CAP I. Econometrie ELEMENTE DE TEORIA PROBABILITATILOR 2023

ECOMOMETRIE
CAP. I. ELEMENTE DE TEORIA PROBABILITATILOR
Teme de studiu:
 Câmp de evenimente; câmp de probabilitate (definiţia axiomatică a funcţiei probabilitate);
definiţia în sens clasic a probabilităţilor; proprietăţile funcţiei probabilitate.
 Formule probabilistice: formule de calculul probabilităţii reuniunii de evenimente (pentru
evenimente incompatibile 2 câte 2, respectiv compatibile), formule de calculul probabilităţii
intersecţiei de evenimente (pentru evenimente independente, respectiv dependente), formule
de calculul probabilităţii pentru sisteme complete de evenimente (sisteme de ipoteze)
(formula probabilităţii totale şi formula lui Bayes).
 Scheme clasice de probabilitate(schema lui Poisson; schema lui Bernoulli cu două,
respectiv mai multe stări; schema hipergeometrică cu două, respectiv mai multe stări).
 Variabile aleatoare(discrete, continue); distribuții de probabilitate; caracteristici numerice
ale variabilelor aleatoare
 Repartiţii probabilistice clasice (discrete, continue)
 Repartițiile probabilistice N – normală, Hi - pătrat, t - Student, F – Fisher.
Modele de probleme rezolvate – pentru fiecare temă de studiu

Probleme propuse
1. Câmp de evenimente (definiţie; operaţii cu evenimente)

O mulţime nevidă A se numeşte algebră Boole dacă, înzestrată cu operaţiile
, , C, satisface axiomele:
- comutativitate
- asociativitate
- distributivitate
- absorbţie ( A  CB)  A  A ; ( A  CB)  A  A;() A, B  A
- complementaritate ( A  CA)  B  B; ( A  CA)  B  B; A, B  A
Spunem cã elementul AA este conţinut în elementul BA şi notăm A  B, dacă A  B = A.
Observaţii:
Relaţia de incluziune “” pe algebra A defineşte o relaţie de ordine.
Într-o algebră Boole există două elemente notate A - element nul şi A element total care
verificã proprietatea: A  CA  ; A  CA  ; () A A
Într-o algebrã Boole funcţioneazã regulile lui de Morgan:
 C( A  B)  CA  CB

 C( A  B)  CA  CB
O mulţime nevidã K se numeşte corp de pãrţi dacã este închisã la complementarã şi reuniune
finitã.
1 ()     CA  
2 () ,      
În teoria probabilitãţilor noţiunea de bazã este aceea de “eveniment” care ne intereseazã din
punct de vedere al realizãrii sau producerii sale în anumite condiţii date.
Dacã A este un eveniment oarecare, numim, eveniment contrar lui A şi notãm (A),
evenimentul care se produce atunci şi numai atunci când nu se produce evenimentul A.
Daca A şi B sunt douã evenimente oarecare, atunci numim evenimentul sau A sau B şi
notãm (AB) acel eveniment care se produce când cel puțin unul din ele se produce, A respectiv B.
Note de curs Econometrie – Conf. univ. dr. Marilena Din
Dacã A şi B sunt douã evenimente oarecare, atunci numim evenimentul şi A şi B şi notãm

AB acel eveniment care se produce când se produc simultan A şi B.
Observaţii:
Mulţimea evenimentelor notate cu aceste operaţii formeazã o algebrã Boole, numitã algebra Boole a
evenimentelor.
Elementelor  şi  le corespunde în algebra evenimentelor, următoarele evenimente:
 (evenimentul imposibil) și  (evenimentul sigur).
Diferenţa a douã evenimente A-B este un eveniment care se produce atunci când primul eveniment
se realizeazã şi nu se realizeazã al doilea.
Dacã producerea unui eveniment A atrage dupã sine producerea unui alt eveniment B, atunci
spunem ca evenimentul A implicã evenimentul B şi notãm AB.
Perechea {,} se numeşte câmp de evenimente, unde  este mulţimea evenimentelor

elementare şi  este câmpul de evenimente.
Un eveniment A se numeşte eveniment compus dacã  evenimentele B, C  A astfel încât acesta
se poate scrie: A= B C. În caz contrar evenimentul se numeşte elementar.
2. Câmp de probabilitate (definiţia axiomatică a funcţiei probabilitate)
Fie {,} un câmp de evenimente.

Se numeşte probabilitate pe K o funcţie
P:KR
care satisface axiomele:
10 P( A)  0() A  

 0
 2 P ( )  1
 0
3 () A si B   , A  B    P( A  B)  P( A)  P( B)

Observaţie:
1. Evenimentele A şi B pentru care A =  se numesc evenimente incompatibile

2. Dacã axioma  este înlocuitã cu axioma :n)n cu AiAj ij  P (  An ) =
n 1


n 1
P( An ), atunci se poate spune cã probabilitatea este complet aditivã.
. Tripletul {,,} se numeşte câmp de probabilitate.
3. Proprietăţile funcţiei probabilitate
Principalele proprietăţi ale funcţiei probabilitate sunt:

1. () A    P( A)  1  P( A)
2. P   0
3. () A  B  P( A)  P( B)
4. Pentru () A  K   P( A)  1
5. () A, B  K  P( A  B)  P( A)  P( A  B)
6. () A, B    P( A  B)  P( A)  P( B)  P( A  B)
7. () A, B  , A  B  P( B  A)  P( B)  P( A)
Demonstraţie:
2
CAP. I. Elemente de calculul probabilităţilor
  A  CA  A  A axioma
   P()  P( A)  P( A) axioma
    1  P( A)  P( A)
0 0
3 2
    P( ) ax1  1  P() ax 2  1  1  0

0 0
Fie
C  B  A  B  A; A  C  A  ( B  A)  B P( B)  P( A)  P(C )
  P(C )  
A  C  A  ( B  A)   P(C )   (axioma10 )
Evident:     , ceea ce trebuia demonstrat
A  B  A  B ; ( A  B)  ( A  B)  A  ( B  B) 

   A  A
( A  B)  ( A  B)  A  ( B  B)   

 P( A)  P( A  B)  P( A  B)  P( A  B)  P( A)  P( A  B)
A  B  A  B  A  B  P( A  B)  1  P( A  B) 
P5


P5
 
1  P( A)  P( A  B)  1  1  P( A)  P( B  A) 
P5

 P( A)  P( B)  P( A  B)
P5
A  B  A  B  A 
P5
P( B  A)  P( B)  P A  B 
4. Definiţia în sens clasic a probabilităţilor

Două evenimente A,BK se numesc egal posibile  P(A)=P(B).
Într-un câmp finit de evenimente numãrul cazurilor posibile este numãrul evenimentelor
elementare, adicã card , iar numãrul cazurilor favorabile unui eveniment AK este numãrul de
evenimente elementare a cãror reuniune este evenimentul A.
m
card n , A= U Ai , Ai= evenimente elementare, m= numãrul cazurilor favorabile lui A.
i 1
Dacã toate evenimentele elementare ale unui câmp finit de evenimente K sunt egal posibile, atunci
probabilitatea de realizare a unui eveniment A, (notată P(A)) este raportul dat de numãrul cazurilor
favorabile producerii evenimentului A şi numãrul cazurilor posibile:
m
P( A) 
n
Demonstraţie
m m m
P( A)  P( Ai )   P( Ai )    mp
i 1 i 1 i 1
n n
1 m
  U AK  1   P( AK )  n  p  1  p  P( A) 
K 1 K 1 n n
5. Probabilităţi condiţionate şi evenimente independente

Considerăm aplicaţia:
Extragem fără întoarcere, câte o bilă dintr-o urnă în care se află a = bile albe şi b = bile negre.
Notãm cu A = evenimentul obţinerii unei bile albe la a doua extragere.
 a 1
 , dacã la prima extragere, bila a fost albã
a  b  1
P( A)  
 a , dacã la prima extragere, bila a fost neagrã

a  b  1
Observãm cã probabilitatea evenimentului A depinde de realizarea altui eveniment B,
corespunzãtor obţinerii unei bile albe la prima extragere.
3
Fie câmp de probabilitate, A1, A2  K, A1  

Numim probabilitatea evenimentului A2 condiţionatã de evenimentul A1 valoarea datã de
relaţia:
def
P( A1  A2 )
P( A2 / A1 )  P( A2 ) 
A1 P( A1 )
Douã evenimente A,BK se numesc evenimente independente dacã .
Se pote arãta cã dacã A,B independente atunci A, B , A, B , A, B sunt evenimente    
independente.
6. Formule probabilistice
 formule de calculul probabilităţii reuniunii de evenimente (pentru evenimente

incompatibile 2 câte 2, respectiv compatibile),
 formule de calculul probabilităţii intersecţiei de evenimente (pentru evenimente
independente, respectiv dependente),
 formule de calculul probabilităţii pentru sisteme complete de evenimente (sisteme de
ipoteze) (formula probabilităţii totale şi formula lui Bayes).
Formula de calcul a probabilităţii reuniunii de evenimente incompatibile două câte două

n n
() Ai  K , i  1, n , P( Ai )  P( Ai ) dacă AiAj ij
i 1 i 1
Demonstraţie: Este generalizarea axiomei 3 din definiţia funcţiei probabilitate.
Formula de calcul a probabilităţii reuniunii de evenimente compatibile(Formula Poincare)

() Ai  K , i  1, n
n n Cn2 Cn3 n
P( Ai )  P( Ai )   P( Ai  A j )   P( Ai  A j  Ak ) .........  (1) n1 P( Ai )
i 1
i 1 i 1 1 j i j k
Demonstraţie: Se face prin inducţie după n.

Pentru n=2 P( A1  A2 )  P( A1 )  P( A2 )  P( A1  A2 ) (proprietatea 6 )
Presupunem relaţia adevărată pentru n şi demonstrămcă are loc pentru n+1, adică avem de arătat
că:
n 1 n 1 Cn21 n 1
P( A )   P( Ai )   P( Ai  A j )  ......  (1) n P( Ai )
i i 1 i j i 1
i 1
n 1 n n n
P( Ai )  P( Ai  An1 )  P( Ai )  P( An1 )  P(( Ai )  An1 )
i 1 i 1 i 1 i 1
n n
( Ai )  An 1   ( Ai  An 1 ) 
i 1 i 1
n n Cn2 n
P(( Ai )  An1 )   P( Ai  An1 )   P( Ai  Aj  An1 )  .......  (1) n1 P((  Ai )  An1 )
i 1 i 1 i j i 1
4
Formula probabilităţii intersecţiei evenimentelor compatibile

(() Ai   , i  1, n
n n Cn2 Cn3 n
P( Ai )   P( Ai )   P( Ai  A j )   P( Ai  A j  Ak )....  (1) n 1 P( Ai )
i 1 i 1 i j i j k i 1
Demonstraţie: Fie se foloseşte din nou procedeul de inducţie matematică, fie

n n n n Cn2 Cn3 n 
P( Ai )  P( Ai )  1  P( Ai )  1    P( Ai )   P Ai  A j   P( Ai  A j  Ak ) ....  (1) n1 P( Ai ) 
i 1 i 1 i 1 i 1 i j i  j k i 1 
unde se foloseşte probabilitatea lui P( A)  1  P( A)

În foarte multe aplicaţii formula de mai sus se înlocuieşte cu inegalitatea cunoscută sub
denumirea de inegalitatea lui Boole:
n n
P( Ai )   P( Ai )  (n  1) inegaltatea lui Boole
i 1 i 1
Formula de înmulţire a probabilitãţilor

n
() Ai  , Ai   avem : P( Ai )  P( A1 )  PA1 ( A2 )  PA1  A2 ( A3 ).....Pn1 ( An )
i 1 Ai
i 1
Demonstraţie:
inducţie după “n”:
n  2 P( A1  A2 )  P( A1 )  PA1 ( A2 )
n 1
 n  Baza n ipoteza
P( Ai )  P ( Ai )  An1   P( Ai ) P n ( An 1 )  P( A1 )  PA1 ( A2 )  PA1  A2 ( A3 ).....Pn1 ( An )  P n ( An 1 )
i 1  i 1  inducþiei i 1 Ai inducþiei Ai Ai
i 1 i 1 i 1
Fie :, ,  câmp de probabilitate. Un sistem de evenimente Hi  , i  1, n formează

sistem complet de evenimente, dacă :
1o H i  , (  )i  1, n
2o H i  H j   (  )i  j
n
3o U H i  
i1
Dacă , ,  este un câmp de probabilitate, X un eveniment din câmpul de evenimente şi

Hi un sistem complet de evenimente ( i  1, n ) din K, atunci are loc formula:
n
P( X )   P( H i )  PH i ( X )
i 1
numitã formula probabilitãţii totale.
Demonstraţie
n n
X  X    X  (U H i )  U ( X  H i )
i1 i 1
n
( X  H i )  ( X  H j )  X  ( H i  H j )    P( X )  P(U ( X  H i )) 
i1
n n
  P( X  H i )   P( H i )  PHi ( X ) ( q. e. d . )
i1 i1
5
Formula lui Bayes

Fie : , ,  un câmp de probabilitãţi, X  ,  H i    un sistem complet de evenimente
i1,n
şi X   . Atunci are loc relaţia:
P( H i ) PH i ( X )
PX ( H i )  n
 P( H )  P
i 1
i Hi (X )
Demonstraţie:
Din definiţia probabilitãţilor condiţionate avem:
P( H i ) PHi ( X )
P( X  H i )  P( H i ) PHi ( X )  P( X )  PX ( H i )  PX ( H i ) 
P( X )
P(X)se exprimã din formula probabilității totale  (q.e.d)
7. Scheme clasice de probabilitate

(schema lui Poisson; schema lui Bernoulli; schema hipergeometrică)
Experimente repetate; Schema lui Poisson

Se considerã “n” experimente independente şi în fiecare din ele putându-se realiza un
eveniment A cu o probabilitate cunoscutã. Fie Ai evenimentul care constã în realizarea
evenimentului A la experimentul numãrul “i”, P( Ai )  pi cu i  1, n .
Probabilitatea ca evenimentul A sã se realizeze de “k” ori, cu kn, în cele “n” experimente
independente, notată cu P(n,k), este egalã cu coeficientul lui xk din dezvoltarea polinomialã :
n
n ( x)   ( pi x  qi ); cu qi  P( Ai )  1  pi ,
i 1
qi= probabilitatea evenimentului contrar lui Ai.
Observaţie:
În limbajul urnelor, schema Poisson este formulatã astfel :
Se dau urnele: U1,U2………Un care conţin bile albe şi negre în proporţii date, adicã se cunoaşte pi=
probabilitatea cu care se extrage o bilã albã din urna Ui. Se cere probabilitatea de a extrage “k” bile
albe şi “n-k” bile negre, atunci când se extrage câte o bilã din fiecare urnă.
Schema lui Bernoulli cu două stări

