CAP.

1 CALCULUL PROBABILITILOR
1.1 EVENIMENTE I PROBABILITILE LOR
Obiective :nsuirea de ctre studeni a conceptelor de eveniment , probabilitate
simpl i condiionat a evenimentelor , variabil aleatoare i indicatori asociai ,
vector aleator i indicatori asociai , variabile aleatoare clasice discontinue i
continue precum i a legilor-limit .
Coninut :
1.1 Evenimente i probabilitile lor
1.1.1 Evenimente
1.1.2 Probabilitile evenimentelor
1.1.3 Probabilitile condiionate ale evenimentelor
1.2 ariabile aleatoare
1.2.1 !ensitatea de probabilitate i "uncia de repartiie
1.2.2 #ndicatori numerici
1.2.3 $uncia caracteristic
1.3 ectori aleatori
1.3.1 !ensitatea de probabilitate i "uncia de repartiie
1.3.2 #ndicatori numerici
1.% ariabile aleatoare clasice discontinue
1.%.1 ariabila binomial
1.%.2 ariabila &ipergeometric
1.%.3 ariabila Poisson
1.' ariabile aleatoare clasice continue
1.'.1 ariabila uni"orm
1.'.2 ariabilele e(ponenial, )eibull, Erlang
1.'.3 ariabila normal
1.'.% ariabilele *i Patrat, +tudent, $is&er
,. ariabila *i Patrat -
2
.
/. ariabila +tudent-t.
0. ariabila $is&er -$.
1.'.' ectorul aleatoriu normal
1.1 2egi-limit
1.3 4e5umat
1.6 ntrebri
1.7 /ibliogra"ie
Cuvinte ceie : eveniment, probabilitate, probabilitate condiionat ,
variabil aleatoare , "uncie de repartiie i densitate de probabilitate,
media i variana unei variabile aleatoare , "uncia caracteristic a unei variabile
aleatoare , vector aleator , covariana i coe"icientul de corelaie liniar pentru un
vector aleator , variabila binomial , Poisson , e(ponenial,normal , &i
patrat,+tudent,$is&er,vectorul aleator normal .
1.1.1 Eveni!ente
1
8n e(periment este aleator dac re5ultatele sale nu pot "i prev5ute cu e(actitate, "iind
sub in"luena 9nt:mplrii.
Exemple:
1. ,pariia unei "ee la aruncarea mone5ii;
2. ,pariia unei "ee la aruncarea 5arului;
3. ,pariia unei bile albe la e(tragerea din urn cu bile albe i negre.
<otalitatea re5ultatelor posibile ale unui e(periment aleator se numete spaiu de
evenimente elementare i se notea5 cu =.
>ulimea prilor -submulimilor. lui = se notea5 cu P-=..
Exemple:
1. 2a aruncarea mone5ii avem = ? @stem, banA;
2. 2a aruncarea 5arului avem = ? @1, 2, 3, %, ', 1A;
!ac mulimea = este "init sau numrabil -ir., orice submulime , = se numete
eveniment.
!ac mulimea = este nenumrabil -de e(emplu = ? R., vom numi evenimente
numai submulimile , = a cror "amilie "ormea5 o
B
algebr C P-=. care se
de"inete prin condiiile:
1. = D
2. ,
i
D pentru i #
,
i #
i

U
3. , D 0, D
0, se numete eveniment contrar cu A i se mai notea5 cu E.
Exemplu: !ac , ? apariia unei fee pare la aruncarea zarului atunci 0, ?
apariia unei fee impare la aruncarea zarului.
= ca eveniment, se numete evenimentul sigur iar 0= ? F se numete evenimentul
imposibil.
#nclu5iunea , / se numete implicare a evenimentului / de ctre evenimentul ,:
reali5area lui , determin reali5area lui /.
Exemplu. !ac , ? apariia feei 6 la aruncarea zarului i / ? apariia unei fee
pare la aruncarea zarului avem , /.
Egalitatea , ? / se numete echivalen a evenimentelor , i / i are loc dac , /
i / ,.
Evenimentul / este elementar dac , / , ? F sau , ? /.
Exemple
1. ,pariia unei anumite "ee la aruncarea unei mone5i sau 5ar este eveniment
elementar;
2. ,pariia unei bile albe la e(tragerea din urn a unei bile este eveniment elementar.
!:ndu-se dou evenimente , i /, reuniunea lor se notea5 cu , / i se citete G,
sau /H "iind un eveniment compus care se reali5ea5 dac se reali5ea5 mcar unul dintre
evenimentele ,, /.
!:ndu-se dou evenimente , i /, intersecia lor se notea5 , / i se
citete G, i /H "iind un eveniment compus care se reali5ea5 dac ambele evenimente ,, /
se reali5ea5.
Exemplu
$ie , evenimentul c becul 1 "uncionea5 la un moment dat i / evenimentul c
becul 2 "uncionea5 9n acelai moment.
, / este evenimentul c trece curentul prin circuitul paralel care conine becurile 1
i 2.
2
, / este evenimentul c trece curentul prin circuitul serie care conine
becurile 1 i 2.
Evenimentele ,, / sunt incompatibile dac nu se reali5ea5 simultan adic ,
/ ? F.
n ca5 contrar , i / se numesc compatibile.
Exemple de evenimente incompatibile
1. ,pariia de "ee di"erite la o aruncare cu moneda sau 5arul;
2. ,pariia de culori di"erite la e(tragerea unei bile din urn.
Exemple de evenimente compatibile
1. Iimerirea unei inte de doi trgtori care oc&esc asupra ei;
2. $uncionarea la un moment dat a dou becuri 9ntr-un circuit electric.
1.1." P#ob$bi%it&i%e eveni!ente%o#
$ie D o
B
- algebr de evenimente din P-=..
J "uncie P : D K 4
L
se numete probabilitate dac:
1. P-=. ? 1
2.
( )

,
_

# i # i
,i P ,i P
pentru orice "amilie -,
i
. i # cu ,
i
D, incompatibile
c:te dou.
<ripleta @=, D, PA se numete cmp de probabilitate.
$ie p-i. numere negative de sum 1 care se corespund biMectiv cu evenimentele
elementare N
i
= -i I.. !e"inim P-N
i
. ? p-i. i pentru orice eveniment , P-=. lum
( )
Ni ,
P , p-i.

.
$uncia P ast"el de"init este probabilitate 9n sensul de"iniiei de mai sus.
n particular dac = ? @N
1
, O, N
m
A i ( )
m
1
i p pentru orice i @1, O, mA vom
avea ( )
nr. ca5uri "avorabile evenimentului ,
P ,
nr.ca5uri egal posibile

,ceasta este definiia clasic a probabilitii unui eveniment.

Exemple
1. ( ) 'PQ
2
1
stema P ;
2.
( )
1
P "a dat la 5ar 11, 3Q
1
;
3. $ie urna 8 cu 3 bile albe i 3 bile negre.
( )
3
P bil e(tras alb 3PQ
1P

!e"iniia clasic a probabilitii nu se aplic dac:
1. moneda este de"ormat;
2. 5arul nu are "eele egale -este paralelipiped.;
3. bilele din urn nu au acelai diametru, cci 9n aceste ca5uri evenimentele
elementare nu sunt egal posibile.
Evenimentele , i / se numesc independente dac
3
P-, /. ? P-,.
.
P-/. i dependente 9n ca5 contrar.
Exemple de evenimente independente
1. ,pariiile unor "ee la aruncarea simultan a dou mone5i sau 5aruri care nu se
ciocnesc;
2. ,pariiile unor "ee la dou aruncri succesive a unei mone5i sau 5ar;
3. ,pariiile a dou bile la e(trageri simultane din dou urne di"erite;
%. ,pariia a dou bile albe la dou e(trageri succesive dintr-o urn cu bila revenit.
Exemple de evenimente dependente
,pariia a dou bile albe la dou e(trageri succesive din urn cu bila nerevenit.
Teo#e!$ 1.1.
,vem proprietile:
1. P-E. ? 1 R P-,. pentru orice , D;
2. P-,
1

,
n
. ? SP-,
1
. L O L -,
n
.T - SP-,
1

,
2
. L O L P-,
n-1

,
n
.T LO L --1.
n
P-,
1

,
n
. pentru orice
evenimente ,
1
, O, ,
n
D
3. P U P-,. U 1 pentru orice , D; P-F. ? P; P-=. ? 1
%. P-,
1

,
n
. V P-,
1
. L O L -,
n
. R n L 1 -/oole.
'e!on(t#$ie
1. ,

E ? F i ,

E ? = deci P-,

E. ? P-=. ? 1
deci con"orm a(iomei 2. din de"iniia probabilitii :
P-,. L P-E. ? 1 deci P-E. ? 1 R P-,.
2. om demonstra egalitatea pentru n ? 2 i apoi aplicm inductia dup n.
Evenimentele ,
1
i E
1

,
2
sunt incompatibile i ,
1

-E
1

,
2
. ?
,
1

,
2
deci con"orm a(iomei 2. a probabilitii, avem:
P-,
1
. L P-E
1

,
2
. ? P-,
1

,
2
. -1.
Evenimentele ,
1

,
2
i E
1

,
2
sunt incompatibile i -,
1

,
2
.

-E
1

,
2
. ? ,
2
deci con"orm a(iomei 2. a probabilitilor avem:
P-,
1

,
2
. L P-E
1

,
2
. ? P-,
2
. -2.
+c5:nd egalitatea -2. din -1. obinem:
P-,
1
. - P-,
1

,
2
. ? P-,
1

,
2
. R P-,
2
. sau :
P-,
1

,
2
. ? P-,
1
. L P-,
2
. - P-,
1

,
2
. -3.
!ac , i / sunt incompatibile -,

/ ? F. din -3. reobinem a(ioma 2. a

probabilitii :
P-,
1

,
2
. ? P-,
1
. L P-,
2
. -%.
3. P-,. V P i P-=. ? 1 con"orm a(iomei 1. a probabilitii.
!ac ,
1
,
2
egalitatea -2. devine:
P-,
1
. L P-E
1
,
2
. ? P-,
2
. sau
P-,
2
. R P-,
1
. ? P-E
1
,
2
. V P deci
,
1
,
2
implic P-,
1
. U P-,
2
.
n particular , = deci P-,. U P-=. ? 1
!e asemenea F ? = deci con"orm punctului 1. avem P-F. ? 1 R P-=. ? P
%. om demonstra inegalitatea pentru n ? 2 apoi aplicm inductia dup n.
,vem P-,
1
,
2
. ? P-,
1
. L P-,
2
. R P-,
1
,
2
. V P-,
1
. L P-,
2
. R 1 ? P-,
1
.
L P-,
2
. - 2 L 1
!ac ,
1
, ,
2
sunt independente avem con"orm de"iniiei egalitatea P-,
1
,
2
.
? P-,
1
.
.
P-,
2
.. W.E.!.
Exemple
1) +e arunc 2 mone5i care nu se ciocnesc.
%
+e cere:
a. Probabilitatea P
1
s ias 2 steme;
b. Probabilitatea P
2
s nu ias nici o stem;
c. Probabilitatea P
3
s ias cel puin o stem.
Soluie
$ie evenimentele:
1. ,
1
? Gapariia stemei pe prima monedH i ,
2
? Gapariia stemei pe a doua
monedH
2. ,
1
i ,
2
sunt independente deci P
1
? P-,
1

,
2
. ?
( ) ( )
%
1
2
1
2
1
, , P
2
1

.
b. P
2
? P-E
1

E
2
. ? P-E
1
.
.
P-E
2
. ?
%
1
2
1
2
1
.
c. P
3
? 1 R P
2
?
%
3
.
") +e arunc 2 5aruri care nu se ciocnesc.
Se cere:
a. Probabilitatea P
1
s ias o anumitX dubl;
b. Probabilitatea P
2
ca suma punctelor s "ie cuprins 9ntre 2 i %;
c. Probabilitatea P
3
ca produsul punctelor s "ie cuprins 9ntre 3 i '.
Soluie
a. $ie ,
1
evenimentul c iese o "a dat pe primul 5ar i ,
2
evenimentul c iese
aceeai "a pe al ##-lea 5ar. Evenimentele ,
1
, ,
2
sunt independente deci P
1
? P-,
1

,
2
. ? P-,
1
.

