Sunteți pe pagina 1din 31

1 Metoda Monte Carlo

Termenul ,,Metoda Monte Carlo este sinonim cu termenul ,,Metoda experimentelor statistice. Aparitia acestei
metode se raporteaz de obicei la anul 1949, n care apare articolul ,,The Monte Carlo method (Metropolis N., Ulam S.).
ntemeietorii metodei sunt considerati americanii J. Neumann si S. Ulam care, n legtur cu lucrrile eIectuate pentru
crearea bombei atomice, au propus s se utilizeze aparatul teoriei probabilittilor pentru rezolvarea unor probleme cu
caracter aplicativ la calculatoarele electronice.
De Iapt, ideea utilizrii Ienomenelor aleatoare n domeniul calculelor de aproximare poate Ii raportat la anul 1873,
cnd a aprut o lucrare a lui Hall despre determinarea numrului x cu ajutorul aruncrilor la ntmplare a unui ac pe o
Ioaie de hrtie pa care s-au trasat drepte paralele.
Metoda Monte Carlo este o metod de re:olvare numeric a problemelor matematice, ba:at pe modelarea
variabilelor aleatoare.
ie o variabil aleatoare. S eIectum n experimente independente astIel, nct Iiecare s se ncheie cu o valoare a
lui (ne putem imagina c n Iiecare experiment, pur si simplu, se msoar valoarea lui ). Acest proces de construire
pentru a n valori x
1
, x
2
, ., x
n
reprezint modelarea variabilei aleatoare , iar valorile x
i
se numesc reali:rile lui .
Dac este vorba de studierea unor Ienomene reale, atunci modelarea variabilelor aleatoare, legate de ele, este numit
,,simulare.
Procedeul principal de elaborare a metodei Monte Carlo pentru rezolvarea unei probleme const n reducerea
acesteia la calculul valorilor medii. Mai exact, pentru a calcula valoarea aproximativ a unei mrimi scalare a (care poate
Ii rdcina unei ecuatii, valoarea unei integrale deIinite etc.) trebuie s gsim o variabil aleatoare , astIel nct s avem
M a. Atunci, modelnd variabila aleatoare , adic construind pentru ea n realizri x
1
, x
2
, ., x
n
, vom considera:

.
1
1

=
<
n
i
i
x
n
a

Mrimea a (deci si ) poate Ii att scalar, ct si vectorial. Metoda Monte Carlo poate Ii aplicat, n primul rnd,
problemelor care admit o descriere probabilist. Dar, asa cum vom vedea, n multe cazuri se poate construi un model
probabilist si pentru probleme strict deterministe.
ie c dorim s estimm aria S

a unei Iiguri plane mrginite .


Pentru aceasta alegem un dreptunghi cu aria S

care s includ pe (ig.1). n


lum la ntmplare n puncte. ie prin n() numrul punctelor care nimeresc n . Este
evident c dac n e mare, atunci

ig.1
)
,

$
$
n
n
<

de unde rezult estimatia
)

$
n
n
$ < . n acest exemplu variabila aleatoare este prezent
implicit si are dou valori posibile: S

, dac punctul nimereste n G, si 0 dac punctul nimereste n \. Se veriIic cu usurint


c M S

, iar

)

n
i
i
$
n
n
x
n
=

1
.

Pe lng notiunea de modelare a variabilei aleatoare mai putem vorbi si despre modelarea unui eveniment aleator
sau a unui experiment si, n general, a unui fenomen. De Iiecare dat prin modelare vom subntelege recrearea,
reproducerea cu ajutorul calculatorului electronic a Iunctionrii modelului probabilist al Ienomenului.
Exemplu de modelare modelarea variabilei aleatoare cu legea uniIorm de repartitie pe |0,1|.
S aruncm de ori o moned simetric si s punem
i
1 sau
i
0 dup cum la aruncarea i, i1, 2, ., , cade stema
sau banul. Este evident c suma

$
2
1
...
2
1
2
1
2 2 1
c c c =
este un numr pe |0,1| si reprezint o variabil aleatoare discret cu 2

valori posibile. Dac este mare ( 40 K ), atunci


repartitia variabilei aleatoare S

coincide practic cu repartitia variabilei aleatoare, uniIorm repartizate pe |0,1|. Mai exact se
poate demonstra c, cu probabilitatea 1,

i
i
i
1
2
lim


are legea uniIorm de repartitie pe |0,1|.
Prin urmare, dac vrem s modelm variabila aleatoare cu repartitie uniIorm pe |0,1|, atunci n realizri x
1
, x
2
, .,
x
n
pentru le putem obtine aruncnd o moned simetric de n ori: Iiecare aruncri ne dau o realizare x
i
.
D
G
2
Valorile x
1
, x
2
, ., x
n
ale variabilei aleatoare uniIorme pe |0,1|, se numesc numere aleatoare.
Dac pentru variabila cu repartitie uniIorm pe |0,1| a Iost obtinut un numr necesar de realizri, acestea pot Ii
nmagazinate n memoria calculatorului (spre a Ii Iolosite ulterior). Tabele de numere aleatoare se gsesc n crtile de
teoria probabilittilor si statistic matematic. AstIel de tabele au Iost alctuite cu mult nainte de aparitia metodei Monte
Carlo n Iorma ei actual. Necesitatea lor apare n legtur cu aplicarea procedeelor de alegere la ntmplare, la
planiIicarea diverselor experimente n biologie, medicin, agricultur etc.
Pentru alctuirea tabelelor de numere aleatoare Kendall Iolosea ruleta, alctuit dintr-un disc divizat n zece sectoare
egale corespunztoare ciIrelor 0, 1, 2, 3, 4, 5, 6, 7, 8, 9. Tot n acest scop a Iost Iolosit un dispozitiv special cu actiune
rapid ruleta electronic, care servea ca generator de numere aleatoare, bazat pe niste principii Iizice (de generare de
impulsuri aleatoare).
Totodat, se ntreprindeau msuri de precautie pentru a asigura impartialitatea experimentelor. n plus se aplica un complex
de teste pentru a veriIica dac numerele care se obtineau erau ntr-adevr aleatoare.
Dac dispunem de un tabel suIicient de cuprinztor de numere aleatoare, atunci problema sursei de realizri
independente ale variabilei aleatoare uniIorm repartizate pe |0,1| poate Ii considerat rezolvat n principiu. Totusi, din
punct de vedere practic, pstrarea unui tabel amplu n memoria calculatorului este destul de incomod, de aceea tabelele
de numere aleatoare practic nu se utilizeaz.
n calculele practice realizrile variabilei aleatoare uniIorm repartizate pe |0,1| se obtin cel mai simplu cu ajutorul
unui algoritm. Numerele obtinute pe aceast cale se numesc pseudoaleatoare (spre deosebire de numerele aleatoare, care
se obtin, de exemplu, cu ajutorul monedei). Evident, se impune conditia ca obtinerea acestor numere s aib loc ntr-un
timp suIicient de scurt de Iunctionare a calculatorului.
n limbajul PASCAL exist un generator de numere pseudoaleatoare Iunctia RANDOM. nainte de a Iolosi n
program Iunctia RANDOM, apelm obligatoriu la Iunctia RANDOMIZE, ce initiaz procesul de generare a variabilei
aleatore.
Utiliznd acest generator, putem scrie un program care ia la intamplare un numr de pe |0,1|:

Program Punct;
Var x :real;
Begin
randomize;
x: random;
Writeln( abscisa punctului`, x:1:3);
End.

La modelarea variabilei aleatoare cu legea de repartitie uniform pe [a, b], vom Iolosi Iormula
) , c = a b a
unde este o variabil aleatoare cu repartitie uniIorm pe |0,1|.
Prin urmare realizrile
1
,
2
, .,
n
ale lui se obtin din realizrile x
1
, x
2
, ., x
n
ale lui conIorm Iormulei:
) ,
i i
x a b a c = i 1, 2, ..., n.
n PASCAL exist, de asemenea Iunctia RANDOM() care ia la intamplare un numr din multimea 0, 1, 2, ., -
1}. Dac trebuie s se aleag un numr din multimea 1, 2, ., }, atunci n program se va scrie RANDOM() 1.
Vom scrie un program care modeleaz o aruncare a zarului:

Program Zar1;
Var x:integer;
Begin
randomize;
x:random(6) 1;
writeln(@ Numarul de puncte este : @, x);
End.

Putem modela un experiment mai complicat, si anume, aruncarea a dou zaruri pn cnd ambele vor cdea cu
aceeasi Iat, cu aIisarea numrului de aruncri:

Program Zar2;
Var z1, z2, k :integer;
Begin
randomize;
repeat
3
z1:random(6)1;
z2:random(6)1;
writeln(z1, @ @, z2);
k:k 1;
until z1z2;
writeln(@ Numarul de aruncari: @, k);
End.

1.1. Modelarea variabilelor aleatoare cu reparti(ii
absolut continui.
Metoda inversrii func(iei de reparti(ie

Considernd c dispunem de un mod de obtinere a unor realizri independente ale variabilei aleatoare cu repartitie
uniIorm pe |0,1|, vom modela alte variabile aleatoare.
ie o variabil aleatoare cu Iunctia de repartitie

(x) continu. Se stie c variabila aleatoare

() are repartitie
uniIorm pe |0,1|.
Cum

(x) este continu, rezult c )

=
1
, unde
1

este inversa Iunctiei

.
Aceast relatie ne oIer o metod de modelare a variabilei aleatoare : se modeleaz variabila cu repartitie
uniIorm pe |0,1|, adic se construiesc pentru ea n realizri x
1
, x
2
, ., x
n
, dup care realizrile lui se obtin astIel:
) . ,..., 2 , 1 ,
1
n i x
i i
= =

(1)
Neajunsul acestei metode deriv din diIiculttile analitice care apar la determinarea Iunctiei ). (
1
x

Pentru unele
repartitii (de exemplu pentru acea normal) aceast Iunctie nu poate Ii scris explicit.
Exemple:
1. ie o variabil aleatoare cu densitatea de repartitie
)
) . J
. J
|

,
|
Z
c
=
. , 0 , 0
. , 0 , 2
2
1
2
a x
a x x a
a
x f

Atunci
) ) ) . J

= c =
x
a x x ax
a
dt t a
a
x
0
2
2 2
. , 0 ,
2
1
2
2
1

Prin urmare,
) ). 8 1 1
2
1
x
a
x =


n consecint realizrile
i
ale lui se obtin din realizrile x
i
ale variabilei cu repartitie uniIorm pe |0,1| conIorm
Iormulei:
) . ,..., 2 , 1 , 8 1 1
2
n i x
a

i i
= =

n acest exemplu inversa Iunctiei (x) a putut Ii scris n mod explicit.
2. ie o variabil aleatoare cu repartitie exponential de parametru .
Deoarece
|
,
|

K
=

. 0 , 0
. 0 , 1
) (
x
x e
x
x


ecuatia

() devine 1 e
-
sau

) 1 ln(
= . Deci, ) .
) 1 ln(
1

x
x

=

Prin urmare, realizrile


i
ale lui se
vor obtine conIorm Iormulei:

. , ... , 2 , 1 ,
) 1 ln(
n i
x

i
i
i
=

(2)
(Aici x
1
, x
2
, ., x
n
sunt, dup cum s-a mentionat deja, realizri ale variabilei cu repartitie uniIorm pe |0,1| ). Deoarece si
1- sunt identic repartizate, n loc de (2) vom Iolosi Iormula:

. , ... , 2 , 1 ,
ln
n i
x

i
i
i
= =

(3)
Si n acest caz inversa Iunctiei x) a putut Ii scris n mod explicit.


1.2. Modelarea variabilei aleatoare normale N(0,1)

4
ie x
1
, x
2
, ., x
k
variabile aleatoare independente cu repartitie uniIorm pe |0,1|. Valoarea medie a sumei
=

i
i
x
1
este
2

, iar dispersia ei este


.
12

Prin urmare, variabila aleatoare



=

'
+

'

1
2
1 12
) (
(4)
are valoarea medie egal cu 0 si dispersia egal cu 1. n baza teoremei limit centrale pentru n repartitia acestei
variabile aleatoare tinde ctre repartitia normal N(0,1). n practic se consider c pentru 12, cnd (4) are o
Iorm deosebit de simpl:

=
=
12
1
6 ) 12 (
i

x
, (5)
se obtine o aproximare destul de bun a legii normale (0,1). Desigur, la rezolvarea unor probleme concrete trebuie s
tinem seama c, dac exist abateri mari, (12) nu poate da rezultate bune.
ormula (4) se Ioloseste mai ales atunci cnd nu suntem interesati de valori mari ale lui

. Pentru mbunttirea
aproximatiei a Iost propus Iormula



20
) ( 3 ) (
) ( ) (
3



=
.
Dac suntem interesati de valori mari ale lui

sau dac avem nevoie de Ioarte multe realizri, atunci ne putem


Iolosi de Iormule exacte care cer mai putine numere aleatoare:
), 2 sin( ln 2
2 1 1
x c c =
). 2 cos( ln 2
2 1 2
x c c =

Aici variabilele aleatoare
1
si
2
vor Ii independente cu repartitia normal N(0,1), dac
1
si
2
sunt independente uniIorm
repartizate pe |0,1|.
Pentru modelarea variabilei aleatoare > N(a, 9) se Ioloseste relatia:


9c

+ a, unde > N(0, 1).

1.3. Modelarea variabilei aleatoare
cu reparti(ia Poisson de parametru 2

Modelarea variabilei aleatoare cu repartitia Poisson de parametru 2 se bazeaz pe Iaptul c

|
,
|
=

=
|
2
e

0
: min
,
dac
0
,
1
,
2
, . sunt variabile aleatoare independente uniIorm repartizate pe 0,1].
De aici rezult Iormula pentru realizrile lui :
, : min
0

|
,
|
=

=
|
2
e x

i

unde x
1
, x
2
, ... sunt numere aleatoare.


1.4. Modelarea variabilei aleatoare
cu reparti(ia binomial
p
n
B
Pentru a obtine o realizare a lui vom construi mai nti n realizri x
1
, x
2
, ..., x
n
pentru variabila uniIorm repartizat
pe |0,1| dup care considerm egal cu numrul cazurilor cnd x
i
p.

Exerci(ii
S se modeleze:
1) un punct luat la ntmplare n dreptunghiul |a, b| L|c, d|;
2) un punct luat la ntmplare n cercul x
2

2
A r
2
;
3) variabila aleatoare egal cu numrul bilelor albe scoase la extragerea a 3 bile din urna continnd 5 bile albe si 2 bile
negre. S se considere ambele scheme de extragere;
4) variabila aleatoare discret cu repartitia P( x) p
i
, i 1, 2, . .
1.5. Aplica(ii
n continuare ne vom opri asupra a trei probleme, ce pot Ii rezolvate prin metoda Monte Carlo.

