2
2

• Dacă Z  N (0, 1), atunci funcţia de repartiţie a acestei variabile este:

x y2

FZ : R → 0, 1 , FZ (x ) =
1 −

2
e
−
2
dy şi are proprietăţile: 1) FZ (-x) = 1 - FZ (x); 2) FZ (0) = 1/2

• Funcţia de repartiţie FZ se poate exprima astfel:

x y2
x − y2
−
FZ (x ) = + dy = + (x ) , unde  : R → R, (x ) = 1  e
1 1 1
2 2
e
0
2
2 2 0
2 dy

se numeşte funcţia lui Laplace şi are următoarele proprietăţi:

1)  (0 ) = 0 ; 2) (− x ) = −(x ) ; 3)  ( ) = 1 .
2

Repartiţia Pareto
 
X  Pa( ,  )  X are densitatea de repartiţie f ( x) =   +1 , x   ,   0,   0
x
 0, x  

Repartiţia Weibull
   −1 − x


X  W ( , )  X are densitatea de repartiţie f ( x ) =  x e  , x  0 ;   0,  0


 0, x  0

Repartiţia Rayleigh
 2 xe − x , x  0  x − 2x 2
2 2

X  Ra( );   0  X are densitatea de repartiţie , sau f ( x ) =  2 e , x0

f ( x) =  
 0, x  0 
 0, x  0
Observaţie. Ra( ) = W 2, 2 2 ( )
Repartiţia Laplace
x−a

X  La(a, b)  X 1 −
are densitatea de repartiţie f ( x) = e b
, x  R; a  R, b  0
2b
Repartiţia Cauchy
X  C (m, a)  X are densitatea de repartiţie f ( x) = 1  a
, x  R; m  R, a  0 .
 a 2 + (x − m)2
Repartiţia lognormală
(ln x − m ) 2
1 −
X  LN (m,  )  X are densitatea de repartiţie f ( x) = e 2 2
, x  0;   0, m  R
 x 2

Propoziţie.
1) Dacă v.a. independente X k  Bi(nk , p ), k = 1, r , atunci 
r  r 
X k  Bi  n k , p 
k =1  k =1 

2) Dacă v.a. independente X k  Po(k ), k = 1, n , atunci n X  Po n  

k  k
k =1  k =1 

Dacă v.a. independente X k  (ak , b), k = 1, n , atunci

n  n 
3)
 X k    a k , b 
k =1  k =1 
r  r 
4) Dacă v.a. independente X k  H (nk ), k = 1, r , atunci  X k  H   n k 
 
k =1  k =1 

 n 
X k  N (mk , k ), k = 1, n , atunci   k X k  N    k mk ,   2 2 
n n
5) Dacă v.a. independente
k =1  k =1 k =1
k k 
 

6) Dacă v.a. X  N (m,  ) , atunci v.a. normată Z = X − m  N (0,1)



7) Dacă v.a. X  N (0,1) , atunci v.a. X 2  H (1)

X k  N (0,1), k = 1, n , atunci  X 2  H (n)

n
8) Dacă v.a. independente
k
k =1

9) Dacă Z  N (0,1) , Y  H (n) sunt v.a. independente, atunci T=

Z
 S (n)
Y
n
PROBLEME REZOLVATE

1. Se ştie că un anumit furnizor livrează către beneficiarii săi produse corespunzătoare calitativ cu probabilitatea 0,9. Se selectează la întâmplare
un eşantion de 20 unităţi din produsele livrate de furnizorul respectiv şi fie X v.a. ce ia ca valori numărul produselor corespunzătoare calitativ. Să
se determine:
a) repartiţia variabilei aleatoare X;
b) numărul mediu de produse corespunzătoare şi abaterea medie pătratică a numărului de produse corespunzătoare din eşantionul considerat;
c) funcţia caracteristică a variabilei aleatoare X;
d) probabilitatăţile evenimentelor:
A = lotul conţine exact două piese corespunzătoare;
B = lotul conţine cel puţin 7 piese corespunzătoare;
C = lotul conţine cel mult 9 produse corespunzătoare, ştiind că în lot există cel puţin 5 produse corespunzătoare.

Rezolvare:
a) Deoarece probabilitatea ca un produs să fie corespunzător calitativ este constantă, rezultă că X este o v.a. cu o repartiţie binomială de
parametri p = 0,9 şi n = 20.
Aşadar repartiţia v.a. considerate este  k 
X : k 
 C (0,9) k (0,1) 20 − k 
 20  k = 0,20
 b) Numărul mediu de produse corespunzătoare din eşantion este media v.a. X: M ( X ) = n ∙ p = 20 ∙ 0,9 = 18.
Dispersia numărului de produse corespunzătoare din eşantionul considerat este:
D ( X ) = n ∙ p ∙ q = 18 ∙ 0,1 = 1,8, de unde obţinem abaterea medie pătratică:  ( X ) = D( X )  1,341

c)
20
 X (t ) =  e itk C 20
k
(0,9) k (0,1) 20−k =  C 20
k
20
0,9e it ( )k (0,1)20−k = ( 0,9eit + 0,1)20
k =0 k =0
2
d) P( A) = P( X = 2) = C20 (0,9) 2 (0,1)18
9
20  C 20
k
(0,9) k (0,1) 20−k
P( B) = P( X  7) =  C20
k
(0,9) k (0,1) 20 − k P( X  9  X  5) P(5  X  9)
k =7 P(C ) = P( X  9 / X  5) = = = k =3
P( X  5) P( X  5) 20
 C 20
k
(0,9) k (0,1) 20−k
k =5

2. Din cei 2000 de salariaţi ai unei firme, 300 au studii superioare. Se selectează la întâmplare un eşantion de 40 de salariaţi ai firmei
respective şi se notează cu X variabila aleatoare ce reprezintă numărul salariaţilor cu studii superioare din eşantionul considerat. Să se determine:
a) repartiţia variabilei aleatoare X;
b) numărul mediu de salariaţi cu studii superioare şi dispersia numărului de salariaţi cu studii superioare;
c) probabilităţile evenimentelor: A = exact 10 salariaţi din cei 40 selectaţi au studii superioare; B = cel mult 12 salariaţi din cei 40 selectaţi au
studii superioare; C = cel puţin 6 şi cel mult 19 salariaţi au studii superioare.
Rezolvare:

a) Din enunţul problemei deducem că variabila aleatoare X are o repartiţie hipergeometrică de parametri
 k 
n = 40, A = 300, B = 1700, deci repartiţia variabilei aleatoare X are forma:  k 40 − k

X :  C300  C1700 
 C 40 
 2000 k = 0, 40
b) M ( X ) = n  A = 40  300 = 6 , unde N = A + B; D( X ) = n  A  B  N − n = 6  1700  2000 − 40  5
N 2000 N N N −1 2000 2000 − 1
10
 30 k 40 − k
C C 12 C  C
c)
P( A) = P( X = 10) = 300 1700 ; P(B ) = P( X  12) =  300 1700
40 40
C 2000 k =0 C 2000
k 60 − k
19 C300  C1700
P(C ) = P(6  X  19) = 
40
k =6 C2000
3. O societate de asigurări încheie poliţe de asigurare de bunuri. În ipoteza că numărul solicitărilor de despăgubire înregistrate anual pentru
astfel de poliţe urmează o repartiţie Poisson de parametru 4, să se determine:
a) repartiţia variabilei aleatoare X care indică numărul solicitărilor de despăgubire înregistrate anual la această societate;
b) funcţia caracteristică a variabilei aleatoare X;
c) probabilităţile evenimentelor:
A = în cursul unui an să fie înregistrate exact 2 cereri de despăgubire;
B = în cursul unui an să fie înregistrate cel puţin 3 cereri de despăgubire;
d) numărul mediu de solicitări de despăgubire şi dispersia numărului de cereri de despăgubire înregistrate de-a lungul unui an la societatea
respectivă.
Rezolvare:
a) Repartiţia variabilei aleatoare X este:  k 
 
X : 4 k
−4
e  
 k!  k N

b)

 X (t ) =  e e itk − 4 4

k
=e −4


(4e it )
k
= e − 4  e 4e
it
= e 4(e −1)
it

k =0 k! k =0 k!

2
c) P( A) = P( X = 2) = e − 4  4 =
8
= 0,14652
2! e4
13
P( B) = P( X  3) = 1 − P( X = 0) − P( X = 1) − P( X = 2) = 1 − = 0,7618
e4

d) Folosind rezultatele din breviarul teoretic, avem: M ( X ) = D( X ) = 4

4. Fie X v.a. ce indică numărul de aruncări ale unui zar până la prima apariţie a feţei cu un punct. Să se afle:
a) repartiţia, media şi dispersia variabilei aleatoare X;
b) probabilitatea de a face cel puţin două aruncări până la prima apariţie a feţei cu un punct.
Rezolvare:
a) Numărul de aruncări efectuate până la apariţia feţei cu un punct poate fi orice număr natural nenul, deci mulţimea valorilor v.a. X este N*.
V.a. X ia valoarea n, n  N*, dacă în primele n aruncări nu apare faţa cu un punct şi în aruncarea cu numărul n + 1 apare faţa cu un punct.
Notăm cu p probabilitatea ca la o aruncare să apară faţa 1 şi cu q probabilitatea evenimentului opus, prin urmare
P(X = n) = qn – 1 p
Deducem că v.a. X are o repartiţie geometrică de parametri p = 1 şi q = 5 :
6 6
1 2 3 ........ n .... 
X : 
1
6
1
6  5
6
1
6 ( 6) ........  ( )
5 2 1
6
5 n −1
6 ....  nN *
  n −1   n −1
1  5 1  5
M ( X ) =  n  pn =  n     ; M ( X 2 ) =  n 2  pn =  n 2    
n =1 n =1 6  6 n =1 n =1 6  6
' '
1   1  y  1
( )

1 1  1  1
S ( y ) =  n   y n −1 =  n  y n −1 =  y n =   y n  =  
Fie '
 = 
n =1 6 6 n =1 6 n =1 6  n =1  6  1 − y  6 (1 − y)
2

1 1+ y
( ) ( )

1 1  1  1  1 1
T ( y) =  n 2   y n−1 =  n 2  y n−1 =  n 2 + n − n  y n−1 =  y n+1 − 
Fie ''
= 
n =1 6 6 n=1 6 n=1 6 n=1 6 (1 − y )2 6 (1 − y )3
Rezultă: M(X) = S(5/6) = 6; M(X2) = T(5/6) = 66; D(X) = M(X2) – M 2(X) = 30.

Observaţie. M(X) şi D(X) se pot calcula şi observând că folosind rezultatele din breviarul teoretic referitoare le repartiţia geometrică:
1 q 5/ 6
M ( X ) =  M ( X ) = 6; D( X ) =  D( X ) = = 30
p p ( 1 / 6)2
b) Probabilitatea cerută este P( X  2) = 1 − P( X = 1) = 1 − 1 = 5
6 6

5. Fie X v.a. ce indică numărul de apariţii ale feţei cu un punct în douăsprezece aruncări ale unui zar. Să se afle:
a) repartiţia, valoarea medie şi dispersia variabilei aleatoare X;
b) probabilitatea ca în cele 12 aruncări faţa 1 să apară cel puţin de două ori.

Rezolvare:

a) Deoarece probabilitatea ca la o aruncare a zarului să apară faţa 1 este constantă, rezultă că v.a. X are o repartiţie binomială de parametri
 k 
p = 16 şi n = 12, prin urmare  12− k

X : k  1  k  5 
 C12     
  6  6  k =0,12
Valoarea medie a variabilei aleatoare X este M(X) = n  p = 12  1/6 = 2

Dispersia variabilei aleatoare X este: D( X ) = npq = 2  5 = 1, (6)

6
12 11
b) P( X  2) = 1 − P( X = 0) − P( X = 1) = 1 −  5  − 12 5  1 = 0,61866
   
 6  6 6

6. Trei trăgători trag simultan şi independent unul de altul asupra unei ţinte. Primul nimereşte ţinta cu probabilitatea de 0,4, al doilea cu
probabilitatea 0,3, iar al treilea cu probabilitatea 0,8. Fie X variabila aleatoare ce indică numărul de focuri care ating ţinta. Să se determine
numărul mediu de focuri care ating ţinta.

Rezolvare:

Repartiţia variabilei aleatoare X este X :  0 1 2 3


 p3 
 p0 p1 p2

Vom determina probabilităţile p0, p1, p2, p3 folosind schema lui Poisson, unde pk reprezintă probabilitatea ca, din cele 3 focuri trase, exact „k” focuri
să atingă ţinta, k = 0,3

Avem că pk = p (3: k, 3 – k ) = coeficientul lui t k din dezvoltarea Q (t), unde

(100 ) (100 ) (100 )

Q(t ) = 40  t + 60  30  t + 70  80  t + 20 = 0,096 t 3 + 0,392 t 2 + 0,428 t + 0,084 . Obţinem:
100 100 100
p (3: 0, 3) = coeficientul lui t 0 din Q (t)  p0 = 0,084

p (3: 1, 2) = coeficientul lui t 1 din Q (t)  p1 = 0,428

p (3: 2, 1) = coeficientul lui t 2 din Q (t)  p2 = 0,392

p (3: 3, 0) = coeficientul lui t 3 din Q (t)  p3 = 0,096

Rezultă  0 1 2 3 
X :  
 0,084 0, 428 0,392 0,096 

M ( X ) = 0  0,084 + 1  0,428 + 2  0,392 + 3  0,096 = 0,428 + 0,784 + 0,288 = 1,5

7. Fie X şi Y două v.a. independente, definite pe acelaşi câmp de probabilitate, având repartiţii Poisson de parametri λ1 şi respectiv λ2. Fie
v.a. U ce ia valoarea k  N , k  n , cu n  N * fixat, atunci când se realizează evenimentul condiţionat ( X = k / X + Y = n ). Să se determine:
a) repartiţia variabilei aleatoare Z = X + Y;
b) repartiţia variabilei aleatoare U.

Rezolvare:

a) Repartiţia variabilei aleatoare X  Po (1 ) este  k 

 
X : k 
− 1
e 1  
 k! kN
Calculăm funcţia caracteristică a v.a. X:

 X (t ) =  e itk e − 
1
1k
= e −1 
 (1eit ) k = e −  e e
1 1
it

= e 1 (e −1)
it

k =0 k! k =0 k!

Analog, obţinem funcţia caracteristică a v.a. Y: Y (t ) = e2 (e −1)

it

Deoarece X şi Y sunt v.a. independente, rezultă că funcţia caracteristică a sumei Z = X + Y este:

 Z t =  X +Y t =  X t  Y t = e 1 (e −1)  e 2 (e −1) = e (1 + 2 ) (e −1) ,
() () () ()
it it it

Prin urmare v.a. Z are o repartiţie Poisson de parametru λ1 + λ2.

În concluzie, dacă X  Po (1 ) şi Y  Po (2 ) , atunci X + Y  Po(1 + 2 )

b) Repartiţia v.a. U este:  k  , unde

U :  
 k  k = 0, n
p
P(( X = k )  ( X + Y = n )) P(( X = k )  (Y = n − k ))
p k = P(U = k ) = P( X = k / X + Y = n ) = =
P( X + Y = n ) P( X + Y = n )
P( X = k )  P(Y = n − k ) .
Deoarece v.a. X şi Y sunt independente, rezultă pk =
P( X + Y = n )
Avem că X  Po (1 ) , Y  Po (2 ) , Z  Po (1 + 2 ) , prin urmare
, deci
În concluzie, dacă şi , atunci

Observaţie. Aplicând metoda de rezolvare de la punctul a), se pot demonstra punctele 1)-5) ale propoziţiei din breviarul teoretic.

8. a) Fie X şi Y v.a. independente, definite pe acelaşi câmp de probabilitate, având repartiţii binomiale de parametri n1, p şi respectiv n2, p,
unde n1, n2  N*;p  (0, 1). Să se determine repartiţia v.a. X + Y.
b) Două maşini automate realizează aceeaşi piesă, dând rebuturi cu probabilităţile 0,05, respectiv 0,05. Dacă producţia zilnică a primei
maşini este de 2000 de piese şi producţia zilnică a celei de-a doua maşini este de 3000 de piese, să se scrie repartiţia v.a. care indică numărul de
rebuturi din producţia zilnică totală şi să se calculeze numărul mediu de rebuturi din producţia zilnică totală.

Rezolvare:
a) Repartiţia v.a. este , unde q = 1 - p
Calculăm funcţia caracteristică a v.a. X:  (t ) =
X
n1 n1
 e itk C nk p k q n −k =  C nk peit
1
( )k q n −k = (peit + q)n
1
1

k =0 1
k =0 1

(
Analog, funcţia caracteristică a v.a. Y este  Y (t ) = pe it + q 2 ) n

Cum X şi Y sunt v.a. independente, rezultă că funcţia caracteristică a sumei Z = X + Y este

() () () ()
 Z t =  X + Y t =  X t  Y t = peit + q ( n1
) (
peit + q
n2
)
= peit + q ( n1 + n 2
)
prin urmare variabila aleatoare Z urmează o repartiţie binomială de parametri n1 + n2 şi p.

Observaţie. Am obţinut următorul rezultat: Dacă X  Bi (n1 , p) şi Y  Bi (n 2 , p) , atunci X + Y  Bi (n1 + n2 , p )

b) Fie X, Y v.a. care indică numărul de rebuturi din producţia zilnică a primei, respectiv a celei de-a doua maşini. Cum probabilităţile ca
maşinile să producă piese rebut sunt constante, rezultă că X, Y au repartiţii binomiale: X  Bi (n1 = 2000 , p = 0,05 ) ,
Y  Bi (n2 = 3000 , p = 0,05) .
V.a. ce indică numărul de rebuturi din producţia zilnică totală este X + Y şi conform punctului a), X + Y  Bi (n1 + n2 , p ) , adică X + Y  Bi
(5000; 0,05) şi are repartiţia:  k 
X +Y : k 
 5000 (0,05) (0,95)
C k 5000− k 
 k =0,5000
Numărul mediu de rebuturi din producţia zilnică totală este media v.a. X + Y: M (X + Y) = (n1 + n2) p = 250.

9. Fie X şi Y v.a. independente, definite pe acelaşi câmp de probabilitate, care iau valori în mulţimea numerelor naturale cu probabilităţile
pn = P( X = n) = P(Y = n) = pq n , n  N , p  (0,1). Să se calculeze probabilităţile:
a) P ( X + Y = 1) , P( X + Y = n ) , n  N fixat;
b) P( X = k / X + Y = n ) ; k , n  N , k  n .
Rezolvare:
a) P( X + Y = 1) = P(( X = 0, Y = 1)  ( X = 1, Y = 0)) = P( X = 0, Y = 1) + P( X = 1, Y = 0)
Cum v.a. X, Y sunt independente, rezultă că
P( X + Y = 1) = P( X = 0) P(Y = 1) + P( X = 1) P(Y = 0) = p  pq + pq  p = 2 p q
2

P( X + Y = n ) = P(( X = 0, Y = n )  ( X = 1, Y = n − 1)  ...  ( X = n, Y = 0)) =

n n n n
=  P( X = k , Y = n − k ) =  P( X = k )P(Y = n − k ) =  pq k  pq n−k =  p 2 q n = (n + 1) p 2 q n
k =0 k =0 k =0 k =0

b) P( X = k / X + Y = n ) = P(( X = k )  ( X + Y = n )) = P(( X = k )  (Y = n − k ))
P( X + Y = n ) P( X + Y = n )

Deoarece X şi Y sunt v.a. independente, rezultă că P( X = k / X + Y = n ) = P( X = k )  P(Y = n − k ) = pq  pq

k n−k
= 1
P( X + Y = n ) 2 n n +1
(n + 1) p q

10. Profitul anual al unei firme este rezultatul acţiunii a două grupuri de factori U şi V, ale căror modele probabilistice sunt U = 3X – 2Y, V
= X + 5Y, unde X şi Y sunt v.a. independente, X  Bi (10; 0,8) şi Y  Po (1).
Să se calculeze M (2U + 3V ), D (U ) şi D (V ).
Rezolvare:
Deoarece X  Bi(10; 0,8) , rezultă că M ( X ) = 10 ∙ 0,8 = 8 şi D ( X ) = 10 ∙ 0,8 ∙ 0,2 = 1,6
Din Y Po (1) rezultă că M (Y) = D (Y) = 1. Obţinem:
M (2U + 3V ) = M (2 (3 X − 2Y ) + 3( X + 5Y )) = M (9 X + 11Y ) = 9M ( X ) + 11M (Y ) = 9  8 + 11  1 = 83
Deoarece v.a. X şi Y sunt independente, rezultă că D(U ) = D(3 X − 2Y ) = 9 D( X ) + 4 D(Y ) = 9  1,6 + 4  1 = 18,4 . Analog,
D(V ) = D( X + 5Y ) = D( X ) + 25 D(Y ) = 1,6 + 25  1 = 26 ,6

11. Fie X o v.a. având repartiţie uniformă pe intervalul [-3,3]. Să se determine:

a) funcţia de repartiţie şi densitatea de repartiţie a variabilei aleatoare Y = 3X +2;
b) densitatea de repartiţie a variabilei aleatoare Z = X 2 + 1;
c) densitatea de repartiţie a variabilei aleatoare T = e X;
d) funcţia de repartiţie a variabilei aleatoare V = X .
Rezolvare:
Densitatea de repartiţie şi funcţia de repartiţie ale v.a. X sunt:
  0, x  −3
1 x + 3
 , x  − 3,3 
f X (x ) =  6 ; FX ( x ) =  , x  (−3, 3]
 0, x  − 3,3  6
 1, x  3
 x−2  x−2
FY (x ) = P(Y  x ) = P(3 X + 2  x ) = P X 
a) Avem
 = FX  =
 3   3 
1
 x−2 . Prin derivare obţinem:  , x  (− 7,11)
f Y ( x ) = 18
 0,  −3
3

 x − 2  0, x  −7  0, x  (− 7,11)
+3 
 x−2 x + 7
= 3 ,  (−3, 3] =  , x  (−7, 11]
 6 3  18
 x−2  1, x  11

 1, 3
 3

b)  P(), x  1
Fz ( x) = P( Z  x) = P( X 2 + 1  x) = P( X 2  x − 1) = 
 X x − 1), x  1
F (
 0, x 1
 0, x 1   0, x  (1,10)
 1 1 
f Z ( x) =  1  f Z ( x) =   , x − 1  [−3,3], x  1  f Z ( x) =  1
 f X ( x − 1)  2 x − 1 , x  1 6 2 x − 1  2 x − 1 , x  (1,10)
  
 0, x − 1  [−3,3], x  1
c) P(), x0  0, x  0 . Prin derivare obţinem:
FT ( x) = P(T  x) = P(e X  x) =  =
P( X  ln x), x  0 FX (ln x), x  0
 0, x  0
0, x  0 1 1 −3 3
   6 x , x  [e , e ]
f T ( x) =  1 = , ln x  [−3,3], x  0 = 
 f X (ln x)  , x  0  6 x  0, x  [e − 3 , e 3 ]
 x 
 0, ln x  [ −3,3], x  0

d)  0, x0  0, x  0
 P(), x0  x0 x + 3 − x + 3 x
 
FV ( x) = P(V  x) = P ( X  x ) = 
0,
= = − , x  (0, 3 =  , x  (0, 3
 P(− x  X  x), x  0  FX ( x ) − FX (− x ), x  0  6 6 3
 1 − 0, x3  1, x  3

12. Se consideră v.a. X  N (m,  ) . Să se determine repartiţia v.a. Z = X − m


Rezolvare:
Calculăm funcţia caracteristică a v.a. Z:
 m  m m  2t 2 t2
it  − 
 1  it  −  i t − 2 −
 Z (t ) =  X −m (t ) =  (t ) = e   
  X  t  = e     e  2 = e 2
 
 m
1
X + − 
 
  
t2
Z  N (0,1)
−
am obţinut  Z (t ) = e 2 , de unde rezultă că variabila

Prin urmare, dacă v.a. X  N (m,  ) , atunci X − m  N


(0,1)
Observaţie. Rezolvând această problemă am demonstrat afirmaţia de la punctul 6) al propoziţiei din breviarul teoretic.

13. Fie v.a. X  N (m,  ) şi a, b  R, a  0 . Se cere repartiţia v.a. Y = aX + b.

Rezolvare:
Densitatea de repartiţie a v.a. Y este: fY : R → R, fY ( x) = FY' ( x),  x  R . Avem că:
 x −b  x − b  . Prin derivare obţinem:
FY ( x) = P(Y  x) = P(aX + b  x ) = P X   = FX  
 a   a 
2
 x −b 
 −m 
( x −b − am ) 2
1  x −b 1 − 
a −
1 1 2 ( a ) 2
f Y ( x) = F ( x) = f X 
'
=  e 2 2
= e
a  a  a  2 a 2
Y

Observaţie. Folosind problema 13 deducem următoarele rezultate importante:

( )
1) Dacă X  N m,  şi a, b  R, a  0 , atunci Y  N (am + b, a )
2) Dacă X  N (0,1) şi a, b  R, a  0 , rezultă că Y = aX + b  N (b, a)
 3) Dacă X  N (m,  ) şi b  R , rezultă că Y = X + b  N (m + b,  )

14. a) Se consideră v.a. X  N (0,1). Să se determine repartiţia v.a. Y = X 2.

n
b) Fie v.a. independente X  N (0,1),  k 1, n . Se cere repartiţia v.a. Z =
k  X k2
k =1
Rezolvare:
a) Vom determina densitatea de probabilitate a variabilei aleatoare Y. Avem:

 P( ), x  0  x0  x0

( )  0, 0,
FY ( x ) = P(Y  x ) = P X 2  x =  = =
( ) (
 P X  x , x  0  P − x  X  x , x  0  FX
 ) ( x ) − F ( − x ), x  0
X

 0, x0

f Y ( x ) = (FY ( x ))' = 


fX( ) 2 x
( 2 x
)
x  1 + fX − x  1 , x  0

x2
Deoarece X  N (0,1), rezultă că are v.a. X densitatea de probabilitate f ( x) = 1 −2  0, x  0 , adică
e , x  R , deci 
2 fY (x ) =  1
X
e− x / 2 , x  0
 2 x

densitatea de probabilitate a repartiţiei Hi-pătrat cu un grad de libertate
Prin urmare, dacă X  N (0,1), atunci X2  H (1).
b) Aplicând rezultatul de la punctul precedent, avem: X k  N (0,1),  k  1, n  X 2  H (1),  k  1, n
k
Deoarece variabilele aleatoare X k , k 1, n , sunt independente, rezultă că
n n n

 (t ) =  X 2 (t ) =  (1 − 2it )− 2 =(1 − 2it )−  = (1 − 2it )− 2 , prin urmare  X k2  H (n )

1 1 n
2
n
n
k =1
 Xk
2
k
k =1 k =1 k =1 k =1

X k  N (0,1),  k 1, n , atunci  X 2  H (n )

n
Am obţinut că dacă v.a. independente
k
k =1
15. Se consideră variabilele aleatoare X  N (5, 2) şi  X −5
2

Y = 
 2 
Să se determine densitatea de repartiţie, media, dispersia şi funcţia caracteristică ale v.a. Y.
Rezolvare:
Deoarece v.a. X  N (5, 2), aplicând metoda de rezolvare a problemei 12 sau, direct, folosind punctul 6) al propoziţiei din breviarul teoretic,
rezultă că v.a. Z = X − 5  N (0,1)
2
Aplicând metoda de rezolvare a problemei 14 sau, direct, folosind punctul 7) al propoziţiei din breviarul teoretic, rezultă că v.a. Y  H (1).
 1
1
−1 −
x

Obţinem:  1 x2 e 2, x  0  1
, x0
 2 1 
f Y ( x ) =  2   =  2 x e x
  
2 
 0 , x  0  0 , x0

M (Y ) = 1 ; D(Y ) = 2 1 = 2 ; Y (t ) = (1 − it )
1
−
2

16. Fie X o v.a. având o repartiţie normală de parametri m şi σ, unde m  R şi σ > 0.

a) Să se determine densitatea de repartiţie şi tipul repartiţiei v.a. Y = e X.
b) Să se calculeze media şi dispersia variabilei aleatoare Y.
Rezolvare:
( x −m )2
1 −
a) Din enunţ deducem că densitatea de repartiţie a v.a. X este f X ( x) = e 2 2
,xR
 2
Determinăm funcţia de repartiţie a v.a. Y:
 P(), x0  0, x  0
FY ( x) = P(Y  x) = P(e X  x) =  =
 P ( X  ln x ), x  0  X
F (ln x), x  0
 x0  0, x0
Prin derivare obţinem densitatea de repartiţie a v.a. Y:  0,

 − 2
f Y ( x) =  1 = 1 −
(ln x m )
 f X (ln x)  , x  0  e 2 2 , x0
 x x 2
Prin urmare, v.a. Y are o repartiţie lognormală de parametri m şi σ.