Schema lui Bernaulli este un caz particular al schemei Poisson, în care
P( Ai )  p () i  1, n , adicã fiecare experiment A care ne intereseazã se realizeazã cu aceeaşi
probabilitate. Probabilitatea ca evenimentul A sã se realizeze de “k” ori, cu kn, în cele “n”
experimente independente, notată cu P(n,k), este egalã cu:
P(n, k )  C n p k  q nk , q  1  p
k
adică coeficientul lui xk din dezvoltarea binomului lui Newton (px+q)n
Observaţie:
În limbajul urnelor, schema lui Bernoulli este schema Poisson în care toate urmele coincid
ca proporție de bile albe și negre. În acst caz, în loc de n urne identice din care se scoate câte o bilă,
se ia o singură urnă din care se fac n extrageri succesive de câte o bilă, cu revenire a bilei în urnă
după fiecare extragere (cu întoarcere). Din acest motiv Schema lui Bernoulli se mai numește și
schema bilei cu revenire.
6
Schema hipergeometricã (schema bilei fără revenire)

Fie o urnã cu “N” bile albe şi negre. N=a+b, a=bile albe, b=bile negre. Se extrage câte o
bilã pe rând, fãrã revenire. Evenimentul A a cãrui realizare ne intereseazã este obţinerea unei bile
albe la o extragere. Probabilitatea ca evenimentul A sã se realizeze de “k” ori, cu kn, în cele “n”
experimente repetate, notată cu P(n,k), este egalã cu:
nk

k
P(n, k )  C C a
n
b
C N
P(n,k) se calculeazã dupã formula clasicã a probabilitãţii pentru un câmp finit de evenimente şi
evenimente elementare egal posibile. Numãrul cazurilor egal posibile se determinã observând cã
extragerea consecutivã a “n” bile fãrã revenire coincide cu extragerea simultanã a unui “n” uplu de
bile deodatã).
8. Variabile aleatoare și distribuții de probabilitate
Tipuri de variabile aleatoare şi repartiţiile lor probabilistice

Se numeşte variabilã aleatoare pe câmpul de evenimente {} o funcţie    R a.i.
-1      
a) Fie {,P} un câmp finit de probabilitate, sau cel mult numărabil.

Se numeşte variabilă aleatoare discretă, o funcţie
X:R , X=X(
definită pe mulţimea evenimentelor elementare cu valori reale astfel încât {xi}, unde
i mulţimea de indici cel mult numărabilă.
b) În cazul unui câmp infinit de evenimente, se numeşte variabilă aleatoare continuă
aplicaţia :
X:R a. î. {}  R
Dacă X,Y sunt două variabile aleatoare, atunci au sens operaţiile de adunare algebrică, de înmulţire,
de împărţire, de compunere şi rezultatele lor sunt de asemenea variabile aleatoare.
În cazul variabilelor aleatoare de tip discret, ansamblul format din valorile variabilei
aleatoare şi probabilităţile evenimentelor corespunzătoare se numeşte distribuție de probabilitate,
adică:
 x1 ,x2.....xn  n
X :  ;  pi  1 pentru variabile aleatoare de tip discret şi finit;
 p1 , p2..... pn  i 1
 x1 ,x2.....xn.....  
X :  ; p n  1 pentru variabile aleatoare de tip discret şi numărabil;
 p1 , p2..... pn.... n 1
x 
X :  ;  f  x dx  1 pentru variabile aleatoare de continuu, unde funcția f se numește
 f  x   R
densitate de repartiție (de probabilitate) și f  x   0 pentru orice x  R .
7
Dacă f: R R este o densitate de repartiţie atunci :

a) f ( x)  0() x  R
 
 , f integrabilă
b)  f ( x)dx  1
 
Definiție: Numim funcţie de repartiţie o aplicaţie F:R[0,1] astfel încât F(x)= P(X<x);
Această notaţie este prin convenție, ea reprezentând în fapt probabilitatea x

x  x.
Dacă F este funcţia de repartiţie a variabilei X, atunci ea se poate explicita pentru fiecare tip
de variabilă aleatoare, astfel:
   pk cazul v.a. discretă

 xk  x
F ( x)  P  X  x    x
  f (t )dt cazul v.a. continuă
 
Deci variabila aleatoare X de tip continuu are o densitate de repartiţie dacã  o funcţie
x
f : R  0, ) astfel încât funcţia de repartiţie este dată de relația F ( x)   f (t )dt .

Principalele proprietăţi ale funcţiilor de repartiţie
p1) Funcţia F este monoton crescătoare

Demonstraţie: fie x1<x2 cu x1, x2R x1}  {x2} sau : x1 
x2  x1  x2  F(x1)  F(x2)
p2) lim F ( x)  0
x
Demonstraţie: fie ( xn ) n  R, xnn    ( X  xn ) n    P( X  xn ) n  0  F ( x) x  0
p3) lim F ( x)  1
x 
Demonstraţie: analog
( xn )n  R, x n 
n     X  xn  
n    P( X  x n ) 
n 1  F ( x ) x   1
p4) F(x) este o funcţie continuuã la stânga F(x)=F(x-0) () xR

Se poate arãta şi reciproc: dacã o funcţie F:R[0,1] are proprietãţile de la p1p4, atunci
pentru ea se poate construi un câmp de probabilitate şi o variabilã aleatoare X pentru care F sã
reprezinte funcţia sa de repartiţie.
p5) a,b R a<X<b) = F(b) - F(a)
Demonstraţie: aba<X<b} = {X<b} - {X<a}

 P(a<X<b) = P((X<b) - (X<a)) = P(X<b) - P((X<b) (X<a)) = P(X-b) - P(X<a)
8
 (X-b)  (X<a)
p6) P(Xx) = 1- F(x)
Demonstraţie: Evenimentul (Xx) este evenimentul contrar lui (X<x)
P ( a  X  b)  P   X  b    X  a    F  b   F  a   F  x  x  a
x b
  pk caz v.a. discretă

 a xk b
deci P(a  X  b)  b
  f ( x)dx caz v.a. continuă
a
9. Caracteristici numerice ale variabilelor aleatoare
Momente iniţiale de ordin “k”, k  N

Pentru variabilele aleatoare de tip discret şi finit, momentul iniţial de ordinul “k” este dat de
relaţia :
n
k = E[X ] =  x ik  pi
k
i1
Pentru variabilele aleatoare de tip discret numărabil, momentul iniţial de ordinul “k” este dat de
relaţia :

 k  E  X k    xnk  pn , dacă seria este convergentă
n 1
Pentru variabilele aleatoare de tip continuu, momentul iniţial de ordinul “k” este dat de relaţia:

 k  E X    x k f ( x)dx , dacă integrala este convergentă.
k

Caz particular: pentru k=1, 1= E[X] =  se numeşte valoarea medie a variabilei aleatoare X sau
speranţa matematicã (expectation). Se mai notează și cu m=M[X]
n
i)    xi pi pentru variabile aleatoare de tip discret şi finit
i 1

ii)    xn pn pentru variabile aleatoare de tip discret şi numărabil
n 1

iii)    x  f ( x) dx pentru variabile aleatoare de tip continuu

Expresia U = X –  se numeşte abatere aleatoare a variabilei X de la valoarea medie.
Proprietăţi ale mediei:

p1) valoarea medie a unei abateri aleatoare are valoarea cuprinsã între cea mai micã şi cea
mai mare valoare a lui X.
x[xxp] x f(x)  x f(x) xp f(x)
 
f(x) = densitate de repartiţie; integrând  x  f ( x)dx  EX   x  f ( x)dx

p

p2) valoarea medie a abaterii variabilei aleatoare X de la valoarea medie este 0: E[U] = 0.
Demonstraţie: E[U] = E[X-] = 0.
9
Momente centrate de ordin “k”, k
Se numeşte moment centrat de ordin “k” al variabilei aleatoare X momentul de ordinul

“k” al abaterii variabilei X de la valoarea medie.
k = M[(X-)k]
pentru X = valoarea aleatoare discretã şi finitã, momentul centrat este:
n
 k   ( xi  m) k pi
i1
pentru X = valoarea aleatoare discretã, numãrabilã, momentul centrat este:
m
 k   ( xi  m) k pi dacã seria este convergentã
i1
pentru X = valoare aleatoare continuã, momentul centrat este:

 k   ( x  m) k f ( x )dx dacã int egrala este convergentã


Observaţie: 1. Momentul centrat de ordinul 0 este 1.
Relaţia dintre momente centrate şi momente de ordin “k” este:

k   ( x   )k  f ( x)dx

  k
k   ( x   )k f ( x)dx    (1)i Cki  k i i
  i 0
Caz particular:
 
V ( x)  2  C20  20  C211  C22  02  2   2  E X 2  E 2 X 
Momentul centrat de ordinul 2 reprezintã dispersia variabilei aleatoare X (Variance)

V(x) = E[(X-)2] (Se mai notează și cu D[X])
şi are proprietatea:
V ( x)  E  X 2   E 2  X 
Dacă notăm cu  2  V ( x)   2   2   2
Expresia  k  k  k ( x) se numeşte abaterea medie de ordinul k
Pentru k=2, V ( x)  2 ( x)   se numeşte abaterea medie pătratică (standard
deviation).
X 
Z unde X o variabilă aleatoare cu E(X) =  şi
Variabila abatere normată Z dată de:

abaterea medie pătratică x = .
Se demonstrează ușor că variabila abatere normată Z are E(Z)=0 şi V(Z)=1.
10
10. Legi clasice de repartiţie (Funcţii de repartiţie clasice)
Principalele repartiţii probabilistice; caracteristicile lor numerice, media şi dispersia.

Distribuţia de probabilitate/funcţia de densitate a unei variabile aleatoare este reprezentarea
tuturor valorilor pe care le poate lua o variabilă aleatore şi a probabilităţii de apariţie a acestor
valori.
I. Repartiţii clasice discrete

În cazul unei variabile aleatoare discrete distribuţia de probabilitate este reprezentată printr-o
funcţie care asociază probabilităţile de apariţie pentru valorile discrete ale variabilei aleatoare.
Repartiţia uniformă X~U(a,b)

x  1
X:  k  , unde pk= ,1  k  n
 pk  n
k 1
 E(X) =
2
k 1
2
 V(X)=
12
Repartiţia Bernoulli X~Bernoulli(p)
Un experiment cu 2 posibile output-uri: 1-succes, 0- insucces se numeşte experiment

Bernoulli.
1 0 
Definim X:   , 0  p  1, unde P(X=x) = p x (1  p)1 x , x=0,1, 0  p  1
 p 1 p
 E(X) = p
 V(X)=p-p2 = p(1-p)
Repartiţia binomială X~Bi(n, p)
Variabila aleatoare X care are funcţia de frecvenţe P(X =k)=b(k; n, p)=Cnk pk qn-k , q=1-p,
poartă numele de variabilă binomială şi se notează cu Bi(n, p).
Termenul de variabilă aleatoare binomială provine din faptul că probabilităţile date de
numerele b(k; n, p) sunt egale cu termenii succesivi din dezvoltarea binomială (p+q)n.
Repartiţia variabilei X~Bi(n, p) se scrie:
0 1 2 ... k ... n 
X:  n 1 1 n 1 2 2 n 2 k k n k

n
 q C n p q C n p q ... C n p q ... p 
Alegerile lui p şi n determină în mod unic repartiţia binomială în sensul că pentru diferite
alegeri se obţin diferite repartiţii (exceptând cazul p=0, când nu avem succes niciodată).
Dacă X~Bi(n, p), atunci M(X)=np şi D(X)=np(1-p).
Variabila X este ataşatã schemei Bernoulli cu douã stări. Schema Bernoulli este modelul
matematic al unui număr mare de fenomene reale şi este realizată de o succesiune de extrageri
independente dintr-o urnă ce conţine a bile albe şi b bile negre, a şi b rămânând acelaşi în decursul
11
extragerilor succesive(extrageri cu revenire). Probabilitatea de a extrage o bilă albă (neagră) este

a  b 
aceeaşi la fiecare extragere şi anume p  q  1- p  
ab  a b
Variabila aleatoare X se poate pune deci sub forma X=X1+X2+…+Xn unde X1, X2, …, Xn sunt
1 0
variabile aleatoare independente, fiecare Xj având repartiţia: Xj:   ,j=1,2,…,n
p q
Cum M X j   1  p  0  q  p urmează că M(X)=np.
Variabila aleatoare Xj-M(Xj)=Xj-p are repartiţia
1  p  q 
Xj - M(Xj):  ,
 p q 
ceea ce conduce la calculul dispersiei pentru variabila aleatoare X~Bi(n, p):
D X    DX j    MX j  MX j   1  p  p   p  q  npq  np1  p 
n n
2 2 2
j1 j1
Funcţia de repartiţie a variabilei Bi(n,p) este:

0 ,x  0
 n
q ,0  x  1
q n  C1 pqn 1 ,1  x  2
 n
F x   P X  x   ...............................................
q n  C1 pqn 1  ...  C k p k q n  k , k  x  k  1
 n n
.................................................