1. Calculul probabilit(ii unui eveniment aleator
5
Dac evenimentul aleator se produce n experimentul dat cu o probabilitate necunoscut P(), atunci conIorm
metodei Monte Carlo, valoarea aproximativ a acestei probabilitti se calculeaz astIel: se modeleaz experimentul dat de
n ori si se pune
n
n
!
) (
) ( < , n() Iiind numrul de aparitii ale lui n experimentele eIectuate.

2. Calculul valorii medii a unei variabile aleatoare
Dac cunoastem n realizri x
1
, x
2
, ..., x
n
ale variabilei aleatoare , atunci considerm c

=
<
n
i
i
x
n
M
1
1
.
Principala problem de calcul, care se rezolv de obicei prin metoda Monte Carlo, este problema estimrii valorii
medii a unei variabile aleatoare, adic problema calculului unei integrale de tip ebesgue n raport cu o anumit msur
de probabilitate.

3. Calculul integralei definite
ie

dx x g I ) ( , x (x
1
, x
2
, ., x
s
) , G R
s
, g(x) - mrginit.
Distingem dou cazuri.
1) ie domeniul R
s
mrginit. n acest caz nscriem ntr-un paralelipiped drept (cu laturile paralele axelor
de coordonate).

Putem scrie:
dx

x I x g dx

x g dx x g I



H
= = =
) (
1
) ( ) ( ) (
) (
1
) ( ) ( ) (

,
unde
|
,
|
Z

=
x
x
I

, 0
, 1
,
iar () este msura ebesgue a lui (lungimea, aria, volumul).
Deci, I M(), unde () ()g()I
G
(), Iiind o variabil aleatoare (vector aleator) cu repartitie uniIorm n ,
adic este un punct luat la ntmplare n .
Prin urmare,

=
c <
n
i
i i
x I x g
n
I
1
), ( ) ( ) (
1

unde x
1
, x
2
, ., x
n
sunt n realizri ale lui , adic n puncte luate la ntmplare n .

2) ie G un domeniu oarecare, eventual nemrginit. Atunci lum o densitate de repartitie I(x) oarecare, care nu se
anuleaz n (de exemplu, repartitia normal), si scriem:
), ( ) (
) (
) ( ) (
) (
) (
) (
) (

M dx x f
x f
I x g
dx x f
x f
x g
dx x g I
s
R



=
c
= = =

unde
) (
) ( ) (
) (



f
I g

c
= , iar este o variabil cu densitatea de repartitie I(x).
Modelnd aceast variabil obtinem n realizri x
1
, x
2
, ., x
n
, dup care vom considera

=
c
<
n
i i
i i
x f
I x g
n
I
1
) (
) ( ) ( 1
.
#emarc. Se poate demonstra c pentru un nivel de ncredere Iixat . eroarea aproximrii descreste la Iel ca
n
1
,
indiIerent de dimensiunea s, dac

dx x g ) (
2
.
Spre deosebire de Iormulele de cuadratur deterministe metoda Monte Carlo la cresterea lui n Ioloseste si valorile
Iunctiei calculate mai nainte.

Exemplu: S se calculeze integrala

dxd x ) , (
, unde domeniul G(x, ): A x
2
, x A 2, K 0, x K 0 }.

Solutie-algoritm
1. nscriem domeniul ntr-un dreptunghi,
de exemplu, n dreptunghiul BCO (ig.2);
y
G
C
2 0
B A
G
C
2 0
B A
6
2. S 0.
3. Pentru n i , 1 = eIectum:
n ptratul BCO lum la ntmplare
punctul (x
i
,
i
); ig.2
dac (
i
A x
i
2

i
A 2 - x
i
), atunci I

(x
i
,
i
)1;
dac nu are loc (
i
A x
i
2

i
A 2- x
i
), atunci I
G
(x
i
,
i
)0;
S S (x
i
,
i
)cI
G
(x
i
,
i
).
4. I 2cS/n.

1.6. Precizia metodei Monte Carlo

Am mentionat deja c metoda Monte Carlo se bazeaz pe calculul valorilor medii. AstIel apare problema preciziei
Iormulei

=
<
n
i
i
x
n
M
1
1


(x
1
, x
2
, ., x
n
sunt n realizri obtinute n urma modelrii lui ):
pentru ce n cu o probabilitate nu mai mic dect . are loc inegalitatea
1 (

=
M x
n
n
i
i
1
1

(1 ~ 0, .(0, 1))?
AstIel, Iiind dati 1 ~ 0 si .(0, 1), se cere s determinm acea valoare a lui n care satisIace relatia:
. 1 =

'
+

'

=
M x
n
!
n
i
i
1
1
sau

.
1 1
.

1 1

1 =

'
+

'

'
+

'



= =

n
n
nM x

n
!
n
nM x
!
n
i
i
n
i
i

n virtutea teoremei limit centrale pentru variabile aleatoare independente identic repartizate (x
1
, x
2
, ., x
n
sunt atare
variabile), ultima egalitate devine
.

1 =

'
+

'

n
4
0
2
.
AstIel trebuie s rezolvm ecuatia
2
0
.

1 =

'
+

'

n
4
, adic

.
2
1
0

'
+

'

=

.

1 4

n
(6)
Mrimea

'
+

'

2
1
0
.
4
, pe care o notam prin x
.
, o gsim n tabelul valorilor Iunctiei .
2
1
) (
0
2
0
2


=
x u
du e x 4
x
De
exemplu, pentru .0.95 gsim x
.
1.96, adic
. 96 . 1
2
95 . 0
1
0
=
'
+

'

4

Rezolvnd ecuatia (6) obtinem
2
2
1

.
x
n
c
= . (7)
AstIel, dac 1
2
2

c
K
1

.
x
n , precizia 1 este asigurat.
Exemplu. ntr-o urn sunt
1
bile albe,
2
bile negre,

bile rosii. Din ea se alege la ntmplare cte o bil pn cnd


vor Ii extrase dou bile albe consecutiv (n cazul schemei Ir ntoarcere s-ar putea ntmpla s Iie scoase toate bilele Ir
a Ii scoase dou bile albe consecutiv). ie numrul de bile extrase. S se calculeze M si P(), unde au Iost extrase
dou bile negre consecutiv}. S se analizeze ambele scheme: cu si fr ntoarcere.
Prima problem const n ,recunoasterea culorilor bilelor. Pentru aceasta vom considera c bilele sunt numerotate n
Ielul urmtor: numerele de la 1 pn la
1
sunt atribuite culorii albe, numerele de la
1
1 pn la
1

2
sunt atribuite culorii
negre, iar toate celelalte culorii rosii. Alegnd cu ajutorul Iunctiei random un numr x din multimea 1, 2, ...,
1

2

},
vom rationa astIel: dac x A
1
, aceasta nseamn c s-a ales o bil alb, dac
1
x A
1

2,
aceasta nseamn c s-a ales o bil
neagr, iar dac x K
1

2
1 c s-a ales o bil rosie.
7
Avnd aceasta n vedere vom modela experimentul respectiv, adic vom extrage cte o bil pn cnd vor Ii scoase
dou bile consecutiv sau pn cnd vor Ii scoase toate bilele din urn (tinnd cont de schema extragerilor). n consecint,
lui i vom atribui ca valoare numrul bilelor scoase.
Repetm experimentul de n ori.
Numrul n n prealabil trebuie gsit n Iunctie de exactitatea 1 (vezi Iormula 7). Pentru aceasta vom estima D cu
ajutorul Iormulei

= =

'
+

'

=
0 0
1
2
1 0
2
0
1 1
n
i
n
i
i i
x
n
x
n

, x
1
, x
2
, ...,
0
n
x Iiind n
0
realizri ale lui , n
0
K 20.

Textul unui program-model n limbajul Pascal

Cazul schemei cu ntoarcere
program bile;
uses CRT;
var k1,k2,k3,i,j,ind:longint;
x1,x2,csi,ia,n0,ing:longint;
s1,s2,disp,p,Ma,eps,xb: extended;
s,n,na:longint;
BEGIN
clrscr;
randomize;
writeln('SCHEMA DE EXTRAGERE CU INTOARCERE');
writeln('introdu exactitatea epsilon:');
read(eps);
writeln('introdu xb tabelar:'); read(xb);
writeln('Introdu numarul de experimente n0 pentru
calcularea dispersiei:');
read(n0);
writeln;
writeln('Introdu numarul de bile albe k1:');
read(k1);
writeln('Introdu numarul de bile negre k2:');
read(k2);
writeln('Introdu numarul de bile rosii k3:');
read(k3);

s1:0; s2:0;
Ior i:1 to n0 do
begin
x1: random(k1k2k3)1;
iI x1k1 then write(' a')
else iI x1k1k2 then write(' n')
else write(' r');
ia:0; csi:1; ia indica daca s-au ales
consecutiv doua bile albe}
repeat
x2:random(k1k2k3)1;
iI x2k1 then write(' a')
else iI x2k1k2 then write(' n')
else write(' r');
iI (x1k1) and (x2k1) then ia:1;
csi:csi1;
x1:x2;
until ia1; se veriIica daca s-au ales
consecutiv doua bile albe}

writeln;
writeln(' csi',csi);
s1:s1csi/n0;
s2:s2csi*csi/n0;
8
end;

disp:s2-s1*s1; se calculeaza dispersia}
writeln('Dispersia D',disp:1:4);
n:trunc(xb*xb*disp/(eps*eps)); se calculeaza
numarul de experimente}
writeln('n',n);
readkey;

s:0; na:0; in indica daca s-au ales doua bile
negre consecutive}
Ior i:1 to n do
begin
x1: random(k1k2k3)1;
ia:0; csi:1; ing:0;
repeat
x2:random(k1k2k3)1;
iI (x1k1) and (x2k1) then ia:1;
iI (k1x1)and (x1k1k2)and(k2x2)and(x2k1k2)
then ing:1;
csi:csi1;
x1:x2;
until ia1;
iI ing1 then na:na1; numarul de cazuri
Iavorabile evenimentului A}
s:scsi;
end;
writeln;
Ma:s/n;
writeln('Valoarea medie Ma',Ma:1:3);
P:na/n;
writeln('Probabilitatea P',P:1:3);
readkey;
END.

#ezultatul.
SCHEMA DE EXTRAGERE CU INTOARCERE
Introdu exactitatea eps: 0.01
Introdu cuantila xb tabelara: 1.96
Introdu numarul de experimente n0 pentru
calcularea dispersiei: 20
Introdu numarul de bile albe k1: 2
Introdu numarul de bile negre k2: 3
Introdu numarul de bile rosii k3: 2

n r n a n a n r n n a a csi12
n n a n n r n n r n r r r n r n r n n n r a n n a n r n a n n r n a n a r n n n r n n n n r a a
csi48
r n r a n r a a csi8
n a a csi3
n n a a csi4
a a csi2
n n a r r n a n n r a a csi12
r n n n n a a csi7
n n r r r a n n a a csi10
n a n r a n r a r n n r r n r a r a r a n r n a n n r n n r n a r a n n n n n r n r n n r n r n a r r r r n r a n n r a r a n a n n r n n r n a n a r a r n n n n n n r n a r a a csi89
n a a csi3
n r r n n r n r n a a csi11
n n n r a r r n n n r a a csi13
n n n n n n n a a csi9
r a rn r n a n n n r n a n n a n n r n n r r a r n n n n a n n n n r a r n a n n a r a a
csi45
r n n a n n r r r r n n n a r a n a a
csi19
a r n n n n n r r n a acsi12 r r n r a n n n a a
csi10
n n n n r a r n n r r r r n a n a n a n a n n n a n a a csi28
a r a a csi4

Dispersia D 423.7475
9
n 16278683

Valoarea medie Ma15.755
Probabilitatea P0.718

Cazul Schemei fr ntoarcere
program bile;
uses CRT;
var k1, k2, k3, k01,k02,k03,i, j:integer;
x1, x2,csi,ia,n0,ing,calba,cneagra:integer;
disp,p,Ma,eps,xb:real; s1,s2,s,n,na:longint;
BEGIN
clrscr;
randomize;
writeln('SCHEMA ARA INTOARCERE');
writeln('Introdu exactitatea epsilon:'); read(eps);
writeln('Introdu xb tabelar:'); read(xb);
writeln('Introdu numarul de experimente pentru calcularea dispersiei n0:');
read(n0);
writeln;
randomize;
writeln('Introdu numarul de bile albe k1:');
read(k01);
writeln('Introdu numarul de bile negre k2:');
read(k02);
writeln('Introdu numarul de bile rosii k3:');
read(k03);

s1:0; s2:0;
Ior i:1 to n0 do
begin
k1:k01; k2:k02; k3:k03;
x1: random(k1k2k3)1;
calba:0; calba - indica daca culoarea bilei
este alba}
iI (x1k1) then begin write(' a');
k1:k1-1;
calba:1;
end
else iI x1k1k2 then begin write(' n');
k2:k2-1;
end
else begin write(' r');
k3:k3-1;
end;
ia:0; csi:1;
repeat
x2:random(k1k2k3)1;
iI (x2k1)and (k1 ~0) then begin
write(' a');
iI calba1 then ia:1;
k1:k1-1;
calba:1;
end

else
iI (x2k1k2)and(k2~0) then
begin
write(' n');
k2:k2-1;
calba:0;
end
else iI (k3~0) then begin
write(' r');
k3:k3-1;
calba:0;
end;

csi:csi1;
x1:x2;
until (ia1)or(k1k2k30);
writeln;
writeln(' csi',csi);
s1:s1csi;
s2:s2csi*csi;
end;
disp:s2/n0-sqr(s1/n0);
writeln('Dispersia D',disp:1:4);
n:trunc(xb*xb*disp/(eps*eps));
writeln('n',n); readkey;
s:0; na:0;
Ior i:1 to n do
begin
10
k1:k01; k2:k02; k3:k03; calba:0; cneagra:0; cneagra indica daca culoarea bilei este neagra}
x1: random(k1k2k3)1;
iI x1k1 then begin k1:k1-1; calba:1; end
else iI x1k1k2 then begin k2:k2-1; cneagra:1;end
else k3:k3-1;
ia:0; csi:1; ing:0;
repeat
x2:random(k1k2k3)1;
iI (x2k1) and (k1~0) then
begin
iI calba1 then ia:1;
k1:k1-1;
calba:1;
cneagra:0;
end
else
iI (k2~0)and (x2k1k2) then
begin
iI cneagra1 then ing:1;
k2:k2-1;
cneagra:1;
calba:0;
end
else
iI k3~0 then
begin
k3:k3-1;
calba:0;
cneagra:0;
end;

csi:csi1;
x1:x2;
until (ia1)or(k1k2k30);
iI ing1 then na:na1;
s:scsi;
end;
Ma:s/n;
writeln('Valoarea medie Ma',Ma:1:3);
P:na/n;
writeln('Probabilitatea P',P:1:3);
readkey;
END.
#ezultatul

SCHEMA DE EXTRAGERE ARA INTOARCERE
Introdu exactitatea eps: 0.01
Introdu cuantila xb tabelara: 1.96
Introdu numarul de experimente n0 pentru
calcularea dispersiei: 20
Introdu numarul de bile albe k1: 2
Introdu numarul de bile negre k2: 3
Introdu numarul de bile rosii k3: 2
n a n r r a n csi7
a a csi2
r n a n n a r csi7
r n n n a a csi6
a n n r n a r csi7
r r n n a a csi6
r a n n n a r csi7
a r n r a n n csi7
a n r n a n r csi7
r a n a r n n csi7
r a r n n a n csi7
n a a csi3
a n r n n a r csi7
n a n a r n r csi7
a a csi2
n r a n r a n csi7
r n a r n a n csi7
n a r r n n a csi7
n r a n a r n csi7
r r a n n n a csi7

Dispersia D2.7600
n1060

Valoarea medie Ma6.231
Probabilitatea P0.570
11
1.7. LUC#A#EA DE LABO#ATO# N#.1
Calculul valorii medii, a integralei definite
yi a probabilit(ii unui eveniment aleator

Aceast lucrare are ca tematic modelarea variabilelor aleatoare si aplicarea metodei Monte Carlo la calculul valorii medii, probabilittii i a integralei
definite.
Sarcinile individuale ale lucrrii contin o variabil aleatoare si un eveniment aleator pentru care urmeaz a Ii calculate valoare medie, respectiv probabilitatea
(integrala va Ii propus de proIesorii responsabili de laborator). Pentru calculul valorii medii se vor modela n valori ale variabilei aleatoare, iar pentru calculul
probabilittii se va modela de n ori evenimentul aleator dat (si experimentul respectiv).
iecare lucrare de laborator care presupune ndeplinirea unei variante concrete se va ncheia cu prezentarea drii de seam, ce va include:
1. ormularea problemei (varianta concret).
2. Expunerea succint a metodei (testului, algoritmului) aplicate.
3. Textul programului ce realizeaz metoda aplicat elaborat ntr-un limbaj algoritmic.
4. Rezultatele testrii programului.
5. Rezolvarea teoretic a problemei (cel putin pentru unele cazuri particulare).