Observaţie. Am obţinut următorul rezultat important: dacă X  N (m,  ) , atunci Y = e X  LN (m,  )

2
(ln x − m) 2  ln x − m 

1  − 2 2 1  −   2 
M (Y ) =  x  fY ( x)dx =
b)
e dx = e dx
−  2 0  2 0
Folosim schimbarea de variabilă: ln x − m = t  ln x =  2t + m  x = e 2t + m ; dx =  2 e 2 t+m
dt
 2
x 0 ∞
t -∞ ∞

1  − t 2  2t + m e m  − ( t 2 − 2t ) e m + 2  − (t −  2 2 )2
2

M (Y ) = e e dt = e dt = e dt
 −  −  −
 2  2
Cu schimbarea de variabilă t −
2
= y t =
2
+ y ; dt = dy obţinem:

em+ 2  − y 2 2 em+ 2  − y 2 . Folosind integrala Euler-Poisson: 

2 2

M (Y ) =  e dt =  e dt e
−y 2
dy =
 sau integrala Gamma, rezultă:
 −  0 0 2

M (Y ) = e m+ 2
2

2
(ln x − m) 2  ln x − m 
( )
  −  − 
1 1
M Y 2 =  x 2  fY ( x)dx =  xe 2 2 dx =
 xe   2  dx
−  2 0  2 0
ln x − m
= t  ln x =  2t + m  x = e 2t + m ; dx =  2 e 2 t + m dt .
 2
  2 m + 2 2 
( )= 1
e
e 2m
e
( ) dt = e

− ( t − 2 )
2
−t2 2 2t + 2 m − t 2 − 2 2t
MY 2
e dt = e dt
 −  −  −
Facem schimbarea de variabilă t −  2 = y  t =  2 + y; dt = dy şi obţinem:

( ) e m + 2 2 e m + 2  − y 2
2
 2

−y 2
m + 2 2
M Y2 =  e dt =  e dt = e
 −  0
Prin urmare, D( Y ) = e 2 m+2 2
−e 2 m+ 2
= e2m+ e − 1
2
( 2
)
17. Fie X o v.a. având o repartiţie normală de parametri m şi  , unde m  R şi  > 0. Să se determine densitatea de repartiţie şi tipul
( X − m) 2

repartiţiei v.a. Y= .
2 2

Rezolvare:
( x − m) 2
−
Densitatea de repartiţie a v.a. X este: f ( x) = 1 e 2 , x  R
2

X
 2
Determinăm funcţia de repartiţie a v.a. Y:

FY ( x) = P(Y  x) = P ( ( X −m) 2
2 2
x =P) (( X −m 2

)  P(),

 2x = 

)
X −m
x0
(
 2x , x  0
=
)
P 


 0, x0  0, x0  0, x0
= = =

 P − (
2 x  X −m

 2 x , x  0 ) (
 P m −  2 x  X  m +  2 x , x  0  FX m +  2 x − FX m −  2 x , x  0 ) ( ) ( )
Prin derivare obţinem densitatea de repartiţie a v.a. Y:
  0, x0  0, x0
 
f Y ( x) =  = 1
fX m + ( 2x )  2
+ fX m −( 2x  )  2
, x0 
−x
e ,x0
 2 x 2 x  x

( X − m)
( )
2

Prin urmare, dacă X  N (m,  ) , atunci Y =  a = 1 , b =1

2 2
2

18. a) Să se arate că dacă v.a. independente X k  N (mk ,  k ), k = 1, n , atunci n  n n 

  k X k  N    k mk ,   k2 k2 
k =1  k =1 k =1 
b) Se consideră v.a. independente X 1  N (−3, 2) şi X 2  N (1, 4) . Să se determine densitatea de repatiţie, media şi abaterea medie
pătratică ale v.a. Y = 3X1 - 2X2.
Rezolvare:
a) Deoarece v.a. X k , k = 1, n , sunt independente, rezultă:
n
n t 2   k2 k2
n n n  k2 k2t 2 it   k mk − k =1

 (t ) =   k X k (t ) =   X k ( k t ) =  ei k mk t − =e
2
n
2 k =1

 k X k
k =1 k =1 k =1 k =1
prin urmare n  n n 
  k X k  N    k mk ,   k2 k2 
k =1  k =1 k =1 
b) Întrucât X 1  N (−3, 2) şi X 2  N (1, 4) sunt v.a. independente, conform rezultatului de la punctul a)
sau conform punctului 5) al propoziţiei din breviarul teoretic, rezultă că v.a. Y = 3 X − 2 X  N  3  (−3) − 2  1, 32  2 2 + (−2) 2  4 2  , deci
1 2  
 
Y  N (− 11, 10 ) .
( x +11) 2
1 −
Obţinem: f Y ( x) = e 200
, x  R ; M (Y ) = −11;  (Y ) = 10 .
10 2

Observaţie. Rezolvarea punctului a) constituie o demonstraţie a punctului 5) al propoziţiei din brevizrul teoretic.

1 10 2 . Să se determine:
19. Fie v.a. independente X k  N (0, 2), k = 1,10 şi Y= Xk
4 k =1
a) densitatea de repartiţie, media, dispersia şi funcţia caracteristică a v.a. Y ;
b) densitatea de repartiţie a v.a. X3.
Rezolvare:

a)
Y=
1 10 2 10 1
 Xk =  2 Xk
4 k =1
( k )
2 . Notăm Y = 1 X ,  k = 1,10 .
2 k
k =1
Conform punctului 6) al propoziţiei din breviarul teoretic, rezultă Y = 1 X  N (0,1) ,  k = 1,10
k 2 k
Deoarece v.a. X k , k = 1,10 sunt independente, rezultă că şi v.a. Yk , k = 1,10 sunt independente
10
Aplicând punctul 8) din aceeaşi propoziţie, obţinem că Y =
 Yk2  H (10) şi prin urmare densitatea de repartiţie corespunzătoare este:
k =1
 1 −x
 5 x 4e 2 , x  0
fY ( x) =  2 (5)
 0 , x0

Y  H (10)  M (Y ) = 10; D 2 (Y ) = 2  10 = 20 ; Y (t ) = (1 − it )−5
x2
1 −
b) X  N (0, 2)  f ( x) = e 8
, xR
2 2
3 X3

15
20. Se consideră v.a. independente X k  N (0,1), k = 1,15 şi Y =
 Xk
k =1
Să se determine densitatea de repartiţie, media, dispersia şi funcţia caracteristică a v.a. Y.
Rezolvare:
Deoarece v.a. X k  N (0,1), k = 1,15 sunt independente, conform punctului 5) al propoziţiei din breviarul teoretic, rezultă că v.a.

15 15  15 15 
Y =  X k = 1  X k  N   1  0, 1  1  = N 0, 15 (
, deci Y  N 0, 15 .
) ( )
k =1 k =1  
 k =1 k =1 
x2
1 −
Obţinem că Y are densitatea de repartiţie: f ( x) = e 30 , xR
Y
30
Folosind rezultatele din breviarul teoretic referitoare la repartiţia normală, obţinem:
15t 2
−
M ( X ) = 0 ; D ( X ) = 15 ;  (t ) = e
2 2

21. Fie v.a. X  N (m, ). Să se calculeze următoarele probabilităţi:

a) P ( X < a );
b) P ( X > b );
c) P ( a < X < b ).
Rezolvare:
a) Conform punctului 6) al propoziţiei din breviarul teoretic, deoarece X  N (m, ) rezultă că Z = X − m  N (0,1) . Avem:

P( X  a ) = P (

X −m

 a−m ) = P(Z 

a−m
Z  )= F ( )
a − m , unde

FZ este funcţia de repatiţie a v.a. normale normate Z  N (0,1) şi valorile acestei funcţii sunt tabelate.
( ) (
b) P( X  b ) = 1 − P( X  b ) = 1 − P( X  b ) = 1 − P X− m  b − m = 1 − P Z  b − m = 1 − FZ ) (b− m )
 
(
c) P(a  X  b ) = P( X  b ) − P( X  a ) = P X − m  b − m − P X − m  a − m =
 
) ( )
( ) ( ) ( )
= P Z  b − m − P Z  a − m = FZ b − m − FZ a − m .
   
( )
Reţinem că dacă X  N (m, ), atunci: P( X  a ) = F a − m
Z  ( )
P( X  b ) = 1 − FZ (b − m )

P(a  X  b ) = FZ (b − m ) − FZ (a − m )
 
unde FZ este funcţia de repatiţie a variabilei normale normate Z  N (0,1).
Aceste probabilităţi pot fi exprimate şi cu ajutorul funcţiei Laplace, folosind faptul că F (x ) = 1 + (x ),  x  R
Z 2
Obţinem că, dacă X  N (m,  ) , atunci: P( X  a ) = 1 + 
2
( ) a−m

2
( )
P( X  b ) = 1 −  b − m

P a  X  b = (
( ) )− (a− m )
b −m


22. Fie v.a. X  N (m = 3,  = 2) . Să se determine:

a) P (0  X  2); P( X  1); P( X  −1) ;
b) P ( X  1/ 0  X  2) ;
c) P ( X − m  1,2);
d)   R astfel încât P( X   )  0,67 .
Rezolvare:
Procedând ca în cazul problemei precedente sau folosind direct rezultatele obţinute la problema precedentă, avem:
a) P(0  X  2) = FZ ( 2 −2 3 ) − FZ ( 0 −2 3 ) = FZ (− 12 ) − FZ (− 32 ) = 1 − FZ ( 12 ) − 1 + FZ ( 32 ) =
= FZ (1,5) − FZ (0,5) = 0,9332 − 0,6915 = 0,2417
( )
P( X  1) = P( X  1) = FZ 1−23 = FZ (−1) = 1 − FZ (1) = 1 − 0,8413 = 0,1587
(2 )
P( X  −1) = 1 − P( X  −1) = 1 − FZ −1− 3 = 1 − FZ (−2) = 1 − 1 + FZ (2) = 0,9772
b) P X  1 / 0  X  2 = P(− 1  X  1 / 0  X  2) = P((− 1  X  1)  (0  X  2)) =
( )
P(0  X  2)
 P(0  X  1) FZ (1−23 ) − FZ (0−23 ) FZ (−1) − FZ (− 32 ) FZ (32 ) − FZ (1) 0,9332 − 0,8413
= =
P(0  X  2) FZ (2−23 ) − FZ (0−23 ) = FZ (− 12 ) − FZ (− 32 ) = FZ (32 ) − FZ (12 ) = 0,9332 − 0,6115 = 0,38
c) P (
X − m  1,2) = P (− 1,2  X − m  1,2) = P 
−1,2
 2
 X − m   =

1,2
2 
= P(−0,6  Z  0,6) = Fz (0,6) − Fz (−0,6) = 2 Fz (0,6) − 1 = 2  0,7257 − 1 = 0,4514
d) P( X   )  0,67  P( X− m   2−3 )  0,67  P ( Z   2−3 )  0,67  FZ ( 2−3 )  0,67
Deoarece
2
( )
FZ (0,44 ) = 0,67 , relaţia precedentă este echivalentă cu: FZ  − 3  FZ (0,44) şi cum funcţia de repartiţie

Z 2 ( )
FZ este nedescrescătoare, rezultă: F  − 3  F (0,44)   − 3  0,44    3,88
Z 2

23. Productivitatea muncii într-o societate comercială este rezultanta a doi factori modelaţi prin două v.a. independente X şi Y. V.a. X are o
( x − 2) 2
−
repartiţie binomială de parametri 10 şi 0,8, iar Y are densitatea de repartiţie 1 8 . Dacă productivitatea muncii se exprimă
f Y ( x) = e
2 2
prin formula W = 3 X + 4 Y, să se determine productivitatea medie a muncii la societatea respectivă şi abaterea medie pătratică a productivităţii
muncii.

Rezolvare:
Din enunţ rezultă că Y  N (m = 2; = 2) , deci M (Y ) = 2, D(Y ) = 2 2 = 4
Deoarece X  Bi (10; 0,8) , rezultă M ( X ) = 10  0,8 = 8, D( X ) = 10  0,8  0,1 = 0,8
Productivitatea medie a muncii este: M (W ) = M (3 X + 4Y ) = 3M ( X ) + 4M (Y ) = 24 + 8 = 32
Dispersia variabilei aleatoare W este: D(W ) = D(3 X + 4Y )
Deoarece v.a. X şi Y sunt independente, rezultă D(W ) = 9 D( X ) + 16D(Y ) = 7,2 + 64 = 71,2
Abaterea medie pătratică a productivităţii muncii este  (W ) = D(W ) = 8,438

24. V.a. X are o repartiţie Beta de parametri p şi q, unde p, q >1. Să se determine:

a) densitatea de repartiţie a v.a. Y = (b - a)X + a, 0 < a < b;
b) valoarea medie, dispersia şi abaterea medie patratică ale v.a. Y.
Rezolvare:
a) Densitatea de repartiţie a v.a. Y este: fY : R → R, fY ( x) = FY' ( x),  x  R . Avem:

( ) ( )
FY ( x) = P(Y  x) = P((b − a) X + a  x ) = P X  x − a = FX x − a . Prin derivare obţinem:
b−a b−a
 1
( ) (
x − a p −1
1 − x−a )
q −1 x − a
 (0,1)
( )
 ,
f Y ( x) = FY ( x) = 1 f X x − a =   ( p, q )
' b − a b − a b−a
b−a b−a
 0 , x − a  (0,1)
 b−a
 1 (x − a ) p −1 (b − x )q −1
 , x  ( a, b)
f Y ( x ) =   ( p, q ) (b − a ) p+q−2

 0, x  ( a, b)
b) M (Y ) = M (aX + b ) = aM ( X ) + b = apq + b ;
D(Y ) = D(aX + b ) = a 2 D( X ) = a 2 pq 2 ;  (Y ) = D(Y ) = aq p

25. a) V.a. X are o repartiţie χ 2 cu 7 grade de libertate. Să se calculeze P (X < 16,01).

b) V.a. Y are o repartiţie χ 2 cu 10 grade de libertate. Să se determine a  R astfel încât P (Y < a) = 0,1.
c) V.a. Z urmează o repartiţie χ 2 cu 12 grade de libertate. Să se afle a  R astfel încât P (Z > a) = 0,95.
d) V.a. T urmează o repartiţie χ 2 cu 20 grade de libertate. Să se afle P (T > 8,26).
e) V.a. U are o repartiţie χ 2 cu 50 grade de libertate. Să se afle P (30 < X < 70).
Rezolvare:
Această problemă propune o familiarizare cu tabelul corespunzător repartiţiei χ 2. Avem
a) (X <16,01) = 0,975.
b) P(Y  a) = 0,1  a = 10 2
; 0, 01 = 4,865

c) P(Z  a) = 0,95  P(Z  a) = 0,05  a = 122 ; 0,05 = 5,226

d) P (T > 8,26)=1- P (T < 8,26) = 1-0,01=0,99
e) Folosim faptul că pentru n suficient de mare (n > 30), avem (
H (n)  N n, 2n )
Aşadar H (50)  N (50, 100) şi rezultă:
P(40  X  70 ) = FZ ( 7010− 50 ) − FZ ( 4010− 50 ) = FZ (2) − FZ (−1) = FZ (2) − 1 + FZ (1) = 0,9772 − 1 + 0,8413 = 0,8185

(
26. V.a. X urmează o repartiţie χ2 cu 10 grade de libertate. Să se determine  a2 şi  2 astfel încât P  a2  X   2 = 0,98 .
b b )
Rezolvare:
Fie f densitatea de repartiţie a variabilei aleatoare X.
 b2
Deoarece
( )
P  a2  X   b2 =  f ( x)dx = 0,98
şi 
 f (x )dx = 1
, rezultă că putem considera
2
a −
 a2 
1−0,98
 f (x )dx =  f (x )dx =  a2 ) = 0,01   a2 = 10
2
2
= 0,01  P( X  ; 0,01 = 2,56
−  2
b

  b2
 f (x )dx = 0,01   f (x )dx = 0,99  P( X   b ) = 0,99   b = 10; 0,99 = 23,2
Avem: 2 2 2
 b2 −

27. a) Să se arate că dacă v.a. independente X  (a , b), k = 1, n , atunci

n  n 
k k  X k     ak , b 
k =1  k =1 
b) Se consideră v.a. independente X 1  (3,2) şi X 2  (5,2) . Să se determine:
i) densitatea de repatiţie a variabilei aleatoare Y = X1 + X2;
ii) media, dispersia şi funcţia caracteristică a variabilei aleatoare Y.

Rezolvare:
n n n
a) Deoarece variabilele aleatoare Xk, sunt independente rezultă:  n (t ) =   X k (t ) =  (1 − itb)− a k =(1 − itb)− 
k =1
a k , prin urmare
 Xk
k =1 k =1 k =1
n  n 
 X k     ak , b 
k =1  k =1 

b) i) X1  (3,2) şi X2  (5,2) sunt v.a. independente; folosind punctul precedent sau punctul 3) al propoziţiei din breviarul teoretic, rezultă
că v.a. sumă urmează tot o repartiţie Gamma, X 1 + X 2  (3 + 5, 2) ; prin urmare Y  (8,2), iar densitatea de repartiţie a v.a. Y este:
 1 −
x

 8 x7e 2 , x  0
f Y ( x) =  2 (8)
 x0
 0,

ii) M (Y ) = M ( X 1 + X 2 ) = M ( X 1 ) + M ( X 2 )
Deoarece X1, X2 sunt variabile aleatoare independente, rezultă că D 2 ( X 1 + X 2 ) = D 2 ( X 1 ) + D 2 ( X 2 )
X 1  (3,2)  M ( X 1 ) = 3  2 = 6; D( X 1 ) = 3  2 2 = 12
X 2  (5,2)  M ( X 2 ) = 5  2 = 10; D( X 2 ) = 5  2 2 = 20
Obţinem M (Y ) = M ( X 1 ) + M ( X 2 ) = 16 şi D(Y ) = D( X 1 ) + D( X 2 ) = 32

Deoarece Y  (8, 2) , aplicând rezultatele din breviarul teoretic referitoare la repartiţia Gamma, rezultă Y (t ) = (1 − 2it ) −8

6
28. Fie v.a.independente X k  H (2 k −1), k = 1, 6 şi Y =  Xk
k =1
Să se determine densitatea de repartiţie, media, dispersia şi funcţia caracteristică a v.a. Y.

Rezolvare:

Deoarece v.a. X k  H (2 k − 1), k = 1, 6 sunt independente, în baza punctului 4) al propoziţiei din breviarul teoretic rezultă că v.a.
6  6 
(
Y =  X k  H   2 k − 1  ; )
k =1  k =1 
 ( )  x
6 26 − 1 1 −
− 6 = 2 7 − 8 = 120 , deci Y  H (120) şi densitatea de repartiţie a v.a. Y este: f ( x) =  2 60 (60) x e , x  0
59
 2k − 1 = 2 
2

2 −1 
k =1
Y
 0 , x0


Folosind rezultatele din breviarul teoretic referitoare la repartiţia Hi pătrat, rezultă:

M (Y ) = 120; D(Y ) = 2  120 = 240; Y (t ) = (1 − it )

−60

PROBLEME PROPUSE

1. Se ştie că angajaţii unei firme au studii liceale cu probabilitatea de 0,75. Se selectează la întâmplare un eşantion de 20 de angajaţi din
totalul salariaţilor firmei şi fie X v.a. care indică numărul angajaţilor cu studii liceale. Se cere:
a) repartiţia v.a. X;
b) valoarea medie, dispersia şi abaterea medie patratică ale v.a. X;
c) funcţia generatoare de momente şi funcţia caracteristică ale v.a. X;
d) P(X ≥19); P(11 ≤ X ≤ 15); P(2 ≤ X ≤ 9 / X ≥ 3 ).
2. Se aruncă un zar de cinci ori pe o suprafaţă netedă . Fie X variabila aleatoare care indică numărul de apariţii al feţei cu şase puncte. Să se
calculeze media şi dispersia v.a. X.
3. O variabilă aleatoare X are o repartiţie binomială . Să se calculeze parametrii n şi p ai repartiţiei, ştiind că media v.a. este egală cu 50 şi
dispersia este egală cu 5.
4. Se aruncă o monedă până la apariţia stemei. Fie X v.a. care indică numărul de
aruncări efectuate până la apariţia stemei. Să se determine:
a) repartiţia variabilei aleatoare X;
b) media, dispersia şi funcţia caracteristică ale variabilei aleatoare X.
5. Dintr-un lot de 200 de cutii cu conserve, 10 sunt necorespunzătoare calitativ. Se extrag la întâmplare 8 cutii şi se controlează efectiv
calitatea lor. Fie X v.a. ce reprezintă numărul de cutii necorespunzătoare calitativ. Se cer:
a) repartiţia variabilei aleatoare X;
b) M (X), D (X), σ (X);
c) P (6 ≤ X); P (X ≤ 2); P (X =5); P (2 ≤ X / X ≤ 6).
6. S-a stabilit că 54% din numărul total de copii născuţi într-o anumită regiune sunt băieţi. Fie X v.a. ce indică numărul de băieţi din 1000 de
copii născuţi în regiunea respectivă.
a) Să se determine repartiţia variabilei aleatoare X;
b) Să se calculeze media şi abaterea medie pătratică a variabilei aleatoare X.
7. Un magazin comercializează produse din cristal. Probabilitatea ca un articol de cristal să fie de culoare roşie este 0,1. Fie X v.a. ce indică
numărul de articole din cristal vândute până la apariţia primului articol de cristal de culoare roşie. Se cer:
a) repartiţia variabilei aleatoare X;
b) media, dispersia şi funcţia caracteristică ale variabilei aleatoare X.
8. Dacă v.a. X are o repartiţie normală de parametri m şi σ, să se determine repartiţia v.a. Y = 1 ( X − m )2
3 2
9. Fie X o v.a. având o repartiţie uniformă pe intervalul [-1, 1]. Să se determine:
a) funcţiile de repartiţie ale v.a. X, Y = 3 – 4 X, Z = 5X 2 + 1, T = e 2X - 1 , V = │X│;
b) densităţile de repartiţie ale v.a. A = 2 X + 1, B = 3X 2 - 2, C = e X
c) densităţile de repartiţie ale v.a. Y = 5X + 2, Z = e X+1 , U = ln X, V = X 3 .
10. Fie X o v.a. având o repartiţie beta de parametri 3 şi 2. Să se determine:
a) funcţiile de repartiţie ale v.a. X, Y = 3X - 2, Z = 3 - 5X 2, T = e X , V = │X│;
b) densităţile de repartiţie ale v.a. A = 1 – 2 X, B = 3X 2 - 2, C = e X +1 , D = │X - 1│.
11. V.a. X are o repartiţie uniformă pe intervalul [a, b]. Să se arate că P (|X - m| < k)  1 – 1/k2, unde m şi σ sunt media şi abaterea medie
pătratică ale v.a. X.
( x −1) 2
12. V.a. X are densitatea de repartiţie 1 − . Se cer: P( X < 2); P(│X - 1│< 3); P(2 < X < 3)
f : R → R, f ( x ) = e 2

2
13. Fie v.a. X  N (m = 2,  = 3).
i) Să se scrie densitatea de repartiţie a v.a. X.
ii) Folosind tabelele, să se calculeze: a) P (X < 2,45); b) P (X > 1,7); c) P (1,55 < X < 2,25);
d) P (│X - m│< 0,72); e) P (│X - m│ > 0,3).
14. Fie X  N (m,  = 2).
i) Să se calculeze: a) P (│X - m│< 1,54); b) P (│X - m│ > 1,78).
ii) Se cere parametrul real a astfel încât: a)P (│X - m│< a) > 0,8; b)P (│X - m│> a) > 0,3
15. Variabilele aleatoare independente X şi Y urmează legile N (0,1) respectiv N (2,1).
a) Care este probabilitatea ca cel puţin una din relaţiile -1< X < 2, -1< Y < 2 să fie verificată?
b) Considerând U = 3 X - Y şi V = X + 2Y, să se calculeze M(U), M(V) şi ρ (U, V).
16. Fie X   (3,2). Să se determine:
a) densitatea de repartiţie a variabilei aleatoare Y = X + 1;
b) valoarea medie, dispersia şi abaterea medie patratică ale v.a. Y.
 17. Fie v.a. independente Xi, i  {1,2}, Xi  Bi(ni, p), ni  N*,  i  {1,2}, p  (0,1).
a) Să se determine funcţiile caracteristice ale v.a. X, Y şi X + Y.
b) Să se calculeze mediile şi dispersiile v.a. X, Y şi X + Y prin două metode.
c) Să se determine repartiţia v.a. X + Y şi să se generalizeze rezultatul obţinut.
18. Fie v.a. independente Xi, i  {1,2,..., n}, Xi  Po(i), i > 0,  i  {1,2,..., n}.
a) Să se determine funcţiile caracteristice ale v.a. X, Y şi X1 + X2 + … + Xn.
b) Să se determine repartiţia v.a. X1 + X2 + … + Xn.
19. Fie v.a. independente Xi, i  {1,2}, Xi  (ni, 2), ni  N*,  i  {1,2}.
a) Să se determine funcţiile caracteristice ale v.a. X, Y şi X + Y.
b) Să se calculeze mediile şi dispersiile v.a. X, Y şi X + Y prin două metode.
c) Să se determine repartiţia v.a. X + Y şi să se generalizeze rezultatul obţinut.
20. Fie v.a. independente Xi, i  {1,2}, Xi   (ni), ni  N*,  i  {1,2}.
a) Să se determine funcţiile caracteristice ale v.a. X, Y şi X + Y.
b) Să se calculeze mediile şi dispersiile v.a. X, Y şi X + Y prin două metode.
c) Să se determine repartiţia v.a. X + Y şi să se generalizeze rezultatul obţinut.
21. Fie X  N (0,1). Să se determine repartiţia variabilei aleatoare Y = X2.
22. Fie X  N (m,  ) . Să se determine repartiţia variabilei aleatoare  X −m
2