P-,
2
. ?
31
1
1
1
1
1
;
b. ,vem 2 ? 1 L 1; 3 ? 1 L 2 ? 2 L 1; % ? 1 L 3 ? 2 L 2 ? 3 L 1 deci con"orm
de"iniiei clasice a probabilitii avem P
2
?
1
1
31
1
;
c. ,vem 3 ? 1
.
3 ? 3
.
1; % ? 1
.
% ? 2
.
2 ? %
.
1; ' ? 1
.
' ? '
.
1 deci P
3
?
31
3
.
*) +e dau dou urne 8
1
cu 3 bile albe i 3 bile negre i 8
2
cu % bile albe i 1 bile negre.
+e e(trage c:te o bil din "iecare urn.
Se cere:
a. Probabilitatea P
1
ca ambele bile s "ie albe;
b. Probabilitatea P
2
ca bilele s "ie de aceeai culoare;
c. Probabilitatea P
3
ca bilele s "ie de culori di"erite.
Soluie
a. $ie evenimentele: ,
1
? Gapariia unei bile albe din urna 8
1
H i ,
2
? Gapariia unei
bile albe din urna 8
2
H. Evenimentele ,
1
i ,
2
sunt independente deci: P
1
? P-,
1
,
2
.
? P-,
1
.
.
P-,
2
. ? 26Q
1P
%
1P
3
;
b. Evenimentele ,
1
,
2
i E
1
E
2
sunt incompatibile deci
P
2
? PS-,
1
,
2
. -E
1
E
2
.T ? P-,
1
,
2
. L P-E
1

E
2
. L P-,
1
.
.
P-,
2
. L L P-E
1
.
.
P-E
2
. ? %1Q
1P
1
1P
3
1P
%
1P
3
+
c. P
3
? 1 R P
2
? '%Q
+) !ou becuri au probabilitile de nede"ectare :
'
P-,
1
. ? P.6; P-,
2
. ? P.7
Se cere:
a. Probabilitatea P
1
ca prin circuitul serie al celor 2 becuri s treac curentul;
b. Probabilitatea P
2
ca prin circuitul paralel al celor 2 becuri s treac curentul.
Soluie
Evenimentele ,
1
, ,
2
sunt compatibile i independente.
a. P
1
? P-,
1
,
2
. ? P-,
1
.
.
P-,
2
. ? P.6 ( P.7 ? 32Q;
b. P
2
? P-,
1
,
2
. ? P-,
1
. L P-,
2
. R P-,
1
.
.
P-,
2
. ? P.6 L P.7 R P.32 ? 76Q
,) !oi oc&itori lovesc o int cu probabilitile P-,
1
. ? P.3; P-,
2
. ? P.6
Se cere:
a. Probabilitatea P
1
a lovirii intei dac trag simultan am:ndoi asupra ei;
b. Probabilitatea P
2
a lovirii intei dac primul oc&itor e(ecut dou "ocuri succesive
asupra ei;
c. Probabilitatea P
3
a lovirii intei dac al ##-lea oc&itor e(ecut dou "ocuri succesive
asupra ei.
Soluie
,
1
, ,
2
sunt evenimente compatibile i independente.
a. P
1
? P-,
1
,
2
. ? P-,
1
. L P-,
2
. R P-,
1
.
.
P-,
2
. ? P.3 L P.6 R P.3
.
P.6 ? 7%Q;
b. P2 ? P-,
1
,
1
. ? P-,
1
. L P-,
1
. R -P,
1
.
.
P-,
1
. ? P.3 L P.3 R P.3
.
P.3 ? 71Q;
c. P
3
? P-,
2
,
2
. ? P-,
2
. L P-,
2
. R P-,
2
.
.
P-,
2
. ? P.6 L P.6 R P.6
.
P.6 ? 71Q.
-) 8n soi de gr:u 9ndeplinete condiiile de calitate cu probabilitile: P->>/
standard. ? P.71; P-putere de germinare standard. ? P.73; P-umiditate standard. ? P.72
+e cere probabilitatea 9ndeplinirii standardelor pentru cele trei condiii.
Soluie. 0ondiiile din enun sunt dependente deci P-,
1
,
2
,
3
. V
P-,
1
. L P-,
2
. L P-,
3
. R 3 L 1 ? P.71 L P.73 L P.72 R 2 ? P.6' ? 6'Q.
1.1.* P#ob$bi%it&i%e con.iion$te $%e eveni!ente%o#
Pentru a descrie in"luena reali5rii unui eveniment ,
1
asupra reali5rii unui
eveniment ,
2
se "olosete /#ob$bi%it$te$ con.iion$t&.
4aportul
( )
( )
1
2 1
, P
, , P

se numete /#ob$bi%it$te$ %ui A
"
con.iion$t& .e A
1
i
se notea5 P
,1
-,
2
. sau P-,
2
Y,
1
..
Jbservm c dac ,
1
i ,
2
sunt independente, avem :
P-,
1
,
2
. ? P-,
1
.
.
P-,
2
. deci P-,
2
. ? P-,
2
..
!e asemenea dac ,
1
implic pe ,
2
-,
1
,
2
. atunci ,
1

,
2
? ,
1
deci P-,
1

,
2
. ? P,
1
. aa c P
,1
-,
2
. ? 1.
4elaia de de"iniie P-,
1

,
2
. ? P-,
1
.
.
P
,1
-,
2
.
se e(tinde prin inductie dup n:
P-,
1

,
n
. ? P-,
1
.
.
P
,1
-,
2
.
. . .
P
,1

,n-
1
-,
n
. -'.
Teorema .!. !ac = ? ,
1

O ,
n
cu ,
1
, O, ,
n
D i ,
i
sunt incompatibile c:te
dou, pentru orice / D avem :
1) (Formula probabilitii totale):
P-/. ? P-,
1
.
.
P
,1
-/. L O L P-,
n
.
.
P
,n
-/. -1.
2) (Formula Baes):
1
( )
( ) ( )
( ) ( ) ( ) ( ) / P , P ... / P , P
/ P , P
, P
,n
n
,1 1
,M
/
M
M
+ +

-3.
pentru orice M ? 1, O, n
"emonstraie
1. !in relaia = ? ,
1
O ,
n
re5ult:
/ ? -,
1
/. O -,
n
/.
,
1
, O, ,
n
"iind incompatibile c:te dou i ,
1
/, O, ,
n
/ vor "i
incompatibile c:te dou.
!in a(ioma 2. a probabilitii re5ult:
P-/. ? P-,
1
/. L O L P-,
n
/.
!ar P-,M /. ? P-,M.
.
P
,M
-/. ; -M ? 1, O, n.
deci re5ult relaia -1. din enunt:
P-/. ? P-,
1
.
.
P
,1
-/. L O L P-,
n
.
.
P
,n
-/.
2.,vem:
( )
( )
-/. P . P-, ... -/. P , P
-/. P P-,M.
P-/.
/ ,M P
,M P
,n
n
,1 1
,M
/
. -

+ +

; -M ? 1, O, n. adic relaia -3. din enun. W .

E .

!.
Exemple
1) 2a o tombol sunt 'P bilete din care ' sunt c:tigtoare. J persoan cumpr 3
bilete. 0are este probabilitatea ca nici unul s nu "ie c:tigtorZ
Soluie. $ie evenimentele ,
i
? Gbiletul la e(tragerea Ir.i a ieit nec:tigtorH -i ?
1,2,3..
4elaia -'. se scrie:
P-,
1

,
2

,
3
. ? P-,
1
. . P
,1
-,
2
. . P
,1

,2
-,
3
. ?
%' %% %3
32.3Q
'P %7 %6

") J urn conine 12 bile albe i 6 bile negre.
+e e(trag succesiv din urn 3 bile cu bila nerevenit. 0are este probabilitatea ca bilele
e(trase s "ie 9n ordine: alb, neagr, albZ
Soluie. $ie evenimentul ,
1
? Gprima bil e(tras este neagrH; ,
2 ?
H

a doua bilX
e(trasX este neagrXH; ,
3
? Ga treia bil e(tras este albH.
4elaia -'. se scrie:
P-,
1

,
2

,
3
. ? P-,
1
.
.
P
,1
-,
2
.
.
P
,1

,2
-,
3
. ?
12 6 11
1'.%Q
2P 17 16

*) +e dau urnele 8
1
cu 12 bile albe i 6 bile negre, 8
2
cu 1P bile albe i 1P bile negre i
8
3
cu 1 bile albe i 1% bile negre.
a. +e e(trage o bil dintr-o urn. 0are este probabilitatea ca ea s "ie albZ
b. +e e(trage o bil dintr-o urn i se constat c este alb. !in ce urn provine bila
e(trasZ
Soluie
$ie evenimentele ,
i
? Gbila e(tras provine din urna 8
i
H -i ? 1,2,3. i / ? Gbila e(tras
este albH.
a. 4elaia -1. se poate scrie:
3
P-/. ? P-,
1
.
.
P
,1
-/. L P-,
2
.
.
P
,2
-/. L P-,
3
.
.
P
,3
-/. ?
?
1 12 1 1P 1 1 12 1P 1 26
%1.3Q
3 2P 3 2P 3 2P 1P 1P 1P 1P
+ + + +
b. 4elaia -3. se scrie pentru M ? 1:
1 ,1
/ 1
P-, . P -/. 12 26 12
P -, . : %2.6Q
P-/. 1P 1P 26

,nalog P
/
-,
2
. ?
1P
3'.3
26
Q ; P
/
-,
3
. ?
1
21.'Q
26

!eci este mai probabil c bila alb e(tras s provin din urna 8
1
.
+) +e dau urnele 8
1
cu 12 bile albe i 6 bile negre i 8
2
cu 1 bile albe i 1% bile negre.
!in 8
1
9n 8
2
se trans"er o bil apoi se e(trage o bil din 8
2
.
a. 0are este probabilitatea ca bila e(tras din 8
2
s "ie albZ
b. [tiind c bila e(tras din 8
2
a "ost alb, ce culoare avea bila trans"eratZ
Soluie. $ie evenimentele ,
1
? Gbila trans"erat din 8
1
9n 8
2
a "ost albH, ,
2
? Gbila
trans"erat din 8
1
9n 8
2
a "ost neagrH; / ? Gbila e(tras din 8
2
este albH.
a. 4elaia -1. pentru n ? 3 se scrie:
P-/. ? P-,
1
. . P
,1
-/. L P-,
2
. . P
,2
-/. ?
?
12 3 6 1 6% %6 132
31.%Q
2P 21 2P 21 %2P %2P %2P
+ +
b. 4elaia -3. pentru M ? 1 se scrie:
P
/
-,
1
. ?
1 ,1
P-, . P -/. 6% 132 6%
: 13.1Q
P-/. %2P %2P 132

,nalog P
/
-,
2
. ?
%6
31.%Q
132
deci este mai probabil c bila trans"erat din 8
1
9n 8
2
a "ost alb.
,) <rei boli la bovine au probabilitile P-,
1
. ? P.%'; P-,
2
. ? P.31; P-,
3
. ? P.17
,ceste boli modi"ic un parametru sanguin cu probabilitile P
,1
-/.?P.23;
P
,2
-/.?P.%1; P
,3
-/.?P.3'
a. 0are este probabilitatea ca o vac bolnav de una din cele trei boli s aib
parametrul sanguin modi"icatZ
b. 2a o vac se constat c parametrul sanguin este modi"icat de una din cele trei
boli. 0are din boli a provocat modi"icareaZ
Soluie
$ie evenimentele ,
i
? Gvaca s-a 9mbolnvit de boala cu nr. iH -i ? 1,2,3.; / ? Gvaca are
parametrul sanguin modi"icatH.
a. 0on"orm relaiei -1. pentru n ? 3 avem:
P-/. ? P-,
1
.
.
P
,1
-/. L P-,
2
.
.
P
/
-,
2
. L P-,
3
.
.
P
,3
-/. ? P.%'
.
P.23 L P.31
.
P.%1 L P.17
.
P.3' ? P.1P3' L P.1%31 LP.1%2' ? 37.31Q
b. 4elaia -3. pentru M ? 1 devine:
1 ,1
/ 1
P-, . P -/. P.1P3'
P -, . 21.3Q
P-/. P.3731

6
,nalog P
/
-,
2
. ?
P.1%31
33.'Q
P.3731
; P
/
-,
3
. ?
P.1%2'
31.2Q
P.3731
deci este
mai probabil c boala nr. 2 a modi"icat parametrul sanguin.
1." V$#i$bi%e $%e$to$#e
1.".1 'en(it$te$ .e /#ob$bi%it$te 0i 1unci$ .e #e/$#tiie
$ie spaiul evenimentelor elementare = asociat unui eveniment aleator i D P-=. o
B
- algebr de evenimente incluse 9n =.
$ie mulimea numerelor reale 4 i
B
# algebra mulimilor boreliene / P-R. adic
cea mai mic
B
- algebr de submulimi ale lui 4 care conine toate intervalele din R.
$ie c:mpul de probabilitate -=, D, P..
J variabil aleatoare este o "uncie \: =R ast"el c @N Y \-N. /AD pentru orice
mulime borelian / P-R..!ac mulimea valorilor variabilei aleatoare \ este numrabil
-ir "init sau in"init.: (
1
, (
2
, O, (
n
, O atunci @\ ? (
i
A sunt evenimente i cunoaterea lui P-\ ?
(
i
. ? "-(
i
. -i ?1,2,3,O. permite calculul lui P-\ /. ? "-(
i
. unde 9nsumarea se "ace dup
valorile lui i pentru care (
i
/.
$uncia (
i
"-(
i
. -i N. se numete densitatea de probabilitate a variabilei aleatoare
\.
,vem:
i
i I
. 1 P- . "-(

!ac mulimea valorilor variabilei aleatoare \ este nenumrabil, densitatea de
probabilitate este o "uncie real "-(. V P ast"el c P-a U \ U b. ? ?

b
a
"-(.d(
n particular

+

"-(.d( . \ P- 1
n acest ca5

/
"-(.d( /. P-\
Jbservm c orice constant a R este "ormal o variabil aleatoare \ cu valoarea a i
P-\ ? a. ? 1.
J variabil aleatoare cu mulimea valorilor numrabil se numete discontinu iar o
variabil aleatoare cu mulimea valorilor nenumrabil se numete continu.
E2e!/%e .e v$#i$bi%e $%e$to$#e .i(continue
1. 0u codi"icarea 1 ? GstemaH, P ? GbanulH, variabila aleatoare \:
este asociat aruncrii unei mone5i;
2. 2a aruncarea unui 5ar avem variabila aleatoare \:
3. +e d o urn 8 cu % bile albe i 1 bile negre. +e e(trag n ? 2 bile succesiv cu bila
revenit. Pot apare ( ? P,1,2 bile albe deci avem variabila
7
P 1
] ]
1 2 3 % ' 1
1Y1 1Y1 1Y1 1Y1 1Y1 1Y1
P 1 2
7Y2' 12Y2' %Y2'
aleatoare \:
ariabilele de la punctele 1. i 2. se numesc uniforme deoarece toate valorile au
aceeai probabilitate -densitatea de probabilitate este "uncie constant. iar variabila de la
punctul 3. nu este uni"orm.
%. $ie "uncia

'

rest in P
S2;%T ( m(,
"-(.
"-(. este densitatea de probabilitate a unei variabile aleatoare continue dac

+

1 "-(.
i
P ^. "-(,
deci

-
1 m(d(
sau

%
2
1 m(d( adic
2 2
% 2
m. 1
2

deci
1
1
m . Este vi5ibil c "-(. V P.
$uncia real $-(. ? P-\ U (. se numete funcia de repartiie a variabilei aleatoare \.
Teorema .. ,vem proprietile:
1. $-(. ia valori 9n SP,1T;
lim
(
$-(. ? P;
1 $-(.
lim

!
2. $-(. este o "uncie continu la st:nga:
lim
( (
3

$-(. ? $-(
P
.
3. $-(. este "uncie cresctoare: (
1
U (
1
$-(
1
. U $-(
2
.
%. P-a U \ U b. ? $-b. R $-a.
P-\ U b. ? $-b.
P-a U \. ? 1 R $-a.
'e!on(t#$ie
1. Evident P U $-(. U 1 con"orm de"iniiei lui $ i punctului 3. din teorema 1.1.
$ie irul descresctor \n cu limita - i evenimentele :
,
P
? G\ U (
1
H, /
n
? U \ U \
n-1
H -n V 2..
,vem /
i

/
M
? F pentru i M i ,
P
?

2 n
n
/

deci

2 n
n P
. P-/ . P-,
sau $-(
1
. ? S$-(
1
. R $-(
2
.T L S$-(
2
. R $-(
3
.T L OL LS$-(
2
. R
$-(
3
.T L O L S$-(
n
. R $-(
nL1
.T L O adic $-(
1
. ? $-(
1
. -
. $-(
n
n
(
lim

aa c
P . $-(
n
n
(
lim


.
4elaia
1 . $-(
n
n
(
lim


se demonstrea5 9n mod analog.
2. $ie irul cresctor (
n
cu limita (
P
.
$ie evenimentele , ? G\ U (
P
H; ,
P
? G\ U (
1
H; ,
n
? G(
n
U \ U (
nL1
H -nI..
,vem ,
i

,
M
? F pentru i M i , ? ,
P

,
1

,
2

O ,
n

O deci
1P
P-,. ? P-,
P
. L P-,
1
. L O L P-,
n
. L O
adic $-(
P
. ? $-(
1
. L S$-(
2
. R $-(
1
.T L O L S$-(
n
. R $-(
n-1
.T L O
adic $-(
P
. ?
. $-(
n
(
n
(
lim
P

deci $ este continu la st:nga 9n (

P
.
3. $ie evenimentele , ? G\ U (
1
H; / ? G\ U (
2
H.
0um (
1
U (
2
re5ult , / deci P-,. U P-/. aa c $-(
1
. U $-(
2
. deci $ este
cresctoare.
%. $ie evenimentele , ? G\ U aH;/ ? G\ U bH;0 ? Ga U \ U bH. ,vem , 0
? F i , 0 ? / deci P-/. ? P-,. L P-0. sau $-b. ? $-a. L P-a U \ U b..
Pun:nd 9n aceast relaie a ? (
P
, b ? (
P
L _\ avem P-(
P
U \ U (
P
L _\. ?
? $-(
P
L _(. R $-(
P
..
0um $-(. este continu la st:nga, pentru _\ P egalitatea precedent devine: P-\ ?
(
P
. ? P.
n particular P-\ ? b. ? P i cum evenimentele a U \ U b i \ ? b sunt compatibile,
putem scrie P-a U \ U b. ? P-a U \ U b. L P-\ ? b. ?
? $-b. R $-a. L P ? $-b. R $-a.
n "ine P-\ U b. ? $-b. -
lim
!
$-(. ? $-b. R P ? $-b.
i P-a U \. ? 1 R P-\ U a. ? 1 R $-a. W.E.!.
!ac \ este variabil aleatoare discontinu cu repartiia
n 1
n 1
,.......p p
,........( (
, ea are "uncia
de repartiie :
P ,( U (
1
P
1
,(
1
U ( U (
2
$%x& ' ((((((..
)

* ( * p
n#
+ x
n#
, x , x
n
1 , (
n
U (
!ac \ este variabil aleatoare continu cu densitatea de probabilitate "-(., \ are
"uncia de repartiie

(
"-t.dt $-(.
.
4eciproc, avem $`-(. ? "-(..
Pe gra"icul lui "-(., $-(. este aria de sub gra"ic a"lat 9n st:nga ordonatei lui (:
11
"-(.
$-(.
( P
(
Exemple
1. Pentru variabila aleatoare discontinu \ cu repartiia :
\: ave avem densitatea de probabilitate:
P.11 , ( ? 1
P.%2 , ( ? 2
"-(. ? P.3P , ( ? %
P.P3 , ( ? 1
P.1P , ( ? 1P P , ( U 1
P 9n rest P.11 , 1 U ( U 2
P.'3 , 2 U ( U %
i "uncia de repartiie: $-(. ? P.63 , % U ( U 1
P.7P , 1 U ( U 1P
1 , 1P U (
,vem P-1.' U \ U 3.%. ? $-3.%. R $-1.'. ? P.7P R P.11 ? 17Q
P-\ U '.6. ? $-'.6. ? 63Q; $-3.% U \. ? 1 R $-3.%. ? 1 R P.'3 ? %3Q
2. Pentru variabila aleatoare continu \ cu densitatea de probabilitate :
[ ]
(
, ( 2; %
"-(.
1
P 9n rest

'

avem "uncia de repartiie

(
"-t.dt $-(.
Pentru ( U 2 avem
(
$-(. Pdt P

Pentru 2 U ( U % avem
( (
2
2
t t 1
$-(. dt dt -( %.
1 1 12

iar pentru
( V % avem
( %
2
t t
dt dt 1
1 1

P-2.3 U \ U 3.1. ? $-3.1. R $-2.3. ?
2 2
1
S-3.1 %. -2.3 %.T 13.7Q
12
;
P-\ U 3. ? $-3. ?
2
1
-3 %. %2.3Q
12

P-2.' U \. ? 1 R $-2.'. ? 1 -
2
1
-2.' %. 61.2Q
12

12
1 2 % 1 1P
P.11 P.%2 P.3P P.P3 P.1P
!ou variabilele aleatoare \
1
, \
2
se numesc independente dac
P-\
1
/
1
i \
2
/
2
. ? P-\
1
/
1
.
.
P-\
2
/
2
.
n particular dac \
1
, \
2
sunt variabile aleatoare discontinue, \
1
, \
2
sunt independente
dac pentru orice (
1
, (
2
4 evenimentele G\
1
? (
1
H i \
2
? (
2
H sunt independente adic P-\
1

? (
1
i \
2
? (
2
. ? P-\
1
? (
1
.
.
P-\
2
? (
2
.
Exemple
1. ,runcarea a dou mone5i sau 5aruri care nu se ciocnesc, dau natere la variabile
aleatoare independente;
2. E(tragerea a c:te unei bile albe din dou urne dau natere la variabile aleatoare
independente.
ntre variabilele aleatoare independente se "ac operaiile aritmetice obinuite.
$ie de e(emplu variabilele aleatoare discontinue independente \ i a cu repartiiile
m 1
m 1
p bbbbbb , p
( bbbbbb , (
: \
;
n 1
n 1
c bbbbbb , c
^ bbbbbb , ^
: a
deci r
iM
? P-\ ? (
i
i a ? ^
M
. ? P-P-\ ? (
i
.
.
P-a ? ^
M
. ? p
i
. c
M

n .... 1, M
m .... 1, i
!ac a R, avem variabila aleatoare constant
1
a
: a
om avea variabilele aleatoare cu repartiiile
i
i
p
a (
\
;
i
i
p
a(
: a\
;
p
Ya (
:
a
\
i
-a P.
13
i
a
i
a
p
(
: \
respectiv
M i
M i
c p
^ (
: a \
;
i M
i M
( ^
\ a:
p .c
_

,
;
i M
i M
( Y^
\
:
p .c a
_


,
-^
M
P.
!ac \ este variabil aleatoare continu cu densitatea de probabilitate "-(., atunci se
arat c variabila aleatoare a ? d-\. unde d este o "uncie biMectiv i derivabil, va avea
densitatea de probabilitate:
g-^. ? "Sd
-1
-^.T
.

1
S -^. Te

E2e!/%u
+e d variabila aleatoare \ cu densitatea de probabilitate :
"-(. ?
+e cere densitatea de probabilitate a variabilelor a ? 2\ L 3;a ? e
%\
;a ? ln-\ L 1.
4o%uie
a.
1 -1 e
^ 3 1
a 2\ 3 -^. ; S -^.T
2 2

+ aa c
g-^. ?
^ - 3
, ( S3; 3T
6
P , 9n rest

b.
%\ 1 -1 e
ln^ 1
a e -^. ; S -^.T
% %^

aa c :
g-^. ?
6
ln^
, ^ S1; e T
32^
P , 9n rest

c.
1 ^ -1 e ^
a ln-\ 1. -^. e 1; S -^.T e

+ deci
g-^. ?
2^ ^
e - e
, ^ SP; ln3T
2
P , 9n rest

1."." In.ic$to#i nu!e#ici

1%
(
, ( SP, 2T
2
P , 9n rest

(
i
p
i
n a"ar de "uncia de repartiie $-(., variabila aleatoare \ are i urmtorii in.ic$to#i
nu!e#ici:
1. >edia >-\. ?

("-(.d(
!ac \ este discontinu cu repartiia \ : -i I. atunci
>-\. ?
i i
i I
p !

2. >ediana >e-\. este de"init de relaia:

1
$->e.
2

3. >odul >o-(. este punct de ma(im pentru "-(.

%. ariana -\. ? >S-\ R >-\..
2
T ?
2
S( >-\.T "-(.d(

!ac \ este discontinu cu repartiia \ : -i I. atunci

-\. ?
2
i i
i I
S( - >-\.T p

Jbservm c eroarea ptratic total :

+P,-(. ?

I i
2
i
pi . ( -(
este minim pentru ( ? >-\. i are valoarea minim
-\..
'. ,baterea standard
B
-\. ?
-\.
1. 0oe"icientul de variaie c-\. ?
-Q. 1PP
>-\.
B-\.

E2e!/%e
1. Pentru variabila aleatoare discontinu \ cu repartiia
1 2 % 1 1P
:
P.11 P.%2 P.3P P.P3 P.1P
"
_

,
avem
>-\. ? 1 ( P.11 L 2 ( P.%2 L % ( P.3P L 1 ( P.P3 L 1P ( P.1P ? 3.'3
>e-\. ? %; >o-\. ? 2
-\. ? -1 R 3.'3.
2
( P.11 L -2 R 3.'3.
2
( P.%2 L -% R 3.'3.
2
( P.3P L
L -1 R 3.'3.
2
( P.P3 L -1P R 3.'3.
2
( P.1P ? 1.31'1
B
-\. ?
1.31'1 2.'2
c-\. ?
2.'2
3P.1Q
3.'3

2. Pentru variabila aleatoare continu \ cu densitatea de probabilitate :
1'
(
i
p
i
"-(. ?
(
, ( S2; %T
1
P , 9n rest

avem :
>-\. ?
% %
3
2 % 3 3
2
2 2
( 1 ( 1
("-(.d( ( d( ( d( -% 2 . 3.11
1 1 16 16

$-(. ?
12
% (
2

pentru ( S2; %T deci

2
( % 1
>e-\. 1P 3.11; >o-\. %
12 2

cci "-(. este cresctoare .

-\.?
% %
2 2 3 2 2
2 2
( 1
S( >-\.T "-(.d( -( 3.11. d( -( 1.22( 3.11 (.
1 1

+

% 3 2
2
%
1 ( ( (
1.22 11 P.1'%3; B-\. P.1'%3 P.61
2 1 % 3 2
_
+

,
c-\. ?
P.61
21Q
3.11

Proprietile mediei >-\. 9n raport cu operaiile cu variabile aleatoare, sunt date de:
Teo#e!$ 1."
,vem proprietile:
1. >-a. ? a
2. >-\ L a. ? >-\. L a
3. >-a\. ? a>-\.
%. >-\ L a. ? >-\. L >-a.
'. !ac \, a sunt independente, avem :
>-\ . a. ? >-\. . >-a.
'e!on(t#$ie
4elaiile re5ult prin calcul direct pentru variabile discontinue :
1 m 1 n
1 m 1 n
( ... ( ^ ... ^
\: ; a:
p ... p c ... c
_ _

, ,
i se generali5ea5 pentru variabile continue
"olosind liniaritatea integralelor W.E.!.
Proprietile variantei -\. 9n raport cu operaiile cu variabile aleatoare sunt date de:
Teo#e!$ 1.*
,vem proprietile:
1. -a. ? P
2. -\ L a. ? -\.
3. -a\. ? a
2
-\.
%. -\. ? >-\
2
. R >
2
-\.
'. \, a ? independente -\ L a. ? -\. L -a.
"emonstraie
11
4elaiile re5ult prin calcul direct -"olosind i teorema 2.2. pentru variabile
discontinue :
1 m 1 n
1 m 1 n
( ... ( ^ ... ^
\: ; a:
p ... p c ... c
_ _

, ,
i se generali5ea5 pentru variabile continue "olosind
liniaritatea integralelor W.E.!.
$ie \ o variabil aleatoare cu media >-\. i variana -\. si "ie f V P.
!ac cunoatem "uncia de repartiie $-(. avem P->-\. R f U \ U >-\. L f. ?
( ) [ ] [ ] f >-(. $ f >-(. $ f >-(. \ P + <
.
n ca5 contrar aplicm ine5$%it$te$ Ceb60ev valabil pentru f V
B
-\., dat de:
Teo#e!$ 1.+
( )
2
f
-\.
1 f >-\. \ P <
"emonstraie
$ie variabila aleatoare discontinu \ cu repartiia
n 1
n 1
p ........, , p
( ........, , (
: \
$ie # ?
{ } f >-\. ( n, i iY1
i
>
deci :
( ) ( )
n
i i
i 1 i #
P \ >-\.f 1 P ( >-\. f ?1 p

< >

,vem [ ] [ ]
n
2 2
2
i i i i i
i 1 i # i #
-\. ( >-\. p ( >-\. pf p



aa c:
( )

<
# i
i
2
f >-\. \ P p 1
f
-\.
1
. !emonstraia c:nd \ este variabil
aleatoare continu se "ace la "el ca mai sus, 9nlocuind sumele cu integrale. W.E.!.
Exemple
1. +e d variabila aleatoare discontinu \ cu repartiia :
1 2 % 1 1P
\:
P.11 P.%2 P.3P P.P3 P.1P
_

,
i cu >-\. ? 3.'3; -\. ? 1.31'1;
B
-\. ? 2.'2. +e cere o margine in"erioar pentru ( )
P \ 3.'3 3 <
Soluie. 0on"orm inegalitii 0eb:ev cu f ? 3
B
-\. avem:
( )
2
-\. 1.31'1
P \ 3.'3 3 1 1 27.3Q
f 7
< .
2. Pentru variabila aleatoare continu \ cu densitatea de probabilitate
[ ]
\
, \ 2; %
"-\.
1
P , 9n rest

'

i cu >-\. ? 3.11;-\. ? P.1'%3;

B
-\. ? P.61
13
+e cere o margine in"erioar pentru
( ) 1 3,11 \ P < <
.
Soluie. 0on"orm inegalitii 0eb:rev cu f ? 1 V
B
-\. avem:
( )
2
-\. P.1'%3
P \ 3.11 1 1 1 3%.1Q
f 1
<
1.".* 7unci$ c$#$cte#i(tic&
8n instrument puternic 9n studiul variabilelor aleatoare o"er 1unci$ c$#$cte#i(tic&.
$ie \ o variabil aleatoare cu densitatea de probabilitate "-\. i "ie variabila aleatoare
comple(:
sint\ cost\ e
it\
+
$uncia comple( de variabil real : -t. ? >-e
it\
. ? >-cos t\ L isin t\.
se numete funcie caracteristic a variabilei aleatoare \.
!acX \ este variabilX aleatoare discontinuX avem :
!acX \ este variabil aleatoare continu avem :

it(
-t. e "-(.d(

.
n ambele ca5uri d-t. este "uncie continu.
Teo#e!$ 1.,. ,vem proprietile:
1. d-P. ? 1;
-t. --t. 1; -t.
2. !ac \ are "uncia caracteristic d-t. atunci a\ are "uncia caracteristic d-at..
3. !ac \, a sunt independente i au "unciile caracteristice d
1
-t., d
2
-t. atunci
variabila aleatoare \ L a are "uncia caracteristic d
1
-t. . d
2
-t..
%. >omentele de ordin g ale lui \ sunt date de relaiile:
-g.
g
g
-P.
>-\ . ; -g I.
i

"emonstraie
1. d-P. ? >-e
P
. ? >-1. ? 1
it( it(
-t. e "-(.d( e "-(.d( cos t( i sin t( "-(.d( "-(.d( 1
+ + + +

+

-t. sin t\. i - t\ >-cos . >-e t. -

it\


2. ariabila aleatoare a\ are "uncia caracteristic :

-at. "-(.d( e . >-e
i-at.( \ t a i

3. \ L a are "uncia caracteristic:

it-\ a. i t \ ita it \ i t a
-t. >-e . >-e .e . >-e ..>-e .
+
cci \, a sunt
independente deci d-t. ? d
1
-t. . d
2
-t.
%. !erivm "uncia caracteristic de g ori:
16
- .
#
it!
#
# $
t e p

-g. g i t ( g g i t (
-t. -i(. e "-(.d( i ( e "-(.d(




deci
-g. g g g g
-P. i ( "-(.d( i >-\ .

W.E.!.
#nversarea trans"ormatei $ournier permite e(primarea 9n mod unic a densitii de
probabilitate "-(. a variabilei aleatoare \ cu aMutorul "unciei caracteristice d-t.:

-t.dt e
2h
1
"-(.
t ( i

<eorema 2.' trans"er proprietile lui d-t. la "-(.:

1. "-(. V P;
+

1 "-(.d(
2. !ac variabila aleatoare \ are densitatea de probabilitate "-(., variabila a\ are
densitatea a"-(..
3. !ac variabilele aleatoare independente \, a au densitile de probabilitate "
1
-(.,
"
2
-(., atunci variabila aleatoare \La are ca densitate de probabilitate /#o.u(u% .e convo%uie
al lui "
1
-(., "
2
-(.: "-(. "-s.g-( .ds "-( .g-s.ds s s
+ +



%. >omentele de ordin g ale variabilei aleatoare \ sunt date de relaia:
( )
g g
> \ ( "-(.d(
+

E2e!/%e
1. $ie variabila aleatoare discontinu \ cu repartiia
1 2 %
\:
P.1 P.1 P.3
_

,
+ se a"le "uncia caracteristic d-t.
Soluie.
it 2it %it
-t. e P.1 e P.2 e P.3 + +
2. $ie variabila aleatoare continu \ cu densitatea de probabilitate
[ ]
(
, ( 2; %
"-(.
1
P 9n rest

'

+e cere "uncia caracteristic d-t.

Soluie

+

1
]
1

+
%
2
%
2
%
2
t ( i t ( i
d( sin t( ( i d( t ( cos (
1
1
(d( e
1
1
"-(.d( e -t.
( ) ( ) [ ]
2it %it
2
e 2it 1 e %it 1
1t
1

1.* Vecto#i $%e$to#i
1.*.1 'en(it$te$ .e /#ob$bi%it$te 0i 1unci$ .e #e/$#tiie
17
$ie spaiul euclidian R
n
i
B
- algebra mulimilor boreliene / P-R
n
. adic cea mai
mic
B
- algebr de submulimi ale lui R
n
care conine toate intervalele din R
n
.
$ie c:mpul de probabilitate -=, C, P..
8n vector aleator n dimensional este o "uncie \ ? -\
1
, O, \
n
.: = R
n
ast"el c
{ } C / \-N- N
pentru orice mulime borelian / P-R
n
..
0omponentele \
1
, O, \
n
sunt variabile aleatoare numite variabile marginale pentru
\.
Pentru simpli"icarea e(punerii, vom pre5enta ca5u n ? 2 adic vectorii aleatori
bidimensionali i ? -\, a..
!ac mulimea valorilor vectorului aleator i ? -\, a. este numrabil -ir "init sau
in"init. vectorul aleator se numete discontinuu.
!e e(emplu da( variabila aleatoare \ ia valorile (
1
, O.., (
m
iar variabila aleatoare a
ia valorile ^
1
, O, ^
n
, cunoaterea lui r
iM
? P-\ ? (
i
i a ? ^
M
. adic a densitii de probabilitate
a lui i ? -\, a. cu

m
1 i
n
1 M
riM 1
permite cunoaterea repartiiei vectorului aleator
discontinuu i ? -\, a.
4epartiia vectorului aleator discontinuu i ? -\, a. se d prin tabelul:

8
-
^
1

OOOOOOOOO 9
n
4u
!$ %inie
(
1
.
.
.
.
(
m
r
11
OOOOOOOO.. r
1n
r
m1
OOOOOOOO...r
mn
c
1
.
.
.
.
c
n
4u!$ co%o$n& p
1
OOOOOOOOO p
n
1
ariabila marginal \ are repartiia
m 1
m 1
p bbb p
( bbb (
: \
media:

m
1 i
i i
p ( >-\. i variana:

m
1 i
2
i
2
i
>-\. p ( -\.
2P
ariabila marginal a are repartiia
n 1
n 1
c bbb c
a bbb ^
: a
media:

n
1 M
M M
c ^ >-a.
i variana:

n
1 M
2
M
2
M
>-a. c ^ -a.
Exemplu. 2a tragerea la int, orice lovitur este caracteri5at de perec&ea -\, a. unde
\ este abaterea 9n direcie "a de centrul J al intei i a este abaterea 9n 9nlime "a de
centrul J al intei iar r
iM
? P-\ ? (
i
i a ? ^
M
.; i, M N este probabilitatea ca o lovitur s aib
abaterea 9n direcie (
i
i 9n 9nlime ^
M
.
!ac mulimea valorilor vectorului aleator i ? -\, a. este nenumrabil atunci
vectorul aleator se numete continuu i .en(it$te$ ($ .e /#ob$bi%it$te este o "uncie real
"-(, ^. V P ast"el c P-a U \ U b i c U a U d. ?

b
a
d
c
^.d(d^ "-(,
.
n particular
+

+


-
^.d(d^ "-(, 4. a si 4 P-\ 1
Exemplu. $ie "uncia
[ ]
[ ]

'

rest in P
1;3 ^
2;% ( ^, m(
^. "-(,
2
i "-(,^. este densitatea de probabilitate al
vectorului aleator continuu i ? -\, a. dac
+

+

1 ^. "-(,
i "-(,^. V P deci

+

+

1 ^d(d^ m(
2
sau


%
2
3
1
2
1 ^d^ d( ( m
deci
1 %
3
'1
m
aa c
22%
3
m . i5ibil "-(,^. V P.
$uncia de repartiie a vectorului aleator i ? -\, a. este $-(, ^. ? P-\ U ( i a U ^..
0a i 9n ca5ul variabilei aleatoare -teorema 2.1.. se demonstrea5:
Teo#e!$ ".-
,vem proprietile:
1. $-(, ^. ia valori 9n SP; 1T;
1 ^. $-(, ^. $-(, ^. $-(,
lim lim lim
. , - ^. -(, ^ (

+
2. $ este continu la st:nga 9n raport cu "iecare variabil:
^. , $-( ^. $-(,
P
( (
lim
P

;
. ^ $-(, ^. $-(,
P
^ ^
lim
P

3. $ este cresctoare 9n raport cu "iecare variabil:

21
(
1
U (
2
$-(
1
, ^. U $-(
2
, ^.
^
1
U ^
2
$-(, ^
1
. U $-(, ^
2
.
%. PSa U \ U b i c U a U dT ? S$-b,d. R $-a,d.T - S$-b,c. R $-a,c.T
P-\ U b i a U d. ? $-b,d.
P-a U \ i c U a. ? 1 R $-a,c.
ariabilele aleatoare \, a care compun vectorul aleator i ? -\, a. , au "unciile de
repartiie:
^. $-(, -(. $
lim
^
1

i
^. $-(, -^. $
lim
(
2

0unosc:nd densitatea de probabilitate "-(,^. a vectorului aleator \ ? -\,a., "uncia sa

de repartiie este dat de relaia:
^ (
$-(, ^. "-s, t.ds dt

4eciproc dac $-(,^. este derivabil de dou ori 9n raport cu (, ^ avem densitatea de
probabilitate "-(,^. ? $H
(^
-(,^.. ariabilele \, a vor avea densitile de probabilitate:

+

-(. $e ^.d^ "-(, -(. "
1 1

+

-^. $e ^.d( "-(, -^. "
2 2
Exemplu. Pentru vectorul aleator i ? -\, a. cu densitatea de probabilitate
[ ]
[ ]

'

rest in P
1,3 ^
2,% ( ; ^ (
22%
3
^. "-(,
2
avem "uncia de repartiie
3 2
2 2
3 3
- , . - , . d t d t
1% 22% 3 2
! ! !
!
s t
F ! f s t ds s tds s ds tdt




adic:
3 3 2 2
P , ( 2 sau ^ 1
1
$-(, ^. -( 2 .-^ 1 . 9n rest
%%6
1 , ( ^ si ^ 3
< <

'

> >

Pe gra"icul supra"eei 5 ? "-(, ^., densitatea de probabilitate "-(, ^. este cota punctului
de abscis ( i ordonat ^ iar "uncia de repartiie $-(, ^. este volumul de sub supra"aa 5 ?
"-(, ^. a"lat 9n semispaiul i V P i 9n st:nga planelor \ ? ( i a ? ^.
Teo#e!$ 1.:
ariabilele aleatoare \, a din componena vectorului aleator i ? -\, a. sunt
independente dac i numai dac $-(, ^. ? $
1
-(.
.
$
2
-^. sau dac i numai dac
"-(, ^. ? "
1
-(.
.
"
2
-^.
22
'e!on(t#$ie
\, a sunt independente dac i numai dac evenimentele G\ U (H i a U ^H sunt
independente dac i numai dac P-\ U ( i a U ^. ? P-\ U (.
.
P-a U ^. dac i numai dac
$-(, ^. ? $
1
-(.
.
$
2
-^. de unde prin derivare parial 9n raport cu (, ^ obinem $H
(^
-(, ^. ?
$`
1
-(. . $`
2
-^. adic "-(, ^. ? "
1
-(. . "
2
-^.. W.E.!.
1.*." In.ic$to#i nu!e#ici
n a"ar de "uncia de repartiie $-(, ^., vectorul aleator i ? -\, a. are i urmtorii
indicatori numerici:
1. Vecto#u% !e.ie >-i. ? ->-\., >-a.. unde

+

+

-^.d^ ^" >-a. -(.d(; (" >-\.
2 1
!ac \, a sunt discontinue, de e(emplu dac
m 1
m 1
p bbb p
( bbb (
: \
i
n 1
n 1
c bbb c
^ bbb ^
: a
avem:

m
1 i
i i
p ( >-\. ;

n
1 M
M M
c ^ >-a.
") M$t#ice$ .e cov$#i$n& :
a. 0-a, \. 0-a,
a. 0-\, \. 0-\,
0-i.
,ici 0-\, a. este covariana variabilelor aleatoare -+ . dat de relaia de de"iniie:
0-\, a. ? >S-\ R >-\.
.
-a R >-a.T.
!ac \, a sunt discontinue, avem:

m
1 i
n
1 M
iM M i
r >-a.. -^ >-\.. -( a. 0-\,
unde r
iM
? P-\ ? (
i
i a ? ^
M
.
!ac \, a sunt continue avem:
0-\, a. -( >-\. -^ >-a.. -(, ^.d( d^ f
+ +



23
Este vi5ibil c 0-\,a. ? 0-a,\.
!e asemenea avem:

+


m
1 i
1 i
2
i
-(.d( " >-\.. -( p >-\.. -( -\. \. 0-\,
respectiv:

+


n
1 M
2 M
2
M
-^.d^ " >-a.. -^ c >-a.. -^ -a. a. 0-a,
Jbservm c eroarea ptratic total :
m n
2 2
i i M M
i 1 M 1
+P,-(, ^. -( ( . p -^ ^ . c

+

este minim pentru ( ? >-\.,
^ ? >-a., valoarea minimului "iind urma -\. L -a. a matricii de covarian 0-i..
2. 7unci$ .e #e5#e(ie a ? g-\.
n ca5ul vectorului aleator discontinuu i ? -\,a. de"inim mediile condiionate:

n
1 M
iM M i \ i c
r ^ -a. ( > . -( >
se de"inete prin relaiile: g-(
i
. ? >
\?(i
-a.
n ca5ul vectorului aleator continuu i ? -\,a. de"inim mediile condiionate:
>
c
-(
i
. ? >
\?\i
-a. ?
+

^.d^ ^"-(,
iar funcia de regresie va "i:
g-(. ? >
c
-(.
%. Coe1icientu% .e co#e%$ie %ini$#& al variabilelor aleatoare \,a este de"init de
relaia:
B-a. B-\.
a. 0-\,
-a. -\.
a. 0-\,
a. j-\,

Proprietile covarianei 0-\,a. 9n raport cu operaiile cu variabile aleatoare, sunt date

de:
Teo#e!$ 1.;
,vem proprietile:
1. 0-a,b. ? P
2. 0-\ L a, a L b. ? 0-\,a.
3. 0-a\, b\. ? ab0-\,a.
%. 0-\,a. ? >-\
.
a. R >-\.
.
>-a. ? [ ] -a. -\. a. -\
2
1
+
'. !ac \,a sunt variabile aleatoare independente atunci 0-\,a. ? P adic \,a sunt
necorelate liniar.
!ac \,a sunt variabile aleatoare normale este adevrat i reciproca.
'e!on(t#$ie
4elaiile 1. R %. re5ult prin calcul direct, "olosind teoremele 2.2 i 2.3 i de"iniia lui
0-\,a..!ac \ ? a, din teorema 1.6 reobinem teorema 1.3.
+ demonstrm punctul '. din enun.
!ac \,a ? variabile aleatoare independente, con"orm teoremelor 2.2 i 2.3 avem
>-\
.
a. ? >-\.
.
>-a. respectiv -\ L a. ? -\. L -a. deci con"orm punctului %. din
enun, avem 0-\.a. ? P adic \, a nu sunt corelate liniar. 4eciproca pentru \, a ? variabile
aleatoare normale va "i demonstrat 9n teorema 3.1P.
!ac \, a nu sunt variabile aleatoare normale, reciproca a"irmaiei de la punctul '.
din enun, nu este adevrat: e2i(t& v$#i$bi%e neco#e%$te %ini$# c$#e (unt .e/en.ente.
Exemplu
Pentru vectorul aleator discontinuu i ? -\, a. cu repartiia
2%
a
\
1 3 +uma p
1
2
P.% P
P.1 P.'
P.%
P.1
+uma c P.' P.' 1
,vem 0-\, a. ? P dei:
P.1 ? P-\ ? 2, a ? 1. P-\ ? 2.
.
P-a ? 1. ? P.1
.
P.' ? P.3 W.E.!.
Proprietile coe"icientului de corelaie liniar j-\,a. 9n raport cu operaiile cu
variabile aleatoare sunt date de:
Teo#e!$ 1.<
,vem proprietile:
1. j-a, b. ? P
2. j-\ L a, a L b. ? j-\,a.
3. j-a\, ba. ? j-\, a.
%.
1; a. j-\,

1; a. j-\,
dac i numai dac \,a sunt dependente "uncional
liniar: a ? a\ L b
'. !ac \, a sunt variabile aleatoare independente atunci j-\, a. ? P adic \, a
sunt necorelate liniar.
1. !ac \, a sunt variabile aleatoare normale, este adevrat i reciproca.
'e!on(t#$ie
4elaiile 1. R 3. re5ult prin calcul direct, "olosind teoremele 2.3, 2.6 i de"iniia lui
j-\, a. ?
-a. -\.
a. 0-\,

. !in relaiile 2. R 3. re5ult:

,
_

B-a.
>-a. - a
,
B-\.
>-\. \
0 a. j-\,
4elaia '. din enun re5ult din relaia '. a teoremei 2.6 i din de"iniia lui j-\, a..
+ demonstrm punctul %. din enun.
,vem S
B
-a.
.
\ -
B
-\.
.
aT V P, relaie 9n care "olosim teoremele 2.2, 2.3, 2.6 i
obinem:
B
2
-\.
.

B
2
-a. -
B
-\.
.

B
-a.
.
0-\,a. V P sau
1
B-\.B-a.
a. 0-\,

n mod analog relaia S

B
-a.
.
\ L
B
-\.
.
aT V P conduce la relaia j-\, a. V - 1
deci
1 a. j-\,
!ac
1 a. j-\,
s artm c a ? a\ L b.
$ie "uncia E-a, b. ? >S-a R a\ R b.
2
T
$olosind teoremele 2.2, 2.3, 2.6, avem:
E-a, b. ? -a. L a
2
-\. R 2a j-\, a.
.

B
-\.
B
-a. L S>-a. R a>-\. - bT
2
Pentru a minimi5a "uncia E-a, b., anulm derivatele sale pariale 9n raport cu a, b:

'

b a>-\. >-a. 2 Ee
P b a>-\. >-a. 2>-\. B-\.B-a. a. , 2jj\ 2a-(. Ee
b
a
cu soluia:
2'
B-\.
B-a.
a. j-\, a
;
a>-\. >-a. b
aloarea minimului este -a. a.T -\, j S1 E
2
min
.
!ac
1 a. j-\,
avem E
min
? P adic: >-a R a\ R b. ? P deci a ? a\ L b
4eciproc, dac a ? a\ L b s artm c
1 a. j-\,
,vem
1
a
1
-\. a -\.
a-\.
b. -a\ -\.
b. a\ 0-\,
b. a\ j-\, a. j-\,
2

+
+
+
deoar
ece 0-\,a\ L b. ? >S\-a\ L b.T R >-\.
.
>-a\ L b. ?
? a>-\
2
. R a>
2
-\. ? a-\.
!ac a V P avem j-\, a\ L b. ? 1 iar dac a U P avem j-\, a\ L b. ? -1
a se numete coeficientul de regresie liniar iar b se numete termenul liber al
regresiei.
Exemplu
$ie vectorul aleator discontinuu i ? -\, a. cu repartiia:
a
\
1 2 P +uma p
1
2
P.' P.1 P
P P P.%
P.1
P.%
+uma c P.' P.1 P.% 1
+ se calcule5e >-i., 0-i., a ? g-\., j-\, a. i coe"icienii regresiei liniare a, b.
4o%uie
ariabila
1 2
\:
P.1 P.%
_

,

ariabila
1 2 3
a:
P.' P.1 P.%
_

,

ectorul medie este >-i. ?- 1.%; 1.7.
,vem covariana 0-\, a. ?- 1 R 1.%.
.
-1 R 1.7.
.
P,' L -1 R 1.%.
.
-2 R 1.7.
.
P.1 L -2 R 1.%.
.
-2 R 1.7.
.
P.% ? P.%%
>atricea de covarian va "i:
P.2% P.%%
0-i.
P.%% P.67
_

,
,vem mediile condiionate:
>
\?1
-a. ? 1
.
P.' L 2
.
P.1 L 3
.
P ? P.3
>
\?2
-a. ? 1
.
P L 2
.
P L 3
.
P.% ? 1.2
deci "uncia de regresie a ? g-\. are "orma tabelar:
,vem coe"icientul de corelaie liniar
0-\, a. P.%%
j-\, a. P.71
-\. -a. P.2% P.67


0oe"icientul de regresie este:
21
are media >-\. ? 1.%
i variana -\. ? P.2
are media >-a. ? 1.7
i variana -a. ? P.67
( g-(.
1
2
P.3
1.2
B-a. P.67
aj-\, a. P.71 1.6'
B-\. P.2%

<ermenul liber al regresiei este: b ? >-a. R a>-\. ? 1.7 R 1.6'
.
P.2% ? 1.%1

1.+ V$#i$bi%e $%e$to$#e .i(continue
1.+.1 V$#i$bi%$ bino!i$%&
ariabila aleatoare binominal este variabil aleatoare cu un numr "init de valori
av:nd ca model sc&ema bilei revenite. ,ceast sc&em este un ca5 particular al unei sc&eme
mai generale, numit schema lui )oisson care const 9n urmtoarele:
+e dau n urne: 8
1
cu a
1
bile albe i b
1
bile negre, 8
n
cu a
n
bile albe i b
n
bile negre. +e
e(trag n bile, c:te una din "iecare urn -extrageri independente&. Probabilitatea de a e(trage o
bil alb din urna 8
M
este : p
M
?-a
M
Y -a
M
Lb
M
. iar probabilitatea de a e(trage o bil neagr din
urna 8
M
este c
M
? 1- p
M
-1M n..
Teorema ./
Probabilitatea ca din n bile s obinem g bile albe -g?P,1,O.,n. i restul negre, este
coe"icientul lui t
g
9n produsul -p
1
tLc
1
.O.-p
n
t Lc
n
. este :

1 1
,
... ....
+

% % n
n % i i i i
& p p ' '
"emonstraie
$ie ,
M
evenimentul e(trageii unei bile albe din urna 8
M
i k
M
evenimentul e(tragerii
unei bile negre din urna 8
M
-1Mn..
Jbinerea a g bile albe i n-g bile negre c:nd se e(trage c:te o bil din "iecare din cele
n urne, const 9n reali5area unui eveniment de "orma:
,
n,g
? ,
i1
O..,
ig
( igL1
O.. ( in
unde i
1
,O.., i
n
este o permutare a indicilor 1,On. 0um evenimentele ,M, ( M sunt
independente c:te dou, avem:
P-,
n,g
.?p
i1
O.p
ig
c
igL1
O.c
in
Evenimentele ,
n,g
"iind incompatibile c:te dou, probabilitatea P
n,g
a obinerii a g bile
albe i n-g bile negre 9n sc&ema Poisson, va "i:
P
n,g
? p
i1
O.p
ig
c
igL1
O..c
in
pentru toate permutrile i
1
,..i
n
ale indicilor 1,O.,n adic c&iar coe"icientul lui t
g
9n produsul
-p
1
tLc
1
.O.-p
n
tLc
n
. W.E.!.
+c&ema lui Poisson se aplic c:nd se urmrete ca 9n e(perimente independente s
apar de g ori un eveniment ,, dac se cunosc probabilitile di"erite de reali5are a sa 9n cele
n e(perimente.
Schema bilei revenite se obine ca un ca5 particular din sc&ema lui Poisson c:nd
urnele 8
1
,O,8
n
au un coninut identic 9n bile albe i negre:
a
1
?O..?a
n
? a i b
1
?O.b
n
?b
n aces ca5 e(tragerea simultan a c:te unei bile din cele n urne identice 8 cu a bile
albe i b bile negre este ec&ivalent cu e(tragerea succesiv a n bile dintr-o singur urn 8 cu
a bile albe i b bile negre, punnd bila 0napoi 0n urn dup fiecare extragere+ pentru ca urna
8 s "ie identic la "iecare din cele n e(trageri succesive.
,vem p
1
?O..?p
n
?p i c
1
?O.c
n
?c?1- p, deci P
n,g
este coe"icientul lui t
g
9n produsul
-ptLc.O-ptLc.?-ptLc.
n
adic:
P
n=>
? C
n
>
/
>
@
nA>
B -g?P,1,O,n.
23
+c&ema bilei revenite se aplic c:nd se urmrete ca 9n n repetri independente ale
unui e(periment, s apar de g ori un eveniment ,, dac se cunoate probabilitatea sa de
reali5are 9n acel e(periment.
,runcrile repetate de mone5i i 5aruri se supun sc&emei bilei revenite, d:nd natere
la evenimente independente.
$ormula combinrilor este:
- 1....- 1. l
- .
1.2... l- .l

+

% n n %
n % n
n n n % n
) )
% % n %
$uncii E\0E2 pentru aranMamente,permutri i combinri :
a. ,ranMamente de n obiecte luate c9te g :
,
n
g
?n-n-1.O-n-gL1.? nl Y -n-g.l
$uncia E\0E2 : ? PE4>8<-n,g.
b. Permutri de g obiecte:
P
g
? 1.2O.g ? gl
$uncia E\0E2 : ? $,0<-g.
c. 0ombinri de n obiecte luate c9te g :
0
n
g
? -
n
g
. ? ,
n
g
Y P
g
? nlY gl-n-g.l
$uncia E\0E2 : ? 0J>/#I-n,g.

!ac n i g au valori mari, "actorialele se calculea5 apro(imativ cu 1o#!u%$ 4ti#%in5:
l 2 .- .
n
n
n n
e

n conclu5ie variabila binomial /-n,p. are densitatea de probabilitate:

"-g.? 0
n
g
p
g
c
n-g
B

-g?P,1,O,n. -1.
0alculul lui "-g. se "ace mai comod prin "ormulele recurente:
"-P. ? c
n
-g?P.
n. 1,2,..., -g .
1
.. 1 - . -
+

'
p
%
% n
% f % f
$uncia de repartiie binomial este :
$uncie E\0E2 : ? /#IJ>!#+<-g,n,p,2.
Pentru 2 ? $,2+E avem densitatea de repartiie binomial "-g. iar pentru
2 ? <48E avem "uncia de repartiie binomial $-g. .
$uncia caracteristic este

n
'
it
pe t . - . - +
!in teorema 2.' re5ult
-P.
- .
e
* " np
i

i
2 2 2
2
- .
m-P.
+ * " n p np'
i

aa c -\. ? >-\
2
.->
2
-\. ?npc.
>odul >o-\. satis"ace relaia np-cn>o-\. nnpLc.
Teo#e!$ 1.11
!ac \,a sunt variabile binomiale independente de tip /-n
1
,p. i respectiv /-n
2
,p.,
atunci \ L a este variabil binomial de tip /-n
1
Ln
2
,p..
26
P
- .

%
+ + n +
n
+
F % ) p '
"emonstraie
0on"orm teoremei 2.' , \La are "uncia caracteristic -pe
it
Lc.
n1
.
-pe
it
Lc.
n2
?-pe
it
Lc.
n1Ln2

deci \La este variabil binomial /-n
1
Ln
2
,p. W.E.!.
alorile "-g. din "ormula -1. se obin prin calcul direct pentru nU3P iar pentru no3P
variabila binomial se poate apro(ima cu cea normal -<eorema 3.1% ->oivre-2aplace. de
mai Mos..
Jbservm c "-g. din "ormula -1. este termenul general al de5voltrii binomului
1?-cLp.
n
, de unde i denumirea de variabil binomial.
!ac urna 8 are a
1
bile de culoarea 1,O,a
m
bile de culoarea m i e(tragem succesiv n
bile cu bi%$ #evenit&, dorim s apar g
1
bile de culoarea 1,O,g
m
bile de culoarea m, deci avem
variabila aleatoare polinomial cu densitatea de probabilitate:

1
1 1
1
l
- ,... . ...
l... l

m
% %
m m
m
n
f % % p p
% %

-g
1
,O,g
m
?P,1,O.n; g
1
LOLg
m
?n.
Pentru m?2 reobinem variabila aleatoare binominal.
E2e!/%e:
1. +e arunc o moned de n?' ori. 0are este probabilitatea s apar stema de g?2 ori Z
Soluie
,runcrile succesive ale monedei sunt independente deci se supun legii binomiale.
,cum
2 , ' ,
2
1
1 ,
2
1
% n p ' p
deci con"orm relaiei -1. avem:
2 2 3
'
'
1 1 '.% 1 '
-2. - . - . . 31.2Q
2 2 1.2 11 2
f )
$uncii E\0E2 : ? /#IJ>!#+<-2,',P.',$,2+E. ? 31.2Q
? /#IJ>!#+<-2,',P.',<48E. ?'PQ
Iumrul mediu de bile albe va "i: >-\.?np?
' . 2
2
'

bile albe i abaterea standard a

numrului de bile albe va "i
1
.
2
1 '
- . npc '. 1.1 bile albe
2 2
!
2. +e arunc un 5ar de n?% ori. 0are este probabilitatea s apar "aa nr. 1 de g?2 oriZ
4o%uie
,runcrile succesive ale 5arului sunt independente deci se supun legii binomiale.
,vem 2 , % ,
1
'
1 ,
1
1
% n p ' p deci con"orm relaiei -1. avem:
2 2
2 2 2
%
% 3
1 ' %.3 ' ' 2'
-2. - . - . . 11.1Q
1 1 1.2 211 1 1
f )
$uncii E\0E2 : ? /#IJ>!#+<-2,%,1Y1,$,2+E. ? 11.1Q
? /#IJ>!#+<-2,%,1Y1,<48E. ?76.%Q
Iumrul mediu de "ee nr. 1 aprute va "i
3 . P
1
%
. - np ! *
bile iar abaterea
standard a numrului de "ee nr.1 aprute va "i - . ! np' ?
2P
31
? 3 . P
3
'
bile
3. +e d o urn 8 cu a?1 bile albe i b ? 1% bile negre. +e e(trag succesiv n?% bile cu
bila revenit. 0are este probabilitatea s obinem g?2 bile albe Z
4o%uie
,vem
2 , % ,
2P
1%
1 ,
2P
1
% n p ' p
deci con"orm "ormulei -1. avem:
27
Q ' . 21
1P
3 . 3
.
2 . 1
3 . %
.
2P
1%
- .
2P
1
- . 2 -
%
2 2
2 2 2
%
) f
$uncii E\0E2 : ? /#IJ>!#+<-2,%,P.3,$,2+E. ? 21.'Q
? /#IJ>!#+<-2,%,P.3,<48E. ?71.1Q
1.+." V$#i$bi%$ i/e#5eo!et#ic&
ariabila aleatoare &ipergeometric este variabila aleatoare cu un numr "init de valori
av:nd ca model sc&ema bilei nerevenite.
$ie o urn 8 cu a bile albe i b bile negre din care se e(trag succesiv n bile 1&#&
#eveni#e$ Cn u#n& $ bi%ei dup "iecare e(tragere -e2t#$5e#i .e/en.ente). 0ele n bile pot "i
e(trase i simultan.
+c&ema bilei nerevenite se aplic la controlul calitii produselor, deoarece cu
convenia bil alb?obiect bun i bil neagr?rebut, rebuturile nu se mai 9ntorc 9n urn dup
e(tragere.
Teo#e!$ 1.1"
Probabilitatea ca din n bile e(trase s apar g bile albe -g?P,1,O,n. 9n cadrul sc&emei
bilei nerevenite este:
,
.
% n %
a b
n %
n
a b
) )
&
)

'e!on(t#$ie:
!in a bile albe se pot "orma 0
a
g
grupe distincte de c:te g bile albe 9n "iecare grup iar
din b bile negre se pot "orma 0
b
n-g
grupe distincte cu n-g bile negre 9n "iecare grup.
E(tragerea culorilor alb i neagr "iind independente, numrul ca5urilor "avorabile 9n
sc&ema bilei nerevenite este 0
g
a
.0
b
n-g
. !in aLb bile se pot "orma 0
aLb
n
grupe distincte cu n bile
9n "iecare grup, deci numrul ca5urilor egal posibile 9n sc&ema bilei nerevenite este 0
aLb
n
.
0on"orm de"iniiei clasice a probabilitii avem:
,
.
W.E.!.

% n %
a b
n %
n
a b
) )
&
)
n conclu5ie, densitatea de probabilitate a variabilei &ipergeometrice *-a,b,n. este:
n
b a
% n
b
%
a
)
) )
% f
+

.
. -
8n calcul comod pentru "-g. se "ace cu "ormulele de recuren:
- 1.....- 1.
-P. ; -g P.
- .- 1.....- 1.
- 1.- 1.
- . - 1.. ; -g 1,2,......n.
- ..
+
+

+ + + +
+ +

+
n
a
n
a b
) a a a n
f
a b a b a b n )
a % n %
f % f %
b n % %
$uncia de repartiie &ipergeometric este :
$uncie E\0E2 : ? *aPpEJ>!#+<-g,n,a,aLb.
3P
P
.
- .

+ n +
%
a b
n
+
a b
) )
F %
)
,vem >-\.?np; -\.?npc
.
1
1
1 -
+

b a
n
!ac aLbq, variabilele binomial i &ipergeometric au apro(imativ aceeai
repartiie.
!ac urna 8 are a
1
bile de culoarea 1,O, a
m
bile de culoarea m, e(tragem succesiv cu
bila nerevenit n bile -e(tragerile pot "i i simultane..
!orim s apar g
1
bile de culoarea 1,O, g
m
bile de culoarea m, deci avem variabila
&ipergeometric cu m stri cu densitatea de probabilitate:
1
1
1 1
1
....
1 1
...
- ,...., .
- ,...., P,1,...., ; .... .
+ + + +

+ +
m
m
m m
% %
a a
m
n
a b a b
m m
) )
f % %
)
% % n % % n
E2e!/%u. ntr-un incubator sunt 1PPP ou din care ' Q neeclo5ionate. +e e(trag
simultan n?1PP ou. 0are este probabilitatea ca s gsim g?7P ou eclo5ionate Z
4o%uie:
,vem sc&ema bilei revenite cu a?7'P ou eclo5ionate i b?'P ou neeclo5ionate.
,vem P
1PP
,
7P
?
1PP
1PPP
1P
'P
7P
7'P
.
)
) )
$uncie E\0E2 : ? *aPpEJ>!#+< -7P,1PP,7'P,1PPP. ?1.%Q
>-\.?np?1PP(P.7'? 7' ou eclo5ionate.
-\.?npc-
1
-1 . 1PP P.7' P.P'
1

+
n
a b
-1-
1PP 1
. %.3 - . %.3 2.1
1PPP 1

deci ! ou eclo5ionate.
1.+.* V$#i$bi%$ Poi((on
ariabila aleatoare Poisson este variabil cu un ir in"init de valori cu densitatea de
probabilitate:
- . ; - P,1, 2,....
l


%
f ! e %
%

1otaie: PJ-.
"-g. se calculea5 recurent ast"el:
"-P.?e

; -g?P.
"-g.
%
% f

.. 1 -
; -g?1,2,3,O.
$uncia de repartiie Poisson este :
$uncie E\0E2 : ? PJ#++JI-g,r,2.
Pentru 2 ? $,2+E avem densitatea de repartiie Poisson "-g. iar pentru
2?<48E avem "uncia de repartiie $-g. .
$uncia caracteristic este
- 1.
- .

it
e
t e

de unde con"orm teoremei 2.'. re5ult:

31
P
- .
l

+ %
+
F % e
+

m
2 2
2
2 2
e-P. -P.
- . ; >-\ .
i
deci -\. >-\ .-> -\.
+

* "
i

Teorema .2
!ac \,a sunt variabile Poisson de tip PJ -
1
. respectiv PJ-
2
) atunci \La este
variabil Poisson de tip PJ (
1
+
2
).
'e!on(t#$ie
0on"orm teoremei 2.'. \La are "uncia caracteristic
1 2 1 2
- 1. - 1. - .- 1.
1 2
- . - . - . .
+

it it it
e e e
t t t e e e

deci \La este variabil Poisson de tip
PJ-
1
+
2
) W.E.!.
Teorema .3
ariabila Poisson se obine din variabila binomial dac nq,pP i np ? .
!emonstraie
,vem :

g

n 1Y
- . 1 1 -1 .
-1 .....-1 .. care tinde catre
l gl -1 .
1 1
deoarece -1- ....-1 . 1, -1 . 1 i -1-p. S-1 . T .
n

% n
% % n %
n
%
% p np
np % p
) p ' e
% n n p
%
p p e
n

4e5ult c modelul apro(imativ al variabilei Poisson este sc&ema bilei revenite
aplicat unei urne "oarte bogate iar cu "oarte puine bile albe i din care se e(trag succesiv cu
bila revenit un numr de n "oarte mare de bile. !in acest motiv variabila Poisson se mai
numete variabila evenimentelor rare.
4epartiia Poisson se gsete des 9n agricultur: numrul gemenilor, numrul
animalelor cu tare genetice i numrul celulelor iradiate cu particule , sunt evenimente
rare.
E2e!/%u
Iumrul mediu de miei la 1PP oi este de 12P miei, 0are este probabilitatea ca o oaie
s "ete 2 miei Z
Soluie
,vem ?1.2 i g?2 deci
2
1.2
1.2
-2. 21.3
2l

f e Q.
$uncii E\0E2 : ? PJ#++JI-2,1.2,$,2+E.?21.3Q
? PJ#++JI-2,1.2,<48E. ? 63.7Q
1., V$#i$bi%e $%e$to$#e c%$(ice continue
1.,.1 V$#i$bi%$ uni1o#!&
ariabila aleatoare uniform are densitatea de probabilitate :
"-(. ?1, ( SP;1T
"-(. ?P, 9n rest
32
$uncia caracteristic este
it
e
t
it
1
. -

i con"orm teoremei 2.'. avem: >-\.?
2
1 . P - e

;
ee
2 2 2
2
-P. 1 1
- . deci -\. >-\ .-> -\.
3 12
* "
i

alorile ( [P,1] ale lui

s
se numesc numere aleatoare i se tabelea5 sau se
generea5 cu calculatorul -"uncia RN'..
0u aMutorul variabilei uni"orme
s
, se pot simula valorile oricrei variabile aleatoare
prin metoda >onte 0arlo .
+imularea altor variabile aleatoare clasice se "ace cu aMutorul variabilei uni"orme s
ast"el:
,legem 9n mod aleator -la 9nt:mplare. m valori ale variabilei uni"orme s
i
SP,1T i
lum ( ? (
i
dac $-(
i
. ? s
i
-i ? 1, O, m. unde $-(. este "uncia de repartiie a variabilei
aleatoare \.
!ac \ este variabil aleatoare discontinu cu un numr "init de valori, cu repartiia:

,
_

n 1
n 1
p bbb p
( bbb (
: \
din relaia $-(
i
. ? s
i
-i ? 1, O, m. re5ult c vom lua:
(
i
? (
1
dac P U s
i
U p
1
(
i
? (
2
dac p
1
U s
i
U p
1
L p
2
OOOOOOOOOOOOOO.
(
i
? (
g
dac p
1
L O L p
g-1
U s
i
U p
1
L O L p
g
OOOOOOOOOOOOOOOOOOOOO.
(
i
? (
n
dac p
1
L O L p
n-1
U s
i
U 1
!ac \ este variabil aleatoare discontinu cu un ir in"init de valori, din condiia P U
p
i
U 1 i

1 i
i
1 p
re5ult c numai pentru un numr "init de valori (
i
avem p
i
V f cu P U f U 1
deci vom lua 9n calcul numai aceste valori.
!ac \ este variabil aleatoare continu, din relaia $-(
i
. ? s
i
-i ? 1, O, m. re5ult (
i

ca "uncie de s
i
.
1.,." V$#i$bi%e%e e2/oneni$%&= Deibu%%= E#%$n5
,. ariabila exponenial E-r. are densitatea de probabilitate:
"-(. ? r e
- r (
; -(oP.
$uncia de repartiie este $-(. ? 1-e
- r (
$uncie E\0E2 : ? E\PJI!#+<-(,r,2.
Pentru 2?$,2+E avem densitatea de probabilitate e(ponenial "-(.
iar pentru 2?<48E avem "uncia de repartiie $-(. .
$uncia caracteristic este d-t.?
1
. 1 -

it
, deci con"orm teoremei 2.'. avem

1 . P - e
. -
i
" *
i >-\
2
.?
ee
2 2
2 2 2
-P. 2 1
deci -\. >-\ .-> -\.
i

33
ariabila e(ponenial 9i gsete aplicaii 9n "iabilitatea mainilor agricole -+eciunea
%.2. de mai Mos..
ariabila e(ponenial admite urmtoarele 5ene#$%iE&#i:
/. !ac \ este variabil e(ponenial E-r. atunci a?\
t
este variabil 4eibull cu
densitatea de probabilitate :
este "uncia de repartiie .
$uncie E\0E2 : ? )E#/822-(,t, 1Y-r
1Yt

., 2.
Pentru 2?$,2+E avem densitatea de probabilitate )E#/822 "-(.
iar pentru 2?<48E avem "uncia de repartiie )E#/822 $-(. .
,vem:
,vem funcia 5ama :
cu proprietile :
1. u-1.?1; u-1Y2.? ;
2. u-nL1. ? nl;
3. u-(L1. ? ( u-(.
0. !ac \
1
,O.\
n
sunt variabile aleatoare e(poneniale, independente c:te dou i
toate de parametru r, atunci \?\
1
LOL\
n
este variabil Erlang cu densitatea de
probabilitate :
$uncia de repartiie este

1
P
.
l
. -
. 1 . -
n
#
#
!
#
!
e ! F

$uncia caracteristic este:

n it
t
n


i
-P. e
>-\. avem 2.'. teoremei con"orm deci . 1 - . -
>-\
2
.?
ee 2
2 2
-P. +

n n
i

deci -\.?>-\
2
. R >
2
-\.?
2

n
ariabila e(ponenial i generali5rile ei )eibull i Erlang, sunt ca5uri particulare ale
variabilei pama generali5ate .
A/%ic$ii %$ 1i$bi%it$te$ !$0ini%o# $5#ico%e
$ie < variabila aleatoare po5itiv a timpului de "uncionare "r de"eciuni a unui
element constructiv al unei maini agricole.
3%
1
- . , - P.


!
f ! ! e !

- . 1 .

!
F ! e

2
1Y 1Y
1
- .
1 2 1
- . ; - . - . - - ..
+

+ +
1

1
]
* " , "

1
P
- .

! t
! t e dt
1
- . ; - P.
- 1.l

n
n !
f ! ! e !
n

4-t.

1
P t
t
Iotm cu $-t. "uncia de repartiie i cu "-t. densitatea de probabilitate a variabilei
aleatoare <.
$iabilitatea elementului constructiv considerat este probabilitatea "uncionrii lui "r
de"eciuni 9n intervalul de timp SP, tT adic:
4-t. ? P-< V t. ? 1 R $-t.
<eorema 2.1. se transcrie pentru 4-t. ast"el:
1. 4 ia valori 9ntre P i 1; 4-P. ? 1;
- . P
lim
t
- t

;
2. 4 este continu la st:nga:
P
P
- . - .
lim
t t
- t - t

;
3. 4 este "uncie descresctoare: t
1
U t
2
4-t
1
. V 4-t
2
.;
%. P-a U < U b. ? 4-a. R 4-b.;P-<U b. ? ?1R 4-b. ; P-a U <. ? 4-a..
pra"icul "iabilitii are "orma:
6itmul defectrii unui element
constructiv este densitatea de
probabilitate de de"ectare a sa la
momentul t, condiionat de "aptul c
"uncionarea sa a "ost "r de"eciuni 9n
intervalul SP, tT adic:
t _
. t _ t < t - P
. t - r
. t < -
P t _
lim
+ < <

>

,vem
. t - 4
. t _ t - 4
1
. t < - P
. t _ t < - P
1 . t _ t < t - P
. t < -
+

>
+ >
+ < <
>
deci:
. t - 4
1
t _
. t - 4 . t _ t - 4
t _
. t _ t < t - P
. t < -

+

+ < <
>
deci trec:nd la limit pentru _t
P obinem:
. t - $ 1
. t - "
. t - 4
. t - e 4
. t - r

. 4eciproc, avem:

t
P
ds . s - r
e . t - 4
pra"icul ritmului de de"ectare are "orma:
3'
r -t.
# ##### ###
P t
r
t
u
t
##
,vem trei perioade 9n evoluia "uncionrii unui element constructiv 9n timp:
#. )erioada de roda7 SP; t
r
T 9n care apar un numr mare de de"ecte de "abricaie;
##. )erioada de via util St
r
; t
u
T 9n care ritmul de de"ectare este sc5ut i
constant;
###. )erioada de u8ur fi8ic St
u
; LT 9n care ritmul de de"ectare crete din nou
datorit u5urii "i5ice.
n pre5ent multe elemente constructive nu mai ating perioada de u5ur "i5ic datorit
9nlocuirii lor, "iind u5ate moral.
<impul mediu de "uncionare "r de"eciuni al unui element constructiv se numete
durabilitatea elementului i este media variabilei aleatoare < adic:

P
dt . t - 4 . < - >
Exemple
1. < ? variabil e(ponenial -seciunea 3.2.3. deci $-t. ?
t r
e 1

aa c
t r
e . t - 4

; r-t. ? r; >-<. ? 1
,cest ca5 se 9nt:lnete 9n perioada ##. de via util c:nd r-t. ? constant.
0on"orm teoremei %.1 de mai Mos, dac probabilitatea "uncionrii "r de"eciuni a
unui element constructiv 9ntr-un interval de timp de lungime t, nu depinde de "uncionarea
anterioar a elementului ci numai de lungimea t a intervalului de timp, atunci < este variabil
e(ponenial.
2. < ? variabil )eibull -seciunea 3.2.3./. deci
t
t r
e 1 . t - $

aa c:
t
t r
e . t - 4

;
1 t
t tr . t - r

;
1
- .
1
* .

+ _

,
n ca5ul P U t U 1, r-t. descrete -ca5ul elementelor cu de"ecte de "abricaie multe da
care se u5ea5 lent.; 9n ca5ul t ? 1 avem r-t. ? r ? constant adic ca5ul 1. al "iabilitii
e(poneniale de mai sus; 9n ca5ul t V 1, r-t. crete -ca5ul elementelor cu de"ecte de "abricaie
puine dar care se u5ea5 rapid..
3. < ? variabil normal -seciunea 3.2.%. deci
( )
2
2
2
1
- .
2
s
t
F t e

cu valori
9n tabela 1 din ,ne(a, dup trans"ormarea
B
v <
8

.
4e5ult 4-t. ? 1 R $-t.;
. t - $ 1
. t - "
. t - r

; >-<. ? v
,ici
2
2
- .
2
1
- .
2
t
f t e

este densitatea de probabilitate a variabilei aleatoare

normale I-;..
!ac dou elemente constructive independente 9ntre ele, au "iabilitile 4
1
-t., 4
2
-t.
atunci leg:ndu-le 9n serie avem un element compus cu "iabilitatea 4-t. ? 4
1
-t.
.
4
2
-t. iar
leg:ndu-le 9n paralel, avem un element compus cu "iabilitatea 4-t. ? 4
1
-t. L 4
2
-t. R 4
1
-t.
.

4
2
-t..
Exemplu
31
!ou elemente constructive independente ale unui tractor au "iabilitile e(poneniale
4
1
-t. ? e
- P.'t
; 4
2
-t. ? e
- 1.'t
. + se calcule5e "iabilitatea elementului compus din cele 2 elemente
precedente 9n montaM serie i paralel.
4o%uie
Pentru montaMul serie avem 4
s
-t. ? e
-P,'t

.
e
-1,'t
? e
-2t
deci r
s
-t. ? 2;
1
- . P.'
2
s
* . .
Pentru montaMul paralel avem 4
p
-t. ? e
-P,'t
L e
-1,'t
R e
-2t
deci
e - .
- .
- .
p
p
p
- t
t
- t

i
>
p
-<. ?
P
- .
p
- t dt

.
1.,.* V$#i$bi%$ no#!$%&
ariabila normal are densitatea de probabilitate:
2
2
- .
2
1
- . ,
2

!
f ! e ! -

care are gra"icul :
$uncia caracteristic este
2 2
2
- .
t
i t
t e

deci con"orm teoremei 2.'. avem:

ee
2 2 2 2 2 2
2
e-P. -P.
- . ; - . -\. - . - . + * " * " deci * " * "
i i


ariabila normal \ are notaia \?I-v, B..
!in gra"icul densitii de probabilitate "-(. a variabilei normale se con"irm cele 2 legi
ale erorilor accidentale, gsite de F$u((:
1. 9egea simetriei: Iumrul valorilor care se abat sub media v este egal cu numrul
valorilor care se abat peste media v;
2. 9egea concentrrii: ,baterile mici de la media v sunt numeroase iar abaterile
mari de la media v sunt rare.
!ac pe verticala lui v lsm s cad boabe de cereale, boabe de nisip sau pietricele ,
acestea se ciocnesc i se rostogolesc "orm:nd o grmad care are 9n seciune vertical pro"ilul
de curb normal de mai sus.
Teorema .:
33
!ac \
1
, \
2
sunt variabile aleatoare normale de tip I-v
1
,
1
. i respectiv I-v
2
,
2
.,
independente 9ntre ele, atunci variabila aleatoare a
1
\
1
La
2
\
2
este o variabil aleatoare normal
de tip I-a
1

1
La
2
v
2
; -a
1
2

1
2
La
2
2

2
2
.
1Y2
..
'e!on(t#$ie
ariabila aleatoare a
1
\
1
La
2
\
2
are con"orm teoremei 2.'. "uncia caracteristic:

1
-a
1
t
1
.
2
-a
2
t
2
.?
2 2 2
1 1
1 1
2
a t
ia t
e


.
2 2 2
2 2
2 2
2
a t
ia t
e


?e
2 2 2 2 2
1 1 2 2
1 1 2 2
- a .
- .
2
a t
i a a t


+
+

deci a
1
\
1
La
2
\
2
este variabil aleatoare normal de tip I-a
1
v
1
La
2
v
2
;
2 2 2 2
1 1 2 2
. + a a W.E.!.
Pentru v?P, ?1 obinem variabila aleatoare normal redus 8?I-P,1. cu densitatea
de probabilitate "-u.?
2
Y 2
1
2
u
e

i cu gra"icul:
2egtura 9ntre variabila normal \?I-v, . i variabila normal redus 8?I-P,1. este
dat de relaia

!
/
respectiv \ ? vL8.
$uncia de repartiie a variabilei normale reduse 8?I-P,1. este

u
t
dt e u F
2
2
2
1
. -

alorile lui $-u. pentru u oP se gsesc 9n tabela 1 din ,ne( iar pentru u UP avem:
$-u.?1-$--u..
pra"icul lui $-u. are "orma:
36
,vem $-u
Y2
. ? P-uUu
Y2
.?1-Y2 si P-|u|Uu
Y2
.?1-.
$uncia E\0E2 : ? IJ4>!#+<-u. d "uncia de repartiie normal redus $-u. .
Pentru $-u. avem i "ormula apro(imativ
2
'
2
1
1
- . 1 . ;
2

u
i
i
i
F u e a0

-uoP. unde
pu
0
+

1
1
cu p?P.2311%17 respectiv a
1
?P.317361';a
2
?-P.3'1'136; a
3
?1.361%36; a
%
?-
1.6212'1; a
'
?1.33P23%
Teorema .;
!ac \ este variabil I-v,. avem:
- . - . - .


b a
& a " b F F


"emonstraie:
4elaia re5ult din teorema 1.3 punctul % cu substituia
.

"
/
n particular pentru a ? v-f, b? vL f i in:nd cont c
. - 1 . -

F F
relaia din
enun capt "orma:
- . 2 - . 1 & " F

< W.E.!.
Exemplu
preutatea la livrare a porcilor 2andrace de 6 luni este variabila normal I-1PP gg; ' gg.. +e
cere probabilitatea ca greutatea porcilor de 6 luni s "ie cuprins 9ntre 76 gg i 1P1 gg Z
Soluie: P-76n\n1P1.?
1P1 1PP 76 1PP
- . - . -1.2. - P.%. -1.2. 1 -P.%.
' '
P.66%7 P.1''% 1 '%Q.

+
+
F F F F F F
$uncii E\0E2 : ? IJ4>!#+<-1.2. ?P.66%7 i ? IJ4>!#+<--P.%.?
?P.3%%1
1.,.+ V$#i$bi%e%e Gi P$t#$t= 4tu.ent= 7i(e#
A. V$#i$bi%$ Gi P$t#$t H
"
)
37
!ac \
1
,O.,\
n
sunt variabile aleatoare I-P,1. independente c:te dou, atunci variabila
\ de"init de relaia:
2 2
1
2
....
n
" " " + + se numete variabil hi ptrat %-
!
& cu n grade de
libertate.
Ea are densitatea de probabilitate:
Y 2 1 Y 2
2
1
- . ; - P.
2 - .
2

n !
n
f ! ! e !
n
$uncia caracteristic este d-t.?-1-2it.
2
n

deci con"orm teoremei 2.'. avem

>-\.?
2 2
2
e-P. m-P.
; - . 2 + n * " n n
i i

aa c :
-\.?>-\
2
.->
2
-\.?2n
Teorema .<
!ac \
1
, \
2
sunt variabile &i patrat cu n
1
grade de libertate respectiv n
2
grade de
libertate, atunci \
1
L\
2
este variabil &i patrat cu n
1
Ln
2
grade de libertate.
'e!on(t#$ie
0on"orm teoremei 2.'. variabila aleatoare \
1
L\
2
are "uncia caracteristic
1 2 1 2
2 2 2
- . -1 2 . .-1 2 . -1 2 .
+


n n n n
t it it it
deci este variabil &i patrat cu n
1
Ln
2
grade de
libertate. W.E.!.
ariabila &i ptrat cu n grade de libertate este un ca5 particular al variabilei pama
generali5ate din aceast seciune, punctul 3.2.1
!ac \ este variabil &i ptrat cu n grade de libertate -no3P. atunci variabila
2
2 2 1 " n /
unde 8 ? I -P,1. de unde re5ult c variabila
2
. 1 2 -
2
+

n /
" este
apro(imativ variabil &i ptrat cu n grade de libertate pentru no3P.
alorile lui
2

date de relaia P-
2 2
.

> se obin din tabela 3 din ,ne(.

$uncia E\0E2 : ? 0*##I-P,p2. d valoarea w
t
2
pentru care
P-
2 2
.

>
B. V$#i$bi%$ 4tu.ent Ht)
!ac \
1
este variabil I -P,1. i \
2
este variabil &i ptrat cu n grade de libertate, \
1
,
\
2
"iind independente 9ntre ele, atunci
n
"
"
1
2
1

se numete variabil Student %t& cu n

grade de libertate.
Ea are densitatea de probabilitate :
1 2
2
1
- .
2
- . -1 .
- .
2
+

n
n
!
f !
n
n
n
,vem >-\. ? P; -\. ?
2 n
n
%P
alorile lui t
Y2
i t

date de relaiile P-|t|Vt

Y2
. ? P-tVt

.?, se obin din tabela 2 din

,ne( . Pentru n o3P variabila +tudent este bine apro(imat de variabila normal I-P,1..
$uncia E\0E2 : ? <#I-P,p2. d valorile t
Y2
pentru care P-|t|Vt
Y2
.?t
C. V$#i$bi%$ 7i(e# H7)
!ac \
1
, \
2
sunt variabile &i ptrat cu n
1
respectiv n
2
grade de libertate, independente
9ntre ele, atunci a?
2
2
1
1
:
n
"
n
"
se numete variabil $isher %$& cu %n

+n
!
& grade de libertate.
Evident
1
1
este tot variabil $is&er cu -n
2
,n
1
. grade de libertate.
!ensitatea de probabilitate este:
$-\. ? -
1 1 1 2
1 2
1
1 1
2 2 2
1 2
2 2
n L n
- .
2
- . . .-1 .
- . - .
2 2
+

+

n n n n
n n
! !
n n
n n
; -(oP.
,vem >-\. ?
2
2 2 1 2
2
2 1 2 2
2n -n n -2.
; -\.
2 - 2. - %.
+

n
n n n n

ariabilele normal redus, &i ptrat, +tudent sunt ca5uri particulare ale variabilei
$is&er \ cu -n
1
,n
2
. grade de libertate ast"el:
- ariabila 8 este
2 1
; 1 n n cu "
- ariabila &i ptrat este \ cu

2 1
; n n n
- ariabila +tudent este \
1Y2
cu n
1
?1;n
2
?n.
alorile critice $

o1 date de relaia P-$V$

.? pentru ?'Q, 1 Q;
P.1 Q se obin din tabelele %-1 din ,ne( .
$uncia E\0E2 : ? $#I-P,p2
1
,p2
2
. d valorile $
t
pentru care
P-$V$

.? .
alorile critice din tabelele 1-1 ale ,ne(ei , sunt legate prin relaiile:
2
Y 2 ;1, , ; ,
; .


n n
/ F n F

;

Y 2; ;1,

n n
t F

Pe gra"ic aceste valori au "orma:
%1
1.,., Vecto#u% $%e$to# no#!$%
ectorul aleator normal i ? -\,a. are densitatea de probabilitate:
2 2
1 2 1 2
2 2 2
1 2 1 2
1 - . - .
S 2 . T
2-1 .
2
1 2
1
- , .
2 1

+

! !
f ! e

$uncia caracteristic este:
2 2 2 2
1 1 2 2 1 1 2 2 1 2 1 2
1
- . - 2 .
2
1 2
- , .
+ + +

i t t t t t t
t t e

,ici \ ?
1 1 2 2
- , ., - , . i -\,a. $ 1 $
,vem vectorul medie >-i. ? -
1 2
; . i
matricea de covarian
0-i. ?
2
1 1 2
2
2 1 2
_

,


pra"icul lui 5? "-(,^. este o supra"a 9n spaiu 9n "orm de clopot cu desc&iderea 9n
Mos, cu v:r"ul clopotului 9n punctul: 1 2
2
1 2
1
- ; ; .
2 1
*

!ac
1 2 1 2
P i 1
obinem vectorul aleator normal redus ) ? -8,.
cu densitatea de probabilitate:
T 2 S
. 1 - 2
1
2
2 2
2
1 2
1
. , -
u2 2 u
e 2 u f

,vem >-). ? - P; P.; 0-). ?

1
1
_

,

%2
!ac i ? -\, a. cu
1 1 2 2
- , ., a I- , . iar ) -8,. cu 8 I -P,1. " $
avem relaiile de legtur:
1 2
1 2
a-
;

"
/


,m v5ut 9n teorema 2.6 punctul '. c 9n general variabilele necorelate liniar pot "i
dependente.
Teorema .=
!ac variabilele aleatoare normale \, a sunt necorelate liniar, ele sunt independente.
"emonstraie
!ac variabilele normale sunt necorelate liniar avem
P
deci:
2 2 1 2
1 2
2 2 1 2
1 2
1
S- . - . T
2
1 2
1
1
- . - .
2
2
1 2
1 1 2
1
- , .
2
1 1
. - . - .
2 2

+

!
!
f ! e
e e f ! f






deci con"orm teoremei 2.3. re5ult c \, a sunt variabile aleatoare independente. W.E.!.
1.- Le5i %i!it&
Teo#e!$ 1.1< HLe5e$ nu!e#e%o# !$#i $ %ui Ceb60ev)
$ie \
1
,OO, \
n
variabilele aleatoare independente c:te dou, cu abaterile standard
mrginite de <. !ac \ ?
1
..... + +
n
" "
n
atunci pentru orice P > avem:
lim P-x\->-\. xU.?1
nq
"emonstraie
!eoarece \
1
,O\
n
sunt independente c:te dou, con"orm teoremei 2.2. avem:
>-\.?
1
- . ... - . + +
n
* " * "
n
iar con"orm teoremei 2.3, avem:
-\. ?
2 2
1
2
- . ... - . + +

n
, " , " n. .
n n n
,plic:nd inegalitatea 0eb:ev din teorema 2.%, avem:
P-x\->-\.xU.o1-
2 2
- .
1
, " .
&
n


!ar
n
lim 1 deci lim P- \->-\. . 1

<
n
&

!in e(presia lui P

re5ult numrul minim de variabile aleatoare care asigur evenimentului

x\->-(.xU. o probabilitate de reali5are superioar lui P

i anume:
%3
2
2
-1 .

.
n
&

. W.E.!.
2egea numerelor mari a lui 0eb:ev arat c media unui numr mare de variabile
aleatoare independente c:te dou i cu abateri R standard mrginite, 9i pierde caracterul de
variabil aleatoare, stabilindu-se 9n Murul mediei sale.
n particular, media a n msurtori independente ale unei 9nsuiri cantitative \ se
stabili5ea5 , c:nd volumul msurtorilor crete.
E2e!/%u:
0:te msurtori trebuie "cute pentru ca greutatea oulelor s "ie cuprins 9ntre %7 g i
'1 g cu o 9ncredere de cel puin 77 Q, dac tolerana ma(im admis la greutatea oulelor este
<?1g Z
4o%uie:
,vem < ? 1 g, ?1g, P

?P.77 deci n ?
2
1
1PP msuratori.
1 P.P1

!ac 9n legea numerelor mari a lui 0eb:ev lum variabilele aleatoare \

1
?O.?\
n
?(
' p
P 1
) ,independente c:te dou, \?
1
... + +
n
" "
n
ia valori de "orma gYn ? " i >-\. ? p;
-\. ? pcn<
2
deci relaia:
P-x\->-\.|U.o
2
- .
1
, "

de mai sus devine:

P-x"-p xU.o1-

&
n
p'

2
0um lim P

? 1 re5ult:
nq
lim P-x"-p xU.?1 deci am demonstrat :
nq
Teo#e!$ 1."3 HLe5e$ nu!e#e%o# !$#i $ %ui Be#nou%%i )
!ac , este un eveniment cu probabilitatea de reali5are p iar " ? gYn este "recvena de
reali5are a acestui eveniment de g ori 9n n e(periene independente, atunci pentru orice V P
avem:
lim P-x"-pxU.?1
nq
!in e(presia lui P

re5ult numrul minim de e(periene independente care asigur

evenimentului x"-pxU o probabilitate de reali5are superioar lui P

:
. 1 -
. 1 -
2
&
p p
n

2egea numerelor mari a lui /ernoulli arat c "recvena " de apariie a unui eveniment
9n n e(periene independente care este 9n "ond media a n valori a unei 9nsuiri calitative \, se
stabili5ea5 9n Murul probabilitii p de reali5are a evenimentului.
%%
Prin urmare, 9n ca5ul unui numr mare de e(periene independente, probabilitatea p
-constant i cunoscut 9naintea e(perienelor. 9ncepe s "ie con"irmat de "recvena "
-variabil i cunoscut dup e(periene..
E2e!/%u:
0are este numrul minim de aruncri ale unei mone5i pentru ca "recvena de apariie a
stemei s "ie cuprins 9ntre %' Q i '' Q cu o 9ncredere de cel puin 7P Q Z
4o%uie:
,vem p ? 1Y2 ? 'P Q; ?' Q ? P.P', P

? 7P Q ? P.7P
deci n?
1PPP
. 7P . P 1 .- P' . P
. ' . P 1 - ' . P
. 1 -
. 1 -
2 2

&
p &
aruncri
Teo#e!$ 1."1 HLe$/unov)
!ac \
1
,O..,\
n
sunt variabile aleatoare independente i suma lor \?\
1
LO.L\
n

satis"ace condiia:
3 3
1 1
3
- - . . .... - - . .
lim P
- .

+ +

n n
n
* " * " * " * "
"
atunci "uncia de repartiie a variabilei aleatoare normate
- .
- .
" * "
!
tinde ctre "uncia de
repartiie $-(. a variabilei normale reduse I -P,1. c:nd nq . -"r demonstraie.
0u alte cuvinte, dac valorile a n variabile aleatoare independente , vor "i mici 9n
raport cu suma lor, atunci aceast sum are o repartiie normal c:nd nq.
!ac 9n teorema 1.22 lum variabilele aleatoare independente \
1
?O.?\
n
?(
' p
P 1
)
deci \ ? \
1
LO.L\
n
este variabil binomial, condiia din enunul teoremei 1.22 este
9ndeplinit deoarece >-\
i
. ? pc aa c > -x\
i
->-\
i
.x
3
. sunt "inite i egale 9ntre ele deci:
3
3 3
1
3
3 3 3
S - - . .T
- . - .
P
- .
- .

n
i i
i i i
* " * "
n* " p * " p
"
np' n p '

pentru n q deci re5ult:

Teo#e!$ 1."" HMoiv#eAL$/%$ce)
!ac \ este o variabil binomial cu media >-\. ? np i variana -\. ? ?npc cu
c?1-p, atunci "uncia de repartiie a variabilei aleatoare normate
- .
- .

" * " " np

"
np'

tinde ctre "uncia de repartiie $ a variabilei normale reduse I-P,1.

c:nd n q.
0u alte cuvinte, probabilitatea ca un eveniment , s se reali5e5e 9n n e(periene
independente de un numr de ori cuprins 9ntre a i b este apro(imativ egal cu:

. - . -
np'
np a
F
np'
np b
F

c:nd n o3P
alorile lui $-u. pentru u oP sunt date de tabela 1 din ,ne( iar pentru
u UP avem $-u. ? 1-$--u..
E2e!/%u:
%'
ntr-o urn se a"l 1PP bile albe i %PP bile negre. +e e(trag n ? 2PP bile cu bila
revenit. +e cere probabilitatea ca numrul \ de bile albe e(trase s "ie cuprins 9ntre 1PP i
1%P bile albe.
4o%uie: ,vem: p?1Y1P ; c?%Y1P ; n?2PP ; a?1PP ;b?1%P
deci:
1 1
1%P 2PP. 1PP 2PP.
1P 1P
-1PP 1%P. - . - .
1 % 1 %
2PP. . 2PP. .
1P 1P 1P 1P
-2.7. - 2.7. 2. -2.7. 1 2 P.7761 1 77.1Q



& " F F
F F F
1.: ReEu!$t
n acest capitol se pre5int de"iniia unui eveniment , clasi"icarea evenimentelor i e(emple,
de"iniia a(iomatic i clasic a probabilitii , de"iniia probabilitii condiionate , "ormulele
probabilitii totale i /a^es , variabil aleatoare pentru care se descrie "uncia de repartiie i
densitatea de probabilitate, media , variana i "uncia caracteristic .
!easemenea se pre5int noiunea de vector aleator pentru care se descrie covariana i
coe"icientul de corelaie liniar , variabilele aleatoare clasice discontinue 9ntre care remarcm
variabilele binomial i Poisson ,variabilele aleatoare continue 9ntre care remarcm variabilele
e(ponenial , normal , &i patrat ,+tudent i $is&er precum i vectorul aleator normal.
0apitolul se 9nc&eie cu legile limit : 0eb:ev , /ernoulli i teorema limit-central.
1.; Int#eb&#i
1. 0e este un eveniment i ce operaii se "ac cu evenimente Z
2. 0are este de"iniia clasic a probabilitii i ce propriet9i are probabilitatea Z
3. 0um se aplic "ormula probabilitii totale i "ormula /a^es la diagnosticul bolilor la
animale Z
%.Enumerai proprietile "unciei de repartiie i densitii de probabilitate a unei variabile
aleatoare .
'. Enumerai proprietile mediei i varianei unei variabile aleatoare .
1. Enumerai proprietile covarianei i coe"icientului de corelaie liniar pentru
pentru un vector aleator .
3. 8nde se aplic variabilele discontinue binomial i Poisson Z
6. 8nde se aplic variabilele continue e(ponenial , normal , &i patrat ,+tudent i $is&er Z
7. 0e importan practic au legile-limit 0eb:ev i /ernoulli Z

1.< Bib%io5#$1ie
1.!.Ene , >.!rg&ici, #.I. ,lecu G +tatistic aplicat 9n agricultur G Ed.0eres,2PP3
2.>.#osi"escu i col. G >ic enciclopedie de statistic G Ed.[tiini".i Enciclop,,176'
3. ,nuarul statistic al 4om:niei , 177P -2PP3
%1