Probleme propuse

1. O urn contine n1 bile albe, n2 bile negre si n bile rosii. ConIorm schemei cu ntoarcere se extrage cte o bil pn cnd apare o bil alb sau una neagr. -
numrul de bile rosii extrase. ultima bil extras este alb}.
2. O persoan scrie n scrisori la n persoane. Pune Iiecare scrisoare n plic, nchide plicurile si apoi scrie la ntmplare adresele pe plicuri. - numrul scrisorilor care
ajung la destinatarul su. cel putin o scrisoare ajunge la destinatarul su}. (M1, P() < 1- e
-1
).
3. 1, 2,., n sunt variabile aleatoare independente cu repartitia Bernoulli: P(i 1) p, P(i 0)6, 6 1 - p. DeIinim variabilele
aleatoare k, 1,2,., n - 1, astIel: 0 dac 1 si 1 dac 1. n 12.n 1. n n-2}.
4. 1 si 2 sunt variabile aleatoare independente cu repartitia normal N(0,1).
, . 4 . 0 .
2
2
2
1
2
2
2
1
= =

5. Se consider ecuatia g(x) x
2
2ax b 0. ie a si b variabile aleatoare independente cu repartitie uniIorm pe |0,1|. este valoarea minimal a Iunctiei g(x).
rdcinile ecuatiei sunt reale}.
6. n conditiile problemei nr.5 a si b urmeaz legea de repartitie exponential de parametru . - este valoarea minimal a Iunctiei g(x). K 0}.
7. n conditiile problemei nr.5 este valoarea maximal a Iunctiei g(x) pe segmentul |-1, 5|. g(x) atinge valoarea maximal n punctul x5} (M20.5,
P()1).
. n conditiile problemei nr.5 a si b au repartitie uniIorm pe |-1, 2|. este valoarea minimal a Iunctiei g(x), g(x) A 0}.
. n conditiile problemei nr.5 a si b urmeaz legea de repartitie N(0,1). este valoarea minimal a Iunctiei g(x), g(x) K0}.
10. Variabila aleatoare are repartitia exponential de parametru . ||.

|
,
|

n
1

, n 1, 2, . , 10.

'
+

'

e
e
M
1
.
11. ntr-un ptrat se iau la ntmplare punctele si B. Acest experiment se repet pn cnd cercul, al crui diametru este segmentul B, se va contine n ntregime
n ptrat. - numrul experimentelor. 1}.
12. Pe un cerc de raza 1 se iau la ntmplare punctele , B si C. - aria triunghiului BC. toate unghiurile triunghiului sunt ascutite}. ( P()1/4).
13. n prima urn sunt 1 bile albe si 2 negre, iar n a doua urn sunt m1 bile albe si m2 bile negre. Din prima urn se extrage o bil la ntmplare care se pune n a
doua urn. De aici se iau la ntmplare dou bile. - numrul bilelor albe extrase din a doua urn. 2}.
14. ntr-o urn sunt 1 bile albe, 2 bile negre si bile rosii. Una cte una se scot toate bilele. - numrul de ordine al extragerii n care prima dat este scoas o bil
alb. o bil de culoare alb este scoas nainte de a Ii scoas o bil de culoare neagr}.
15. n conditiile problemei nr.14 este numrul bilelor albe scoase n primele 1 extrageri. n primele 1 extrageri si n ultimele 1 extrageri este scos acelasi
numr de bile albe}.
16. n conditiile problemei nr.14 este numrul de bile rosii scoase ntre prima si a doua bil alb. 0}.
17. Din multimea 1, 2,., } se extrage cu ntoarcere de s ori cte un numr. este numrul maximal extras. numrul maximal este extras o singur dat}.
1. n conditiile problemei nr.17 este numrul minimal extras. _ 2}.
1. n conditiile problemei nr.17 este numrul de numere care nu au Iost extrase nici o dat. 1 si nu sunt extrase}.
20. n ptratul OBC cu vrIurile n punctele O (0,0), (0,1), B(1,1), C(1,0) se ia la ntmplare cte un punct pn cnd n triunghiul OB nimeresc s puncte.
- numrul punctelor luate n ptrat. numrul de puncte ce nimeresc n triunghiul OB diIer cu cel mult 2 de numrul punctelor ce nimeresc n triunghiul OBC}.
21. n conditiile problemei nr.20 este numrul punctelor care nimeresc n ABC. numrul punctelor care nimeresc n ABC diIer de numrul celora care
nimeresc n AOC cu cel mult 2}.
22. n conditiile problemei nr.20 este numrul acelor puncte luate n ptrat, abscisele crora sunt mai mici dect 1/2. n AOBC nimereste un numr par de
puncte}.
23. ntr-o urn sunt 1 bile albe si 2 bile negre. Se extrage cte o bil Ir ntoarcere pn sunt scoase toate bilele albe. este numrul extragerilor. este scoas o bil alb nainte
de a Ii scoas o bil neagr}.
24. n conditiile problemei nr.23 este numrul de bile negre extrase. prima bil extras este alb}.
25. ntr-o urn sunt 1 bile albe si 2 bile negre. Se extrage cte o bil cu ntoarcere pn cnd n s extrageri succesive sunt scoase numai bile de culoare neagr.
este numrul extragerilor. sunt scoase succesiv cel putin trei bile negre} (pentru 13, 27 M - 16.5}.
26. ntr-un cerc de raz 2 se ia cte un punct pn cnd se obtin dou puncte situate de la centru la o distant ce nu ntrece 1. este numrul punctelor luate.
distanta de la centrul cercului a celui de-al doilea punct nu ntrece 1}.
27. n conditiile problemei nr.26 este numrul punctelor luate dup primul ,,succes. 8_ _ 10}.
2. Se arunc dou zaruri pn cnd apar doi de 6 de 3 ori. - numrul aruncrilor. _ 4}.
2. n conditiile problemei nr.28 este numrul de aparitii ale perechilor (1, 1), (2, 2), ..., (6, 6). dintre toate perechile (i, i) cea mai Irecvent este (6, 6)}.
30. Se arunc dou zaruri pn cnd de 2 ori se obtine suma de 5 puncte czute va Ii egal cu 5. - numrul aruncrilor. cel putin o dat cad doi de 6}.
31. Se arunc dou zaruri pn cnd de 2 ori suma punctelor va Ii 5. - numrul aparitiilor sumei 9. 2}.
32. Din multimea 1, 2, ., } se extrage cte un numr cu ntoarcere pn cnd numrul 1 este scos de 2 ori. este numrul extragerilor eIectuate. numrul
este scos de cel putin dou ori}.
33. n conditiile problemei nr. 32 este numrul acelor numere care nu sunt scoase nici o dat. toate numerele sunt scoase cel putin cte o dat}.
34. Se arunc trei zaruri pn cnd cel putin dou dintre ele cad cu 6 puncte. - numrul aruncrilor eIectuate. |23,31|}.
35. n conditiile problemei nr. 34 este numrul de 6 ce cad la penultima aruncare. la ultima aruncare cad trei de 6}.
36. Din multimea 1,2,.,N} se extrage cu ntoarcere cte un numr pn cnd sunt scoase s numere divizibile cu 5. este numrul extragerilor eIectuate. numrul extragerilor
este divizibil cu 5}.
37. n conditiile problemei nr. 36 este numrul maximal extras. este par}.
3. Se iau la ntmplare dou numere de pe segmentul |0,1|: a (primul) si b (al doilea). max(x1, x2), unde x1, x2 sunt rdcinile ecuatiei x
2
ax 2b 0. ~
1}.
3. n conditiile problemei nr. 38 min(x1, x2), ~ 0}.
40. Se arunc zarul pn cnd Iata cu 6 puncte cade de s ori. i - numrul de aparitii ale Ietei cu i puncte, i 1, 2, 3, 4, 5, 6. 1 2}.
12
41. Pe segmentul |0, 3| se ia la ntmplare cte un punct pn cnd acesta va nimeri pe segmentul |2, 3|. - numrul de puncte luate. pe |0,1| sunt luate mai multe puncte dect
pe |1, 2|}.
42. n conditiile problemei nr. 41 este numrul de puncte luate pe |0,1|. pe |1, 2| nu este luat nici un punct}.
43. Pe segmentul |0,3| se iau la ntmplare s puncte. este numrul maximal de puncte care nimeresc pe unul dintre segmentele |0,1|, |1,2|, |2,3|. numr
maximal de puncte nimeresc pe |0,1|}.
44. Pe segmentul |0, 3| se ia la ntmplare cte un numr pn cnd pe segmentul |1, 2| nimeresc s puncte. este numrul de puncte luate. pe |0,1| nimeresc mai
putine puncte dect pe |2,3|}.
45. n conditiile problemei nr. 44 este numrul de puncte ce nimeresc pe segmentul |0,1|. pe |0,1| nimeresc mai multe puncte dect pe |2, 3|}.
46. Se modeleaz cte o valoare xi a variabilei cu repartitia N(a, 9), pn cnd se obtine o valoare ce nu apartine intervalului (a - 39, a 39). este numrul
valorilor modelate. ultima valoare modelat este mai mare dect a 39}.
47. n conditiile problemei nr.46 este numrul valorilor modelate care nimeresc n intervalul (0, a 36). pe (a - 39, a) si (a, a 39) nimereste aproximativ
acelasi numr de valori (diIerenta A 2)}.
4. Se modeleaz cte o valoare a variabilei aleatoare cu repartitie exponential de parametru pn cnd n intervalul |2, 3| nimeresc s valori. este numrul valorilor modelate.
M 2M }.
4. n conditiile problemei nr.48 este valoarea maximal modelat. ~ 3}.
50. O particul se aIl initial n punctul O al axei numerice. Peste o secund ea trece n punctul 1 sau n -1 cu probabilitatea p, respectiv q, p q 1. Peste nc o secund din
punctul n care se aIl particula trece din nou cu o unitate la dreapta sau la stnga cu probabilitatea p, respectiv q s.a.m.d. t coordonata particulei peste t secunde. t ~0}.
51. n conditiile problemei nr. 50 este numrul de reveniri ale particulei n punctul O dup t sec. cea mai mare parte de timp particula se aIl pe partea pozitiv
a axei}.
52. n conditiile problemei nr. 50 este coordonata maximal a particulei n intervalul de timp |0,t|, K |t /2|}.
53. Din multimea 0, 1, 2, ., 9} se ia de 6 ori cte un numr cu ntoarcere si aceasta se repet pn cnd suma primelor trei ciIre va Ii egal cu suma ultimelor trei
ciIre. - numrul experimentelor. 1}. (P() 0.005252).
54. n conditiile problemei nr. 53 este suma ultimilor trei ciIre extrase. s}, s 10, 11, 12.
55. Se arunc zarul pn cnd suma punctelor prima dat ntrece 1000. - numrul aruncrilor.

|
,
|
= = s n n x ma
i
i,
, s 1, 2, 3, ., unde ni este numrul
Ietelor care cad cu i puncte, i 1, 2, ., 6.
56. Din multimea 0,1,2,.,} se extrage cte un numr cu ntoarcere pn cnd sunt extrase r numere diIerite. - numrul extragerilor. 1 a Iost extras cel mai
des}. (N10, r 5, M < 16,5; P(A)0,5).
57. n conditiile problemei nr.56 este lungimea maximal a unei iteratii de numere extrase deja cel putin o dat. ultimul este scos numrul 1}.
5. n ptratul |0,1| L|0,1| se iau la ntmplare 3 puncte , B, C si acest experiment se repet pn cnd aria triunghiului BC ntrece prima dat valoarea 0,45. -
numrul experimentelor. 1}.
5. n conditiile problemei nr.58 este perimetrul ultimului triunghi BC. ~ 2}.
60. n ptratul |0,1| L|0,1| se ia la ntmplare un punct (x, ) si acest experiment este repetat pn cnd va Ii satisIcut conditia x 0,25. -
numrul experimentelor. 1}.
61. Sunt date dou urne cu bile albe, negre si rosii. Prima urn contine 21 bile albe, 2 bile negre si bile rosii, iar a doua contine respectiv, 2r 21, m2 si m bile.
Din prima urn se extrage la ntmplare o bil care se introduce n a doua urn dup care din aceasta se extrage la ntmplare o bil care se introduce n prima urn s. a.
m. d. pn cnd se egaleaz numrul de bile albe n urne. - numrul de extrageri din prima urn. K 2r}.
62. n conditiile problemei nr.61 este numrul de bile rosii extrase din urna a doua. este par}.
63. Se arunc o moned pn cnd stema cade succesiv de trei ori. - numrul aruncrilor monedei. banul cade cel putin o dat de trei ori succesiv}. (M
<14,P() < 0.52).
64. n conditiile problemei nr.63 este numrul iteratiilor de steme. A 5}.
65. Se consider un sir de experimente Bernoulli. 7k numrul de ordine al experimentului n care apare al -lea succes. 7k 2}. (M7k /p).
66. n triunghiul cu vrIurile n punctele (0, 0), (2, 1), (2, 0) se ia la ntmplare un punct. este abscisa, iar - ordonata punctului. 2}. (M 4/3, M
5/12).
67. Variabilele aleatoare 1, 2, 3 sunt independente si au repartitia N(0, 1).
2
3
3 2 1
1

c
=
. 0}.
6. Variabila aleatoare are repartitie exponential de parametru 1. }. } (P()1- e
-1
).
6. Din multimea 0, 1, 2, ., } se extrage cte un numr cu ntoarcere pn cnd suma numerelor extrase prima dat ntrece valoarea
2
) 1 (
. - numrul
extragerilor. cel putin unul dintre numerele 1 si N nu este extras nici o dat}.
70. n conditiile problemei nr.69 este numrul acelor numere care nu sunt extrase nici o dat. 1 este scos exact o dat}.
71. Se eIectueaz un sir de experimente Bernoulli, succesul avnd probabilitatea p n Iiecare experiment. este numrul experimentelor pn la aparitia primei
secvente 00. 3}.
. 1 ,
1
2

'
+

'

= p 6
6
6
M

72. n conditiile problemei nr.71 este numrul experimentelor pn la aparitia primei secvente 111. 5}. .
1
3
2

'
+

'

=
p
p p
M
73. n conditiile problemei nr.71 este numrul experimentelor pn la aparitia primei secvente 01. 4}.