Y = 
  
n
23. Fie v.a. independente X k  N (0,1), k = 1, n . Să se afle repartiţia v.a. Y =  X k2
k =1
5
Y =  3k X k . Să se determine:
k
24. Fie v.a.aleatoare independente X k  N (2 − k , 2), k = 1, 5 şi
k =1
a) densitatea de repartiţie, media, dispersia şi funcţia caracteristică a v.a. Y ;
b) densitatea de repartiţie a variabilei aleatoare X4.
 2 k +1
 şi v.a.
6
( X − k )2 . Să se determine:
Y =  k 2 k +1
25. Fie v.a.independente
X k  N  k , 2 2  , k = 1, 6
  k =1 2
a) densitatea de repartiţie, media, dispersia şi funcţia caracteristică a v..a. Y
b) densitatea de repartiţie a variabilei aleatoare X3.
6
26. Fie v.a.independente X k  N (0,1), k = 1,15 şi
Y=  (3X k + 2) . Să se determine:
k =1
a) densitatea de repartiţie, media, dispersia şi funcţia caracteristică ale variabilei aleatoare Y
b) densitatea de repartiţie a variabilei aleatoare X5.
27. Fie v.a. independente X  N (0,1), k = 1,15 şi 15 . Să se determine densitatea de repartiţie, media, dispersia şi funcţia
k Z =  kX k
k =1
caracteristică ale variabilei aleatoare Z.
5
28. Fie v.a. independente X k  H (3k −1 + 1), k = 1, 5 şi Y = . Să se determine densitatea de repartiţie, media, dispersia şi funcţia
 Xk
k =1
caracteristică ale v.a. Y.
29. Se consideră variabilele aleatoare independente X1  N(4,1) şi X2  N(-3,2).
Să se afle densitatea de repatiţie, media şi abaterea medie pătratică ale v.a. Y = 5 X1 + 3 X2
2
30. Fie v.a. X  N (−3, 4) şi  X + 3  . Să se afle densitatea de repartiţie, dispersia şi funcţia caracteristică ale v.a. X şi Y.
Y = 
 4 
31. Fie v.a. independente X  N (0, 3), k = 1, 8 şi 1 8 . Să se determine:
k Y =  X k2
9 k =1
a) densitatea de repartiţie, media, dispersia şi funcţia caracteristică ale v.a. Y;
b) densitatea de repartiţie a variabilei aleatoare X3.
32. a) Să se arate că dacă v.a. X  Bi(n , p ), k = 1, r , atunci r  r 
k k
 X k  Bi  n k , p 
k =1  k =1 
b) Două maşini automate realizează aceeaşi piesă, dând rebuturi cu probabilităţile 0,05, respectiv 0,02. Dacă producţia zilnică a primei
maşini este de 4000 de piese şi producţia zilnică a celei de-a doua maşini este de 3000 de piese, să se scrie repartiţia variabilei aleatoare care indică
numărul de rebuturi din producţia zilnică totală şi să se calculeze numărul mediu de rebuturi din producţia zilnică totală.
31. Să se demonstreze propoziţia din breviarul teoretic.
 Variabile aleatoare 215

10.3. VARIABILE ALEATOARE BIDIMENSIONALE

BREVIAR TEORETIC

Definiţia 1. Fie (Ω, K, P) un câmp de probabilitate. O aplicaţie (X, Y) :   R 2 se numeşte variabilă aleatoare
bidimensională (vector aleator) dacă oricare ar fi (x, y)  R 2 avem: {  X () < x, Y() < y }  K.
 În cazul în care componentele X, Y sunt v.a. discrete cu o mulţime finită de valori,
 ( xi , y j ) 
repartiţia vectorului aleator (X, Y) se poate reprezenta sub forma: ( X , Y ) :  
 sau sub forma tabelului:
 p ij  ij11,,mn
Y y1 y2  yj  yn pi
X
x1 p11 p12  p1 j  p1n p1
x2 p21 p22  p2 j p2 n p2
     
xi pi1 pi 2  pij  pin pi

     
xm pm1 pm2  pmj  pmn pn

qj q1 q2  q j  qm 1

n m
unde pij  P ( X  xi , Y  y j ) , i  1, m, j  1, n , pi   pij , i  1, m , q j   pij , j  1, n ,
m n j 1 i 1

cu condiţiile: 1) pij  0,  i  1, m, j  1, n şi 2)   pij  1

i 1 j 1

Repartiţiile marginale sunt repartiţiile variabilelor care compun vectorul (X, Y)

 xi 
Repartiţia variabilei aleatoare X condiţionată de evenimentul (Y = yj), j 1, n , este: X / Y  y j :  
 P 
X  xi Y  y j
 
i 1,m
 yj 
Repartiţia variabilei aleatoare Y condiţionată de evenimentul (X = xi), i 1, m , este: Y / X  xi :  
  
 P Y  y j X  xi  j 1,n

 În cazul în care componentele X, Y sunt v.a. continue, repartiţia vectorului aleator (X, Y) se reprezintă sub forma:
 ( x, y )  , unde f : R  R se numeşte densitatea de repartiţie a vectorului aleator (X, Y)
2
( X , Y ) :    

 f ( x, y )    f ( x, y)dxdy  1
şi verifică următoarele condiţii: 1) f(x, y)  0,  (x, y) R2 şi 2) 
Densităţile marginale se definesc astfel:
 
f X : R  R, f X ( x)   f ( x, y)dy ;

fY : R  R, fY ( y)   f ( x, y)dx

f ( x, y )
Densitatea de repartiţie a variabilei alea v.a. X condiţionată de evenimentul Y = y este: f X Y ( x y)  , pentru y 
f Y ( y)
R astfel încât fY (y)  0.
f ( x, y )
Densitatea de repartiţie a v.a. Y condiţionată de evenimentul X = x este: f Y X ( y / x)  ,
f X ( x)
pentru x  R astfel încât fX (x)  0.
Funcţia de regresie a v.a. X în raport cu Y este aplicaţia RX : Y () R, RX (y) = M (X / Y = y).
În cazul discret, funcţia de regresie se poate reprezenta sub formă sintetică astfel:
y ( y j ) j 1,n
RX (y) (M ( X Y  y j )) j 1,n

Funcţia de regresie a v.a. Y în raport cu X este aplicaţia RY : X () R, RY (x) = M (Y / X = x).

În cazul discret, funcţia de regresie se poate reprezenta sub formă sintetică astfel:
x ( xi ) i 1, m

RY (x) (M (Y X  xi )) i 1,m
216 Matematici aplicate in economie – S. Dedu, F. Şerban

Definiţia 2. Se numeşte funcţia de repartiţie a v.a. bidimensionale (X,Y) aplicaţia

F : R2  [0,1], F(x, y)=P (X < x, Y < y)
Definiţia 3. Se numeşte covarianţa v.a. X şi Y numărul: cov (X, Y) = M(XY ) - M(X )M(Y ).
Definiţia 4. Variabilele aleatoare X şi Y se numesc necorelate dacă cov (X, Y) = 0.
Definiţia 5. Se numeşte coeficient de corelaţie al variabilelor aleatoare X şi Y numărul:
cov( X , Y ) M ( XY )  M ( X )  M (Y )
 ( X ,Y )  
 ( X )   (Y )  ( X )   (Y )
Propoziţie. Oricare ar fi variabilele aleatoare X şi Y cu D 2(X) D 2(Y)  0, atunci:
1) ρ (X, Y) = 0 dacă şi numai dacă v.a. X şi Y sunt necorelate.
2) Dacă X, Y sunt v.a. independente, atunci ρ (X, Y) = 0.
3) | ρ (X, Y) | ≤ 1.
4) Dacă | ρ (X, Y) | = 1, atunci între X şi Y există o relaţie de dependenţă liniară.
Definiţia 5. Se numeşte moment iniţial de ordinul (r, s) al v.a. bidimensionale (X, Y) numărul (dacă există):
  xir y sj pij , dacă X, Y v.a. discrete
 iI jJ
mr , s  M r, s ( X ,Y )    
   x r y s f ( x, y ) dxdy , dacă X, Y v.a. continue

Definiţia 6. Se numeşte moment centrat de ordinul r, s al v.a. bidimensionale (X, Y) numărul (dacă există):

 r , s  X , Y   M  X  M  X r Y  M Y s 
Definiţia 7. Dacă funcţia de regresie a v.a. Y în raport cu v.a. X este liniară, adică RY (x) = aX + b, atunci dreapta de
regresie a lui Y în raport cu X este: y  M Y     X , Y   Y  x  M  X 
 X 

PROBLEME REZOLVATE

1. Fie v.a. independente X, Y definite pe acelaşi câmp finit de probabilitate (Ω, K, P), având repartiţiile
 1 2  şi   1 2 3  . Se cere repartiţia v.a. bidimensionale Z=(X,Y).
X :   Y :  
 0,3 0,7   0,4 0,2 0,4 

Rezolvare:

Deoarece v.a. X, Y sunt independente, rezultă:

P(X = xi, Y = yj) = P(X = xi)  P(Y = yj),  i{1,2}, j  {1,2,3}. Prin urmare,
P(X = 1, Y = -1) = P(X = 1)  P(Y = -1) = 0,3 0,4 = 0,12 şi analog obţinem:
P(X = 1,Y = 2) = 0,06; P(X = 1,Y = 3)= 0,12; P(X = 2,Y = -1)= 0,28; P(X = 2,Y = 2)= 0,14; P(X = 2,Y = 3)=0,28
Astfel rezultă repartiţia comună a vectorului aleator Z=(X,Y):
-1 2 3 pi
X Y
1 0,12 0,06 0,12 0,3
2 0,28 0,14 0,28 0,7
qj 0,4 0,2 0,4 1
Din repartiţia comună a v.a. X, Y se deduce repartiţia v.a.  (1,1) (1,2) (1,3) (2,1) (2,2) (2,3) 
Z  ( X , Y ) :  
 0,12 0,06 0,12 0,28 0,14 0,28 

2. Variabilele aleatoare X, Y au următoarea repartiţie comună:

X Y 0 1 2
-1 0,3 0,2 0,1
1 0,15 0,1 0,15
a) Să se determine repartiţiile marginale.
b) Să se stabilească dacă v.a. X, Y sunt independente.
c) Să se determine repartiţiile v.a. A = X + Y, B = 3X, C = Y 3, D = Y + Y 2, E = XY.
 Variabile aleatoare 217

Rezolvare:

a) Din datele problemei deducem tabelul complet al repartiţiei comune:

0 1 2 pi
X Y
-1 0,3 0,2 0,1 0,6
1 0,15 0,1 0,15 0,4
qj 0,45 0,3 0,25 1
Obţinem repartiţiile marginale: 1 1   0 1 2 
X :   ; Y :  
 0,6 0,4   0,45 0,3 0,25 
b) V.a. X, Y sunt independente dacă P(X = xi, Y = yj) = P(X = xi)  P(Y = yj),  i{1,2}, j  {1,2,3}.
Avem P(X = -1, Y = 0) = 0,3 şi P(X = -1)  P(Y = 0) = 0,6 0,45 = 0,27, deci X, Y sunt v.a. dependente.
c)  1 0 1 1 2 3   1 0 1 2 3 
A  X  Y :     
 0,3 0,2 0,1 0,15 0,1 0,15   0,3 0,2 0,1  0,15 0,1 0,15 
 3 3   0 1 8   00 2
11 2
22   0
2
2 6 
B  3 X :   ; C  Y 3 :   ; D  Y  Y 2 :    
 
 0,6 0,4   0,45 0,3 0,25   PY  0 PY  1 PY  2  0,45 0,3 0,25 
 0 1  2 0 1 2   2 1 0 1 2 
E  X  Y :     
 0,3 0,2 0,1 0,15 0,1 0,15   0,1 0,2 0,3  0,15 0,1 0,15 

5. Se consideră v.a. X, Y având repartiţia comună dată în următorul tabel:

X Y -1 0 1 pi
-1 0,08 0,17 0,05 0,3
0 0,11 0,26 0,13 0,5
1 0,05 0,05 0,10 0,2
qj 0,24 0,48 0,28 1
a) Să se scrie repartiţiile marginale.
b) Să se afle coeficientul de corelaţie al v.a. X şi Y;
c) Să se calculeze covarianţa v.a. U = 3X – 2Y şi V = X + 4Y.

Rezolvare:
a) Repartiţiile marginale sunt 1 0 1   1 0 1 
X :   ; Y :  
 0,3 0,5 0,2   0,24 0,48 0,28 
b) Coeficientul de corelaţie este:  ( X , Y )  cov ( X , Y )  M ( XY )  M ( X )  M (Y )
 ( X )   (Y )  ( X )   (Y )
3 3
M ( X )   xi pi  (1)  0,3  0  0,5  1  0,2  0,1; M (Y )   y j q j  (1)  0,24  0  0,48  1  0,28  0,04 ;
i 1 j 1

3
M 2 ( X )  M ( X 2 )   xi2 pi  (1) 2  0,3  0 2  0,5  12  0,2  0,5 ;
i 1

D( X )  M ( X 2 )  M 2 ( X )  0,5  0,01  0,49   ( X )  D( X )  0,7 ;

3
M 2 (Y )  M (Y 2 )   y 2j q j  (1) 2  0,24  0 2  0,48  12  0,28  0,52 ;
j 1

D(Y )  M (Y 2 )  M 2 (Y )  0,52  0,0016  0,5184   (Y )  D(Y )  0,72

3 3
M ( XY )   xi y j pij  (1)  (1)  0,08  (1)  0  0,17  (1)  1  0,05 
i 1 j 1
+ 0(-1)0,11 + 000,26 + 010,13 + 1(-1)0,05 + 100,1 = 0,08
M ( XY )  M ( X )  M (Y ) 0,08  (0,1)  0,04
 ( X ,Y )    0,167
 ( X )   (Y ) 0,7  0,72
c) cov(U, V) = cov(3X – 2Y, X + 4Y) = M[(3X – 2Y)( X + 4Y)] - M(3X – 2Y) M( X + 4Y) = 3M(X 2) + 10 M(XY) -
218 Matematici aplicate in economie – S. Dedu, F. Şerban

- 8M(Y 2) – 3M 2(X) - 10 M(X) M(Y) + 8M 2(Y) = 1,5 + 0,8 – 4,16 – 0,03 + 0,004 + 0,0128 = -1,8732.

6. Fie X, Y v.a. discrete având repartiţia comună dată în tabelul incomplet de mai jos:
pi
X Y -1 0 1
-1 0,2 0,6
1 0,1
qj 0,3 0,3
a) Să se scrie repartiţiile v.a. X, Y şi repartiţia comună a v.a. X, Y .
b) Să se determine repartiţiile v.a. A = min(X, Y), B = X + Y şi repartiţia comună a v.a. A, B
c) Să se scrie repartiţiile v.a. X / Y = 1 şi Y / X = 1, | Y |, X / (Y + 2).

Rezolvare:

a) Impunând condiţiile 2 3 3 2 obţinem:

p
i 1
i  1, q
j 1
j  1, p j 1
ij  pi ,  i  1,2,  pij  q j ,  j  1,3 ,
11

p1 + p2 = 1  p2 = 0,4; q1 + q2 + q3 = 1  q2 = 0,4; p11 + p21 = 0,3  p21 = 0,1; p12 + p22 = 0,4  p12 = 0,3;
p11 + p12 + p13 = 0,6  p13 = 0,1; p13 + p23 = 0,3  p23 = 0,2.
Rezultă repartiţiile  1 1   1 0 1  şi repartiţia comună a v.a. (X, Y)
X :   ; Y :  
 0,6 0,4   0,3 0,4 0,3 
X Y -1 0 1 pi
-1 0,2 0,3 0,1 0,6
1 0,1 0,1 0,2 0,4
qj 0,3 0,4 0,3 1

b) 1 1 1 1 0 1  1 0 1 
A  min ( X , Y ) :     
 0,2 0,3 0,1 0,1 0,1 0,2   0,7 0,1 0,2 
  2 1 0 0 1 2    2 1 0 1 2 
B  X  Y :     0,2 0,3 0,2 0,1 0,2 
 0 , 2 0 ,3 0,1 0,1 0,1 0, 2   
Pentru determinarea repartiţiei comune a v.a. A, B procedăm în felul următor:
Y -1 0 1
X
-1 A = min (-1,-1) = -1 A = min (-1,0) = -1 A = min (-1,1) = -1
B = -1 + (-1) = -2 B = -1 + 0 = -1 B = -1 + 1 = 0
1 A = min (1,-1) = -1 A = min (1,0) = 0 A = min (1,1) = 1
B = 1 + (-1) = 0 B=1+0=1 B=1+1=2
P(A = -1, B = -2) = P(X = -1, Y = -1) = 0,2; P(A = -1, B = -1) = P(X = -1, Y = 0) = 0,3;
P(A = -1, B = 0) = P(X = -1, Y = 1) = 0,1; P(A = -1, B = 1) = P() = 0;
analog se calculează celelalte probabilităţi şi rezultă că repartiţia comună este:
A B -2 -1 0 1 2 pi
-1 0,2 0,3 0,2 0 0 0,7
0 0 0 0 0,1 0 0,1
1 0 0 0 0 0,2 0,2
qj 0,2 0,3 0,2 0,1 0,2 1

c)   1 1  , unde:
X Y  1 :  
 1  2 
P X  1  Y  1 0,1 1 P X  1  Y  1 0,2 2
 1  P X  1 Y  1    ;  2  P X  1 Y  1    ;
P(Y  1) 0,3 3 P(Y  1) 0,3 3
obţinem:  1
1 ;  1 0 1 ;
X Y  1:  1
 Y X  1 : 
  
  1  2 3 
2
 3
3
PY  1   X  1 0,2 1 ; PY  0   X  1 0,3 1
1  PY  1 X  1     2  PY  0 X  1   
P( X  1) 0,6 3 P( X  1) 0,6 2
PY  1   X  1 0,1 1
 3  PY  1 X  1   
P( X  1) 0,6 6
 Variabile aleatoare 219

Deci  1 0 1 1 0 1   0 1 ;
  Y :     
Y X  1 :  1 1 ;

1
  0,3 0,4 0,3  0,4 0,6 
 3 2 6
 1 1 1 1 1 1   1  1  1 1 1 1 
X  1 2 0  2 1 2 1 2 0  2 1 2    2 3 3 2
:
Y  2  0,2 0,2   0,2 0,1 0,1
 0,3 0,1 0,1 0,1  0,3 0,1 0,2

7. Fie v.a. X, Y , unde  1 1   0 1  . Fie k = P(X = -1, Y = 0).

X :   , Y :  
 0,7 0,3   0,4 0,6 
a) Să se scrie tabelul comun al repartiţiei v.a. X, Y.
b) Să se determine parametrul real k astfel încât v.a. X, Y să fie necorelate.
c) Pentru k determinat la punctul b), să se stabilească dacă v.a. X, Y sunt independente.
Rezolvare:
a)
X Y 0 1 pi
-1 k 0,7 - k 0,7
1 0,4 - k k – 0,1 0,3
qj 0,4 0,6 1
k  0
Din condiţiile: 1) p  0,  i, j  1,2 şi 2) 2 2 obţinem: 0,7  k  0
ij   pij  1 
1)    0,1  k  0,4
i 1 j 1
0,4  k  0
k  0,1  0
2)  k + 0,7 – k + 0,4 – k + k - 0,1 = 1, relaţie care se verifică,  k  R .
Repartiţia comună a v.a. X, Y este cea din tabelul de mai sus, cu condiţia k  [0,1; 0,4].
b) V.a. X, Y sunt necorelate dacă: cov(X, Y) = 0  M (XY) - M (X)M (Y) = 0.
2 2
M ( X )   xi pi  (1)  0,7 1  0,3  0,4 ; M (Y )   y j q j  0  0,4  1  0,6  0,6 ;
i 1 j 1
2 2
M ( XY )   xi y j pij  (1)  0  k  (1)  1  (0,7  k )  1  0  (0,4  k )  1  1  (k  0,1)  2k  0,8
i 1 j 1

M (XY) - M (X)M (Y) = 0  2k – 0,8 + 0,24 = 0  k = 0,28  [0,1; 0,4].

c) Pentru valoarea determinată a parametrului k obţinem tabelul repartiţiei comune:
0 1 pi
X Y
-1 0,28 0,42 0,7
1 0,12 0,18 0,3
qj 0,4 0,6 1
Avem: P(X = -1, Y = 0) = 0,28 = P(X = -1)  P(Y = 0); P(X = -1, Y = 1) = 0,42 = P(X = -1)  P(Y = 1);
P(X = 1, Y = 0) = 0,12 = P(X = 1)  P(Y = 0); P(X = 1, Y = 1) = 0,18 = P(X = 1)  P(Y = 1).
Din aceste relaţii rezultă, conform definiţiei, că v.a. X, Y sunt independente.

8. Fie variabila aleatoare bidimensională Z = (X,Y) :

Y -1 0 2 pi
X
-2 0,2 0,3 0,1 0,6
1 0,1 0,1 0,2 0,4
qj 0,3 0,4 0,3 1
Să se calculeze funcţiile de regresie RY (x) şi RX (y).
Rezolvare:
Funcţia de regresie a v.a. Y în raport cu X este: RY (x) = M (Y / X = x).
Calculăm repartiţiile condiţionate ale v.a. Y în raport cu X:  1 0 2 
Y X  2 :  
 1 2  3 
PY  1   X  2 0,2 1
1  PY  1 X  2   
P X  2 0,6 3
PY  0   X  2 0,3 1
 2  PY  0 X  2   
P X  2 0,6 2
220 Matematici aplicate in economie – S. Dedu, F. Şerban

PY  2   X  2 0,1 1

 3  PY  2 X  2   
P X  2 0,6 6
1 0 2
 ; M Y X  2  (1)   0   2   0
Rezultă: 1 1 1
Y X  2 :  1 1 1
 3 2 6 3 2 6
Analog obţinem: Y X  1 :   1 0 2
 ; M Y X  1  (1)   0   2   ;
1 1 1 3
 1 1 1
 4 4 2 4 4 2 4

Obţinem funcţia de regresie a v.a. Y în raport cu X:

x -2 1
RY (x) 0 3/4
Funcţia de regresie a v.a. X în raport cu Y este: RY (x) = M (X / Y = y).
Calculăm repartiţiile condiţionate ale v.a. X în raport cu Y :  2 1
X Y  1 :  
 2 
 1
P X  2  Y  1 0,2 2 P X  1  Y  1 0,1 1
1  P X  2 Y  1    ;  2  P X  1 Y  1   
P(Y  1) 0,3 3 P(Y  1) 0,3 3
Obţinem:  2 1 ; şi analog:
 M  X Y  1  (2)   1   1
2 1
X Y  1 :  2
 1 3 3
 3 3
 2 1 ;
 M  X Y  0  (2)   1   
3 1 5
X Y  0: 3
 1  4 4 4
 4 4
 2 1 ;
 M  X Y  2  (2)   1   0
1 2
X Y  2: 1
 2 3 3
 3 3
Rezultă că funcţia de regresie a v.a. X în raport cu Y este:
y -1 0 2
RX (y) -1 -5/4 0

9. Fie v.a.  1 2 3 ,  1 2  . Ştiind că P (X = 1, Y = 1) = 0,04, să se determine valoarea minimă şi

X :   Y :  0,6 0,4 
 0,25 0,14 0,61  
valoarea maximă a coeficientului de corelaţie al celor două v.a.
Rezolvare:
Alcătuim tabelul repartiţiei comune. Notăm P (X = 2, Y = 1) = a şi cunoscând probabilităţile marginale şi
P (X = 1, Y = 1) = 0,4 calculăm celelalte probabilităţi.
Y 1 2 pi
X
1 0,04 0,21 0,25
2 a 0,14 - a 0,14
3 0,56 – a a + 0,05 0,61
qj 0,6 0,4 1
a  0
Din condiţiile p  0,  i  1,3, j  1,2 obţinem: 0,14  a  0
ij 
  a  [0; 0,14]
0,56  a  0
a  0,05  0
M ( XY )  M ( X )  M (Y )
 ( X ,Y ) 
 ( X )   (Y )
3
M ( X )   xi pi  1  0,25  2  0,14  3  0,61  2,36
i 1
3
M ( X )   xi2 pi  12  0,25  2 2  0,14  3 2  0,61  6,3
2
i 1
D( X )  M ( X 2 )  M 2 ( X )  6,3  2,36 2  0,7304   ( X )  D( X )  0,85
 Variabile aleatoare 221

2
M (Y )   y j q j  1  0,6  2  0,4  1,4
j 1
2
M (Y )   y 2j q j  12  0,6  2 2  0,4  2,2
2
j 1
D(Y )  M (Y 2 )  M 2 (Y )  2,2  1,96  0,24   (Y )  D(Y )  0,48

3 2
M ( XY )   xi y j pij  1  1  0,04  1  2  0,21  2  1  a  2  2  (0,14  a)  3  1  (0,56  a)  3  2  (a  0,05)  a  3
i 1 j 1

a  0,3 ; cum a  [0; 0,14], rezultă că:

 (X ,Y) 
0,85  0,48

max ρ(X, Y) se obţine pentru a = 0,14 şi are valoarea max ρ(X, Y) = - 0,392;

min ρ(X, Y) se obţine pentru a = 0 şi are valoarea min ρ(X, Y) = - 0,735.