1 ,x  n
Graficul acestei funcţii de repartiţie este un grafic în n trepte, corespunzătoare celor n+1 puncte de
discontinuitate.
De reținut:
Variabila binomială de parametrii n şi p este suma a n variabile independente Bernoulli.
Se considera o urnă cu bile albe şi bile negre de aceeaşi mărime si greutate şi fie p proporţia de bile
albe, iar q=1- p proporţia de bile negre. Dacă notăm cu X v.a. ce reprezintă numărul de bile albe
apărute în cele n extrageri cu repunerea bilei extrase în urnă, atunci avem că:
X:  
x
x x n -x
 x=0,1,2,…n, unde
 C p (1 - p)
n 
P(X=x) = C nx p x (1  p) n x , x=0,1,2,…n, 0  p  1
 E(X) = np
 V(X)= np(1-p)
Notaţie X~Bin(n,p)
Repartiţia hipergeometrica X~Hipergeometrică (n, a, N)
Variabila aleatoare X are o repartitie hipergeometrica dacă functia sa de probabilitate este

data de schema urnei cu bila nerevenita: se consideră o urnă cu bile albe şi negre de aceeaşi mărime
si greutate şi fie N – numărul total de bile, a - numărul de bile albe, b = N - a – numărul de
bile negre, n – numărul de extrageri fără repunerea bilei extrase. Dacă notăm cu X v.a. ce reprezintă
numărul de bile albe apărute în cele n extrageri fără repunerea bilei extrase în urnă, atunci avem că:
12
 x 
 x n x  Cax C Nn xa
X :  C a C N a  , x=1,2,3,…,n, unde P(X=x) =
 Cn  C Nn
 N 
a
 E(X) =n
N
a N a N n
 V(X)= n
N N N 1
Repartiţia Poisson X~Po() (legea evenimentelor rare) ca aproximaţie a repartiţiei

binomiale
Variabila aleatoare X care are funcţia de frecvenţe

λ k λ
pk ,    P X  k   e , k=0, 1, …
k!
se numeşte variabilă Poisson cu parametrul  şi se notează X~Po()
Dacă
Pn, k   Cnk p k (1  p) nk  P( X  K ) ,
este probabilitatea pentru care variabila aleatoare X reprezintă numărul de realizări ale
evenimentului A în “n” experimente, repetate şi independente (variabila X este ataşată schemei
Bernoulli cu două stări), atunci distribuţia sa este:
0 1 2.............n  n n
X :  n 1 n1 2 2 n 2 n
 , unde  p k   P(n, k )  ( p  q) n  1
 q C n pq C n p q ..... p  k 0 k 0
Legea Poisson este legea limită a repartiţiei binomiale de mai sus, când numărul de experimente
este foarte mare n , probabilitatea de realizare a evenimentului A este foarte mică (p  0) dar
n  p = .

p
n
k
n(n  1)(n  2).....(n  k  1) k     
n
lim P(n, k )  lim C nk p k (1  p) n  k  lim  1   1   

n  n  n  nk k!  n   n

  
n
k
 1  2   k  1           k 
k
 lim 1  1  .....1   1   1     e  pk
n 
 n  n   n  k!  n    n  k!
 
Deci variabila aleatoare X de tip discret şi numărabil, care urmează legea Poisson, are distribuţia:
0 1 2...........n............. 
   
k  
X :       2   n   , cu  p k   e  e   e   1
e e e ..... e ....... k 0 k 0 k!
 1! 2! n! 
Caracteristicile numerice pentru variabile repartizate după legea Poisson:
1Momente de ordinul “k”
13
n m
  m! e
   m
 k ( x)   n k e     (m  1) k 1 e    m k 1  C k11 m k  2  .....  C kk12 m  1 

n 0 n! m 0 m! m 0
  m  
m  
m  
    m k 1 e C k11  m k  2 e  .....   e    ( k 1  C k11 k  2  ........  1) 
 m 0 m! m 0 m! m  0 m! 
not.
  (  1) k 1
de unde  i   ptr.k  0; 0  1;1  M X   ; 2   (1  1)   (  1)
Deci: M X   
2 Momentul centrat de ordinul “k”

m  
 k n   
 k ( x)   (m   ) k e     C ki k i (1) k i m i e  
m 0 m! m 0  i 0 n! 
k 
m not.
  C ki k i (1) k i  m ii e   (   )
k
i 0 m 0 m!
 i   i ;  0 ( x)  1;1 ( x)  0;
unde
 2 ( x)  D( x)   2  2 1  2   (  1)  2   ;
Deci, media şi dispersia unei variabile distribuite după legea Poisson, sunt egale cu valoarea
parametrului  : M X   ; D( X )  
Repartiţia Poisson apare în multiple situaţii, ca de exemplu: probabilităţile unui număr
specificat de apeluri telefonice într-o unitate de timp, sau a unui număr de defecte dat pe unitatea de
produs, sau a unui număr de bacterii pe unitatea de volum într-o soluţie, sau a unui număr de
accidente dat într-o unitate de timp.
Dacă X1, X2, …, Xn sunt variabile aleatoare independente, repartizate după legea Poisson, de
parametrii 1, 2, …,respectiv n, atunci X1+ X2+ …+ Xn ~Po(1+ 2+…+n).
Funcţia de repartiţie a variabilei X~ Po() este

 0 ,x 0
..................................................

Fx    k λ j  λ
 j! e ,k  x  k 1
 j1
1 ,x n
De reținut:
Repartiţia Poisson este distribuţia ce modelează numărul de evenimente care se produc unul după
altul cu o rată constantă . Un experiment de tip Poisson este caracterizat de următoarele proprietăţi:
1. numărul de apariţii ale evenimentului care apare în oricare interval este independent de numărul
de apariţii ale evenimentului care apare în oricare alt interval
2. probabilitatea de apariţie a evenimentului într-un interval este aceeaşi pentru oricare alt interval
de mărime egală
3. probabilitatea de apariţie a evenimentului este proporţională cu mărimea intervalului
Repartiţia Poisson mai este numită şi “legea evenimentelor rare” deoarece dacă se efectuează un
număr foarte mare de probe independente probabilitatea apariţiei evenimentului dorit este foarte
mică în comparaţie cu numărul de probe.
14
Dacă X~Bin(n,p), atunci pentru p foarte mic, adica p→ 0, și notăm cu  =np, atunci n =  /p → ∞
şi în acest caz Bin(n,p) devine Poisson (  ) cu distribuția:
 x  x 
X :    x  unde P(X = x) = e  , x  N ,   0 ; P(X=x) = P( X  x  1)
e  x! x
 x! 
 E(X) = 
 V(X)= 
Notaţie X~Poisson(  )
II. Repartiţii clasice continue
Legea densităţii uniforme
În cazul unei variabile aleatoare continue (variabilă care poate lua orice valori în cadrul unui
anumit interval) este utilizată funcţia de densitate.
Deoarece, pentru o variabilă aleatoare continuă, probabilitatea de a avea o anumită valoare
este 0, se calculează probabilitatea ca valoarea înregistrată de variabila aleatoare să aparţină unui
anumit interval.
b
Astfel, Pa  x  b    f x dx , iar funcţia de repartiţie este dată de probabilitatea:
a
x
F  x   P X  x    f t dt

Dacă X este o variabilă aleatoare de tip continuu şi ia valori nenule în intervalul  astfel
încât densitatea sa de repartiţie rămâne constantă în acest interval, se spune că variabila X este
repartizată uniform, cu densitatea sa de repartiţie:
c, x  ( ,  )
f ( x)  
0, x  ( ,  )
Determinând constanta c astfel încât f(x) să verifice teorema de caracterizare a densităţii de
probabilitate, se obţine:
    


f ( x)dx        c  dx  c(   )  1
   
 1
 , x  ( ,  )
f ( x)     
 0, x  ( ,  )

Funcţia de repartiţie este:
 0, x  
x
 x 
x
F ( x)   f (t )dt  f (t )dt  , x  ( ,  )
   
1, x  

Caracteristicile numerice pentru variabila X repartizată după legea densităţii uniforme, devin:
15
   
 k 1   k 1
 k ( x)   x f ( x)dx       
k
    (    )(k  1)
0  1
   2     2
 1  m  M X  
2
 
; 2  M X 2 
3
 k 1
     
 k ( x)   ( x  ) f ( x)dx 
k 1
(k  1)(    )

1  (1) k  


2  2 
D( x)   2 ( x),   D( x)
Legea exponenţială X~Exp(  )
Spunem că variabila aleatoare X urmează legea exponenţială dacă densitatea sa de

repartiţie este:
 0, x  0
f ( x )    x
e , x  0,   0
f(x) îndeplineşte condiţiile din teorema de caracterizare a unei densitãţi de repartiţie adicã:

f(x)  0 şi  f ( x )dx  1.

Caracteristicile numerice ale unei variabile aleatoare repartizate după legea exponenţială:
Momentul iniţial de ordinul k:
 1
 1    0

k   2  k!
 k ( x)   k 1 ( x)   2  1   k  k
 ............... 

  k 
 k  k 1
Momentul centrat de ordinul k:
1 k
 k ( x)  (1) k  k   k 1 ( x)
 
Deci, pentru variabila aleatoare care urmează o lege exponenţială, media şi dispersia sunt:
 1  M X  
1

1 1
 2 ( x)  D( x )   
 2

Repartiţia exponenţială cu media M X  
1
apare ca repartiţie a duratei pe timp între

evenimentele succesive într-un proces Poisson, de intensitate  . Repartiţia exponenţială este
folosită ca repartiţie a duratei de viaţă când există un risc constant de defectare care nu se schimbă
cu vârsta De exemplu, repartiţia exponenţială poate fi considerată ca un model posibil pentru
intervalele de timp dintre accidentele miniere.
16
Legea normală de repartiţie (repartiţia Gaussiană), X~ N m,  
Spunem că o variabilă aleatoare X urmează legea normală de repartiţie dacă densitatea

sa de repartiţie este de forma:
( xm)2
1 
f ( x)  e 2 2
( x  R)cu  , m parametri
 2
Funcţia f(x,m, ) trebuie să verifice proprietăţile unei densităţi de probabilitate şi anume:

1) f ( x, m,  )  0 ,   x  R - evident, deoarece   0

2)  f ( x, m, )dx  1

Pentru a specifica parametrii m,   0 ne propunem să verificăm teorema de caracterizare a

densităţilor de repartiţie.
  ( xm)2 
 
f x dx 
1 1
 e  e dt 
t
f ( x)  0 (evident ); dx  1
2
2 2
  2    
xm
 t , dx   2t
 2
Caracteristicile numerice ale unei variabile aleatoare X, repartizată după legea normală
Se calculează momentul iniţial de ordinul k:
  ( xm)2 
1  1
 n ( x)  x f ( x)dx  x e dx   ( 2t  m) n e t dt 
2
n n 2 2
  2   
 n n 
1 1
  C n t ( 2 )  m  e dt   C nk ( 2 ) k m nk  tk 
mk t
 e tdt 
2 2
k k k

  k 0  k 0  Ik
1 not
n  ( 2 I  m) n ; I k  I k

1
 0  1; 1  M [ x]  ( 2 I1  m  I 0 )  m

Deci parametrul “m” din legea densităţii normale este chiar media variabilei:
M[X]=m
iar momentul iniţial de ordinul doi este:
1
 2  M[x2 ]  (2 2 I 2  2 2 I1m  m 2  I 0 )   2  m 2

Se calculează momentul centrat de ordinul “n”
( xm)2
  2  t
  
1  1
 n ( x)   ( x  m) f ( x)dx   ( x  m) e
n n
dx  e t dt 
2
n n 2 2
  2   

1
 2  2k 2k  1!!   (2k  1)!! 2 k   n ( x)  
0 , n  2k  1
 (2k  1)!! , n  2k
k 2k
2
xm
t
 2
17
Deci parametrul  din expresia densităţii normale reprezintă chiar abaterea medie patratică:
 0  1; 1  0;  2  D( x)   2
Deci media şi dispersia variabilei aleatoare XN(m, ) sunt:

 E( X )  m
 V (X )   2
adică parametrul m din expresia densităţii de repartiţie f(x,m, ) este chiar media variabilei aleatoare
normale, iar parametrul  reprezintă abaterea medie pătratică.
Graficul densităţii normale se numeşte Clopotul lui Gaus, după aliura sa.
Se observă că variabila X repartizată după legea normală este definită pe toată axa reală,
deci graficul densităţii nu admite asimptote verticale:
( xm)2
1 
lim f ( x)  lim e 2 2
0
x  x 
 2
deci y = 0 este asimptota orizontală la   .
Graficul admite ca axă de simetrie dreapta x = m
m  x  e   x2m 
2
1
 f ( 2m  x )  f ( x )  f ( x )  ` 2
 2 2
1
f ` ( x )  0  x  m  f ( m) 
 2
m  x 
( x m)2
1 
f ( x)   e 2 2
 0  x  m 
`` 2 2
 5
2
1
Calculăm f (m   )  f (m   )  ceea ce reprezintă ordonatele punctului de
 2e
inflexiune ale graficului.
Funcţia de repartiţie se calculează astfel:
t m
 0 x m  xm xm

 2  2  2
x
1
x

1 1   1   
F ( x)   f (t )dt   e 2 dt   e  y dy        2   e dy 
y
2 2 2
  2       0    0 
   
cu schimbarea de variabilă:
t m
y
 2
Deci funcţia de repartiţie este:
x m
 2
F x  
1 1
e
 y2
 dy
2  0
Probabilitatea ca o variabilă ce urmează legea normală să ia valori în intervalul  este:

 m
 2
1
P(  x   )  F ( )  F ( )  e
 y2
dy
  m
 2
18
Observaţie: Cu schimbarea de variabilă de mai sus funcţia de integrat ajunge să nu mai

conţină nici un parametru. Primitivele  e  y dy există (sunt convergente) dar nu se pot exprima prin
2
combinaţii liniare de funcţii elementare.
Pentru a putea calcula probabilitatea din relaţia de mai sus, se introduce funcţia lui Laplace,
ale cărei valori sunt tabelate:
x
2
 e dy
 y2
( x) 
 0
Astfel, cu ajutorul tabelelor pentru funcţia lui Laplace se pot calcula valorile funcţiei de
repartiţie şi ale probabilităţii care ne interesează pentru o variabilă aleatoare repartizată după legea
normală:
1  x  m 
F ( x)  1   
2   2 
1   m    m 
P(  x   )       
2   2    2 
Principalele proprietăţi ale funcţiei lui Laplace
p1)  monoton crescătoare
p2) lim x   1
x 
p3)  x   x 

Observaţie:
1) Sunt situaţii (în practica tragerilor militare) când în locul funcţiei lui Laplace dată de relaţia de
mai sus, se lucreayă cu funcţia lui Laplace redusă:
( x)    x  , unde  = abaterea medie probabilă.
2) Probabilitatea ca variabila să nu se împrăştie cu mai mult de m lungimi:
 l 
P( x  m  l )  2 .
 2 
Sau, dacă pentru determinarea funcţiei de repartiţie, se utilizează funcţia integrală a lui Laplace,
definită astfel:
z 1
1  t2
( z) 
2 0
e 2 dt
cu proprietăţile
1. ( z)  ( z)
1 1
2. lim ( z)   şi lim ( z) 
y 2 y  2
atunci funcţia de repartiţie devine:

2
1 t  m 
bm  am
x  
1 
e
2  
F ( x)  dt şi deci P(a  X  b)  F (b)  F (a)      
 2       
Legea normală se aplică însă, de cele mai multe ori, nu sub forma iniţială, ci sub forma unei
repartiţii normale cu m = 0 şi  =1, prin trecerea de la o variabilă X cu legea N(x,m,) la variabila
19
1
X m 1  2 z2
Z care va avea densitatea de repartiţie: f ( z)  e şi funcţia de repartiţie
 2
1 z  12t2
F ( z )  P( Z  z )   e dt
2 
Avem atunci că :
1
F ( z )   ( z )
2
1  xm
sau F ( x)     
2   
Şi F ( z)  1  F ( z) .
 X m xm
Aşadar, P( X  x)  P  Z  z  P( Z  z )  F ( z )
   