'
+

'

=
p6
M
1
.
74. Pe segmentul |0,1| se ia la ntmplare un sir de numere 1, 2, . . 4 acea valoare a lui pentru care suma 1 2 . prima dat ntrece 1. A1 2
. x}. .
!
) ( ,

'
+

'

= =
n
x
! e M
n
4
75. Variabilele aleatoare 1, 2, . , n sunt independente avnd repartitia normal N(0, 1).
n


=
...
2 1
.
.
... ...
2 1
2
2 1
1

|
,
|


=
n n


.
1

'
+

'

=
n
M

76. n conditiile problemei nr.75 variabilele aleatoare au densitatea de repartitie I(x) cx
2
dac x|0, 2| si I(x) 0, dac xZ|0,2|.
77. Variabilele 1, 2, . , n sunt independente, uniIorm repartizate pe |0,1|. .
1
1
=

=
n
i
i i
2.71 12 . 2.72}. (Mn/3).
13
7. ntr-o urn sunt M bile numerotate cu , 1, 2, ., N. Se scot Ir ntoarcere n bile. - numrul de numere care nu sunt scoase nici o dat. M
2M}. (

=
=
n
i
n n

M M M M
1
| | | |
/ ) ( , M M1.Mn).
7. Din multimea 0, 1, 2, ., } se extrage de k ori cte un numr Ir ntoarcere. - suma numerelor extrase. primele trei numere extrase x1, x2, x3 Iormeaz o
secvent cresctoare: x1 x2 x}.

'
+

'

=

M
2
1

.
0. Se eIectueaz un sir de experimente Bernoulli, succesul avnd probabilitatea p n Iiecare experiment. Considerm c n experimentul i (i K 2) apare secventa 00,
dac rezultatele experimentelor i-1 si i sunt 0. 00 numrul secventelor 00 n n experimente. avem s secvente 00 succesive}, s 1, 2, 3, . . (M00 (n-1)6
2
, 61-
p).
1. n conditiile problemei nr.80 considerm c n experimentul i (i K 3) apare secventa 111, dac rezultatele experimentelor i-2, i-1 si i sunt 1. 111 numrul
secventelor 111 n n experimente. avem s secvente 111 succesive} s 1, 2, 3, . . (M111 (n-2)p
3
).
2. Se eIectueaz experimente Bernoulli, succesul si insuccesul avnd n Iiecare experiment probabilitatea p, respectiv 6, p 6 1. numrul iteratiilor de
succese si de insuccese. ultima iteratie este de succese}. (p0.3, M<8.98).
3. n conditiile problemei nr.82 este lungimea maximal a unei iteratii. iteratia de lungimea maximal este alctuit din succese}. (k 20, p 0.5, M<4.67; k
50, p 0.5, M<6).
4. n conditiile problemei nr.82 este numrul iteratiilor de lungimea 1. prima si ultima iteratie au aceeasi lungime}.
5. n conditiile problemei nr.82 este numrul iteratiilor de lungimea 2. 1}.
6. Din multimea 0,1,2,.,} se extrage cte un numr cu ntoarcere pn cnd sunt extrase toate numerele pare. numrul de numere impare care nu sunt
extrase nici o dat. 1 este scos cel putin de dou ori}.
7. n conditiile problemei nr.86 este numrul maximal de extrageri ale unui numr. k}, k 5, 6, 7, 8, 9, 10.
. Se arunc zarul pn cnd cad toate Ietele cel putin cte o dat. - numrul aruncrilor. A 12}.
. Se arunc zarul pn cnd cad toate Ietele pare cel putin cte o dat. - numrul aruncrilor. cel mai des cade Iata cu 6 puncte}.
0. n conditiile problemei nr.89 este numrul de Iete impare care nu apar nici o dat. 1}.
1. Se arunc zarul pn apar primele trei Iete. - numrul aruncrilor . A 5 }, B apar toate Ietele zarului}.
2. Din multimea 1, 2, ., N} se extrag unul cte unul toate numerele si acest experiment se repet pn cnd ele sunt scoase n ordinea 1, 2, ., N. numrul
experimentelor eIectuate. ~ M}. (N 4; M 22.9; p < 0.36).
3. n planul OY se consider dreptunghiul OBC cu vrIurile n punctele O (0, 0), (0, 1), B (2, 1), C(2, 0). Pe laturile O si BC se ia la ntmplare cte
un punct Q, respectiv R. - lungimea segmentului QR. ~ 2.2}.
4. Pe segmentul |0,1| se iau la ntmplare dou puncte. Aceste puncte divizeaz segmentul |0,1| n alte trei segmente. Experimentul este repetat de ori.
numrul cazurilor cnd din cele trei segmente se poate Iorma un triunghi. 1}. .
4
1
) (
'
+

'

= !
5. Pe segmentul |0,1| se ia la ntmplare un punct. lungimea celui mai mare dintre cele dou segmente care se obtin. |0.55,0.65|}. .
4
3
) (
'
+

'

= !
6. n conditiile problemei nr.95 lungimea celui mai mic dintre cele dou segmente care se obtin. |0.2,0.3|}. (P() 1/4.)
7. Dintr-o urn care contine 1 bile albe, 2 bile negre si bile rosii se scoate cte o bil cu ntoarcere pn cnd se obtin s iteratii de bile albe. - numrul bilelor
extrase. bile negre sunt scoase mai multe dect rosii}.
. n conditiile problemei nr.97 este numrul iteratiilor de bile negre extrase. bile albe sunt scoase mai multe dect negre}.
. n conditiile problemei nr.97 este numrul total al iteratiilor de bile albe, negre si rosii. prima iteratie corespunde culorii albe}.
100. Dintr-o urn care contine 1 bile albe, 2 bile negre si bile rosii se scoate cte o bil cu ntoarcere pn cnd se obtine o iteratie alctuit din s bile albe. -
numrul iteratiilor de bile albe. prima iteratie corespunde culorii albe}.
101. Dintr-o urn care contine 1 bile albe, 2 bile negre si bile rosii se scoate cte o bil cu ntoarcere pn cnd se obtine cel putin o iteratie de bile pentru Iiecare
culoare. - numrul bilelor extrase. prima iteratie corespunde culorii rosii}.
102. n conditiile problemei nr.101 este numrul bilelor n cea mai lung iteratie. cea mai lung este iteratia ce corespunde culorii albe}.
103. Se modeleaz un sir de valori ale variabilei aleatoare cu repartitie Poisson de parametru 2 pn cnd se obtine o valoare xi din segmentul |22, 32|. - numrul
valorilor modelate. se obtine cel putin o valoare mai mare dect 32}.
104. n conditiile problemei nr.103. este numrul valorilor modelate mai mici dect 2. numrul valorilor modelate, mai mici dect 2, diIer de numrul valorilor
mai mari dect 2 cu cel mult 2}.
105. Se modeleaz un sir de valori xi ale variabilei aleatoare cu repartitie Poisson de parametru 2 pn cnd se obtin s valori mai mari dect 2. - numrul valorilor
modelate. cel putin una dintre valorile x1, x2 este mai mare dect 2}.
106. Se eIectueaz n experimente Bernoulli, succesul avnd probabilitatea p n Iiecare experiment. n numrul iteratiilor de succese. n 0}, Bn 1}. (Mn np6
p
2
, P() 6
n
, P(B) n6
n
(6 - p) - p(6
n
- p
n
) dac p 6; P(B)
2
1 n
C 2
-n
, dac p 6 1/2).
107. Pe segmentul |0, 5| apar la ntmplare unul dup altul punctele t1, t2, . , tn. Se cere s ntrerupem acest proces pe ct este posibil la punctul de abscis maximal
maxt1, t2, . , tn }.
Considerm urmtoarea strategie: Iixm un numr m (n Iunctie de N) si urmrim acest proces pn apar primele m puncte de ,,prob, oprindu-ne apoi la
primul punct abscisa cruia este mai mare dect abscisele primelor m puncte (sau la ultimul punct). m - abscisa primului punct la care ne oprim.
,
1
5

|
,
|
K
m
m


(m 1, 2, ., N-1). (Mm este maximal pentru m < N/e).
10. Variabilele aleatoare 1, 2 si 3 sunt independente, avnd aceeasi lege de repartitie cu valoare medie Iinit (normal, uniIorm, exponential etc.). ie (1) A (2) A (3) seria
variational a lor. 1 ((3) - (1)), ,
2 1 2
= (2) - (1) (3) - (2)}. (M((1) - (2)) 3/2c M
2 1
).
10. n spatiul R
3
se consider triunghiul isoscel OB, Iormat din vectorul unitar O, situat pe axa O si vectorul unitar OB care Iormeaz cu O un unghi cu
repartitie uniIorm pe segmentul |0, 2x|. - lungimea laturii B. C triunghiul OB se contine n primul octant}. (M 8/6).
110. Pe cercul de raza 1 se iau la ntmplare punctele 1, 2, ., n. - lungimea celui mai mic arc al cercului ce contine aceste puncte. x}, x A 1/2. ( P()
nx
n-1
).
111. Din multimea 0, 1, 2, ., } se extrage cte un numr cu ntoarcere pn cnd numrul 1 este scos de ori. valoarea minimal a lui pentru care toate
numerele 2, 3, ., sunt scoase cel putin cte o dat. 2 si 3 sunt scoase de acelasi numr de ori}.
112. Variabila aleatoare este determinantul matricei
i
a - n n L , unde ai sunt variabile aleatoare independente, uniIorm repartizate pe |-1, 1|. prima linie a
matricei contine numai elemente pozitive}. (M 0).
113. n conditiile problemei nr.112 ai urmeaz legea de repartitie normal N(0,1). prima coloan contine numai elemente negative}. (M 0).
114. Din multimea 1,2, .,} conIorm schemei Ir ntoarcere se extrag numerele x1, x2, ., x1, A - 1. Primele k numere extrase se scriu n ordine cresctoare:
x1) x2) . x). x), l xl) x1) xl1)}, l 1, 2, .., -1.
'
+

'

=
1
1
) (

!
l
.
14
115. n planul de coordonate OY se consider triunghiul isoscel Iormat din vectorul unitar O, situat pe axa O, si vectorul unitar OB, ce Iormeaz cu O un unghi
aleator, care are repartitie uniIorm pe segmentul |0, x|. - aria triunghiului OB, C triunghiul OB se situeaz n primul cadran}. (M 1/x).
116. 1, 2, ., n sunt variabile aleatoare independente, avnd repartitie uniIorm pe segmentul |0,1|. n (n) - (1). (2) - (1)
1
1
n
}.

'
+

'

=
1
1
n
n
M
n

.
117. n conditiile problemei nr.116 (3) - (2), .
1
1

|
,
|

=
n

11. n interiorul sIerei de raz 1 cu centrul n originea de coordonate se iau dou puncte la ntmplare. - distanta dintre punctele luate. ambele puncte nimeresc
n primul octant}. (M 36/35).
11. 1, 2, ., n sunt variabile aleatoare independente, avnd repartitie exponential de parametru . Ai (i) - (i-1),

|
,
|

A =
i
i

i
1
.

'
+

'


=
) 1 (
1
i
M

.
120. Pe cercul cu centrul n originea de coordonate 0 se iau la ntmplare n puncte 1, 2, ., n. - numrul minimal n pentru care poligonul convex cu vrIurile 1,
2, ., n contine punctul 0. n 3}. (M 5).
121. Pe cercul cu centrul de raz r se iau la ntmplare punctele 1, 2, ., n. Notm cu 1), 2), ., n) punctele 1, 2, ., n scrise n ordinea n care le ntlnim pe
cerc la parcurgerea lui n sensul miscrii acelor ceasornicului. - lungimea arcului 1)2). arcul 2)) e mai mare dect arcul 1)2)}. (M 2xr/n).
122. n conditiile problemei nr.121 notm prin i lungimea arcului A(i)A(i 1). max1, 2, ., n }. 1 sau 2}.

'

=

=
n

n
r
M
1
;
1 2x
dac n e mare . ln
2

'
+
= n
n
r
M
x


123. Pe cercul de raz 1se iau la ntmplare punctele , B si C. - aria triunghiului BC. triunghiul BC nu contine centrul cercului}(M 3/2x 0.4774.).
124. n conditiile problemei nr.123 1 este perimetrul triunghiului BC, 2 raza cercului nscris n triunghiul BC. \ BC x/2 }(M1 12/x < 3.8197, M2
12/x
2
-1 < 0.2158).
125. n Iigura plan convex , avnd aria 1, se iau la ntmplare punctele 1, 2, , . - aria triunghiului 12. nvelisul convex al punctelor 1, 2, , este un
triunghi}. S se considere cazul cnd este un triunghi cu vrIurile n punctele (0, 0), (2, 0), (0, 1).
126. n conditiile problemei nr.125 este un dreptunghi cu vrIurile n punctele (0, 0), (2, 0), (0, 0.5), (2, 0.5).
127. n conditiile problemei nr.125 este ptratul cu vrIurile n punctele (0, 0), (1, 0), (0,1), (1, 1).
12. n conditiile problemei nr.125 este cercul de raz R
x
1
cu centrul n originea de coordonate.
Problemele nr. 129-131 au ca tematic permutrile multimii 1, 2, ., n}. Amintim c o permutare a multimii 1, 2, ., n} este o aplicatie bijectiv
a multimii pe ea nssi. Dac I este o permutare a multimii X, atunci vom reprezenta-o astIel:
.
) ( ... ) 2 ( ) 1 (
... 2 1

'
+

'

=
n f f f
n
f

Notm, de asemenea: I
2
(k) I(I(k)), I
3
(k) I(I(I(k))), ... . ie un numr din . n sirul , I(), I
2
(), . primul element care se repet este . ie r cel mai mic
exponent pentru care f
r
= ) ( . Permutarea

'
+

'

) ( ... ) ( ) (
) ( ... ) (
2
1
f f f
f f
f
r
r

se numeste ciclu si se noteaz |k, I(k), I
2
(k),., I
r-1
(k) |.
Se poate demonstra c orice permutare poate Ii scris n mod unic ca un produs de cicluri ( Ir elemente comune). Aceste cicluri se determin astIel:
se consider secventa 1, I(1), I
2
(1), . si se Iormeaz ciclul care l contine pe 1, dac I(1) 1, ciclul este Iormat din 1 si se noteaz |1|);
din multimea 1, 2, ., n} se elimin elementele ce se contin n ciclul Iormat deja;
se noteaz cu i1 cel mai mic element al multimii obtinute si se Iormeaz secventa i1, I (i1), I
2
(i1), . .
AstIel se obtine ciclul care l contine pe i1. Dup aceasta n mod analog se construieste urmtorul ciclu s. a. m. d.
Multimea Iiind Iinit, acest proces se ncheie dup un numr Iinit de pasi.
Exemplu.