10. Fie v.a.bidimensională discretă Z = (X,Y) a cărei repartiţie este dată în tabelul:
Y pi
b-2 b -1 b b+1
X
a-1 2/24 1/24 9p
a 1/24 8p
a+1 1/24 4/24 1/24 7p
qj 6q 7q 8q 3q 1
unde a, b  N ; p, q  R . Ştiind că M(3X2 – 12X) = 3 şi D (6Y - 4) = M2(6Y ) - 4, să se determine:
a) repartiţia variabilei aleatoare X;
b) repartiţia variabilei aleatoare Y;
c) repartiţia comună a v.a. X şi Y şi repartiţiile marginale;
d) coeficientul de corelaţie al v.a. X şi Y.
Rezolvare:
a) Avem: M(3X2 – 12X) = 3  3M(X2) – 12 M(X) = 3.
Din tabelul repartiţiei comune deducem că repartiţia v.a. X este:  a 1 a a  1 ; din condiţiile p  0 şi
X :  
 9 p 8 p 7 p 
9p + 8p +7p = 1 rezultă p = 1/24. Obţinem  a 1 a a  1
X : 9 
 8 7 
 24 24 24 
3
M ( X )   xi pi  (a  1)  249 a  248  (a  1)  247  a  121 ;
i 1
3
M ( X 2 )   xi2 pi  (a  1) 2  249 a 2  248  (a  1) 2  247  a 2  16 a  23 . Rezultă:
i 1

   
3M X 2  12M  X   3  3 a 2  16 a  23  12a  121   3  3a 2  25
2
a  3  3  a1  0, a2  25
6
Deoarece a  N, convine numai soluţia a = 0. Deducem că repartiţia v.a. X este  1 0 1 
 
X : 9 8 7 
 
 24 24 24 
b) Avem: D (6Y - 4) = M2(6Y ) - 4
Din tabelul repartiţiei comune deducem că repartiţia v.a. Y este: b  2 b 1 b b  1 ;
Y :  
 6q 7q 8q 3q 
din condiţiile q  0 şi 6q + 7q + 8q + 3q = 1 rezultă q = 1/24, prin urmare b  2 b 1 b b  1
Y : 6 
 7 8 3 
 24 24 24 24 
4
6 7 8 3 2
M (Y )   y j q j  (b  2)   (b  1)  b  (b  1)  b ;
i 1 24 24 24 24 3
4
6 7 8 3 4 17
M (Y 2 )   y 2j q j  (b  2) 2  (b  1) 2   b2   (b  1) 2   b2  b 
i 1 24 24 24 24 3 12
222 Matematici aplicate in economie – S. Dedu, F. Şerban

D(Y )  M (Y 2 )  M 2 (Y )  b 2  43 b  17  (b  23 ) 2  35
 D(6Y  4)  36D(Y )  35
 
12 36

M 2 (6Y )  M 6Y   M 36Y

2
 2
  36M Y   36b
2 2
 48b  51 . Rezultă:
D6Y  4  M 2 6Y   4  35  36b  48b  51  4  36b 2  48b  12  0  b1  1, b2  1/ 3
2

Deoarece b N, convine numai soluţia b = 1. Deducem că repartiţia v.a. Y este  1 0 1 2

 
Y : 6 7 8 3 
 
 24 24 24 24 
c) Folosind rezultatele obţinute la punctele precedente, obţinem:

Y b -2 b -1 b b+1 pi
X
a-1 2/24 1/24 9/24
a 1/24 8/24
a+1 1/24 4/24 1/24 7/24
qj 6/24 7/24 8/24 3/24 1
Din condiţiile ca tabelul să reprezinte repartiţia comună a v.a. X şi Y obţinem:
7 6 1 6 2 4
p31  p3  ( p32  p33  p34 )    ; p11  q1  ( p21  p31)   
24 24 24 24 24 24
analog rezultă: p22 = 4/24; p13 = 2/24; p23 = 2/24; p24 = 1/24. Repartiţia comună a variabilelor aleatoare X şi Y este:
Y
-1 0 1 2 pi
X
-1 4/24 2/24 2/24 1/24 9/24
0 1/24 4/24 2/24 1/24 8/24
1 1/24 1/24 4/24 1/24 7/24
qj 6/24 7/24 8/24 3/24 1
d)  ( X , Y )  M ( XY )  M ( X )  M (Y ) ; folosind calculele realizate la punctele a) şi b), deducem:
 ( X )   (Y )
1
12
1
12
1
6
2 2;
M ( X )  a    ; M ( X 2 )  a2  a  
3 3
D X   M X 2  M 2  X  
95
144
 
; M (Y )  b   ; DY  
2 1
3 3
35
36
3 4
5 . Obţinem:
5
 121  13
M ( XY )   xi y j pij  (X ,Y )   17  72  0,2948
24
72 5 133
i 1 j 1 24 95
144
 36
35

11. Fie v.a. bidimensională continuă Z = (X,Y) având densitatea de repartiţie

k ( x  y  1), ( x, y )  1,2 0,1
f ( x, y)   ; kR
 0, ( x, y)  1,2 0,1
a) Să se determine parametrul k;
b) Să se calculeze densităţile de repartiţie marginale;
c) Să se verifice dacă variabilele aleatoare X, Y sunt independente;
d) Să se determine funcţia de repartiţie a variabilei aleatoare Z;
e) Să se determine densităţile de repartiţie condiţionate;
f) Să se calculeze P ({ / Z ()  A}), unde A = [1, 3/2]  [0, 1/2];
g) Să se determine funcţia de regresie a v.a. X în raport cu v.a. Y.
Rezolvare:
a) Punem condiţiile ca f să fie densitatea de repartiţie a unei v.a. bidimensionale continue:
1) f ( x, y)  0,  x, y   R 2 ; 2)   . Din condiţia 1) rezultă k  0;
  f ( x, y)dxdy  1
 
  1 2
  
1 2

  f ( x, y ) dxdy  0  1
 k ( x  y  1)dx 


dy  k    ( x  y  1)dx dy 

01



   
1 2 1 2 1
 k  x  xy  x dy  k  5  y dy  k  5 y    2k
y2

0
2
0
2 2 2 
0
1
Din condiţia 2) obţinem k = 1/2 şi prin urmare  1 ( x  y  1), ( x, y )  1,2 0,1

f ( x, y )   2

 0, ( x, y )  1,2 0,1
 Variabile aleatoare 223

b) Fie fX , fY densităţile de repartiţie ale v.a. X, Y (densităţile marginale).


f X : R  R, f X x    f ( x, y )dy


xy  
0 1 
f X x    0 dy  12  x  y  1dy   0 dy 
1
Pentru x  [1,2] avem: y2
1
2 2
y  2 x 1
4
0
 0 1
  2 x 1 , x  1, 2
Pentru x  [1,2] rezultă
f X x    0 dy  0 . Obţinem f X : R  R, f X x    4
  0, x  1, 2

f Y : R  R, f Y  y    f ( x, y )dx


 
1 2  2 52 y
Pentru y  [0,1] avem: f Y  y    0 dx  12  x  y  1 dx   0 dx  12 x2  xy  x  4
2

1
 1 2

Pentru y [0,1] rezultă f  y   . Obţinem
Y  0 dx  0

 5 2 y
 , y  0,1
f Y : R  R, f Y  y    4

 0 , y  0, 1
c) V.a. X, Y sunt independente dacă f(x, y) = f(x)  f(y),  x, y  R.
Observăm că această condiţie nu este îndeplinită, prin urmare v.a. X, Y sunt dependente.
x y
F : R 2  R, F x, y     f u, v  du dv
d)
 
Pentru x  (-, 1] sau x  (-, 0] rezultă F (x, y) = 0.
Pentru x  (1, 2] şi y  (0, 1] rezultă
x
 
yx y x  y 2
F x, y     12 (u  v  1)dudv  12    (u  v  1)du dv  12  u2  uv  u dv 
 
01 01  0 1

   
y 2 y
2 2 2 x 2 y  xy 2  2 xy  y 2  3 y
 1  x  xv  x  3  v dv  1 x v  x v  xv  3 v  v 
2 2 2 2 2 2 2 2 0 4
0

 
1 x x
Pentru x  (1, 2] şi y  (1, ) rezultă 1x  1
F x, y     1 (u  v  1) dudv  1    (u  v  1)du dv  1 u2  uv  u dv 
2 2   2 2
01 0 1  0 1
1
2
  2 2

 1  x  xv  x  3  v dv  1 x v  x v  xv  3 v  v
2 2 2 2 2 2 2 2
2
 10  x 4x  2
2

0
Pentru x  (2, ) şi y  (0, 1] rezultă
2
2 
   (u  v  1)du dv      
y 2 y y y

F x, y     12 (u  v  1)dudv    v dv 

y
5 y y2
u2
 uv  u dv  v  v2 
2
1 1 1 5 1 5
2 2 2 2 2 2 2 0 4
0 1 0 1 0 1 0

Pentru x  (2, ) şi y  (1, ) reyultă că F(x, y) = 1. Am obţinut că funcţia de repartiţie a v.a. Z = (X,Y) este:

 0, x, y   ,1  R sau R  - ,0

 2
 x y  xy  2 xy  y  3 y ,
2 2
x, y  1, 2x0, 1
 4

 5y  y2
F  x, y    , x, y  2,    0, 1
 4
 x2  x  2
 , x, y  1, 2  2,  
 4

 1, x, y  2,    1,  
224 Matematici aplicate in economie – S. Dedu, F. Şerban

e) Densitatea de repartiţie a v.a. X condiţionată de evenimentul Y = y este:

f x, y  , pentru y  [0,1], adică  2x  y  1
f X Y x y    , x  1,2 şi y  [0,1]
f X Y x y    5  2 y
fY ( y)

 0, x  1,2

Densitatea de repartiţie a v.a. Y condiţionată de evenimentul X = x este:

2 x y 1
f x, y  , pentru x  [1,2], adică 
 , y  0,1 şi x [1,2]
fY X  y x  f Y X  y x    2 x1
f X ( x) 
 0, y  0,1
1 3
2 2
P / Z ( )  A   f x, y dxdy  
1
 2 ( x  y  1)dxdy 
f)
A 0 1
3
 1 3
 1 2 1 1

1  2 2  1  x2 2
 1 29 y 19 y2  2
7
    ( x  y  1)dx dy     xy  x  dy      dy   y   
2 01  2 0 2 0 2 08 2 28 2  0
32
 
g) Pentru y  [0, 1], avem:
2

2( x  y  1) 2  x3 x2 x2  23  27 y
2
R X ( y)  M ( X / Y  y) 

 x  f ( x / y)dx   x 
1
5  2 y
dx 
5  2 y
 
 3 2
y   
2  1 3(5  2 y)
,

prin urmare 23  27 y pentru y  [0, 1].

R X ( y)  ,
3(5  2 y )

12. Fie v.a. bidimensională continuă Z = (X,Y) a cărei densitate de repartiţie este
ke2 x 3 y , ( x, y)  0,   0,   . Să se determine:
f ( x, y)   ; kR
 0, ( x, y)  0,   0,  
a) parametrul k;
b) densităţile de repartiţie marginale;
c) să se studieze dacă variabilele aleatoare X, Y sunt independente;
d) coeficientul de corelaţie al variabilelor aleatoare X, Y .
Rezolvare:
a) Punem condiţiile ca f să fie densitatea de  repartiţie a unei v.a. bidimensionale

continue: 1) f(x, y)  0,  (x, y) R2 şi 2)   f ( x, y )dxdy  1. Din condiţia 1) rezultă k ≥ 0;

 
      

 f ( x, y)dxdy    ke  2 x 3 y
dxdy  k  e 2 x dx   e3 y dy  k  12  et dt  13  e v dv  k  16 1  1  k
6
 0 0 0 0 0 0

Din condiţia 2) obţinem k = 6 şi deci 6e 2 x 3 y , ( x, y )  0,   0,  

f ( x, y )   ;
 0, ( x, y )  0,   0,  
b) Fie fX , fY densităţile de repartiţie ale v.a X, Y (densităţile marginale). Avem: 
f X : R  R, f X x    f ( x, y )dy


Pentru x  (- , 0] rezultă
f X x    0 dy  0

Pentru x  (0, ) avem: 0 
, deci 2e 2 x , x  0,  
f X x    0 dy  6 e  2 x 3 y dy  2e  2 x f X : R  R, f X x   
 0  0, x  0,  

f Y : R  R, f Y  y    f ( x, y )dx


Pentru y  (- , 0] rezultă
f Y  y    0 dx  0

 Variabile aleatoare 225


3e 3 y , y  0,  
0
Pentru y  (0, ) avem:
f Y  y    0 dx  6 e  2 x 3 y dx  3e 3 y f Y : R  R, f Y  y   
 0 , deci  0, y  0,  

c) V.a. X, Y sunt independente dacă f (x, y) = f (x)  f (y),  x, y  R.

Observăm că această condiţie este îndeplinită, prin urmare v.a. X, Y sunt independente.
d) Deoarece variabilele aleatoare X, Y sunt independente, rezultă că ρ (X, Y) = 0.

PROBLEME PROPUSE
1. Fie v.a. independente X, Y definite pe acelaşi câmp finit de probabilitate (Ω, K, P), având repartiţiile
  2 1  şi 1 1 3  . Se cere repartiţia v.a. bidimensionale Z = (X, Y).
X :   Y :  
 0,6 0, 4   0,3 0, 2 0,5 
2. Variabilele aleatoare X, Y au următoarea repartiţie comună:
X Y 0 2 3
-1 0,25 0,1 0,15
2 0,15 0,2 0,15
a) Să se determine repartiţiile marginale.
b) Să se stabilească dacă v.a. X, Y sunt independente.
c) Să se determine repartiţiile v.a. A = X + Y, B = 4Y, C = X 4, D = XY, E = Y + Y 2.

3. Se consideră v.a. X, Y având repartiţia comună dată în următorul tabel:

Y -2 -1 2 pi
X
-2 0,08 0,12 0,05 0,25
0 0,12 0,23 0,15 0,5
3 0,05 0,05 0,15 0,25
qj 0,25 0,4 0,35 1
a) Să se scrie repartiţiile marginale.
b) Să se calculeze coeficientul de corelaţie al v.a. X, Y şi covarianţa v.a. U, V, unde U = 3X – 2Y, V = X + 4Y.

4. Se dau v.a.  2 1  ,   1 3  . Fie k = P(X = -2, Y = 3).

X :   Y :  
 0, 4 0,6   0,7 0,3
a) Să se alcătuiască tabelul comun al repartiţiei v.a. X, Y ;
b) Să se determine parametrul real k astfel încât v.a. X, Y să fie necorelate.
c) Pentru k determinat la punctul b), să se stabilească dacă v.a. X, Y sunt independente.
5. Să se determine funcţiile de regresie RY (x) şi RX (y) cunoscând repartiţia v.a. Z=(X,Y):
X Y -2 1 3 pi
-1 0,3 0,1 0,2 0,6
2 0,1 0,2 0,1 0,4
qj 0,4 0,3 0,4 1

6. Fie v.a. X :   1 1 2 , 3 4  . Ştiind că P(X = 1, Y = 4) = 0,05, se cere valoarea minimă şi

 0,15 0,25 0,6  Y :  0,4 0,6 
   
valoarea maximă a coeficientului de corelaţie al celor două v.a.

7. Fie v.a. bidimensională continuă Z = (X,Y) având densitatea de repartiţie este

k ( x  y  1), ( x, y)  0,2  1,1
f ( x, y)   ; k  R . Să se determine:
 0, ( x, y )  0,2  1,1
a) parametrul k, densităţile de repartiţie marginale şi densităţile condiţionate;
b) funcţia de repartiţie a v.a. Z şi P({ / Z()A}), unde A = [1/2, 1]  [-1/2, 1/2].

8. Fie X, Y două variabile aleatoare având următoarea repartiţie comună:

X Y 1 3 pi
-1 k 1/2
1
qj 2/3 1
226 Matematici aplicate in economie – S. Dedu, F. Şerban

Să se completeze tabelul dat şi să se studieze independenţa v.a X, Y pentru k = 1/6 şi k = 1/12.

9. Fie X şi Y două v.a. discrete, a căror repartiţie comună este dată în tabelul următor:
X Y b 3a +1 pi
a 3p
b +1 . k 2p
qj 2q 3q 1 unde a, b, k R.
a) Să se determine repartiţiile v.a. X şi Y, ştiind că M(5X +1)=10 şi M(5Y +4)=20.
b) Să se calculeze coeficientul de corelaţie al v.a. X şi Y.
c) Să se determine valoarea parametrului k astfel încât v.a. X şi Y sa fie independente.
d) Să se determine valoarea parametrului k astfel încât v.a. X şi Y sa fie necorelate.

10. Fie v.a. X, Y a căror repartiţie comună este definită în tabelul de mai jos:
Y
X -1 0 2 pi
-1 1/24 1/8 1/4
2 1/4 1/6 1/2
3 1/12
qj 1/6
a) Să se completeze tabelul repartiţiei comune şi să se determine repartiţiile marginale.
b) Să se precizeze dacă v.a. X, Y sunt dependente.
c) Să se determine repartiţiile v.a. X + Y, XY, X .
Y
d) Să se afle coeficientul de corelaţie al variabilelor aleatoare X şi Y.
11. Fie v.a.  0 1  şi  1
1  . Ştiind că P (X = 1, Y = -1) = k, k  R, se cere:
X :   Y :  
1 / 3 2 / 3  1 / 2 
 1/ 2
a) repartiţia v.a. bidimensionale Z = (X,Y) şi coeficientul de corelaţie al v.a. X şi Y ;
c) valorile k  R pentru care v.a. X, Y sunt necorelate; în acest caz să se cerceteze independenţa v.a. X, Y.
12. În cazul v.a bidimensionale Z = (X,Y) având repartiţia de mai jos se cere:

Y -1 0 1
X
-1 0,10 0,15 0,05
0 0,13 0,20 0,17
1 0,02 0,03 0,15
a) coeficientul de corelaţie al variabilelor aleatoare X şi Y ;
b) funcţia de regresie a v.a. X în raport cu Y şi funcţia de regresie a v.a.Y în raport cu X.
13. Să se calculeze P(X > Y) în cazul v.a. bidimensionale Z = (X,Y) având repartiţia:

X Y -1 0 2
0 0,08 0,17 0,05
1 0,11 0,26 0,13
2 0,05 0,05 0,10

14. Fie v.a.  1 2 3  şi  1 2  . Ştiind că P(X = 2, Y = 1) = 0,05 şi P(X = 1, Y = 2) = 0,1 se cer:

X :   Y :  
 0, 25 0, 4 0,35   0,35 0,65 
a) repartiţia variabilei aleatoare Z = X / Y ;
2

b) coeficientul de corelaţie al v.a. X şi Y.

15. Fie X, Y două v.a. discrete având repartiţia comună dată în tabelul de mai jos:
Y -2 -1 1 pi
X
-1 0,1 0,6
 Variabile aleatoare 227

3 0,1
qj 0,3 0,3
a) Să se scrie repartiţiile v.a. X, Y, X / Y = -1, Y / X = 3, |Y |, X şi repartiţia comună a v.a. X, Y .
Y 3
b) Să se afle repartiţiile v.a. A = max(X, Y), B = X - Y şi repartiţia comună a v.a. A, B.

16. Fie v.a. bidimensională (X,Y) cu densitatea de repartiţie axy 2 , ( x, y )  [0,1]  [0,2]
h ( x, y )   ; a  R . Se cer:
 0, ( x, y )  [ 0,1]  [ 0, 2]
a) parametrul a, densităţile de repartiţie marginale, densităţile condiţionate şi funcţiile de regresie;
b) F(1/2, 3/2), unde F este funcţia de repartiţie a vectorului aleator (X, Y);
c) coeficientul de corelaţie al v.a. X, Y şi să se studieze inpendenţa v.a. X, Y;
d) covarianţa şi coeficientul de corelaţie al v.a. U, V, dacă U = 5X - 2Y şi V = 4X + 3.
17. Fie v.a. bidimensională continuă Z = (X,Y) a cărei densitate de repartiţie este
1 . Să se determine:
 (2 x  y  2), ( x, y ) [0,1]  [2,2]
h( x, y )  12

 0, ( x, y )  [0,1]  [2,2]
a) densităţile de repartiţie marginale şi densităţile de repartiţie condiţionate;
b) să se cerceteze dacă variabilele aleatoare X, Y sunt independente;
c) funcţia de repartiţie a v.a. Z şi probabilitatea P({ / Z()D}) unde D = [0,1]  [1,2];
d) covarianţa şi coeficientul de corelaţie al v.a. U, V, dacă U = X - 4Y şi V = 2X + 3Y.

18. Fie v.a. bidimensională continuă Z = (X,Y), a cărei densitate de repartiţie este
k (3x  2 y ) e 2 x3 y , ( x, y )  0,    0,  
 . Să se determine:
f ( x, y )   ; kR

 0, ( x, y )  0,    0,  
a) parametrul k şi densităţile de repartiţie marginale;
b) să se studieze dacă variabilele aleatoare X, Y sunt independente;
c) coeficientul de corelaţie al variabilelor aleatoare X, Y.

19. Fie v.a. bidimensională Z= (X,Y) având repartiţia   x, y  

 X , Y  :  1 1 

 a x  
y  
   x, y 2,31,2,3
a) Să se determine repartiţiile marginale, P (X =2Y ) şi ρ (X, Y).
b) Să se verifice dacă variabilele aleatoare X, Y sunt independente.

20. Fie v.a. bidimensională discretă Z = (X, Y) având repartiţia dată în tabelul următor:

Y b3 b2 b 1 b 2b pi
X
a2 5/80 2/80 1/80 1/80 p
a 1 10/80 3/80 2p
a 1 1/80 15/80 10/80 3p
a2 1/80 5/80 10/80 2p
qj q 2q 3q 2q 2q 1
unde a, b  R, b > 0; p, q  R. Ştiind că M (8X +7) = 10 şi M (15Y 2 +25Y) = 29, să se determine:
a) repartiţiile individuale şi repartiţia comună ale v.a. X, Y ;
b) să se studieze dacă X şi Y sunt independente;
c) coeficientul de corelaţie al v.a. X, Y şi dispersiile v.a. X / Y, Y / X = x3 şi X / Y = y2.
21. Fie v.a.  1 2 , 2 4 6  , astfel ca P (X = 1, Y = 2) = 0,1 şi P (X = 2, Y = 4) = 0,3.
X :   Y :  
 0,4 0,6   0,2 0,5 0,3
a) Să se determine funcţiile de regresie.
b) Să se calculeze covarianţa v.a. X, Y şi coeficientul de corelaţie al v.a. A = 2X – 3 şi B = 5X + Y;
c) Să se calculeze mediile şi dispersiile v.a. Y/X, X/Y= 4, Y / X= 2, Y 2– 2Y +3 şi 3X– 4Y .
 Legi ale numerelor mari. Teoreme limitǎ 229

CAPITOLUL 11

LEGI ALE NUMERELOR MARI. TEOREME LIMITĂ

BREVIAR TEORETIC

LEGI ALE NUMERELOR MARI

Inegalitatea lui Cebîşev: Dacă X este o v.a. pentru care există M (X) şi D (X), atunci pentru orice ε > 0 are loc
P  : X ( )  M ( X )     1 
inegalitatea: D( X )

2

Teorema lui Cebîşev: Fie ( X ) * un şir de v.a. independente, cu medii finite şi dispersii egal mărginite
n nN

( c > 0 a.î. D (Xk) ≤ c,  k  N* ). Atunci1 n 1 n 

lim P  X k   M ( X k )     1
n 
 k 1
n n k 1 
Teorema lui Bernoulli: Fie α numărul de apariţii ale evenimentului A în n probe independente şi p = P (A). Atunci,
oricare ar fi ε > 0,  
lim P  p     1
n 
n 
Teorema lui Poisson: Dacă într-o succesiune de probe independente probabilitatea de apariţie a evenimentului A în proba
de rang k este pk şi α este numărul de apariţii ale evenimentului A în primele n probe, atunci:
 1 n 
lim P   p k     1
n    n
n k 1 


TEOREME LIMITĂ

Teorema limită centrală (Lindeberg-Levy). Fie ( X n ) * un şir de v.a. independente, identic repartizate, care
nN n
 n 
X
k 1
k  M  X k 
, k 1 
admit momente de ordinul unu şi doi. Dacă se consideră şirul de v.a. (Yn ) nN , Yn 
* , n N *
 n 
  X k 
atunci Yn n  Z  N (0,1) (converge în repartiţie), adică  k 1 
 2
y
1 x 2
lim Fn ( x)  lim P( : Yn ( )  x)   e dy
n n 2 

Teorema Moivre-Laplace. Fie un experiment în care se poate realiza evenimentul A cu probabilitatea p(0,1) sau
evenimentul contrar lui A cu probabilitatea q (deci p + q = 1)
Dacă se repetă de n ori experimentul în aceleaşi condiţii şi se notează cu k numărul de realizări ale evenimentului
y2
A în cele n experimente independente, atunci:  k  np  1 x 
lim P  x 
 2 
e 2 dy
n    npq  
Observaţie. Enunţul poate fi exprimat şi astfel:
Dacă X  Bi(n, p), atunci v.a. normată X  np converge în repartiţie, când n→∞, către Z  N (0,1).
npq
PROBLEME REZOLVATE

1. S-a constatat că numărul de apeluri telefonice efectuate în unitatea de timp (o oră) într-o centrală telefonică poate fi
asimilat cu o variabilă aleatoare X care are media egală cu 40 şi momentul iniţial de ordinul al doilea egal cu 1609 . Să se
găsească o limită inferioară a probabilităţii ca numărul de apeluri înregistrate într-o oră să fie cuprins între 31 şi 49.

Rezolvare:
Vom folosi inegalitatea lui Cebîşev. Din enunţ deducem: M(X) = 40; D(X) = M(X2) - M2(X) = 1609 – 1600 = 9
Probabilitatea a cărei limită inferioară se cere se mai poate scrie astfel:
P(31  X  49)  P(31  40  X  40  49  40)  P(9  X  M ( X )  9)  P X  M ( X )  9
230 Matematici aplicate în economie - culegere de probleme


Aplicând inegalitatea lui Cebîşev rezultă: P(31  X  49)  P X  M ( X )  9  1  9 
92
Am obţinut P(31 < X < 49) ≥ 0,88, deci o limită inferioară a probabilităţii este 0,88.

2. S-a observat că, în medie, din 5 persoane care se adresează unei agenţii de turism, două cumpără bilete de la acea
agenţie şi trei nu cumpără.
a) Să se determine probabilitatea ca, din 300 de persoane care se adresează agenţiei într-o săptămână, numărul celor care
cumpără bilete să fie cuprins între 90 şi 150.
b) Să se determine o margine inferioară a probabilităţii de la punctul precedent.
c) Să se determine o margine inferioară a probabilităţilor ca numărul persoanelor care cumpără bilete să fie cuprins
între: i) 80 şi 140; ii) 70 şi 135.

Rezolvare:

a) Notăm cu X v.a. ce indică numărul de persoane din cele 300 care cumpără bilete. Deoarece probabilitatea ca o
persoană să cumpere bilete este constantă, rezultă că v.a. X are o repartiţie binomială,

X  Bi (n = 300, p = 2/5), de forma  k 

X :  k 2 k 3 300 k 
C     
 300 5 5 k  0,300
149
k
P(90  X  150)  P(91  X  149)   C300 2
5 5

k 3 300  k

k  91
Observăm că valoarea exactă a probabilităţii găsite mai sus este greu de calculat.

b) Avem: M ( X )  n  p  300  2  120 ; D( X )  n  p  q  300  2  3  72

5 5 5
O margine inferioară a probabilităţii de la punctul precedent se poate găsi folosind inegalitatea lui Cebîşev. Astfel:
P 90  X  150  P 90  120  X  120  150  120  P  30  X  M ( X )  30 

 P X  M ( X )  30   1   0,92 , deci P 90  X  150  0,92 .

D( X ) 72
 1
30 2 900
Am obţinut astfel că o margine inferioară a probabilităţii din enunţ este 0,92, adică probabiliatea ca, din 300 de persoane
care vizitează agenţia într-o săptămână, numărul celor care cumpără bilete să fie cuprins între 90 şi 150 este cel puţin 0,92.

c) i) P 80  X  140  P(100  X  140)  P(100  120  X  120  140  120) 

 P 20  X  M ( X )  20  P X  M ( X )  20  1 

D( X )
 0,82
20 2
ii) P 70  X  135  P(105  X  135)  P(105  120  X  120  135  120) 

 P 15  X  M ( X )  15  P X  M ( X )  15  1 

D( X ) 72
1  0,68
15 2 225

 1
3. Variabila aleatoare X are densitatea de repartiţie  ( x  x 2 ) a 1 , x  (0,1)
f ( x)    a, a  , a0
 0 , x  (0,1)

4
Să se arate că P 1  X  3  2a .
4
 2a 1

Rezolvare:

Se observă că v.a. X are o repartiţie Beta, X   (a, a).