Valorile funcţiilor (z) şi F ( z ) sunt tabelate.
Functia de probabilitate normala

0.40
0.35
0.30
0.25
dnorm(x)
0.20
0.15
0.10
0.05
-2 -1 0 1 2
Graficul densității de repartiţie normală f(x) pentru m=0 şi σ=1

Functia de distributie normala cumulativa
1.0
0.8
0.6
pnorm(x)
0.4
0.2
0.0
-2 -1 0 1 2
Funcţia de distribuţie cumulativă a probabilităţii normale

20
Repartiţia hi-pătrat (2)
Notaţie X~ H(n, ) mulţimea variabilelor aleatoare cu o repartiţie hi-pătrat de parametri n şi  .

n
Este un caz particular al repartiţiei Gama şi se obţine din aceasta pentru a  şi b  2 2 . Astfel, o
2
variabilă aleatoare continuă X are o repartiţie 2 de parametri n şi  dacă densitatea sa de repartiţie
este:
 1 n
1
x
 2
  x e
2 2 x  0,   0
 n2  n  n
f ( x)   2     
 2
 x0
0
Media, dispersia pentru o variabilă aleatoare cu repartiţia 2 sunt:
E ( X )  n 2 , V ( X )  2n 4
Să considerăm în continuare n variabile aleatoare independente X1,X2,...,Xn toate având o repartiţie

normală normată şi atunci repartiţia variabilei aleatoare
X  X12  X 22  ...  X n2 este H (n,   1) unde numărul natural n se numeşte numărul gradelor de
libertate, fiind egal cu numărul de variabile aleatoare independente care generează pe X.
0.7
0.6
0.5
0.4
dchisq(x, 1)
0.3
0.2
0.1
0.0
0 1 2 3 4 5 6 7
Distribuţia χ2 pentru valori alternative ale numărului de grade de libertate
Repartiţia t – Student
Variabila aleatoare Student are densitatea de repartiţie:

 n  1 n1
  
 2   t 2  2
f (t )   1  t  R, n N *
 n   n
n   
 2
unde n N * este numărul gradelor de libertate.
21
Pentru diferite valori ale lui n, există tabele de valori corespunzătoare probabilităţilor de forma:
t0
P ( T  t0 )  1  
 t0
f (t )dt .
Dacă T este variabila aleatoare cu repartiţia Student, atunci media şi dispersia acesteia sunt:
n
E (T )  0 şi V (T )  .
n2 0.6
0.5
0.4
dt(x, 1)
0.3
0.2
0.1
0.0
-2 -1 0 1 2
Distribuţia t - Student
Observație: când numărul gradelor de libertate tinde la infinit, repartiţia Student converge către
repartiţia normală normată.
Repartiţia F -Fischer
U / k1 k2U
Variabila aleatoare F definită de relaţia: F   în care U şi V sunt variabile aleatoare
V / k2 k1V
independente cu legi 2 respectiv cu k1 şi k2 grade de libertate se numeşte variabila Fischer iar
repatiţia sa se numeşte repartiţia Fischer cu k1 şi k2 grade de libertate.
F Fischer
0.8
0.6
df(x, 1, 1)
0.4
0.2
0.0
0.0 0.5 1.0 1.5 2.0
Distribuţia F - Fischer
22
Densitatea de repartiţie a variabilei F este:

k k
k1 2 k k  1 2
 1 2   k12  k22
unde constanta C are expresia: C  
CF 2 2 
f (F )  k1 k2
x0
k2  k1F  k  k 
2  1   2 
 2  2
Dacă k2  2 graficul funcţiei f(F) este cel din figura de mai sus. Pentru repartiţia Fischer sunt
alcătuite tabele care dau valorile F ,k1,kk în funcţie de gradele de libertate k1,k2 şi de probabilitatea 

conform cu relaţia: P( F  F ;k1,k2 )   f (F )df  
F , k1 , k2
 k  2(k1  k2 )  4
2
k
E ( F )  m1  2 , V ( F )  m2  m12   2 
k2  2  k2  2  k1 (k2  4)
Inegalitatea lui Cebîşev
Fie X:R o variabilă aleatoare discretă sau continuă cu media E(X) = m şi dispersia finită V(X).
Are loc inegalitatea:
P  X  E( X )     1  2
V (X )
   0 arbitrar, numită inegalitatea lui Cebîşev.

V (X )
Inegalitatea lui Cebîşev se mai poate scrie P  m    X  m     1 
 2
Inegalitatea lui Cebîşev dă o margine inferioară a probabilităţii ca abaterea în valoare absolută a

variabilei aleatoare X de la media sa m, să fie mai mică decât numărul    arbitrar.
Fie  x  V ( X ) abaterea medie pătratică a v.a. X şi luăm kx, k1.
Atunci P X  m  k x   1 care, pentru k = 3, devine P X  m      0,89 , adică:

1 8
2
k 9
8
P(m-3x X m+3x)  =0,89
9
ceea ce exprimă că aproape 90% din valorile posibile ale v.a. X sunt cuprinse în intervalul (m-3x,
m+3x) („regula celor 3  ”)
Pentru repartiţia normală normată, datorită simetriei graficului N(0,1) se obţine o formă particulară
a inegalităţii lui Cebîşev:
     
P  X  E ( X )              2   , precum şi o formă particulară a „regulii celor 3
     
 ”: P(m-3x X m+3x) = 0,997
Teorema Cebîsev (legea numerelor mari)
Dacă X1, X2, …..,Xn sunt variabile aleatoare (discrete sau continue) independente, ale caror
dispersii sunt mai mici decat o constanta C, atunci oricare ar fi un numar pozitiv  :
 X 1  X 2  ......  X n E ( X 1 )  E ( X 2 )  .....  E ( X n ) 
lim P      1
 
n
n n
23
Observaţii:
X1  X 2  ......  X n
1. Dacă notăm : X atunci legea numerelor mari se scrie :
n
lim P[| X  E( X ) |   ] 1
n
2. Dacă șirul de variabile considerat are aceeaşi medie : E( X1 )  E( X 2 )  ....  E ( X n )  m atunci

legea numerelor mari devine:
 X  X 2  ......  X n 
lim P  1  m    1.
n 
 n 
Această observaţie stă la baza teoriei selecţiilor.
3. (Teorema Moivre-Laplace) Distribuţia binomială în cazul în care volumul selecţiei este mare
este aproximată de distribuţia normală, adică avem :
1  x 
2
1   
lim Cnx p x q n  x  e 2    , unde m = n∙p şi   npq
n   2
4. Având la dispoziție tabelul valorilor densităţilor de repartiție (de probabilitate) ale variabilei
normale normate, adică N(0,1), rezultatul anterior poate fi scris :
, unde z  x  m , m = n∙p si   npq
f ( z)
Cnx p x q n  x  Z
 
5. (Teoremea limită centrală pentru termeni identic repartizaţi)

Fie X1, X2, ….,Xn un şir de variabile aletoare independente, identic repartizate astfel încat 0 <
X 1  ....  X n  nE ( X 1 ) 
V(X1) <  . Atunci n
 N (0,1)
V (X1) n
Fie X1, X2, ….,Xn un şir de variabile aleatoare independente, identic repartizate cu medie m si
dispersie  .
X m
Atunci, pentru n suficient de mare, avem că: ~ N (0,1), n
/ n
Dacă variabilele aleatoare Xk, k =1,2,…,n sunt independente şi nu iau valori prea mari una în
n
comparație cu cealaltă, iar n este suficient de mare, atunci X = X
k 1
k are ca repartiţie asimptotică
repartiția normală, oricare ar fi repartiţiile variabilelor aleatoare Xk, k =1,2,…,n. Prin urmare,
Teorema Limită Centrală dă posibilitatea folosirii repartiţiei normale drept lege practică de
aproximare.
6. Distribuţia normală poate fi folosită pentru aproximarea altor distribuţii care au aceeaşi medie şi
dispersie. De exemplu :
 Bin(n,p) ~ N(m= np,  2 = np(1-p))
 Poisson(  ) ~ N(m=  ,  2 =  )
24
PROBLEME REZOLVATE
Experimente repetate, scheme clasice de probabilitate
1. În 3 loturi de produse 4%, 3% şi 8% sunt defecte. Se extrage la întãmplare câte un

produs din fiecare lot. Să se afle probabilitatea ca :
a) un produs sã fie defect ;

b) un produs sã fie corespunzãtor ;
c) toate produsele extrase sã fie corespunzãtoare ;
d) toate produsele extrase sã fie defecte.
Soluţie: (Schema Poisson )
p1  0,04; p2  0,03; p3  0,08 iar Pnk este coeficientul lui X k din dezvoltarea polinomialã:
n
 ( pi x  qi ) ; n=3, deci P( x)  ( p1 x  q1 )  ( p2 x  q2 )  ( p3 x  q3 )
i 1
a) P3,1  p1  q2  q3  q1  p2  q3  q1  q2  p3
b) P3, 2  p1  p2  q3  p1  q2  p3  q1  p2  p3
c) P3,0  q1  q2  q3
d) P3,3  p1  p2  p3
2. O firmã se aprovizioneazã de la 4 furnizori. Din datele statistice privind furnizorii, firma

estimeazã cã probabilităţile cu care furnizori pot onora contractele sunt :
p1  0,8; p2  0,9; p3  0,8; p4  0,9
Sã se determine posibilitatea ca :
a) toţi furnizorii sã-şi onoreze contractul ;
b) nici un furnizor sã nu-şi onoreze contractul ;
c) cel puţin un furnizor sã-şi onoreze contractul ;
d) cel mult un furnizor sã-şi onoreze contractul .
Soluţie: ( Schema Poisson ); n=4
4
a) P4, 4 ; b) P4, 0 c) P4,k 1   P4,k d) P4,k 1  P4,0  P4,1
k 1
3. O societate comercialã are 6 debitori. Probabilitatea ca la şfârşitul unei luni un debitor
sa fie solvabil este 0,8. Sã se determine probabilitatea ca :
a) toţi debitorii sã fie solvabili ;
b) nici un debitor sã nu fie solvabil ;
c) 4 debitori sã fie solvabili ;
d) cel puţin 2 debitori sã fie solvabili ;
e) 3 debitori sã nu fie solvabili ;
f) cel puţin 2 debitori sã nu fie solvabili .
Soluţie: ( Schema Bernoulli sau schema bilei revenite )
p  0,8
n6 P n, k  Cnk p k q n  k
q  0,2
25
a) P6,6  C66 p 6 q 0  p 6 ; p  P(A) ; A = evenimentul “ debitorul sã fie solvabil “

b) P6,0  C p q  q 0
6
0 6 6
c) P6, 4  C64 p 4 q 2
6
d) P6,k 2   P6,k
k 2
e) p6,3  C p q 3 3 3
6
f) P6,6  P6,5  P6, 4  C66 p6q0  C65 p5q1  C64 p 4q 2
4. Profitul unui agent economic la sfârşitul lunii poate sã creascã faţã de luna precedentã
cu probabilitatea de 0,6. Se anticipeazã profitul agentului economic pentru urmãtoarele 4 luni. Sã
se afle probabilitatea ca profitul :
a) sã creascã în 3 din cele 4 luni ;
b) sã creascã cel puţin în 2 din cele 4 luni ;
c) sã nu creascã în 2 din cele 4 luni ;
d) sã nu creascã în cel mul 2 din cele 4 luni ;
e) activitatea agentului economic sã nu fie rentabilã în nici una din cele 4 luni ;
f) activitatea agentului economic sã fie rentabilã pe întreaga periodã.
Soluţie: ( Schema Bernoulli sau schema bilei revenite )
p  P( A)  0,6 ; evenimentul A = “profitul sã creascã faţã de luna precedentã ”
a) P4,3  C 43 p 3 q1
b) P4, 2  P4,3  P4, 4  C42 p 2q 2  C43 p3q1  C44 p 4q0
c) P4, 2  C42 p 2 q 2
d) P4, 2  P4,3  P4, 4  C42 p 2q 2  C43 p3q1  C44 p 4q0
e) P4,0  C40 p 2 q 2
f) P4, 4  C 44 p 4 q 0
5. La deschiderea bursei se pun în vânzare 100 de acţiuni cu aceeaşi valoare nominalã

dintre care 30 sunt ale firmei A, iar restul sunt ale firmei B. Sã presupunem cã pânã la închidera
bursei s-au vândut 10 acţiuni. Sã se afle probabilitatea ca :
a) 3 acţiuni vândute sã fie de la firma A ;
b) 4 acţiuni vândute sã fie de la firma B ;
c) toate acţiunile vândute sã fie ale firmei A ;
d) cel puţin 6 acţiuni vândute sã fie ale firmei A ;
e) toate acţiunile vândute sã fie ale firmei B ;
f) cel puţin 7 acţiuni vândute sã fie ale firmei B ;
Soluţie: ( Schema hipergeometricã pentru douã stãri )
N=100, a=30, b=70, n=10
3 7 6 4 10 0
C30 C70 C30 C70 C30 C70
P10,3  10 ;b) P10,6  10 ;c) P10,10  10
;
C100 C100 C100
10 10
1 10 k C70 3
1 3 k 10 k
d) P
k 6
10, k  10  C30  C70 ; e) P10,10  10 ; f)  P10, k  10  C30
C100 k  6
10 k
C100 k 0 C100 k  0
 C70
26
Formule probabilistice
1. Un aparat electronic e alcătuit din 3 module ce funcţionează independent unul de altul.