'
+

'

=
3 6 7 8 4 1 2 9 5
9 8 7 6 5 4 3 2 1
f
|1, 5, 4| |2, 9, 3| |6, 8| |7|.
12. n este numrul ciclurilor unei permutri a multimii 1, 2, ., n}, luate la ntmplare. exist cel putin un ciclu de lungimea 1}. (Mn
=
n


1
1
ln n c
o(1), c 0.5772).
130. l este numrul ciclurilor de lungimea l ale unei permutri a multimii 1, 2, ., n}, luate la ntmplare. exist cel putin un ciclu de lungimea 1}. (Pentru
n are repartitie Poisson de parametru 21/l, P() 1-1/l).
131. Se ia la ntmplare o permutare a multimii 1, 2, ., n}. - lungimea ciclului care l contine pe 1. 1}
'
+

'

=
2
1 n
M .
132. n este numrul ciclurilor de lungimea 3 al unei permutri a multimii 1, 2, ., n} luate la ntmplare. 1, 2 si 3 Iormeaz un ciclu de lungimea 3}. (Pentru
n n are repartitie Poisson de parametru 1/3, P(A) 2/(n(n-1)(n-2)).
133. n este numrul ciclurilor de lungimea 1 ale unei permutri a multimii 1, 2, ., n} luate la ntmplare. elementul 1 Iormeaz ciclu de lungimea 1}. (M
<1, P(A) <
n
1
).
134. n urne se plaseaz cte o bil la ntmplare pn cnd n Iiecare urn nimereste cel putin cte o bil. Se presupune c Iiecare bil poate nimeri n oricare dintre
urne cu probabilitatea

1
. i numrul urnelor n care nimeresc exact cte i bile. 1 3 }. (N 20, M < 3.6, P() < 0.4793).
135. n conditiile problemei nr.134 este numrul maximal de bile care nimeresc ntr-una din urne. A /10 }. Pentru ce are loc P( K 5) 1?
136. n conditiile problemei nr.134 este numrul bilelor plasate. A A } 1, 2, 3, 4, 5.
137. n urne se plaseaz cte o bil la ntmplare pn cnd ntr-una din urne nimeresc bile. numrul bilelor plasate. n toate urnele nimereste cel putin cte
o bil}.
13. n conditiile problemei nr.137 este numrul urnelor n care nimeresc -1 bile. 1}.
13. n urne se plaseaz cte o bil la ntmplare pn cnd n Iiecare urn nimereste cel putin o bil. numrul bilelor plasate. n prima urn nimeresc
bile}.
140. n urne se plaseaz cte o bil la ntmplare pn cnd n s urne nimeresc cel putin cte 2 bile. numrul urnelor n care nu nimereste nici o bil. A},
0, 1, 2, ., -s.
141. n urne se plaseaz cte o bil la ntmplare pn cnd n primele s urne nimereste cel putin cte o bil. numrul urnelor n care nu nimereste nici o bil.
A}, 0, 1, 2, ., -s.
142. n urne se plaseaz la ntmplare n bile. ie r(n, ) numrul urnelor n care nimeresc exact cte r bile, r K 0. 0(n, 2n) 1(n, 2n)}.

n problemele nr.141-143 P este matricea probabilittilor de trecere la un pas a unui lant Markov omogen, iar P0 este repartitia initial.
15
143.

'
+

'

=
0 0 0 1
0 5 . 0 25 . 0 25 . 0
5 . 0 0 5 . 0 0
3 . 0 2 . 0 0 5 . 0
! , P0 (0.5, 0, 0.5, 0)
- numrul pasilor dup care sistemul trece prima dat n starea 4. 2}.

144.

'
+

'

=
5 . 0 0 0 5 . 0
2 . 0 0 0 8 . 0
1 . 0 0 0 9 . 0
0 5 . 0 5 . 0 0
! , P0 (0.5, 0.5, 0, 0)
- numrul pasilor dup care sistemul trece prima dat n starea 4. A K }, 2, 3, ., 10.

145.

'
+

'

=
1 0 0 0
0 9 . 0 1 . 0 0
1 . 0 8 . 0 0 1 . 0
0 0 1 . 0 9 . 0
! , P0 (1, 0, 0, 0).

Urmrim evolutia sistemului din momentul 0 pn cnd nimereste n starea 4.
i - numrul de treceri prin starea i, i 1, 2, 3.
3
max =
i
i
}.
16
2 Verificarea ipotezelor de concordan(

VeriIicarea ipotezelor este legat ntr-o Iorm sau alta de compararea diIeritor ipoteze cu date obtinute prin observatii. Este limpede c dac datele (Iaptele)
observate nu sunt compatibile cu ipoteza Iormulat aceasta trebuie s Iie respins. Dac ns datele sunt compatibile cu aceast ipotez, atunci ea poate Ii acceptat.
Defini(ie. Vom numi potez statst. orice presupunere privind repartitia necunoscut (Iunctia de repartitie, densitatea de repartitie etc.) a unei variabile
aleatoare sau valorile necunoscute ale parametrilor unei repartitii.
Dac a Iost Iormulat o ipotez (care de obicei se numeste ipote: principal sau nul si se noteaz prin H0), atunci problema const n elaborarea unui algoritm
(procedeu), care, n baza rezultatelor unor observatii(care se mai numesc date statistice) ne-ar permite s acceptm sau s respingem ipoteza dat. Un astIel de algoritm
se numeste test statst..
Presupunem c obiectul observatiilor noastre este o variabil aleatoare cu Iunctia de repartitie (x). Multimea valorilor posibile ale lui n statistic se numeste populatie
statistic cu functia de repartitie (x).
Dac eIectum n experimente independente, n Iiecare ,,msurndu-se valoarea variabilei aleatoare , atunci ca rezultat obtinem n valori x1, x2, ., xn, care
constituie o selectie de volum n din populatia statistic cu Iunctia de repartitie (x).

2.1 Testul de concordan( /
2
(Pearson)
ie c este o variabil aleatoare, Iunctia de repartitie (x) a creia nu o cunoastem. Presupunem c n baza unor rationamente (teoretice, intuitive etc.) am ajuns
la concluzia c aceasta ar putea Ii o anumit Iunctie (x) (de exemplu, normal, Poisson etc.). Atunci se Iormuleaz ipoteza:
H0: (x) (x),
care se numeste ipote: de concordant.
17
Testul de concordant cu ajutorul cruia se poate veriIica ipoteza H0 const n urmtoarele:
1. n baza selectiei se estimea: parametrii necunoscuti ai legii de repartitie ipotetice a lui (dac exist astIel de parametri).
De exemplu, ca estimatie pentru valoarea medie M se ia media de selectie ,
1
1

=
=
n
i
i
x
n
x pentru dispersia D se ia dispersa de selectie
. ) (
1
1
2 2

=
=
n
i
i
x x
n
$

2. Multimea de valori posibile a lui se mparte n r clase disuncte dou cate dou A1, A2, ., Ar (clasele pot Ii intervale, dac este absolut continu si pot
consta din valori aparte, dac este discret). A1 sau Ar, sau chiar ambele clase pot Ii nemrginite.
Se calculeaz ni - numrul de elemente ale selectiei care apartin clasei Ai, i 1, 2, ., r.
Este evident c n1 n2 . nr n.
3. Cu ajutorul Iunctiei de repartitie ipotetice (x) se calculeaz probabilitatea pi ca valoarea lui s apartin clasei Ai : pi P(Ai), i 1, 2, ., r.
Este evident c p1 p2 . pr 1.
Dac, de exemplu, Ai |ui-1, ui|, atunci pi (ui) (ui-1).
De asemenea, se calculeaz frecventele teoretice (ipotetice) npi , i 1, 2, ., r.
4. Se calculeaz Iunctia
/

=
r
i i
i i
n
np
np n
1
2
2
) (
, (x1 , x2, ., xn),
care se numeste statistica testului /
2
.

#emarca 1. Se observ c aceast Iunctie:
a) se anuleaz dac si numai dac exi st o concordant perIect dintre ipoteza emis si observatii, n sensul c n acest caz Irecventele observate
ni ale evenimentelor Ai coincid cu Irecventele teoretice npi;
b) are o valoare mai mare dac exist o neconcordant puternic dintre ipoteza emis si selectie.
O valoare mic corespunde intuitiv la ntrirea convingerii n valabilitatea ipotezei H0, iar o valoare mare conduce la respingerea lui H0.
Ipoteza H0 este veriIicat cu ajutorul valorii observate a statisticii ). (
2

n
/
ie T multimea valorilor posibile ale statisticii
). (
2

n
/
Pentru un numr ~ 0, suIicient de mic, ales dinainte, vom determina o submultime T1 T astIel,
nct probabilitatea evenimentului aleator ) (
2

n
/ T1} n cazul cnd ipoteza H0 este adevrat (simbolic P( ) (
2

n
/ T1/H0) ) s satisIac conditia:
P( ) (
2

n
/ T1 / H0) A .
Multimea T 1 se numeste regiune critic a ipotezei H0, iar - nivel sau prag) de semnificatie al testului si poate Ii considerat probabilitate de respingere greit
a ipotezei H0.
Remarca ne sugereaz Iorma regiunii critice T:
T1 |t , ),
t urmnd a Ii ,,calculat.
Odat stabilit regiunea critic T1, esenta algoritmului de veriIicare a ipotezei H0 poate Ii Iormulat astIel:
Dac pentru selectia (x1 , x2, ., xn) avem ) (
2

n
/ T1, atunci aceasta nseamn c s-a produs un eveniment Ioarte putin probabil si ipoteza trebuie
respins ca necorespunztoare datelor statistice. n caz contrar (adic ) (
2
x
n
/ T T1) nu avem motive s respingem ipoteza Iormulat si, prin urmare, o acceptm,
constatnd c observatiile nu sunt n contradictie cu ipoteza.
5. Construirea regiunii critice a testului.

Teorema ce urmeaz justiIic teoretic alegerea regiunii critice.
Teorem (Pearson). Dac ipoteza H0 e adevrat, atunci variabila aleatoare
) (
2

n
/
tinde n repartitie, cnd n , ctre o variabil aleatoare cu
repartitie /
2
cu r-s-1 grade de libertate cu Iunctia de repartitie:

'
+

'

I
=



x
u s r
s r t
du e u
s r
x
0
2 2
1
2
1 ) (
2
1
2
1
) (
, x K 0.
(Aici s este numrul de parametri necunoscuti ai Iunctiei (x), estimati n baza datelor statistice x1 , x2, ., xn).
Pentru construirea regiunii critice, aceast teorem se Ioloseste astIel: se alege un nivel de semniIicatie si considernd c / ) (
2

n
urmeaz (aproximativ)
legea de repartitie /
2
cu r - s - 1 grade de libertate, n tabela de valori a Iunctiei de repartitie a acestei legi gsim /
*
pentru care statistica / ) (
2

n
satisIace conditia:
P(/ ) (
2

n
/
*
) 1 .
Evident, /
*
nu este altceva dect ,,1 - cuantila variabilei aleatoare /
2
cu r - s - 1 grade de libertate si se noteaz / .
2
1 , 1 s r

Atunci, n baza teoremei, pentru n suIicient de mare cu o probabilitate egal aproximativ cu , are loc egalitatea:
,
) (
) (
1
2
1 , 1
2
2

=

K

=
r
i
s r
i
i i
n
np
np n

/ /
n consecint regiunea critic se alege astIel:
T1 |
2
1 , 1 s r
/ , ).
AstIel testul /
2
de veriIicare a ipotezei de concordant H0 este construit si se aplic n Ielul urmtor: dac , ) (
2
1 , 1
2

K
s r n

/ / atunci ipoteza H0 este


respins ca neIiind n concordant cu datele statistice x1 , x2, ., xn; dac
2
1 , 1
2
) (

s r n

/ / , atunci ipoteza H0 este acceptat ca Iiind n concordant cu


datele statistice x1 , x2, ., xn.
De retinut c dac valoarea ) (
2

n
/ a statisticii nu nimereste n regiunea critic, aceasta nu este o demonstratie a veridicittii ipotezei H0; aceasta nseamn
doar c datele statistice si presupunerile teoretice concord destul de bine (,,la nivelul ).
18
#emarca 2. Pentru veriIicarea aceleiasi ipoteze pot Ii construite mai multe teste de concordant, iar pentru a alege ntr-o situatie concret un test sau altul
trebuie s avem un criteriu conIorm cruia testele ar putea Ii comparate.
Numrul r al claselor Ai trebuie ales nu prea mare. Se recomand s se aleag astIel, nct npi K 5, ni K 5 (n K 50). Pentru respectarea acestor conditii eventual unele
clase pot Ii unite.
Pentru 1, 2,., 10 dm cteva cuantile ale repartitiei /
2
.


k \ 1- 0.90 0.95 0.990
1 2.71 3.81 6.63
2 4.61 5.99 9.21
3 6.25 7.81 11.3
4 7.78 9.49 13.3
5 9.24 11.1 15.1
6 10.6 12.6 16.8
7 12.0 14.1 18.5
8 13.4 15.5 20.1
9 14.7 16.9 21.7
10 16.0 18.3 23.2

Exemplul 1. Cu scopul de a determina rezistenta la rupere n kg a unor Iire de bumbac s-au ales 300 de gheme cu at din bumbac. Rezultatele xi ale experimentului, grupate
pe intervale, sunt date n tabelul 1.