Utilizând formulele pentru media şi dispersia repartiţiei beta sau efectuând calculele, obţinem:
a 1 aa 1 . Aplicând inegalitatea lui Cebîşev rezultă:
M (X )   ; D( X )  
aa 2 a  a 2 a  a  1 42a  1
1 3 1 1 1 3 1  1 D( X ) 1 2a
P  X    P   X      P X  M ( X )    1   1 
4 4 4 2 2 4 2  4 1 / 22 2a  1 2a  1
 Legi ale numerelor mari. Teoreme limitǎ 231

4. Să se determine o limită inferioară a probabilităţii  k 1 1  , unde k reprezintă numărul de apariţii ale

P 5   2 
 10 6 10 
feţei cu 6 puncte în 100.000 de aruncări ale unui zar.
Rezolvare:
Notăm cu X v.a. ce indică numărul de apariţii ale feţei cu 6 puncte în 100.000 de aruncări ale unui zar. Deoarece
probabilitatea ca la o aruncare să apară faţa cu 6 puncte este constantă, rezultă că v.a. X are o repartiţie binomială,

  1 1 5
X  Bi n  100.000 , p  1 . Rezultă M ( X )  n  p  100.000  ; D 2 ( X )  n  p  q  100.000  
6 6 6 6
Fie v.a. Y 1  X , deci M (Y )  1  M ( X )  1 ; D(Y )  1  D( X )  1  5
100.000 100.000 6 1010 100.000 36
Aplicând inegalitatea lui Cebîşev, obţinem:
 k 1 1   1  D(Y ) 5 5
P 5   2   P Y  M (Y )  2   1   1  10.000  1   0,986
 10 6 10   10   1 
2
100.000  36 360
 2
 10 

5. Fie k numărul de apariţii ale evenimentului A în n probe independente şi p = P(A).

k
Să se arate că, oricare ar fi  > 0, are loc relaţia:  pq
P  p     1 
n  n 2
Rezolvare:
Notăm cu X v.a. ce indică numărul de realizări ale evenimentului în n probe independente. Deoarece probabilitatea p =
P(A) este constantă, rezultă că v.a. X are repartiţie binomială, X  Bi(n, p).
Avem deci: M(X) = n ∙ p; D2(X) = n ∙ p ∙ q.
Considerăm variabila aleatoare Y  1  X , deci M (Y )  1  M ( X )  p; D(Y )  1  D( X )  pq
n n n2 n
Aplicând inegalitatea lui Cebîşev variabilei aleatoare Y rezultă:
k 
P  p     PY  M (Y )     1  2  1  2
D(Y ) pq
 n   n 
Am obţinut: k  pq
P  p     1 
n  n 2

6. Se ştie că probabilitatea realizării unui anumit eveniment într-o singură probă este 0,8. Se cere numărul minim al
probelor independente ce trebuie efectuate astfel ca  k 
P  p  0,05   0,98
n 
Rezolvare:
Metoda I. Notăm cu X v.a.ce indică numărul de apariţii ale evenimentului considerat în n probe independente. Aceasta are
o repartiţie binomială de parametri n şi p = 0,8, deci M(X) = n ∙ p şi D (X) = n ∙ p ∙ q.
Fie variabila aleatoare Y  X , care reprezintă frecvenţa relativă a evenimentului A în cele n probe. Rezultă
n
X 1 1 ; X 1 1 pq
M (Y )  M    M ( X )   np  p  0,8 D(Y )  D   2 D( X )  2  npq 
n n n n n n n
k 
P  p  0,05   P Y  M (Y )  0,05  1 
Aplicând inegalitatea lui Cebîşev v.a. Y, obţinem: D(Y )
n  (0,05) 2
Condiţia  k  este îndeplinită dacă D(Y ) 0,16
P  p  0,1  0,98 1  0,98  1   0,98  n  3200
n  (0,05) 2 0,0025 n
Prin urmare, este necesar să se efectueze cel puţin 3201 probe.

Metoda II. Folosind inegalitatea stabilită la problema precedentă, avem: k  pq , unde

P  p     1 
 n  n 2
p = 0,8; q = 0,2; ε = 0,05; inegalitatea din enunţ are loc dacă 1  pq  0,98  n  3200
n 2
232 Matematici aplicate în economie - culegere de probleme

7. Se efectuează 1.000 probe independente. În 300 dintre ele probabilitatea apariţiei unui eveniment A este 0,4, în 500
de probe probabilitatea este 0,6, iar în restul de 200 probe este de 0,3. Să se determine o margine inferioară a probabilităţii
ca valoarea absolută a abaterii frecvenţei relative de apariţie a evenimentului de la media probabilităţilor să nu depăşească
0,08.
Rezolvare:
Notăm cu n numărul total de probe efectuate, cu ni, i  1,3 numărul de probe din fiecare categorie şi cu pi probabilitatea
de realizare a evenimentului A în categoria i de probe, i  1,3 . Probabilitatea a cărei margine inferioară se cere este:
 k n p  n2 p 2  n3 p3 
P  1 1  0,08 
 n n1  n 2  n3 
Fie X1 v. a. ce reprezintă numărul de apariţii ale evenimentului considerat în primele 300 de probe, X2 v. a. ce reprezintă
numărul de apariţii ale evenimentului considerat în următoarele 500 de probe şi X3 v. a. ce reprezintă numărul de apariţii
ale evenimentului considerat în ultimele 200 de probe.
V.a. Y  X 1  X 2  X 3 reprezintă frecvenţa relativă a evenimentului A în cele 1.000 de probe
n
P Y  M (Y )  0,08  1 
Aplicând inegalitatea lui Cebâşev v.a. Y, obţinem: D(Y )
(1)
(0,08) 2
3 n p  n2 p2  n3 p3
M Y   1  M  X k   1 1
Avem:
n n
k 1
1 3 n1 p1 q1  n2 p 2 q 2  n3 p3 q3 300  0,4  0,6  500  0,6  0,4  200  0,3  0,7 234
DY   2  D X k     6
n k 1 n2 10 6 10
P Y  M (Y )  0,08  1 
Inegalitatea (1) devine: D(Y ) 234
 1  0,963
(0,08) 2 6400

8. Profitul unui aagent economic este rezultatul acţiunii a doi factori, care pot fi modelaţi prin două v.a. independente X
şi Y. V.a. X urmează o repartiţie binomială de parametri 10 şi 0,9, iar v.a. Y are densitatea de repartiţie
( x  2) 2
1 
f Y ( x)  e 8 . Să se determine:
2 2
a) o limită inferioară a probabilităţii P (5 < X <13);
b) o limită inferioară a probabilităţii P (-1 < Y < 5);
c) coeficientul de corelaţie al v.a. U şi V, unde U = X + 2Y şi V = 4X - Y
Rezolvare:
Din enunţ rezultă că Y  N (m = 2;  = 2). Deducem că
M(X) = 10 · 0,9 = 9; D(X) = 10 · 0,9 · 0,1 = 0,9; M(Y) = 2; D(Y) = 4


a) P(5  X  13)  P(5  9  X  M ( X )  13  9)  P X  M ( X )  4  1  0,9 
42
Obţinem: P(5  X  13)  0,9437
2
 
b) P(1  Y  5)  P(1  2  Y  M (Y )  5  2)  P Y  M (Y )  3  1  2 , deci P(1  Y  5)  5
32 9
c) Avem: M (U )  M ( X  2Y )  M ( X )  2M (Y )  9  4  13 .
M (V )  M (4 X  Y )  4M ( X )  M (Y )  4  9  2  34 . Cum X, Y v.a. independente, rezultă:
D(U) = D(X + 2Y) = D (X) + 4 D (Y) = 0,9 + 16 = 16,9
D(V) = D(4X - Y) = 16 D (X) + D (Y) = 16·0,9 + 4 = 18,4

M (UV )  M ( X  2Y )  (4 X  Y )  M 4 X 2  XY  2Y 2   4M ( X 2 )  7M ( X )  M (Y )  2M (Y 2 )
Cum M(X 2) = D(X) + M 2(X) = 0,9 +81 = 81,9; M(Y 2) = D(Y) + M 2(Y) = 4 + 4 = 8, obţinem:
M (UV )  4  81,9  7  9  2  16  437,6 , deci
M (UV )  M (U )  M (V ) 437,6  13  34  4,4
 (U ,V )     0,246
D 2 (U )  D 2 (V ) 16,9  18,9 4,11  4,34
 Legi ale numerelor mari. Teoreme limitǎ 233

9. Se consideră şirurile de v.a. independente, definite pe acelaşi câmp de probabilitate:

 n 0 2n 
a)  
 X n nN , Xn:  1
* 2 1 
 1 2 
 5n 2 5n 5n 2 
  np 0 np 
b)  
Yn nN * , Yn :  1 1 1  ; pN ,   0
*

 1 n n 
 n   
c) Z n nN , Z n  n,  n ;   0
*

Să se verifice dacă se poate aplica teorema lui Cebîşev acestor şiruri.

Rezolvare:
Teorema lui Cebîşev se poate aplica unui şir de v.a. independente dacă v.a. care formează şirul au mediile finite şi
dispersiile egal mărginite (adică  c  0 a.î. D( X k )  c,  k  N * ).
a) M ( X )  n  1  1,  n  N * , prin urmare mediile v.a. din şirul ( X n ) * sunt finite
n nN
5n 2 5n
 2

M  X n   1  D X n   1 
1
25n 2
 1,  n  N * , deci dispersiile v.a. sunt egal mărginite.
În concluzie, se poate aplica teorema lui Cebîşev şirului ( X n ) *
nN
b) M (Yn )  0,  n  N * , prin urmare mediile v.a. din şirul (Yn ) * sunt finite.
nN


M Yn  
2
 2 n2 p
 n
 DYn  
2 n2 p
n
, n  N * ;

0,   1 , deci dispersiile v.a.sunt egal mărginite dacă şi numai dacă α > 1.
lim DYn   
n 
,   1
Prin urmare, se poate aplica teorema lui Cebîşev şirului (Yn ) * dacă şi numai dacă α > 1.
nN

 
c) Z n   n,  n  M (Z n )  n  n , D(Z n )  n  2 n , n  N *
 0,   (0,1) 0,   (0,1)
lim M ( Z n )   lim DYn   
n ,   1 n 
,   1
Rezultă că mediile v.a. sunt finite şi dispersiile sunt egal mărginite dacă şi numai dacă  (0,1), deci se poate aplica
teorema lui Cebîşev şirului ( Z n ) * dacă şi numai dacă  (0,1).
nN

10. Fie şirul de v.a. independente, identic repartizate ( X n ) * , cu densitatea de repartiţie

nN

 1
x x e 2 , x  0 . Să se calculeze probabilitatea  
x 160
 P 730   X k  850 
f : R  R, f ( x )   3 
 0 , x0  k 1 

Rezolvare:
Se observă că v.a. care compun şirul ( X n ) * urmează o repartiţie hi-pătrat cu 5 grade de libertate, Xn H (5).
nN
Aplicând formulele pentru media şi dispersia corespunzătoare acestei repartiţii sau făcând calculele, obţinem:
M  X n   5 , D X n   2  5  10

V.a. Xn sunt independente, identic repartizate şi admit momente de ordinul unu şi doi, deci putem aplica teorema limită
n  n 
centrală şi obţinem că şirul  X k  M   X k  converge în repartiţie către Z N(0,1)
Yn 
k 1  k 1 
 n 
   X k 
 k 1 
Prin urmare, pentru n suficient de mare putem aproxima repartiţia v.a. Yn cu repartiţia normală standard, ZN(0,1)

 X k , n  N * şi Yn devine Yn  S n  M S n 
n
Notăm S 
 S n 
n
k 1
234 Matematici aplicate în economie - culegere de probleme

 160  160 160

Avem că
M S160   M   X k    M  X k    5  800 şi, deoarece v.a. X n , n  N sunt independente,
*

 k 1  k 1 k 1
 160  160 160
DS160   D  X k    D X k   10  1600   S160   40
 k 1  k 1 k 1

Obţinem:  160
  730  800 S160  M S160  850  800 
P 730   X k  850   P730  S160  850  P    
 k 1   40  S160  40 
 P 1,75  Z  1,25  1,25   1,75  1,25  1,75  0,39435  0,45994  0,85429

11. Se ştie că, în medie, 5% dintre piesele realizate de o maşină automată prezintă defecte. Se cere probabilitatea ca într-
un lot de 200 piese realizate de această maşină să existe:
a) cel mult 15 piese defecte;
b) cel puţin 5 şi cel mult 9 piese defecte.
Rezolvare:
a) Notăm cu X v.a. ce indică numărul de piese defecte din lot. Deoarece probabilitatea ca o piesă să fie defectă este
constantă, rezultă că v.a. X are o repartiţie binomială, X  Bi(n = 200, p = 0,05), de forma
  Prin urmare, 15
P( X  15)   C 200 0,05k 0,95200  k
k k
X: 
 C k 0,05k 0,95200k  k 0
 200 k 1,200
Observăm că valoarea exactă a probabilităţii găsite după această formulă este greu de calculat.
Având în vedere că numărul de piese din lot este mare, putem determina o valoare aproximativă a probabilităţii din enunţ
cu ajutorul teoremei Moivre-Laplace.
Deoarece XBi(n, p), rezultă, conform teoremei Moivre-Laplace, că v.a. normată X  np converge în repartiţie către
npq
Z  N (0,1).
n  200; p  0,05; q  1  p  0,95  M ( X )  np  10 ; D( X )  npq  9,5 .
 0  10 X  np 15  10 
P ( X  15)  P 0  X  15  P      P 3,244  Z  1,622 
 38 38 
 npq
  1,622   3,244  1,622  3,244  0,44738  0,49940  0,05202

b) Probabilitatea ca în lotul de 200 de piese să existe cel puţin 5 şi cel mult 9 piese defecte este:
 5  10 X  np 9  10 
P5  X  9  P      P 1,622  Z  0,3244 
 38 38 
 npq
  0,3244   1,622  0,3244  1,622  0,12552  0,44738  0,32186

12. Fie variabila aleatoare X  N(m = 3,  = 2).

a) Să se determine o limită inferioară a probabilităţii P(0 < X < 6)
b) Să se calculeze probabilitatea P(0 < X < 6)
Rezolvare:
a) Vom aplica inegalitatea lui Cebâşev. Avem: M(X) = 3; D (X) =  2 = 4, prin urmare
P(0  X  6)  P(0  3  X  3  6  3)  P  X  3  3   1 
4
32
Am obţinut P (0  X  6)  5  P (0  X  6)  0,55555
9

b) P(0  X  6)  P 0  3  X  m  6  3   (1,5)  (1,5)  2 (1,5)  2  0,43319  0,86638

 
 2  2 

13. Un agent economic are 200 de salariaţi. Probabilitatea de pensionare a unui salariat în decursul unui an este egală cu
0,005 şi nu depinde de situaţia celorlalţi angajaţi. În ipoteza că numărul de pensionaţi în decursul unui an este o variabilă
aleatoare X cu repartiţia Poisson de parametru 1, să se determine:
a) probabilitatea pensionării a exact şase salariaţi;
b) probabilitatea pensionării a cel puţin trei salariaţi;
c) media şi dispersia v.a. X.
Rezolvare:
 Legi ale numerelor mari. Teoreme limitǎ 235

Repartiţia v.a. X este:  k   k 

   
X : 1k   X :  1 1 
1 
e   

e 
k!  k  N
 k!  k  N
1
a) Probabilitatea ca exact şase salariaţi să se pensioneze este: P( X  6)  e
6!
b) Probabilitatea ca cel puţin puţin trei salariaţi să se pensioneze este:
 e 1 
P( X  3)  1  P( X  0)  P( X  1)  P( X  2)   1   e 1  e 1 
5
 1
 2  2e
 
c) M (X)= D (X) = λ = 1

PROBLEME PROPUSE

1. O v.a. X are media egală cu 60 şi momentul iniţial de ordinul al doilea egal cu 3760 . Să se afle o limită inferioară a
probabilităţii ca v.a. X să ia valori cuprinse între 47 şi 73.

2. S-a observat că, în medie, din 3 persoane care intră într-un magazin, una cumpără şi două nu cumpără.
a) Să se determine probabilitatea ca, din 600 de persoane care intră în magazin într-o zi, numărul celor care cumpără să
fie cuprins între 200 şi 300.
b) Să se determine o margine inferioară a probabilităţii de la punctul precedent.
c) S ă se determine o margine inferioară a probabilităţilor ca numărul persoanelor care cumpără să fie cuprins între:
i) 80 şi 140; ii) 70 şi 135.
3. Probabilitatea apariţiei într-o singură probă a unui eveniment A este p = 0,3. Să se determine probabilitatea ca, în
4.000 de probe independente, frecvenţa relativă a apariţiilor evenimentului A să difere în valoare absolută faţă de
probabilitatea p cu mai puţin de 0,05.
4. Se aruncă o monedă de 100 de ori . Fie α numărul de apariţii ale stemei. Să se găsească o limită inferioară pentru
probabilitatea P(485 < α < 515).
5. O v.a. X are repartiţie binomială de parametri n şi p. Aplicând inegalitatea lui Cebîşev acestei v.a., obţinem
P(740 < X < 860) ≥ 8/9. Să se afle valorile parametrilor n şi p.

6. Dintr-un lot de 200 de cutii de conserve, zece sunt necorespunzătoare calitativ. Se extrag la întâmplare 8 cutii şi se
controlează calitatea lor.
Fie X v.a. ce reprezintă numărul de cutii necorespunzătoare calitativ. Să se determine:
a) repartiţia v.a. X ;
b) media, dispersia şi abaterea medie pătratică ale v.a. X ;
c) P(6  X ) ; P( X  2) ; P( X  5) ; P(2  X / X  6) .
7. Într-o urnă sunt 200 bile albe şi 200 de bile negre. Din această urnă se scot 267 de bile simultan. Să se găsească o
limită inferioară a probabilităţii ca numărul bilelor albe scoase să fie cuprins între 124 şi 143.

8. Fie v.a. X având repartiţia  1 2 3 4 5  . Să se determine probabilitatea P ( X - m < 1,5) direct şi

X :  
 0,15 0, 25 0,05 0, 25 0,3 
prin folosirea inegalităţii lui Cebîşev.
9. Să se determine numărul probelor independente astfel ca  k  , dacă probabilitatea realizării
P   p  0,09   0,99
 n 
evenimentului într-o singură probă este 0,9.
10. Inegalitatea lui Cebîşev aplicată v.a. X cu media m dă P  X  m  8  15 . Să se afle dispersia v.a. X
16

11. Fie şirurile de v.a. independente, definite pe acelaşi câmp de probabilitate:

a)   3n 0 4n  ;
 
 X n nN, Xn:  1
* 2 1 
 1 2 2 
 3n 2
3n 3n 
b)   np 0 np  ;
Yn nN * , Yn :  n  ; p  N *,   0

  1   n
 n

236 Matematici aplicate în economie - culegere de probleme

c) Z n nN *  
, Z n   n,  n ;   0 .
Să se verifice dacă se poate aplica teorema lui Cebîşev acestor şiruri.

12. Se consideră şirul de v.a. independente, identic repartizate ( X n ) * , cu densitatea de

nN

x e 3 , x  0 . Să se calculeze P 565   X  656  .

repartiţie
 2 x 343

f : R  R, f ( x)   3 3  k 
 0 , x0  k 1 

13. Se ştie că 2% din confecţiile realizate într-o fabrică prezintă defecte. Să se determine probabilitatea ca într-un lot de
800 confecţii realizate în această fabrică să existe:
a) cel mult 30 articole defecte;
b) cel puţin 20 şi cel mult 60 să fie defecte.

14. Fie X o v.a. având repartiţie Γ(m+1,1), m>0. Arătaţi că P0  X  2m  1  m
m 1
15. Se efectuează 1.200 probe independente. În 300 dintre ele probabilitatea apariţiei unui eveniment A este 0,4, în 400
de probe probabilitatea este 0,5, iar în restul de 500 probe este 0,6. Se cere o margine inferioară a probabilităţii ca valoarea
absolută a abaterii frecvenţei relative de apariţie a evenimentului de la media probabilităţilor să nu depăşească 0,07.
16. Fie v.a. X cu densitatea de probabilitate f ( x)  e  2 x , x  R . Să se determine P  X  n , n  0 , precum şi o
margine inferioară a acestei probabilitãţi.
17. Să se determine de câte ori trebuie aruncat un zar pentru a putea afirma cu o probabilitate de cel puţin 0,99 că faţa cu
6
6 puncte a apărut cu o frecvenţă relativă cuprinsă în intervalul 1  0,01; 1  0,01 .
6

18. Să se afle valorile parametrului λ astfel încât şirul de v.a. independente ( X n ) * să se supună variantei Cebîşev a
nN

 1 e  n , x  0
x

legii numerelor mari, ştiind că densitatea de repartiţie a v.a. Xn este  n

f X n x     ,  0
 0, x0
19. Dacă v.a. X are media m şi abaterea medie pătratică σ, să se arate că P  X  m  k   1  12
k
20. Motorul unei maşini este format din 500 de repere. Probabilitatea de defectare a unui reper în decursul unui an de
funcţionare este egală cu 0,002 şi nu depinde de starea celorlalte repere. În ipoteza că numărul de defectări este o v.a. X cu
repartiţie Poisson de parametru λ = 1, să se determine:
a) media şi abaterea medie pătratică a v.a. X;
b) probabilitatea defectării a cel mult trei repere;
c) probabilitatea defectării a cel puţin două repere;
d) probabilitatea defectării a exact cinci repere.

21. Probabilitatea apariţiei într-o singură probă a unui eveniment A este p = 0,2. Să se determine probabilitatea ca, în
5.000 de probe independente, frecvenţa relativă a apariţiilor evenimentului A să difere în valoare absolută faţă de
probabilitatea p cu mai puţin de 0,06.

22. S-a observat că, în medie, din 5 persoane care intră într-un magazin, 3 cumpără şi 2 nu cumpără.
a) Să se determine probabilitatea ca, din 600 de persoane care intră în magazin într-o zi, numărul celor care cumpără să
fie cuprins între 300 şi 500.
b) Să se determine o margine inferioară a probabilităţii de la punctul a).
c) S ă se determine o margine inferioară a probabilităţilor ca numărul persoanelor care cumpără să fie cuprins între:
i) 100 şi 140; ii) 120 şi 160.
 Legi ale numerelor mari. Teoreme limitǎ 237

23. Se consideră şirul de v.a. independente, identic repartizate ( X n ) * . Ştiind că variabila aleatoare Xn are densitatea de
nN

kxn1 (1  x) 1 , x  (0,1)

repartiţie f n : R  R, f n ( x)   ;   0, k  R; n  N * , se cere:
 0 , x  (0,1)
a) să se determine parametrul k;
1 X n
b) sa se calculeze densitatea de probabilitate a variabilei aleatoare Yn  , n N*
Xn
c) să se demonstreze că   0, lim P X n     0 .
n 

d) să se determine o valoare aproximativă a probabilităţii P100  

80


X
k 1
k  200  .


24. Se consideră şirul de v.a. independente, identic repartizate ( X n ) * . Ştiind că variabila aleatoare Xn ar densitatea
nN

 
x
kxe 2 , x  0
de probabilitate f n : R  R, f n ( x )   ; k  R; n  N * , se cere:

 0 , x0
a) să se determine parametrul k;
b) să se determine funcţia de repartiţie a variabilei aleatoare X10;
c) să se determine valoarea exactă a probabilităţii P(1< X < 4/ X < 2);
d) să se determine o margine inferioară a probabilităţii P(1< X < 7);
e) să se determine o valoare aproximativă a probabilităţii P150  
50


X
k 1
k  250  .


25. Se consideră şirul de v.a. independente, identic repartizate ( X n ) * . Ştiind că variabila aleatoare Xn ar densitatea de
nN

  x2
2


f n : R  R, f n ( x)  kxe , x  0 ; a  0, k  R; n  N * , se cere:
a
probabilitate

 0 , x0
a) să se determine parametrul k;
b) să se determine funcţia de repartiţie a variabilei aleatoare X15;
c) să se determine valoarea exactă a probabilităţii P(a< X < 4a/ X > 2a);

d) să se determine o margine inferioară a probabilităţii P X n  M ( X n )  a ;

e) să se determine o valoare aproximativă a probabilităţii P 40a  

80


X
k 1
k  80a  ;

f) să se determine densitatea de repartiţie a variabilei aleatoare X 2 ;
g) să se determine media variabilei aleatoare 1 şi dispersia variabilei aleatoare X 2 .
X
100
26. Fie v.a.independente X k  H (2 k  1), k  1,100 şi Y 
X
k 1
k

a) Să se determine densitatea de repartiţie, media, dispersia şi funcţia caracteristică a v.a. Y.

b) Să se determine valoarea exactă a probabilităţii P100  Y  200 .
c) Să se determine o valoare aproximativă a probabilităţii P100  Y  200 .
d) Să se determine o margine inferioară a probabilităţii PY  M (Y )  10
 Partea a IV-a. STATISTICĂ MATEMATICĂ

CAPITOLUL 12
ELEMENTE DE TEORIA SELECŢIEI; SELECŢII DIN POPULAŢII NORMALE

BREVIAR TEORETIC

ELEMENTE DE TEORIA SELECŢIEI

Ne propunem să studiem o anumită caracteristică a unei colectivităţi C. Presupunem că această caracteristică este modelată
de o variabilă aleatoare X definită pe un câmp de probabilitate (, K, P), în care elementele mulţimii  sunt tocmai
elementele colectivităţii C.
Se numeşte selecţie (eşantion) o colectivitate parţială de elemente luate la întâmplare din C.
Numărul elementelor unei selecţii se numeşte volumul selecţiei.
Spunem că o selecţie este repetată dacă elementul luat la întâmplare din C este reintrodus în colectivitatea generală înaintea
efectuării următoarei alegeri.
Se efectuează o selecţie de volum n din populaţia considerată şi se notează cu x1, x2,...., xn valorile de observaţie (valori
de selecţie sau date de selecţie).
 După efectuarea selecţiei, valorile de selecţie x1, x2,.., xn sunt valori bine determinate ale variabilei aleatoare X
 Înainte de efectuarea selecţiei, acestea sunt variabile aleatoare independente X1, X2,......, Xn, identic repartizate cu
variabila aleatoare X , în cazul unei selecţii repetate.
Variabila aleatoare asociată experimentului cu n probe independente efectuate asupra caracteristicii modelate de variabila
aleatoare X se numeşte variabilă aleatoare de selecţie (empirică) şi se notează X*. Repartiţia variabilei aleatoare X, numită
 x1 x2 ................xn 
X * : 1 1 
repartiţie empirică, este:
 ............. .... 1 
n n n 
Funcţia de repartiţie a variabilei aleatoare de selecţie se numeşte funcţie empirică de repartiţie
Se numeşte statistică o funcţie de variabilele aleatoare de selecţie: T (X1, X2,......, Xn).
După efectuarea selecţiei, statisticii T (X1, X2,......, Xn) i se asociază valoarea sa corespunzătoare valorilor de selecţie
obţinute, notată t (x1, x2,...., xn).

Considerăm o selecţie de volum n: X1, X2,......, Xn efectuată asupra variabilei aleatoare X.

n
 Se numeşte moment iniţial de selecţie de ordin r statistica notată mr* sau M r , dată de: mr*  1
n X
i 1
i
r

n
Pentru r = 1 obţinem media de selecţie: X  1
n
 Xi
i 1

 
n
 r  1n  X i  X
r
 Se numeşte moment centrat de selecţie de ordin r statistica
i 1

Pentru r = 2 obţinem dispersia de selecţie (necorectată):

 X i  X   1n  X i2  X
2 n 2 n 2
  S2  2  1
n
i 1 i 1

 X 
n
Dispersia de selecţie corectată (modificată) este: s 2  1
X
2
n 1 i
i 1
 Elemente de teoria selecţiei. Selecţii din populaţii normale 239

Observaţie. Dacă după efectuarea selecţiei de volum n se obţin exact k  n valori de selecţie distincte x1, x2,...., xk, valoarea
 x1 x 2 . . . . . . . . . . . . . . . .x k 
X * :  , iar statisticile
xi apărând de ni ori, i  1, k şi k , atunci repartiţia empirică este:
 ni  n  n1 n2 nk 
i 1 . . . . . . . . . . . . . . . .
 n n n 
definite mai sus devin:
k k
mr*  1
n n X i i
r ; X  1n  ni X i ;
i 1 i 1

   2 ;  2
k r k k
 r  1n  ni X i  X ;  2  S 2  1n  ni X i  X s 2  n11  ni X i  X
i 1 i 1 i 1
Teorema 1. Dacă se efectuează o selecţie de volum n: X1, X2,......, Xn dintr-o populaţie caracterizată de o variabilă
aleatoare X pentru care există M(X) = m şi D (X) =  2  0, atunci statistica X  m converge în repartiţie către o
/ n
variabilă aleatoare având repartiţie normală standard, Z  N (0,1), adică
  y2
 X m  1 x 
lim P  x   e 2 dy
n     2  
 n 

SELECŢII DIN POPULAŢII NORMALE

Teorema 2. Dacă X1, X2,...., Xn este o selecţie de volum n dintr-opopulaţie caracterizată de o variabilă aleatoare X N(m,),
atunci media de selecţie X  N  m ,  
 
 n

Corolar. Dacă X  N (m, ) şi   0, atunci X m

Z  N 0,1

n

Teorema 3. Dacă X1, X2,......, Xn este o selecţie de volum n dintr-o populaţie caracterizată de o variabilă aleatoare X  N
X m
(m, ), atunci
t  S n  1
s
n
Teorema 4. Dacă X1, X2,......, Xn este o selecţie de volum n dintr-o populaţie caracterizată de o variabilă aleatoare X  N

(m, ) şi   0, atunci U  n  1s  H n  1

2
2


PROBLEME REZOLVATE

1. Pentru a studia o anumită caracteristică X a unei populaţii statistice oarecare, s-a realizat un sondaj de volum n = 16
din populaţia respectivă şi s-au obţinut rezultatele:
xi -2 -1 0 2
ni 3 4 2 7
a) Să se scrie repartiţia variabilei aleatoare de selecţie.
b) Să se scrie funcţia empirică de repartiţie.
c) Să se calculeze media de selecţie, dispersia de selecţie şi dispersia de selecţie corectată.

Rezolvare:

a) Repartiţia variabilei aleatoare de selecţie este:   2 1 0 2

X* : 3 7 
 4 2
 16 16 16 16 
240 Matematici aplicate în economie - culegere de probleme

0, x   ,2
3
b) Funcţia empirică de repartiţie este: 16 , x   2,1
 3 4
F16 x   P X  x     7 ,
* *
16 16 16
 
x   1,0

3  4  2  9 , x  0,2
16 16 16 16

1, x  2,  
c) Media de selecţie este statistica: 4 , iar valoarea acesteia corespunzătoare selecţiei efectuate este
X  1n  ni X i
i 1
4
x  1n  ni xi
i 1

  2 , iar valoarea acesteia corespunzătoare selecţiei efectuate

4
Dispersia de selecţie este statistica
 2  S 2  1n  ni X i  X
i 1

 ni xi  x 
4 2
este 2
S  1n
i 1

 
4
Dispersia de selecţie corectată este statistica s 2  1 n X  X , iar valoarea acesteia corespunzătoare selecţiei
2
n1  i i
i 1

 ni xi  x 
4 2
efectuate este 2
s  1
n 1
i 1
Pentru determinarea valorilor cerute organizăm valorile de selecţie în următorul tabel:

xi ni xi ni xi  x x  x
i
2

ni xi  x 
2

-2 3 -6 -2,25 5,0625 15,1875

-1 4 -4 -1,25 1,5625 6,25
0 2 0 -0,25 0,0625 0,125
2 7 14 1,75 3,0625 21,4375
- 16 4 - - 43

Obţinem: x  161  4  0,25; S 2  161  43  2,6875; s 2  151  43  2,87

2. Pentru a stabili conţinutul în magneziu al apei minerale provenite de la un anumit izvor s-a determinat cantitatea de
magneziu, exprimată în grame, conţiunută într-un litru de apă minerală. Efectuîndu-se 15 măsurători, s-au obţinut
următoarele rezultate: 7,2; 8,3; 6,7; 6,7; 7,2; 8,1; 8,3; 6,9; 7,2; 7,2; 8,1; 6,7; 6,7; 8,1; 6,7.
a) Să se scrie repartiţia variabilei aleatoare de selecţie.
b) Să se scrie funcţia de repartiţie de selecţie.
c) Să se calculeze probabilitatea ca probele prelevate să conţină sub 7 grame magneziu la litru.
d) Pe baza rezultatelor înregistrate, să se determine cantitatea medie de magneziu, exprimată în grame, conţinută într-un
litru de apă minerală şi modul în care variază aceasta.
Rezolvare:

Organizăm datele în următorul tabel:

xi 6,7 6,9 7,2 8,1 8,3
ni 5 1 4 3 2
a) Repartiţia variabilei aleatoare de selecţie este:  6,7 6,9 7,2 8,1 8,3
X* : 5 2 
 1 4 3
 15 15 15 15 15 
 Elemente de teoria selecţiei. Selecţii din populaţii normale 241

0, x   , 6,7
b) Funcţia de repartiţie de selecţie este: 5
15 , x  6,7; 6,9
5
x  6,9; 7,2
 
  1  15 ,
6
*
F15 x   P X *  x  155 15
15  15  15  15 ,
1 4 10 x  7,2; 8,1

5  1  4  3  13 , x  8,1; 8,3
15 15 15 15 15


1, x  8,3;  


c) Probabilitatea ca probele prelevate să conţină sub 7 grame magneziu la litru este: P X *  7  F * 7  6
15 15

d) Cantitatea medie de magneziu, exprimată în grame, conţinută într-un litru de apă minerală pe baza rezultatelor
înergistrate este reprezentată de media de selecţie x . Modul în care variază aceasta este pus în evidenţă de abterea medie
pătratică de selecţie S.
xi ni xi ni xi  x x  x
i
2

ni xi  x 
2

6,7 5 33,5 -0,64 0,4096 2,048

6,9 1 6,9 -0,44 0,1936 0,1936
7,2 4 28,8 -0,14 0,0196 0,0784
8,1 3 24,3 0,76 0,5776 1,7328
8,3 2 16,6 0,96 0,9216 1,8432
- 15 110,1 - - 5,896
Obţinem: x  151
 110.1  7,34, S 2  151  5,896  0,393  S  0,627 , prin urmare apa minerală analizată conţine
în medie 7,34 grame de magneziu la litru şi conţinutul de magneziu dintr-un litru de apă minerală variază în jurul valorii
medii cu 0,627 grame.

3. Pentru a stabili durata medie de timp necesară pentru înlocuirea unei anumite piese la un autoturism într-un service
auto, s-a cronometrat timpul de execuţie a acestei operaţiuni în cazul a 7 autoturisme luate întâmplător şi s-au obţinut
următoarele valori, exprimate în minute:
Numărul autoturismului (i) 1 2 3 4 5 6 7
Durata operaţiunii (xi) 19,2 20,3 18,7 19,8 20,1 17,9 18,4

a) Să se determine repartiţia variabilei aleatoare de selecţie.

b) Să se calculeze durata medie de timp necesară pentru înlocuirea piesei respective şi modul în care variază timpul
necesar pentru înlocuirea piesei.
Rezolvare:
a) Repartiţia variabilei aleatoare de selecţie este 19,2 20,3 18,7 19,8 20,1 17,9 18,4 
X * :  
 1/ 7 1/ 7 1/ 7 1/ 7 1/ 7 1/ 7 1/ 7 
b) Durata medie de timp necesară pentru înlocuirea piesei este pusă în evidenţă de media de selecţie:
7
x  1  xi  1 19,2  20,3  18,7  19,8  20,1  17,9  18,4 
134,4
 19,2
7 7 7
i 1

 2 
Calculăm dispersia de selecţie: 7
S 2  17  xi  x
i 1


19,219,2 20,319,2 18,719,2 19,819,2 20,119,2 17,919,2 18,419,2 
2 2 2 2 2 2 2

7
0 1,21 0,25  0,36  0,811,69  0,64 4,96
   0,708 ; S  0,708  0,841
7 7
Rezultă că înlocuirea piesei respective dureză în medie 19,2 minute, iar timpul necesar pentru executarea operaţiei variază
faţă de timpul mediu cu aproximativ 0,8 minute.
4. O bancă a acordă tinerilor credite pentru cumpărarea de bunuri de folosinţă îndelungată. S-a făcut o selecţie aleatoare
de 225 de credite acordate de această bancă şi s-au obţinut următoarele rezultate:
Valoarea creditului (euro) 100-200 200-300 300-400 400-500 500-600 600-700
Număr de credite acordate 15 18 27 66 54 45
Să se determine nivelul mediu al creditelor acordate de banca respectivă şi modul în care variază valoarea creditelor
acordate faţă de nivelul mediu.
Rezolvare:
242 Matematici aplicate în economie - culegere de probleme

Nivelul mediu al creditelor acordate de banca respectivă este exprimat de media de selecţie, iar modul în care variază
valoarea creditelor acordate faţă de nivelul mediu este evidenţiat de abaterea medie standard.

Pentru a determina aceste caracteristici numerice de selecţie, vom considera drept valori de observaţie mijloacele
intervalelor. Obţinem:
xi ni xi ni xi  x x  x
i
2

ni xi  x 
2

150 15 2250 -316 99856 1497840

250 18 4500 -216 46656 839808
350 27 9450 -116 13456 363312
450 66 29700 -16 256 16896
550 54 29700 84 7056 381024
650 45 29250 184 33856 1523520
- 225 104850 - - 4622400
6
 ni xi  x  
6 2 4622400
x  225
1
 ni xi  104225
.850  466 ; 2
S  225
1  20544  S  143,33
i 1 i 1 225
prin urmare nivelul mediu al creditelor acordate de banca respectivă este de 466 euro şi
valoarea unui credit variază faţă de nivelul mediu cu 143,33 euro.

5. Se ştie că o caracteristică X a unei populaţii C are media egală cu m şi dispersia egală cu σ2 . Fie X1, X2,......, Xn o
selecţie aleatoare de volum n din populaţia C. Să se calculeze media şi dispersia mediei de selecţie.
Rezolvare:
Vom folosi faptul că dacă C este o populaţie, X este o caracteristică a acestei populaţii, şi X1, X2,......, Xn este o selecţie
de volum n din populaţia C, atunci variabilele aleatoare de selecţie  X  sunt independente şi identic repartizate cu
k k 1, n
X, deci
M (X k )  M (X )  m şi D( X k )  D( X )  2 ,  k  1, n .
Astfel obţinem:

  1 n  1  n  1 n
M X  M   X k   M   X k    M X k    n  m  m
1
 k 1
n  n  k 1  n k 1 n

  1 n  1  n  1 2
n

 D X   n  n  
1
D X  D  X k   2 D  X k   2 k 2
2

 n k 1  n  k 1  n k 1 n

8. Pe baza observaţiilor statistice s-a constatat că abaterea nivelului apei din lacul de acumulare care deserveşte o
hidrocentrală faţă de nivelul de siguranţă este o variabilă aleatoare cu repartiţie normală N (m,  ) . S-a măsurat abaterea
nivelului apei faţă de nivelul de siguranţă în 10 zile dintr-o anumită perioadă a anului şi s-au obţinut rezultatele:
Abaterea (cm) -2 0 2 3
Număr zile 2 2 4 2
Să se determine probabilitatea ca diferenţa dintre valoarea medie a abaterii nivelului apei calculată pe baza datelor de
selecţie şi valoarea reală a abaterii nivelului apei în perioada respectivă a anului să fie de cel puţin 0,324 cm.
Rezolvare:
Probabilitatea a cărei valoare se cere se scrie astfel:
 X  m 0,324 
  
P X  m  0,324  1  P X  m  0,324  1  P s  s 


 10 10 

Deoarece X  N m,   , conform teoremei 3 rezultă că X m

t s
 S  10  1
10

Obţinem că:  X  m 0,324  

  P t 
0,324  . Calculăm valoarea dispersiei de selecţie corectate s2.
P  
 s / 10 s / 10   s / 10 
xi ni xi ni xi  x x  x i
2

ni xi  x 
2

-2 2 -4 -3 9 18
0 2 0 -1 1 2
2 4 8 1 1 4
3 2 6 2 4 8
- 10 10 - - 32
 Elemente de teoria selecţiei. Selecţii din populaţii normale 243

Obţinem: x  1  10  1; s 2  1  32  3,56  s  3,56  1,89 . Prin urmare,

10 9
 X  m 0,324   0,324 
P    P t 
   Pt  0,5435 . Din tabelul repartiţiei Student, pentru 9 grade de libertate
 s / 10 s / 10   s / 10 
deducem că P t  0,324   Pt  0,5435  0,7 ,
 s / 10 
deci    X  m 0,324 
P X  m  0,324  1  P    1  0,7  0,3

 s / 10 s / 10 

PROBLEME PROPUSE

1. S-a constatat că productivitatea medie lunară la o societate comercială este o variabilă aleatoare X. Luându-se la
întâmplare 20 de salariaţi, s-au înregistrat următoarele rezultate:
Productivitatea medie lunară (milioane lei) 10 12 15 18 20
Numărul de salariaţi 3 4 6 5 2
a) Să se scrie repartiţia variabilei aleatoare de selecţie.
b) Să se calculeze media de selecţie şi dispersia de selecţie.

2. S-a observat că nivelul vânzărilor unui anumit articol este o variabilă aleatoare X. Studiindu-se acest fenomen în
primele 10 zile ale lunii ianuarie 2003, s-au găsit rezultatele:
Ziua 1 2 3 4 5 6 7 8 9 10
Nivelul vânzărilor 6 10 6 6 8 8 6 5 10 6
a) Să se scrie repartiţia variabilei aleatoare de selecţie a nivelului vânzărilor şi funcţia de repartiţie de selecţie.
b) Să se calculeze media de selecţie şi dispersia de selecţie corectată.
 CAPITOLUL 13
ELEMENTE DE TEORIA ESTIMAŢIEI

13.1 ESTIMAREA PARAMETRILOR UNEI REPARTIŢII

BREVIAR TEORETIC
Presupunem că studiem o anumită caracteristică a unei populaţii. Vom modela această caracteristică folosind o variabilă
aleatoare X, având legea de repartiţie f (x; θ), unde θ este un parametru necunoscut. Considerăm selecţia X1, X2,......, Xn
efectuată asupra variabilei aleatoare X şi dorim ca pe baza acestei selecţii să evaluăm parametrul θ din legea f (x; θ).
Se numeşte estimator al parametrului θ o statistică θn(X1, X2,......, Xn) determinată pe baza unei metode de estimare.
Valoarea luată de statistica θn(X1, X2,......, Xn) pentru valori bine determinate x1, x2,...., xn ale variabilelor X1, X2,......, Xn se
numeşte estimaţie a parametrului θ
Definiţia 1. Spunem că statistica θn(X1, X2,......, Xn), este un estimator nedeplasat al parametrului θ dacă
M  n  X 1 , X 2 ,....., X n   
Statistica θn(X1, X2,......, Xn) este un estimator deplasat al parametrului θ dacă M   X , X ,....., X   .
n 1 2 n n 

Definiţia 2. Spunem că statistica θn(X1, X2,......, Xn) este un estimator absolut corect al parametrului θ dacă
M  n  X 1 , X 2 ,....., X n    şi D n  X 1 , X 2 ,....., X n    0 .
n 

Definiţia 3. Spunem că statistica θn(X1, X2,......, Xn) este un estimator corect al parametrului θ dacă
M  n  X 1 , X 2 ,....., X n      şi D  X , X ,....., X   0 .
n  n 1 2 n n 
Definiţia 4. Spunem că statistica θn(X1, X2,......, Xn) este un estimator consistent al parametrului θ dacă θn converge

în probabilitate la θ, adică   0, lim P       1 .
n 
n 
Definiţia 5. Spunem că statistica θn(X1, X2,......, Xn) este un estimator eficient al parametrului θ dacă este absolut corect şi
1 , unde   ln f  X ,     2 ln f  X ,  
D n  X 1 , X 2 ,....., X n   I    M     M  
n  I         2 
 
Propoziţia 1. Orice estimator absolut corect este consistent.
Propoziţia 2. a) Media de selecţie este un estimator absolut corect pentru media m a oricărei populaţii.
b) Dispersia de selecţie este un estimator corect pentru dispersia σ2 a oricărei populaţii.
c) Dispersia de selecţie corectată este un estimator absolut corect pentru dispersia σ2 a oricărei populaţii

METODE DE ESTIMARE A PARAMETRILOR UNEI REPATIŢII

A. Metode de estimare punctuală

1. Metoda momentelor
Presupunem că legea de repartiţie f (x; θ1, θ 2,...., θ k ) a variabilei aleatoare X depinde de k parametri necunoscuţi:
θ1, θ 2,...., θ k şi că variabila aleatoare X admite momente iniţiale cel puţin până la ordinul k inclusiv.
Aplicarea metodei momentelor constă în parcurgerea următoarelor etape:
I. Considerăm o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn
II. Rezolvăm sistemul mr  mr* , r  1, k
Dacă sistemul are soluţii reale, atunci acestea sunt estimaţii ale parametrilor θ1, θ 2,...., θ k
2. Metoda verosimilităţii maxime
Aplicarea acestei metode constă în parcurgerea următoarelor etape:
I. Considerăm o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn.
Px1 , x2 ,..., xn ; 1 , 2 , . . ., k    f x j ; 1 , 2 , . . ., k .
II. Construim funcţia de verosimilitate: n

j 1

III. Logaritmăm funcţia de verosimilitate: Lx1 , x2 ,..., xn ;1 , 2 , ..., k   ln Px1 , x2 ,..., xn ;1 , 2 , ..., k 
IV. Rezolvăm sistemul: Lx1 , x2 ,..., xn ;1 , 2 , ..., k  şi obţinem estimaţiile de maximă
 0, j  1, k
 j
verosimilitate: ˆ  ˆ x , x ,..., x , j  1, k ale parametrilor θ1, θ 2,...., θ k.
j j 1 2 n
V. Verificăm faptul că estimaţiile găsite asigură maximul funcţiei de verosimilitate.
 Elemente de teoria selecţiei. Selecţii din populaţii normale 245

B. Estimarea prin intervale de încredere a parametrilor m şi σ2 ai unei repartiţii N (m, σ)

1. Interval de încredere pentru parametrul m când σ este cunoscut

 
xz   m  xz  
1 n 1 n
2 2
2. Interval de încredere pentru parametrul m când σ este necunoscut
s s
x t    m  xt  
1  ; n 1 n 1  ; n 1 n
2 2
3. Interval de încredere pentru parametrul σ2
n  1s 2   2  n  1s 2
 2

2

1  ; n 1 ; n 1
2 2

PROBLEME REZOLVATE

1. Să se arate că media de selecţie este un estimator absolut corect pentru media m a oricărei populaţii.
Rezolvare:
Verificăm cele două condiţii din definiţia 2.
1)
  1 n  1 n 1 n
M X  M   X i    M X i    m   n  m  m
1
 i 1
n  n i 1 n i 1 n
2)
  1 n  1 n 1 n 2 1
D X  D  X i   2  D X i   2    2  n   2  2 
2
 0
n 
 n i 1  n i 1 n i 1 n n
Rezultă că media de selecţie este un estimator absolut corect pentru media m a oricărei populaţii.

2. Dintr-o populaţie generală s-a extras o selecţie de volum 140, care a condus la rezultatele:
xi 2,6 3,2 3,4 3,5
ni 40 50 30 20
a) Să se determine un estimator nedeplasat pentru media m a populaţiei generale şi estimaţia corespunzătoare.
b) Să se găsească un estimator deplasat pentru dispersia σ2 şi estimaţia corespunzătoare.
Rezolvare:
Am demonstrat la problema precedentă că media de selecţie este un estimator nedeplasat pentru media m.

 X i  X 
Conform propoziţiei din breviarul teoretic, 2 1 n 2 este un estimator corect, deci şi deplasat pentru dispersia σ
2
S 
n
i 1

xi ni xi ni xi  x x  x
i
2

ni xi  x 
2

2,6 40 104 -0,52 0,2704 10,816

3,2 50 160 -0,08 0,0064 0,320
3,4 30 102 -0,28 0,0784 2,352
3,5 20 70 0,38 0,1444 2,888
- 140 446 - - 16,376
n
a) Estimatorul nedeplasat pentru m este X  1  X i , iar estimaţia corespunzătoare este x  140
1  436  3,12
n
i 1

 
n
 1n  X i  X
2
b) Estimatorul deplasat pentru σ este S 2 2 , iar estimaţia corespunzătoare este 16,376
S2   0,117
i 1 140

2. O selecţie de volum 35 a dat estimaţia nedeplasată s2 = 2 pentru dispersia σ2. Să se determine o estimaţie
deplasată a dispersiei.
Rezolvare:

 X i  X 
n
Conform propoziţiei din breviarul teoretic, avem că S 2  1 2 este un estimator corect, deci şi deplasat pentru
n
i 1

 
n 2
dispersia σ2 iar dispersia de selecţie corectată s 2  1 X  X este un estimator absolut corect, deci şi nedeplasat
n 1  i
i 1
pentru dispersia σ2.
246 Matematici aplicate în economie - culegere de probleme

Avem: S
2
n 1 S 2 34
2
    S 2  1,943
s n 2 35

4. Fie X o variabilă aleatoare cu densitatea de repartiţie f ( x,  )  (  2) x 1; x  (0,1);   2

a) Să se determine un estimator al parametrului θ prin metoda momentelor, utilizând o selecţie de volum n.
b) Să se determine o estimaţie a parametrului θ al acestei repartiţii, pe baza valorilor de selecţie: 0,32; 0,28; 0,33; 0,31;
0,27; 0,30; 0,29; 0,28; 0,27; 0,27.
Rezolvare:
a) I. Fie o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn
II. Rezolvăm ecuaţia: m1  m1*  M ( X )  X . (1)
  1
x  3  2
1
M X    xf ( x)dx   x  (  2) x dx  (  2) x dx  (  2)
 1  2

 0 0
 3 0
 3
 
Ecuaţia (1) devine:   2  X    2   X  3 X   1  X  3 X  2 , deci estimatorul parametrului θ obţinut prin
 3
metoda momentelor este ˆ  3 X  2 , iar estimaţia este ˆ  3 x  2
1 X 1 x
10
xj
b) Calculăm media de selecţie: x  0,32  2  0,28  0,33  0,31  3  0,27  0,30  0,29
j 1
  0,292
10 10
Estimaţia parametrului θ pe baza valorilor de selecţie date este ˆ  3 x  2  3 0,292  2  1,5875
1 x 1 0,292

5. Fie X o variabilă aleatoare cu legea de repartiţie f ( x, q)  (1  q)q x ; x  N ; q  (0,1)

a) Să se determine un estimator al parametrului q al acestei repartiţii prin metoda verosimilităţii maxime, utilizând o
selecţie de volum n.
b) Să se determine o estimaţie a parametrului q al acestei repartiţii, pe baza valorilor de selecţie: 11; 9; 11; 12; 10; 10;
9; 12; 10; 11; 12; 10; 11; 11; 10.
Rezolvare:
a) I. Fie o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn.

II. Construim funcţia de verosimilitate:

n

 xj
Px1 , x 2 ,..., x n ; q    f x j ; q    (1  q)q
n n
 (1  q)q  (1  q)q  .....  (1  q)q  (1  q) q
xj x1 x2 xn n j 1

j 1 j 1

III. Logaritmăm funcţia de verosimilitate:

  xj 
n n

 xj
Lx1 , x 2 ,..., x n ; q   ln Px1 , x 2 ,..., x n ; q   ln (1  q) n q j 1   ln 1  q   ln q j 1  n ln 1  q    x j ln q
n n

  j 1
 
IV. Rezolvăm ecuaţia:

Lx1 , x2 ,..., xn ; q 
n
 xj n n  n  n
 0   n  j 1  0  nq   x j  q  x j  0  q n   x j    x j
q 1 q q
j 1 j 1
 
j 1  j 1

n

şi obţinem că estimaţia de maximă verosimilitate a parametrului q este

 xj sau qˆ  x , iar estimatorul de
j 1
qˆ  n 1 x
n   xj
j 1

maximă verosimilitate este qˆ  X

1 X

V. Verificăm faptul că estimaţia găsită asigură maximul funcţiei de verosimilitate.

 Elemente de teoria selecţiei. Selecţii din populaţii normale 247

n n
 xj  xj
 2 Lx1 , x2 ,..., xn ; q  n j 1 n j 1 , deoarece x j  N ,
    0
q 2 q qˆ
1  q 2
q2 1  qˆ  qˆ
2 2

q qˆ

prin urmare qˆ  x este punct de maxim al funcţiei de verosimilitate.

1 x
15
 xj
b) Pe baza valorilor de selecţie date obţinem: x  j 1 2  9  5  10  5  11  3  12 159
   10,6 , prin urmare
15 15 15
estimaţia parametrului q este ˆ x 10,6
q   0,9137
1  x 11,6

6. Fie X o variabilă aleatoare continuă, având densitatea de repartiţie:

 x3 x
 964 e 2  , x  0
f : R  R, f ( x;  )   ,  0

 0, x0
a) Să se estimeze parametrul λ prin ambele metode de estimare punctuală, utilizând o selecţie de volum n.
b) Să se arate că estimatorul obţinut este absolut corect şi eficient.

Rezolvare:

a) Metoda momentelor

I. Considerăm o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn

II. Rezolvăm ecuaţia: m1  m1*  M ( X )  X . (1)

 0  
M  X    xf ( x)dx   x  0dx   x  x 4 e  2  dx  1 4  x 4 e  2  dx ;
3 x x

96 96
  0 0
facem schimbarea de variabilă x  t  x  2t; dx  2dt şi obţinem:
2
 
M  X   1 4  2t 4 e  t 2dt    t 4 e  t dt   5   .4! 8
96 3 3 3
0 0

Ecuaţia (1) devine: 8  X şi prin urmare estimatorul parametrului λ obţinut prin metoda momentelor este ˆ  X ,
8
iar estimaţia este ˆ  x
8

Metoda verosimilităţii maxime

I. Considerăm o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn

II. Construim funcţia de verosimilitate:

xj

Px1 , x2 ,..., xn ;     f x j ;     96j 4 e

n n 
x3 2

j 1 j 1
n

xj

x 3
1
e  2 
x1
x
e  2   ..... 
3
2
x2
x xn x x ...x  j 1
e  2  1 2 n e  2
3
n
3

964 964 964 96 n 4n

248 Matematici aplicate în economie - culegere de probleme

III. Logaritmăm funcţia de verosimilitate: Lx1 , x 2 ,..., x n ;    ln Px1 , x 2 ,..., x n ;   

 
n n

x j x j
 x x ...x 3  j 1 
 
n
j 1 n  xj
 ln  1 2n 4 nn e 2    ln  x x ... x  3
 ln 96 n
 ln  4n
 ln e
 2
 3 ln  x j  n ln 96  4n ln   j 1
2
 96 
1 2 n
 j 1
 

Lx1 , x2 ,..., xn ;  
n
 xj n
IV. Rezolvăm ecuaţia:  0   4n  j 1 2  0  8n   x j  0 şi obţinem
  2 j 1
n

 xj
că estimaţia de maximă verosimilitate a parametrului λ este ˆ  j 1
 ˆ  x , iar estimatorul de maximă
8n 8
verosimilitate este ˆ  X
8
V. Verificăm faptul că estimaţia găsită asigură maximul funcţiei de verosimilitate.

 2 Lx1 , x 2 ,..., x n ;  
n
 xj
 4n
 j 1 ˆ x
 4n  642  n x  5123   2562 n  0 , deci   8
2 2  3
x x x
  ˆ   8x
este punct de maxim al funcţiei de verosimilitate.

b) Verificăm condiţiile din definiţia estimatorului absolut corect:

    n 
 
M X  81 M  1n  X j   81n  M X j   81n  M  X   81n  8 
n n n
1) M ˆ  M X
8
1
8
 j 1  j 1 j 1 j 1

 81n 8n   . Am obţinut că M ˆ   

2)

X 1 1 1 n
D ˆ  D   D X  D  X j  
 1 n
64  n j 1  64n j 1
 
2 
DX j  
1 n
 D X   64n 2  nD X   64n
64n 2 j 1
1 D( X )
 8  64

 
 0  
M X 2   x 2 f ( x)dx   x 2  0dx   x 2  x 4 e  2  dx  1 4  x 5 e  2  dx ;
3 x x

96 96
  0 0
cu schimbarea de variabilă x  t  x  2t; dx  2dt obţinem:
2
 
M X2   1
964  2 t  e 2 dt  23  t e dt  23 6  23
5 t 5 t 2 2 2
.5!  80 2 
0 0

 D( X )  M ( X 2 )  M 2 ( X )  802  642  162


Revenind, găsim că D ˆ  D( X )  16   , deci lim D ˆ  lim  2
2 2
0
64n 64n 4n n n 4n
Din 1) şi 2) rezultă că estimatorul este absolut corect.

Dovedim că estimatorul găsit este eficient. Deoarece am verificat că este absolut corect, rămâne de verificat condiţia:


D ˆ 
1 , unde
n  I  
  2 ln f  X ,    . Avem:
I     M  
 2 

ln f  X ;    ln X 3

964
e 
 2X

 3 ln X  ln 96  4 ln   2X ;
 ln f  X ;  
  4  X 2 ;
 2

 2 ln f  X ;  
 2

 42  X3  I    M 42  X3   42  13 M  X    42  82  42
  
     


2
Rezultă că 1
  D ˆ , prin urmare estimatorul este eficient.
n  I   4n
 Elemente de teoria selecţiei. Selecţii din populaţii normale 249

7. Fie X o variabilă aleatoare având repartiţie Poisson de parametru θ.

a) Să se determine un estimator al parametrului θ al acestei repartiţii prin ambele metode de estimare punctuală,
utilizând o selecţie de volum n.
b) Să se determine o estimaţie a parametrului θ al acestei repartiţii prin ambele metode de estimare punctuală, pe baza
valorilor de selecţie: 1, 2, 3, 3, 2, 2, 1, 4, 2, 3.
c) Să se studieze calităţile estimatorului obţinut.
Rezolvare:

a) Legea de probabilitate a variabilei aleatoare X este f x;   e    , x  N .

x

x!
Metoda momentelor
I. Considerăm o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn
II. Rezolvăm ecuaţia: m1  m1*  M ( X )  X . (1)
Folosind faptul că media unei variabile aleatoare X cu repartiţie Poisson de parametru θ esteM  X    , ecuaţia (1)
devine:   X şi prin urmare estimatorul parametrului θ obţinut prin metoda momentelor este ˆ  X , iar estimaţia este

ˆ  x .
Metoda verosimilităţii maxime

I. Considerăm o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn

II. Construim funcţia de verosimilitate:

n

xj  xj
      
n n x1 x2 xn j 1

Px1 , x 2 ,..., x n ;    f x j ;   e    e    e    .....  e    e n 

x j! x1! x2 ! xn ! n
j 1 j 1
 x j!
j 1
III. Logaritmăm funcţia de verosimilitate: Lx1 , x 2 ,..., x n ;    ln Px1 , x 2 ,..., x n ;   
 n

 xj  n

 xj
 
j 1 n n
   ln  x j !  n   x j ln   ln  x j !
n
 n  n
 ln e  n  ln e  ln  j 1

 
 j 1 j 1 j 1
 x j !
 j 1 

IV. Rezolvăm ecuaţia: Lx1 , x2 ,..., xn ;   0  n  j 1  0  n 

n
 xj n
 x j  0 şi obţinem că:
 
j 1
n

 xj
estimaţia de maximă verosimilitate a parametrului θ este ˆ   ˆ  x , iar
j 1

n
estimatorul de maximă verosimilitate este ˆ  x .
V. Verificăm faptul că estimaţia găsită asigură maximul funcţiei de verosimilitate.
n n

 2 Lx1 , x2 ,..., xn ;   xj  xj ˆ
 j 1
  ˆ 2  0 , deoarece x j  N , prin urmare   x
j 1 este punct de
 2 2 
 ˆ  ˆ
maxim al funcţiei de verosimilitate.

b) Estimaţia parametrului θ prin ambele metode de estimare punctuală este ˆ  x .

10

 xj
Pe baza valorilor de selecţie din enunţ obţinem: ˆ  x  j 1
 21 4 2  33 1 4  2,3 .
10 10
250 Matematici aplicate în economie - culegere de probleme

 n 
    
n n n
c) 1) M ˆ  M X  M  1  X j   1  M X j  1  M  X   1   1  n  
 j 1
n  n
j 1
n
j 1
n
j 1
n
 

prin urmare M ˆ  

Dˆ   DX   D  X

  1 n
  2  DX j   12  D X   12  nD X   n ,
n n
2) 1
n j  n n n
 j 1  j 1 j 1
unde am folosit că dispersia unei variabile aleatoare X cu repartiţie Poisson de parametru θ este D X    .

n

Rezultă că lim D ˆ  lim   0
n  n

Din 1) rezultă că estimatorul este nedeplasat.

Din 1) şi 2) rezultă că estimatorul este absolut corect.

Deoarece am văzut că estimatorul este absolut corect, putem cerceta eficienţa, verificând condiţia:

D ˆ 
1 , unde
n  I  
  2 ln f  X ,  
I     M  
 
  2 
  X 
ln f  X ;   ln  e    ln e   ln  X  ln X !   X ln   ln X !
 X ! 
 
 ln f  X ; 
 1  X ;
 
 2 ln f  X ;   X  1
  2  I     M   2   2 M  X   2   
X 1 1
 2
      

Rezultă că 1 

  D ˆ , prin urmare estimatorul este eficient.
n  I   n

8. Fie X o variabilă aleatoare având repartiţie uniformă de parametri a şi b.

Să se estimeze cei doi parametri ai acestei repartiţii prin metoda momentelor, utilizând o selecţie de volum n.
Rezolvare:
Densitatea de probabilitate a variabilei aleatoare X este: 

1 , x  [ a , b]
şi
f ( x; a, b)   b  a ,a  b

 0 , x  [ a, b]
ab a 2  ab  b 2
M (X )  ; M (X 2) 
2 3

I. Considerăm o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn

II. Rezolvăm sistemul: mr  mr* , r  1,2 , adică:

a  b
 m1*
m1  m1*  M  X   m1*  2
     2
m2  m2*  M X 2   m2*  a  ab  b  m *
2

 3
2

Notăm ab  s şi a  b  p şi sistemul devine: s  2m1

*
s  2m1*

 2
s  p  3m2
*
 p  4(m1* ) 2  3m2*
 Elemente de teoria selecţiei. Selecţii din populaţii normale 251

t 2  2m1*  t  4(m1* ) 2  3m2*  0  t1,2  m1*  M 1  4(m1* ) 2  3m2*  m1*  3m2*  (m1* ) 2   m1*  S 3 unde am
2

notat S  m*  (m* ) 2 . Cum a < b, obţinem că estimatorii parametrilor a şi b ai repartiţiei uniforme sunt:
2 1

aˆ  X  S 3, bˆ  X  S 3 .

9. Fie X o variabilă aleatoare având o repartiţie normală de parametri m şi σ2. Să se estimeze cei doi parametri ai
acestei repartiţii prin metoda verosimilităţii maxime, utilizând o selecţie de volum n.
Rezolvare:
( x  m) 2
1 
Densitatea de repartiţie a variabilei aleatoare X este f ( x; m,  )  e 2 , x  R
2

 2
I. Considerăm o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn
II. Construim funcţia de verosimilitate:
n ( x j m )2
( x j m )2  
Px1 , x2 ,..., xn ; m,    f x j ; m,   
n  n
1 1 2 2
e 2 2
 e j 1

j 1  2  n 2 
n
j 1 2

III. Logaritmăm funcţia de verosimilitate: Lx1 , x 2 ,..., x n ; m,    ln Px1 , x 2 ,..., x n ; m,   

 n ( x m)

2

j
 
  n ln   ln 2   2 
1 2 2 n 1 n
 ln  e j 1
( x j  m) 2
  n 2  2
n
 2 2 j 1
 
IV. Rezolvăm sistemul:

 Lx1 , x2 ,..., xn ; m,   1 n  n
 0   ( x j  m)  0  m  1  xj
  2
n
 m  j 1  j 1
  
 L  x , x ,..., x ; m,   n
 n  1  ( x  m) 2  0  2  1  n
1 2 n
0 ( x j  m) 2

     3 j  n
 j  1  j  1
şi obţinem estimaţiile de maximă verosimilitate ale parametrilor m şi σ2:
mˆ  x

 2 1 n
ˆ  n  ( x j  x)  S
2 2
 j 1
V. Verificăm faptul că estimaţiile găsite asigură maximul funcţiei de verosimilitate, folosind matricea hessiană:

  2 Lx , x ,..., x ; m,    2 Lx1, x2 ,..., xn ; m,    ; obţinem:

 1 2 n
 m2 m 
H m,     
  Lx1, x2 ,..., xn ; m,    2 Lx1, x2 ,..., xn ; m,   
2
  m 
  2

 n 
  n2  23  ( x j  m)  , prin urmare
   j 1 
H m,     
n n
  2  ( x  m) n  2
 ( x  m) 
2
  3 j 1 j  2  3 j 1 j
 
 n 
  n2  3  ( x j  x)  
2
, unde am folosit
 S S
j 1    S2
n 0 
H mˆ , ˆ    
  
n
  2  ( x  x)
n  0  n2 
 ( x j  x)  
n  2 2
S 
 S 3 j 1 j S2 S3
j 1
 
faptul că n n n n 2
. Rezultă că    n2  0;   n 4  0,
 ( x j  x)   x j   x   x j  n x  0 1 S 2 S
j 1 j 1 j 1 j 1

deci estimaţiile găsite realizează maximul funcţiei de verosimilitate.

252 Matematici aplicate în economie - culegere de probleme

10. Se cunosc rezultatele a 16 măsurători ale unui unghi oarecare, pentru care s-au obţinut valorile exprimate în grade:

xi 26,2 26,7 26,8 26,9 27,0 27,2

ni 3 2 4 3 1 3

În ipoteza că rezultatele măsurătorilor urmează o lege N(m,3) se cere un interval de încredere 95% pentru media m.
Rezolvare:
Deoarece σ este cunoscut, intervalul căutat este:  
xz   m  xz  
1 n 1 n
2 2

Avem: x  1 (3  26,2  2  26,7  4  26,8  3  26,9  1  27  3  27,2)  26,78

16
1    0,95    0,05  z   z 0,975 1,96
1
2
Obţinem: 26,78  1,96  3  m  26,78  1,96  3  25,31  m  28,25
16 16

Rezultă că intervalul (25,31; 28,25) acoperă cu probabilitatea 0,95 valoarea parametrului m.

11. S-a constatat că greutatea pieselor fabricate de o maşină automată poate fi asimilată cu o variabilă aleatoare X
repartizată N(m,σ). Efectuând o selecţie constând din 12 piese, obţinem următoarele valori, exprimate în kilograme:
5,2; 5,8; 5,6; 5,2; 5,8; 5,2; 5,6; 5,5; 5,8; 5,2; 5,6; 5,8.
Să se determine un interval de încredere 0,98 pentru media m a variabilei aleatoare X.
Rezolvare:
Interval de încredere pentru media m dacă σ necunoscut este:
s s
x t    m  xt  
1  ; n 1 n 1  ; n 1 n
2 2
Organizăm datele de selecţie astfel:
xi 5,2 5,5 5,6 5,8
ni 4 1 3 4

xi ni xi n i xi  x xi  x2 
ni xi  x 2
5,2 4 20,8 -0,325 0,105625 0,4225
5,5 1 5,5 -0,025 0,000625 0,000625
5,6 3 16,8 0,075 0,005625 0,016875
5,8 4 23,2 0,275 0,075625 0,3025
- 12 66,3 - - 0,765
66,3 1
x  5,525; s 2   0,765  0,0695  s  0,2637 ;
12 11
1    0,98    0,02  t1 2 ; n 1 t 0,99;11 2,718 , deci intervalul de încredere pentru medie este:
0,2637 0,2637
5,525  2,718   m  5,525  2,718   5,318  m  5,731 .
12 12
12. Durata de funcţionare a unui anumit tip de motor poate fi considerată o v.a. X repartizată normal. O selecţie
constând din 24 de astfel de tipuri de motoare conduce la s2 = 0,36. Se cere un interval de încredere 98% pentru dispersia
v.a. X.
Rezolvare:
Intervalul de încredere pentru dispersia σ2 este: n  1 s n  1 s 2
2
 2 
 12  ; n1  2; n1
2 2

n  24, s 2  0,36, 1    0,98    0,02 , deci  2  2  41,18;  2

  2  10,2
0, 99; 23  0, 01; 23
1  ; n 1 ; n 1
2 2
Înlocuind, obţinem: 230,36   2  230,36  0,198   2  0,811
41,8 10,2
 Elemente de teoria selecţiei. Selecţii din populaţii normale 253

PROBLEME PROPUSE

1. Dintr-o populaţie generală s-a efectuat o selecţie de volum 36, care a condus la rezultatele:
xi 21 22 24 25
ni 7 15 9 5
a) Să se determine un estimator absolut corect pentru media m a populaţiei şi estimaţia corespunzătoare.
b) Să se determine un estimator nedeplasat pentru dispersia σ2 şi estimaţia corespunzătoare.
c) Să se determine un estimator deplasat pentru dispersia σ2 şi estimaţia corespunzătoare.
2. O selecţie de volum 14 a dat estimaţia deplasată s2 = 3,14 pentru dispersia σ2. Să se determine o estimaţie
nedeplasată a dispersiei σ2.
3. O selecţie de volum 20 a dat estimaţia nedeplasată s2 = 5 pentru dispersia σ2. Să se determine o estimaţie deplasată
a dispersiei.
4. Fie X o variabilă aleatoare continuă, cu densitatea de repartiţie f ( x,  )   x  1; x  (0,1);   0 .
a) Să se determine un estimator al parametrului θ al acestei repartiţii prin metoda momentelor.
b) Să se determine o estimaţie a parametrului θ al acestei repartiţii, pe baza valorilor de selecţie: 5,6; 4,8; 5,4; 5,1; 5,8;
5,2; 5,9; 5,8; 5,7; 5,7.
5. Fie X o variabilă aleatoare cu legea de repartiţie f ( x, p)  p1  p x 1; x  N * ; p  (0,1)
a) Să se determine un estimator al parametrului p al acestei repartiţii prin metoda verosimilităţii maxime.
b) Să se determine o estimaţie a parametrului p pe baza valorilor de selecţie: 21; 20; 21; 22; 23; 30; 19; 24; 20; 21; 22;
20; 22; 21; 21.
 x 2  3x
6. Fie X o v.a. cu densitatea de repartiţie:  e , x0
f : R  R, f ( x; )   54 3 ,  0
 
 0 , x 0
a) Să se estimeze parametrul θ prin ambele metode de estimare punctuală, utilizând o selecţie de volum n.
b) Să se arate că estimatorul obţinut este absolut corect şi eficient.
7. Fie X o variabilă aleatoare având legea de repartiţie: f x;   e 2  2  , x  N
x

x!
a) Să se determine un estimator al parametrului θ al acestei repartiţii prin ambele metode de estimare punctuală,
utilizând o selecţie de volum n şi să se studieze calităţile estimatorului obţinut.
b) Să se determine o estimaţie a parametrului θ al acestei repartiţii prin ambele metode de estimare punctuală, pe baza
valorilor de selecţie: 8, 7, 9, 8, 5, 7, 4, 9, 7, 8.

8. Să se estimeze cei doi parametri ai repartiţiei f ( x; m,  )    ( x m)2

, xR
2
e

prin metoda verosimilităţii maxime, folosind o selecţie de volum n.
9. Să se estimeze parametrul p al repartiţiei f ( x; p)  Cnx p x (1  p) n x , x  0, n; n  N * ; p  (0,1) folosind
o selecţie de volum n şi să se studieze calităţile estimatorului obţinut.
10. Fie  x2   x

 e , x0
f : R  R, f ( x;  )   23 ,  0
 0, 
 x 0
a) Să se arate că f este densitatea de probabilitate a unei variabile aleatoare X şi să se calculeze media şi dispersia
acestei variabile aleatoare; b) să se estimeze parametrul λ prin ambele metode de estimare punctuală, utilizând o selecţie
de volum n şi să se studieze calităţile estimatorului obţinut.
11. Folosind metoda momentelor , să se estimeze parametrii din repartiţiile:
a) f ( x,  )   e   x ; x  0;   0 ; b) f ( x, )  (1   ) x ; x  (0,1);   0 ;
x

c) f ( x, )   (1   ) x ; x  N ;   (0,1) ; d) x 1e  cunoscut
f ( x,  )  ; x  0;   0;   0
( ) 
12. Să se estimeze prin metoda verosimilităţii maxime parametrul θ al repartiţiilor:
a) f ( x, )   (1   ) x ; x  N ;   (0,1) ; b) f ( x, )  (1   ) x ; x  (0,1);   0 ;
x

x  1e 
1
1  x
c)
f ( x,  )  ; x  0;   0;   0 cunoscut; d) f ( x, )  e 
; x  0;   0
( )  
254 Matematici aplicate în economie - culegere de probleme

13. Să se estimeze parametrul θ pentru fiecare din următoarele repartitţii, folosind ambele metode de estimare
punctuală şi utilizând datele de selecţie corespunzătoare:

f x,   e  , x  0;   0 xk k 1,10  5,7,4,5,6,5,5,4,8,9

x
a) 1  ; ;

f x,   3 e  , x  0;   0 xk k 1,10  3,6,4,2,5,6,4,5,5,4
x
b) x2  ; ;
2
2 1

f x,   x 1 ; x  (0,1);   (1/ 2,1) xk k 1,15  2,4,5,3,5,7,6,4,5,6,5,5,4,3,3
c) ; .
1
x

14. Fie X o v.a. având densitatea de repartiţie:
f x;1 , 2  
1
1
x1 1e  2 ; x  0; 1 , 2  0
 2 (1 )
a) Să se estimeze parametrii 1 şi 2 folosind metoda momentelor, pe baza unei selecţii de volum n.
b) În ipoteza că 1 cunoscut, să se estimeze 2 cu metoda verosimilităţii maxime folosind o selecţie de volum n
15. Să se estimeze parametrul θ al repartiţiei  
, x 

f : R  R, f ( x )   x   1 ,   0,   0
 0, x  

pe baza unei selecţii de volum n şi să se studieze calităţile estimatorului obţinut.
16. Să se estimeze parametrul a al repartiţiei  5a 5
 , xa
f : R  R, f ( x )   x 6 , a0
 0, x  a

pe baza unei selecţii de volum n şi să se studieze calităţile estimatorului obţinut.
17. Fie ax . Să se arate că f este legea de probabilitate a unei v.a. X , să se estimeze
f : N  R, f ( x )  , a0
(a  1) x 1
parametrul a şi să se studieze calităţile estimatorului gặsit.
18. Fie X o v.a. continuă, având densitatea de repartiţie 2  x
2

 xe  , x  0
f : R  R, f ( x; )   ,  0
 0, x  0

Să se estimeze parametrul θ al acestei repartiţii pe baza unei selecţii de volum n.
   1  x

19. Să se estimeze parametrul θ al repartiţiei
 x e  , x0
f ( x )   ;   0,   0
 x0
 0,
pe baza unei selecţii de volum n şi să se studieze calităţile estimatorului obţinut.
20. Folosind ambele metode de estimare punctuală, să se găsească un estimator pentru parametrul p al repartiţiei
binomiale Bi (n, p). Să se studieze calităţile estimatorului obţinut.
21. Fie X o v.a. ce reprezintă grosimea unor plăci metalice. O selecţie de volum 20 a condus la rezultatele:
xi 5,015 5,020 5,025 5,030
ni 5 4 6 5
Dacă X are o repartiţie M (m,2), să se afleun interval de încredere 98% pentru media m.
22. Fie X o variabilă aleatoare având o repartiţie N (m, ). Să se determine un interval de încredere 98% pentru media
m, pe baza selecţiei care a condus la valorile:
i 1 2 3 4 5 6 7 8 9 10
xi 6,4 6,6 6,7 6,8 7,0 7,2 7,3 6,9 6,5 6,3
23. Fie populaţia P, caracterizată de variabila aleatoare X  N (m, ). Să se determine un interval de încredere 98%
pentru dispersia σ2 a populaţiei X, pe baza selecţiei care a condus la următoarele rezultate:
xi 2 3 4 5 6
ni 4 2 6 4 2
 CAPITOLUL 13
ELEMENTE DE TEORIA ESTIMAŢIEI

13.1 ESTIMAREA PARAMETRILOR UNEI REPARTIŢII

BREVIAR TEORETIC
Presupunem că studiem o anumită caracteristică a unei populaţii. Vom modela această caracteristică folosind o variabilă
aleatoare X, având legea de repartiţie f (x; θ), unde θ este un parametru necunoscut. Considerăm selecţia X1, X2,......, Xn
efectuată asupra variabilei aleatoare X şi dorim ca pe baza acestei selecţii să evaluăm parametrul θ din legea f (x; θ).
Se numeşte estimator al parametrului θ o statistică θn(X1, X2,......, Xn) determinată pe baza unei metode de estimare.
Valoarea luată de statistica θn(X1, X2,......, Xn) pentru valori bine determinate x1, x2,...., xn ale variabilelor X1, X2,......, Xn se
numeşte estimaţie a parametrului θ
Definiţia 1. Spunem că statistica θn(X1, X2,......, Xn), este un estimator nedeplasat al parametrului θ dacă
M  n  X 1 , X 2 ,....., X n   
Statistica θn(X1, X2,......, Xn) este un estimator deplasat al parametrului θ dacă M   X , X ,....., X   .
n 1 2 n n 

Definiţia 2. Spunem că statistica θn(X1, X2,......, Xn) este un estimator absolut corect al parametrului θ dacă
M  n  X 1 , X 2 ,....., X n    şi D n  X 1 , X 2 ,....., X n    0 .
n 

Definiţia 3. Spunem că statistica θn(X1, X2,......, Xn) este un estimator corect al parametrului θ dacă
M  n  X 1 , X 2 ,....., X n      şi D  X , X ,....., X   0 .
n  n 1 2 n n 
Definiţia 4. Spunem că statistica θn(X1, X2,......, Xn) este un estimator consistent al parametrului θ dacă θn converge

în probabilitate la θ, adică   0, lim P       1 .
n 
n 
Definiţia 5. Spunem că statistica θn(X1, X2,......, Xn) este un estimator eficient al parametrului θ dacă este absolut corect şi
1 , unde   ln f  X ,     2 ln f  X ,  
D n  X 1 , X 2 ,....., X n   I    M     M  
n  I         2 
 
Propoziţia 1. Orice estimator absolut corect este consistent.
Propoziţia 2. a) Media de selecţie este un estimator absolut corect pentru media m a oricărei populaţii.
b) Dispersia de selecţie este un estimator corect pentru dispersia σ2 a oricărei populaţii.
c) Dispersia de selecţie corectată este un estimator absolut corect pentru dispersia σ2 a oricărei populaţii

METODE DE ESTIMARE A PARAMETRILOR UNEI REPATIŢII

A. Metode de estimare punctuală

1. Metoda momentelor
Presupunem că legea de repartiţie f (x; θ1, θ 2,...., θ k ) a variabilei aleatoare X depinde de k parametri necunoscuţi:
θ1, θ 2,...., θ k şi că variabila aleatoare X admite momente iniţiale cel puţin până la ordinul k inclusiv.
Aplicarea metodei momentelor constă în parcurgerea următoarelor etape:
I. Considerăm o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn
II. Rezolvăm sistemul mr  mr* , r  1, k
Dacă sistemul are soluţii reale, atunci acestea sunt estimaţii ale parametrilor θ1, θ 2,...., θ k
2. Metoda verosimilităţii maxime
Aplicarea acestei metode constă în parcurgerea următoarelor etape:
I. Considerăm o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn.
Px1 , x2 ,..., xn ; 1 , 2 , . . ., k    f x j ; 1 , 2 , . . ., k .
II. Construim funcţia de verosimilitate: n

j 1

III. Logaritmăm funcţia de verosimilitate: Lx1 , x2 ,..., xn ;1 , 2 , ..., k   ln Px1 , x2 ,..., xn ;1 , 2 , ..., k 
IV. Rezolvăm sistemul: Lx1 , x2 ,..., xn ;1 , 2 , ..., k  şi obţinem estimaţiile de maximă
 0, j  1, k
 j
verosimilitate: ˆ  ˆ x , x ,..., x , j  1, k ale parametrilor θ1, θ 2,...., θ k.
j j 1 2 n
V. Verificăm faptul că estimaţiile găsite asigură maximul funcţiei de verosimilitate.
 Elemente de teoria selecţiei. Selecţii din populaţii normale 245

B. Estimarea prin intervale de încredere a parametrilor m şi σ2 ai unei repartiţii N (m, σ)

1. Interval de încredere pentru parametrul m când σ este cunoscut

 
xz   m  xz  
1 n 1 n
2 2
2. Interval de încredere pentru parametrul m când σ este necunoscut
s s
x t    m  xt  
1  ; n 1 n 1  ; n 1 n
2 2
3. Interval de încredere pentru parametrul σ2
n  1s 2   2  n  1s 2
 2

2

1  ; n 1 ; n 1
2 2

PROBLEME REZOLVATE

1. Să se arate că media de selecţie este un estimator absolut corect pentru media m a oricărei populaţii.
Rezolvare:
Verificăm cele două condiţii din definiţia 2.
1)
  1 n  1 n 1 n
M X  M   X i    M X i    m   n  m  m
1
 i 1
n  n i 1 n i 1 n
2)
  1 n  1 n 1 n 2 1
D X  D  X i   2  D X i   2    2  n   2  2 
2
 0
n 
 n i 1  n i 1 n i 1 n n
Rezultă că media de selecţie este un estimator absolut corect pentru media m a oricărei populaţii.

2. Dintr-o populaţie generală s-a extras o selecţie de volum 140, care a condus la rezultatele:
xi 2,6 3,2 3,4 3,5
ni 40 50 30 20
a) Să se determine un estimator nedeplasat pentru media m a populaţiei generale şi estimaţia corespunzătoare.
b) Să se găsească un estimator deplasat pentru dispersia σ2 şi estimaţia corespunzătoare.
Rezolvare:
Am demonstrat la problema precedentă că media de selecţie este un estimator nedeplasat pentru media m.

 X i  X 
Conform propoziţiei din breviarul teoretic, 2 1 n 2 este un estimator corect, deci şi deplasat pentru dispersia σ
2
S 
n
i 1

xi ni xi ni xi  x x  x
i
2

ni xi  x 
2

2,6 40 104 -0,52 0,2704 10,816

3,2 50 160 -0,08 0,0064 0,320
3,4 30 102 -0,28 0,0784 2,352
3,5 20 70 0,38 0,1444 2,888
- 140 446 - - 16,376
n
a) Estimatorul nedeplasat pentru m este X  1  X i , iar estimaţia corespunzătoare este x  140
1  436  3,12
n
i 1

 
n
 1n  X i  X
2
b) Estimatorul deplasat pentru σ este S 2 2 , iar estimaţia corespunzătoare este 16,376
S2   0,117
i 1 140

2. O selecţie de volum 35 a dat estimaţia nedeplasată s2 = 2 pentru dispersia σ2. Să se determine o estimaţie
deplasată a dispersiei.
Rezolvare:

 X i  X 
n
Conform propoziţiei din breviarul teoretic, avem că S 2  1 2 este un estimator corect, deci şi deplasat pentru
n
i 1

 
n 2
dispersia σ2 iar dispersia de selecţie corectată s 2  1 X  X este un estimator absolut corect, deci şi nedeplasat
n 1  i
i 1
pentru dispersia σ2.
246 Matematici aplicate în economie - culegere de probleme

Avem: S
2
n 1 S 2 34
2
    S 2  1,943
s n 2 35

4. Fie X o variabilă aleatoare cu densitatea de repartiţie f ( x,  )  (  2) x 1; x  (0,1);   2

a) Să se determine un estimator al parametrului θ prin metoda momentelor, utilizând o selecţie de volum n.
b) Să se determine o estimaţie a parametrului θ al acestei repartiţii, pe baza valorilor de selecţie: 0,32; 0,28; 0,33; 0,31;
0,27; 0,30; 0,29; 0,28; 0,27; 0,27.
Rezolvare:
a) I. Fie o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn
II. Rezolvăm ecuaţia: m1  m1*  M ( X )  X . (1)
  1
x  3  2
1
M X    xf ( x)dx   x  (  2) x dx  (  2) x dx  (  2)
 1  2

 0 0
 3 0
 3
 
Ecuaţia (1) devine:   2  X    2   X  3 X   1  X  3 X  2 , deci estimatorul parametrului θ obţinut prin
 3
metoda momentelor este ˆ  3 X  2 , iar estimaţia este ˆ  3 x  2
1 X 1 x
10
xj
b) Calculăm media de selecţie: x  0,32  2  0,28  0,33  0,31  3  0,27  0,30  0,29
j 1
  0,292
10 10
Estimaţia parametrului θ pe baza valorilor de selecţie date este ˆ  3 x  2  3 0,292  2  1,5875
1 x 1 0,292

5. Fie X o variabilă aleatoare cu legea de repartiţie f ( x, q)  (1  q)q x ; x  N ; q  (0,1)

a) Să se determine un estimator al parametrului q al acestei repartiţii prin metoda verosimilităţii maxime, utilizând o
selecţie de volum n.
b) Să se determine o estimaţie a parametrului q al acestei repartiţii, pe baza valorilor de selecţie: 11; 9; 11; 12; 10; 10;
9; 12; 10; 11; 12; 10; 11; 11; 10.
Rezolvare:
a) I. Fie o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn.

II. Construim funcţia de verosimilitate:

n

 xj
Px1 , x 2 ,..., x n ; q    f x j ; q    (1  q)q
n n
 (1  q)q  (1  q)q  .....  (1  q)q  (1  q) q
xj x1 x2 xn n j 1

j 1 j 1

III. Logaritmăm funcţia de verosimilitate:

  xj 
n n

 xj
Lx1 , x 2 ,..., x n ; q   ln Px1 , x 2 ,..., x n ; q   ln (1  q) n q j 1   ln 1  q   ln q j 1  n ln 1  q    x j ln q
n n

  j 1
 
IV. Rezolvăm ecuaţia:

Lx1 , x2 ,..., xn ; q 
n
 xj n n  n  n
 0   n  j 1  0  nq   x j  q  x j  0  q n   x j    x j
q 1 q q
j 1 j 1
 
j 1  j 1

n

şi obţinem că estimaţia de maximă verosimilitate a parametrului q este

 xj sau qˆ  x , iar estimatorul de
j 1
qˆ  n 1 x
n   xj
j 1

maximă verosimilitate este qˆ  X

1 X

V. Verificăm faptul că estimaţia găsită asigură maximul funcţiei de verosimilitate.

 Elemente de teoria selecţiei. Selecţii din populaţii normale 247

n n
 xj  xj
 2 Lx1 , x2 ,..., xn ; q  n j 1 n j 1 , deoarece x j  N ,
    0
q 2 q qˆ
1  q 2
q2 1  qˆ  qˆ
2 2

q qˆ

prin urmare qˆ  x este punct de maxim al funcţiei de verosimilitate.

1 x
15
 xj
b) Pe baza valorilor de selecţie date obţinem: x  j 1 2  9  5  10  5  11  3  12 159
   10,6 , prin urmare
15 15 15
estimaţia parametrului q este ˆ x 10,6
q   0,9137
1  x 11,6

6. Fie X o variabilă aleatoare continuă, având densitatea de repartiţie:

 x3 x
 964 e 2  , x  0
f : R  R, f ( x;  )   ,  0

 0, x0
a) Să se estimeze parametrul λ prin ambele metode de estimare punctuală, utilizând o selecţie de volum n.
b) Să se arate că estimatorul obţinut este absolut corect şi eficient.

Rezolvare:

a) Metoda momentelor

I. Considerăm o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn

II. Rezolvăm ecuaţia: m1  m1*  M ( X )  X . (1)

 0  
M  X    xf ( x)dx   x  0dx   x  x 4 e  2  dx  1 4  x 4 e  2  dx ;
3 x x

96 96
  0 0
facem schimbarea de variabilă x  t  x  2t; dx  2dt şi obţinem:
2
 
M  X   1 4  2t 4 e  t 2dt    t 4 e  t dt   5   .4! 8
96 3 3 3
0 0

Ecuaţia (1) devine: 8  X şi prin urmare estimatorul parametrului λ obţinut prin metoda momentelor este ˆ  X ,
8
iar estimaţia este ˆ  x
8

Metoda verosimilităţii maxime

I. Considerăm o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn

II. Construim funcţia de verosimilitate:

xj

Px1 , x2 ,..., xn ;     f x j ;     96j 4 e

n n 
x3 2

j 1 j 1
n

xj

x 3
1
e  2 
x1
x
e  2   ..... 
3
2
x2
x xn x x ...x  j 1
e  2  1 2 n e  2
3
n
3

964 964 964 96 n 4n

248 Matematici aplicate în economie - culegere de probleme

III. Logaritmăm funcţia de verosimilitate: Lx1 , x 2 ,..., x n ;    ln Px1 , x 2 ,..., x n ;   

 
n n

x j x j
 x x ...x 3  j 1 
 
n
j 1 n  xj
 ln  1 2n 4 nn e 2    ln  x x ... x  3
 ln 96 n
 ln  4n
 ln e
 2
 3 ln  x j  n ln 96  4n ln   j 1
2
 96 
1 2 n
 j 1
 

Lx1 , x2 ,..., xn ;  
n
 xj n
IV. Rezolvăm ecuaţia:  0   4n  j 1 2  0  8n   x j  0 şi obţinem
  2 j 1
n

 xj
că estimaţia de maximă verosimilitate a parametrului λ este ˆ  j 1
 ˆ  x , iar estimatorul de maximă
8n 8
verosimilitate este ˆ  X
8
V. Verificăm faptul că estimaţia găsită asigură maximul funcţiei de verosimilitate.

 2 Lx1 , x 2 ,..., x n ;  
n
 xj
 4n
 j 1 ˆ x
 4n  642  n x  5123   2562 n  0 , deci   8
2 2  3
x x x
  ˆ   8x
este punct de maxim al funcţiei de verosimilitate.

b) Verificăm condiţiile din definiţia estimatorului absolut corect:

    n 
 
M X  81 M  1n  X j   81n  M X j   81n  M  X   81n  8 
n n n
1) M ˆ  M X
8
1
8
 j 1  j 1 j 1 j 1

 81n 8n   . Am obţinut că M ˆ   

2)

X 1 1 1 n
D ˆ  D   D X  D  X j  
 1 n
64  n j 1  64n j 1
 
2 
DX j  
1 n
 D X   64n 2  nD X   64n
64n 2 j 1
1 D( X )
 8  64

 
 0  
M X 2   x 2 f ( x)dx   x 2  0dx   x 2  x 4 e  2  dx  1 4  x 5 e  2  dx ;
3 x x

96 96
  0 0
cu schimbarea de variabilă x  t  x  2t; dx  2dt obţinem:
2
 
M X2   1
964  2 t  e 2 dt  23  t e dt  23 6  23
5 t 5 t 2 2 2
.5!  80 2 
0 0

 D( X )  M ( X 2 )  M 2 ( X )  802  642  162


Revenind, găsim că D ˆ  D( X )  16   , deci lim D ˆ  lim  2
2 2
0
64n 64n 4n n n 4n
Din 1) şi 2) rezultă că estimatorul este absolut corect.

Dovedim că estimatorul găsit este eficient. Deoarece am verificat că este absolut corect, rămâne de verificat condiţia:


D ˆ 
1 , unde
n  I  
  2 ln f  X ,    . Avem:
I     M  
 2 

ln f  X ;    ln X 3

964
e 
 2X

 3 ln X  ln 96  4 ln   2X ;
 ln f  X ;  
  4  X 2 ;
 2

 2 ln f  X ;  
 2

 42  X3  I    M 42  X3   42  13 M  X    42  82  42
  
     


2
Rezultă că 1
  D ˆ , prin urmare estimatorul este eficient.
n  I   4n
 Elemente de teoria selecţiei. Selecţii din populaţii normale 249

7. Fie X o variabilă aleatoare având repartiţie Poisson de parametru θ.

a) Să se determine un estimator al parametrului θ al acestei repartiţii prin ambele metode de estimare punctuală,
utilizând o selecţie de volum n.
b) Să se determine o estimaţie a parametrului θ al acestei repartiţii prin ambele metode de estimare punctuală, pe baza
valorilor de selecţie: 1, 2, 3, 3, 2, 2, 1, 4, 2, 3.
c) Să se studieze calităţile estimatorului obţinut.
Rezolvare:

a) Legea de probabilitate a variabilei aleatoare X este f x;   e    , x  N .

x

x!
Metoda momentelor
I. Considerăm o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn
II. Rezolvăm ecuaţia: m1  m1*  M ( X )  X . (1)
Folosind faptul că media unei variabile aleatoare X cu repartiţie Poisson de parametru θ esteM  X    , ecuaţia (1)
devine:   X şi prin urmare estimatorul parametrului θ obţinut prin metoda momentelor este ˆ  X , iar estimaţia este

ˆ  x .
Metoda verosimilităţii maxime

I. Considerăm o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn

II. Construim funcţia de verosimilitate:

n

xj  xj
      
n n x1 x2 xn j 1

Px1 , x 2 ,..., x n ;    f x j ;   e    e    e    .....  e    e n 

x j! x1! x2 ! xn ! n
j 1 j 1
 x j!
j 1
III. Logaritmăm funcţia de verosimilitate: Lx1 , x 2 ,..., x n ;    ln Px1 , x 2 ,..., x n ;   
 n

 xj  n

 xj
 
j 1 n n
   ln  x j !  n   x j ln   ln  x j !
n
 n  n
 ln e  n  ln e  ln  j 1

 
 j 1 j 1 j 1
 x j !
 j 1 

IV. Rezolvăm ecuaţia: Lx1 , x2 ,..., xn ;   0  n  j 1  0  n 

n
 xj n
 x j  0 şi obţinem că:
 
j 1
n

 xj
estimaţia de maximă verosimilitate a parametrului θ este ˆ   ˆ  x , iar
j 1

n
estimatorul de maximă verosimilitate este ˆ  x .
V. Verificăm faptul că estimaţia găsită asigură maximul funcţiei de verosimilitate.
n n

 2 Lx1 , x2 ,..., xn ;   xj  xj ˆ
 j 1
  ˆ 2  0 , deoarece x j  N , prin urmare   x
j 1 este punct de
 2 2 
 ˆ  ˆ
maxim al funcţiei de verosimilitate.

b) Estimaţia parametrului θ prin ambele metode de estimare punctuală este ˆ  x .

10

 xj
Pe baza valorilor de selecţie din enunţ obţinem: ˆ  x  j 1
 21 4 2  33 1 4  2,3 .
10 10
250 Matematici aplicate în economie - culegere de probleme

 n 
    
n n n
c) 1) M ˆ  M X  M  1  X j   1  M X j  1  M  X   1   1  n  
 j 1
n  n
j 1
n
j 1
n
j 1
n
 

prin urmare M ˆ  

Dˆ   DX   D  X

  1 n
  2  DX j   12  D X   12  nD X   n ,
n n
2) 1
n j  n n n
 j 1  j 1 j 1
unde am folosit că dispersia unei variabile aleatoare X cu repartiţie Poisson de parametru θ este D X    .

n

Rezultă că lim D ˆ  lim   0
n  n

Din 1) rezultă că estimatorul este nedeplasat.

Din 1) şi 2) rezultă că estimatorul este absolut corect.

Deoarece am văzut că estimatorul este absolut corect, putem cerceta eficienţa, verificând condiţia:

D ˆ 
1 , unde
n  I  
  2 ln f  X ,  
I     M  
 
  2 
  X 
ln f  X ;   ln  e    ln e   ln  X  ln X !   X ln   ln X !
 X ! 
 
 ln f  X ; 
 1  X ;
 
 2 ln f  X ;   X  1
  2  I     M   2   2 M  X   2   
X 1 1
 2
      

Rezultă că 1 

  D ˆ , prin urmare estimatorul este eficient.
n  I   n

8. Fie X o variabilă aleatoare având repartiţie uniformă de parametri a şi b.

Să se estimeze cei doi parametri ai acestei repartiţii prin metoda momentelor, utilizând o selecţie de volum n.
Rezolvare:
Densitatea de probabilitate a variabilei aleatoare X este: 

1 , x  [ a , b]
şi
f ( x; a, b)   b  a ,a  b

 0 , x  [ a, b]
ab a 2  ab  b 2
M (X )  ; M (X 2) 
2 3

I. Considerăm o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn

II. Rezolvăm sistemul: mr  mr* , r  1,2 , adică:

a  b
 m1*
m1  m1*  M  X   m1*  2
     2
m2  m2*  M X 2   m2*  a  ab  b  m *
2

 3
2

Notăm ab  s şi a  b  p şi sistemul devine: s  2m1

*
s  2m1*

 2
s  p  3m2
*
 p  4(m1* ) 2  3m2*
 Elemente de teoria selecţiei. Selecţii din populaţii normale 251

t 2  2m1*  t  4(m1* ) 2  3m2*  0  t1,2  m1*  M 1  4(m1* ) 2  3m2*  m1*  3m2*  (m1* ) 2   m1*  S 3 unde am
2

notat S  m*  (m* ) 2 . Cum a < b, obţinem că estimatorii parametrilor a şi b ai repartiţiei uniforme sunt:
2 1

aˆ  X  S 3, bˆ  X  S 3 .

9. Fie X o variabilă aleatoare având o repartiţie normală de parametri m şi σ2. Să se estimeze cei doi parametri ai
acestei repartiţii prin metoda verosimilităţii maxime, utilizând o selecţie de volum n.
Rezolvare:
( x  m) 2
1 
Densitatea de repartiţie a variabilei aleatoare X este f ( x; m,  )  e 2 , x  R
2

 2
I. Considerăm o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn
II. Construim funcţia de verosimilitate:
n ( x j m )2
( x j m )2  
Px1 , x2 ,..., xn ; m,    f x j ; m,   
n  n
1 1 2 2
e 2 2
 e j 1

j 1  2  n 2 
n
j 1 2

III. Logaritmăm funcţia de verosimilitate: Lx1 , x 2 ,..., x n ; m,    ln Px1 , x 2 ,..., x n ; m,   

 n ( x m)

2

j
 
  n ln   ln 2   2 
1 2 2 n 1 n
 ln  e j 1
( x j  m) 2
  n 2  2
n
 2 2 j 1
 
IV. Rezolvăm sistemul:

 Lx1 , x2 ,..., xn ; m,   1 n  n
 0   ( x j  m)  0  m  1  xj
  2
n
 m  j 1  j 1
  
 L  x , x ,..., x ; m,   n
 n  1  ( x  m) 2  0  2  1  n
1 2 n
0 ( x j  m) 2

     3 j  n
 j  1  j  1
şi obţinem estimaţiile de maximă verosimilitate ale parametrilor m şi σ2:
mˆ  x

 2 1 n
ˆ  n  ( x j  x)  S
2 2
 j 1
V. Verificăm faptul că estimaţiile găsite asigură maximul funcţiei de verosimilitate, folosind matricea hessiană:

  2 Lx , x ,..., x ; m,    2 Lx1, x2 ,..., xn ; m,    ; obţinem:

 1 2 n
 m2 m 
H m,     
  Lx1, x2 ,..., xn ; m,    2 Lx1, x2 ,..., xn ; m,   
2
  m 
  2

 n 
  n2  23  ( x j  m)  , prin urmare
   j 1 
H m,     
n n
  2  ( x  m) n  2
 ( x  m) 
2
  3 j 1 j  2  3 j 1 j
 
 n 
  n2  3  ( x j  x)  
2
, unde am folosit
 S S
j 1    S2
n 0 
H mˆ , ˆ    
  
n
  2  ( x  x)
n  0  n2 
 ( x j  x)  
n  2 2
S 
 S 3 j 1 j S2 S3
j 1
 
faptul că n n n n 2
. Rezultă că    n2  0;   n 4  0,
 ( x j  x)   x j   x   x j  n x  0 1 S 2 S
j 1 j 1 j 1 j 1

deci estimaţiile găsite realizează maximul funcţiei de verosimilitate.

252 Matematici aplicate în economie - culegere de probleme

10. Se cunosc rezultatele a 16 măsurători ale unui unghi oarecare, pentru care s-au obţinut valorile exprimate în grade:

xi 26,2 26,7 26,8 26,9 27,0 27,2

ni 3 2 4 3 1 3

În ipoteza că rezultatele măsurătorilor urmează o lege N(m,3) se cere un interval de încredere 95% pentru media m.
Rezolvare:
Deoarece σ este cunoscut, intervalul căutat este:  
xz   m  xz  
1 n 1 n
2 2

Avem: x  1 (3  26,2  2  26,7  4  26,8  3  26,9  1  27  3  27,2)  26,78

16
1    0,95    0,05  z   z 0,975 1,96
1
2
Obţinem: 26,78  1,96  3  m  26,78  1,96  3  25,31  m  28,25
16 16

Rezultă că intervalul (25,31; 28,25) acoperă cu probabilitatea 0,95 valoarea parametrului m.

11. S-a constatat că greutatea pieselor fabricate de o maşină automată poate fi asimilată cu o variabilă aleatoare X
repartizată N(m,σ). Efectuând o selecţie constând din 12 piese, obţinem următoarele valori, exprimate în kilograme:
5,2; 5,8; 5,6; 5,2; 5,8; 5,2; 5,6; 5,5; 5,8; 5,2; 5,6; 5,8.
Să se determine un interval de încredere 0,98 pentru media m a variabilei aleatoare X.
Rezolvare:
Interval de încredere pentru media m dacă σ necunoscut este:
s s
x t    m  xt  
1  ; n 1 n 1  ; n 1 n
2 2
Organizăm datele de selecţie astfel:
xi 5,2 5,5 5,6 5,8
ni 4 1 3 4

xi ni xi n i xi  x xi  x2 
ni xi  x 2
5,2 4 20,8 -0,325 0,105625 0,4225
5,5 1 5,5 -0,025 0,000625 0,000625
5,6 3 16,8 0,075 0,005625 0,016875
5,8 4 23,2 0,275 0,075625 0,3025
- 12 66,3 - - 0,765
66,3 1
x  5,525; s 2   0,765  0,0695  s  0,2637 ;
12 11
1    0,98    0,02  t1 2 ; n 1 t 0,99;11 2,718 , deci intervalul de încredere pentru medie este:
0,2637 0,2637
5,525  2,718   m  5,525  2,718   5,318  m  5,731 .
12 12
12. Durata de funcţionare a unui anumit tip de motor poate fi considerată o v.a. X repartizată normal. O selecţie
constând din 24 de astfel de tipuri de motoare conduce la s2 = 0,36. Se cere un interval de încredere 98% pentru dispersia
v.a. X.
Rezolvare:
Intervalul de încredere pentru dispersia σ2 este: n  1 s n  1 s 2
2
 2 
 12  ; n1  2; n1
2 2

n  24, s 2  0,36, 1    0,98    0,02 , deci  2  2  41,18;  2

  2  10,2
0, 99; 23  0, 01; 23
1  ; n 1 ; n 1
2 2
Înlocuind, obţinem: 230,36   2  230,36  0,198   2  0,811
41,8 10,2
 Elemente de teoria selecţiei. Selecţii din populaţii normale 253

PROBLEME PROPUSE

1. Dintr-o populaţie generală s-a efectuat o selecţie de volum 36, care a condus la rezultatele:
xi 21 22 24 25
ni 7 15 9 5
a) Să se determine un estimator absolut corect pentru media m a populaţiei şi estimaţia corespunzătoare.
b) Să se determine un estimator nedeplasat pentru dispersia σ2 şi estimaţia corespunzătoare.
c) Să se determine un estimator deplasat pentru dispersia σ2 şi estimaţia corespunzătoare.
2. O selecţie de volum 14 a dat estimaţia deplasată s2 = 3,14 pentru dispersia σ2. Să se determine o estimaţie
nedeplasată a dispersiei σ2.
3. O selecţie de volum 20 a dat estimaţia nedeplasată s2 = 5 pentru dispersia σ2. Să se determine o estimaţie deplasată
a dispersiei.
4. Fie X o variabilă aleatoare continuă, cu densitatea de repartiţie f ( x,  )   x  1; x  (0,1);   0 .
a) Să se determine un estimator al parametrului θ al acestei repartiţii prin metoda momentelor.
b) Să se determine o estimaţie a parametrului θ al acestei repartiţii, pe baza valorilor de selecţie: 5,6; 4,8; 5,4; 5,1; 5,8;
5,2; 5,9; 5,8; 5,7; 5,7.
5. Fie X o variabilă aleatoare cu legea de repartiţie f ( x, p)  p1  p x 1; x  N * ; p  (0,1)
a) Să se determine un estimator al parametrului p al acestei repartiţii prin metoda verosimilităţii maxime.
b) Să se determine o estimaţie a parametrului p pe baza valorilor de selecţie: 21; 20; 21; 22; 23; 30; 19; 24; 20; 21; 22;
20; 22; 21; 21.
 x 2  3x
6. Fie X o v.a. cu densitatea de repartiţie:  e , x0
f : R  R, f ( x; )   54 3 ,  0
 
 0 , x 0
a) Să se estimeze parametrul θ prin ambele metode de estimare punctuală, utilizând o selecţie de volum n.
b) Să se arate că estimatorul obţinut este absolut corect şi eficient.
7. Fie X o variabilă aleatoare având legea de repartiţie: f x;   e 2  2  , x  N
x

x!
a) Să se determine un estimator al parametrului θ al acestei repartiţii prin ambele metode de estimare punctuală,
utilizând o selecţie de volum n şi să se studieze calităţile estimatorului obţinut.
b) Să se determine o estimaţie a parametrului θ al acestei repartiţii prin ambele metode de estimare punctuală, pe baza
valorilor de selecţie: 8, 7, 9, 8, 5, 7, 4, 9, 7, 8.

8. Să se estimeze cei doi parametri ai repartiţiei f ( x; m,  )    ( x m)2

, xR
2
e

prin metoda verosimilităţii maxime, folosind o selecţie de volum n.
9. Să se estimeze parametrul p al repartiţiei f ( x; p)  Cnx p x (1  p) n x , x  0, n; n  N * ; p  (0,1) folosind
o selecţie de volum n şi să se studieze calităţile estimatorului obţinut.
10. Fie  x2   x

 e , x0
f : R  R, f ( x;  )   23 ,  0
 0, 
 x 0
a) Să se arate că f este densitatea de probabilitate a unei variabile aleatoare X şi să se calculeze media şi dispersia
acestei variabile aleatoare; b) să se estimeze parametrul λ prin ambele metode de estimare punctuală, utilizând o selecţie
de volum n şi să se studieze calităţile estimatorului obţinut.
11. Folosind metoda momentelor , să se estimeze parametrii din repartiţiile:
a) f ( x,  )   e   x ; x  0;   0 ; b) f ( x, )  (1   ) x ; x  (0,1);   0 ;
x

c) f ( x, )   (1   ) x ; x  N ;   (0,1) ; d) x 1e  cunoscut
f ( x,  )  ; x  0;   0;   0
( ) 
12. Să se estimeze prin metoda verosimilităţii maxime parametrul θ al repartiţiilor:
a) f ( x, )   (1   ) x ; x  N ;   (0,1) ; b) f ( x, )  (1   ) x ; x  (0,1);   0 ;
x

x  1e 
1
1  x
c)
f ( x,  )  ; x  0;   0;   0 cunoscut; d) f ( x, )  e 
; x  0;   0
( )  
254 Matematici aplicate în economie - culegere de probleme

13. Să se estimeze parametrul θ pentru fiecare din următoarele repartitţii, folosind ambele metode de estimare
punctuală şi utilizând datele de selecţie corespunzătoare:

f x,   e  , x  0;   0 xk k 1,10  5,7,4,5,6,5,5,4,8,9

x
a) 1  ; ;

f x,   3 e  , x  0;   0 xk k 1,10  3,6,4,2,5,6,4,5,5,4
x
b) x2  ; ;
2
2 1

f x,   x 1 ; x  (0,1);   (1/ 2,1) xk k 1,15  2,4,5,3,5,7,6,4,5,6,5,5,4,3,3
c) ; .
1
x

14. Fie X o v.a. având densitatea de repartiţie:
f x;1 , 2  
1
1
x1 1e  2 ; x  0; 1 , 2  0
 2 (1 )
a) Să se estimeze parametrii 1 şi 2 folosind metoda momentelor, pe baza unei selecţii de volum n.
b) În ipoteza că 1 cunoscut, să se estimeze 2 cu metoda verosimilităţii maxime folosind o selecţie de volum n
15. Să se estimeze parametrul θ al repartiţiei  
, x 

f : R  R, f ( x )   x   1 ,   0,   0
 0, x  

pe baza unei selecţii de volum n şi să se studieze calităţile estimatorului obţinut.
16. Să se estimeze parametrul a al repartiţiei  5a 5
 , xa
f : R  R, f ( x )   x 6 , a0
 0, x  a

pe baza unei selecţii de volum n şi să se studieze calităţile estimatorului obţinut.
17. Fie ax . Să se arate că f este legea de probabilitate a unei v.a. X , să se estimeze
f : N  R, f ( x )  , a0
(a  1) x 1
parametrul a şi să se studieze calităţile estimatorului gặsit.
18. Fie X o v.a. continuă, având densitatea de repartiţie 2  x
2

 xe  , x  0
f : R  R, f ( x; )   ,  0
 0, x  0

Să se estimeze parametrul θ al acestei repartiţii pe baza unei selecţii de volum n.
   1  x

19. Să se estimeze parametrul θ al repartiţiei
 x e  , x0
f ( x )   ;   0,   0
 x0
 0,
pe baza unei selecţii de volum n şi să se studieze calităţile estimatorului obţinut.
20. Folosind ambele metode de estimare punctuală, să se găsească un estimator pentru parametrul p al repartiţiei
binomiale Bi (n, p). Să se studieze calităţile estimatorului obţinut.
21. Fie X o v.a. ce reprezintă grosimea unor plăci metalice. O selecţie de volum 20 a condus la rezultatele:
xi 5,015 5,020 5,025 5,030
ni 5 4 6 5
Dacă X are o repartiţie M (m,2), să se afleun interval de încredere 98% pentru media m.
22. Fie X o variabilă aleatoare având o repartiţie N (m, ). Să se determine un interval de încredere 98% pentru media
m, pe baza selecţiei care a condus la valorile:
i 1 2 3 4 5 6 7 8 9 10
xi 6,4 6,6 6,7 6,8 7,0 7,2 7,3 6,9 6,5 6,3
23. Fie populaţia P, caracterizată de variabila aleatoare X  N (m, ). Să se determine un interval de încredere 98%
pentru dispersia σ2 a populaţiei X, pe baza selecţiei care a condus la următoarele rezultate:
xi 2 3 4 5 6
ni 4 2 6 4 2