Pe baza datelor statistice firma apreciază că probabilitatea “ p i ” de funcţionare fară defect într-
un interval dat de timp a modulului “ i ” este : p1  0,8 ; p2  0,85 ; p3  0,9 . Să se calculeze :
a) probabilitatea ca aparatul să funcţioneze ;
b) aparatul să nu funcţioneze ;
c) să fie necesară înlocuirea unui singur modul pentru ca aparatul să poată funcţiona.
Soluţie:
a) Fie Ai evenimentul ca modulul “ i ” să funcţioneze fară defect ; pi  P( Ai ) ; i  1, 3 .
Fie A evenimentul ca aparatul să funcţioneze. Atunci A  A1  A2  A3 şi cum evenimentele Ai
sunt independente, P( A)  P( A1  A2  A3 )  p1  p2  p3  0,8  0,85  0,9  0,612 .
b) Fie B evenimentul cerut, ca aparatul să nu funcţioneze. Evident : B  A . Deci :
P( B)  1  P( A )  1  0.612  0.388 .
c) Fie C evenimentul cerut. El se realizează daca şi numai dacă un singur eveniment Ai din
cele trei nu se realizează. Deci : C  ( A1  A2  A3 )  ( A1  A2  A3 )  ( A1  A2  A3 ) .
Cum evenimentele reunite sunt incompatibile două căte două, pentru calculul lui P(C ) se foloseşte
finit aditivitatea funcţiei probabilitate.
P(C )  P( A1  A2  A3 )  P( A1  A2  A3 )  P( A1  A2  A3 ) 
 (1  p1 )  p 2  p3  p1  (1  p 2 )  p3  p1  p 2  (1  p3 ) 
 0,2  0,85  0.9  0,8  0,15  0,9  0,8  0,85  0,1  0,153  0,108  0,068  0,329
2. O firma are în trei oraşe diferite câte o filială. Consiliul de administraţie al firmei a fixat
o valoare S faţa de care se raportează profitul fiecărei filiale.
Din datele statistice ale firmei rezultă că probabilităţile cu care fiecare filiala obţine un profit ce
depăşeşte suma S sunt aproximate de valorile p1  0,5 ; p2  0,6 ; p3  0,8 .
Să se afle probabilitatea ca :
a) cel puţin o filială să aibă un profit ce depăşeşte pe S ;
b) o singura filiala să aibă profit mai mare decât S ;
c) profitul la toate filialele să fie mai mare ca S ;
d) profitul la toate filialele să fie mai mic ca S ;
e) profitul la cel mult 2 filiale să depăşească pe S.
Soluţie:
a) Fie Ai evenimentul ca filiala “ i ” să obţină un profit mai mare decât S. Fie A
3
evenimentul ca cel puţin o filiala să aibă un profit mai mare ca S. Deci X   Ai şi cum
i 1
evenimentele sunt compatibile P(X) se calculează cu formula Poincare :
 3 
P  AI   P( A1 )  P( A2 )  P( A3 )  P( A1  A2 )  P( A1  A3 )  P( A2  A3 )  P( A1  A2  A3 ) 
 I 1 
 p1  p2  p3  p1 p2  p1 p3  p2 p3  p1 p2 p3 
= 0,5  0,6  0,8  0,5  0,6  0,5  0,8  0,6  0,8  0,5  0,6  0,8  0,96 .
27
b) Evenimentul cerut se descompune ca reuniune de evenimente incompatibile:

Y  A1  A2  A3   A1  A2  A3   A1  A2  A3  . Deci:
P(Y )  p1  (1  p2 )  (1  p3 )  (1  p1 )  p2  (1  p3 )  (1  p1 )  (1  p2 )  p3  0,26
c) Evenimentul cerut înseamnă realizarea simultană a celor 3 evenimente Ai . Deci
 3 
P( Z )  P  Ai   p1 p 2 p3  0,24.
 i 1 
d) Evenimentul cerut este:
V  A1  A2  A3  (1  p1 )(1  p2 )(1  p3 )  0.5  0.4  0.2  0,04.
e) Evenimentul cerut W se poate descompune ca reuniune de evenimente incompatibile
astfel:
    
W  Z  Y  A1  A2  A3  A1  A2  A3  A1  A2  A3  
P(W )  P(Z )  P(Y )  (1  p1 )  p2  p3  p1  (1  p2 )  p3  p1  p2  (1  p3 ) 
 (1  0,24)  0,26  0,24  0,16  0,06  1,48.
3. O maşină automată produce în medie 3% tricotaje necorespunzătoare. Un lot de 100 de

tricotaje e supus controlului de calitate. Condiţia ca lotul să fie respins constă în depistarea a cel
puţin unui tricotaj cu defect în 4 verificări consecutive la întâmplare. Să se afle probabilitatea ca :
a) lotul să fie acceptat ;
b) lotul să nu fie acceptat ;
c) lotul să fie respins după a doua verificare.
Soluţie:
a) Fie X evenimentul ca lotul să fie acceptat şi fie Ai evenimentul ca la verificarea cu
numărul i, i  1.4 , tricotajul să fie corespunzător.
4
Evenimentele Ai sunt dependente, X   Ai , deci se aplică formula probabilităţii intersecţiei de
i 1
evenimente dependente.
 4 
P( X )  P  AI   P( A1)  P A2   P 3   P A4 
A
   A A A 
 I 1   A1  A1 A 2  1 2 3
97 96 95 94
     0,858.
100 99 98 97
b) Evenimentul cerut notat cu Y ca lotul să nu fie acceptat, este contrarul evenimentului X.
Deci P(Y )  1  P( X )  1  0.858  0,142.
c)Notăm cu Z evenimentul cerut.
  97 3
Z  A1  A2  P( Z )  P( A1 )  P A2     1,02.
 A1  100 99
4. Două maşini automate care fabrică acelaşi fel de piese şi au aceeaşi productivitate,
realizează piese rebut cu probabilitatea p1  0,05; p 2  0,02. Din producţia celor două maşini se
extrage la întâmplare o piesă:
a) Care este probabilitatea ca piesa extrasă să fie corespunzătoare;
b) Care este probabilitatea ca piesa extrasă să fie rebut;
c) Ştiind că piesa extrasă este rebut, să se afle probabilitatea ca ea să provină de la prima
maşină;
d) Ştiind că piesa extrasă este corespunzătoare, care este probabilitatea ca ea să provină de
la a doua maşină?
Soluţie:
28
Notăm cu Ai evenimentul ca maşina “ i ”, i  1,2 să realizeze rebut.

p1  P A1   0,05; şi p2  P A2   0,02
Probabilitatea evenimentelor contrare, ca maşina “ i ” să realizeze piese corespunzătoare:
   
q1  P A1  1  p1  0,95 şi q2  P A2  1  p2  0,98
Fie H i , i  1,2 evenimentele ca maşina aleasă să fie maşina i
H i , i  1,2 formează sistem complet de evenimente (ipoteze):
H i   ; H1  H 2   ; H1  H 2  
P H 1   P H 2  
1
2
a) Fie X evenimentul ca piesa extrasă să fie corespunzătoare.
X se poate descompune ca reuniune de evenimente incompatibile:
X  X    X  H1  H 2    X  H1    X  H 2 
Aplicăm formula probabilităţii totale:
P X   PH 1   P X   PH   P X

    
 H , unde P X H   q1 ; P X H   q 2
 H 1  2  1  2
2
P X    0,95   0,98  0,965

1 1
2 2
b) Fie Y piesa extrasă să fie rebut
 
PY   P X  1  P X  , sau aplicând din nou formula probabilităţii totale,
PY   PH 1   P Y   PH   P Y  1 1

  H    0,05   0,02  0,035
 H 1  2
2
2 2
c) Probabilitatea cerută se calculează cu formula lui Bayes ( Y este evenimentul realizat)
PH 1   P Y  1  0,05
 H1   H 1  2
P    0,714285
 Y PY  0,035
d) X este evenimentul realizat pentru care se aplică din nou formula lui Bayes
PH 2   P X  1  0,02

P 2  
H  H 2
 2  0,010369
 X  P X  0,965
Variabile aleatoare
1. Distribuţia variabilei aleatoare X este:
 1 2 3 4
 
X : 2 7 1 1
p P 
 4 3 6
a) Care este probabilitatea ca variabila X să ia o valoare  3 ?
b) Calculaţi M X  şi D X 
Soluţie:
7 1 1
a) X este variabilă aleatoare => p 2  p    1
4 3 6
29
12 p 2  21 p  4  2  12  0
4p2  7p  2  0
D  49  32  81
79 1 79
p1   p2  2  0 soluţie care nu convine.
8 4 8
 1 2 3 4 
Rescriem distribuţia variabilei aleatoare, X :  
1 / 16 7 / 16 1 / 3 1 / 6 
P X  3  P1  P2  P3 

1 7 1 5
   sau
16 16 3 6
 
P X  3  1  P X  3  1  P X  4  ;
5
6
1
16
7
16
1
3
1
6
 
b) M X   1   2   3   4  ; D X   M X 2  M X  ; iar
2
  1 7
M X 2  12  22  32  42
16 16
1
3
1
6
2. Se testează trei prototipuri de produse. Probabilităţile ca acestea sa fie corespunzatoare

sunt respectiv: p1  0.9; p 2  0.8; p3  0.85 .Să se determine repartiţia variabilei aleatoare
corespunzatoare numărului de prototipuri care corespund.
Soluţie:
Notăm cu X variabila aleatoare respectivă . valorile acesteia pot fi 0,1,2,3.
Probabilităţile aferente fiecărei valori pe care o poate lua X se calculează cu schema lui
Poisson şi sunt respectiv coeficienţii lui x0 , x1 , x 2 , x3 din polinomul:
Px   0.9 x  0.10.8x  0.20.85x  0.15
 0 1 2 3 
Vom avea: X :  
 0,003 0,056 0,329 0,612 
 
3. Intr-un lot de 100 produse, 10 sunt necorespunzătoare. Pentru un control de calitate se

extrag la întâmplare 5 produse din lot.
Să se determine repartiţia variabilei aleatoare X care ia ca valori numarul produselor
necorespunzătoare din cele 5 produse selectate?
Să se determine P X  4, P1  X  5
Soluţie:
Variabila aleatoare X poate lua valorile 0,1,2,3,4,5
pentru calcularea probabilităţilor corespunzătoare se foloseşte schema bilei nerevenite şi avem:
C k  C 5 k
pk  P5, k   10 5 90 , k  0,1,2,3,4,5
C100
k 
Repartiţia variabilei aleatoare va fi: X :   k  0,1,2,3,4,5 .
 pk 
3
P X  4  F 4   pk 0.583  0.340  0.070  0.007  1
k 0
30
4
P1  X  5  F 5  F 1   pk 0.340  0.070  0.007  0.41 .
k 1
4. Se da o funcţie f : R  R , unde:
k sin x ,  x  [0,  ]

f x    ,k  R

 0 ,  x  [0,  ]
a. Să se determine constanta k astfel ca f să fie densitatea de repartiţie a unei variabile
aleatoare X .
b. Să se afle funcţia de repartiţie F a lui X
        5 
c. Să se calculeze P 0  X   , P 0  X  / x   , P X  /  X  
 4  4 6  2 4 4 
Soluţie:
Condiţiile ca f să fie densitate de repartiţie a variabilei aleatoare X sunt:
1. f x   0, x  R  k sin x  0  k  0
 

2. 

f ( x)dx  1   k sin xdx  k cos x
0
0
 2k  1  k  1
2
1
 sin x pentru x  [0,  ]
Deci: f ( x)   2

 0 pentru x  [0,  ]
x
Deoarece : F x    f (t )dt 

pentru x  0 , F x   0
0 x x 1
pentru x  a, b , F x  
1 1


0 dt  0 2 sin tdt  
2
cos t  (1  cos x)
0 2
0  x 
F x  
1
pentru x    f (t )dt  0 f (t )dt   f (t )dt  0  0 2 sin tdt  0  1
 0 , daca x0
1  cos x
In concluzie: F x    , daca 0  x  
 2
 1 , daca x 

  41 2 2
c. P 0  X   =  sin xdx 
 4 0 2 4
     
  
P 0  X  / X  
P  X   F    F  
= 
6 4
  
4 6  2 3 2  
 4 6     2 3
P X   1 F 
 6 6
 5   5    1
P  X   F   F  1
   5  2 4 
   2 
4 2 2
P X  /  X   
 4 4 4  P   X  5  F  5   F    1 2  2 2
      1  1  
4 4   4  4 2  2 
31
5. Să se determine k  R, astfel încât f : R  R unde:
kxa 1 (1  x) b1 , pentru x  [0,1]

f ( x)   a.b>0
 0 , pentru x  [0,1]
să fie o densitate de repartiţie.
Soluţie:
Se pun condiţiile:
a. f ( x)  0, () x  R  k  0
 1
b.  f ( x)dx  1   kxa 1 (1  x) b1 dx  1 => kBa, b  1
 0
1
=> K  unde B(a, b) este funcţia beta de parametri a si b .
B ( a, b)
6. Se consideră funcţia f definită prin:

 1 , daca 1  c  x  1  c
f ( x)   x ,c  R

0 in rest
Să se afle valoarea constantei c pentru care funcţia f este o densiatate de repartiţie.
Soluţie:
Pentru ca f sa fie o densitate de repartiţie, trebuie ca f ( x)  0, () x  R şi  f ( x)dx  1
R
Din f ( x)  0 rezultă ca c  0
1 c
dx 1 c 1 c
Din condiţia 1c x  1 rezultă că ln x
1 c
 1 sau ln
1 c
1
1 c e 1
Rezultă că:  e , adică c  .
1 c e 1
7. Dându-se variabilele aleatoare:

 1 1  0 1
X :   şi Y :   şi ştiind că P( X  1şiY  0)  k , să se determine
1 2  1 3 
 3 3  4 4
coeficientul de corelaţie al variabilelor X şi Y.
Soluţie:
E ( XY )  E ( X )  E (Y )
Prin definiţie:  ( X , Y ) 
V ( X ) V (Y )
Repartiţia comună a variabilelor X şi Y este dată de tabela:
-1 1 P(Yy)
X
Y
0 k 1 k 1
4 4
1 1 k 5 k 3
3 12 4
1 2
P(Xx) 3 3
32
Valorile care apar în tabel sunt probalilităţi deci trebuie să satisfacă condiţiile:
 1
0  k  1 0  3  k  1
 ,  ,
5
0  14  k  1 0  k   1
 12
Din cele patru inegalităţi rezultă 0  k  14 .
8
E( X )  1 , E ( X 2 )  1, V (X ) 
3 9
Avem:
3
E (Y )  3 , E (Y 2 )  3 , V (Y ) 
4 4 16
  
E ( XY )  (1)  0  k  (1) 1 1  k  1 0  1  k  11 k  5
3 4 12  1
 2k  ,
12
 
1 1 3 2
2k   2k 
Rezultă:  ( X ,Y )  12 3 4  12  24k  2  12k  1 .
8 3 1 12 6

9 16 6
1
Observăm că pentru k  coeficientul de corelaţie este zero, deci variabilele aleatoare X şi Y sunt
12
independente.
8. Să se determine constanta c astfel ca f : R  0,1 , f x  

c
să fie o densitate de
1 x2
repartiţie (repartiţia Cauchy) a unei variabile aleatoareX. Să se determine P 1  X  1 .
Soluţie:
f este o densitate de repartiţie dacă f x   0  c  0
  
 f x  dx  1  
c  dx 1
dx  c   c  arctgx   c    1  c 
1 x 1  x
2

 
1 1 1
P 1  X  1  f x  dx 
dx 1 dx

1
1  1  x 2   11  x 2 
 
1      1  1
1
1
  arctgx        .
 1   4  4   2 2
0 , pentru x  0
9. Fie f : R  R , f x   
  e
2 x
, pentru x  0
a. Să se determine  pentru ca f să fie densitatea de repartiţie a unei variabile aleatoare
continue X .
b. Să se calculeze P X  3 , P X  3 , P2  X  3 .
c. Să se calculeze M  X  si D X  .
Soluţie:
a) f densitate de repartiţie dacă:
  
f x   0, x  R    0 ;  f x dx  1     e
2 x
dx     e 2 x dx  1 
 0 
33

 1
      e 2 x
1 1

 1    e   e 0     1    2 
 2 0
2 2
3
b) P X  3   2e 2 x dx  e 2 x ; P X  3  1  P X  3  6
3 1 1
 1  e 6  1  6
0
0 e e
1 e2 1
3
P2  X  3   2e 2 x dx  e 2 x
3 1
 e  4  e 6    6
2
2 e4 e6 e
  
c) M  X    xf x dx   2 xe dx  2 xe dx 
2 x 2 x
 0 0
 
 1 1
  xe 2 x   e 2 x dx  0  e 2 x  .
0
0
2 0 2
 
M 2 X    x f x dx   2 x e
2 2 2 x
dx 
 0
  
 1 1 1
 2 x    e 2 x
2
 2 x  e 2 x
dx  0  e 2 x  .
 2 0 0
2 0 2
D X   M 2  X   M 2  X  
1 1 1
  .
2 4 4
10. Se da funcţia:
x , daca 0  x  1

f x   2  x , daca 1  x  2
0
 , in rest
a. Să se verifice că f x  este o densitate de probabilitate;
b. Să se calculeze M  X  si D 2  X  .
Soluţie:
a)Se verifica uşor că f x  > 0
1 1
 1
x2
2
 x2 
 f  x dx  0 xdx  1 2  x dx 
1 1
  2 x     2   1 .

