Sunteți pe pagina 1din 70

UNIVERSITATEA DE STAT DIN MOLDOVA

Facultatea de Matematic i Informatic


Catedra Informatic i Optimizare Discret





A. Potaru, O. Benderschi


Teoria probabilitilor
i statistica matematic


(Lucrri de laborator)









Aprobat de Consiliul
metodico-tiinific
i editorial al USM



Chiinu 2004
CEP USM
2
CZU xxxxx
P xx


Lucrrile de laborator sunt alctuite conform programei cursului Teoria
probabilitilor i statistica matematic pentru specialitile: matematic, matematic
aplicat, matematic i informatic, informatic, informatic i limbi moderne . a.
Laboratorul ce-l prezentm, are drept scop dezvoltarea intuiiei probabiliste i
familiarizarea studenilor cu prelucrarea unor date statistice.


Recenzent: Dumitru Zambichi, doctor n tiine fizico-metematice,
confereniar universitar.



Recomandat de Consiliul profesoral
al Facultii de Matematic i Informatic


















A. Potaru, O. Benderschi, 2004
USM, 2004
ISBN 9975
Descrierea CIP a Camerei Naionale a Crii

Potaru, A.
Teoria probabilitilor i statistica matematic
(Lucrri de laborator). - A. Potaru, O. Benderschi

3
1 Metoda Monte Carlo

Termenul ,,Metoda Monte Carlo este sinonim cu termenul
,,Metoda experimentelor statistice. Apariia acestei metode se
raporteaz de obicei la anul 1949, n care apare articolul ,,The Monte
Carlo method (Metropolis N., Ulam S.). ntemeietorii metodei sunt
considerai americanii J. Neumann i S. Ulam care, n legtur cu
lucrrile efectuate pentru crearea bombei atomice, au propus s se
utilizeze aparatul teoriei probabilitilor pentru rezolvarea unor
probleme cu caracter aplicativ la calculatoarele electronice.
De fapt, ideea utilizrii fenomenelor aleatoare n domeniul
calculelor de aproximare poate fi raportat la anul 1873, cnd a aprut
o lucrare a lui Hall despre determinarea numrului T cu ajutorul
aruncrilor la ntmplare a unui ac pe o foaie de hrtie pa care s-au
trasat drepte paralele.
Metoda Monte Carlo este o metod de rezolvare numeric a
problemelor matematice, bazat pe modelarea variabilelor aleatoare.
Fie \ o variabil aleatoare. S efectum n experimente
independente astfel, nct fiecare s se ncheie cu o valoare a lui \ (ne
putem imagina c n fiecare experiment, pur i simplu, se msoar
valoarea lui \). Acest proces de construire pentru \ a n valori x
1
, x
2
,
, x
n
reprezint modelarea variabilei aleatoare \, iar valorile x
i
se
numesc realizrile lui \.
Dac este vorba de studierea unor fenomene reale, atunci
modelarea variabilelor aleatoare, legate de ele, este numit
,,simulare.
Procedeul principal de elaborare a metodei Monte Carlo pentru
rezolvarea unei probleme const n reducerea acesteia la calculul
valorilor medii. Mai exact, pentru a calcula valoarea aproximativ a
unei mrimi scalare a (care poate fi rdcina unei ecuaii, valoarea
unei integrale definite etc.) trebuie s gsim o variabil aleatoare \,
astfel nct s avem M\ = a. Atunci, modelnd variabila aleatoare \,
adic construind pentru ea n realizri x
1
, x
2
, , x
n
, vom considera:

.
1
1

!
}
n
i
i
x
n
a

4
Mrimea a (deci i \) poate fi att scalar, ct i vectorial.
Metoda Monte Carlo poate fi aplicat, n primul rnd, problemelor
care admit o descriere probabilist. Dar, aa cum vom vedea, n multe
cazuri se poate construi un model probabilist i pentru probleme strict
deterministe.
Fie c dorim s estimm aria S
G
a
unei figuri plane mrginite G.
Pentru aceasta alegem un dreptunghi
D cu aria S
D
care s includ pe G (Fig.1).
n D lum la ntmplare n puncte. Fie prin
n(G) numrul punctelor care nimeresc n
G. Este evident c dac n e mare, atunci

Fig.1
)
,
D
G
S
S
n
G n
}

de unde rezult estimaia
)
D G
S
n
G n
S }
. n acest exemplu variabila
aleatoare \ este prezent implicit i are dou valori posibile: S
D
, dac
punctul nimerete n G, i 0 dac punctul nimerete n D\G. Se verific cu
uurin c M\ = S
G
, iar

)
D
n
i
i
S
n
G n
x
n
!

1
.

Pe lng noiunea de modelare a variabilei aleatoare mai putem
vorbi i despre modelarea unui eveniment aleator sau a unui
experiment i, n general, a unui fenomen. De fiecare dat prin
modelare vom subnelege recrearea, reproducerea cu ajutorul
calculatorului electronic a funcionrii modelului probabilist al
fenomenului.
Exemplu de modelare: modelarea variabilei aleatoare \ cu legea
uniform de repartiie pe [0,1].
S aruncm de k ori o moned simetric i s punem
i
= 1 sau
i
= 0
dup cum la aruncarea i, i=1, 2, , k, cade stema sau banul. Este
evident c suma
D
G
5
k
k k
S
2
1
...
2
1
2
1
2
2 1
! E E E

este un numr pe [0,1] i reprezint o variabil aleatoare discret cu 2
k

valori posibile. Dac k este mare ( 40 u k ), atunci repartiia variabilei
aleatoare S
k
coincide practic cu repartiia variabilei aleatoare, uniform
repartizate pe [0,1]. Mai exact se poate demonstra c, cu probabilitatea 1,

g p

k
i
i
i
k 1
2
lim
E

are legea uniform de repartiie pe [0,1].
Prin urmare, dac vrem s modelm variabila aleatoare \ cu
repartiie uniform pe [0,1], atunci n realizri x
1
, x
2
, , x
n
pentru \ le
putem obine aruncnd o moned simetric de nk ori: fiecare k
aruncri ne dau o realizare x
i
.
Valorile x
1
, x
2
, , x
n
ale variabilei aleatoare uniforme pe [0,1], se
numesc numere aleatoare.
Dac pentru variabila cu repartiie uniform pe [0,1] a fost
obinut un numr necesar de realizri, acestea pot fi nmagazinate n
memoria calculatorului (spre a fi folosite ulterior). Tabele de numere
aleatoare se gsesc n crile de teoria probabilitilor i statistic
matematic. Astfel de tabele au fost alctuite cu mult nainte de
apariia metodei Monte Carlo n forma ei actual. Necesitatea lor
apare n legtur cu aplicarea procedeelor de alegere la ntmplare, la
planificarea diverselor experimente n biologie, medicin, agricultur
etc.
Pentru alctuirea tabelelor de numere aleatoare Kendall folosea
ruleta, alctuit dintr-un disc divizat n zece sectoare egale
corespunztoare cifrelor 0, 1, 2, 3, 4, 5, 6, 7, 8, 9. Tot n acest scop a
fost folosit un dispozitiv special cu aciune rapid ruleta electronic,
care servea ca generator de numere aleatoare, bazat pe nite principii
fizice (de generare de impulsuri aleatoare).
Totodat, se ntreprindeau msuri de precauie pentru a asigura
imparialitatea experimentelor. n plus se aplica un complex de teste pentru
a verifica dac numerele care se obineau erau ntr-adevr aleatoare.
Dac dispunem de un tabel suficient de cuprinztor de numere
aleatoare, atunci problema sursei de realizri independente ale
variabilei aleatoare uniform repartizate pe [0,1] poate fi considerat
6
rezolvat n principiu. Totui, din punct de vedere practic, pstrarea
unui tabel amplu n memoria calculatorului este destul de incomod,
de aceea tabelele de numere aleatoare practic nu se utilizeaz.
n calculele practice realizrile variabilei aleatoare uniform
repartizate pe [0,1] se obin cel mai simplu cu ajutorul unui algoritm.
Numerele obinute pe aceast cale se numesc pseudoaleatoare (spre
deosebire de numerele aleatoare, care se obin, de exemplu, cu
ajutorul monedei). Evident, se impune condiia ca obinerea acestor
numere s aib loc ntr-un timp suficient de scurt de funcionare a
calculatorului.
n limbajul PASCAL exist un generator de numere
pseudoaleatoare funcia RANDOM. nainte de a folosi n program
funcia RANDOM, apelm obligatoriu la funcia RANDOMIZE, ce
iniiaz procesul de generare a variabilei aleatore.
Utiliznd acest generator, putem scrie un program care ia la
ntmplare un numr de pe [0,1]:

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

La modelarea variabilei aleatoare L cu legea de repartiie
uniform pe [a, b], vom folosi formula
) , \ L ! a b a
unde \ este o variabil aleatoare cu repartiie uniform pe [0,1].
Prin urmare realizrile y
1
, y
2
, , y
n
ale lui L se obin din
realizrile x
1
, x
2
, , x
n
ale lui \ conform formulei:
) ,
i i
x a b a y ! i =1, 2, ..., n.
n PASCAL exist, de asemenea funcia RANDOM(k) care ia la
ntmplare un numr din mulimea {0, 1, 2, , k - 1}. Dac trebuie s
se aleag un numr din mulimea {1, 2, , k}, atunci n program se va
scrie RANDOM(k) +1.
7
Vom scrie un program care modeleaz o aruncare a zarului:

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

Putem modela un experiment mai complicat, i anume, aruncarea
a dou zaruri pn cnd ambele vor cdea cu aceeai fa, cu afiarea
numrului de aruncri:

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

1.1. Modelarea variabilelor aleatoare cu repartiii
absolut continui.
Metoda inversrii funciei de repartiie

Considernd c dispunem de un mod de obinere a unor realizri
independente ale variabilei aleatoare \ cu repartiie uniform pe [0,1],
vom modela alte variabile aleatoare.
Fie o variabil aleatoare cu funcia de repartiie F
L
(x) continu.
Se tie c variabila aleatoare \ = F

() are repartiie uniform pe [0,1].


Cum F
L
(x) este continu, rezult c ) L \
L
!
1
F , unde
1
L
F este
inversa funciei F
L
.
8
Aceast relaie ne ofer o metod de modelare a variabilei
aleatoare L: se modeleaz variabila \ cu repartiie uniform pe [0,1],
adic se construiesc pentru ea n realizri x
1
, x
2
, , x
n
, dup care
realizrile lui L se obin astfel:
) . ,..., 2 , 1 ,
1
n i x F y
i i
! !

L
(1)
Neajunsul acestei metode deriv din dificultile analitice care
apar la determinarea funciei ). (
1
x F

L
Pentru unele repartiii (de
exemplu pentru acea normal) aceast funcie nu poate fi scris
explicit.
Exemple:
1. Fie L o variabil aleatoare cu densitatea de repartiie
)
) . J
. J
|

,
|
Z

!
. , 0 , 0
. , 0 , 2
2
1
2
a x
a x x a
a
x f

Atunci
) ) ) . J

! !
x
a x x ax
a
dt t a
a
x F
0
2
2 2
. , 0 ,
2
1
2
2
1

Prin urmare,
) ). 8 1 1
2
1
x
a
x F !


n consecin realizrile y
i
ale lui L se obin din realizrile x
i
ale
variabilei cu repartiie uniform pe [0,1] conform formulei:
) . ,..., 2 , 1 , 8 1 1
2
n i x
a
y
i i
! !

n acest exemplu inversa funciei F(x) a putut fi scris n mod explicit.
2. Fie L o variabil aleatoare cu repartiie exponenial de
parametru E.
Deoarece
|
,
|

u
!

. 0 , 0
. 0 , 1
) (
x
x e
x F
x E
L

ecuaia \ = F
L
(L) devine \ =1 e
-EL
sau
E
\
L
) 1 ln(
! . Deci,
) .
) 1 ln(
1
E
L
x
x F

!

Prin urmare, realizrile y


i
ale lui L se vor obine
conform formulei:

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

!
E
(2)
9
(Aici x
1
, x
2
, , x
n
sunt, dup cum s-a menionat deja, realizri ale
variabilei cu repartiie uniform pe [0,1] ). Deoarece \ i 1- \ sunt
identic repartizate, n loc de (2) vom folosi formula:

. , ... , 2 , 1 ,
ln
n i
x
y
i
i
i
! !
E
(3)
i n acest caz inversa funciei F(x) a putut fi scris n mod explicit.


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

Fie x
1
, x
2
, , x
k
variabile aleatoare independente cu repartiie
uniform pe [0,1]. Valoarea medie a sumei
!
k
i
i
x
1
este
2
k
, iar dispersia
ei este
.
12
k
Prin urmare, variabila aleatoare

!
k
j
j
x
k
k
1
2
1 12
) ( L
(4)
are valoarea medie egal cu 0 i dispersia egal cu 1. n baza teoremei
limit centrale pentru npg repartiia acestei variabile aleatoare tinde
ctre repartiia normal N(0,1). n practic se consider c pentru
k = 12, cnd (4) are o form deosebit de simpl:

!
!
12
1
6 ) 12 (
i
j
x L
, (5)
se obine o aproximare destul de bun a legii normale N(0,1). Desigur,
la rezolvarea unor probleme concrete trebuie s inem seama c, dac
exist abateri mari, L(12) nu poate da rezultate bune.
Formula (4) se folosete mai ales atunci cnd nu suntem interesai
de valori mari ale lui
L
. Pentru mbuntirea aproximaiei a fost
propus formula
k
k k
k k
20
) ( 3 ) (
) ( ) (
3
L L
L ^

!
.
Dac suntem interesai de valori mari ale lui
L
sau dac avem
nevoie de foarte multe realizri, atunci ne putem folosi de formule
exacte care cer mai puine numere aleatoare:
10
), 2 sin( ln 2
2 1 1
T\ \ L !

). 2 cos( ln 2
2 1 2
T\ \ L !

Aici variabilele aleatoare L
1
i L
2
vor fi independente cu repartiia
normal N(0,1), dac \
1
i \
2
sunt independente uniform repartizate pe [0,1].
Pentru modelarea variabilei aleatoare Lb N(a, W) se folosete relaia:
L

= W\

+ a, unde \ b N(0, 1).

1.3. Modelarea variabilei aleatoare L
cu repartiia Poisson de parametru P

Modelarea variabilei aleatoare L cu repartiia Poisson de
parametru P se bazeaz pe faptul c

|
,
|
!

!

P
\ L e k
k
j
j
0
: min
, dac
\
0
, \
1
, \
2
, sunt variabile aleatoare independente uniform repartizate
pe [0,1].
De aici rezult formula pentru realizrile lui L:
, : min
0

|
,
|
!

!

P
e x k y
k
j
j i

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


1.4. Modelarea variabilei aleatoare L
cu repartiia binomial
p
n
B
Pentru a obine o realizare y a lui L vom construi mai nti n
realizri x
1
, x
2
, ..., x
n
pentru variabila uniform repartizat pe [0,1] dup
care considerm y egal cu numrul cazurilor cnd x
i
< p.

Exerciii
S se modeleze:
1) un punct luat la ntmplare n dreptunghiul [a, b]v[c, d];
2) un punct luat la ntmplare n cercul x
2
+ y
2
e r
2
;
3) variabila aleatoare egal cu numrul bilelor albe scoase la
extragerea a 3 bile din urna coninnd 5 bile albe i 2 bile negre. S
se considere ambele scheme de extragere;
4) variabila aleatoare discret \ cu repartiia P(\ = x) = p
i
, i = 1, 2, .
11
1.5. Aplicaii
n continuare ne vom opri asupra a trei probleme, ce pot fi
rezolvate prin metoda Monte Carlo.

1. Calculul probabilitii unui eveniment aleator
Dac evenimentul aleator A se produce n experimentul dat cu o
probabilitate necunoscut P(A), atunci conform metodei Monte Carlo,
valoarea aproximativ a acestei probabiliti se calculeaz astfel: se
modeleaz experimentul dat de n ori i se pune
n
A n
A P
) (
) ( } , n(A)
fiind numrul de apariii ale lui A n experimentele efectuate.

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

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

3. Calculul integralei definite
Fie

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

Putem scrie:
dx
D
x I x g D dx
D
D x g dx x g I
G
D G

H
! ! !
) (
1
) ( ) ( ) (
) (
1
) ( ) ( ) (
Q
Q
Q
Q
,
12
unde
|
,
|
Z

!
G x
G x
I
G
, 0
, 1
,
iar Q(D) este msura Lebesgue a lui G (lungimea, aria, volumul).
Deci, I = MN(\), unde N(\) = Q(D)g(\)I
G
(\), \ fiind o variabil
aleatoare (vector aleator) cu repartiie uniform n D, adic \ este un
punct luat la ntmplare n D.
Prin urmare,

!
}
n
i
i G i
x I x g D
n
I
1
), ( ) ( ) (
1
Q

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

2) Fie G un domeniu oarecare, eventual nemrginit. Atunci lum
o densitate de repartiie f(x) oarecare, care nu se anuleaz n G (de
exemplu, repartiia normal), i scriem:
), ( ) (
) (
) ( ) (
) (
) (
) (
) ( \ N
\
M dx x f
x f
I x g
dx x f
x f
x g
dx x g I
s
R
G
G G

!

! ! !

unde
) (
) ( ) (
) (
\
\ \
\ N
f
I g
G

!
, iar \ este o variabil cu densitatea de
repartiie f(x).
Modelnd aceast variabil obinem n realizri x
1
, x
2
, , x
n
, dup
care vom considera

}
n
i
i
i G i
x f
I x g
n
I
1
) (
) ( ) ( 1 \
.
Remarc. Se poate demonstra c pentru un nivel de ncredere
fixat F eroarea aproximrii descrete la fel ca
n
1
, indiferent de
dimensiunea s, dac

g
G
dx x g ) (
2
.
Spre deosebire de formulele de cuadratur deterministe metoda
Monte Carlo la creterea lui n folosete i valorile funciei calculate
mai nainte.

13
Exemplu: S se calculeze integrala

G
dxdy y x ) , ( N
, unde domeniul
G={(x, y): y e x
2
, x + y e 2, y u 0, x u 0 }.

Soluie-algoritm
1. nscriem domeniul G ntr-un dreptunghi,
de exemplu, n dreptunghiul ABCO (Fig.2);
2. S = 0.
3. Pentru n i , 1 ! efectum:
n ptratul ABCO lum la ntmplare
punctul (x
i
, y
i
); Fig.2
dac (y
i
e x
i
2
y
i
e 2 - x
i
), atunci I
G
(x
i
, y
i
)=1;
dac nu are loc (y
i
e x
i
2
y
i
e 2- x
i
), atunci I
G
(x
i
, y
i
)=0;
S= S+N (x
i
, y
i
)I
G
(x
i
, y
i
).
4. I = 2S/n.

1.6. Precizia metodei Monte Carlo

Am menionat deja c metoda Monte Carlo se bazeaz pe
calculul valorilor medii. Astfel apare problema preciziei formulei

!
}
n
i
i
x
n
M
1
1
\

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

!
M x
n
n
i
i
1
1

(I > 0, F(0, 1))?
Astfel, fiind dai I > 0 i F(0, 1), se cere s determinm acea
valoare a lui n care satisface relaia:
F I \ !

!
M x
n
P
n
i
i
1
1
sau

G
C
2 0
B A
14
.
1 1
F
\
I
\
\
\
I I
\
I !



! !
D
n
nD
nM x
D
n
P
n
nM x
P
n
i
i
n
i
i

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

D
n

0
2
.
Astfel trebuie s rezolvm ecuaia
2
0
F
\
I !

D
n

, adic

.
2
1
0

!

F
\
I
D
n
(6)
Mrimea

2
1
0
F

, pe care o notam prin x


F
, o gsim n tabelul
valorilor funciei
.
2
1
) (
0
2
0
2


!
x u
du e x
T
De exemplu, pentru F=0.95
gsim x
F
= 1.96, adic
. 96 . 1
2
95 . 0
1
0
!


Rezolvnd ecuaia (6) obinem
2
2
I
\
F
x D
n

!
. (7)
Astfel, dac 1
2
2


u
I
\
F
x D
n , precizia I este asigurat.
Exemplu. ntr-o urn sunt k
1
bile albe, k
2
bile negre, k
3
bile roii.
Din ea se alege la ntmplare cte o bil pn cnd vor fi extrase dou
bile albe consecutiv (n cazul schemei fr ntoarcere s-ar putea
ntmpla s fie scoase toate bilele fr a fi scoase dou bile albe
consecutiv). Fie \ numrul de bile extrase. S se calculeze M\ i P(A),
unde A={au fost extrase dou bile negre consecutiv}. S se analizeze
ambele scheme: cu i fr ntoarcere.
Prima problem const n recunoaterea culorilor bilelor.
Pentru aceasta vom considera c bilele sunt numerotate n felul urmtor:
15
numerele de la 1 pn la k
1
sunt atribuite culorii albe, numerele de la k
1
+1
pn la k
1
+k
2
sunt atribuite culorii negre, iar toate celelalte culorii roii.
Alegnd cu ajutorul funciei random un numr x din mulimea {1, 2, ...,
k
1
+ k
2
+ k
3
}, vom raiona astfel: dac x e k
1
, aceasta nseamn c s-a ales
o bil alb, dac k
1
< x e k
1
+k
2,
aceasta nseamn c s-a ales o bil neagr,
iar dac x u k
1
+k
2
+1 c s-a ales o bil roie.
Avnd aceasta n vedere vom modela experimentul respectiv,
adic vom extrage cte o bil pn cnd vor fi scoase dou bile
consecutiv sau pn cnd vor fi scoase toate bilele din urn (innd
cont de schema extragerilor). n consecin, lui \ i vom atribui ca
valoare numrul bilelor scoase.
Repetm experimentul de n ori.
Numrul n n prealabil trebuie gsit n funcie de exactitatea I
(vezi formula 7). Pentru aceasta vom estima D\ cu ajutorul formulei

! !

!
0 0
1
2
1
0
2
0
1 1
n
i
n
i
i i
x
n
x
n
D\
, x
1
, x
2
, ...,
0
n
x fiind n
0
realizri ale lui \,
n
0
u 20.

Textul unui program-model n limbajul Pascal

Cazul schemei cu ntoarcere
program bile;
uses CRT;
var k1,k2,k3,i,j,ind:longint;
x1,x2,csi,ia,n0,ing:longint;
s1,s2,disp,p,Ma,eps,xb: extended;
s,n,na:longint;
BEGIN
clrscr;
randomize;
writeln('SCHEMA DE EXTRAGERE CU INTOARCERE');
writeln('introdu exactitatea epsilon:');
read(eps);
writeln('introdu xb tabelar:'); read(xb);
writeln('Introdu numarul de experimente n0 pentru
calcularea dispersiei:');
read(n0);
16
writeln;
writeln('Introdu numarul de bile albe k1:');
read(k1);
writeln('Introdu numarul de bile negre k2:');
read(k2);
writeln('Introdu numarul de bile rosii k3:');
read(k3);

s1:=0; s2:=0;
for i:=1 to n0 do
begin
x1:= random(k1+k2+k3)+1;
if x1<=k1 then write(' a')
else if x1<=k1+k2 then write(' n')
else write(' r');
ia:=0; csi:=1; {ia indica daca s-au ales
consecutiv doua bile albe}
repeat
x2:=random(k1+k2+k3)+1;
if x2<=k1 then write(' a')
else if x2<=k1+k2 then write(' n')
else write(' r');
if (x1<=k1) and (x2<=k1) then ia:=1;
csi:=csi+1;
x1:=x2;
until ia=1; {se verifica daca s-au ales
consecutiv doua bile albe}

writeln;
writeln(' csi=',csi);
s1:=s1+csi/n0;
s2:=s2+csi*csi/n0;
end;

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

17
s:=0; na:=0; {in indica daca s-au ales doua bile
negre consecutive}
for i:=1 to n do
begin
x1:= random(k1+k2+k3)+1;
ia:=0; csi:=1; ing:=0;
repeat
x2:=random(k1+k2+k3)+1;
if (x1<=k1) and (x2<=k1) then ia:=1;
if (k1<=x1)and (x1<=k1+k2)and(k2<=x2)and(x2<=k1+k2)
then ing:=1;
csi:=csi+1;
x1:=x2;
until ia=1;
if ing=1 then na:=na+1; {numarul de cazuri
favorabile evenimentului A}
s:=s+csi;
end;
writeln;
Ma:=s/n;
writeln('Valoarea medie Ma=',Ma:1:3);
P:=na/n;
writeln('Probabilitatea P=',P:1:3);
readkey;
END.

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

n r n a n a n r n n a a csi=12
n n a n n r n n r n r r r n r n r n n n r a n n a n
r n a n n r n a n a r n n n r n n n n r a a
csi=48
r n r a n r a a csi=8
18
n a a csi=3
n n a a csi=4
a a csi=2
n n a r r n a n n r a a csi=12
r n n n n a a csi=7
n n r r r a n n a a csi=10
n a n r a n r a r n n r r n r a r a r a n r n a n n
r n n r n a r a n n n n n r n r n n r n r n a r r r
r n r a n n r a r a n a n n r n n r n a n a r a r n
n n n n n r n a r a a csi=89
n a a csi=3
n r r n n r n r n a a csi=11
n n n r a r r n n n r a a csi=13
n n n n n n n a a csi=9
r a rn r n a n n n r n a n n a n n r n n r r a r n
n n n a n n n n r a r n a n n a r a a
csi=45
r n n a n n r r r r n n n a r a n a a
csi=19
a r n n n n n r r n a acsi=12 r r n r a n n n a a
csi=10
n n n n r a r n n r r r r n a n a n a n a n n n a n
a a csi=28
a r a a csi=4

Dispersia D = 423.7475
n =16278683

Valoarea medie Ma=15.755
Probabilitatea P=0.718

Cazul Schemei fr ntoarcere
program bile;
uses CRT;
var k1, k2, k3, k01,k02,k03,i, j:integer;
x1, x2,csi,ia,n0,ing,calba,cneagra:integer;
disp,p,Ma,eps,xb:real; s1,s2,s,n,na:longint;
BEGIN
clrscr;
randomize;
writeln('SCHEMA FARA INTOARCERE');
19
writeln('Introdu exactitatea epsilon:'); read(eps);
writeln('Introdu xb tabelar:'); read(xb);
writeln('Introdu numarul de experimente pentru
calcularea dispersiei n0:');
read(n0);
writeln;
randomize;
writeln('Introdu numarul de bile albe k1:');
read(k01);
writeln('Introdu numarul de bile negre k2:');
read(k02);
writeln('Introdu numarul de bile rosii k3:');
read(k03);

s1:=0; s2:=0;
for i:=1 to n0 do
begin
k1:=k01; k2:=k02; k3:=k03;
x1:= random(k1+k2+k3)+1;
calba:=0; {calba - indica daca culoarea bilei
este alba}
if (x1<=k1) then begin write(' a');
k1:=k1-1;
calba:=1;
end
else if x1<=k1+k2 then begin write(' n');
k2:=k2-1;
end
else begin write(' r');
k3:=k3-1;
end;
ia:=0; csi:=1;
repeat
x2:=random(k1+k2+k3)+1;
if (x2<=k1)and (k1< >0) then begin
write(' a');
if calba=1 then ia:=1;
k1:=k1-1;
calba:=1;
end

20
else
if (x2<=k1+k2)and(k2<>0) then
begin
write(' n');
k2:=k2-1;
calba:=0;
end
else if (k3<>0) then begin
write(' r');
k3:=k3-1;
calba:=0;
end;

csi:=csi+1;
x1:=x2;
until (ia=1)or(k1+k2+k3=0);
writeln;
writeln(' csi=',csi);
s1:=s1+csi;
s2:=s2+csi*csi;
end;
disp:=s2/n0-sqr(s1/n0);
writeln('Dispersia D=',disp:1:4);
n:=trunc(xb*xb*disp/(eps*eps));
writeln('n=',n); readkey;
s:=0; na:=0;
for i:=1 to n do
begin
k1:=k01; k2:=k02; k3:=k03; calba:=0; cneagra:=0;
{cneagra indica daca culoarea bilei este neagra}
x1:= random(k1+k2+k3)+1;
if x1<=k1 then begin k1:=k1-1; calba:=1; end
else if x1<=k1+k2 then begin k2:=k2-1;
cneagra:=1;end
else k3:=k3-1;
ia:=0; csi:=1; ing:=0;
repeat
x2:=random(k1+k2+k3)+1;
if (x2<=k1) and (k1<>0) then
begin
if calba=1 then ia:=1;
21
k1:=k1-1;
calba:=1;
cneagra:=0;
end
else
if (k2<>0)and (x2<=k1+k2) then
begin
if cneagra=1 then ing:=1;
k2:=k2-1;
cneagra:=1;
calba:=0;
end
else
if k3<>0 then
begin
k3:=k3-1;
calba:=0;
cneagra:=0;
end;

csi:=csi+1;
x1:=x2;
until (ia=1)or(k1+k2+k3=0);
if ing=1 then na:=na+1;
s:=s+csi;
end;
Ma:=s/n;
writeln('Valoarea medie Ma=',Ma:1:3);
P:=na/n;
writeln('Probabilitatea P=',P:1:3);
readkey;
END.
Rezultatul

SCHEMA DE EXTRAGERE FARA INTOARCERE
Introdu exactitatea eps: 0.01
Introdu cuantila xb tabelara: 1.96
Introdu numarul de experimente n0 pentru
calcularea dispersiei: 20
Introdu numarul de bile albe k1: 2
Introdu numarul de bile negre k2: 3
22
Introdu numarul de bile rosii k3: 2
n a n r r a n csi=7
a a csi=2
r n a n n a r csi=7
r n n n a a csi=6
a n n r n a r csi=7
r r n n a a csi=6
r a n n n a r csi=7
a r n r a n n csi=7
a n r n a n r csi=7
r a n a r n n csi=7
r a r n n a n csi=7
n a a csi=3
a n r n n a r csi=7
n a n a r n r csi=7
a a csi=2
n r a n r a n csi=7
r n a r n a n csi=7
n a r r n n a csi=7
n r a n a r n csi=7
r r a n n n a csi=7

Dispersia D=2.7600
n=1060

Valoarea medie Ma=6.231
Probabilitatea P=0.570
23
1.7. LUCRAREA DE LABORATOR NR.1
Calculul valorii medii, a integralei definite
i a probabilitii unui eveniment aleator

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

Probleme propuse

1. O urn conine n
1
bile albe, n
2
bile negre i n
3
bile roii. Conform
schemei cu ntoarcere se extrage cte o bil pn cnd apare o bil
alb sau una neagr. \ - numrul de bile roii extrase. A={ultima bil
extras este alb}.
2. O persoan scrie n scrisori la n persoane. Pune fiecare scrisoare n
plic, nchide plicurile i apoi scrie la ntmplare adresele pe plicuri. \ -
numrul scrisorilor care ajung la destinatarul su. A={cel puin o
scrisoare ajunge la destinatarul su}. (M\=1, P(A) } 1- e
-1
).
3. \
1
, \
2
,, \
n
sunt variabile aleatoare independente cu repartiia
Bernoulli: P(\
i
=1) = p, P(\
i
=0)=q, q = 1 - p. Definim variabilele
24
aleatoare L
k
, k =1,2,, n - 1, astfel: L
k
= 0 dac \
k
= \
k+1
i L
k
= 1 dac
\
k
{ \
k+1
. ^
n
= L
1
+L
2
++L
n 1
. A={^
n
= ^
n-2
}.
4. \
1
i \
2
sunt variabile aleatoare independente cu repartiia
normal N(0,1).
_ a. 4 . 0 .
2
2
2
1
2
2
2
1
! ! \ \ \ \ \ A

5. Se consider ecuaia g(x) = x
2
2ax + b = 0. Fie a i b variabile
aleatoare independente cu repartiie uniform pe [0,1]. \ este valoarea
minimal a funciei g(x). A={rdcinile ecuaiei sunt reale}.
6. n condiiile problemei nr.5 a i b urmeaz legea de repartiie
exponenial de parametru E. \ - este valoarea minimal a funciei
g(x). A={\ u 0}.
7. n condiiile problemei nr.5 \ este valoarea maximal a funciei
g(x) pe segmentul [-1, 5]. A={g(x) atinge valoarea maximal n
punctul x=5} (M\=20.5, P(A)=1).
8. n condiiile problemei nr.5 a i b au repartiie uniform pe
[-1, 2]. \ este valoarea minimal a funciei g(x), A={g(x) e 0}.
9. n condiiile problemei nr.5 a i b urmeaz legea de repartiie
N(0,1). \ este valoarea minimal a funciei g(x), A={g(x) u0}.
10. Variabila aleatoare L are repartiia exponenial de parametru E.
\=[L]. A=

|
,
|

n
1
\
, n = 1, 2, , 10.

E
E
\
e
e
M
1
.
11. ntr-un ptrat se iau la ntmplare punctele A i B. Acest
experiment se repet pn cnd cercul, al crui diametru este
segmentul AB, se va conine n ntregime n ptrat. \ - numrul
experimentelor. A={\=1}.
12. Pe un cerc de raza 1 se iau la ntmplare punctele A, B i C. \ -
aria triunghiului ABC. A={toate unghiurile triunghiului sunt ascuite}.
( P(A)=1/4).
13. n prima urn sunt k
1
bile albe i k
2
negre, iar n a doua urn sunt
m
1
bile albe i m
2
bile negre. Din prima urn se extrage o bil la
ntmplare care se pune n a doua urn. De aici se iau la ntmplare
dou bile. \ - numrul bilelor albe extrase din a doua urn. A={\=2}.
14. ntr-o urn sunt k
1
bile albe, k
2
bile negre i k
3
bile roii. Una cte
una se scot toate bilele. \ - numrul de ordine al extragerii n care
25
prima dat este scoas o bil alb. A={o bil de culoare alb este
scoas nainte de a fi scoas o bil de culoare neagr}.
15. n condiiile problemei nr.14 este numrul bilelor albe scoase
n primele k
1
extrageri. A={n primele k
1
extrageri i n ultimele k
1

extrageri este scos acelai numr de bile albe}.
16. n condiiile problemei nr.14 \ este numrul de bile roii scoase
ntre prima i a doua bil alb. A={ = 0}.
17. Din mulimea {1, 2,, N} se extrage cu ntoarcere de s ori cte
un numr. \ este numrul maximal extras. A={numrul maximal este
extras o singur dat}.
18. n condiiile problemei nr.17 este numrul minimal extras.
A={ 2}.
19. n condiiile problemei nr.17 este numrul de numere care nu
au fost extrase nici o dat. A={1 i N nu sunt extrase}.
20. n ptratul OABC cu vrfurile n punctele O =(0,0), A=(0,1),
B=(1,1), C=(1,0) se ia la ntmplare cte un punct pn cnd n
triunghiul OAB nimeresc s puncte. \ - numrul punctelor luate n
ptrat. A={numrul de puncte ce nimeresc n triunghiul OAB difer cu
cel mult 2 de numrul punctelor ce nimeresc n triunghiul OBC}.
21. n condiiile problemei nr.20 este numrul punctelor care
nimeresc n ABC. A={numrul punctelor care nimeresc n ABC
difer de numrul celora care nimeresc n OAC cu cel mult 2}.
22. n condiiile problemei nr.20 este numrul acelor puncte luate
n ptrat, abscisele crora sunt mai mici dect 1/2. A={n OBC
nimerete un numr par de puncte}.
23. ntr-o urn sunt k
1
bile albe i k
2
bile negre. Se extrage cte o bil fr
ntoarcere pn sunt scoase toate bilele albe. este numrul extragerilor.
A={este scoas o bil alb nainte de a fi scoas o bil neagr}.
24. n condiiile problemei nr.23 \ este numrul de bile negre
extrase. A={prima bil extras este alb}.
25. ntr-o urn sunt k
1
bile albe i k
2
bile negre. Se extrage cte o bil
cu ntoarcere pn cnd n s extrageri succesive sunt scoase numai
bile de culoare neagr. este numrul extragerilor. A={sunt scoase
succesiv cel puin trei bile negre} (pentru k
1
=3, k
2
=7 M 16.5}.
26. ntr-un cerc de raz 2 se ia cte un punct pn cnd se obin dou
puncte situate de la centru la o distan ce nu ntrece 1. \ este numrul
26
punctelor luate. A={distana de la centrul cercului a celui de-al doilea
punct nu ntrece 1}.
27. n condiiile problemei nr.26 \ este numrul punctelor luate dup
primul ,,succes. A={8 10}.
28. Se arunc dou zaruri pn cnd apar doi de 6 de 3 ori.
- numrul aruncrilor. A={ 4}.
29. n condiiile problemei nr.28 este numrul de apariii ale
perechilor (1, 1), (2, 2), ..., (6, 6). A={dintre toate perechile (i, i) cea
mai frecvent este (6, 6)}.
30. Se arunc dou zaruri pn cnd de 2 ori se obine suma de 5
puncte czute va fi egal cu 5. \ - numrul aruncrilor. A={cel puin o
dat cad doi de 6}.
31. Se arunc dou zaruri pn cnd de 2 ori suma punctelor va fi 5. \ -
numrul apariiilor sumei 9. A={ = 2}.
32. Din mulimea {1, 2, , N} se extrage cte un numr cu
ntoarcere pn cnd numrul 1 este scos de 2 ori. este numrul
extragerilor efectuate. A={numrul N este scos de cel puin dou ori}.
33. n condiiile problemei nr. 32 este numrul acelor numere care
nu sunt scoase nici o dat. A={toate numerele sunt scoase cel puin
cte o dat}.
34. Se arunc trei zaruri pn cnd cel puin dou dintre ele cad cu 6
puncte. \ - numrul aruncrilor efectuate. A={[23,31]}.
35. n condiiile problemei nr. 34 \ este numrul de 6 ce cad la
penultima aruncare. A={la ultima aruncare cad trei de 6}.
36. Din mulimea {1,2,,N} se extrage cu ntoarcere cte un numr pn
cnd sunt scoase s numere divizibile cu 5. \ este numrul extragerilor
efectuate. A={numrul extragerilor este divizibil cu 5}.
37. n condiiile problemei nr. 36 \ este numrul maximal extras.
A={ este par}.
38. Se iau la ntmplare dou numere de pe segmentul [0,1]: a
(primul) i b (al doilea). \ = max(x
1
, x
2
), unde x
1
, x
2
sunt rdcinile
ecuaiei x
2
+ ax + 2b = 0. A={ > 1}.
39. n condiiile problemei nr. 38 \ = min(x
1
, x
2
), A={ > 0}.
40. Se arunc zarul pn cnd faa cu 6 puncte cade de s ori.
i
- numrul
de apariii ale feei cu i puncte, i = 1, 2, 3, 4, 5, 6. A= {
1
=
2
}.
27
41. Pe segmentul [0, 3] se ia la ntmplare cte un punct pn cnd acesta
va nimeri pe segmentul [2, 3]. \ - numrul de puncte luate. A={pe [0,1] sunt
luate mai multe puncte dect pe [1, 2]}.
42. n condiiile problemei nr. 41 \ este numrul de puncte luate pe
[0,1]. A={pe [1, 2] nu este luat nici un punct}.
43. Pe segmentul [0,3] se iau la ntmplare s puncte. este numrul
maximal de puncte care nimeresc pe unul dintre segmentele [0,1],
[1,2], [2,3]. A={numr maximal de puncte nimeresc pe [0,1]}.
44. Pe segmentul [0, 3] se ia la ntmplare cte un numr pn cnd
pe segmentul [1, 2] nimeresc s puncte. \ este numrul de puncte luate.
A={pe [0,1] nimeresc mai puine puncte dect pe [2,3]}.
45. n condiiile problemei nr. 44 \ este numrul de puncte ce
nimeresc pe segmentul [0,1]. A={pe [0,1] nimeresc mai multe puncte
dect pe [2, 3]}.
46. Se modeleaz cte o valoare x
i
a variabilei cu repartiia N(a, W),
pn cnd se obine o valoare ce nu aparine intervalului (a - 3W,
a + 3W). este numrul valorilor modelate. A={ultima valoare
modelat este mai mare dect a + 3W}.
47. n condiiile problemei nr.46 este numrul valorilor modelate
care nimeresc n intervalul (0, a + 36). A={pe (a - 3W, a) i (a, a + 3W)
nimerete aproximativ acelai numr de valori (diferena e 2)}.
48. Se modeleaz cte o valoare a variabilei aleatoare cu repartiie
exponenial de parametru E pn cnd n intervalul [2, 3] nimeresc s
valori. este numrul valorilor modelate. A={M < < 2M }.
49. n condiiile problemei nr.48 este valoarea maximal modelat.
A={ > 3}.
50. O particul se afl iniial n punctul O al axei numerice. Peste o
secund ea trece n punctul 1 sau n -1 cu probabilitatea p, respectiv q,
p + q = 1. Peste nc o secund din punctul n care se afl particula trece
din nou cu o unitate la dreapta sau la stnga cu probabilitatea p, respectiv
q .a.m.d.
t
coordonata particulei peste t secunde. A={
t
>0}.
51. n condiiile problemei nr. 50 este numrul de reveniri ale
particulei n punctul O dup t sec. A={cea mai mare parte de timp
particula se afl pe partea pozitiv a axei}.
52. n condiiile problemei nr. 50 este coordonata maximal a
particulei n intervalul de timp [0,t], A={ u [t /2]}.
28
53. Din mulimea {0, 1, 2, , 9} se ia de 6 ori cte un numr cu
ntoarcere i aceasta se repet pn cnd suma primelor trei cifre va fi
egal cu suma ultimelor trei cifre. - numrul experimentelor.
A={ = 1}. (P(A) = 0.005252).
54. n condiiile problemei nr. 53 este suma ultimilor trei cifre
extrase. A ={ = s}, s = 10, 11, 12.
55. Se arunc zarul pn cnd suma punctelor prima dat ntrece
1000. - numrul aruncrilor.

|
,
|
! ! s n n x ma A
j i
j i,
, s = 1, 2, 3, ,
unde n
i
este numrul feelor care cad cu i puncte, i = 1, 2, , 6.
56. Din mulimea {0,1,2,,N} se extrage cte un numr cu
ntoarcere pn cnd sunt extrase r numere diferite. - numrul
extragerilor. A={1 a fost extras cel mai des}. (N=10, r = 5, M } 16,5;
P(A)=0,5).
57. n condiiile problemei nr.56 este lungimea maximal a unei
iteraii de numere extrase deja cel puin o dat. A={ultimul este scos
numrul 1}.
58. n ptratul [0,1] v[0,1] se iau la ntmplare 3 puncte A, B, C i
acest experiment se repet pn cnd aria triunghiului ABC ntrece
prima dat valoarea 0,45. - numrul experimentelor. A={=1}.
59. n condiiile problemei nr.58 \ este perimetrul ultimului triunghi
ABC. A={ > 2}.
60. n ptratul [0,1] v[0,1] se ia la ntmplare un punct (x, y) i acest
experiment este repetat pn cnd va fi satisfcut condiia
x y< 0,25. - numrul experimentelor. A={ = 1}.
61. Sunt date dou urne cu bile albe, negre i roii. Prima urn
conine 2k
1
bile albe, k
2
bile negre i k
3
bile roii, iar a doua conine
respectiv, 2r + 2k
1
, m
2
i m
3
bile. Din prima urn se extrage la
ntmplare o bil care se introduce n a doua urn dup care din
aceasta se extrage la ntmplare o bil care se introduce n prima urn
. a. m. d. pn cnd se egaleaz numrul de bile albe n urne. -
numrul de extrageri din prima urn. A={ u 2r}.
62. n condiiile problemei nr.61 este numrul de bile roii extrase
din urna a doua. A={ este par}.
29
63. Se arunc o moned pn cnd stema cade succesiv de trei ori. -
numrul aruncrilor monedei. A={banul cade cel puin o dat de trei
ori succesiv}. (M }14,P(A) } 0.52).
64. n condiiile problemei nr.63 este numrul iteraiilor de steme.
A={\ e 5}.
65. Se consider un ir de experimente Bernoulli. U
k
numrul de
ordine al experimentului n care apare al k-lea succes. A={U
k
= k + 2}.
(MU
k
= k/p).
66. n triunghiul cu vrfurile n punctele (0, 0), (2, 1), (2, 0) se ia la
ntmplare un punct. este abscisa, iar L - ordonata punctului.
A={\ + L " 2}. (M\ = 4/3, ML = 5/12).
67. Variabilele aleatoare \
1
, \
2
, \
3
sunt independente i au repartiia
N(0, 1).
2
3
3 2 1
1 \
\ \ \
\


!
. A={\ 0}.
68. Variabila aleatoare L are repartiie exponenial de parametru
E=1. \= {L}. A={\ = L} (P(A)=1- e
-1
).
69. Din mulimea {0, 1, 2, , N} se extrage cte un numr cu
ntoarcere pn cnd suma numerelor extrase prima dat ntrece
valoarea
2
) 1 ( N N
. - numrul extragerilor. A={cel puin unul dintre
numerele 1 i N nu este extras nici o dat}.
70. n condiiile problemei nr.69 este numrul acelor numere care
nu sunt extrase nici o dat. A={1 este scos exact o dat}.
71. Se efectueaz un ir de experimente Bernoulli, succesul avnd
probabilitatea p n fiecare experiment. \ este numrul experimentelor
pn la apariia primei secvene 00. A={\=3}.
. 1 ,
1
2

! p q
q
q
M\

72. n condiiile problemei nr.71 este numrul experimentelor pn
la apariia primei secvene 111. A={\=5}.
.
1
3
2


!
p
p p
M\

73. n condiiile problemei nr.71 este numrul experimentelor pn
la apariia primei secvene 01. A={\ = 4}.

!
pq
M
1
\
.
30
74. Pe segmentul [0,1] se ia la ntmplare un ir de numere L
1
, L
2
,
. R acea valoare a lui k pentru care suma L
1
+ L
2
+ + L
k
prima dat
ntrece 1. A={L
1
+ L
2
+ + L
k
x}. .
!
) ( ,

! !
n
x
A P e M
n
R
75. Variabilele aleatoare \
1
, \
2
, , \
n
sunt independente avnd
repartiia normal N(0, 1).
n
k
\ \ \
\
\

!
...
2 1
.
.
... ...
2 1
2
2 1
1

|
,
|


!
n n
A
\ \ \
\
\ \ \
\

.
1

!
n
M\

76. n condiiile problemei nr.75 variabilele aleatoare au densitatea
de repartiie f(x) = cx
2
dac x[0, 2] i f(x) = 0, dac xZ[0,2].
77. Variabilele \
1
, \
2
, , \
n
sunt independente, uniform repartizate
pe [0,1].
.
1
1
!

!
n
i
i i
\ \ \
A={2.71 \
1
+\
2
+ +\
k
2.72}. (M\=n/3).
78. ntr-o urn sunt M
k
bile numerotate cu k, k= 1, 2, , N. Se scot
fr ntoarcere n bile. \ - numrul de numere care nu sunt scoase nici o
dat. A = {M\ \ 2M\}. (

!
!
n
i
n n
k
M M M M
1
] [ ] [
/ ) ( \ , M= M
1
++M
n
).
79. Din mulimea {0, 1, 2, , N} se extrage de k ori cte un numr
fr ntoarcere. - suma numerelor extrase. A={primele trei numere
extrase x
1
, x
2
, x
3
formeaz o secven cresctoare:
x
1
x
2
x
3
}.


! k
N
M
2
1
\
.
80. Se efectueaz un ir de experimente Bernoulli, succesul avnd
probabilitatea p n fiecare experiment. Considerm c n experimentul
i (i u 2) apare secvena 00, dac rezultatele experimentelor i-1 i i sunt
0. Q
00
numrul secvenelor 00 n n experimente. A={avem s secvene
00 succesive}, s = 1, 2, 3, . (MQ
00
= (n-1)q
2
, q=1- p).
81. n condiiile problemei nr.80 considerm c n experimentul i (i
u 3) apare secvena 111, dac rezultatele experimentelor i-2, i-1 i i
sunt 1. Q
111
numrul secvenelor 111 n n experimente. A={avem s
secvene 111 succesive} s = 1, 2, 3, . (MQ
111
= (n-2)p
3
).
82. Se efectueaz k experimente Bernoulli, succesul i insuccesul
avnd n fiecare experiment probabilitatea p, respectiv q, p + q =1.
31
\ numrul iteraiilor de succese i de insuccese. A={ultima iteraie
este de succese}. (p=0.3, M\}8.98).
83. n condiiile problemei nr.82 \ este lungimea maximal a unei
iteraii. A={iteraia de lungimea maximal este alctuit din succese}.
(k =20, p= 0.5, M\}4.67; k =50, p= 0.5, M\}6).
84. n condiiile problemei nr.82 \ este numrul iteraiilor de
lungimea 1. A={prima i ultima iteraie au aceeai lungime}.
85. n condiiile problemei nr.82 \ este numrul iteraiilor de
lungimea 2. A={\ = 1}.
86. Din mulimea {0,1,2,,N} se extrage cte un numr cu
ntoarcere pn cnd sunt extrase toate numerele pare. numrul de
numere impare care nu sunt extrase nici o dat. A={1 este scos cel
puin de dou ori}.
87. n condiiile problemei nr.86 \ este numrul maximal de
extrageri ale unui numr. A={\=k}, k = 5, 6, 7, 8, 9, 10.
88. Se arunc zarul pn cnd cad toate feele cel puin cte o dat.
\ - numrul aruncrilor. A={\ e 12}.
89. Se arunc zarul pn cnd cad toate feele pare cel puin cte o
dat. \- numrul aruncrilor. A={cel mai des cade faa cu 6 puncte}.
90. n condiiile problemei nr.89 \ este numrul de fee impare care
nu apar nici o dat. A={\ = 1}.
91. Se arunc zarul pn apar primele trei fee. \- numrul
aruncrilor . A={\ e 5 }, B = {apar toate feele zarului}.
92. Din mulimea {1, 2, , N} se extrag unul cte unul toate
numerele i acest experiment se repet pn cnd ele sunt scoase n
ordinea 1, 2, , N. numrul experimentelor efectuate.
A={\ > M\}. (N = 4; M\ = 22.9; p } 0.36).
93. n planul XOY se consider dreptunghiul OABC cu vrfurile n
punctele O = (0, 0), A = (0, 1), B = (2, 1), C=(2, 0). Pe laturile OA i
BC se ia la ntmplare cte un punct Q, respectiv R. \ - lungimea
segmentului QR. A={\ > 2.2}.
94. Pe segmentul [0,1] se iau la ntmplare dou puncte. Aceste
puncte divizeaz segmentul [0,1] n alte trei segmente. Experimentul
32
este repetat de k ori. \
k
numrul cazurilor cnd din cele trei segmente
se poate forma un triunghi. A={\ = 1}.
.
4
1
) (

! A P

95. Pe segmentul [0,1] se ia la ntmplare un punct. \ lungimea
celui mai mare dintre cele dou segmente care se obin.
A={\[0.55,0.65]}.
.
4
3
) (

! A P

96. n condiiile problemei nr.95 \ lungimea celui mai mic dintre cele
dou segmente care se obin. A={\[0.2,0.3]}. (P(A) = 1/4.)
97. Dintr-o urn care conine k
1
bile albe, k
2
bile negre i k
3
bile roii
se scoate cte o bil cu ntoarcere pn cnd se obin s iteraii de bile
albe. \ - numrul bilelor extrase. A={bile negre sunt scoase mai multe
dect roii}.
98. n condiiile problemei nr.97 \ este numrul iteraiilor de bile
negre extrase. A={bile albe sunt scoase mai multe dect negre}.
99. n condiiile problemei nr.97 \ este numrul total al iteraiilor de
bile albe, negre i roii. A={prima iteraie corespunde culorii albe}.
100. Dintr-o urn care conine k
1
bile albe, k
2
bile negre i k
3
bile
roii se scoate cte o bil cu ntoarcere pn cnd se obine o iteraie
alctuit din s bile albe. \ - numrul iteraiilor de bile albe. A={prima
iteraie corespunde culorii albe}.
101. Dintr-o urn care conine k
1
bile albe, k
2
bile negre i k
3
bile
roii se scoate cte o bil cu ntoarcere pn cnd se obine cel puin o
iteraie de bile pentru fiecare culoare. \ - numrul bilelor extrase.
A={prima iteraie corespunde culorii roii}.
102. n condiiile problemei nr.101 \ este numrul bilelor n cea
mai lung iteraie. A={cea mai lung este iteraia ce corespunde culorii
albe}.
103. Se modeleaz un ir de valori ale variabilei aleatoare cu
repartiie Poisson de parametru P pn cnd se obine o valoare x
i
din
segmentul [2P, 3P]. \ - numrul valorilor modelate. A={se obine cel
puin o valoare mai mare dect 3P}.
104. n condiiile problemei nr.103. \ este numrul valorilor
modelate mai mici dect P. A={numrul valorilor modelate, mai mici
dect P, difer de numrul valorilor mai mari dect P cu cel mult 2}.
33
105. Se modeleaz un ir de valori x
i
ale variabilei aleatoare \ cu
repartiie Poisson de parametru P pn cnd se obin s valori mai mari
dect P. \ - numrul valorilor modelate. A={cel puin una dintre
valorile x
1
, x
2
este mai mare dect P}.
106. Se efectueaz n experimente Bernoulli, succesul avnd
probabilitatea p n fiecare experiment. \
n
numrul iteraiilor de
succese. A={\
n
= 0}, B={\
n
= 1}. (M\
n
= npq + p
2
, P(A) = q
n
, P(B) =
nq
n
(q - p) - p(q
n
- p
n
) dac p { q; P(B) =
2
1 n
C 2
-n
, dac p = q = 1/2).
107. Pe segmentul [0, 5] apar la ntmplare unul dup altul
punctele t
1
, t
2
, , t
n
. Se cere s ntrerupem acest proces pe ct este
posibil la punctul de abscis maximal \= max{t
1
, t
2
, , t
n
}.
Considerm urmtoarea strategie: fixm un numr m (n funcie
de N) i urmrim acest proces pn apar primele m puncte de ,,prob,
oprindu-ne apoi la primul punct abscisa cruia este mai mare dect
abscisele primelor m puncte (sau la ultimul punct). \
m
- abscisa
primului punct la care ne oprim. A=
,
1
5

|
,
|
u
m
m
\
(m = 1, 2, , N-1).
(M\
m
este maximal pentru m } N/e).
108. Variabilele aleatoare \
1
, \
2
i \
3
sunt independente, avnd aceeai
lege de repartiie cu valoare medie finit (normal, uniform, exponenial
etc.). Fie \
(1)
e \
(2)
e \
(3)
seria variaional a lor. L
1
= (\
(3)
- \
(1)
),
,
2 1 2
\ \ L !
A={\
(2)
- \
(1)
" \
(3)
- \
(2)
}. (M(\
(1)
- \
(2)
) = 3/2 M
2 1
\ \
).
109. n spaiul R
3
se consider triunghiul isoscel OAB, format din
vectorul unitar OA, situat pe axa OX i vectorul unitar OB care
formeaz cu OA un unghi cu repartiie uniform pe segmentul [0, 2T].
\ - lungimea laturii AB. C = {triunghiul OAB se conine n primul
octant}. (M\ = 8/6).
110. Pe cercul de raza 1 se iau la ntmplare punctele A
1
, A
2
, , A
n
.
\ - lungimea celui mai mic arc al cercului ce conine aceste puncte. A
= {\ x}, x e 1/2. ( P(A) =nx
n-1
).
111. Din mulimea {0, 1, 2, , N} se extrage cte un numr cu
ntoarcere pn cnd numrul 1 este scos de k ori. valoarea
minimal a lui k pentru care toate numerele 2, 3, , N sunt scoase cel
puin cte o dat. A={2 i 3 sunt scoase de acelai numr de ori}.
34
112. Variabila aleatoare \ este determinantul matricei
ij
a
- n n v ,
unde a
ij
sunt variabile aleatoare independente, uniform repartizate pe
[-1, 1]. A={prima linie a matricei conine numai elemente pozitive}.
(M\ = 0).
113. n condiiile problemei nr.112 a
ij
urmeaz legea de repartiie
normal N(0,1). A={prima coloan conine numai elemente negative}.
(M\ = 0).
114. Din mulimea {1,2, ,N} conform schemei fr ntoarcere se
extrag numerele x
1
, x
2
, , x
k+1
, k e N - 1. Primele k numere extrase se
scriu n ordine cresctoare: x
(1)
x
(2)
x
(k)
. = x
(k)
, A
l
={ x
(l)
x
(k+1)
x
(l+1)
}, l = 1, 2, .., k-1.

!
1
1
) (
k
A P
l .
115. n planul de coordonate XOY se consider triunghiul isoscel
format din vectorul unitar OA, situat pe axa OX, i vectorul unitar OB,
ce formeaz cu OA un unghi aleator, care are repartiie uniform pe
segmentul [0, T]. \ - aria triunghiului OAB, C = {triunghiul OAB se
situeaz n primul cadran}. (M\ = 1/T).
116. \
1
, \
2
, , \
n
sunt variabile aleatoare independente, avnd
repartiie uniform pe segmentul [0,1]. L
n
= \
(n)
- \
(1)
. A={\
(2)
- \
(1)

1
1
n
}.

!
1
1
n
n
M
n
L .
117. n condiiile problemei nr.116 L = \
(3)
- \
(2)
, A={L "
.
1
1

|
,
|

" !
n
A L

118. n interiorul sferei de raz 1 cu centrul n originea de
coordonate se iau dou puncte la ntmplare. \ - distana dintre
punctele luate. A={ambele puncte nimeresc n primul octant}. (M\ =
36/35).
119. \
1
, \
2
, , \
n
sunt variabile aleatoare independente, avnd
repartiie exponenial de parametru E. (
i
= \
(i)
- \
(i-1)
,

|
,
|

( !
i
i
A
i
1
.


!
) 1 (
1
i k
M
E
\ .
120. Pe cercul cu centrul n originea de coordonate 0 se iau la
ntmplare n puncte A
1
, A
2
, , A
n
. \ - numrul minimal n pentru care
poligonul convex cu vrfurile A
1
, A
2
, , A
n
conine punctul 0.
A={n " 3}. (M\ = 5).
35
121. Pe cercul cu centrul de raz r se iau la ntmplare punctele A
1
,
A
2
, , A
n
. Notm cu A
(1)
, A
(2)
, , A
(n)
punctele A
1
, A
2
, , A
n
scrise n
ordinea n care le ntlnim pe cerc la parcurgerea lui n sensul micrii
acelor ceasornicului. \ - lungimea arcului A
(1)
A
(2)
. A={arcul A
(2)
A
(3)
e
mai mare dect arcul A
(1)
A
(2)
}. (M\ = 2Tr/n).
122. n condiiile problemei nr.121 notm prin \
i
lungimea arcului
A
(i)
A
(i + 1)
. \ = max{\
1
, \
2
, , \
n
}. A={\ =\
1
sau \ = \
2
}.

!

!
n
k
k n
r
M
1
;
1 2T
\
dac n e mare
. ln
2

! n
n
r
M
T
\

123. Pe cercul de raz 1se iau la ntmplare punctele A, B i C. \ -
aria triunghiului ABC. D = {triunghiul ABC nu conine centrul
cercului}(M\ = 3/2T = 0.4774).
124. n condiiile problemei nr.123 \
1
este perimetrul triunghiului
ABC, \
2
raza cercului nscris n triunghiul ABC. D = { ABC "T/2
}(M\
1
= 12/T } 3.8197, M\
2
= 12/T
2
-1 } 0.2158).
125. n figura plan convex G, avnd aria 1, se iau la ntmplare
punctele A
1
, A
2
, A
3
, A
4
. \ - aria triunghiului A
1
A
2
A
3
. A = {nveliul convex
al punctelor A
1
, A
2
, A
3
, A
4
este un triunghi}. S se considere cazul cnd G
este un triunghi cu vrfurile n punctele (0, 0), (2, 0), (0, 1).
126. n condiiile problemei nr.125 G este un dreptunghi cu
vrfurile n punctele (0, 0), (2, 0), (0, 0.5), (2, 0.5).
127. n condiiile problemei nr.125 G este ptratul cu vrfurile n
punctele (0, 0), (1, 0), (0,1), (1, 1).
128. n condiiile problemei nr.125 G este cercul de raz R =
T
1
cu
centrul n originea de coordonate.
Problemele nr. 129-131 au ca tematic permutrile mulimii
X = {1, 2, , n}. Amintim c o permutare a mulimii X = {1, 2, , n}
este o aplicaie bijectiv a mulimii X pe ea nsi. Dac f este o
permutare a mulimii X, atunci vom reprezenta-o astfel:
.
) ( ... ) 2 ( ) 1 (
... 2 1

!
n f f f
n
f

Notm, de asemenea: f
2
(k) = f(f(k)), f
3
(k) = f(f(f(k))), ... . Fie k
un numr din X. n irul k, f(k), f
2
(k), primul element care se repet
36
este k. Fie r cel mai mic exponent pentru care k k f
r
! ) ( . Permutarea

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

se numete ciclu i se noteaz [k, f(k), f
2
(k),, f
r-1
(k) ].
Se poate demonstra c orice permutare poate fi scris n mod
unic ca un produs de cicluri ( fr elemente comune). Aceste cicluri se
determin astfel:
se consider secvena 1, f(1), f
2
(1), i se formeaz ciclul care l
conine pe 1, dac f(1) =1, ciclul este format din 1 i se noteaz [1]);
din mulimea X= {1, 2, , n} se elimin elementele ce se conin n
ciclul format deja;
se noteaz cu i
1
cel mai mic element al mulimii obinute i se
formeaz secvena i
1
, f (i
1
), f
2
(i
1
), .
Astfel se obine ciclul care l conine pe i
1
. Dup aceasta n mod
analog se construiete urmtorul ciclu . a. m. d.
Mulimea X fiind finit, acest proces se ncheie dup un
numr finit de pai.
Exemplu.

!
3 6 7 8 4 1 2 9 5
9 8 7 6 5 4 3 2 1
f
=[1, 5, 4] [2, 9, 3] [6, 8] [7].
129. \
n
este numrul ciclurilor unei permutri a mulimii X= {1, 2,
, n}, luate la ntmplare. A = {exist cel puin un ciclu de lungimea
1}. (M\
n
=

!
n
j
j
1
1
= ln n + c + o(1), c = 0.5772).
130. \
l
este numrul ciclurilor de lungimea l ale unei permutri a
mulimii X= {1, 2, , n}, luate la ntmplare. A={exist cel puin un
ciclu de lungimea 1}. (Pentru npg \ are repartiie Poisson de
parametru P=1/l, P(A) p 1-1/l).
131. Se ia la ntmplare o permutare a mulimii X= {1, 2, , n}.
\

- lungimea ciclului care l conine pe 1. A={\ = 1}


!
2
1 n
M\
.
132. \
n
este numrul ciclurilor de lungimea 3 al unei permutri a
mulimii X= {1, 2, , n} luate la ntmplare. A={1, 2 i 3 formeaz un
ciclu de lungimea 3}. (Pentru npg \
n
are repartiie Poisson de
parametru 1/3, P(A) =2/(n(n-1)(n-2)).
37
133. \
n
este numrul ciclurilor de lungimea 1 ale unei permutri a
mulimii X = {1, 2, , n} luate la ntmplare. A={elementul 1
formeaz ciclu de lungimea 1}. (M\ }1, P(A) }
n
1
).
134. n N urne se plaseaz cte o bil la ntmplare pn cnd n
fiecare urn nimerete cel puin cte o bil. Se presupune c fiecare
bil poate nimeri n oricare dintre urne cu probabilitatea
N
1
. \
i

numrul urnelor n care nimeresc exact cte i bile. A={\
1
\
3
}.
(N= 20, M\ } 3.6, P(A) } 0.4793).
135. n condiiile problemei nr.134 \ este numrul maximal de bile
care nimeresc ntr-una din urne. A={\ e N/10 }. Pentru ce N are loc
P(\ u 5) = 1?
136. n condiiile problemei nr.134 \ este numrul bilelor plasate.
A={\ e kN } k =1, 2, 3, 4, 5.
137. n N urne se plaseaz cte o bil la ntmplare pn cnd ntr-
una din urne nimeresc k bile. \ numrul bilelor plasate. A={n toate
urnele nimerete cel puin cte o bil}.
138. n condiiile problemei nr.137 \ este numrul urnelor n care
nimeresc k-1 bile. A={\ = 1}.
139. n N urne se plaseaz cte o bil la ntmplare pn cnd n
fiecare urn nimerete cel puin o bil. \ numrul bilelor plasate.
A={n prima urn nimeresc k bile}.
140. n N urne se plaseaz cte o bil la ntmplare pn cnd n s
urne nimeresc cel puin cte 2 bile. \ numrul urnelor n care nu
nimerete nici o bil. A={\=k}, k = 0, 1, 2, , N-s.
141. n N urne se plaseaz cte o bil la ntmplare pn cnd n
primele s urne nimerete cel puin cte o bil. \ numrul urnelor n
care nu nimerete nici o bil. A={\=k}, k = 0, 1, 2, , N-s.
142. n N urne se plaseaz la ntmplare n bile. Fie Q
r
(n, N)
numrul urnelor n care nimeresc exact cte r bile, r u 0. A={Q
0
(n, 2n)
Q
1
(n, 2n)}.

38
n problemele nr.141-143 P este matricea probabilitilor de
trecere la un pas a unui lan Markov omogen, iar P
0
este repartiia
iniial.
143.

!
0 0 0 1
0 5 . 0 25 . 0 25 . 0
5 . 0 0 5 . 0 0
3 . 0 2 . 0 0 5 . 0
P , P
0
=(0.5, 0, 0.5, 0)
\ - numrul pailor dup care sistemul trece prima dat n
starea 4. A={\ = 2}.

144.

!
5 . 0 0 0 5 . 0
2 . 0 0 0 8 . 0
1 . 0 0 0 9 . 0
0 5 . 0 5 . 0 0
P , P
0
=(0.5, 0.5, 0, 0)
\ - numrul pailor dup care sistemul trece prima dat n
starea 4. A={\ u k}, k = 2, 3, , 10.

145.

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

Urmrim evoluia sistemului din momentul 0 pn cnd nimerete n
starea 4.
\
i
- numrul de treceri prin starea i, i = 1, 2, 3. A={
3
max \ \ !
i
i
}.
39
2 Verificarea ipotezelor de concordan

Verificarea ipotezelor este legat ntr-o form sau alta de
compararea diferitor ipoteze cu date obinute prin observaii. Este
limpede c dac datele (faptele) observate nu sunt compatibile cu
ipoteza formulat aceasta trebuie s fie respins. Dac ns datele sunt
compatibile cu aceast ipotez, atunci ea poate fi acceptat.
Definiie. Vom numi ipotez statistic orice presupunere privind
repartiia necunoscut (funcia de repartiie, densitatea de repartiie
etc.) a unei variabile aleatoare sau valorile necunoscute ale
parametrilor unei repartiii.
Dac a fost formulat o ipotez (care de obicei se numete
ipotez principal sau nul i se noteaz prin H
0
), atunci problema
const n elaborarea unui algoritm (procedeu), care, n baza
rezultatelor unor observaii(care se mai numesc date statistice) ne-ar
permite s acceptm sau s respingem ipoteza dat. Un astfel de
algoritm se numete test statistic.
Presupunem c obiectul observaiilor noastre este o variabil aleatoare
\ cu funcia de repartiie F
\
(x). Mulimea valorilor posibile ale lui \ n
statistic se numete populaie statistic cu funcia de repartiie F
\
(x).
Dac efectum n experimente independente, n fiecare
,,msurndu-se valoarea variabilei aleatoare \, atunci ca rezultat
obinem n valori x
1
, x
2
, , x
n
, care constituie o selecie de volum n din
populaia statistic cu funcia de repartiie F
\
(x).

2.1 Testul de concordan G
2
(Pearson)
Fie c \ este o variabil aleatoare, funcia de repartiie F
\
(x) a
creia nu o cunoatem. Presupunem c n baza unor raionamente
(teoretice, intuitive etc.) am ajuns la concluzia c aceasta ar putea fi o
anumit funcie F(x) (de exemplu, normal, Poisson etc.). Atunci se
formuleaz ipoteza:
H
0
: F
\
(x) = F(x),
care se numete ipotez de concordan.
40
Testul de concordan cu ajutorul cruia se poate verifica ipoteza
H
0
const n urmtoarele:
1. n baza seleciei se estimeaz parametrii necunoscui ai legii
de repartiie ipotetice a lui \ (dac exist astfel de parametri).
De exemplu, ca estimaie pentru valoarea medie M\ se ia media
de selecie
,
1
1

!
!
n
i
i
x
n
x
pentru dispersia D\ se ia dispersa de selecie
. ) (
1
1
2 2

!
!
n
i
i
x x
n
S

2. Mulimea de valori posibile a lui \ se mparte n r clase
disjuncte dou cte dou (
1
, (
2
, , (
r
(clasele pot fi intervale, dac \
este absolut continu i pot consta din valori aparte, dac \ este
discret). (
1
sau (
r
, sau chiar ambele clase pot fi nemrginite.
Se calculeaz n
i
- numrul de elemente ale seleciei care aparin
clasei (
i
, i = 1, 2, , r.
Este evident c n
1
+ n
2
++ n
r
= n.
3. Cu ajutorul funciei de repartiie ipotetice F(x) se calculeaz
probabilitatea p
i
ca valoarea lui \ s aparin clasei (
i
: p
i
= P(\(
i
), i
= 1, 2, , r.
Este evident c p
1
+ p
2
++ p
r
= 1.
Dac, de exemplu, (
i
= [u
i-1
, u
i
], atunci p
i
= F (u
i
) F(u
i-1
).
De asemenea, se calculeaz frecvenele teoretice (ipotetice) np
i
,
i = 1, 2, , r.
4. Se calculeaz funcia
G

!
r
i
i
i i
n
np
np n
1
2
2
) (
, X = (x
1
, x
2
, , x
n
),
care se numete statistica testului G
2
.

Remarca 1. Se observ c aceast funcie:
a) se anuleaz dac i numai dac exist o concordan
perfect dintre ipoteza emis i observaii, n sensul c n acest
caz frecvenele observate n
i
ale evenimentelor \(
i
coincid cu
frecvenele teoretice np
i
;
b) are o valoare mai mare dac exist o neconcordan
puternic dintre ipoteza emis i selecie.
41
O valoare mic corespunde intuitiv la ntrirea convingerii n
valabilitatea ipotezei H
0
, iar o valoare mare conduce la respingerea lui H
0
.
Ipoteza H
0
este verificat cu ajutorul valorii observate a
statisticii
). (
2
X
n
G

Fie T mulimea valorilor posibile ale statisticii
). (
2
X
n
G
Pentru un
numr E > 0, suficient de mic, ales dinainte, vom determina o
submulime T
1E
T astfel, nct probabilitatea evenimentului aleator
{ ) (
2
X
n
G T
1E
} n cazul cnd ipoteza H
0
este adevrat (simbolic
P( ) (
2
X
n
G T
1E
/H
0
) ) s satisfac condiia:
P( ) (
2
X
n
G T
1E
/ H
0
) e E.
Mulimea T
1E
se numete regiune critic a ipotezei H
0
, iar E -
nivel (sau prag) de semnificaie al testului i poate fi considerat
probabilitate de respingere greit a ipotezei H
0
.
Remarca ne sugereaz forma regiunii critice T:
T
1E
= [t
E
, g),
t
E
urmnd a fi ,,calculat.
Odat stabilit regiunea critic T
1E
, esena algoritmului de
verificare a ipotezei H
0
poate fi formulat astfel:
Dac pentru selecia X = (x
1
, x
2
, , x
n
) avem ) (
2
X
n
G T
1E
,
atunci aceasta nseamn c s-a produs un eveniment foarte puin
probabil i ipoteza trebuie respins ca necorespunztoare datelor
statistice. n caz contrar (adic
) (
2
x
n
G
T \ T
1E
) nu avem motive s
respingem ipoteza formulat i, prin urmare, o acceptm, constatnd
c observaiile nu sunt n contradicie cu ipoteza.
5. Construirea regiunii critice a testului.

Teorema ce urmeaz justific teoretic alegerea regiunii critice.
Teorem (Pearson). Dac ipoteza H
0
e adevrat, atunci
variabila aleatoare
) (
2
X
n
G
tinde n repartiie, cnd n pg, ctre o
variabil aleatoare cu repartiie G
2
cu k = r-s-1 grade de libertate
cu funcia de repartiie:
42


+
!



x
u s r
s r k t
du e u
s r
x F
0
2 2
1
2
1 ) (
2
1
2
1
) (
, x u 0.
(Aici s este numrul de parametri necunoscui ai funciei F(x), estimai
n baza datelor statistice x
1
, x
2
, , x
n
).
Pentru construirea regiunii critice, aceast teorem se folosete
astfel: se alege un nivel de semnificaie E i considernd c
G ) (
2
X
n
urmeaz (aproximativ) legea de repartiie G
2
cu k =r - s - 1
grade de libertate, n tabela de valori a funciei de repartiie a acestei
legi gsim G
*
pentru care statistica G ) (
2
X
n
satisface condiia:
P(G ) (
2
X
n
<G
*
) = 1 E.
Evident, G
*
nu este altceva dect ,,1 - E cuantila variabilei
aleatoare G
2
cu k = r - s - 1 grade de libertate i se noteaz G .
2
1 , 1 s r E

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

!

u

!
r
i
s r
i
i i
n
np
np n
X
E
G G
n consecin regiunea critic se alege astfel:
T
1E
= [
2
1 , 1 s r E
G , g).
Astfel testul G
2
de verificare a ipotezei de concordan H
0
este
construit i se aplic n felul urmtor: dac
, ) (
2
1 , 1
2

u
s r n
X
E
G G

atunci ipoteza H
0
este respins ca nefiind n concordan cu datele
statistice x
1
, x
2
, , x
n
; dac
2
1 , 1
2
) (

s r n
X
E
G G
, atunci ipoteza H
0

este acceptat ca fiind n concordan cu datele statistice x
1
, x
2
, , x
n
.
De reinut c dac valoarea ) (
2
X
n
G a statisticii nu nimerete n
regiunea critic, aceasta nu este o demonstraie a veridicitii ipotezei
H
0
; aceasta nseamn doar c datele statistice i presupunerile teoretice
concord destul de bine (,,la nivelul E).
43
Remarca 2. Pentru verificarea aceleiai ipoteze pot fi
construite mai multe teste de concordan, iar pentru a alege ntr-o
situaie concret un test sau altul trebuie s avem un criteriu conform
cruia testele ar putea fi comparate.
Numrul r al claselor (
i
trebuie ales nu prea mare. Se
recomand s se aleag astfel, nct np
i
u 5, n
i
u 5 (n u 50). Pentru
respectarea acestor condiii eventual unele clase pot fi unite.
Pentru k = 1, 2,, 10 dm cteva cuantile ale repartiiei G
2
.


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

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

Tabelul 1
i
intervalul (
i

n
i
i
intervalul (
i

n
i

1 0.50 0.64 1 8 1.48 1.62 53
2 0.64 0.78 2 9 1.62 1.76 25
3 0.78 0.92 9 10 1.76 1.90 19
4 0.92 1.06 25 11 1.90 2.04 16
5 1.06 1.20 37 12 2.04 2.18 3
6 1.20 1.34 53 13 2.18 2.38 1
7 1.34 1.48 56 --- ----------------- ------
0
1-E
2
, 1 k E
G


x
) (
) (
2
x f
k G

44
S se verifice ipoteza H
0
c variabila aleatoare \ ce reprezint
rezistena la rupere a firelor din bumbac are repartiie normal
(considerm nivelul de semnificaie E = 0.05).
Soluie. Valoarea medie a i dispersia W
2
nu sunt cunoscute. Prin
urmare, va trebui s estimm aceti doi parametri. Pentru aceasta vom
folosi estimaiile:

!
! !
n
i
i
x
n
x a
1
1

!
! !
n
i
i
x x
n
S
1
2 2 2
) (
1

W
.
Deoarece intervalele din tabelul 1 nu sunt prea largi, putem
presupune, cnd calculm x i
2
S , c observaiile sunt plasate n
mijlocul intervalului; notm mijlocul fiecrui interval prin
*
i
x . Astfel,
din tabelul 1 obinem urmtorul tabel:

Tabelul 2
i
*
i
x n
i
i
*
i
x n
i

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

Din acest tabel obinem: a = 1.41, W = 0.26. Deoarece primele
dou i ultimele dou intervale sunt prea mici (n
i
< 5), unim primele
dou intervale cu al treilea, iar ultimele dou cu al 11-lea interval.
Astfel, numrul intervalelor se reduce de la 13 la 9. n plus, extindem
primul interval pn la - g, iar ultimul pn la + g (innd cont de
faptul c o variabil aleatoare cu repartiie normal are ca mulime de
valori posibile intervalul (-g,+ g) ).
Dup aceasta trebuie s calculm probabilitile p
i.
Vom observa
c dac (
i
= [u
i - 1
,u
i
), i = 1, 2, , r (u
0
= -g, u
r
=g), atunci

45
! ! ! e ! ( !

e dx e u F u F u u P P p
i
i
i
i
i
a u
a u
u
u
a x
i i i i i i
W
W
W
T W T
\ \

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

! ! ! !

dt e dx e u F u F
i
i
i
i
i
a u
a u
t
u
u
a x
i i
W
W
W
T W T

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

2
1
) ( ) ( )


* !

W W

1
a u a u
i i
.

De exemplu, p
1
= P(\ (
i
) = P( - g < \ < 0.92) =

g
*


*
26 . 0
41 . 1
26 . 0
41 . 1 92 . 0
= (- 1.88) - (-g) = 1- (1.88) =
= 1 0.9699 = 0.0301;
p
2
= P(\ [0.92, 1.06) ) =


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

n mod analog calculm p
3
, p
4
, .., p
9
i trecem aceste probabiliti
n tabelul 3.

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

innd cont de aceste date obinem:

!
9
1
2
2
300
300
) 300 (
) (
i
i
i i
p
p n
X G
= 22.07.
46
Deoarece au fost estimai doi parametri (s = 2), numrul gradelor
de libertate este 6: k = r - s - 1 = 9 - 2 - 1 = 6. Din tabelele de repartiie
G
2
pentru k = 6 i E = 0.05 gsim cuantila G
2
6 , 95 . 0
= 12.6. Cum
6 . 12
2
300
" G , ipoteza H
0
este respins.
Remarca 3 n tabelul 2 am efectuat nite uniri de intervale. De
reinut c alt variant mai simpl ar fi unirea ntr-o singur clas a
tuturor intervalelor i, la care n
i
i np
i
sunt mai mici dect 5. n cazul
tabelului 2 am putea uni ntr-o clas aparte patru intervale: primele
dou i ultimele dou.
Remarca 4. Pentru a calcula probabilitatea
, 0 ,
2
1
) (
2
2
1

u ! *
x
t
x dt e x
T

putem aplica formula aproximativ
, ) ( 1 ) (
5
1 i
i
i
!
! * w a x x N

unde
px
w

!
1
1
,
2
2
1
2
1
) (
x
e x

!
T
N
p = 0.2316419, a
1
= 0.3193815, a
2
= - 0.3565638, a
3
= 1.781478,
a
4
= - 1.821256, a
5
= 1.330274. Eroarea maximal este 710
-7
.
Remarca 5. Pentru a calcula valoarea lui x care satisface ecuaia

!
x
t
dt e p
2
2
1
2
1
T
, (0 < p e 5),
putem aplica formula aproximativ

!
!
!
3
0
i
i
i
2
0 i
i
w b
w a
w x
, (1)
unde
2
1
ln
p
w !
(2)
a
0
= 2.515517, a
1
= 0.802853, a
2
= 0.010328,
b
1
= 1.432788, b
2
= 0.189269, b
3
= 0.001308.
Dac p > 0.5, atunci n (2) p este nlocuit cu 1 - p; lui x i se
schimb semnul.
47
Exemplul 2. O moned simetric este aruncat n sus pn cnd
cade stema. Fie \ numrul aruncrilor monedei. S-au efectuat n = 490
experimente. Rezultatele (valorile respective ale lui \) sunt date n
tabelul 4. S se verifice ipoteza H
0
c variabila aleatoare \ are
repartiie geometric: P(\ = i) = p(1 p)
i-1
, i = 1, 2, .. (p = 1/2 ).
Se va lua nivelul de semnificaie E = 0.05.

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

Soluie: Calculm probabilitile p
i
conform formulei P(\ = i) =
p(1 p)
i-1
= (1/2)
i
i completm tabelul 4.

Tabelul 4
i n
i
p
i
np
i

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

Nu reproducem detaliile calculrii statisticii:
G
78 . 3
490
) 490 (
7
1
2
2
490
!

! i
i
i i
p
p n
.
Deoarece s = 0, i = 1, r = 7, numrul gradelor de libertate k = 7 0 1
= 6. Din tabelele repartiiei G
2
pentru k = 6 i E = 0.05 gsim G
2
6 , 95 . 0
=
12.6. Deoarece G
2
6 , 95 . 0
< 12.6, ipoteza este acceptat.

Exemplul 3. Un contor Geiger a nregistrat emisiile de particule
pe parcursul a 2608 de intervale (cu durata de 7.5 secunde fiecare).
Rezultatele cu privire la numrul de intervale n
i
n care au fost
nregistrate i particule sunt trecute n tabelul 5:
48
Tabelul 5

i n
i
i n
i

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

S se verifice ipoteza H
0
c numrul de particule emise ntr-un
interval de timp de 7.5 sec. urmeaz repartiia Poisson. Considerm
nivelul de semnificaie E = 0.05.
Soluie. Repartiia Poisson este determinat de un singur
parametru P. Deoarece P nu este cunoscut l estimm n baza datelor
din tabel:
870 . 3
1

10
0
} !

! i
i
in
n
P
. Calculm probabilitile teoretice p
i
de
a fi emise exact i particule ntr-un interval de 7.5 secunde:
!
) 870 . 3 (
870 . 3
i
e
p
i
i

!
(pentru aceasta putem folosi tabelele repartiiei
Poisson).

Rezultatele i calculele de mai departe le trecem n tabelul 6:
Tabelul 6
i p
i
np
i
n
i
np
i
(n
i
np
i
)
2
i
i i
np
np n
2
) (

0 0.021 54.8 2.2 4.84 0.088
1 0.081 211.2 - 8.2 67.24 0.318
2 0.156 406.8 - 23.8 566.44 1.392
3 0.201 524.2 0.8 0.64 0.001
4 0.195 508.6 23.4 547.56 1.007
5 0.151 393.2 14.2 201.64 0.512
6 0.097 253.0 20.0 400.00 1.581
7 0.054 140.8 - 1.8 3.24 0.023
8 0.026 67.8 - 22.8 519.84 7.667
9 0.011 28.7 - 1.7 2.89 0.101
49
10 0.007 18.3 - 2.3 5.29 0.289
---- 1.000 -------- ---------- ------------ G
n
2
= 13.049


Deoarece a fost estimat un parametru determinat (s = 1), numrul
gradelor de libertate este 9: k = r s 1 = 9. n tabelul repartiiei G
2
pentru k
= 9 i E = 0.05 gsim G 9 . 16
9 , 95 . 0
2
1
! !

G
E
. ntruct G
n
2
< 16.9, ipoteza
este acceptat.
Exemplul 4. n ptratul [0,1][0,1] se ia la ntmplare un punct
K(x, y). Fie \ aria triunghiului AKD. S se verifice ipoteza c \ are
urmtoarea funcie de repartiie: F(x) = 0 dac x e 0; F(x) = 2x dac 0<
x e 0.5 i F(x) = 1 dac x > 0.5.
Error!










La nceput analizm domeniul de valori al variabilei aleatoare \.
Observm c valoarea minim este 0 (cnd K nimerete pe latura AD), iar
valoarea maxim este S = 0.5 (cnd K nimerete pe latura BC). Astfel, n
program mprim intervalul (min, max) = (0, 0.5) n intervale egale
alegnd numrul intervalelor k, de exemplu, conform formulei lui
Sturges: k = 1 +3.322lg n i lungimea intervalelor h.

Textul unui program-model n limbajul Pascal

program ipoteza;

uses CRT;
var i,j,k,n:integer;
min,max,h,csi,s,alfa,comp:real;
niu:array[1..1000] of integer;
p:array[1..1000] of real;
D
C B
A
K(x,y)
x
y
50
Function FR(x:real):real;
begin
if x<=0 then FR:=0
else if x<=0.5 then FR:=2*x {valorile functiei
de repartitie}
else FR:=1;
end;

Begin
clrscr;
randomize;
writeln('Introdu alfa'); read(alfa);
writeln('Introdu volumul selectiei'); read(n);
min:=0; max:=0.5;
k:=Round(1+3.322*ln(n)/ln(10)); {numarul de
intervale}
h:=(max-min)/k; {lungimea intervalelor}
writeln('Numarul de intervale k=',k);
writeln(' Lungimea intervalului h=',h:1:3);

for i:=1 to n do
begin
csi:=0.5*1*random; { write(' ',csi:1:3);}
for j:=1 to k do
if ((min+(j-1)*h)<=csi)and(csi<(min+j*h))
then niu[j]:=niu[j]+1;
end;

for j:=1 to k do p[j]:=FR(min+j*h)-FR(min+(j-1)*h);
s:=0;
writeln;
writeln('Intervalele','| ni':7,'| n*pi':13);
writeln('-------------------------------------');
for j:=1 to k do
begin
s:=s+sqr(niu[j]-n*p[j])/(n*p[j]);
writeln(min+(j-1)*h:1:2,' : ',min+j*h:1:2,'
|':4,niu[j]:5,'
|':6,n*p[j]:7:3);
end;
writeln;
51
writeln('sHI^2=',s:1:4);
writeln;
write('Introdu valoarea din tabel pentru HI^2:(',k-
1,',',alfa:1:2,')= ');
read(comp);
writeln;
if s<comp then writeln(s:1:2,' < ',comp:1:2,'
Ipoteza se accepta)
else writeln(s:1:2,' > ',comp:1:2,'
Ipoteza nu se accepta');
readkey;
end.
Rezultatul
Introdu alfa
0.05
Introdu volumul selectiei
200
Numarul de intervale k=9
Lungimea intervalului h=0.056

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

sHI^2=4.9300

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

4.93 < 15.51 Ipoteza se accept.


52
2.2. Testul Kolmogorov

Acest test de concordan se aplic n cazurile cnd funcia de
repartiie ipotetic F(x) a variabilei aleatoare \ (a populaiei statistice)
este continu. Statistica acestui test este funcia

D
n
= D
n
(x) =
) ( ) ( sup x F x F
n
x

g g
.

Aici F
n
(x) reprezint funcia empiric de repartiie a variabilei aleatoare
\, ce corespunde seleciei x
1
, x
2
, , x
n
, i este definit prin relaia

n
x F
x
n
R
! ) ( ,
unde R
x
reprezint numrul valorilor de selecie inferioare lui x, -g < x < g.
n opoziie cu funcia empiric de repartiie, funcia de repartiie
F(x) a lui \ se numete funcie teoretic de repartiie.
De menionat c pentru orice x F
n
(x) este o estimaie optimal a
funciei teoretice de repartiie. Deci, la creterea volumului n al
seleciei, F
n
(x) se apropie de F(x). Prin urmare, cel puin pentru valori
mari ale lui n, n acele cazuri cnd ipoteza

H
0
: F
\
(x) = F(x)

este adevrat, valoarea D
n
nu trebuie s difere substanial de zero. De
aici rezult c regiunea critic a testului bazat pe statistica D
n
trebuie
s aib forma:
T
1E
= {t: t u t
E
}.

Kolmogorov a demonstrat c pentru orice funcie de repartiie
continu F(x) are loc relaia:
n P
n
( lim
g p
D
n

g
g !

! !
j
j j
e K x
2 2
2
) 1 ( ) ( ) ) (
P
P P


Pentru n u 20 repartiia statisticii D
n
practic nu depinde de n. Prin
urmare, dac n u 20, atunci punem lua
53
T
1E
, ,

g !
n
E
P

unde K(P
E
) = 1 - E.
De exemplu, pentru E= 0.05 avem P
E
= 1.3581; pentru E = 0.01
avem P
E
= 1.6276. Alte valori putem gsi n tabelele funciei K(P). Astfel,
dac valoarea calculat t = D
n
(x) a statisticii satisface condiia
E
P u t n ,
adic
n
t
E
P
u
, atunci ipoteza H
0
este respins, iar n caz contrar H
0
este
acceptat.

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

Tabelul 7


i intervalul (
i
= [u
i-1
, u
i
) n
i
i (
i
= [u
i-1
, u
i
) n
i

1 (-40) (-30) 5 6 10 20 81
2 (-30) (-20) 11 7 20 30 36
3 (-20) (-10) 25 8 30 40 20
4 (-10) 0 42 9 40 50 8
5 0 10 88 10 50 60 4

Aplicnd testul lui Kolmogorov, s se verifice ipoteza H
0
c
temperatura medie urmeaz o repartiie normal cu valoarea medie a =
8.75 i abaterea medie ptratic W = 16.85(considerm E = 0.05).

Soluie. Mai nti reducem intervalele [u
i-1
, u
i
) la intervalele
, ,
1

W W
a u a u
i i
dup care calculm frecvenele cumulative, funcia
empiric de repartiie F
n
(x) i funcia teoretic de repartiie n punctele
.
W
a u
i

Rezultatele le trecem n tabelul 8.

54

Tabelul 8

i
. )
i i i
u u ,
1
! (


! (
d

W W
a u a u
i i
i
,
1
,


! (d

W W
a u a u
i 1 i
i

Frecve
na
Cumul
at


W
a u
F
i
320


W
a u
F
i


W
a u
F
i
320
-


W
a u
F
i

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

Din acest tabel observm c D
n
= 0.0721 i, deci, n D
n
=
0721 . 0 320 ! = 1.2899. Deoarece pentru E = 0.05 avem P
E
= 1.358
i 1.2899 < 1.258, ipoteza H
0
este

acceptat.
55
3.3 LUCRAREA DE LABORATOR NR.2
Verificarea ipotezei statistice
cu privire la legea de repartiie
a unei variabile aleatoare

Va fi aplicat testul de concordan G
2
i/sau testul Kolmogorov.
Sarcinile individuale conin o variabil aleatoare i o ipotez H despre
funcia de repartiie F(x), densitatea de repartiie sau repartiia
ipotetic a acestei variabile aleatoare. ndeplinirea lucrrii urmeaz s
nceap de la generarea unei selecii de n valori ale variabilei aleatoare
date, dup care acestei selecii i se va aplica testul respectiv.

Probleme propuse
n problemele 15 variabila aleatoare \ urmeaz legea de
repartiie exponenial de parametru E.
1. L = 2F
\
(x) +1; H : L are repartiie uniform pe segmentul [1, 3].
2. L = \ ; H : F
L
(x) = 1-
2
x
e
E
dac x u 0 i F
L
(x) = 0 dac x 0 .
3. L =\
2
; H : f
L
(x) =
x
e
x
2
2
E
E

dac x " 0 i f
L
(x) = 0 dac x e 0 .
4. L ={\} (partea frecionar); H : f
L
(x) =
x
e
e
E
E
E

1
dac
x [0,1] i f
L
(x) = 0 dac xZ[0,1].
5. L = 1- e
- E\
; H : L are repartiie uniform pe segmentul [0,1].

n problemele nr.614 \
1
, \
2
i \
3
sunt variabile aleatoare
independente, avnd repartiie uniform pe [0,1].
6. L =
2
2
1
\
\
; H : F
L
(x) =
3
1
dac 0 x e1, F
L
(x) =
2 / 3
3
1
x
dac x
" 1 i F
L
(x) = 0 dac x e 0.
7. L = \
1
\
2
; H : F
L
(x) = 0 dac x e 0, F
L
(x) =

2
ln 1
2
x x
dac
0 x e 2 i F
L
(x) = 1 dac x " 2.
56
8. L = \
1
+ \
2
; H :F
L
(x) = 0 dac x e 0, F
L
(x) =
2
2
1
x
dac 0 x e 1.
9. L = \
1
2
; H : f
L
(x) =
x 2
1
dac x (0,1) i f
L
(x) = 0 dac
xZ(0, 1).
10. L = - ln(1-\
1
); H:L are repartiie exponenial de parametru
E = 1.
11. L = \
1
- \
2
; H :f
L
(x) = (1- x ) dac
x
e 1 i f
L
(x) = 0
dac
x
" 1.
12. L =
2
2
1
\
\
; H :f
L
(x) =
2
1
dac x [0,1], f
L
(x) =
2
2
1
x
dac x " 1
i f
L
(x) = 0 dac x 0.
13. L = min(\
1
, \
2
, \
3
); H :F
L
(x) = x(3 3x + x
2
) dac x [0,1],
F
L
(x) = 0 dac x e 0 i F
L
(x) = 1 dac x " 1.
14. L = max(\
1
, \
2
, \
3
) ; H:F
L
(x) = x
3
dac x [0,1], F
L
(x) = 0
dac x e 0 i F
L
(x) = 1 dac x " 1.
15. n triunghiul cu vrfurile n punctele (0, 0), (2, 1), (2, 0) se
ia la ntmplare punctul ([
1
,[
2
). \ = [
1
; H : F
\
(x) = 0 dac x 0, F
\
(x)
=
2
4
1
x
dac x [0, 2], F
\
(x) = 1 dac x " 2.
16. n condiiile problemei nr.15 \ = [
2
; H : F
\
(x) = 0 dac x
0, F
\
(x) = 1 - (1 x)
2
dac x [0,1], F
\
(x) = 1 dac x " 1.
17. n planul XOY se consider triunghiul isoscel OAB format
de vectorul unitar OA, aparinnd axei OX, i vectorul unitar OB, ce
formeaz cu OA un unghi care are repartiie uniform pe segmentul
[0, T]. \ - aria triunghiului OAB; H : F
\
(x) = 0 dac x e 0,
F
\
(x) =
2
arcsin
1 x
T
dac x

2
1
, 0
i F
\
(x) = 1 dac x " 1/2.
n problemele nr.1820 variabilele aleatoare \
1
i \
2
sunt
variabile aleatoare independente, avnd repartiie exponenial de
parametru E.
18. \ =\
1
3
; H: F
\
(x) = 0 dac x e 0 , F
\
(x) =
3
1
x
e
E
dac x " 0 .
57
19. \ = max(\
1
, \
2
3
) ; H:F
\
(x) = 0 dac x e 0, F
\
(x) =
) )
3
1 1
x x
e e
E E
dac x " 0.
20. \ = 3 + 2\
1
; H: F
\
(x) = 0 dac x e 3, F
\
(x) =
) 3 (
2
1

x
e
E

dac x " 3.

n problemele nr.2124 variabilele aleatoare \
1
i \
2
sunt variabile
aleatoare independente, avnd repartiie exponenial de parametru E=1.
21. \ = \
1
+ \
2
; H: f
\
(x) = 0 dac x e 0, f
\
(x) = xe
- x
dac x " 0.
22. \ = \
1
- \
2
; H :f
\
(x) = 0 dac x e 0, f
\
(x) = e
- x
dac x " 0.
23. \ =
2
1
\
\
, H: f
\
(x) = 0 dac x e 0, f
\
(x) =
2
) 1 (
1
x
dac x " 0.
24. \ =
2 1
1
\ \
\

, H: f
\
(x) = 1 dac x [0,1], f
\
(x) = 0 dac
xZ[0,1].
25. \
1
i \
2
sunt variabile aleatoare independente cu repartiie
uniform pe segmentul [0,1], respectiv [0, 2]. \ = \
1
+ \
2
; H: F
\
(x) = 0
dac x e 0 , F
\
(x) =
2
4
1
x
dac x [0,1], F
\
(x) =
4
1
2

x
dac x (1, 2],
F
\
(x) =
2
) 3 (
4
1
1 x dac x (2, 3], F
\
(x) = 1 dac x " 3.
26. \
1
i \
2
sunt variabile aleatoare independente, avnd
repartiie uniform pe segmentul [0,1], respectiv repartiie
exponenial de parametru E = 1. \ = \
1
+ \
2
; H: f
\
(x) = 0 dac x e 0,
f
\
(x) = 1- e
-x
dac x [0,1] i f
\
(x) = e
-(x-1)
e
-x
dac x " 1.
27. \
1
i \
2
sunt variabile aleatoare independente: P(\
1
= 0) =
P(\
1
= 1) = 1/2, iar \
2
are repartiie uniform pe segmentul [0,1]. \ =
\
1
+ \
2
, H: f
\
(x) = 1/2 dac x [0, 2], f
\
(x) = 0 dac xZ [0, 2].
n problemele nr.2831 \
1
i \
2
sunt variabile aleatoare
independente cu repartiie uniform pe [-1, 1].
28. \ =\
1
3
; H: F
\
(x) = 0 dac x e -1, F
\
(x) =
2
1
2
1
3
x
dac
x(-1, 1], F
\
(x) = 1 dac x " 1.
58
29. \ = max(\
1
, \
2
3
); H : F
\
(x) = 0 dac x e -1, F
\
(x) =
) ) 1 1
4
1
3
x x
dac x(-1, 1], F
\
(x) = 1 dac x " 1.
30. \ = \
1
- \
2
; H: F
\
(x) = 0 dac x e 0, F
\
(x) =
4
2
x
x
dac
x(0, 2], F
\
(x) = 1dac x " 2.
31. \ = 3 + 2\
1
; H: F
\
(x) = 0 dac x e 1 , F
\
(x) =
)
2
1
3
4
1
x

dac x(1, 5], F
\
(x) = 1 dac x " 5.
32. L are repartiie uniform pe segmentul [a, b]. \ - aria
cercului de raz L/2; H: F
\
(x) = 0 dac x e
4
2
a T
, F
L
(x) =

a
x
a b T
2
1
dac x

4
,
4
2 2
b a T T
, F
\
(x) = 1 dac x "
4
2
b T
.
33. n condiiile problemei nr.32 L are repartiie exponenial
de parametru E; H: F
\
(x) = 0 dac x e 0 , F
\
(x) =
T
x
e
2
1

dac x " 0.

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

!
T
, x(-g,g).
34. \ =
2
2
1 L
L

; H: F
\
(x) = 0 dac x e 0 , F
\
(x) =
x arcsin
2
T

dac x (0, 1], F
\
(x) = 1 dac x > 1.
35. \ =
2
1
2
L
L

; H: \ are repartiie Cauchy.


36. \ =
L
1
; H: \ are repartiie Cauchy.
37. \ =
2
1
1
L
; H: F
\
(x) = 0 dac x e 0, F
\
(x) =
x arcsin
2
T

dac x (0, 1], F
\
(x) = 1 dac x > 1.
38. n triunghiul cu vrfurile n punctele O = (0, 0), A = (1, 1),
B = (2, 0) se ia la ntmplare punctul C. \ - distana lui C de la latura
59
OB. H: F
\
(x) = 0 dac x e 0, F
\
(x) = 1- (1- x)
2
dac x (0,1], F
\
(x) = 1
dac x > 1.
39. Variabila aleatoare L are repartiie uniform pe

2
,
2
T T
.
\ = sinL. H:
2
1
1
) (
x
x f

!
T
\ dac x (-1, 1), f
\
(x) = 0 dac xZ(-1, 1).
40. Pe segmentul [0, l] se iau la ntmplare dou puncte. \ -
distana dintre ele. H: F
\
(x) = 0 dac x e 0, F
\
(x) =
2
2
2
l
x lx
dac x
(0, l], F
\
(x) = 1 dac x > l.
41. Variabila aleatoare L are repartiie exponenial de
parametru E. \ = [L]. H: \ are repartiie geometric de parametru p =
1- e
-E
.
42. \
1
i \
2
sunt variabile aleatoare independente, \
1
are
repartiie exponenial de parametru E=1, iar \
2
are densitatea de
repartiie f
\
(x) =
2
19
3
x dac x [2, 3] i f
\
(x) = 0 dac x Z [2, 3].
\ = max{\
1
, \
2
}. H: F
\
(x) = 0 dac x e 2 , F
\
(x) =
) )
x
e x

1 8
19
1
3

dac x (2, 3], F
\
(x) = 1 e
-x
dac x > 3.
43. n condiiile problemei nr.42 \ = min{\
1
, \
2
}. H: F
\
(x) = 0
dac x e 2, F
\
(x) =
)
x x
e x e

8
19
1
1
3
dac x (2, 3], F
\
(x) = 1
dac x > 3.
n problemele nr.4445 se efectueaz un ir de experimente
Bernoulli, succesul avnd probabilitatea p n fiecare experiment.
44. \ - lungimea primei iteraii (de succese sau insuccese); H:
P(\ = k) = p
k
q + q
k
p, k = 1, 2, .
45. \ - lungimea celei de a doua iteraii (de succese sau
insuccese); H: P(\ = k) = p
2
q
k-1
+ q
2
p
k-1
, k = 1, 2, .
n problemele nr.46-47 variabila aleatoare L are funcia de
repartiie F(x).
2
\ \
\

!
; H: F
\
(x) = 0 dac x e 0 , F
\
(x) = F(x) dac
x > 0.
60
46. F(x) = * (x).
47. F(x) funcia de repartiie uniform pe [1, 2].

n problemele nr.4854 variabilele aleatoare \
1
, \
2
, , \
k
sunt
independente avnd aceeai lege de repartiie.
1
1
1
\
\ \
\
kD
kM
k
i
i
!

! , k u 10;
H: \ are repartiia N(0, 1).
48. \
1
are repartiie uniform pe segmentul [a, b].
49. \
1
are repartiie exponenial de parametru E.
50. \
1
are repartiie Poisson de parametru P.
51. \
1
este numrul de aruncri ale monedei simetrice pn la
obinerea a dou steme.
52. \
1
este numrul maximal obinut n urma a s extrageri cu
ntoarcere din mulimea {1, 2, , N}.
53. \
1
este numrul de bile albe obinute n urma a k extrageri
cu ntoarcere dintr-o urn care conine n
1
bile albe, n
2
bile negre i n
3

bile roii.
54. \
1
este numrul iteraiilor de steme obinute la aruncarea
unei monede simetrice de s ori.
55. \
1
, \
2
, , \
k
sunt variabile aleatoare independente cu
repartiie exponenial de parametru E.
k
k
\ \ \
\ \ ! ...
3 2
3 2
1
; H:
F
\
(x) = 0 dac x e 0 i F
\
(x) = )
k
x
e
E
1 dac x > 0.
56. n condiiile problemei nr.55 (
i
= \
(i)
- \
(i -1)
; H: F
(i
(x) = 0 dac
x e 0, F
(i
(x) =1-e
- E(k- i +1)x
dac x > 0.
57. n condiiile problemei nr.55 \ =
3 2 1
1
\ \ \
\

; H: f
\
(x)
=2(1-x) dac x [0,1], f
\
(x) =0 dac xZ[0,1].

n problemele nr.5860 \
1
, \
2
, , \
k
sunt variabile aleatoare
independente identic repartizate, avnd funcia de repartiie F(x). \ =
\
(i)
; H:
). ( )) ( 1 )( (
)! ( )! 1 (
!
) (
1 1
) (
x f x F x F
i k i
k
x f
k i
i


!

\

61
58. F(x) = 0 dac x e 0 , F(x) =1-e
-x
dac x >0.
59. F(x) - funcia de repartiie uniform pe [-1,1].
60. Fd(x) =
2
7
3
x dac x [1, 2] i Fd(x) = 0 dac xZ [1, 2].
61. ntr-un ptrat de latur 1 se ia la ntmplare punctul A. \ -
distana lui A de la cea mai apropiat latur a ptratului; H: F
\
(x) = 0
dac x e 0 , F
\
(x) = 1- (1 2x)
2
dac x (0, ], F
\
(x) = 1 dac x > 0.5.
62. Se consider triunghiul dreptunghic ABC: AC = 2 ,
AB =BC = 1. Pe latura AC se ia la ntmplare punctul D. \ = min{aria
(ABD, aria (BDC}. H: F
\
(x) = 0 dac x e 0 , F
\
(x) = 4x dac
x (0, 1/4], F
\
(x) = 1 dac x > 1/4.
63. n condiiile problemei nr.62 \ = max{aria (ABD, aria
(BDC}; H: F
\
(x) = 0 dac x e 1/4, F
\
(x) = 4x - 1 dac x (1/4, 1/2],
F
\
(x) = 1 dac x > 1/2.
64. n triunghiul dreptunghic isoscel ABC cu laturile AB = 1,
AC = 1, BC = 2 se ia la ntmplare punctul D.
Fie d(D, AB) i d(D, AC) distana lui D de la latura AB, respectiv
de la AC. \ = min{d(D, AB), d(D, AC) }; H: F
\
(x) = 0 dac x e 0,
F
\
(x) = 4x(1-x) dac x (0, ], F
\
(x) = 1 dac x > .
65. Dintr-o urn n care se conin n
1
bile albe i n
2
bile negre se
extrag una cte una toate bilele. \ - numrul iteraiilor de bile albe; H:
P(\ = k) =
1
2 1
2 1
1
1
1
n
n n
k
n
k
n
C
C C

, k = 1, 2 .
66. n condiiile problemei precedente \
n
este numrul bilelor
negre, extrase nainte de a fi extras a n-a bil alb. H: P(\
n
= k) =
1
2 1
2
2 1
1
n
n n
k
n k
k n
k n n n
C
C C


, k = 1, 2 .
67. \
1
i \
2
sunt variabile aleatoare independente, \
1
are
repartiie exponenial de parametru E, iar \
2
are repartiie cu
densitatea x x f
9
2
) ( ! dac x [0, 3] i f(x) = 0 dac x Z[0, 3].
62
\ = max{\
1
, \
2
}. H: F
\
(x) = 0 dac x e 0, F
\
(x) =
9
1
x
2
(1 - e
-Ex
) dac
x (0, 3], F
\
(x) = 1- e
-Ex
dac x > 3.
68. n condiiile problemei precedente \ = min{\
1
, \
2
};
H: F
\
(x) = 0 dac x e 0 , F
\
(x) = 1- e
-Ex
+
9
1
x
2
(1 - e
-Ex
) dac x (0, 3],
F
\
(x) = 1 dac x > 3.
69. n planul XOY din originea de coordonate se duce la
ntmplare o raz pn la intersecia cu dreapta l, paralel cu OX i
situat la distana 1 de la aceasta. Considerm unghiul E format de
raz cu direcia pozitiv a axei OX ca avnd repartiie uniform pe [0,
T]. \ - abscisa punctului de intersecie a razei cu dreapta l; H: F
\
(x) =
,
1
1 x arctg
T


x(-g, g).

70. Variabila aleatoare \ are repartiie uniform pe [0,1].
L = sin
2

2
T\
; H: F
\
(x) = 0 dac x e 0 , F
\
(x) =
x arcsin
2
T
dac
x (0, 1], F
\
(x) = 1 dac x > 1.
71. Pe cercul x
2
+ y
2
= 1 se ia la ntmplare un punct. \ - proiecia
punctului luat pe axa OX. H: f(x) = , dac x e 1 i f
\
(x) = 0 dac x > 1.
72. Se consider mersul simetric al unei particule prin punctele
de abscise ntregi ale axei numerice. Particula pornete din punctul 0.
\ - numrul de reveniri ale particulei n originea de coordonate n
decursul a 2n pai; H: P(\ = k) =
k n
n
k n
C

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

n problemele nr.7476 \
1
i \
2
sunt variabile aleatoare
independente, \
1
are funcia de repartiie uniform pe segmentul
[-1, 1], iar \
2
are repartiie F(x). \ =\
1
+ \
2
; H: F
\
(x) =
. ) (
2
1
1
1

x
x
dt t F

74. F(x) = 0 dac x e 0 , F
\
(x) = 1- e
-x
dac x > 1.
63
75. F(x) = 0 dac x e 1 , F
\
(x) =
) 1 (
3
1
2
x
dac x(1, 2], F(x) =
1 dac x > 2.
76. F(x) = 0 dac x e
2
T

, F
\
(x) =
) 1 (sin
2
1
x
dac x

2
,
2
T T
,
F(x) = 1, dac x >
2
T
.

n problemele nr.7779 n N urne se plaseaz la ntmplare n bile
astfel nct fiecare bil nimerete cu probabilitatea 1/N n fiecare urn.
Notm prin Q
r
(n, N) numrul urnelor n care nimeresc cte r bile.
77.
,
) , (
) , ( ) , (
0
0 0
N n D
N n M N n
Q
Q Q
\

!
unde N u 365, n = cN,

1 ,
2
1
c
; H: \ are repartiia N(0, 1).
78. \ = Q
0
(n, N), n = N
4/3
, N u 365; H: \ are repartiia Poisson.
79. \ = Q
r
(n, N), r u 1, n = N
5/4
, N u 365; H: \ are repartiia
Poisson.
80. Pe segmentul [-1, 2] se iau la ntmplare 10 puncte care se
scriu n ordine cresctoare: x
(1)
< x
(2)
< <x
(10)
. \ = x
(9)
- x
(8)
; H: \ are
repartiie uniform.
81. \
1
, \
2
, \
3
sunt variabile aleatoare independente avnd
repartiia normal N(0, 1).
) 2 ( ) 3 (
) 1 ( ) 2 (
\ \
\ \
\

! ; H: F(x) = 0 dac x e 0, F(x)


=
x
x
arctg
2
3 3
T
dac x(0, 1] i F(x) = 1 dac x > 1.
82. Pe segmentul [0,1] se iau la ntmplare trei puncte, care l
divizeaz n patru intervale mai mici. \ este lungimea celui mai mic
dintre ele; H: F(x) = 1- [1- 4x]
3
dac x [0, 1/4], F(x) = 0 dac x < 0,.
F(x) = 1 dac x > 1/4.
83. Se efectueaz s experimente Bernoulli, succesul avnd
probabilitatea p n fiecare experiment. \ este lungimea celei mai lungi
iteraii de succese; H: \ are repartiie Poisson.
64
84. Pe sfera x
2
+ y
2
+ z
2
= 1 se ia la ntmplare un punct
A=(\
1
, \
2
, \
3
). \ = \
1
; H: f
\
(x) =1/2 dac x e 1 i f(x) = 0 dac x > 1.
85. n interiorul unei sfere de raz R se iau la ntmplare dou
puncte. \ - distana dintre aceste dou puncte. H: F
\
(x) = 0 dac x e 0,
F
\
(x) =
6
6
4
4
3
3
32 16
9
R
x
R
x
R
x

dac x (0, 2R], F
\
(x) = 1 dac x > 2R.
86. ntr-un cerc de raz R se ia la ntmplare un punct.
\ - distana de la centru cercului pn la punctul luat. H: F
\
(x) = 0 dac
x e 0, F
\
(x) =
2

R
x
dac x (0, R], F
\
(x) = 1 dac x > R.
87. Numim ciclu irul de experimente Bernoulli efectuate pn
la primul insucces. Experimentele efectuate dup primul insucces pn
la apariia urmtorului insucces, de asemenea, reprezint un ciclu . a.
m. d. S
r
numrul de succese n primele r cicluri; H: P(S
r
= k) =
p q C
r k
k r 1
, k = 0, 1, 2, .
88. n condiiile problemei nr.87 R este numrul ciclurilor
consecutive pn la al R-lea succes (adic al R - lea succes aparine
ciclului al R-lea); H: P(R = r) =
1 1
2


r
v r
q p C
R R
, r = 1, 2, .
89. Pe cercul x
2
+ y
2
= R
2
se ia la ntmplare punctul A prin
care se duce tangenta la cerc pn la intersecia ei cu axa OX ntr-un
punct B. \ - lungimea segmentului AB; H: f
\
(x) = 0 dac x e 0,
f
\
(x) =

2 2
2
R x
R

T

dac xZ[0,1].

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

!

n
n j
n j j
n
x x C
1
1
) 1 (
dac x
[0,1] i F
\
(x) = 0 dac x Z [0,1].
91. n condiiile problemei nr.90 \ = x
(n)
- x
(1)
. H: f
\
(x) =n(n-
1)x
n-2
(1-x) dac x [0,1] i f
\
(x) = 0 dac x Z [0,1].
92. Pe segmentul [0,1] se iau la ntmplare n puncte. Aceste
puncte divizeaz segmentul [0,1] n n +1 segmente, lungimile crora
65
le notm (de la stnga spre dreapta) prin \
1
, \
2
, , \
n+1
. H: \
i
are
repartiie uniform pe segmentul

1
1
, 0
n
.
93. n condiiile problemei nr.92 \ = \
1
+ \
2
; H: F
\
(x) = 0 dac
x e 0, F
\
(x) =
2
2
1
x dac x

1
1
, 0
n
, F
\
(x) =
)
2
2
1
1
2
2
1
1

n x
n

dac x

1
2
,
1
1
n n
i F
\
(x) = 1 dac x >
1
2
n
.
94. n condiiile problemei nr.92 \ = min{\
1
, \
2
, \
n+1
}. H: F
\
(x)
= 0 dac x e 0, F
\
(x) = 1 [1 (n+1)x]
n
dac x

1
1
, 0
n
i F
\
(x) = 1 dac x
>
1
1
n
.
95. n planul XOY se consider cercul unitar cu centrul n
originea de coordonate. Prin punctul (1, 0) se duce la ntmplare o
coard (ceea ce presupune c unghiul format de ea cu axa OX are
repartiie uniform pe [-T/2, T/2]). \ - lungimea coardei; H: F
\
(x) = 0
dac x e 0, F
\
(x) =
2
arccos
2
1
x
T
dac x (0, 2] i F
\
(x) = 1 dac x >2.
96. n planul XOY se consider triunghiul isoscel OAB format
de vectorul unitar OA ce aparine axei OX i vectorul unitar OB, care
formeaz cu OA un unghi cu repartiie uniform pe [0, 2T].
\ - lungimea laturii AB. H: F
\
(x) = 0 dac x e 0, F
\
(x) =
2
arcsin
2 x
T

dac x (0, 2], F
\
(x) = 1 dac x >2.
97. Se consider variabila aleatoare \ din problema precedent
n cazul spaiului R
3
. H: F
\
(x) = 0 dac x e 0, F
\
(x) =
2
4
1
x
dac
x (0, 2], F
\
(x) = 1 dac x >2.
98. Se consider triunghiul dreptunghic isoscel ABC: ABC =
T/2, AB = BC, AC = 4. n acest triunghi se ia la ntmplare punctul D.
\ - distana lui D de la cea mai apropiat latur; H: F
\
(x) = 0 dac
66
x e 0, F
\
(x) =
4
)) 1 2 ( 2 (
1
2

x
dac x (0, 2( 2 -1)], F
\
(x) = 1 dac
x >2( 2 -1).
99. Se efectueaz m experimente Bernoulli cu probabilitatea
succesului p =
m 2
1
i a insuccesului q = 1 p. \
m
numrul iteraiilor
de succese; H: P(\ = k) =
! k
e
k P
P

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


n
r
x
T
dac x (0, 2Tr], F
\
(x) = 1 dac x >2Tr.
101. Se consider un ir de m (m u 50) experimente
Bernoulli, succesul avnd probabilitatea p n fiecare experiment.
\
0
(p) numrul iteraiilor de 1 i 0; H: \
0
(p) are repartiie Poisson
de parametru P = mpq.
102. n condiiile problemei precedente
) 3 1 (
) (
) (
0
0
pq mpq
mpq p
p

!
\
L
.
H: L
0
(p) are repartiia N(0, 1).
103. Se ia la ntmplare o permutare (a
1
, a
2
, , a
n
) a numerelor
1, 2, , n. Elementele a
i
i a
j
formeaz o inversiune dac a
i
> a
j
, iar
i < j. Notm prin L
n
numrul inversiunilor permutrii luate.
n
n n
n
D
M
L
L L
\

!
; H: \
n
are repartiia N(0, 1).
104. n permutarea (a
1
, a
2
, , a
n
) a numerelor 1, 2, , n
elementele a
i
i a
j
formeaz o cretere dac a
i
< a
i+1
. Apriori vom
considera c a
1
formeaz o cretere. Fie L
n
numrul creterilor ntr-o
permutare luat la ntmplare.
12
2
n
n
n
n

!
L
\
; H: \
n
are repartiia N(0, 1).
67
n problemele nr.105108 se consider un ptrat a crui latur
este egal cu 1. n acest ptrat se iau la ntmplare k puncte v
1
, v
2
, ,
v
k
i se construiete un graf neorientat n felul urmtor:

1).vrfuri ale grafului sunt considerate punctele luate;
2) orice pereche de puncte (v
i
, v
j
) reprezint o muchie cu probabilitatea
p, p(0, 1).

105. \ - numrul vrfurilor terminale ale grafului; H: \ are
repartiia Poisson.
106. \ este numrul de componente conexe ale grafului; H: \ are
repartiia Poisson.
107. \
i
este numrul vrfurilor de grad i; H: \
i
are repartiia
Poisson.
108. \ este numrul de cicluri simple; H: \ are repartiia Poisson.
109. \ este numrul muchiilor grafului; H: \ urmeaz repartiia
binomial de parametru p.
110. \ este lungimea celei mai mici muchii; H: \ are funcia de
repartiia F(x) = 0 dac x e 0, F(x) = 1 (1- x/c)
np
dac 0 < x e c, F(x)
= 1 dac x > c (s se ,,ncerce valorile c =
2
10
2
k
, k = 0, 1, 2,
, 9).

68
Bibliografie

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

2. Iosifescu M., Mihoc G. H., Theodorescu R.. Teoria probabilitilor
i statistica matematic. -Bucureti: Editura Tehnic, 1966.

3. Potaru A., Leahu A.. Probabilitate, procese aleatoare i aplicaii. -
Chiinu: tiina, 1991.

4. . .. . :
, 1984.

5. . ., . .. .
: , 1984.

6. . ., . ., . .
. -: , 1989.

7. . ..
. : - , 1990.

8. . ., . ., . ..
. : , 1986.

9. ( ).
. . . .
. : , 1990.

10. ,
. . . .
. -: , 1970.

11. .. .
. 1. : , 1984.

69
CUPRINS

1 Metoda Monte Carlo ....3

1.1 Modelarea variabilelor aleatoare cu repartiii
absolut continui. Metoda inversrii funciei
de repartiie ....7
1.2 Modelarea variabilei aleatoare normale N(0,1) .....9
1.3 Modelarea variabilei aleatoare L cu
repartiia Poisson de parametru P ......10
1.4 Modelarea variabilei aleatoare L
cu repartiia binomial
p
n
B ..10
1.5 Aplicaii 11
1.6 Precizia metodei Monte Carlo ..13
1.7 Lucrarea de laborator nr.1 23

2 Verificarea ipotezelor de concordan ..39

2.1 Testul de concordan G
2
(Pearson)...39
2.2 Testul Kolmogorov...52
2.3 Lucrarea de laborator nr.2.55

Bibliografie....68


70




















A. Potaru, O. Benderschi


TEORIA PROBABILITILOR
I STATISTICA MATEMATIC

(Lucrri de laborator)


Redactor Eugenia BALAN
Machetare computerizat i coperta Vitalie ILACU

Bun de tipar 23.07.2004. Formatul 60x84 1/16.
Coli de tipar 4,2. Coli editoriale 2,9.
Comanda xx. Tirajul 50 ex.

Centrul Editorial-poligrafic al USM
str. A.Mateevici, 60. Chiinu, MD 2009