Tabelul 1
i intervalul Ai ni i intervalul Ai ni
1 0.50 0.64 1 8 1.48 1.62 53
2 0.64 0.78 2 9 1.62 1.76 25
3 0.78 0.92 9 10 1.76 1.90 19
4 0.92 1.06 25 11 1.90 2.04 16
5 1.06 1.20 37 12 2.04 2.18 3
6 1.20 1.34 53 13 2.18 2.38 1
7 1.34 1.48 56 --- ----------------- ------
S se veriIice ipoteza H0 c variabila aleatoare ce reprezint rezistenta la rupere a Iirelor din bumbac are repartitie normal (considerm nivelul de semniIicatie
0.05).
Solu(ie. Valoarea medie a si dispersia 9
2
nu sunt cunoscute. Prin urmare, va trebui s estimm acesti doi parametri. Pentru aceasta vom Iolosi estimatiile:

=
= =
n
i
i
x
n
x a
1
1
`
,

=
= =
n
i
i
x x
n
$
1
2 2 2
) (
1
` 9
.
Deoarece intervalele din tabelul 1 nu sunt prea largi, putem presupune, cnd calculm x si
2
$ , c observatiile sunt plasate n mijlocul intervalului; notm
mijlocul Iiecrui interval prin
*
i
x . AstIel, din tabelul 1 obtinem urmtorul tabel:

Tabelul 2
i
*
i
x ni i
*
i
x ni
1 0.57 1 8 1.55 53
2 0.71 2 9 1.69 25
3 0.85 9 10 1.83 19
4 0.99 25 11 1.97 16
5 1.13 37 12 2.11 3
6 1.27 53 13 2.28 1
7 1.41 56 ----- ----- -----

Din acest tabel obtinem: a` 1.41, 9` 0.26. Deoarece primele dou si ultimele dou intervale sunt prea mici ni 5), unim primele dou intervale cu al treilea,
iar ultimele dou cu al 11-lea interval. AstIel, numrul intervalelor se reduce de la 13 la 9. n plus, extindem primul interval pn la - , iar ultimul pn la (tinnd
cont de Iaptul c o variabil aleatoare cu repartitie normal are ca multime de valori posibile intervalul (-, ) ).
Dup aceasta trebuie s calculm probabilittile pi. Vom observa c dac Ai |ui - 1 ,ui), i 1, 2, ., r (u0 -, ur ), atunci

= = = = A = A =




dt e dx e u u u u ! ! p
i
i
i
i
i
a u
a u
t
u
u
a x
i i i i i i
9
9
9
x 9 x

`
`
2
2
1
) ` (
` 2
1
1 1
1 1
2
2
2
1
` 2
1
) ( ) ( ) ( ) (

= = = = A = A =




dt e dx e u u u u ! ! p
i
i
i
i
i
a u
a u
t
u
u
a x
i i i i i i
9
9
9
x 9 x

`
`
2
2
1
) ` (
` 2
1
1 1
1 1
2
2
2
1
` 2
1
) ( ) ( ) ( ) (
'
+

'

1
'
+

'

1 =

9 9 `
`
`
`
1
a u a u
i i
.

De exemplu, p1 P( Ai) P( - 0.92)

'
+

'

1
'
+

'

1
26 . 0
41 . 1
26 . 0
41 . 1 92 . 0
u(- 1.88) - u(-) 1- u(1.88) 1 0.9699 0.0301;
p2 P( |0.92, 1.06) )

'
+

'

1
'
+

'

1
26 . 0
41 . 1 92 . 0
26 . 0
41 . 1 06 . 1
1 4(1.346) (1 4(1.885)) 0.9699 0.9115 0.0584.

n mod analog calculm p3, p4, .., p9 si trecem aceste probabilitti n tabelul 3.

Tabelul 3
0
1-
2
, 1
/


x
) (
) (
2
x f
/

19
i intervalul Ai ni pi nipi
1 - 0.92 12 0.0301 9.3
2 0.92 1.06 25 0. 0584 17.52
3 1.06 1.20 37 0.1205 36.15
4 1.20 1.34 53 0.1846 55.38
5 1.34 1.48 56 0.2128 63.4
6 1.48 1.62 53 0.1846 55.38
7 1.62 1.76 25 0.1205 36.15
8 1.76 1.90 19 0.0584 17.52
9 1.90 20 0.0292 8.76
Total --------------- 300 -------- 300.0

Tinnd cont de aceste date obtinem:

=
9
1
2
2
300
300
) 300 (
) (
i i
i i
p
p n
/
22.07.
Deoarece au Iost estimati doi parametri (s 2), numrul gradelor de libertate este 6: r - s - 1 9 - 2 - 1 6. Din tabelele de repartitie /
2
pentru 6 si
0.05 gsim cuantila /
2
6 , 95 . 0
12.6. Cum 6 . 12
2
300
/ , ipoteza H0 este respins.
#emarca 3 n tabelul 2 am eIectuat niste uniri de intervale. De retinut c alt variant mai simpl ar Ii unirea ntr-o singur clas a tuturor intervalelor i, la care
ni si npi sunt mai mici dect 5. n cazul tabelului 2 am putea uni ntr-o clas aparte patru intervale: primele dou si ultimele dou.
#emarca 4. Pentru a calcula probabilitatea
, 0 ,
2
1
) (
2
2
1

K = 1
x
t
x dt e x
x

putem aplica Iormula aproximativ
, ) ( 1 ) (
5
1 i
i
i
=
= 1 a x x

unde
px

=
1
1
,
2
2
1
2
1
) (
x
e x

=
x

p 0.2316419, a1 0.3193815, a2 - 0.3565638, a3 1.781478, a4 - 1.821256, a5 1.330274. Eroarea maximal este 7c10
-7
.
#emarca 5. Pentru a calcula valoarea lui x care satisIace ecuatia

=
x
t
dt e p
2
2
1
2
1
x
, (0 p A 5),
putem aplica Iormula aproximativ

=
=
=
3
0
i
i
i
2
0 i
i
b
a
x
, (1)
unde
2
1
ln
p
=
(2)
a0 2.515517, a1 0.802853, a2 0.010328,
b1 1.432788, b2 0.189269, b3 0.001308.
Dac p ~ 0.5, atunci n (2) p este nlocuit cu 1 - p; lui x i se schimb semnul.
Exemplul 2. O moned simetric este aruncat n sus pn cnd cade stema. ie numrul aruncrilor monedei. S-au eIectuat n 490 experimente. Rezultatele
(valorile respective ale lui ) sunt date n tabelul 4. S se veriIice ipoteza H0 c variabila aleatoare are repartitie geometric: P( i) p(1 p)
i-1
, i 1, 2, .. (p 1/2 ).
Se va lua nivelul de semniIicatie 0.05.

i 1 2 3 4 5 6 K 7
ni 243 119 67 28 12 10 11 n 490

Solu(ie: Calculm probabilittile pi conIorm Iormulei P( i) p(1 p)
i-1
(1/2)
i
si completm tabelul 4.

Tabelul 4
i ni pi npi
1 243 0.5 245
2 119 0.25 112
3 67 0.125 61l.5
4 28 0.625 30.625
5 12 0.03125 15.3125
6 10 0.015625 7.65625
K 7 11 0.015625 7.65625

Nu reproducem detaliile calculrii statisticii:
/
78 . 3
490
) 490 (
7
1
2
2
490
=

= i i
i i
p
p n
.
Deoarece s 0, i 1, r 7, numrul gradelor de libertate 7 0 1 6. Din tabelele repartitiei /
2
pentru 6 si 0.05 gsim /
2
6 , 95 . 0
12.6. Deoarece /
2
6 , 95 . 0

12.6, ipoteza este acceptat.

20
Exemplul 3. Un contor Geiger a nregistrat emisiile de particule pe parcursul a 2608 de intervale (cu durata de 7.5 secunde Iiecare). Rezultatele cu privire la
numrul de intervale ni n care au Iost nregistrate i particule sunt trecute n tabelul 5:
Tabelul 5

i ni i ni
0 57 6 273
1 203 7 139
2 383 8 45
3 525 9 27
4 532 10 16
5 408 n 2608

S se veriIice ipoteza H0 c numrul de particule emise ntr-un interval de timp de 7.5 sec. urmeaz repartitia Poisson. Considerm nivelul de semniIicatie
0.05.
Solu(ie. Repartitia Poisson este determinat de un singur parametru 2. Deoarece 2 nu este cunoscut l estimm n baza datelor din tabel:
870 . 3
1
`
10
0
< =

= i
i
in
n
2
. Calculm probabilittile teoretice pi de a Ii emise exact i particule ntr-un interval de 7.5 secunde:
!
) 870 . 3 (
870 . 3
i
e
p
i
i

= (pentru aceasta putem Iolosi tabelele repartitiei Poisson).



Rezultatele si calculele de mai departe le trecem n tabelul 6:
Tabelul 6
i pi npi ni npi ni npi)
2
i
i i
np
np n
2
) (

0 0.021 54.8 2.2 4.84 0.088
1 0.081 211.2 - 8.2 67.24 0.318
2 0.156 406.8 - 23.8 566.44 1.392
3 0.201 524.2 0.8 0.64 0.001
4 0.195 508.6 23.4 547.56 1.007
5 0.151 393.2 14.2 201.64 0.512
6 0.097 253.0 20.0 400.00 1.581
7 0.054 140.8 - 1.8 3.24 0.023
8 0.026 67.8 - 22.8 519.84 7.667
9 0.011 28.7 - 1.7 2.89 0.101
10 0.007 18.3 - 2.3 5.29 0.289
---- 1.000 -------- ---------- ------------ /n
2
13.049


Deoarece a Iost estimat un parametru determinat (s 1), numrul gradelor de libertate este 9: r s 1 9. n tabelul repartitiei /
2
pentru k 9 si 0.05 gsim
/ 9 . 16
9 , 95 . 0
2
1
= =

. ntruct /n
2
16.9, ipoteza este acceptat.
Exemplul 4. n ptratul |0,1||0,1| se ia la ntmplare un punct (x, ). ie aria triunghiului . S se veriIice ipoteza c are urmtoarea Iunctie de
repartitie: (x) 0 dac x A 0; (x) 2x dac 0 x A 0.5 si (x) 1 dac x ~ 0.5.
7747










La nceput analizm domeniul de valori al variabilei aleatoare . Observm c valoarea minim este 0 (cnd nimereste pe latura ), iar valoarea maxim este S 0.5
(cnd nimereste pe latura BC). AstIel, n program mprtim intervalul (min, max) (0, 0.5) n intervale egale alegnd numrul intervalelor , de exemplu, conIorm Iormulei lui
Sturges: 1 .22lg n si lungimea intervalelor h.

Textul unui program-model n limbajul Pascal

program ipoteza;

uses CRT;
var i,j,k,n:integer;
min,max,h,csi,s,alIa,comp:real;
niu:array|1..1000| oI integer;
p:array|1..1000| oI real;
unction R(x:real):real;
begin
iI x0 then R:0
else iI x0.5 then R:2*x valorile Iunctiei
de repartitie}
else R:1;
end;

Begin
clrscr;
randomize;
D
C B
A
K(x,y)
x

21
writeln('Introdu alIa'); read(alIa);
writeln('Introdu volumul selectiei'); read(n);
min:0; max:0.5;
k:Round(13.322*ln(n)/ln(10)); numarul de
intervale}
h:(max-min)/k; lungimea intervalelor}
writeln('Numarul de intervale k',k);
writeln(' Lungimea intervalului h',h:1:3);

Ior i:1 to n do
begin
csi:0.5*1*random; write(' ',csi:1:3);}
Ior j:1 to k do
iI ((min(j-1)*h)csi)and(csi(minj*h))
then niu|j|:niu|j|1;
end;

Ior j:1 to k do p|j|:R(minj*h)-R(min(j-1)*h);
s:0;
writeln;
writeln('Intervalele',', ni':7,', n*pi':13);
writeln('-------------------------------------');
Ior j:1 to k do
begin
s:ssqr(niu|j|-n*p|j|)/(n*p|j|);
writeln(min(j-1)*h:1:2,' : ',minj*h:1:2,' ,':4,niu|j|:5,'
,':6,n*p|j|:7:3);
end;
writeln;
writeln('sHI`2',s:1:4);
writeln;
write('Introdu valoarea din tabel pentru HI`2:(',k-1,',',alIa:1:2,') ');
read(comp);
writeln;
iI scomp then writeln(s:1:2,' ',comp:1:2,' Ipoteza se accepta`)
else writeln(s:1:2,' ~ ',comp:1:2,' Ipoteza nu se accepta');
readkey;
end.
#ezultatul
Introdu alIa
0.05
Introdu volumul selectiei
200
Numarul de intervale k9
Lungimea intervalului h0.056

Intervalele , ni , n*pi
-----------------------------
0.00 : 0.06 , 19 , 22.222
0.06 : 0.11 , 27 , 22.222
0.11 : 0.17 , 15 , 22.222
0.17 : 0.22 , 25 , 22.222
0.22 : 0.28 , 25 , 22.222
0.28 : 0.33 , 24 , 22.222
0.33 : 0.39 , 22 , 22.222
0.39 : 0.44 , 23 , 22.222
0.44 : 0.50 , 20 , 22.222

sHI`24.9300

Introdu valoarea din tabel pentru HI`2:(8, 0.05) 15.51

4.93 15.51 Ipoteza se accept.


22
2.2. Testul Kolmogorov

Acest test de concordant se aplic n cazurile cnd functia de repartitie ipotetic (x) a variabilei aleatoare (a populatiei statistice) este continu. $tatistica
acestui test este Iunctia

Dn Dn(x)
) ( ) ( sup x x
n
x


.

Aici n(x) reprezint functia empiric de repartitie a variabilei aleatoare , ce corespunde selectiei x1 , x2, ., xn, si este deIinit prin relatia

n
x
x
n
4
= ) ( ,
unde 4x reprezint numrul valorilor de selectie inIerioare lui x, - x .
n opozitie cu Iunctia empiric de repartitie, Iunctia de repartitie (x) a lui se numeste functie teoretic de repartitie.
De mentionat c pentru orice x n(x) este o estimatie optimal a Iunctiei teoretice de repartitie. Deci, la cresterea volumului n al selectiei, n(x) se apropie de
(x). Prin urmare, cel putin pentru valori mari ale lui n, n acele cazuri cnd ipoteza

H0: (x) (x)

este adevrat, valoarea Dn nu trebuie s diIere substantial de zero. De aici rezult c regiunea critic a testului bazat pe statistica Dn trebuie s aib Iorma:
T 1 t: t K t}.

Kolmogorov a demonstrat c pentru orice Iunctie de repartitie continu (x) are loc relatia:
n !
n
( lim

Dn

= =


e x
2 2
2
) 1 ( ) ( ) ) (
2
2 2

Pentru n K 20 repartitia statisticii Dn practic nu depinde de n. Prin urmare, dac n K 20, atunci punem lua
T 1 , ,
'
+

=
n

2

unde (2) 1 - .
De exemplu, pentru 0.05 avem 2 1.3581; pentru 0.01 avem 2 1.6276. Alte valori putem gsi n tabelele Iunctiei K(2). AstIel, dac valoarea calculat t Dn(x) a
statisticii satisIace conditia

2 K c t n , adic
n
t

2
K , atunci ipoteza H0 este respins, iar n caz contrar H0 este acceptat.

Exemplul 5. n tabelul 7 sunt trecute rezultatele observatiilor asupra temperaturii medii n grade C n decursul a douzeci si patru de ore timp de 320 de zile.