2 0  2 0 2 2
Deci f x  este o densitate de probabilitate.
2 1 2
b) M  X    xf x dx   x dx   x2  x dx 

2
0 0 01
1 2 2
x3 2x 2 x3 1 8 1
     4 1   3  2  1
3 0
2 1
3 1
3 3 3
2 1 2
M 2  X    x 2 f x dx   x 3 dx   x 2 2  x dx 
0 0 1
4 1 3 2 4 2
x x x 7
  2   .
4 0
3 1
4 1
6
D X   M 2  X   M 2  x  
7 1
1  .
6 6
34
11. Se considera funcţia:

ax 2 e  kx , x  0
f x    unde k  0 , a  R .
0 , x  0
a. Să se determine parametrul real a aşa încât f să fie densitatea de repartiţie a unei
variabile aleatoare continue X ;
b. Să se afle funcţia de repartiţie a lui X ;
c. Să se calculeze M  X  , D X  ,  x ;
 1
d. Să se calculeze P 0  X  .
 k
Soluţie:

Pentru ca f să fie o densitate de repartiţie trebuie ca f x   0 , adică a  0 si  f x dx  1 ;


Rezultă că:
 
k2
a  x 2 e kx 1 
a
 y e dy  1 
2 y a
 3  1  a  .
0 k2 0 k2 2
0 , x  0 0 ,x0
x 2 
b) F x   P X  x    k 2  kt   k 2 x 2  2kx  2  kx
 2 t e dt , x  0 1  e ,x0
0  2
c)
4 3
  
k 2 3 kx
M  X    xf x dx 
1

2 0
x e dx 
2 k 
0
y 3 e  y dy 
2 k
 .
k
5 12
  
M X  2
  x f x dx 
2 k2

1
x 4 e kx dx  2 y
4 y
e dy   .

2 0 2k 0 2k 2 k 2
 
D x   M X 2  M 2  X   2  2  2 .
12 9 3
k k k
 x  D X  
1
3.
k
d)
 1 1 1  2  2 1
P 0  X    F    F 0  1 
5 5
 e  1   e 1  1  .
 k k 2 2 2e
Legi clasice de repartiţie
1. Profitul unui agent economic, la sfârşitul unei luni, poată sa crească, fata de cel din luna
precedenta, cu probabilitatea 0,5. Se anticipează profitul agentului economic pe următoarele 6
luni.
a) Sa se estimeze numărul mediu de luni in care profitul creste ;
b) Sa se caracterizeze probabilitatea ca numărul lunilor in care profitul creste sa fie cuprins
intre doua si cinci luni.
Soluţie:
35
Fie X variabila aleatoare care reprezintă numărul lunilor in care profitul creste fata de luna
precedenta; X poate lua valorile 0,1,2,3,4,5,6. X este o variabila aleatoare cu repartiţie binomiala de
parametrii p = 0,5;
n = 6 unde:
f ( x)  P( X  x)  C6x  (0,5) x  (0,5)6  x .
Numărul mediu de luni cu profit in creştere este M(X). Avem : M ( X )  n  p  3 deci, se poate
estima ca in trei luni din cele 6, profitul va creste.
Probabilitatea din enunţ se poate exprima, in cadrul modelului propus astfel : P(2  X  5) ; atunci
se poate scrie :
5
P(2  X  5) = P( X  2)  P( X  3)  P( X  4)  P( X  5)   C6x (0,5)6  x
x2
Se mai poate caracteriza aceasta probabilitate cu ajutorul inegalităţii lui Cebîşev, in felul
următor :
D( X ) np(1  p)
P(2  X  5)  P( x  3  2)  P( X  M ( X )  2)  1  2
1  0,7
2 4
ceea ce înseamnă ca probabilitatea din enunţ este de cel puţin 0,7.
2. Doi jucători de tenis joaca in 4 meciuri 12 seturi. Considerând ca probabilităţile celor

doi jucători de a câştiga un set sunt egale, sa se calculeze valoarea medie, dispersia si abaterea
medie pătratica a variabilei aleatoare care reprezintă numărul de seturi câştigate de unul dintre
jucători.
Soluţie:
Fie X variabila aleatoare care reprezintă numărul de seturilor câştigate de unul dintre jucători. X
1
poate lua valorile 1,12, iar probabilitatea de a câştiga este .
2
1
Variabila aleatoare X are, in acest caz, o repartiţie binomiala cu : n = 12 si p = unde :
2
x 12 x 12
x 1 1 x 1
f ( x)  P( X  x)  C12       C12   , x  1,12
 2  2  2
1
M ( X )  n  p  12  6
2
D( X )  n  p  (1  p)  3
 x  D( X )  3
3. La examenul de matematica, probabilitatea ca o teza sa fie notata cu nota de trecere este

de 0,75. Se aleg la întâmplare 10 lucrări si fie X variabila aleatoare care reprezintă numărul
tezelor ce vor fi notate cu nota de trecere. Se cere :
a. repartiţia variabilei aleatoare X ;
b. M(X), D(X),  x ;

c. P( X  5), P 7  X  10
X 8

si P( X  10)
Soluţie:
Variabila aleatoare definita in enunţ are o repartiţie binomiala de parametri n =10 si p = 0,75.
36
Repartiţia lui X are forma X :   , unde x  {0,1,2,…,10} si

x
f ( x) f ( x)  C10x  (0,75) x  (0,25)10 x
M ( X )  n  p  0,75  10  7,5
D( X )  n  p  (1  p)  7,5  0,25  1,875 ;  x  1,875
10
P( X  5)   C10x  (0,75) x  (0,25)10 x ;
x 5
9
C x
 (0,75) x  (0,25)10 x
 
P(8  X  10) 10
P 7  X  10   x 7
X 8 P( X  8) 10
C
x 8
x
10  (0,75) x  (0,25)10 x
P( X  10)  f (10)  (0,75)10
4. Densitatea de repartiţie a funcţionarii normale (a vieţii ) unui motor de automobil

1
format din 6 principale module este f (t )  et , t  0, dat in ani si   . Sa se determine
3
probabilitatea ca cel puţin 3 ani motorul sa funcţioneze normal.
Soluţie:
Consideram funcţionarea fiecărui modul ca evenimente independente. Probabilitatea ca viata
medie a unui modul sa fie mai mare sau egala cu 3 este :
 1
 3 1
p   e t dt  e3  e 3  e1 
3
e
1
Probabilitatea căutată este : p 
6
e6
Observaţie : Funcţionarea unui motor are o repartiţie exponenţial negativă.
5. La o agenţie ”LOTO” din 10000 de bilete 10 sunt câştigătoare. Un jucător cumpără 6

bilete şi fie X variabilă aleatoare ce reprezintă numărul biletelor câştigătoare. Se cere:
a) repartiţia variabilei aleatoare X ;
b) M ( X ), D( X ),  ( X );

c) P X  5, P X  3
X 5
 , P X  6.
Soluţie:
a) Variabila aleatoare X este hipergeometrică de parametri n  6, a  10, N  10000 si are
 x  C x  C 6 x
repartiţia de forma: X :   unde x 0,1,2,3,4,5,6 si f ( x)  10 6 9990
 f ( x)  C10000
a 10
M (X )  n  p  n   6  0,006
N 10000
b)
N n 10 9990 9994
D( X )  npq   6    0,0059
N 1 10000 10000 9999
c)
6 x
5 5
C10x  C9990
P( X  5)   f ( X )   6
;
x0 x0 C10000
37
 C 
5
6 x
x
 C9990
 
P(3  X  5) 10
C106
P X 3   x 3
; P X  6 
X 5
 C 
P( X  5) 5
6 x
6
C10000
x
10  C9990
x 0
6. Un aparat electronic este format din 100 de repere. Probabilitatea de defectare a unui
reper într-un an de funcţionare este egal cu 0,01 şi nu depinde de starea celorlalte repere. În
ipoteza că numărul de defecţiuni este o variabila aleatoare X cu repartiţie Poisson, să se afle:
a) probabilitatea defectării a doua repere;
b) probabilitatea defectării a cel puţin două repere.
Soluţie:
Parametrul repartiţiei este a  100  0,01 şi repartiţia are forma:
x  e 1
X :  , unde x  N , f x   ;
 f ( x)  x!
a) P X  2  f 2   e 1 
1 1
 0,184
2 2e

b) P X  2   f x   1  f 0  f 1  1  2e 1  0,264
x 2
7. Un magazin se aprovizionează de la 3 furnizori. Probabilităţile cu care furnizorii nu-şi

pot onora contractele sunt p1  0,1; p 2  0,3; p3  0,2;
Fie X variabilă aleatoare care indică numărul furnizorilor ce nu-şi pot onora contractul. Să se
afle:
b) M ( X ), D( X )
c) cu riscul pe care şi-l asumă magazinul.
Soluţie:
a) X are o repartiţie Poisson în care p1  0,1; q1  0,9; p 2  0,3; q 2  0,7; p3  0,2; q3  0,8.
Se obţine:
P3 x    p1 x  q14  p2 x  q2  p3 x  q3   0,006 x 3  0,092 x 2  0,398x  0,504
Prin urmare avem:
 0 1 2 3 
X :  
 0,504 0,398 0,092 0,006 
b)
3
M  X    xi pi  0,6;
i 0
   
3
M X 2   xi2 pi  0,820 şi D X   M X 2  M 2  X   0,46
i 0
c) Riscul asumat de magazin constă în evenimentul ca nici un furnizor să nu-şi onoreze contractul.
Vom avea:
3
P X  1   pi  0,496
i 1
8. Fie variabila aleatoare normală X  N 2,2. Să se calculeze:

a) P0  X  3; b) P X  1;
38
 X 1 
c) P ;
 0  X  3 
d) Să se afle o limită inferioară a P0  X  4.
Soluţie:
Deoarece X este o variabilă aleatoare normală de parametrii m  2 şi   2 ,
bm a m
probabilităţile cerute se pot calcula cu formula Pa  X  b       .
     
32 02 1
a) P0  X  3           1  0,5328
 2   2  2
1 2   1 2  3 1
b) P X  1  P 1  X  1              0,242
 2   2  2 2
1 2  02
    
 X 1  P0  X  1  2   2 
c) P    0,281
 0  X  3  P0  X  3 0,5328
D X 
d) P0  X  4  P X  2  2  1 
1 1
 1 
4 2 2
10. Pe baza unui contract o firmă trebuie să livreze 100000 piese unui beneficiar. O piesă
este acceptată de beneficiar numai dacă valoarea unei caracteristici cercetate X a acesteia se află
în intervalul (9,8 şi 10,2). Variabila aleatoare asociată X  N 10;0,15 . Să se determine numărul
de piese pe care trebuie să-l producă firma pentru a putea onora contractul.
Soluţie:
Fie A evenimentul 9,8  X  10,2, n numărul pieselor contractate şi p probabilitatea realizării
x p
evenimentului A . Din teorema lui Bernoulli rezultă   p ; atunci pentru x suficient de mare
n
 10,2  10   9,8  10  4
n  x  . Avem: p  P9,8  X  10,2  
1
     2   0,81
p  0,15   0,15  3
Rezultă n  100000  0,81  123457
1
Firma va produce 123457 piese pentru a putea onora contractul.
11. Probabilitatea obţinerii unei piese rebut din producţia unei maşini automate este
p  0,005 . Să se determine probabilitatea ca din 10000 de piese fabricate de această maşină,
numărul pieselor rebut să fie:
a) între 60 şi 70;
b) cel mult 70.
Soluţie:
 0 1  n
Fie X k :  , k  N * şi S n   X k
 0,995 0,005  k 1
n
Atunci S n   X k reprezintă numărul de piese de schimb rebut şi are o repartiţie binomială de
k 1
parametrii n  10000 şi p  0,005 , de unde rezultă:
M S n   n  p  50, DS n   n  p  q  49,75,  Sn   7.
39
Conform teoremei Moivre - Laplace, repartiţia limită a repartiţiei binomiale este repartiţia normală
de parametrii np şi npq şi are loc următoarea aproximare:
 b  np   
Pa  S n  b       a  np .
 npq   npq 
   
Probabilitatea căutată este:
 70  50   60  50   20   10 
P60  S n  70              0,497888  0,42364  0,07 b)
 7   7   7  7
 70  50   50 
Probabilitatea căutată este: P0  S n  70         0,997
 7   7
PROBLEME PROPUSE
1. Un aparat electronic e alcătuit din 3 module ce funcţionează independent unul de altul. Pe baza
datelor statistice firma apreciază că probabilitatea de funcţionare fară defect într-un interval dat de
timp a modulului “ i ” este : “ p i ”. Fie Ai evenimentul ca modulul “ i ” să funcţioneze fară defect.
Exprimaţi evenimentul ca aparatul să funcţioneze fără defect.
a) A  A1  A2  A3
b) A  A1  A2  A3
c) A  A1  A2  A3
2. O firma are în trei oraşe diferite câte o filială. Consiliul de administraţie al firmei a fixat o valoare
S faţa de care se raportează profitul fiecărei filiale. Din datele statistice ale firmei rezultă că
probabilităţile cu care fiecare filiala obţine un profit ce depăşeşte suma S sunt aproximate de
valorile“ p i ”. Să se determine evenimentul X ca „cel puţin o filială să aibă un profit ce depăşeşte pe
S”, dacă notăm cu Ai evenimentul ca filiala “ i ” să obţină un profit mai mare decât S.
a) X  A1  A2  A3   A1  A2  A3   A1  A2  A3 
3 3
b) X   Ai ; c) X   Ai
i 1 i 1
3. O maşină automată produce în medie 8% piese necorespunzătoare. Un lot de 300 de piese e
supus controlului de calitate. Condiţia ca lotul să fie respins constă în depistarea a cel puţin unei
piese cu defect în 4 verificări consecutive la întâmplare. Dacă X este evenimentul ca lotul să fie
acceptat şi Ai evenimentul ca la verificarea cu numărul i tricotajul să fie corespunzător, să se
exprime formula probabilităţii ca lotul să fie respins după a doua verificare.
 2 
a) P( X )  P  Ai   P( A1 )  P 2 
A
 i 1   A1 
 2  2
b) P X   P  Ai    P Ai 
 i 1  i 1
  A
c) P A1  A2  P( A1 )  P 2 

 A1 
40
4. O firmă are 6 debitori. Probabilitatea ca la şfârşitul unei luni un debitor sa fie solvabil este p.
Utilizând notaţia P n, k  Cnk p k q n  k pentru probabilitatea ca din n extrageri consecutive de câte o bilă
cu revenire, să se obţină k bile albe, sã se exprime probabilitatea ca cel puţin 2 debitori sã fie
solvabili.
a) P6,6  P6,5  P6, 4  C66 p6q0  C65 p5q1  C64 p 4q 2
b) P6, 4  C64 p 4 q 2
6
c) P6,k 2   P6,k
k 2
5. La deschiderea bursei se pun în vânzare 100 de acţiuni cu aceeaşi valoare nominalã dintre care 30
sunt ale firmei A, iar restul sunt ale firmei B. Sã presupunem cã pânã la închidera bursei s-au vândut
10 acţiuni. Sã se afle probabilitatea ca 3 acţiuni vândute sã fie de la firma A.
C3 C7
a) P10,3  3010 70
C100
3
1 3 k 10 k
b)  P10, k  10  C30  C70
k 0 C100 k  0
3
1 3 k 10 k
c)  P10, k  10  C30  C70
k 0 C100 k  0
6. Un om de afaceri încheie într-o zi trei afaceri care pot fi rentabile ( Ai ) sau nerentabile ( Ai ) ,
i  1,3 , în final. Să se scrie evenimentele care să corespundă situaţiilor următoare:
a) una din afacerile încheiate este rentabilă;
b) cel puţin o afacere încheiată este rentabilă;
c) cel mult o afacere încheiată este rentabilă;
d) nici o afacere încheiată nu este rentabilă;
cel mult două afaceri sunt rentabile.
7. Un student se prezintă în sesiune la 4 examene pe care le poate promova
( Ai )
sau nu
( Ai ) ,
i  1,4 .
Să se scrie evenimentele corespunzătoare următoarelor situaţii:
a) studentul promovează toate examenele;
b) cel puţin două examene sunt promovate;
c) cel puţin un examen şi cel mult trei sunt promovate;
d) nici un examen nu este promovat;
cel mult un examen este promovat.
8. Un lot de 100 de produse este supus controlului de calitate. Condiţia ca acest lot să fie respins
este găsirea a cel puţin a unui produs defect în cinci verificări consecutive. Care este probabilitatea
ca lotul să fie respins, dacă el conţine 5% produse necorespunzătoare?
9. O fabrică de băuturi produce şi vinde produsele realizate în trei secţii. Salariaţii celor trei secţii
sunt plătiţi în acord, în funcţie de realizări.
Din datele anterioare se ştie că cele trei secţii îşi depăşesc programul de producţie cu probabilităţile:
0,7; 0,6; 0,8.
Să se afle probabilitatea ca:
a) toate secţiile să depăşească programul de producţie;
b) cel puţin o secţie să depăşească programul de producţie;
nici o secţie să nu depăşească programul de producţie.
41
10. O grupă de studenţi din anul I are de realizat trei lucrări de cercetare ştiinţifică. În ipoteza că
cele trei proiecte pot fi integral realizate cu probabilităţile P1  0,6 ; P2  0,8 ; P3  0,7 să se
determine probabilitatea ca:
a) cel puţin un proiect să fie terminat la timp;
numai un proiect să nu fie terminat la timp.
11. Zece aparate de acelaşi tip sunt date în exploatare: trei provenind de la furnizorul F1 , cinci de la
furnizorul F2 , două de la furnizorul F3 .
Aparatele sunt supuse unei probe de verificare. Cele care provin de la furnizorul F1 trec proba de
verificare cu probabilitatea 0,9, cele de la furnizorul F2 cu probabilitatea de 0,75, iar cele de la
furnizorul F3 cu probabilitatea de 0,85. Se alege la întâmplare un aparat.
a) care este probabilitatea ca aparatul să treacă proba de verificare?
b) în ipoteza că aparatul ales trece proba de verificare să se determine probabilitatea ca acesta
să provină de la primul furnizor.
12. Trei furnizori F1 , F2 , F3 aprovizionează un magazin en gross cu acelaşi produs în cantităţi
proporţionale cu numerele 3, 2, 5, iar calitatea produselor necorespunzătoare în proporţie de 2%,
2,5% şi 3%. O cantitate din produs vândută de magazin clienţilor săi în valoare de 7800 u.b. este
restituită de către aceştia în baza contractului de garanţie; suma urmează a fi recuperată de la
furnizori. În ipoteza că nu se cunoaşte furnizorul produsului necorespunzător, să se stabilească în
mod echitabil sumele ce urmează a fi recuperate de la fiecare furnizor.
13. Trei bănci sunt abilitate să efectueze anumite operaţiuni de scont. Din mai multe controale
asupra activităţilor acestor bănci se apreciază că operaţiunile efectuate sunt corecte în proporţie de
90%, 95% şi 88% respectiv pentru prima, a doua şi a treia bancă. O comisie de control solicită la un
moment dat respectiv 10, 15 şi 35 de documente scontate. Din cele 60 de documente solicitate se
alege la întâmplare unul spre a fi verificat. În aceste condiţii, se cer:
a) cu ce probabilitate documentul ales a fost scontat corect?
b) constatând că documentul scontat este corect, cu ce probabilitate el aparţine celei de-a treia
bănci?
14. În urma unor alegeri generale, Coaliţia guvernamentală a fost formată din reprezentanţii a patru
partide politice în proporţie de respectiv 42%, 28%, 16% şi 14%.
Fiecare formaţiune din cele patru lansează spre dezbatere un număr de acte normative proporţional
cu ponderea sa în coaliţie.
Din statistici s-a constatat că probabilitatea de a fi adoptat un act normativ lansat spre dezbatere este
respectiv 60%, 65%, 70%, 82% pentru fiecare formaţiune în parte.
Să se determine probabilitatea ca:
a) un act normativ să fie adoptat, indiferent ce formaţiune politică l-a lansat;
un act normativ adoptat să provină de la formaţiunea a doua.
15. O fabrică de băuturi produce şi vinde produse realizate în trei secţii. Salariaţii îşi depăşesc
planul de producţie cu probabilităţile 0,7; 0,6; 0,8.
Să se afle probabilitatea ca:
a) toate secţiile să depaşască programul de producţie.
b) cel puţin o secţie să depăşească programul de producţie.
c) nici o secţie să nu depăşească programul de producţie.
16. Două maşini automate, care fabrică acelaşi fel de piese şi au aceeaşi productivitate, realizează
piese rebut cu probabilitatea p1  0,05 şi respectiv p2  0,02 . Din producţia celor 2 maşini se
extrage la întâmplare o piesă.
a) Care este probabilitatea ca piesa extrasă să fie corespunzătoare?
b) Ştiind că piesa extrasă este rebut, să se afle probabilitatea ca ea să provină de la prima
maşină.
42
c) Ştiind că piesa extrasă este corespunzătoare, care este probabilitatea ca ea să provină de la o

a doua maşină?
17. La un serviciu financiar sunt verificate lucrările a 3 funcţionari care lucrează fără greseală în
proporţie de 97%, 96% şi respectiv 95%. Se alege la întâmplare câte o lucrare de la fiecare
funcţionar. Cu ce probabilitate se vor găsi:
a) 2 lucrări fără nici o greşeală;
b) cel puţin 2 lucrări fără nici o greşeală?
18. O firmă se aprovizionează de la 4 furnizori. Din datele statistice privind furnizorii, firma
estimează că probabilitatea cu care furnizorii pot onora contractele sunt p1  0,8 , p2  0,9 ,
p3  0,8 şi respectiv p4  0,9 . Să se determine probabilitatea ca:
a) Toţi furnizorii să-şi onoreze contractul;
b) Nici un furnizor să nu-şi onoreze contractul;
c) Cel puţin un furnizor să-şi onoreze contractul;
d) Cel mult un furnizor sa nu-şi onoreze contractul.
19. O societate comercială are 6 debitori. Probabilitatea ca la sfârşitul unei luni un debitor să fie
solvabil este 0,8. Să se determine probabilitatea ca:
a) Toţi debitorii să fie solvabili;
b) Nici un debitor să nu fie solvabil;
c) 4 debitori să fie solvabili;
d) cel puţin 2 debitori să nu fie solvabili;
e) 3 debitori să nu fie solvabili;
f) societatea comercială să nu mai aibă debitori;
g) cel mult 2 debitori să nu fie solvabili.
20. Profitul unui agent economic la sfârşitul unei luni poate să crească faţă de luna precedentă cu
probabilitatea 0,6. Se anticipează profitul agentului economic pentru următoarele 4 luni. Să se afle
probabilitatea ca profitul:
a) Să crească în 3 dintre cele 4 luni;
b) Să crească cel puţin în două dintre cele 4 luni;
c) Să nu crească în două dintre cele 4 luni;
d) Să nu crească în cel mult două dintre cele 4 luni;
e) Activitatea agentului economic să nu fie rentabilă în nici una dintre cele 4 luni;
f) Activitatea agentului economic să fie rentabilă pe întreaga perioadă.
21. La deschiderea bursei se pun în vânzare 100 de acţiuni cu aceeaşi valoare nominală, dintre care
30 sunt ale firmei A, iar restul ale firmei B. Să presupunem că până la închiderea bursei s-au
vândut 10 acţiuni. Să se afle probabilitatea ca:
a) 3 acţiuni vândute să fie de la firma A;
b) 4 acţiuni vândute sa fie de la firma B;
c) toate acţiunile vândute să fie ale firmei A;
d) cel puţin 6 acţiuni vândute să fie ale firmei A;
e) toate acţiunile vândute să fie ale firmei B;
f) cel puţin 7 acţiuni vândute să fie ale firmei B.
22. Într-un lot de 800 produse, 30 sunt necorespunzătoare. Pentru un control de calitate se extrag la
întâmplare 10 produse din lot. Pentru calcularea probabilităţilor corespunzătoare repartiţiei
variabilei aleatoare X care ia ca valori numărul produselor necorespunzătoare din cele 10 produse
selectate, se foloseşte:
a) schema lui Poisson
b) schema lui Bernoulli
c) schema bilei nerevenite
43
23. Densitatea de repartiţie a funcţionarii normale ( vieţii ) unui motor de automobil format din 6
principale module este : f (t )  et , t  0,   1 . Sa se determine probabilitatea ca cel puţin 3 ani
3
motorul sa funcţioneze normal.
1 1 1
a) ; b) 6 ; c) 3
e e e
8. Fie variabila aleatoare X, repartizată după legea normală de parametrii m  3 şi
  5 , X  N 3,5. Să se calculeze P0  X  3;
1
a) P0  X  3     1
2
1
b) P0  X  3     1
2
1
c) P0  X  3   
2
24. Distribuţia variabilei aleatoare X este:
1 2 3 
X :  2 
2  . Se cere P(X ≤ 2).
 p 2p 
 9
25. Într-o urna sunt 7 bile albe şi 10 bile negre. Se fac 4 extrageri cu reintroducerea bilei extrase în
urnă. Se noteză cu X variabila aleatoare ce ia ca valori numărul de bile albe ce apar în cele 4
extrageri. Să se calculeze probabilitatea ca:
a) să extragem o bilă albă
b) să extragem cel puţin o bilă albă
c)să extragem cel puţin 3 bile negre
d)să extragem cel mult 2 bile negre
26. Într-o urna sunt 7 bile albe şi 10 bile negre. Se fac 4 extrageri fără reintroducerea bilei extrase în
urnă. Se noteză cu X variabila aleatoare ce ia ca valori numărul de bile albe ce apar în cele 4
extrageri. Să se calculeze probabilitatea ca:
a) să extragem o bilă albă
b) să extragem cel puţin o bilă albă
c)să extragem cel puţin 3 bile negre
d)să extragem cel mult 2 bile negre
27. Un aparat electronic este format din 1000 de repere. Probabilitatea de defectare a unui reper în
decursul unui an de funcţionare este egală cu 0,001 şi nu depinde de starea celorlalte elemente. În
ipoteza că numărul de defectări este o variabilă cu repartiţia Poisson, să se afle:
a) probabilitatea defectării a 3 repere
b) probabilitatea defectării a cel puţin 2 repere.
28. Se considera functia f : R→R, f(x) = k ( x  2) , x [0,3]

0 , ,în rest
a)Sa se determine k astfel incat f sa fie densitate de repartitie(de probabilitate).
b) Sa se determine functia de repartitie
c) Sa se reprezinte grafic functia densitate de probabilitate si functia de repartitie
44
d) Sa se calculeze E(X) si V(X),  ( X )

29. Fie variabila aleatoare normală X  N (25,6) .
Să se calculeze:
a) P( X  28) ,
b) P  X  30 
c) P  X  20 
d) P(| X  25 | 4) .
30. Profitul unui agent economic, la sfârşitul unei luni, poate să crescă, faţă de cel din luna
precedentă, cu probabilitatea 0,5. Se anticipează profitul agentului economic pe următoarele 6 luni.
a) Să se estimeze numărul mediu de luni în care profitul creşte
b) Să se caracterizeze probabilitatea ca numărul lunilor în care profitul creşte să fie cuprins între
două şi cinci luni.
 1 2 3 4
31. Distribuţia variabilei aleatoare X este X :  2 7 1 1.
p p 
 4 3 6
a) Determinaţi valoarea lui p.
b) Care este probabilitatea ca variabila X să ia o valoare  3 ?
32. Se consideră variabilele aleatoare independente:
 1 0 1 a 0 1 
X : 1 1 1, Y :1 ; a  0, a  1 . Să se scrie distribuţia variabilei
p q   2 p  q 12 p 2 
 6 3 3 3 
2
X  Y . Pentru ce valoare a lui a avem: P( X  Y  0)  ?
9
33. Se testează trei prototipuri de produse. Probabilităţile ca acestea să fie corespunzătoare sunt
respectiv: p1  0,9 ; p2  0,8 ; p3  0,85 . Să se determine repartiţia variabilei aleatoare
corespunzătoare numărului de prototipuri care corespund.
34. Într-un lot de 100 de produse, 10 sunt necorespunzătoare. Pentru un control de calitate se extrag
la întâmplare 5 produse din lot.
a) să se determine repartiţia variabilei aleatoare X care ia ca valori numărul produselor
necorespunzătoare din cele 5 produse selectate;
b) să se determine P( X  4), P(1  X  5) .
35. Repartiţia unei variabile aleatoare X este:
 1 2 3 
X :   . Să se determine repartiţiile variabilelor aleatoare: X 2 , X 1 ,3 X , (2 X ) 2 .
 0, 2 0,5 0,3 
36. Se consideră variabila aleatoare X cu repartiţia:
1 2  n
X :1 1 1  . Să se calculeze media şi dispersia acesteia.
  
n n n
37. Variabila aleatoare X are repartiţia:
 1   
X :   . Să se determine  şi  ştiind că M ( X )  1,4 şi     1 . Pentru  şi 
 0,2 0,4 0,4 
 
determinate să se calculeze M X 3 .
38. Fie X şi Y două variabile aleatoare independente cu repartiţiile:
 1 0 1  1 2 3 4
X :  1 1 1  şi Y :  1 4 2 3 .
   