Tabelul 7


i intervalul Ai |ui-1, ui) ni i Ai |ui-1, ui) ni
1 (-40) (-30) 5 6 10 20 81
2 (-30) (-20) 11 7 20 30 36
3 (-20) (-10) 25 8 30 40 20
4 (-10) 0 42 9 40 50 8
5 0 10 88 10 50 60 4

Aplicnd testul lui Kolmogorov, s se veriIice ipoteza H0 c temperatura medie urmeaz o repartitie normal cu valoarea medie a 8.75 si abaterea medie
ptratic 9 16.85(considerm 0.05).

Solu(ie. Mai nti reducem intervalele |ui-1, ui) la intervalele
, ,
1

'
+

9 9
a u a u
i i
dup care calculm Irecventele cumulative, Iunctia empiric de repartitie n(x) si Iunctia teoretic de repartitie n punctele
.
9
a u
i

Rezultatele le trecem n tabelul 8.


Tabelul 8

i . )
i i i
u u ,
1
= A

'
+


= A@

9 9
a u a u
i i
i
,
1
,

'
+


= A@

9 9
a u a u
i 1 i
i

recvent
a
Cumulat

'
+

'

9
a u

i
320

'
+

'

9
a u

'
+

'

9
a u

i
320
-

'
+

'

9
a u

i

1 -40 -(30) |-2.89, -2.23) 5 0.0156 0.0129 0.0027
2 -30 -(20) |-2.23, -1.71) 16 0.0500 0.0436 0.0064
3 -20 -(10) |-1.71, -1.11) 41 0.1281 0.1335 0.0054
4 -10 0 |-1.11, -0.52) 83 0.2594 0.3315 0.0721
5 0 10 |-0.52, 0.07) 171 0.5344 0.5279 0.0065
23
6 10 20 |0.07, 0.67) 252 0.7875 0.7486 0.0389
7 20 30 |0.67, 1.26) 288 0.9000 0.8962 0.0038
8 30 40 |1.26, 1.92) 308 0.9625 0.9726 0.0101
9 40 50 |1.92, 2.45) 316 0.9875 0.9929 0.0054
10 50 60 |2.45, 3.04) 320 1.000 0.9988 0.0012

Din acest tabel observm c Dn 0.0721 si, deci, c n Dn 0721 . 0 320 c = 1.2899. Deoarece pentru 0.05 avem 2 1.358 si 1.2899 1.258,
ipoteza H0 este acceptat.
24
3.3 LUC#A#EA DE LABO#ATO# N#.2
Verificarea ipotezei statistice
cu privire la legea de reparti(ie
a unei variabile aleatoare

Va Ii aplicat testul de concordant /
2
si/sau testul Kolmogorov. Sarcinile individuale contin o variabil aleatoare si o ipotez H despre Iunctia de repartitie (x),
densitatea de repartitie sau repartitia ipotetic a acestei variabile aleatoare. ndeplinirea lucrrii urmeaz s nceap de la generarea unei selectii de n valori ale variabilei
aleatoare date, dup care acestei selectii i se va aplica testul respectiv.

Probleme propuse
n problemele 15 variabila aleatoare urmeaz legea de repartitie exponential de parametru .
1. 2(x) 1; H : are repartitie uniIorm pe segmentul |1, 3|.
2. ; H : (x) 1-
2
x
e

dac x K 0 si (x) 0 dac x 0 .
3.
2
; H : I(x)
x
e
x
2
2


dac x 0 si I(x) 0 dac x A 0 .
4. } (partea Irectionar); H : I(x)
x
e
e

1
dac x |0,1| si I(x) 0 dac xZ|0,1|.
5. 1- e
-
; H : are repartitie uniIorm pe segmentul |0,1|.

n problemele nr.614 1, 2 si 3 sunt variabile aleatoare independente, avnd repartitie uniIorm pe |0,1|.
6.
2
2
1

; H : (x)
3
1
dac 0 x A1, (x)
2 / 3
3
1
x
dac x 1 si (x) 0 dac x A 0.
7. 1c2 ; H : (x) 0 dac x A 0, (x)

'
+

'

2
ln 1
2
x x
dac 0 x A 2 si (x) 1 dac x 2.
. 1 2 ; H :(x) 0 dac x A 0, (x)
2
2
1
x dac 0 x A 1.
. 1
2
; H : I(x)
x 2
1
dac x (0,1) si I(x) 0 dac xZ(0, 1).
10. - ln(1-1); H: are repartitie exponential de parametru 1.
11. 1 - 2 ; H :I(x) (1- x ) dac
x
A 1 si I (x) 0 dac
x
1.
12.
2
2
1

; H :I(x)
2
1
dac x |0,1|, I(x)
2
2
1
x
dac x 1 si I(x) 0 dac x 0.
13. min(1, 2, 3); H :(x) x(3 3x x
2
) dac x |0,1|, (x) 0 dac x A 0 si (x) 1 dac x 1.
14. max(1, 2, 3) ; H:(x) x
3
dac x |0,1|, (x) 0 dac x A 0 si (x) 1 dac x 1.
15. n triunghiul cu vrIurile n punctele (0, 0), (2, 1), (2, 0) se ia la ntmplare punctul (1,2). 1; H : (x) 0 dac x 0, (x)
2
4
1
x dac x |0, 2|,
(x) 1 dac x 2.
16. n conditiile problemei nr.15 2; H : (x) 0 dac x 0, (x) 1 - (1 x)
2
dac x |0,1|, (x) 1 dac x 1.
17. n planul OY se consider triunghiul isoscel OB Iormat de vectorul unitar O, apartinnd axei O, si vectorul unitar OB, ce Iormeaz cu O un unghi
care are repartitie uniIorm pe segmentul |0, x|. - aria triunghiului OAB; H : (x) 0 dac x A 0, (x)
2
arcsin
1 x
x
dac x
'
+

'

2
1
, 0 si (x) 1 dac x
1/2.
n problemele nr.1820 variabilele aleatoare 1 si 2 sunt variabile aleatoare independente, avnd repartitie exponential de parametru .
1. 1
3
; H: (x) 0 dac x A 0 , (x)
3
1
x
e

dac x 0 .
1. max(1, 2
3
) ; H:(x) 0 dac x A 0, (x) ) )
3
1 1
x x
e e

dac x 0.
20. 3 21; H: (x) 0 dac x A 3, (x)
) 3 (
2
1

x
e

dac x 3.

n problemele nr.2124 variabilele aleatoare 1 si 2 sunt variabile aleatoare independente, avnd repartitie exponential de parametru 1.
21. 1 2; H: I(x) 0 dac x A 0, I(x) xe
- x
dac x 0.
22. 1 - 2 ; H :I(x) 0 dac x A 0, I(x) e
- x
dac x 0.
23.
2
1

, H: I(x) 0 dac x A 0, I(x)


2
) 1 (
1
x
dac x 0.
24.
2 1
1

, H: I(x) 1 dac x |0,1|, I(x) 0 dac xZ|0,1|.


25. 1 si 2 sunt variabile aleatoare independente cu repartitie uniIorm pe segmentul |0,1|, respectiv |0, 2|. 1 2; H: (x) 0 dac x A 0 , (x)
2
4
1
x dac x |0,1|, (x)
4
1
2

x
dac x (1, 2|, (x)
2
) 3 (
4
1
1 x dac x (2, 3|, (x) 1 dac x 3.
26. 1 si 2 sunt variabile aleatoare independente, avnd repartitie uniIorm pe segmentul |0,1|, respectiv repartitie exponential de parametru 1. 1
2; H: I(x) 0 dac x A 0, I(x) 1- e
-x
dac x |0,1| si I(x) e
-(x-1)
e
-x
dac x 1.
27. 1 si 2 sunt variabile aleatoare independente: P(1 0) P(1 1) 1/2, iar 2 are repartitie uniIorm pe segmentul |0,1|. 1 2, H: I(x) 1/2 dac
x |0, 2|, I(x) 0 dac xZ |0, 2|.
25
n problemele nr.2831 1 si 2 sunt variabile aleatoare independente cu repartitie uniIorm pe |-1, 1|.
2. 1
3
; H: (x) 0 dac x A -1, (x)
2
1
2
1
3
x
dac x(-1, 1|, (x) 1 dac x 1.
2. max(1, 2
3
); H : (x) 0 dac x A -1, (x)
) ) 1 1
4
1
3
x x
dac x(-1, 1|, (x) 1 dac x 1.
30. 1- 2 ; H: (x) 0 dac x A 0, (x)
4
2
x
x
dac x(0, 2|, (x) 1dac x 2.
31. 3 21; H: (x) 0 dac x A 1 , (x)
)
2
1
3
4
1
x
dac x(1, 5|, (x) 1 dac x 5.
32. are repartitie uniIorm pe segmentul |a, b|. - aria cercului de raz /2; H: (x) 0 dac x A
4
2
a x
, (x)

'
+

'

a
x
a b x
2
1
dac
x

'
+

'

4
,
4
2 2
b a x x
, (x) 1 dac x
4
2
b x
.
33. n conditiile problemei nr.32 are repartitie exponential de parametru ; H: (x) 0 dac x A 0 , (x)
x
x
e
2
1

dac x 0.

n problemele nr.3437 variabila aleatoare are repartitie Cauchy:
) 1 (
1
) (
2
x
x f

=
x
, x(-,).
34.
2
2
1

; H: (x) 0 dac x A 0 , (x) x arcsin


2
x
dac x (0, 1|, (x) 1 dac x ~ 1.
35.
2
1
2

; H: are repartitie Cauchy.


36.

1
; H: are repartitie Cauchy.
37.
2
1
1

; H: (x) 0 dac x A 0, (x) x arcsin
2
x
dac x (0, 1|, (x) 1 dac x ~ 1.
3. n triunghiul cu vrIurile n punctele O (0, 0), (1, 1), B (2, 0) se ia la ntmplare punctul C. - distanta lui C de la latura OB. H: (x) 0 dac x
A 0, (x) 1- (1- x)
2
dac x (0,1|, (x) 1 dac x ~ 1.
3. Variabila aleatoare are repartitie uniIorm pe

2
,
2
x x
. sin. H:
2
1
1
) (
x
x f

=
x
dac x (-1, 1), I(x) 0 dac xZ(-1, 1).
40. Pe segmentul |0, l| se iau la ntmplare dou puncte. - distanta dintre ele. H: (x) 0 dac x A 0, (x)
2
2
2
l
x lx
dac x (0, l|, (x) 1 dac x ~
l.
41. Variabila aleatoare are repartitie exponential de parametru . ||. H: are repartitie geometric de parametru p 1- e
-
.
42. 1 si 2 sunt variabile aleatoare independente, 1 are repartitie exponential de parametru 1, iar 2 are densitatea de repartitie I(x)
2
19
3
x dac x
|2, 3| si I(x) 0 dac x Z |2, 3|. max1, 2 }. H: (x) 0 dac x A 2 , (x)
) )
x
e x

1 8
19
1
3
dac x (2, 3|, (x) 1 e
-x
dac x ~ 3.
43. n conditiile problemei nr.42 min1, 2 }. H: (x) 0 dac x A 2, (x) )
x x
e x e

8
19
1
1
3
dac x (2, 3|, (x) 1 dac x ~ 3.
n problemele nr.4445 se eIectueaz un sir de experimente Bernoulli, succesul avnd probabilitatea p n Iiecare experiment.
44. - lungimea primei iteratii (de succese sau insuccese); H: P( ) p

6 6

p, 1, 2, . .
45. - lungimea celei de a doua iteratii (de succese sau insuccese); H: P( ) p
2
6
-1
6
2
p
-1
, 1, 2, . .
n problemele nr.46-47 variabila aleatoare are Iunctia de repartitie (x).
2


=
; H: (x) 0 dac x A 0 , (x) (x) dac x ~ 0.
46. (x) 1 (x).
47. (x) Iunctia de repartitie uniIorm pe |1, 2|.

n problemele nr.4854 variabilele aleatoare 1, 2, ., k sunt independente avnd aceeasi lege de repartitie.
1
1
1

i
i
=

= , K 10; H: are repartitia


N(0, 1).
4. 1 are repartitie uniIorm pe segmentul |a, b|.
4. 1 are repartitie exponential de parametru .
50. 1 are repartitie Poisson de parametru 2.
51. 1 este numrul de aruncri ale monedei simetrice pn la obtinerea a dou steme.
52. 1 este numrul maximal obtinut n urma a s extrageri cu ntoarcere din multimea 1, 2, ., }.
53. 1 este numrul de bile albe obtinute n urma a extrageri cu ntoarcere dintr-o urn care contine n1 bile albe, n2 bile negre si n bile rosii.
54. 1 este numrul iteratiilor de steme obtinute la aruncarea unei monede simetrice de s ori.
26
55. 1, 2, ., k sunt variabile aleatoare independente cu repartitie exponential de parametru .


= ...
3 2
3 2
1
; H: (x) 0 dac x A 0 si
(x) )

x
e

1 dac x ~ 0.
56. n conditiile problemei nr.55 Ai (i) - (i -1); H: Ai (x) 0 dac x A 0, Ai (x) 1-e
- (k- i 1)x
dac x ~ 0.
57. n conditiile problemei nr.55
3 2 1
1


; H: I (x) 2(1-x) dac x |0,1|, I(x) 0 dac xZ|0,1|.

n problemele nr.5860 1, 2, ., k sunt variabile aleatoare independente identic repartizate, avnd Iunctia de repartitie (x). (i); H:
). ( )) ( 1 )( (
)! ( )! 1 (
!
) (
1 1
) (
x f x x
i i

x f
i
i
c

=


5. (x) 0 dac x A 0 , (x) 1-e
-x
dac x ~0.
5. (x) - Iunctia de repartitie uniIorm pe |-1,1|.
60. @(x)
2
7
3
x dac x |1, 2| si @(x) 0 dac xZ |1, 2|.
61. ntr-un ptrat de latur 1 se ia la ntmplare punctul . - distanta lui de la cea mai apropiat latur a ptratului; H: (x) 0 dac x A 0 , (x) 1- (1
2x)
2
dac x (0, |, (x) 1 dac x ~ 0.5.
62. Se consider triunghiul dreptunghic BC: C 2 , B BC 1. Pe latura C se ia la ntmplare punctul . minaria AB, aria ABC}. H:
(x) 0 dac x A 0 , (x) 4x dac x (0, 1/4|, (x) 1 dac x ~ 1/4.
63. n conditiile problemei nr.62 maxaria AB, aria ABC}; H: (x) 0 dac x A 1/4, (x) 4x - 1 dac x (1/4, 1/2|, (x) 1 dac x ~ 1/2.
64. n triunghiul dreptunghic isoscel BC cu laturile B 1, C 1, BC 2 se ia la ntmplare punctul .
ie d(, B) si d(, C) distanta lui de la latura B, respectiv de la C. mind(, B), d(, C) }; H: (x) 0 dac x A 0, (x) 4x(1-x) dac x (0,
|, (x) 1 dac x ~ .
65. Dintr-o urn n care se contin n1 bile albe si n2 bile negre se extrag una cte una toate bilele. - numrul iteratiilor de bile albe; H: P( )
1
2 1
2 1
1
1
1
n
n n

n
C
C C

, 1, 2 . .
66. n conditiile problemei precedente n este numrul bilelor negre, extrase nainte de a Ii extras a n-a bil alb. H: P(n k)
1
2 1
2
2 1
1
n
n n

n
n
n n n
C
C C


, 1,
2 . .
67. 1 si 2 sunt variabile aleatoare independente, 1 are repartitie exponential de parametru , iar 2 are repartitie cu densitatea x x f
9
2
) ( = dac x
|0, 3| si I(x) 0 dac x Z|0, 3|. max1, 2}. H: (x) 0 dac x A 0, (x)
9
1
x
2
(1 - e
-x
) dac x (0, 3|, (x) 1- e
-x
dac x ~ 3.
6. n conditiile problemei precedente min1, 2}; H: (x) 0 dac x A 0 , (x) 1- e
-x

9
1
x
2
(1 - e
-x
) dac x (0, 3|, (x) 1 dac x ~ 3.
6. n planul OY din originea de coordonate se duce la ntmplare o raz pn la intersectia cu dreapta l, paralel cu O si situat la distanta 1 de la aceasta.
Considerm unghiul Iormat de raz cu directia pozitiv a axei O ca avnd repartitie uniIorm pe |0, x|. - abscisa punctului de intersectie a razei cu dreapta l; H:
(x)
,
1
1 x arctg
x


x(-, ).

70. Variabila aleatoare are repartitie uniIorm pe |0,1|. sin
2

'
+

'

2
x
; H: (x) 0 dac x A 0 , (x) x arcsin
2
x
dac x (0, 1|, (x)
1 dac x ~ 1.
71. Pe cercul x
2

2
1 se ia la ntmplare un punct. - proiectia punctului luat pe axa O. H: I(x) , dac x A 1 si I(x) 0 dac x ~ 1.
72. Se consider mersul simetric al unei particule prin punctele de abscise ntregi ale axei numerice. Particula porneste din punctul 0. - numrul de reveniri
ale particulei n originea de coordonate n decursul a 2n pasi; H: P( k)
n
n
n
C

2
2
2
, 0, 1, 2 ., n.
73. Din multimea 1, 2, ., } se extrage de s ori cte un numr cu ntoarcere. - numrul maximal extras; H: P( )
s
s s

) 1 (
, 1, 2 ., .

n problemele nr.7476 1 si 2 sunt variabile aleatoare independente, 1 are Iunctia de repartitie uniIorm pe segmentul |-1, 1|, iar 2 are repartitie (x).
1 2; H: (x) . ) (
2
1
1
1

x
x
dt t
74. (x) 0 dac x A 0 , (x) 1- e
-x
dac x ~ 1.
75. (x) 0 dac x A 1 , (x) ) 1 (
3
1
2
x dac x(1, 2|, (x) 1 dac x ~ 2.
76. (x) 0 dac x A
2
x

, (x)
) 1 (sin
2
1
x
dac x

'

2
,
2
x x
, (x) 1, dac x ~
2
x
.

n problemele nr.7779 n urne se plaseaz la ntmplare n bile astIel nct Iiecare bil nimereste cu probabilitatea 1/ n Iiecare urn. Notm prin r(n, )
numrul urnelor n care nimeresc cte r bile.
27
77.
,
) , (
) , ( ) , (
0
0 0
n
n M n


=
unde K 365, n c,

'
+

'

'
+

'

1 ,
2
1
c ; H: are repartitia N(0, 1).
7. 0(n, ), n N
4/3
, N K 365; H: are repartitia Poisson.
7. r(n, N), r K 1, n
5/4
, N K 365; H: are repartitia Poisson.
0. Pe segmentul |-1, 2| se iau la ntmplare 10 puncte care se scriu n ordine cresctoare: x(1) x(2). x(10). x(9)- x(8); H: are repartitie uniIorm.
1. 1, 2, 3 sunt variabile aleatoare independente avnd repartitia normal N(0, 1).
) 2 ( ) 3 (
) 1 ( ) 2 (

= ; H: (x) 0 dac x A 0, (x)


x
x
arctg
2
3 3
x
dac
x(0, 1| si (x) 1 dac x ~ 1.
2. Pe segmentul |0,1| se iau la ntmplare trei puncte, care l divizeaz n patru intervale mai mici. este lungimea celui mai mic dintre ele; H: (x) 1- |1-
4x|
3
dac x |0, 1/4|, (x) 0 dac x 0,. (x) 1 dac x ~ 1/4.
3. Se eIectueaz s experimente Bernoulli, succesul avnd probabilitatea p n Iiecare experiment. este lungimea celei mai lungi iteratii de succese; H: are
repartitie Poisson.
4. Pe sIera x
2

2
:
2
1 se ia la ntmplare un punct A(1, 2, 3). 1; H: I(x) 1/2 dac x A 1 si I(x) 0 dac x ~ 1.
5. n interiorul unei sIere de raz R se iau la ntmplare dou puncte. - distanta dintre aceste dou puncte. H: (x) 0 dac x A 0, (x)

6
6
4
4
3
3
32 16
9
R
x
R
x
R
x

dac x (0, 2R|, (x) 1 dac x ~ 2R.
6. ntr-un cerc de raz R se ia la ntmplare un punct. - distanta de la centru cercului pn la punctul luat. H: (x) 0 dac x A 0, (x)
2

'
+

'

R
x

dac x (0, R|, (x) 1 dac x ~ R.
7. Numim ciclu sirul de experimente Bernoulli eIectuate pn la primul insucces. Experimentele eIectuate dup primul insucces pn la aparitia
urmtorului insucces, de asemenea, reprezint un ciclu s. a. m. d. Sr numrul de succese n primele r cicluri; H: P(Sr ) p 6 C
r
r 1
, 0, 1, 2, . .
. n conditiile problemei nr.87 R este numrul ciclurilor consecutive pn la al 4-lea succes (adic al 4 - lea succes apartine ciclului al R-lea); H: P(R r)

1 1
2


r
v r
6 p C
4 4
, r 1, 2, . .
. Pe cercul x
2

2
R
2
se ia la ntmplare punctul prin care se duce tangenta la cerc pn la intersectia ei cu axa O ntr-un punct B. - lungimea
segmentului B; H: I (x) 0 dac x A 0,
I(x)

2 2
2
R x
R

c
x

dac xZ|0,1|.

0. Pe segmentul |0,1| se iau la ntmplare n puncte. Notm prin x() - abscisa celui de-al - lea punct la parcurgerea punctelor de la stnga spre dreapta (x(1)
punctul cel mai din stnga, x(n) punctul cel mai din dreapta). x(n - 1). H: (x)
=

n
n
n
n
x x C
1
1
) 1 (
dac x |0,1| si (x) 0 dac x Z |0,1|.
1. n conditiile problemei nr.90 x(n)- x(1). H: I(x) n(n-1)x
n-2
(1-x) dac x |0,1| si I(x) 0 dac x Z |0,1|.
2. Pe segmentul |0,1| se iau la ntmplare n puncte. Aceste puncte divizeaz segmentul |0,1| n n 1 segmente, lungimile crora le notm (de la stnga spre
dreapta) prin 1, 2, ., n1. H: i are repartitie uniIorm pe segmentul

1
1
, 0
n
.
3. n conditiile problemei nr.92 1 2; H: (x) 0 dac x A 0, (x)
2
2
1
x dac x

'

1
1
, 0
n
, (x) )
2
2
1
1
2
2
1
1
'
+

'

n x
n
dac x

'

1
2
,
1
1
n n
si (x) 1 dac x ~
1
2
n
.
4. n conditiile problemei nr.92 min1, 2, . n1}. H: (x) 0 dac x A 0, (x) 1 |1 (n1)x|
n
dac x

1
1
, 0
n
si (x) 1 dac x ~
1
1
n
.
5. n planul OY se consider cercul unitar cu centrul n originea de coordonate. Prin punctul (1, 0) se duce la ntmplare o coard (ceea ce presupune c
unghiul Iormat de ea cu axa O are repartitie uniIorm pe |-x/2, x/2|). - lungimea coardei; H: (x) 0 dac x A 0, (x)
2
arccos
2
1
x
x
dac x (0, 2| si (x)
1 dac x ~2.
6. n planul OY se consider triunghiul isoscel OAB Iormat de vectorul unitar OA ce apartine axei O si vectorul unitar OB, care Iormeaz cu OA un
unghi cu repartitie uniIorm pe |0, 2x|. - lungimea laturii AB. H: (x) 0 dac x A 0, (x)
2
arcsin
2 x
x
dac x (0, 2|, (x) 1 dac x ~2.
7. Se consider variabila aleatoare din problema precedent n cazul spatiului R
3
. H: (x) 0 dac x A 0, (x)
2
4
1
x
dac x (0, 2|, (x) 1
dac x ~2.
. Se consider triunghiul dreptunghic isoscel BC: \ BC x/2, B BC, C 4. n acest triunghi se ia la ntmplare punctul . - distanta lui de la
cea mai apropiat latur; H: (x) 0 dac x A 0, (x)
4
)) 1 2 ( 2 (
1
2

x
dac x (0, 2( 2 -1)|, (x) 1 dac x ~2( 2 -1).
. Se eIectueaz m experimente Bernoulli cu probabilitatea succesului p
m 2
1
si a insuccesului 6 1 p. m numrul iteratiilor de succese; H: P( )

!
e
2
2

, 0, 1, 2, ., unde 2 M.
28
100. Pe cercul de raz r se iau la ntmplare punctele 1, 2, ., An. Notm aceste puncte cu 1), 2), ., n) n ordinea n care le ntlnim pe cerc la
parcurgerea lui n sensul miscrii acelor ceasornicului. - lungimea arcului 1)2); H: (x) 0 dac x A 0, (x)
1
2
1 1

'
+

'


n
r
x
x
dac x (0, 2xr|, (x) 1
dac x ~2xr.
101. Se consider un sir de m (m K 50) experi mente Bernoulli, succesul avnd probabilitatea p n Iiecare experi ment. 0(p) numrul iteratiilor
de 1 si 0; H: 0(p) are repartitie Poisson de parametru 2 mp6.
102. n conditiile problemei precedente
) 3 1 (
) (
) (
0
0
p6 mp6
mp6 p
p

. H: 0(p) are repartitia N(0, 1).


103. Se ia la ntmplare o permutare (a1, a2, ., an) a numerelor 1, 2, ., n. Elementele ai si a Iormeaz o inversiune dac ai ~ a, iar i . Notm prin n
numrul inversiunilor permutrii luate.
n
n n
n


=
; H: n are repartitia N(0, 1).
104. n permutarea (a1, a2, ., an) a numerelor 1, 2, ., n elementele ai si a Iormeaz o cretere dac ai ai1. Apriori vom considera c a1 Iormeaz o
crestere. ie n numrul cresterilor ntr-o permutare luat la ntmplare.
12
2
n
n
n
n

; H: n are repartitia N(0, 1).


n problemele nr.105108 se consider un ptrat a crui latur este egal cu 1. n acest ptrat se iau la ntmplare puncte v1, v2, ., v si se construieste un graI
neorientat n Ielul urmtor:

1).vrIuri ale graIului sunt considerate punctele luate;
2) orice pereche de puncte (vi, v) reprezint o muchie cu probabilitatea p, p(0, 1).

105. - numrul vrIurilor terminale ale graIului; H: are repartitia Poisson.
106. este numrul de componente conexe ale graIului; H: are repartitia Poisson.
107. i este numrul vrIurilor de grad i; H: i are repartitia Poisson.
10. este numrul de cicluri simple; H: are repartitia Poisson.
10. este numrul muchiilor graIului; H: urmeaz repartitia binomial de parametru p.
110. este lungimea celei mai mici muchii; H: are Iunctia de repartitia (x) 0 dac x A 0, (x) 1 (1- x/c)
np
dac 0 x A c, (x) 1 dac x ~ c (s se
,,ncerce valorile c
2
10
2 c

, 0, 1, 2, ., 9).

29
Bibliografie

1. Ermakov S. M.. Metoda Monte Carlo si probleme nrudite. -Bucuresti: Editura Tehnic, 1976.

2. IosiIescu M., Mihoc G. H., Theodorescu R.. Teoria probabilittilor si statistica matematic. -Bucuresti: Editura Tehnic, 1966.

3. Postaru A., Leahu A.. Probabilitate, procese aleatoare si aplicatii. -Chisinu: Stiinta, 1991.

4. Hnana B. M.. Cyae ca x peee. Mcna: uac Crarcra, 1984.

5. Hne I. H., Meneen . H.. Mareareca crarcra. Mcna: BB, 1984.

6. 3yn A. M., Cenacrn F. A., ucrn B. H. Cp aa rep neprcre. -Mcna: Haya, 1989.

7. Kn M. B.. eer rep neprcre n pepax aaax. Mcna: H-n MIV, 1990.

8. Hpxpn A. B., Van B. I., Van H. I.. 3aa rep neprcre. Mcna: Haya, 1986.

9. Cp aa areare ( nryn). Tep neprcre areareca crarcra. H pe. A. B. E]na. Mcna: Haya, 1990.

10. Cp aa rep neprcre, arearec crarcre rep cyax ]y. H pe. A. A. Cnena. -Mcna: Haya, 1970.

11. ueep B.. Bneee n rep neprcre ee pe. T. 1. Mcna: Mp, 1984.

30
CUP#NS

1 Metoda Monte Carlo ....................3

1.1 Modelarea variabilelor aleatoare cu repartitii
absolut continui. Metoda inversrii Iunctiei
de repartitie ........................7
1.2 Modelarea variabilei aleatoare normale N(0,1) ...........9
1.3 Modelarea variabilei aleatoare cu
repartitia Poisson de parametru 2 ................10
1.4 Modelarea variabilei aleatoare
cu repartitia binomial
p
n
B ................10
1.5 Aplicatii ......................11
1.6 Precizia metodei Monte Carlo ...............13
1.7 Lucrarea de laborator nr.1 ...............23

2 Verificarea ipotezelor de concordan( ...........39

2.1 Testul de concordant /
2
(Pearson)..............39
2.2 Testul Kolmogorov....................52
2.3 Lucrarea de laborator nr.2................55

Bibliografie.........................68


31




















A. Poytaru, O. Benderschi


TEO#A P#OBABLTTLO#
$ STATSTCA MATEMATC

(Lu.rr de laborator)


Redactor Eugena BALAA
Machetare computerizat si coperta 'tale ILASCU

Bun de tipar 2.07.200. ormatul 0x8 1/1.
Coli de tipar 4,2. Coli editoriale 2,9.
Comanda xx. Tirajul 50 ex.

Centrul Editorial-poligraIic al USM
str. A.Mateevici, 60. Chisinu, MD 2009