 3 3 3  10 10 10 10 
45
Să se determine repartiţia comună a variabilelor X şi Y .

39. Dându-se variabilele aleatoare:
 1 1  0 1
X:  1 2  şi Y :  1 3  şi ştiind că P( X  1, Y  0)  k , să se determine coeficientul de
   
 3 3 4 4
corelaţie al variabilelor X şi Y .
40. Se dă funcţia f : R  R , unde:
k sin x ,  x  0,  , k  R
f ( x)  
 0 ,  x  0,  
a) să se determine constanta k astfel ca f să fie densitatea de repartiţie a unei variabile
aleatoare X ;
b) să se afle funcţia de repartiţie F a lui X ;
        5 
să se calculeze P 0  X   , P 0  X  x   , P X  X .
 4  4 6  2 4 4 
41. Să se determine constanta c astfel ca f : R  0,1 , f ( x) 

c
să fie o densitate de
1 x2
repartiţie (repartiţia Cauchy) a unei variabile aleatoare X . Să se determine P 1  X  1 .
42. Se dă funcţia:
 x , dacă 0  x  1

f ( x)  2  x , dacă 1  x  2
 0
 , în rest
a) să se verifice că f (x) este o densitate de probabilitate;
b) să se calculeze M (X ) şi D 2  X  .
43. Fie X , Y două variabile aleatoare discrete având repartiţiile:
 1 1  1 2
X:  2 3  , Y :  4 3  , unde P X  1, Y  1   21   ,   R .
   
 5 5 7 7
Să se determine:
a) repartiţia vectorului aleator Z   X , Y  ;
b) coeficientul de corelaţie   X , Y  ;
c) valorile lui  pentru care X şi Y sunt independente probabilistic.
44. Doi jucători de tenis joacă în 4 meciuri 12 seturi. Considerând că probabilităţile celor doi
jucători de a câştiga un set sunt egale, să se calculeze valoarea medie, dispersia şi abaterea medie
pătratică a variabilei aleatoare care reprezintă numărul de seturi câştigate de unul dintre jucători.
45. La examenul de matematică, probabilitatea ca o teză să fie notată cu nota de trecere este 0,75.
Se aleg la întâmplare 10 lucrări şi fie X variabila aleatoare care reprezintă numărul tezelor ce vor fi
notate cu notă de trecere. Se cere:
b) M ( X ), D( X ),  X ;
c) P( X  5) , P7  X  10 X  8 şi P X  10 ;
d) funcţia caracteristică a variabilei aleatoare X .
46. Densitatea de repartiţie a funcţionării normale (vieţii) unui motor de automobil format din 6
1
principale module este f (t )  e t , t  0 , dat în ani şi   . Să se determine probabilitatea ca cel
3
putin 3 ani motorul să funcţioneze normal.
46
47. La o agenţie LOTO din 10.000 de bilete 10 sunt câştigătoare. Un jucător cumpără 6 bilete şi fie
X variabila aleatoare ce reprezintă numărul biletelor câştigătoare. Se cere:
b) M ( X ), D( X ), ( X ) ;
P( X  5) , PX  3 X  5 şi P X  6 .
48. Un aparat electronic este format din 100 de repere. Probabilitatea de defectare a unui reper într-
un an de funcţionare este egală cu 0,01 şi nu depinde de starea celorlalte repere. În ipoteza că
numărul de defecţiuni este o variabilă aleatoare X cu repartiţie Poisson, să se afle:
a) probabilitatea defectării a două repere;
b) probabilitatea defectării a cel putin două repere.
49. Un magazin se aprovizionează de la 3 furnizori. Probabilităţile cu care furnizorii nu-şi pot onora
contractele sunt p1  0,1 ; p2  0,3 ; p3  0,2 .
Fie X variabila aleatoare care indică numărul furnizorilor ce nu-şi pot onora contractul. Să se afle:
b) M ( X ), D( X ) ;
c) riscul pe care şi-l asumă magazinul.
50. Fie variabila aleatoare normală X  N 2,2 . Să se calculeze:
a) P0  X  3 ;
b) P X  1;
c) P X  1 0  X  3 ;
d) să se afle o limită inferioară a P0  X  4 .
51. Presupunem că timpul de aşteptare într-o anumită staţie de metrou este o variabilă aleatoare T
cu funcţia de repartiţie:
 0 ,t  0
t
 ,0  t  1
2
1
F (t )   ,1  t  2 , unde t reprezintă durata aşteptării în minute.
 2
 t ,2  t  4
4
 1 , t  4
a) să se afle densitatea de repartiţie a variabilei aleatoare T;
b) să se calculeze probabilitatea ca un călător să aştepte:
a. mai mult de trei minute;
b. mai puţin de trei minute;
c. între un minut şi trei minute.
c) să se afle probabilitatea condiţionată ca un călător să aştepte:
a. mai mult de trei minute, ştiind că a aşteptat mai mult de un minut;
b. mai puţin de 3 minute, ştiind că a aşteptat mai mult de un minut.
52. Fie , K, P  un câmp finit de probabilitate, unde   1 , 2 , 3 , 4 , 5 , K   ,
Pi   . Fie
1
P:K  R este probabilitatea clasică cu X :   R , unde
5
X k   k 3  9k 2  23k  5 . Să se scrie repartiţia lui X şi să se calculeze FX , M  X  , D X  şi
X .
Fie câmpul finit de probabilitate de la problema 2 şi fie Y :   R , unde X i   i , i  1,5 .
a) Să se scrie repartiţia lui Y şi să se calculeze FY , M Y  , DY  şi  Y ;
b) Să se stabilească repartiţia lui Z  7 X  3Y , U  XY , V  2  Z ;
47
Să se calculeze: P60  Z  95 , P12  U  30 , P12  V  , PV  10 şi PV  11 .
53. Se consideră o urnă în care se află 6 bile albe şi 4 bile verzi de aceeaşi mărime. Se extrag la
întâmplare 3 bile şi fie X variabila aleatoare care reprezintă numărul de bile albe extrase. Să se
scrie repartiţia lui X şi să se calculeze M  X  , D X  şi  X în următoarele cazuri: a) extragerea
este revenită; b) extragerea este nerevenită
54. Se testează 3 prototipuri de aparate electronice. Probabilităţile ca prototipurile să treacă testul
sunt respectiv: p1  0,9 , p2  0,8 , p3  0,5 . Să se determine repartiţia variabilei aleatoare ale cărei
valori sunt numărul de prototipuri ce trec testul.
55. Într-un lot de 100 de produse, 10 sunt necorespunzătoare. La un control de calitate se extrag la
întâmplare 5 produse. Să se determine repartiţia variabilei aleatore X ce reprezintă numărul
produselor necorespunzătoare din cele 5 produse cercetate.
Bibliografie
1. Caraiani, P., Solomon, O., Despa, R. , Din, M.A.- Econometrie, Ed. Universitară, Bucureşti
2010
2. Bădin V.şi colab. – Culegere de probleme de matematici aplicate în economie, Universitatea
Româno – Americană Bucureşti 1998;
3. Cenuşă Ghe.şi colab. – Matematici pentru economişti, Editura Cison, Academia de Studii
Economice Bucureşti 2000;
4. Despa R. Şi colab. - Matematici aplicate în economie, Editura Universitară Universitatea
Româno-Americană, 2006;
5. Popescu O. şi colab. – Matematici aplicate în economie, Vol. I şi II, Editura Didactică şi
Pedagogică, Bucureşti 1993;
6. Din, M, A., Econometrie – note de curs pe suport electronic, 120 pagini: cap. I. Econometrie
ELEMENTE DE TEORIA PROBABILITATILOR; cap. II. Econometrie ELEMENTE DE
INFERENTA STATISTICA; cap. III. Econometrie REGRESIE LINIARA SIMPLA,
Exemplu + Ghid proiect econometrie; Model Tesatare Econometrie cu solutii.
7. David R. Anderson, Dennis J. Sweeney, Thomas A. Williams - Statistics for Business and
Economics, Cengage Learning Inc., second edition.
8. Jeffrey M. WOOLDRIDGE - Introductory Econometrics, South-Western Cengage
Learning, 4th edition, 2009
9. David M Diez, Christopher D Barr, Mine Cetinkaya-Rundel (2015). OpenIntro Statistics
(Third Edition). Acest manual este disponibil sub o licență Creative Commons. Vizitați
openintro.org pentru un PDF gratuit
10. Damodar GUJARATI - Econometrics by Example, Palgrave Macmillan, 2011
48

CAP I. Econometrie ELEMENTE DE TEORIA PROBABILITATILOR 2023

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

CAP I. Econometrie ELEMENTE DE TEORIA PROBABILITATILOR 2023

Încărcat de

Drepturi de autor:

Formate disponibile

ECOMOMETRIE

CAP. I. ELEMENTE DE TEORIA PROBABILITATILOR

Modele de probleme rezolvate – pentru fiecare temă de studiu

1. Câmp de evenimente (definiţie; operaţii cu evenimente)

Dacã A şi B sunt douã evenimente oarecare, atunci numim evenimentul şi A şi B şi notãm

Perechea {,} se numeşte câmp de evenimente, unde  este mulţimea evenimentelor

2. Câmp de probabilitate (definiţia axiomatică a funcţiei probabilitate)

Fie {,} un câmp de evenimente.

. Tripletul {,,} se numeşte câmp de probabilitate.

3. Proprietăţile funcţiei probabilitate

Principalele proprietăţi ale funcţiei probabilitate sunt:

    P( ) ax1  1  P() ax 2  1  1  0

4. Definiţia în sens clasic a probabilităţilor

5. Probabilităţi condiţionate şi evenimente independente

Fie câmp de probabilitate, A1, A2  K, A1  

 formule de calculul probabilităţii reuniunii de evenimente (pentru evenimente

Formula de calcul a probabilităţii reuniunii de evenimente incompatibile două câte două

Demonstraţie: Este generalizarea axiomei 3 din definiţia funcţiei probabilitate.

Formula de calcul a probabilităţii reuniunii de evenimente compatibile(Formula Poincare)

Demonstraţie: Se face prin inducţie după n.

Formula probabilităţii intersecţiei evenimentelor compatibile

Demonstraţie: Fie se foloseşte din nou procedeul de inducţie matematică, fie

unde se foloseşte probabilitatea lui P( A)  1  P( A)

Formula de înmulţire a probabilitãţilor

Fie :, ,  câmp de probabilitate. Un sistem de evenimente Hi  , i  1, n formează

Dacă , ,  este un câmp de probabilitate, X un eveniment din câmpul de evenimente şi

Formula lui Bayes

7. Scheme clasice de probabilitate

Experimente repetate; Schema lui Poisson

Schema lui Bernoulli cu două stări

adică coeficientul lui xk din dezvoltarea binomului lui Newton (px+q)n

Schema hipergeometricã (schema bilei fără revenire)

8. Variabile aleatoare și distribuții de probabilitate

Tipuri de variabile aleatoare şi repartiţiile lor probabilistice

a) Fie {,P} un câmp finit de probabilitate, sau cel mult numărabil.

Dacă f: R R este o densitate de repartiţie atunci :

Această notaţie este prin convenție, ea reprezentând în fapt probabilitatea x

   pk cazul v.a. discretă

Principalele proprietăţi ale funcţiilor de repartiţie

p1) Funcţia F este monoton crescătoare

p4) F(x) este o funcţie continuuã la stânga F(x)=F(x-0) () xR

p5) a,b R a<X<b) = F(b) - F(a)

Demonstraţie: aba<X<b} = {X<b} - {X<a}

p6) P(Xx) = 1- F(x)

Demonstraţie: Evenimentul (Xx) este evenimentul contrar lui (X<x)

  pk caz v.a. discretă

9. Caracteristici numerice ale variabilelor aleatoare

Momente iniţiale de ordin “k”, k  N

Expresia U = X –  se numeşte abatere aleatoare a variabilei X de la valoarea medie.

Proprietăţi ale mediei:

Momente centrate de ordin “k”, k

Se numeşte moment centrat de ordin “k” al variabilei aleatoare X momentul de ordinul

 k   ( x  m) k f ( x )dx dacã int egrala este convergentã

Momentul centrat de ordinul 2 reprezintã dispersia variabilei aleatoare X (Variance)

10. Legi clasice de repartiţie (Funcţii de repartiţie clasice)

Principalele repartiţii probabilistice; caracteristicile lor numerice, media şi dispersia.

I. Repartiţii clasice discrete

Repartiţia uniformă X~U(a,b)

Repartiţia Bernoulli X~Bernoulli(p)

Un experiment cu 2 posibile output-uri: 1-succes, 0- insucces se numeşte experiment

Repartiţia binomială X~Bi(n, p)

extragerilor succesive(extrageri cu revenire). Probabilitatea de a extrage o bilă albă (neagră) este

Funcţia de repartiţie a variabilei Bi(n,p) este: