Matematica Complet

111
Serii Fourier
19. Sa se1 al uleze sumele urm

numeri e: 1
1atoarelor serii
X
X
X
1
1
1
; ) S = ( 1)n
.
a) S = ( 1)n+1 ; b) S = ( 1)n
n
3n + 2
4n + 1
n=0
n=0
n=1
20. Sa se apli e transformata Euler-Abel urmatoarelor serii de puteri, determinânduse astfel sumele a estora:
1
1
X
X
a) (n3 + n + 1) xn; b) (n5 + 2) xn.
n=0
n=0
21. Sa se al uleze, folosind dezvoltarea ^n serie de puteri a fun tiilor sin x si os x,
integralele:
Z 1
Z 1
2
I1 = sin x dx si I2 = os x2 dx
0
0
u o aproximatie " < 10 4 .
22. Sa se al uleze,
folosindZ dezvoltarea ^nZ serie de puteri, urmatoarele integrale:
Z 1
1 sh x
1=2
sin x
a)
dx; b)
dx; )
e x dx
x 3
0
0 x
0
u o aproximatie " < 10 .
2
x4. SERII FOURIER

Fie fun t
ia f : [ l; l ! IR; Zl > 0 o fun tie integrabila peZ [ l; l. Numerele:
1Z l
1 l
kx
kx
1 l
a0 =
f (x) dx; ak =
f (x) os
f (x) sin
dx; bk =
dx;
l
l
l
l
l
l
l
l
k 2 IN , se numes oe ientii Fourier ai fun tiei f ^n raport u sistemul trigonometri
de fun tii:
1
x
x
nx
nx
; os ; sin ; ; os
; sin
; .
2
l
l
l
l
Da a F : IR ! IR este prelungirea periodi a de perioada 2l a fun tiei f , atun i ori are
ar x0 2 IRZavem:
kx
kx
1 x +2l
1 Z x +2l
F (x) os
F (x) sin
ak =
dx; k 2 IN; bk =
dx; k 2 IN .
l x
l
l x
l
Seria trigonometri a:
1
nx
nx
a0 X
an os
; x 2 [ l; l
+
+ bn sin
2 n=1
l
l
unde a0 ; ak ; bk ; k 2 IN sunt oe ientii Fourier ai fun tiei f , se numeste seria Fourier
a fun tiei f .
O fun tie f : [a; b ! IR se numeste neteda pe [a; b da a f 2 C 1 ([a; b). O fun tie
f : [a; b ! IR se numeste neteda pe portiuni da a are derivata ontinua pe [a; b u
ex eptia unui numar nit de pun te din [a; b ^n are f nu este derivabila, dar are derivate
laterale nite.
0
112
Capitolul 2
Teorema 2.4.1. Da a f : [ l; l ! IR este neteda pe portiuni, atun i seria ei Fourier

este onvergenta ^n 8 x 2 [ l;l si suma sa s(x):
1
nx
nx
a X
an os
+ bn sin
s(x) = 0 +
2 n=1
l
l
este egala u:
8
f (x + 0) + f (x 0)
>
>
<
; da a x 2 ( l; l);
s(x) = > f ( l + 0)2+ f (l 0)
>
:
; da a x = l;
2
unde f (x + 0) = ulim
!x f (u).
!x f (u); f (x 0) = ulim
u>x
u<x
Da a f este ontinua ^n ori e pun t x 2 ( l; l) atun i s(x) = f (x); 8 x 2 ( l; l), iar
da a f este neteda pe [ l; l si f ( l) = f (l) atun i s(x) = f (x); 8 x 2 [ l; l.
Teorema 2.4.2 (Dezvoltarea unei fun tii ^n serie de osinusuri). Da a fun tia
f : [0; l ! IR este neteda pe portiuni, atun i seria:
1
nx
a0 X
+ an os
,
2 n=1
l
2Z l
nx
unde an =
f (x) os
dx; n 2 IN , este onvergenta ^n 8 x 2 [0; l. În plus, suma
l 0
l
sa s(x) este data prin:
8
f (x + 0) + f (x 0)
>
>
>
; da a x 2 (0; l);
>
<
2
s(x) = >
f (0 + 0);
da a x = 0;
>
>
>
:
f (l 0);
da a x = l:
Teorema 2.4.3 (Dezvoltarea unei fun tii ^n serie de sinusuri). Da a fun tia
f : [0; l ! IR este neteda pe portiuni atun i seria:
1
X
nx
,
bn sin
l
n
=1
nx
2Z l
f (x) sin
unde bn =
dx; n 2 IN , este onvergenta ^n 8 x 2 [0; l: În plus, suma
l 0
l
sa s(x) este:
8
f (x + 0) + f (x 0)
>
<
; da a x 2 (0; l);
s(x) = >
2
:
0;
da a x = 0 si x = l:
PROBLEME REZOLVATE
1. Sa se dezvolte ^n serie Fourier urmatoarele fun tii:
a) f (x) = x; x 2 [ l; l; b) f (x) = x2 ; x 2 [ l; l;
113
Serii Fourier
8
<
0; da a x 2 [ ; 0);
d) f (x) = jxj; x 2 [ ; ;
x; da a x 2 [0; ;
e) f (x) = ar sin(sin x); x 2 [ ; .
Rezolvare. Fun tiile de mai sus satisfa onditiile Teoremei 2.4.1.
a) Deoare e
f este impara, rezult
a a an = 0; 8 2 IN , iar:
nx
nx
2Z l
2
nx l 2 Z l nx
1Z l
+
x sin
x sin
os
dx =
dx =
x os
dx =
bn =
l l
l
l 0
l
n
l 0 n 0
l
2l
2l
nx l 2l
=
=
os n +
sin
( 1)n+1 ; 8 n 1.
2
0
n
(n )
l
n
De i seria Fourier aso iata fun tiei f este:
1 ( 1)n+1
2l X
nx
sin
n=1 n
l
8
<
x; da a x 2 ( l; l);
u suma s(x) = :
0; da a x = l:
b) Fun tia f ind para rezulta a bn = 0; 8 n 1, iar:
1Z l
2Z l
2Z l 2
2l 2
nx
a0 =
dx =
f (x) dx =
x dx = ; an =
f (x) os
l l
l 0
3
l 0
l
Z l
Z
nx
nx
2
nx l 2 l
2l 2
2
x2 os

2
x
sin
dx = x2 sin
dx
=
sin n
=
l Z0
l
n
l 0 n 0 Z
l
n 2
l
nx
4l
nx l
4l
nx
4l
4 l

x sin
dx =
x
os
os
dx =
( 1)n
2
2
0
n 0
l
(n )
l
(n ) 0
l
(n )2
2
nx l
4l 2
n 4l .
sin
= ( 1)
(n )3
l 0
(n )2
Seria Fourier atasata fun tiei f este:
1 ( 1)n
l 2 4l 2 X
nx
+ 2
os
.
2
3 n=1 n
l
Deoare e fun tia f are derivata ontinua pe [ l; l si f ( l) = f (l) = l2 rezulta a
suma seriei de mai sus este s(x) = f (x); 8 x 2 [ l; l, adi a:
1 ( 1)n
nx
l 2 4l 2 X
2
os
; 8 x 2 [ l; l.
x = + 2
2
3 n=1 n
l
Pentru l = , obtinem egalitatea:
1 ( 1)n
X
2
2
x = +4
2 os nx; 8 x 2 [ ; .
3
n=1 n
Da a luam ^n relatia obtinuta x = 0 si x = obtinem suma seriei alternate armoni e
generalizata, u = 2:
2
1
1 1
1 2 + 2 + ( 1)n+1 2 + = ,
2 3
n
12
respe tiv suma seriei armoni e generalizate u = 2:
1 1
1
2
1+ 2 + 2 ++ 2 + = .
2 3Z
n
6
1
1Z

) Avem a0 =
f (x) dx =
x dx = , iar:

0
2
) f (x) = :
114
Capitolul 2

1Z
1
1 Z
1Z
f (x) os nx dx =
x os nx dx = x sin nx0
sin nx dx =
an =

0
n
n 0

1
1
= 2 os nx0 = 2 [( 1)n 1;
n
n

1Z
1Z
1
1 Z
bn =
f (x) sin nx dx =
x sin nx dx =
os nx dx =
x os nx0 +
n
0
n
n 0

1
( 1)n+1
1

( 1)n + 2 sin nx0 =
; 8 n 1.
=
n
n
n
De i seria Fourier
aso iata fun tiei f este:
)
1 ( 1
X
( 1)n+1
n
+
[( 1) 1 os nx +
sin nx =
4 n=1 n2
n
1 ( 1)n+1
1 os (2k 1)x X
2X
+
sin nx
=
4 k=1 (2k 1)2
n
n=1
8
>
8
>
0; da a x 2 ( ; 0);
>
>
>
<
< f (x); da
a x 2 ( ; );
sau s(x) = > x; da a x 2 [0; );
u suma: s(x) = >
; da a x =
>
:

>
>
2
:
; da a x = ;
2
f ind derivabila pe [ ; n f0g.
d) Cal ulam oe ientii Fourier ai fun tiei f :
2Z
2x2
1Z
= ,
f (x) dx =
x dx =
a0 =
Z
0
2 0
Z

1
2
2
2 Z
an =
f (x) os nx dx =
x os nx dx = x sin nx0
sin nx dx =

0
n
n 0

2
2
= 2 os nx0 = 2 [( 1)n 1; n 1,
n
n
iar bn = 0, a i f este o fun tie para.
De i seria Fourier aso iata fun tiei f este:
1 2
1 os (2k 1)x
4X
X
n 1 os nx =
+
[(
1)
2 n=1 n2
2 k=1 (2k 1)2
a arei suma s(x) este: 8
< f (x); da
a x 2 ( ; );
s(x) = :
; da a x = ;
sau s(x) = jxj; 8 x 2 [ ; , f ind derivabila pe [ ; n f0g.
e) Deoare e
fun tia f este impara rezult
a a an = 0; 8 n 0; iar:
1Z
2Z
bn =
ar sin(sin x) sin nx dx =
ar sin(sin x) sin nx dx =

0
Z

2 Z =2
os x
2
2

p
os nx
os nx dx
ar sin(sin x) os nx0 +
=
2 x dx = n 0
n
n 0
1
sin
Z
=2

2
n
2
n
2
2
2

os nx dx = 2 sin nx0
sin
nx

sin
+
sin
=
=
=2
n =2
n
n2
n2
2 n2
2
4
n
= 2 sin ; 8 n 1.
n
2
Seria Fourier este:
Serii Fourier
115
1 1
n
4X
sin sin nx; 8 x 2 [ ; ,
2
n=1 n
2

u suma s(x) = f (x); 8 x 2 [ ; ; f ind derivabila pe [ ; n
; . De i:
2
2
1 1
1 ( 1)k
n
4X
4X
sin sin nx =
sin (2k + 1)x; 8 x 2 [ ; .
ar sin(sin x) =
n=1 n2
2
k=0 (2k + 1)2
Da a vom onsidera fun tia F : IR ! IR; F (x) = ar sin(sin x), prelungirea prin
periodi itate a fun tiei f , obtinem:
1 ( 1)k
4X
ar sin(sin x) =
sin (2k + 1)x; 8 x 2 IR.
k=0 (2k + 1)2
2. Sa se dezvolte ^n serie Fourier
urmatoarele fun tii:
8
>
1; da a x 2 ( ; 0);
>
>
<
a) f : [ ; ! IR; f (x) = > 0; da a x = 0; ; ;
>
>
:
1; da a x 2 (0; ):
8
>
a; da a x 2 [ ; =2);
>
>
<
b) f : [ ; ! IR; f (x) = > a; da a x 2 [ =2; =2;
>
>
:
a; da a x 2 (=2; :
8

2a
>
>
;
(x + ); da a x 2 ;
>
>
>

2
>

<

2a
) f : [ ; ! IR; f (x) = >
x;
da a x 2
; ;

>
2 2
>
>
2a

>
>
:
( x); da a x 2 ; :

2
Rezolvare. a) Deoare e f este impara (vezi Figura 2.4.1) rezulta a an = 0;
8 n 2 IN . Pentru
bn avem:

1Z
2
2Z
2
bn =
f (x) sin nx dx =
sin nx dx =
os nx0 = (1 ( 1)n ):

0
n
n
Seria Fourier aso iata lui f este:

1 2
1
X
X
sin 3x sin 5x
4
4
n
(1 ( 1) ) sin nx =
sin (2k +1)x = sin x +
+
+ ,

3
5
n=1 n
k=0 (2k + 1)
u suma s(x) = f (x). Da a F este prelungirea prin periodi itate a fun tiei f pe IR atun i
are lo egalitatea:

4
sin 3x sin 5x
F (x) = sin x +
+
+ ; 8 x 2 IR.

3
5
b) Fun tia f ind para (vezi Figura 2.4.2) rezulta a bn = 0; 8 n 2 IN : Pentru an
avem:
2Z
2 Z =2
2Z
1Z
f (x) dx =
f (x) dx =
a dx +
( a) dx = a a = 0;
a0 =

0
0
=2
1Z
2Z
2 Z =2
2Z
an =
f (x) os nx dx =
f (x) os nx dx =
a os nx dx
a os nx dx =

0
0
=2

=2
2a
2a n 2a n 4a n
2a
sin nx=2 = sin + sin = sin ; n 1.
= sin nx0
n
n
n
2 n
2
n
2
116
Capitolul 2
y
y
a
1
-p
-p 2
-p
p x
p2
-1
-a
Figura 2.4.1
Figura 2.4.2
Seria Fourier aso iata lui f este:

1 1
1
n
4a X
1
4a X
sin os nx =
( 1)k os (2k + 1)x =
n=1 n 2
k=0 2k + 1
os 3x os 5x
4a
os x
=
+
,

3
5
8
>
a; da a x 2 [ ; =2);
>
>
>
>
>
<
a; da a x 2 ( =2; =2);
u suma s(x) = >
>
a; da a x 2 (=2; ;
>
>
>
>
:
0; da a x = =2; =2:
) Deoare e fun tia f este impara (vezi Figura 2.4.3) rezulta a an = 0; 8 n 2 IN .
Avem:
1Z
2Z
2 Z =2 2a
bn =
f (x) sin nx dx =
f (x) sin nx dx =
x sin nx dx+

0
0
Z
=2

=2
2
4a
4a
4a
2a
+
( x) sin nx dx = 2 x os nx0 + 2 2 sin nx0
os nx=2 +
=2
n
n
n

4
a
8
a
n
4a
sin nx=2 = 2 2 sin .
+ 2 x os nx=2
n
2 n2
n
2
y
a
-p
-p 2
p x
p2
-a
Figura 2.4.3
Seria Fourier aso iata fun tiei f este:

1 1
1
8a X
n
8a X
1
sin
sin
nx
=
( 1)k sin (2k + 1)x =
2 n=1 n2
2
2 k=0 (2k + 1)2
Serii Fourier
117

8a
sin 3x sin 5x
= 2 sin x
+

,

32
52
u suma s(x) = f (x); 8 x 2 [ ; .
3. Sa se dezvolte ^n serie de8 osinusuri urmatoarele fun tii:
<
1; da a x 2 [0; a;
a) f : [0; ! IR; f (x) = :
0; da a x 2 (a; ; (0 < a < ):
8
x
>
< 1
; da a 0 x 2;
2
b) f : [0; ! IR; f (x) = >
:
0;
da a 2 < x ; (0 < < =2):
Rezolvare.Z a) Coe ientii Fourier sunt:
2
2Za
2a
2
a0 =
f (x) dx = ; an =
os nx dx = sin na; 8 n 1:
0

0
n
Seria de osinusuri atasata fun tiei f este:
1 sin na
a 2X
+
os nx; x 2 [0; ,
8 n=1 n
>
>
1; da a x 2 [0; a);
>
>
<
u suma s(x) = > 0; da a x 2 (a; ;
>
1
>
>
:
; da a x = a;
2
onform Teoremei 2.4.2 (f este derivabila pe [0; n fag).
b) Avem:
2Z
2 Z 2
2
x
a0 =
f (x) dx =
dx = ,
1
Z0
0
2

2
2 Z 2
2
x
2
f (x) os nx dx =
os nx dx = sin nx0
1
an =
0
0
2
n
1 Z 2
1 Z 2
1
2
2
2
x sin nx0 +
x os nx dx = sin 2n
sin nx dx = sin 2n
0
n
n
n 0
n
2
1
1
2
sin 2n
os nx0 =
(1 os 2n); n 1.
n
n2
n2
Seria de osinusuri aso iata fun tiei f este:
#
"
1 1
1 sin n 2
X
2 1 X
os nx ; x 2 [0; ,
+
(1 os 2n) os nx =
+
n=1 n2
2 n=1 n
u suma s(x) = f (x); 8 x 2 [0; , f ind derivabila pe [0; n f2g.
4. Sa se dezvolte ^n serie de sinusuri urmatoarele fun tii:
a) f : [0; ! IR; f (x) = os
ax; a 2 IR:
8
< x; da
a x 2 [0; =2;
b) f : [0; ! IR; f (x) = :
0; da a x 2 (=2; :
Rezolvare.
a) Da a a 2 ZZ , pentru n 6= a, avem:Z
2Z
2
1
bn =
f (x) sin nx dx =
os ax sin nx dx =
[sin (n + a)x + sin (n a)x dx =
0
0
0

1
1
1
1
1
1
=
os (n + a)x0
os (n a)x0 =
os (n + a) +
n+a
n a
n+a
n+a
118
Capitolul 2

1 1 1
1
=
os (n a) +
(1 os (n + a) ) +
(1 os (n a) ) =
n a
n a
n+a
n a

1
2n
1 1
(1 ( 1)n os a ) +
(1 ( 1)n os a ) =
[1 ( 1)n+a .
=
2
n+a
n a
(n a2 )
Pentru n = a sau n = a, bn = 0, de i seria de sinusuri va :
1
i
h
X
2n
n+a sin nx,
1
(
1)
2 a2 )
n=1 (n
n8
6=jaj
os ax; da a x 2 (0; );
0;
da a x = 0 si x = ;
onform Teoremei 2.4.3.
1 2n
Da a a 62 Z atun i bn = 2 2 (1 ( 1)n os a ); 8 n 2 IN , iar seria de sinusuri
n a
este:
1
n
2X
n
2
2 [1 ( 1) os a sin nx,

n
a
8 n=1
< os ax; da
a x 2 (0; );
u suma s(x) = :
0;
da a x = 0 si x = :
b) Avem:
=2
2Z
2 Z =2
2
2 Z =2
bn =
f (x) sin nx dx =
x sin nx dx =
os nx dx =
x os nx0 +
0

n
n
0
0

=2
2 1 n
n
2
n
1
; n 1;
os + 2 sin nx0 =
sin
os
=
n
2 n
n n
2 2
2
de unde rezulta:
1
2
b2k = ( 1)k+1 ; k 2 IN ; b2k 1 = ( 1)k+1
; k 2 IN .
2k
(2k 1)2
Seria de sinusuri
aso iata fun tiei f este:

1
1
X
X
1
1 1 n
n
2
sin nx = ( 1)k+1 sin 2kx+
sin
os
n=1 n n
2 2
2
2k
k=1
1
X
2
+ ( 1)k+1
sin (2k 1)x,
(2k 1)2
8 k =1
>
>
x; da a x 2 [0; =2);
>
>
<

u suma s(x) = > ; da a x = =2;
4
>
>
>
: 0;
da a x 2 (=2; ;
f ind derivabila pe [0; n f=2g.
<
u suma s(x) = :
PROBLEME PROPUSE SPRE REZOLVARE

5. Sa se dezvolte ^n serie Fourier urmatoarele fun tii:
119
Serii Fourier
a) f (x) = x3 ; x 2 [ l; l; b) f (x) = eax ; x 2 [ ; ; a = onst: 6= 0;

) f (x) = h ax; x 2 [ ; ; a 2 IR ; d) f (x) = sh ax; x 2 [ ; ; a 2 IR .
6. Sa se dezvolte ^n serie Fourier
urmatoarele fun tii:
8
>
0; da a x 2 [ ; + b);
>
>
>
>
>
>
a; da a x 2 [ + b; b;
>
>
<
a) f : [ ; ! IR; f (x) = > 0; da a x 2 ( b; b);
>
>
>
>
a; da a x 2 [b; b;
>
>
>
>
:
0; da a x 2 ( b; ; 0 < 2b < :
8
>
0; da a x 2 [ ; );
>
>
<
b) f : [ ; ! IR; f (x) = > a; da a x 2 [ ; ;
>
>
:
0; da a x 2 ( ; ; 0 < < :
8
>
0;
da a x 2 [ ; );
>
>
>
>
a
>
>
<
(x + ); da a x 2 [ ; 0);
) f : [ ; ! IR; f (x) = > a
>
( x); da a x 2 [0; ;
>
>
>

>
>
:
0;
da a x 2 ( ; ; 0 < < ;
(vezi Figura 2.4.4).
y
a
a
-p
-p+b
-b O
x
b
p-b p
-p
-c
-a
b)
a)
y
a
-p
-c
c
O
c)
Figura 2.4.4
120
Capitolul 2
7. Sa se dezvolte ^n serie de osinusuri urmatoarele fun tii:

a) f : [0; ! IR; f (x) = sin
ax; a 2 IR :

8

>
>
p ; da a x 2 0; 3 ;
>
>
>
2
3
>

>
>
2
>
>
>
;
;
0
;
da
a
x
2
>
>
>
3
3

>
<

2
; ;
b) f : [0; ! IR; f (x) = > p ; da a x 2
3
2 3
>
>
>
>
>
p ; da a x = 3 ;
>
>
>
4 3
>
>
>
>
>
>
p ; da a x = 23 :
:
4 3
8. Sa se dezvolte ^n serie de8 sinusuri urmatoarele fun tii:
< 0; da
a x 2 [0; a;
a) f : [0; ! IR; f (x) = :
1; da a x 2 (a; ; 0< a < :
8
x

>
>
p
;
da
a
x
2
0
;
;
>
>
>
3
2
3
>

>
<
p2
2
;
; da a x 2 ;
b) f : [0; ! IR; f (x) = >
3 3
6 3
>
>

>
>
(p x)
2
>
>
:
; :
; da a x 2
3
2 3
178
Capitolul 3
1 ln (1 + 2 x2 ) ln (1 + 2 x2 )
dx; ; > 0.
b) I (; ) =
x4
0
24. Folosind integrarea sub semnul integrala sa se al uleze urmatoarele integrale:
Z 1
e x e x
os mx dx; ; > 0; m 6= 0;
a) I (; ; m) =
x
0
Z 1
1 ax
e ( os bx os x) dx; a > 0; b; 2 IR;
b) I (a; b; ) =
0 x
Z 1
1 ax
e (sin bx sin x) dx; a > 0; b; 2 IR.
) I (a; b; ) =
0 x
Z
x3. INTEGRALELE LUI EULER
Integralele:

(1 x)q 1 dx; p; q 2 IR
10 p 1
x e x dx; p 2 IR
0
B (p; q ) =
(p) =
xp
si
se numes integralele lui Euler de primul tip, respe tiv de al doilea tip (sau fun tiile beta,
respe tiv gama ale lui Euler).
PROBLEME REZOLVATE
1. Sa se demonstreze a:
a) B (p; q ) este onvergenta pentru p > 0 si q > 0 si ^n rest divergenta;
b) (p) este onvergenta pentru p > 0 si divergenta pentru p 0;
) integrala (p) depinzând de parametrul p este uniform onvergenta pe ori e segment [a; b (0; 1).
Rezolvare. a) Da a p 1 0 , p 1 si q 1 0 , q 1 atun i B (p; q ) este o
integrala proprie, de i onvergenta. Da a p 1 < 0 , p < 1 sau q 1 < 0 , q < 1 atun i
B (p; q ) este o integrala improprie de al doilea tip u x = 0 pun t singular sau x = 1 pun t
singular. Avem: Z
Z 1
a
p
1
q
1
B (p; q ) = x (1 x) dx + xp 1 (1 x)q 1 dx; 0 < a < 1.
0
179
Integralele lui Euler
(1 x)q 1
dx este onvergenta da a si
x1 p
0
0Z
Z 1
1
xp 1
numai da a 1 p < 1 , p > 0, iar integrala I2 = xp 1 (1 x)q 1 dx =
dx
a
a (1 x)1 q
este onvergenta da a si numai da a 1 q < 1 , q > 0.
De i B (p; q ) este onvergenta pentru p > 0 si q > 0, ^n rest ind divergenta.
b) Da a p 1 0 , p 1 integrala (p) este improprie de primul tip, onvergenta,

p 1 x
deoare e xlim
!1 x x e = 0; 8 2 IR: Da a p < 1 atun i (p) este improprie de
ambele tipuri. O des ompunem
astfel:
Z 1
Z a
p
1
x
xp 1 e x dx; 0 < a < 1:
(p) = x e dx +
a
0
Z a
e x
Integrala I1 =
dx este onvergenta pentru 1 p < 1 , p > 0, iar I2 =
0 x1 p
Z 1
=
xp 1 e x dx este onvergenta pentru 8 p 2 IR dupa um am vazut mai sus.
a
Dedu em astfel a (p) este onvergenta pentru p > 0 si divergenta pentru p 0.
) Sa onsideram un interval [a; b (0; 1) arbitrar, momentan xat (0 < a < b).
Avem:
Z 1
Z 1
p
1
x
xp 1 e x dx.
(p) = x e dx +
Integrala I1 =
xp 1
{z
(1
I1
p
x 1e x
x)q 1 dx
{z
I2
Pentru I1 avem
xa 1 e x; 8 x 2 (0; 1; 8 p 2 [a; b; iar integrala
xa 1 e x dx este onvergenta (1 a < 1 , a > 0). Rezulta astfel a I1 este uniform
0
onvergenta ^n raport u p 2 [a; b.
PentruZ I2 avem inegalitatea xp 1 e x xb 1 e x ; 8 x 2 [1; 1); 8 p 2 [a; b; iar
1 b 1 x
integrala
x e dx este onvergenta. Rezulta a si I2 este uniform onvergenta pe
1
[a; b, de i (p) este uniform onvergenta pe [a; b.
2. Sa se demonstreze urmatoarele proprietati ale integralelor lui Euler:

p
1

= ;
a) (p + 1) = p (p); 8 p > 0; b) (n) = (n 1)! ; 8 n 2 IN ; )
2
d) qB (p + 1; q ) = pB (p; q + 1); 8 p; q > 0;
e) B (p + 1; q ) + B (p; q + 1) = B (p; q ); 8 p; q > 0;
Z 1
tp 1
f) B (p; q ) =
dt.
0 (1 + t)p+q
Rezolvare.
a) Avem: Z
Z 1
1
1Z 1 p x
1 1 p0 x
1
1
(p) =
xp 1 e x dx =
(x ) e dx = xp e x 0 +
x e dx = (p + 1),
p 0
p
p 0
p
0
de i (p + 1) = p (p); 8 p > 0.
b) Folosind relatia de la pun tul a) obtinem:
(n) = (n 1) (n 1) = (n 1)(n 2) (n 2) = = (n 1)! (1),
Z
180
Capitolul 3
iar (1) =
0
e x dx = e
x 1 = 1. De i
0
x dx: Not
am x

(n ) = ( n
1)!;
8 n 2 IN .
Z 1
1
=
x 1=2 e
= u2 ; dx = 2u du. Rezulta:
2
0
p p

Z 1
Z 1
1
1
u
u
=
u e 2u du = 2
e du = 2
= ,
2
2
0
0
(am folosit integrala lui Euler-Poisson).
d) Avem:
Z 1
Z 1
1
xp [(1 x)q 0 dx = xp (1 x)q 0 +
qB (p + 1; q ) = q xp (1 x)q 1 dx =
0
q
x) dx
8 p; q > 0.
1
1
e) B (p + 1; q ) + B (p; q + 1) = xp (1 x)q 1 dx + xp 1 (1 x)q dx =
0
0
1
1
p
1
q
1
p
1
q
1
= x (1 x) (x + 1 x) dx = x (1 x) dx = B (p; q ); 8 p; q > 0.
0
0
x
dt
t
(t > 0) ) t =
; dx =
;
f) Fa em s himbarea de variabila x =
1+t
1 x
(1 + t)2
x = 0 ) t = 0; x ! 1 ) t ! 1. Rezulta:
1 tp 1
1 tp 1
1
t q 1

1
dt
=
dt.
B (p; q ) =
1+t
(1 + t)2
0 (1 + t)p+q
0 (1 + t)p 1
+p
xp 1
(1
= pB (p; q + 1);
Z
3. Sa se demonstreze urmatoarea relatie dintre fun tiile beta si gama:
(p) (q )
B (p; q ) =
; p; q > 0.
(p + q )
Rezolvare. Avem:
Z 1
Z 1
tp 1
dt =
(p + q ) B (p; q ) = (p + q ) xp 1 (1 x)q 1 dx = (p + q )
0
0 (1 + t)p+q

Z 1 Z 1
Z 1
tp 1
tp 1 Z 1 p+q 1 x
p
+
q
1
x
x
e dx dt = 0 0 (1 + t)p+q x e dx dt.
=
0
0 (1 + t)p+q
{z
}
|
I1
În integrala I1 fa em s himbarea de variabila x = (1 + t)u; t > 0. Obtinem:

Z 1
Z 1
tp 1
p+q 1 up+q 1 e (1+t)u (1 + t) du =
I1 =

(1
+
t
)
tp 1 up+q 1 e (1+t)u du.
p
+
q
(1
+
t
)
0
0

Z 1 Z 1
p
1
p
+
q
1
(1+
t
)
u
t u
e
du dt.
De i (p + q ) B (p; q ) =
0
0
S himbând ordinea de
integrare ^n integrala de mai
sus, obtinem:

Z 1 Z 1
(p + q ) B (p; q ) =
tp 1 up+q 1e (1+t)u dt du =
1 p+q
u
=
Z
Z
1 p 1
t e
{z
I2
0
0
(1+t)u dt du.
}
În integrala I2 de mai sus fa em s himbarea de variabila tu = ; u > 0. Rezulta:

Z 1
uZ 1
p 1
u d = e
p 1 e d .

e
I2 =
p
1
p
u
u
u
0
0
De i:
181
(p + q ) B (p; q ) =
Z
1 p+q
u
1 p 1
e d = (p) (q ).
Z
1 q 1 u
e u Z 1 p 1
up 0 e d du = 0 u e du
4. Sa se demonstreze formula:

B (p; 1 p) = (p) (1 p) =

;
sin (p )
8 p 2 (0; 1);
(formula omplementelor).
Rezolvare. Deoare e prima parte a relatiei de mai sus a fost demonstrata ^n Problema 3, ramâne sa aratam a:
Z 1 p 1

t
B (p; 1 p) =
; 8 p 2 (0; 1) sau
dt =
; 8 p 2 (0; 1).
sin (p )
sin (p )
0 1+t
Pentru a easta vom folosi dezvoltarea ^n serie Fourier a fun tiei f : [ ; ! IR,
f (x) = os px;
p 2 IR n Z . Fiind
o fun tie para, oe ient
ii bn = 0; 8 n 2 IN , iar:

Z
Z

2 sin p
2
2
1
os px dx =
os px dx = sin px =
,
a0 =
Z
0 Z
p
p
0
1
2Z
1
f (x) os nx dx =
os px os nx dx =
os px os nx dx =
an =

0

1
1Z
1

=
sin (p + n)x +
sin (p n)x =
[ os (p + n)x + os (p n)x dx =
0
(p + n)
0 (p n)
0
!
n
n
( 1) sin p
( 1) 2p
1
1
=
=
+
sin p; n 1.

p+n p n
(p2 n2 )
Deoare e f este ontinua, iar derivata sa are un numar nit de pun te de dis ontinuitate de spe ia ^ntâi (de i este neteda pe portiuni) rezulta, onform fCapitolul 2, x4,
Teorema 2.4.1g a seria Fourier aso iata lui f :
sin p 2p
( 1)n sin p 2p
sin p sin p 2p

os x+

os 2x+ +
p2 n2 os nx+
p
p2 12
p2 22

este onvergenta ^n" 8 x 2 [ ; si suma sa este f (x). De i:
#
2p
2p
2p ( 1)n
sin p 1
os x + 2 2 os 2x + + 2
os nx + ;
f ( x) =
p p2 1
p 2
p n2
8 x 2 [ ; : Pentru x = 0 rezulta:

1
2
2p
= +
+ + ( 1)n 1 2 2 + :
2
sin p p 1 p
n p
2p
1
1
1
2p
=
S riind fra tia 2 2 sub forma 2 2 =
n p
n p
n p n + p (n 1) + (1 p)
1
si notând u g (p) suma seriei alternate:
n+p
1
1
1
( 1)n
g ( p) =
+

+
+
p p+1 p+2
p+n
rezulta relatia:

= g (p) + g (1 p).
sin p
182
^n:
Capitolul 3
În ontinuare revenim la integrala
1 tp
dt; 0 < p < 1; pe are o des ompunem

1+t
Z 1
Z 1 p 1
Z 1 p 1
tp 1
t
t
dt =
dt +
dt.
1
+
t
1
+
t
0
0 1+t
1
|
|
{z
}
{z
}
I1
I2
În integrala a doua I2 fa em s himbarea de variabila 1 = u. Rezulta:

tZ
Z 1
Z 1
1 u p
du
1
du

I2 =
=
=
du.
u2
0 up 1 1 + 1
0 up (1 + u)
0 1+u
u
Z 1 p 1
Z 1
Z 1
t
tp 1
u p
De i
dt =
dt +
du.
0 1+t
0 1+t
0 1+u
Z 1
tp 1
dt; obtinem urmatoarea relatie:
Notând u h(p) =
0 1+t
Z 1 p 1
t
dt = h(p) + h(1 p); 0 < p < 1.
0 1+t
Vom arata ^n ontinuare a fun tiile g si h sunt identi e, de unde va rezulta relatia
dorita, adi a:
Z 1
tp 1

dt =
; 8 0 < p < 1.
sin (p )
0 1+t
Pentru a easta pornim de la dezvoltarea:
1
( 1)n+1 tn+1
= 1 t + t2 + ( 1)n tn +
,
1+t
1
+
t
relatie pe are o ^nmultim u tp 1 si o integram pe [0; 1. Obtinem:
Z 1
Z 1
Z 1
Z 1 n+p
Z 1
t
tp 1
p
1
p
n
n
+
p
1
n
+1
dt = t dt
dt.
t dt + + ( 1)
t
dt + ( 1)
h(p) =
0
0
0
0 1+t
0 1+t
Z
1 tn+p
1
1
( 1)n
De i h(p) =
++
+ ( 1)n+1
dt.
p p+1
n+p
0 1+t
1 ( 1)n
X
Pentru a h(p) = g (p), adi a h(p) sa e suma seriei
este su ient sa demonstram
n=0 n + p
a integrala:
Z 1 n+p
t
dt ! 0, pentru n ! 1, uniform ^n raport u p.
0 1+t
tn+p
tn+p; 8 t 2 [0; 1; 8 p 2 (0; 1); iar:
Dar
1
+
t
Z 1
1
1
<
! 0; pt. n ! 1, uniform ^n raport u p.
tn+p dt =
n+p+1 n+1
0
Rezulta astfel a h(p) = g (p); 8 p 2 (0; 1).
5. Sa seZexprime u ajutorul integralei lui Euler de primul tip urmatoarele integrale:
1
a) I1 = xp 1 (1 xm )q 1 dx; p; q; m > 0;
0
=2
b) I2 =
sinp 1 x osq 1 x dx; p; q > 0.
0
Rezolvare. a) Fa ând substitutia xm = y , obtinem:
183
1
1 p
1 Z 1 p=m 1
y (p 1)=m (1 y )q 1 y 1=m 1 dy =
y

(1 y )q 1 dy = B
;q =
m
m 0
m m
0
p
(q )
1
.
= mp
m
+
q
m
b) Fa em
substitutia sin2 x = y ; avem:
Z 1
1
1
1 Z 1 p=2 1
y
(1 y)q=2 1 dy =
I2 = y (p 1)=2 (1 y )(q 1)=2 p p
dy =
2
y
1
y
2
0
0

q
p
1 p q 1
2
2

= B ; =
.
p+q
2 2 2
2
2
În parti ular pentru q = 1 obtinem:
Z =2
1 p 1
p
1
sin x dx = B ; ,
2 2 2
0
iar pentru p = 1 Zavem:
=2
1 1 q
osq 1 x dx = B ; .
2 2 2
0
6. Sa se stabileas arelatia: p
1

(p) p + = 2p 1 (2p),
2
2
(formulele lui Legendre).
Rezolvare. Ple am de la fun tia B (p; p):
Z 1
Z 1
Z 1
1 1 p 1
B (p; p)= xp 1 (1 x)p 1 dx = [x(1 x)p 1 dx =
x2 + x
+
dx =
4
4
0
0
0
"
#

Z 1
2x 1 2 1 p 1
1 Z1
=
+
dx = 2(p 1) [ (2x 1)2 + 1p 1 dx =
2
4
2
0
0
2 Z 1=2
= 2(p 1)
[ (2x 1)2 + 1p 1 dx.
2
0
2 = y ) 1 2x = py 0. Obtinem:
Fa em ^n ontinuare
substitut

ia
(2
x
1)
1 Z1
1 Z1
1
B (p; p) = 2p 3 (1 y )p 1 p dy = 2p 1 y 1=2 (1 y )p 1 dy =
2
4 y
2
0
0

1
1
= 2p 1 B ; p .
2
2

1

2 ( p)
(p)
1

Dar B (p; p) =
; iar B ; p = 21 .
(2p)
2
2 +p
Din relatiile de mai sus obtinem:
p
p (p)

2 ( p)
1
1

, (p) p + 2 = 22p 1 (2p).
=

(2p) 22p 1
p + 12
7. Sa se exprime u ajutorul
integralei lui Euler de al doilea tip urmatoarea integrala:
Z 1
xm e x dx; > 0; m > 1.
Im =
0
Rezolvare.
Fa em substitutia x2 = y > 0. ObtZinem:
Z 1 m=2
1 (m 1)=2
y
1
1
Im =
y
e y dy =

e y p y 1=2 dy = (m+1)=2

2
2
0
0
I1 =
184
Capitolul 3
m + 1
.
2(m+1)=2
2
Pentru m = 0 Zavem:
p
1 x
1 1
e
dx = p
= p ;
2 2
2
0
iar pentru = 1 integrala de mai sus este integrala Euler-Poisson (vezi fx1, Problema
7g):
p
Z 1
x
e dx =
:
2
0
8. Sa se al uleze
folosind fun tia B integrala:
Z 1
dx
; 0 < p < 1,
I = xp 1 (1 x) p
x+
0
unde 2 IR n ( 1; 0).
at + b
Rezolvare. Se fa e o s himbare de variabila de forma x =
u ad b 6= 0
t + d
(a easta transformare se numeste transformare omogra a). Vom determina a; b; ; d
astfel ^n ât ^n urma a estei tranformari intervalul pentru noua variabila t sa e tot (0; 1).
at
: Pentru t = 1 )
Pentru t = 0 obtinem x = 0 de ^ndata e b = 0. De i x =
t + d
a
at
x=
= 1 pentru d = a : Obtinem astfel x =
: Apoi:
+d
t + a
at
( a)(t 1)
at
(a + )t +(a )
1 x=1
=
; iar x + =
+ =
.
t + a
t + a
t + a
t + a
Alegem = 1 si determinam pe a astfel ^n ât x + sa se simpli e. Avem:
at
( 1 a)(t 1)
(a )t + (a + 1)
x=
; 1 x=
; x+=
.
t+a+1
t+a+1
t+a+1
( + 1)(t 1)
( + 1)
t
; 1 x=
; x+ =
,
Pentru a = obtinem x =
+1 t
+1 t
+1 t
( + 1)
iar dx =
dt . Atun i:
( + 1 t)2
Z 1
p 1 tp 1
( + 1) p (1 t) p + 1 t ( + 1)
I=
( + 1 t) p ( + 1) ( + 1 t)2 dt =
0 ( + 1 t)p 1
p 1
p 1

p 1 Z 1 p 1
p dt =
t

(1
t
)
B
(
p;
1
p
)
=

=
=
p
p
p
( + 1) 0
( + 1)
( + 1) sin (p )
1
p

=
.

+1
sin (p )
9. Sa se al uleze u ajutorul integralei lui Euler B urmatoarea integrala:
Z 1
xa 1 (1 x)b 1
dx; a; b > 0; p 2 IR n ( 1; 0).
I=
(x + p)a+b
0
x
tp
Rezolvare. Fa em substitutia t = (1 + p)
)
x=
; 1 x=
x+p
p+1 t
(p + 1)(1 t)
p(p + 1)
p(p + 1)
=
, x+p=
; dx =
.
p+1 t
p+1 t
(p + 1 t)2
Atun i:
=
185
1
(p + 1)b 1 (1 t)b 1 (p + 1 t)a+b
p(p + 1)
ta 1 p a 1

I=
a
1
b
1
a
+
b
a
+
b
2 =
(
p
+
1
t
)
p

(
p
+
1)
(
p
+
1
t
)
0 ( p + 1 t)
Z 1
1
1
= b
B (a; b).
ta 1 (1 t)b 1 dt =
a
p (p + 1) 0
(1 + p)a pb
10. Sa se al uleze folosind integralele lui Euler urmatoarele integrale:
px
Z 1
Z 1
Z 1
Z 1
p
dx
dx
px(1 + x) ; d) 0 (1 + x2 )2 dx;
a)
; b)
x x2 dx; )
0 1 + x3
0
0
s
px
px
Z 1
Z 1
Z 1
1 x
dx; f)
dx; g)
x2
dx;
e)
2
2
2
1+x
0 (x + 1)(x + 1)
1
0 (1 + x)
q
Z 1
Z =2
Z 1
x(1 x)
dx
p
q
tg x dx; jpj < 1; i)
h)
; j)
dx.
x+1
0 (x + 1) x2 (1 x)
0
0
1
Rezolvare. a) Notam x3 = t ) x = t1=3 ; dx = t 2=3 dt. Rezulta:
3
Z 1
Z 1
2
=
3
1 2=3 dt
t
1
I=
t
=
dt.
1+t 3 0 1+t
0 3
În ontinuare fa em s himbarea de variabila t = v ) v = t ; dt = dv ;
1 v
1+t
(1 v )2
1
. Obtinem:
(1 + t) =
1Z v

1 1 2=3
dv
1 Z 1 2=3
1=3 dv = 1 B 1 ; 2 =
I=
v (1 v )2=3 (1 v )
v
(1
v
)
=
3 0
(1 v )2 3 0
3 3 3
1
2
= = p .
3 sin 3 3 3
b) Avem:

2
1
3
3
1

Z 1
Z 1
p
3 3
2
2
2
2
1
=
2
1
=
2
2
=
=
x x dx = x (1 x) dx = B ; =
I=
2 2
(3)
2!
0
0
1p

= ( )2 = .
8
8
t
x
dt
1
) Fa em substitutia x =
)
t =
; dx =
;
1
+
x
=
.
1 t
1+x
(1 t)2
1 t
Rezulta: Z

Z 1
1
1
1=3 (1 t) 2=3 dt = B 2 ; 1 =
t
I = (1 t)1=3 t 1=3 (1 t)
dt
=
(1 t)2
3 3
0
0

2
=
=p .
sin 23
3
p
d) Notam x = t. Rezulta:
Z 1
1
1 Z 1 t 1=3
t1=6
p dt = 2 0 (1 + t)2 dt.
I=
0 (1 + t)2 2 t
y
t
dy
Fa em ^n ontinuare substitutia t =
)
y=
; dt =
; 1+t=
1 y
1+t
(1 y )2
1
=
. Atun i:
1 y
Z
186
Capitolul 3

dy
1 Z 1 1=3
1=3 dy = 1 B 2 ; 4 =
y
(1
y
)
=
(1 y )2 2 0
2 3 3

4
1
2
2 1
1

1
1 2 1 1
3
= 3
= = p .
= 3 3 3 =
2
(2)
2
1!
6 3
3
6 sin 3 3 3
x
1
dt
t
; t=
; 1+x=
; dx =
. Rezulta:
e) Notam x =
1 t
1+x
1 t
(1 t)2
Z 1
Z 1
5 3
dt
= t1=4 (1 t) 1=4 dt = B ; =
I = t1=4 (1 t) 1=4 (1 t)2
2
(1 t)
4 4
0
0

5
3

1

3
1 1
4
= 4
= = p :
=
(2)
4 4
4
4 " sin 4 2 2
#
1
1
1
1
: Atun i:
=
f) Avem 2
(x + 1)(x + 1)2 2p
x x2 + 1 (x + 1)2
p
Z 1
Z 1
x
x
1
1
1
1 Z 1 4=5
I=
x

dx

dx
=
dx
2
2
2
2
x
+
1
0 2x x + 1
0
0 2x (x + 1)
1
1 Z 1 4=5
dx.
x

2 0
(x + 1)2
s
Z 1
x 4=5
t
t
1
2
q
Pentru I1 =

dx;
not
a
m
x
=
)
x
=
;
dx
=
1 t
1 t
0 x2 + 1
2 1t t
(1 dt t)2 . De i:
Z 1
1
dt
1 Z 1 9=10
I1 = t 4=10 (1 t)4=10 (1 t) q t
(1 t) 1=10 dt =
=
2 2 0 t
(1
t
)
0
2 1 t

1
1 9
1
.
=
;
= B
2 10 10
2 sin 10
Z 1
x 4=5
t
1
1
Pentru I2 =
dx; notam x =
)
x+1 =
; dx =
dt.
2
1 t
1 t
(1 t)2
0 (x + 1)
De i:

1
9

Z 1
1 9
1
5
5
4
=
5
4
=
5
2
dt = B ; =
=

(1 t) (1 t)
I2 = t
2
(1 t)
5 5
(2)
0

1 4 4
4

=
.

=
5 5 5
5 5 sin 5
1
2
Rezulta a I =
sin .

4
sin
5
10
5
s
Z 1
Z 1
Z 1
Z 1
1 x
1 x
x2
x3
2
2
p
p
p
dx = x
g) I = x
dx =
dx
dx.
2
1+x
1
1
1 1 x2
1 1 x2
1
x
Z 1
Z 1
2
2
p x 2 dx = 2 p x 2 dx fa em substitutia x2 = t ) x =
Pentru I1 =
0
1 1 x
1 x
p
1
= t; dx = p dt. De i:
2 t

Z 1
Z 1
1
t
3 1
1
=
2
1
=
2
p dt = 0 t (1 t) dt = B 2 ; 2 = 2 :
I1 = 2 p
0
1 t 2 t
1Z 1
y
2
0

I=
1=3 (1
y )1=3 (1 + y )2
187
Pentru I2 =
Z 1
Z 0
3
3
3
x
x
p 2 dx = p 2 dx + p x 2 dx =
0
1 1 x
1 1 x
1 x
{z
}
|
not: x=t
pt
1 t2
dt+
x3
dx = 0:
+ p
0
1 x2

De i I = :
2
h) Avem:
Z 1
Z =2
Z
tp
dt
x =t 1 p
=
dt.
I=
tgp x dx tg=
t
1 + t2
0 1 + t2
0
0
1
1
u
1
)
t2 + 1 =
; dt = q u
du.
Notam ^n ontinuare t2 =
1 u
1 u
2 1 u (1 u)2
De i:Z
1
1 p
du
1 Z 1 (p 1)=2
p=
2
p=
2
I = u (1 u) (1 u) p 1 u
u
(1 u)( p 1)=2 du =
=
2
2 u
(1 u) 2 0
0

1

p
+
1 1 p
1 Z 1 (p+1)=2 1
u
(1 u)(1 p)=2 1 du = B
=
=
;
;
=
(
p
+1)

2 0
2
2
2
2 os p2
2 sin 2
p 2 ( 1; 1).
Z 1
Z 1
dx
dx
q
= x 2=3 (1 x) 1=3
.
i) Avem I =
2
x+1
0
0 (x + 1) x (1 x)
1
Apli am Problema 8 u = 1; p = . Rezulta:
3
1=3

2
1

1
=p p .
=p p
I=

2
sin
2 3=2
2 3
q 3
Z 1
Z 1
x(1 x)
x(1q x)
j) Avem I =
dx.
dx =
x+1
0
0 (x + 1) x(1 x)
2
x(1 x)
=2 x
. De i:
Apoi
xZ + 1
x+1 Z
Z 1
1
1
dx
1
=
2
1
=
2
1
=
2
1
=
2
q
x (1 x) dx 2
=
I = 2x (1 x) dx
0 (x + 1) x(1 x)
0
0

1
1
1

Z 1
1 1
dx
3 1

2
2
2
1
=
2
1
=
2
= 2B ;
B ;
2 x (1 x)
=2
2 2
2 2
x+1
sin 2
(2)
0
Z 1
Z 1

dx
dx
= 2
2 x 1=2 (1 x) 1=2
.
2 x 1=2 (1 x) 1=2
x+1
2
x+1
0
0
1
Pentru ultima integrala apli am Problema 8 u p = si = 1. Rezulta:
2
1=2
Z 1

1
dx
=p .

=
x 1=2 (1 x) 1=2

x+1
2
sin 2
0
2

p
3 2
3
p = 2 2 .
De i I =
2
2
11. Sa se determine valoarea expresiei:
Z
188
Capitolul 3

n 2 n 1
1 2

.
E=
n
n
n
n
Rezolvare.
Avem:

1
2
n 1 n 1 n 2
1
2
E =

=
n
n
n
n
n
n

n 1

=
=
.

sin n sin 2n sin (n n1) sin n sin 2n sin (n n1)
2
(n 1) nY1 k
Pentru a al ula produsul Pn = sin sin sin
=
sin
sa onn
n
n
n
k=1
2k
2k
+ i sin
; k = 0; n 1.
sideram e uatia binoma xn 1 = 0 u rada inile xk = os
n
n
De i avem urmatoarea egalitate:
!

2

2(
n
1)

2

2(
n
1)

xn 1 = (x 1) x os
x os n
i sin
i sin
n
n
n
!
nY1
2k
2k
.
i sin
, xn 1 = (x 1)
x os
n
n
k=1
Deoare e xn 1 = (x 1)(1 + x + x2 + + xn 1 ) obtinem relat
ia:
!
nY1
2k
2k
x os
1 + x + x2 + + xn 1 =
; 8 x 2 IR.
i sin
n
n
k=1
Pentru x = 1 obtinem:
!
!
nY1
nY1
k
2k
k
k
2k
2
2 sin
, n=
i sin
2i sin os
1 os
n=
n
n
n
n
n
k
=1
k=1
!
nY1
nY1
k
k
i os

sin
, n = 2n 1 sin k
n k=1
n
n
k=1
|
{z
Pn
nY1
!!
3 k
3 k
, n=

os
+ i sin
+
+
2
n
2
n
k=1
!
!#
"
n
1
nX1 3
X
3 k
k
n
1
+ i sin
+
+
, n = 2 Pn os
2
n
2
n
k
=1
k
=1
!
!#
"
3(n 1) n(n 1)
3(n 1) n(n 1)
n
1
+
n + i sin
+
n
, n = 2 Pn os
2
2
2
2
, n = 2n 1Pn( os 2(n 1) + i sin 2(n 1)) , n = 2n 1Pn , Pn = 2nn 1 .
n 1 2n 1
(2 )(n 1)=2
pn .
Rezulta a E 2 =
; de i E =
n
12. S
a se al uleze u ajutorul fun tiei integralele:
Z 1
Z 1
os bx
sin bx
I1 =
dx;
b
>
0
;
s
2
(0
;
1);
I
=
dx; b > 0; s 2 (0; 2).
2
s
x
xs
0
0

Z a

dx
1
os bx
Rezolvare. Deoare e s s ; 8 x 2 (0; a); a > 0 si
este onverx
x
0 xs
Z a
Z 1
os bx
os bx
genta, rezulta a
dx este (absolut) onvergenta. Pentru integrala
dx
s
x
xs
0
a
2n 1 Pn
189

Z

1
& 0; x ! 1; de i
xs
a
este o integrala onvergenta. Rezulta astfel a I1 este onvergenta. În mod asemanator
se arata a si I2 este onvergenta.
Pentru al ulul a estor integrale, pornim de la integrala:
Z 1
Z 1
us 1 u du 1 Z 1 s 1 u
1
ts 1 e xt dt xt==u
u e du = s (s).
e = s
s
1
x x 0
x
0
0 x
1
1 Z 1 s 1 xt
De i s =
t e dt.
x
(s) 0
Înmultim ambii membri ai relatiei obtinuta mai sus u os bx si integram pe (0; 1).
Obtinem: Z

Z
1 os bx
1 s 1
1 Z1
xt
I1 =
t e dt dx.
os bx
dx =
xs
(s) 0
0
0
S himbând ordinea integralelor (avem^ndeplinite onditiile din fx2, Teorema 3.2.13g),
rezulta:

1 Z 1 s 1 Z 1
xt
I1 =
t
os bx e dx dt.
(s) 0
0
{z
}
|
apli am riteriul lui Diri hlet:
os bx dx
M; 8 A a
si
I3 (t)
Pentru I3 (t) avem:

1
1

bZ 1
1 b
1
xt
xt
xt

sin bx e dx = + 2 sin bx e
os bx e
I3 (t) =
t
t 0
t t
0
0
2
b2 Z 1
b
1
I (t).
os bx e xt dx =
t2 0
t t2 3
t
De i I3 (t) = 2 2 ; iar:
t +b
Z 1
bs 1 Z 1 us
bs us
1 Z 1 ts
t=ub 1
dt =

b du =
du u==tg y
I1 =
2
2
2
2
2
(s) 0 t + b
(s) 0 b (u + 1)
(s) 0 u + 1
Z =2
Z =2
s
1
s
s
1
b
tg y
b
=
tgs y dy; s 2 (0; 1).

(1 + tg2 y ) dy =
2
(s) 0 tg y + 1
(s) 0
Z =2
1
; de i:
Conform Problemei 10, h),
tgs y dy =
2 os s2
0
bs 1
I1 =
.
2 (s) os s2
Pentru I2 pro ed
am asemanator si obtinem:
1 Z 1 s 1 Z 1
I2 =
t
sin bx e xt dx dt.
(s) 0
0
{z
}
|
I4 (t)
Apoi:
1

bZ 1
1
I4 (t) =
sin bx e xt +
os bx e
t
t
0
0
b2 Z 1
b b2
xt
I (t).
sin bx e dx = 2
t2 0
t t2 4
xt dx
b
os bx e
t2
xt
190
Capitolul 3
b
Rezulta I4 (t) = 2 2 ; iar:
t +b
Z 1
s
1
bs 1 Z 1 us 1
bt 1 t=bu b Z 1 bs 1 us 1
I2 =
dt =
b du = (s) 0 u2 + 1 du =
(s) 0 t2 + b2
(s) 0 b2 (u2 + 1)
s 1 Z =2
s 1 Z =2 tgs 1 y
u=tg y b
2 y ) dy = b
(1
+
tg
tgs 1 y dy; s 1 2 ( 1; 1).
=
(s) 0 1 + tg2 y
(s) 0
Z =2

1
=
; de i:
Conform Problemei 10, h),
tgs 1 y dy =
(
s
1)

2 os 2
2 sin s2
0
bs 1
I2 =
.
2 (s) sin s2
13. Sa se exprime u ajutorul integralelor euleriene urmatoarele integrale:
Z b
Z 1
(x a)m (b x)n
xm 1
dx;
0
<
m
<
n
;
b)
dx;
a)
(x + )m+n+2
a
0 1 + xn
Z 1
n
)
xm e x dx; n 6= 0.
0
Rezolvare. a) Notam xn = t. Rezulta:
Z 1 (m 1)=n
t
1 1=n 1
1 Z 1 tm=n 1
I=

t
dt =
dt.
1+t n
n 0 1+t
0
y
t
1
Notam t =
)
y=
; 1+t=
; t = 0 ) y = 0; t ! 1 ) y ! 1. De i:
1Z y
1+t
1 y
dy
1 Z 1 m=n 1
1 1 m=n 1
y
(1 y ) m=n+1 (1 y )
y
(1 y ) m=n dy =
=
I=
2
n
(1
y
)
n
0
0

m
m 1

1 m
= m ; 0 < < 1 .
;1
= B
n
n
n
n sin n
n
a + tb
t(b a)
b a
x a
)
x=
; x a=
; b x=
; x+ =
b) Notam t =
b x
1+t
1+t
1+t
t(b + ) + a +
b a
=
, dx =
dt. Rezulta:
1+t
(1 + t)2
Z 1 m
(1 + t)m+n+2
b a
t (b a)m (b a)n

dt =
I=
m
n
m
+
n
+2
(1Z + t)
(1 + t) [t(b + ) + a +
(1 + t)2
0
1 m
dt
.
= (b a)m+n+1
t
[t(b + ) + a + m+n+2
0
y
t
Fa em s himbarea ^n ontinuare t =
)
y=
. Obtinem:
1
y
1
+
t
Z 1
1
dy
=
I = (b a)m+n+1 y m (1 y ) m h y
im+n+2
(1 y )2
0
(
b
+

)
+
a
+

1 y
Z 1
m (1 y )n
1 Z 1 y m (1 y )n
y
dy
=
= (b a)m+n+1
dy .
b a 0 y + a+ m+n+2
0 [y (b a) + a + m+n+2
b a
a+ u
(a + )u
=
Ca^n Problema 8 fa em a um s himbarea de variabila y = a+ b a
.
b + (b a)u
b a +1 u
(b + )(1 u)
a+
(a + )u
a+ a+
Atun i 1 y =
, iar y +
=
+
=

b + (b a)u
b a b + (b a)u b a b a
191
(b + )(a + )
iar dy =
du.
[b + (b a)u2
(a + )m um
1 Z1
(b + )n (1 u)n (b a)m+n+2
De i I =

b a 0 [b + (b a)um [b + (b a)un (a + )m+n+2
Z 1
(b a)m+n+1
[b + (b a)um+n+2 (b + )(a + ) du

=

um (1 u)n du =
m
+
n
+2
2
n
+1
m
+1
(b + )
[b + (b a)u
(a + ) (b + )
0
(b a)m+n+1
B (m + 1; n + 1); n; m > 1.
=
(a + )n+1 (b + )m+1
1
) Notam xn = t ) x = t1=n ; dx = t1=n 1 dt. De i:
n
Z 1
1 m + 1 m + 1
1 Z 1 (m+1)=n 1 t
1 1=n 1 t
m=n
t

e dt =
;

e dt =
>
I=
t t
n
n 0
n
n
n
0
> 0; n 6= 0.
b + b +(b a)u ;
PROBLEME PROPUSE SPRE REZOLVARE

14. Sa se demonstreze urmatoarele proprietati ale integralei B :
p 1
a) B (p; q ) = B (q; p); b) B (p; q ) =
B (p 1; q ); p > 1; q > 0;
p+q 1
q 1
B (p; q 1); q > 1; p > 0;
) B (p; q ) =
p+q 1
(p 1)(q 1)
d) B (p; q ) =
B (p 1; q 1); p > 1; q > 1;
(p + q 1)(p + q 2)
(n 1)!
; n 2 IN ;
e) B (p; n) = B (n; p) =
p(p + 1) (p + n 1)
(m 1)!(n 1)!
f) B (m; n) =
; m; n 2 IN .
(m + n 1)!
15. Sa se demonstreze a:
a) (p) este o fun t
ie innit derivabila pe (0; 1) si:
Z 1
(n) (p) =
xp 1 (ln x)n e x dx; 8 n 2 IN .
0
b) plim
(p) = 1; plim
!1 (p) = 1.
!0+
16. Sa seZ exprime u ajutorul fun tiei B urmatoarea integrala:
1
xa 1 (1 x)b 1
dx; ; 0; ; a; b > 0.
I=
0 [x + (1 x) + a+b
17. Sa se al uleze
u ajutorul integralei lui Euler B urmatoarea integrala:
Z 1
(1 + x)2p 1 (1 x)2q 1
dx; p; q > 0.
I=
(1 + x2 )p+q
1
18.Z Sa se al uleze folosind
integralele lui Euler
urmatoarele integrale:
Z 1
Z 1 q
Z 1
1 p
x2
dx
2
3
2
p
x
(1
x
)
dx
;
d)
a) x 1 x dx; b)
;
)
dx;
x
x(1 + x2 )
0 1 + x4
0
0
0
3
192
Capitolul 3
e)
=2
sin6 x os4 x dx;
f)
q
3
Z 1
x2 (1 x)
dx
q
.
dx; g)
3
(1 + x)
0 (x + 3) x3 (1 x)
4
19. Sa se al uleze integrala I (p; q ) =

se apli e rezultatul la integralele:
I1 =
bq
(x a)(b
x) dx; I2 =
(x
a)p (b
x)q dx; p; q > 1 si apoi sa

s
Z b
dx
x a
q
dx;
; I3 =
b x
a
(x a)(b x)
Z b
b x
dx.
I4 =
x a
a
20. S
a se al uleze:
Z 1
Z 1
ax
p
1
I1 =
e x os bx dx; I2 =
e ax xp 1 sin bx dx; a > 0; p > 0; b 2 IR.
0
0
21.Z Sa se exprime u ajutorulZ integralelor euleriene
urmatoarele
integrale:
Z 1

1
1 p
dx
dx
p
p
ln
; m > 0; b)
; )
dx; p > 1;
a)
x
0
0
0 n 1 xm
3
os
x
Z 1
xp 1 ln x
dx; 0 < p < 1:
d)
1+x
0
3
ILOR
PROBLEME DE TEORIA PROBABILITAT
RODICA LUCA{TUDORACHE
PROBLEME DE
ILOR
TEORIA PROBABILITAT
CUPRINS
Capitolul 1 Câmp de evenimente, âmp de probabilitate 7

Capitolul 2 Variabile aleatoare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
x1. Fun tia de repartitie, densitatea de probabilitate . . . . . . . . . . . . . . . .26
x2. Cara teristi i numeri e ale variabilelor aleatoare . . . . . . . . . . . . . . . . 33

x3. Legi de probabilitate uzuale ale variabilelor aleatoare . . . . . . . . . . . 42
x4. Fun tia ara teristi a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
Capitolul 3 Ve tori aleatori . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

Bibliograe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
Capitolul 1
^
CAMP
DE EVENIMENTE,
^
CAMP
DE PROBABILITATE
Sa se arate a evenimentele A, A \ B , A [ B din âmpul de evenimente

(
; F ) formeaza un sistem omplet de evenimente.
Rezolvare. Vom veri a ele dou
a onditii din denitia âmpului omplet
de evenimente.
a) Reuniunea elor trei evenimente este ^ntreg spatiul de sele tie
, adi a
A [ (A \ B ) [ (A [ B ) =
.
Pentru a easta relatie avem
A[(A\B )[(A [ B ) = [A[(A\B )[(A [ B ) = [(A[A)\(A[B )[(A [ B ) =
= [
\ (A [ B ) [ (A [ B ) = (A [ B ) [ (A [ B ) =
.
b) Evenimentele sunt in ompatibile doua âte doua, adi a
A \ (B \ A) = (A \ A) \ B = ; \ B = ;,
A \ (A [ B ) = A \ (A \ B ) = (A \ A) \ B = ; \ B = ;,
(A \ B ) \ (A [ B ) = (A \ B ) \ (A \ B ) = A \ (B \ B ) = A \ ; = ;.
2. O urn
a ontine bile albe si bile negre. Se extrag su esiv din urna 2 bile.
Cu ajutorul evenimentelor
A { prima bila extrasa este alba, B { a doua bila extrasa este alba,
sa se s rie evenimentele
C { prima bila extrasa este neagra, D { el putin o bila este alba,
F { ambele bile extrase sunt negre, G { o bila si numai una este alba.
Rezolvare. Avem
C = A (evenimentul ontrar lui A), D = A [ B , F = A \ B si
G = (A \ B ) [ (B \ A) = (A n B ) [ (B n A) = A4B (diferenta simetri a).
1.
Capitolul 1
O urna ontine 3 bile albe si 4 bile negre, iar o alta urna ontine 4 bile albe
si 5 bile negre. Din e are urna se extrage âte o bila. Se onsidera evenimentele
A { bila extrasa din prima urna este alba,
B { bila extrasa din a doua urna este alba.
Sa se al uleze P (A \ B ), P (A [ B ), P (A n B ), P (A).
4
3
si P (B ) = .
Rezolvare. Avem P (A) =
7
9
Pentru A \ B , experienta e onsta din extragerea elor doua bile, numarul
de azuri posibile este 7 9 = 63, iar numarul de azuri favorabile este 3 4 = 12.
12 4
De i P (A \ B ) = = .
63 21
3 4 4 43
= ,
Apoi avem P (A [ B ) = P (A) + P (B ) P (A \ B ) = +
7 9 21 63
4
3 4
5
P (A n B ) = P (A) P (A \ B ) =
= si P (A) = 1 P (A) = .
7 21 21
7
4. Dintr-o urn
a u n bile din are a albe, b negre, rosii si d verzi se extrage
la ^ntâmplare o bila. Care este probabilitatea a bila extrasa sa e alba sau rosie.
Rezolvare. Fie A1 evenimentul a bila extras
a din urna sa e alba, iar
A2 evenimentul a bila extrasa sa e rosie. Deoare e a este evenimente sunt
in ompatibile, avem
a a+
.
P (A1 [ A2 ) = P (A1 ) + P (A2 ) = + =
n n
n
5. ^
Intr-un lot de N piese, M sunt defe te. Se extrag la ^ntâmplare n piese.
Sa se determine probabilitatea pentru a printre ele n piese extrase, m sa e
defe te.
Rezolvare. Num
arul de azuri posibile este numarul de grupe de âte n
piese are se pot forma u ele N piese ale lotului, adi a CNn . Pentru a stabili
numarul de azuri favorabile a estui eveniment vom numara grupele de m piese
defe te din ele M ale lotului, adi a CMm , si apoi grupele de âte n m piese bune
din ele N M piese bune (fara defe tiuni), adi a CNn mM . Deoare e la e are
grup de m piese defe te se poate aso ia ori e grup de n m piese bune, rezulta a
numarul de azuri favorabile evenimentului din problema este CMm CNn mM . Atun i
probabilitatea pentru a printre ele n piese extrase, m sa e defe te este
Cm Cn m
P = M nN M .
CN
3.
Câmp de evenimente, âmp de probabilitate
Dintr-o urna u 20 bile numerotate de la 1 la 20 se extrage la ^ntâmplare

o bila. Se ere probabilitatea a numarul ^ns ris pe bila extrasa sa e
a) un numar prim; b) un numar impar; ) un numar divizibil u 5.
Rezolvare. Num
arul de azuri posibile pentru e are pun t din problema
este a elasi, si anume 20. Sa gasim a um azurile favorabile pentru e are pun t
^n parte.
La pun tul a) sunt 8 azuri favorabile: 2,3,5,7,11,13,17,19; de i probabilitatea
8 2
a bila extrasa sa aiba ^n ris pe ea un numar prim este P1 = = .
20 5
La pun tul b) sunt 10 azuri favorabile: 1,3,5,7,9,11,13,15,17,19; de i proba10 1
bilitatea a bila extrasa sa aiba ^ns ris pe ea un numar impar este P2 = = .
20 2
La pun tul ) sunt 4 azuri favorabile: 5,10,15,20; de i probabilitatea a bila
4 1
extrasa sa aiba ^ns ris pe ea un numar divizibil u 5 este P3 = = .
20 5
7. Un ansamblu de montare este ompus din dou
a parti onjugate, ax si
bu sa. Îmbinarea are o alitate inferioara da a dimensiunea a el putin uneia din
piese este prea mare sau prea mi a. La montare au sosit loturi de axuri si bu se
u urmatoarele ompozitii
{ din 10 axuri (un lot), 7 au dimensiuni normale, 2 au dimensiuni prea mi i
si un ax are dimensiunea prea mare;
{ din 20 bu se (un lot), 16 au dimensiuni normale, una are dimensiunea prea
mi a si 3 au dimensiuni prea mari.
Se ere sa se determine probabilitatea evenimentului A, a arui realizare are
lo de ^ndata e ansamblul montat este de alitate inferioara.
Rezolvare. S
a notam u A1 evenimentul are onsta ^n faptul a ansamblul
este format dintr-un ax de dimensiune normala u o bu sa de dimensiune prea
mi a sau prea mare, u A2 evenimentul are onsta ^n faptul a ansamblul este
format dintr-un ax de dimensiune prea mi a u o bu sa de ori e dimensiune, si
u A3 evenimentul are onsta ^n faptul a ansamblul este format dintr-un ax de
dimensiune prea mare u o bu sa de ori e dimensiune.
Atun i evenimentul A se s rie A = A1 [ A2 [ A3 . Deoare e evenimentele
A1 ; A2 ; A3 sunt in ompatibile doua âte doua, rezulta a
6.
10
Capitolul 1
P (A) = P (A1 ) + P (A2 ) + P (A3 ).

Numarul de azuri posibile pentru A; A1 ; A2 si A3 este numarul de ansambluri are se pot forma u ele 10 axuri si ele 20 bu se, adi a 10 20 = 200. Apoi
numarul de azuri favorabile pentru A1 este 7 4 = 28, pentru A2 este 2 20 = 40,
iar pentru A3 este 1 20 = 20. De i
40
20
88
28
, P (A2 ) =
, P (A3 ) =
, iar P (A) =
= 0; 44.
P (A1 ) =
200
200
200
200
Probabilitatea lui A se poate al ula mai usor al ulând mai ^ntâi probabilitatea evenimentului ontrar lui A, adi a probabilitatea a ansamblul ax-bu sa sa
aiba dimensiuni normale. Numarul de azuri favorabile lui A este 7 16 = 112,
112
112 88
de i P (A) =
, iar P (A) = 1
=
= 0; 44.
200
200 200
8. Cele 26 litere ale alfabetului s rise e are pe un artona
s sunt introduse
^ntr-o urna. Se ere probabilitatea a extragând la ^ntâmplare de patru ori âte
un artonas si asezându-le ^n ordinea extragerii sa obtinem uvântul PARC.
Rezolvare. Avem un singur az favorabil,
si anume sa s oatem la ele 4
extrageri literele P,A,R si C ^n a easta ordine. Numarul total de azuri posibile
este 26 25 24 23; ^ntr-adevar drept prima litera poate extrasa ori are din ele
26 litere din urna, de i pentru prima extragere sunt 26 azuri posibile. Pentru
a doua litera ramân 25 azuri posibile, iar e are az se poate aso ia u ele
26 azuri posibile pentru extragerea primei litere; de i obtinem ^n total 26 25
azuri posibile pentru extragerea primelor doua litere. Pentru extragerea elei
de-a treia litera avem 24 azuri posibile, are ombinate u toate azurile posibile
de extragere a primelor litere, dau 26 25 24 azuri posibile pentru extragerea
primelor 3 litere. În sfârsit pentru ultima litera ramân 23 azuri posibile are
ombinate u ele 26 25 24 azuri posibile de extragere a primelor 3 litere,
dau 26 25 24 23 = 358800 azuri posibile de extragere a elor 4 litere. De i
probabilitatea de a obtine uvântul PARC este
1
P=
' 0; 0000028.
358800
Numarul azurilor posibile poate obtinut rationând si astfel: a extrage pe
rând de 4 ori âte o litera si a le aseza ^n ordinea extragerii este tot una u a
extrage deodata 4 litere. Deoare e ^n formarea grupelor ne intereseaza si ordinea
11
literelor, rezulta a numarul extragerilor posibile este numarul de grupe de 4

obie te are se pot forma din ele 26 obie te, iar doua grupe difera el putin prin
natura unui obie t sau prin ordinea obie telor; adi a avem A426 = 26 25 24 23
azuri posibile.
9. Ze e bile numerotate de la 1 la 10 se a
seaza la ^ntâmplare una dupa alta
^ntr-un sir. Care este probabilitatea a dupa bila numerotata u 4 sa urmeze bila
numerotata u 7?
Rezolvare. Sunt P10 = 10! azuri posibile (moduri de a a
seza ele 10 bile
^n sir), iar azuri favorabile avem 9 8! = 9!. Într-adevar bila numerotata u 4
poate asezata ^n ori are din primele 9 lo uri, dupa ea urmând bila 7; sunt de i
9 azuri diferite de asezare a bilelor 4 si 7 una dupa alta. Celelalte 8 bile ramase
pot asezate pe ele 8 lo uri ramase ^n 8! moduri diferite, de i e arui az de
asezare a bilelor 4 si 7 li se aso iaza âte 8! moduri de asezare a elorlalte bile.
De i ^n total avem 9 8! = 9! moduri diferite de asezare a bilelor u onditia a
dupa bila 4 sa urmeze bila 7. De i probabilitatea evenimentului nostru este
9!
1
P=
= = 0; 1.
10! 10
10. Se arun
a un zar de n ori. Care este probabilitatea a fata u 6 pun te
sa apara el putin o data?
Rezolvare. S
a notam u A evenimentul are onsta ^n faptul a la arun area
zarului de n ori fata u 6 pun te apare el putin o data. Vom al ula mai ^ntâi
probabilitatea evenimentului ontrar A, adi a probabilitatea evenimentului are
onsta ^n faptul a la arun area zarului de n ori fata 6 sa nu apara ni iodata.
La o arun are a zarului probabilitatea pentru a sa nu apara fata 6 este
5
(numarul de azuri posibile este 6, iar numarul de azuri favorabile este 5,
6
deoare e poate sa apara fata u 1,2,3,4 sau 5 pun te). La doua arun ari ale
52
zarului probabilitatea pentru a sa nu apara ni iodata fata 6 este 2 (numarul de
6
azuri posibile este 6 6 = 62 , deoare e la e are az posibil de la prima arun are
se poate aso ia ori are din azurile posibile de la a doua arun are; numarul de
azuri favorabile este 5 5 = 52 , deoare e e are dintre ele 5 azuri favorabile de
la prima arun are se poate aso ia u ori are az favorabil de la a doua arun are).
12
Capitolul 1
Prin indu tie matemati a dedu em a la n arun

ari ale zarului, probabilitatea
5n
pentru a sa nu apara ni iodata fata 6 este n (numarul de azuri posibile este
6
6n , iar numarul de azuri favorabile este 5n ).
5n
5n
Astfel P (A) = n , iar P (A) = 1 P (A) = 1 n .
6
6
11. Se arun
a doua zaruri de n ori. Care este probabilitatea a sa apara
pe ambele zaruri 6 pun te el putin o data? (Zarurile sunt identi e a forma si
stru tura, dar au ulori diferite, unul alb si unul negru, de i ele sunt individualizate).
Rezolvare. S
a notam u B evenimentul are onsta ^n faptul a la arun area
de n ori a elor doua zaruri, pere hea (6,6) apare el putin o data. Ca si ^n
problema pre edenta, vom al ula mai ^ntâi probabilitatea evenimentului ontrar
B , adi a a evenimentului are onsta ^n faptul a la arun area de n ori a elor
doua zaruri pere hea (6,6) nu apare ni iodata.
La o arun are a elor doua zaruri probabilitatea pentru a sa nu apara (6,6)
35
este . Într-adevar numarul azurilor posibile este 36, dupa um se vede din
36
tabloul de mai jos (pe prima pozitie este numarul de pun te de pe zarul alb, iar
pe a doua pozitie este numarul de pun te de pe zarul negru)
(1,1), (1,2), (1,3), (1,4), (1,5), (1,6)
(2,1), (2,2), (2,3), (2,4), (2,5), (2,6)
(3,1), (3,2), (3,3), (3,4), (3,5), (3,6)
(4,1), (4,2), (4,3), (4,4), (4,5), (4,6)
(5,1), (5,2), (5,3), (5,4), (5,5), (5,6)
(6,1), (6,2), (6,3), (6,4), (6,5), (6,6).
Numarul de azuri favorabile este 35 (ori are az este favorabil, mai putin (6,6)).
35
Atun i probabilitatea a la arun area elor doua zaruri sa nu apara (6,6) este .
36
La arun area de doua ori a elor doua zaruri probabilitatea pentru a sa
352
nu apara delo (6,6) este 2 . Într-adevar numarul de azuri posibile este 362 ,
36
deoare e ori are dintre ele 36 azuri posibile de la prima arun are poate aso iata u ori are dintre azurile posibile de la a doua arun are. Iar numarul de
azuri favorabile este 352 , deoare e ori are dintre ele 35 azuri favorabile de la
13
prima arun are se poate aso ia u ori are dintre ele 35 azuri favorabile de la a
doua arun are. Pro edând prin indu tie matemati a, dedu em a la arun area
de n ori a elor doua zaruri, probabilitatea a sa nu apara ni iodata (6,6) este
35n
.
36n
35n
35n
.
Rezulta a P (B ) = n , iar P (B ) = 1
36
36n
12. (Problema avalerului de M e
re) Sa se arate a probabilitatea de a se
obtine el putin un 6 atun i ând se arun a un zar de 4 ori este mai mare de ât
probabilitatea de a se obtine el putin un (6,6) atun i ând se arun a doua zaruri
de 24 ori.
Rezolvare. Fie A evenimentul a arun ^
and de 4 ori un zar sa obtinem el
putin o data fata u 6 pun te, si B evenimentul a arun ând de 24 ori doua zaruri
sa apara el putin o data (6,6). Din Problema 10 si Problema 11 dedu em a
54
3524
P (A) = 1 4 ' 0; 5177, iar P (B ) = 1
' 0; 4914.
6
3624
De i probabilitatea lui A este mai mare de ât probabilitatea lui B .
13. O urn
a ontine 4 bile albe si 6 bile negre. Se s oate o bila are se pune
deoparte, apoi se extrage ^n a o bila din urna.
a) Stiind a prima bila extrasa din urna este alba, are este probabilitatea
a a doua bila extrasa sa e tot alba? Dar a doua bila sa e neagra?
b) Ne unos ând uloarea primei bile extrasa, are este probabilitatea a a
doua bila extrasa sa e alba? Dar neagra?
Rezolvare. a) Deoare e la prima extragere am obt
inut o bila alba, are se
pune deoparte, ^nseamna a ^n urna au ramas 3 bile albe si 6 bile negre. De i
3 1
probabilitatea de a obtine la a doua extragere o bila alba este P1 = = , iar
9 3
probabilitatea a la a doua extragere sa s oatem o bila neagra este
6 2
P2 = = (= 1 P1 ).
9 3
b) Vom onsidera ele doua extrageri su esive a un singur eveniment.
Numarul de azuri posibile este 10 9 = 90, deoare e avem 10 azuri posibile
la prima extragere si e are astfel de az se poate ombina u ori are din ele
9 azuri posibile de la a doua extragere. Sa numaram a um azurile favorabile.
Da a presupunem a la prima extragere obtinem o bila alba atun i sunt 4 azuri
14
Capitolul 1
favorabile pentru prima extragere si 3 azuri favorabile pentru a doua bila, de i
^n total 4 3 = 12 azuri favorabile. Da a prima bila extrasa este neagra, atun i
sunt 6 azuri favorabile pentru prima extragere si 4 azuri favorabile pentru a
doua bila (alba), de i ^n total sunt 6 4 = 24 azuri favorabile. Adunând azurile
favorabile din ele doua situatii obtinem 12+24 = 36 azuri favorabile evenimentului nostru. De i probabilitatea a ne unos ând prima bila extrasa, sa obtinem
la a doua extragere o bila alba este
36 2
P3 = = .
90 5
Pentru a doua parte a pun tului b), adi a ne unos ând uloarea primei bile
extrasa, sa obtinem la a doua extragere o bila neagra, pro edam asemanator si
obtinem
4 6 + 6 5 54 3
P4 =
= = (= 1 P3 ).
90
90 5
14. S
apte mingi sunt puse la ^ntâmplare ^n 3 utii C1 ; C2 ; C3 . Care este
probabilitatea a ^n utia C2 sa e 3 mingi?
7
Rezolvare. Avem 3 azuri posibile a estui eveniment. ^
Intr-adevar sa presupunem a numerotam mingile de la 1 la 7. Atun i prima minge poate distribuita ^n ori are din ele 3 utii, de i sunt 3 azuri posibile. A doua minge poate
si ea distribuita ^n ori are din ele 3 utii, de i pentu ele doua mingi avem 32
azuri posibile. Pentru toate ele 7 mingi vom avea 37 azuri posibile.
Numarul azurilor favorabile este C73 24 . Deoare e un grup de 3 mingi
sunt introduse ^n utia a doua, avem C73 moduri diferite de alegere a unui grup
de 3 mingi din ele 7 date. Cele 4 mingi ramase se pot distribui ^n ele doua
utii ramase ^n 24 moduri diferite. De i ^n total avem C73 24 azuri favorabile.
Probabilitatea evenimentului din problema este atun i
C 3 24
P = 7 7 ' 0; 2561.
3
15. Doispreze e elevi dintre are 6 fete
si 6 baieti sunt asezati la ^ntâmplare
âte 2 ^ntr-o ban a. Care este probabilitatea a ^n e are ban a sa e un baiat si
o fata?
12!
Rezolvare. S
a numerotam ban ile de la 1 la 6. Avem ^n total 6 azuri
2
^
posibile de asezare a elor 12 elevi ^n ele 6 ban i. Intr-adevar ^n prima ban a
15
2
se pot aseza ori are din ele C12
pere hi de elevi are se pot forma din ei 12
2
elevi; ^n ban a a doua se pot aseza ori are din ele C10
pere hi de elevi are se
2
pot forma din ei 10 elevi ramasi, de i numai pentru doua ban i sunt C12
C102
azuri posibile. Pro edând asemanator ^n ontinuare obtinem a numarul total
al azurilor posibile evenimentului din problema este
2
= 7484400.
C12
C102 C82 C62C42 C22 = 12 2 11 102 9 8 2 7 6 2 5 4 2 3 2 2 1 = 12!
26
Cazurile favorabile a estui eveniment sunt ^n numar de (6!)2 . Într-adevar, ^n
prima ban a se pot aseza ori are din ele 62 pere hi (o fata si un baiat) are se
pot forma grupând ^n toate modurile posibile un baiat si o fata din ei 12 elevi.
În ban a a doua se pot aseza ori are din ele 52 pere hi (fata si baiat) are se pot
forma grupând ^n toate modurile posibile e are baiat din ei 5 ramasi u e are
fata din ele 5 ramase. Pro edând asemanator pentru elelalte ban i obtinem
numarul total al azurilor favorabile
62 52 42 32 22 12 = (6!)2 = 518400.
De i probabilitatea a ^n e are ban a sa e un baiat si o fata este
518400
P=
' 0; 0693.
7484400
16. Dou
a persoane joa a un jo u mai multe pun te. Jo ul este âstigat de
el are obtine primul al treilea pun t. Da a s orul este 2-1 ^n favoarea unuia din
ju atori, are este probabilitatea a el sa âstige jo ul? Se admite a ju atorii
sunt de forte egale, adi a ori e pun t pus ^n jo este adjude at de unul din ei
1
doi parteneri u probabilitatea .
2
Rezolvare. S
a notam u C evenimentul a primul ju ator J1 sa âstige jo ul,
A1 evenimentul a J1 sa âstige primul pun t are urmeaza, si u A2 evenimentul
a J1 sa âstige al doilea pun t are urmeaza. Evenimentul C se exprima ^n
fun tie de evenimentele A1 si A2 astfel
C = A1 [ (A1 \ A2 ).
1
Deoare e P (A1 ) = P (A2 ) = , pentru probabilitatea lui C avem
2
1 1 1 3
P (C ) = P (A1) + P (A1 \ A2 ) = P (A1 ) + P (A1 ) P (A2 ) = + = .
2 2 2 4
În formula de mai sus am folosit faptul a evenimentele A1 si A1 \ A2 sunt
16
Capitolul 1
in ompatibile, iar evenimentele A1 si A2 sunt independente.

1
Probabilitatea a al doilea ju ator sa âstige jo ul este P 0 = 1 P (C ) = .
4
A easta problema este o alta problema elebra a avalerului de M ere din
se olul al XVII, legata de ^mpartirea mizei la ^ntreruperea unui jo , atun i ând
s orul este 2-1. A est pasionat ju ator de jo uri de noro sustinea a miza ar
2
trebui ^mpartita ^n raportul . Asa um am vazut mai sus ^n realitate miza M
1
3
trebuie ^mpartita ^n raportul , adi a ju atorul J1 sa ia 3 parti din M , iar al
1
doilea ju ator sa ia o parte din M .
17. Trei tr
agatori trag simultan asupra a eleiasi tinte. Probabilitatile de
nimerire a tintei pentru ei trei tragatori sunt p1 = 0; 6, p2 = 0; 4, respe tiv
p3 = 0; 8. Sa se al uleze probabilitatea a
a) toti tragatorii sa nimereas a tinta;
b) tinta sa e nimerita el putin o data;
) tinta sa e nimerita exa t o data.
Rezolvare. S
a notam u Ai evenimentul a tragatorul i sa nimereas a tinta,
i = 1; 3, A evenimentul a tinta sa e nimerita de toti tragatorii, B evenimentul
a tinta sa e nimerita de el putin un tragator, iar u C evenimentul a tinta sa
e nimerita exa t o data.
a) Evenimentul A se exprima ^n fun tie de Ai , i = 1; 3 astfel A = A1 \ A2 \ A3 .
Deoare e Ai , i = 1; 3 sunt independente ^ntre ele rezulta a
P (A) = P (A1 ) P (A2 ) P (A3 ) = p1 p2 p3 = 0; 6 0; 4 0; 8 = 0; 192.
b) Evenimentul B se exprima ^n fun tie de Ai , i = 1; 3 astfel
B = A1 [ A2 [ A3 . Atun i
P (B ) = P (A1 [ A2 [ A3 ) = P (A1 ) + P (A2 ) + P (A3 ) P (A1 \ A2 )
P (A1 \ A3 ) P (A2 \ A3 ) + P (A1 \ A2 \ A3 ) = P (A1 ) + P (A2 ) + P (A3 )
P (A1 )P (A2 ) P (A1 )P (A3 ) P (A2 )P (A3) + P (A1 )P (A2 )P (A3 ) = 0; 6 + 0; 4+
+0; 8 0; 24 0; 48 0; 32 + 0; 192 = 0; 952.
Probabilitatea evenimentului B se mai poate al ula ^n felul urmator: al ulam mai ^ntâi probabilitatea evenimentului ontrar, B , si apoi probabilitatea lui
B . Evenimentul B onsta ^n faptul a tinta nu este nimerita de ni i un tragator,
17
adi a B = A1 \ A2 \ A3 . De i
P (B ) = P (A1 )P (A2 )P (A3) = 0; 048; iar P (B ) = 1 P (B ) = 1 0; 048 = 0; 952.
) Evenimentul C se s rie ^n fun tie de Ai , i = 1; 3 astfel
C = (A1 \ A2 \ A3 ) [ (A1 \ A2 \ A3 ) [ (A1 \ A2 \ A3 ).
Deoare e evenimentele A1 \ A2 \ A3 , A1 \ A2 \ A3 si A1 \ A2 \ A3 sunt in ompatibile
doua âte doua, rezulta a
P (C ) = P (A1 \ A2 \ A3 ) + P (A1 \ A2 \ A3 ) + P (A1 \ A2 \ A3 ).
Evenimentele Ai , i = 1; 3 ind independente, dedu em a
P (C ) = P (A1)P (A2 )P (A3 ) + P (A1 )P (A2 )P (A3 ) + P (A1 )P (A2 )P (A3 ) =
= p1 (1 p2 )(1 p3 ) + (1 p1 )p2 (1 p3 ) + (1 p1 )(1 p2 )p3 = 0; 6 0; 6 0; 2+
+0; 4 0; 4 0; 2 + 0; 4 0; 6 0; 8 = 0; 296.
18. Se arun
a o moneda de 3 ori. Care este probabilitatea sa obtinem de
e are data "stema"?
Rezolvare. S
a notam u A1 evenimentul are onsta ^n faptul a la prima
arun are se obtine "stema", u A2 evenimentul a la a doua arun are sa se obtina
"stema", iar u A3 evenimentul a la a treia arun are sa se obtina "stema".
Probabilitatile de realizare a evenimentelor Ai , i = 1; 3 sunt
1
P (A1 ) = P (A2 ) = P (A3 ) = .
2
Evenimentul A are onsta ^n faptul a arun ând de 3 ori moneda obtinem
de e are data "stema" se exprima ^n fun tie de Ai , i = 1; 3 astfel
A = A1 \ A2 \ A3 .
Deoare e evenimentele Ai , i = 1; 3 sunt independente, rezulta a
1 1 1 1
P (A) = P (A1 )P (A2 )P (A3 ) = = .
2 2 2 8
19. Se arun
a doua zaruri, unul alb si unul negru. Sa onsideram evenimentele
A { la primul zar (alb) apare fata u 5 pun te,
B { numarul total de pun te obtinut la ele doua zaruri este mai mare de ât 8.
Sa se determine probabilitatea lui B onditionata de A, P (B=A).
Rezolvare. Da
a s-a realizat A, adi a la primul zar apar 5 pun te, atun i
pentru B exista 6 azuri posibile
18
Capitolul 1
(5,1), (5,2), (5,3), (5,4), (5,5), (5,6).

Dintre a estea doar 3 sunt azuri favorabile lui B , si anume (5,4), (5,5), (5,6).
3 1
De i P (B=A) = = .
6 2
Probabilitatea lui B onditionata de A se poate al ula si u formula
P (A \ B )
P (B=A) =
.
P (A)
1
3
Deoare e P (A) = (6 azuri posibile si un az favorabil), iar P (A \ B ) = =
6
36
1
= (sunt 36 azuri posibile si 3 azuri favorabile (5,4), (5,5), (5,6)), rezulta a
12
1=12 1
P (B=A) =
= .
1=6 2
20. Avem 3 urne U1 u 4 bile albe
si 7 bile negre, U2 u 6 bile albe si 3 bile
negre, si U3 u 5 bile albe si 4 bile negre. Din una din a este urne se extrage o
bila. Se onsidera evenimentele
A { bila extrasa este alba; A1 { extragerea se realizeaza din U1 ;
A2 { extragerea se realizeaza din U2 ; A3 { extragerea se realizeaza din U3 .
Sa se al uleze P (A=A1 ), P (A=A2 ) si P (A=A3).
4
6 2
5
Rezolvare. Avem P (A=A1 ) =
, P (A=A2 ) = = , P (A=A3) = .
11
9 3
9
21. O urn
a ontine a bile albe si b bile negre. Se extrag su esiv trei bile
(fara ^ntoar erea bilei extrasa ^n urna). Se onsidera evenimentele
A { prima bila extrasa este alba; B { a doua bila extrasa este alba;
C { a treia bila extrasa este alba.
Sa se al uleze P (B=A) si P (C=A \ B ).
Rezolvare. Da
a s-a realizat evenimentul A ^nseamna a s-a extras o bila
alba din urna, ramânând astfel ^n urna a 1 bile albe si b bile negre. Atun i
a 1
.
P (B=A) =
a+b 1
Da a se realizeaza evenimentele A si B , adi a s-au extras din urna doua bile
albe, atun i probabilitatea a a treia bila extrasa sa e neagra este
b
P (C=A \ B ) =
.
a+b 2
22. ^
Intr-o urna sunt 12 bile dintre are 5 albe si 7 negre. Se extrage de
doua ori âte o bila din urna fara sa se repuna bila extrasa ^napoi ^n urna. Fie
19
A evenimentul a a doua bila extrasa sa e alba, iar B evenimentul a prima

bila extrasa sa e neagra. Sa se arate folosind denitia si apoi probabilitatile
onditionate a evenimentele A si B sunt independente.
7
Rezolvare. Probabilitatea evenimentului B este P (B ) =
. Pentru a
12
al ula probabilitatea evenimentului A, vom pro eda a ^n Problema 13 b), si
anume avem
5
5 4 + 7 5 55
=
= .
P (A) =
12 11
132 12
Apoi probabilitatea evenimentului A onditionat de evenimentul B este P (A=B ) =
5
= , iar
11
35
5 7
.
P (A \ B ) = P (A=B )P (B ) = =
11 12 132
35
35
Deoare e P (A \ B ) 6= P (A)P (B ) (
=
6
), rezulta a evenimentele A si
132 144
B nu sunt independente.
5
5
Se observa de altfel a P (A=B ) 6= P (A) ( 6= ). De i onform teoremei
11
12
de ara terizare a independentei a doua evenimente u ajutorul probabilitatilor
onditionate, rezulta a evenimentele A si B nu sunt independente.
23. O urn
a ontine 7 bile albe si 8 bile negre. Se extrag su esiv 3 bile (fara
^ntoar erea ^n urna a bilelor extrase). Care este probabilitatea a prima bila sa
e neagra, iar elelalte doua albe?
Rezolvare. S
a notam u A1 evenimentul are onsta ^n faptul a prima bila
extrasa este neagra, u A2 evenimentul are onsta ^n faptul a bila a doua extrasa
este alba, iar u A3 evenimentul are onsta ^n faptul a a treia bila extrasa este
alba. Evenimentul din problema, A, se exprima ^n fun tie de Ai , i = 1; 3 astfel
A = A1 \ A2 \ A3 .
Deoare e evenimentele Ai , i = 1; 3 sunt dependente ^ntre ele (vezi Problema
22), rezulta a
8 7 6
P (A) = P (A1 )P (A2=A1 )P (A3 =A1 \ A2 ) = ' 0; 123:
15 14 13
24. S
a se arate a da a P (B= A) = P (B=A), atun i evenimentele A si B
sunt independente.
Rezolvare. Vom s rie pe B astfel
20
Capitolul 1
B = B \
= B \ (A [ A) = (B \ A) [ (B \ A).
Deoare e evenimentele B \ A si B \ A sunt in ompatibile, probabilitatea lui B
se poate al ula astfel
= (P (A)+
P (B ) = P (B \ A) + P (B \ A) = P (A)P (B=A) + P (A)P (B=A) ip:
+P (A))P (B=A) = P (B=A).
De i am obtinut a P (B ) = P (B=A), de unde rezulta a evenimentele A si
B sunt independente.
25. Un opil are 3 dis uri vopsite pe ambele fet
e ^n felul urmator
{ un dis are ambele fete vopsite ^n alb;
{ un dis are o fata vopsita ^n alb si una ^n negru;
{ un dis are ambele fete vopsite ^n negru.
Se alege un dis la ^ntâmplare si se onstata a una din fete este alba. Care
este probabilitatea a si a doua fata sa e tot alba?
Rezolvare. Fie A evenimentul a prima fat
a a dis ului ales sa e alba si B
evenimentul a si a doua fata a a eluiasi dis sa e tot alba. Avem de al ulat
1
probabilitatea onditionata P (B=A). Deoare e P (A) = (sunt 6 fete posibile
2
1
dintre are 3 albe), iar P (A \ B ) = (sunt 3 dis uri dintre are numai unul are
3
ambele fete albe). Atun i rezulta a
P ( A \ B ) 1=3 2
=
= ' 0; 667.
P (B=A) =
P (A)
1=2 3
3
2
1
26. S
tiind a P (A=B ) = , P (A= B ) = si P (B=A) = sa se a e P (A)
5
10
5
si P (B ).
2
3
Rezolvare. Din relat
iile P (A=B ) = si P (B=A) = dedu em a
5
5
P (A \ B ) 2 P (A \ B ) 3
= si
= ,
P (B )
5
P (A)
5
3
2
de unde obtinem P (A \ B ) = P (B ) si P (B ) = P (A).
5
2
1
Folosind a um ipoteza P (A= B ) = , obtinem
10
(1 P (B=A))P (A) 1
2P ( A )
1
P (B=A)P (A) 1
=
)
=
)
=
10
1 P (B )
10
5(1 P (B ) 10
P (B )
) P (B ) = 1 4P (A).
21
3
Folosind a easta ultima relatie ^mpreuna u P (B ) = P (A) dedu em a P (A) =
2
2
3
= si P (B ) = .
11
11
27. Se dispune de 6 loturi de produse u urm
atoarele ontinuturi
{ 2 loturi u âte 8 produse e are, dintre are doua produse prezinta defe tiuni
( ompozitie C1 );
{ 3 loturi u âte 10 produse e are, dintre are un produs prezinta defe tiuni
( ompozitie C2 );
{ un lot de 8 produse, din are 3 prezinta defe tiuni ( ompozitia C3 ).
Dintr-un lot oare are se extrage la ^ntâmplare un produs.
a) Sa se determine probabilitatea pentru a produsul extras sa e rebut.
b) Stiind a produsul extras este rebut, sa se determine probabilitatea a el
sa fa a parte dintr-unul din loturile de ompozitie C2 .
Rezolvare. S
a notam u Ai evenimentul are onsta ^n faptul a produsul
extras este dintr-unul din loturile de ompozitie Ci , i = 1; 3, iar u B evenimentul
are onsta ^n faptul a produsul extras prezinta defe tiuni.
Pentru a al ula P (B ) vom folosi formula probabilitatii totale, având ^n
vedere a evenimentele Ai , i = 1; 3 formeaza un sistem omplet de evenimente.
Si anume
P (B ) = P (B=A1 )P (A1 ) + P (B=A2)P (A2 ) + P (B=A3)P (A3 ).
2 1
Pentru A1 avem P (A1 ) = = (avem 6 loturi - azuri posibile si 2 loturi de
6 3
3 1
1
ompozitie C1 - azuri favorabile). Asemanator P (A2 ) = = , P (A3 ) = .
6 2
6
1
4
= (16 produse ^n loturile de ompozitie C1 - azuri
Apoi P (B=A1 ) =
16 4
3 1
posibile si 4 produse defe te - azuri favorabile), P (B=A2 )= = si P (B=A3)=
30 10
3
= .
8
Atun i pentru probabilitatea evenimentului B obtinem
1 1 1 1 3 1
P (B ) = + + ' 0; 196:
4 3 10 2 8 6
La pun tul b) trebuie sa al ulam P (A2 =B ). Vom folosi formula ipotezelor
(formula lui Bayes)
22
Capitolul 1
P (B=A2)P (A2 ) 101 12

' 0; 196 ' 0; 255.
P (A2 =B ) =
P (B )
28. Se onsider
a 3 urne identi e a aspe t u urmatoarele ontinuturi U1 : 3
bile albe si 5 bile negre, U2 : 6 bile albe si 4 bile negre, U3 : 4 bile albe si 3 bile
negre.
Se alege la ^ntâmplare una din urne si din ea se extrage o bila.
a) Care este probabilitatea a bila extrasa sa e alba?
b) Stiind a bila extrasa este alba, are este probabilitatea a ea sa provina
din urna U3 ?
Rezolvare. Fie B evenimentul are onst
a ^n faptul a bila extrasa este alba
si Ak evenimentul a bila sa e extrasa din urna Uk , k = 1; 3.
Deoare e evenimentele Ak , k = 1; 3 formeaza un sistem omplet de evenimente, pentru a determina probabilitatea evenimentului B vom folosi formula
probabilitatii totale, adi a
P (B ) = P (B=A1 )P (A1 ) + P (B=A2)P (A2 ) + P (B=A3)P (A3 ).
1
Avem P (A1 ) = P (A2 ) = P (A3 ) = (pentru e are din ele 3 evenimente
3
numarul de azuri posibile este 3, iar numarul de azuri favorabile este 1), iar
3
6 3
4
P (B=A1) = , P (B=A2) = = , P (B=A3 ) = . Rezulta atun i a
8
10 5
7
3 1 3 1 4 1
P (B ) = + + ' 0; 515:
8 3 5 3 7 3
La pun tul b) avem de al ulat P (A3 =B ) pentru are folosim formula ipotezelor
4
13 ' 0; 369:
P (B=A3) P (A3 )
7
P (A3 =B ) =
'
P (B )
0; 515
29. Fie urna U1 u 3 bile albe
si 4 bile negre, si urna U2 u 5 bile albe si
2 bile negre. Se extrage o bila din urna U1 si se introdu e ^n urna U2 , apoi se
extrage o bila din urna U2 . Stiind a bila extrasa din urna U2 este neagra, are
este probabilitatea a bila transferata sa fost alba?
Rezolvare. Fie B evenimentul a bila extras
a din urna U2 sa e neagra, si
A1 , respe tiv A2 evenimentele a bila transferata din urna U1 ^n urna U2 sa e
alba, respe tiv neagra. Atun i
4
2
3
3
P (A1 ) = , P (A2 ) = , P (B=A1) = , P (B=A2 ) = .
7
7
8
8
23
Pentru a determina probabilitatea evenimentului A1 onditionata de B , folosim formula ipotezelor, adi a

2
3
1
P (B=A1 )P (A1)
= 2 38 73 4 = ' 0; 333.
P (A1 =B ) =
P (B=A1)P (A1 ) + P (B=A2 )P (A2 ) 8 7 + 8 7 3
30. Se dau 3 urne: U1 u 3 bile albe
si 2 bile negre, U2 u 2 bile albe si 4 bile
negre, U3 u 3 bile albe si 4 bile negre. Din e are urna se extrage o bila. Care
este probabilitatea a 2 bile sa e albe si una neagra?
Rezolvare. S
a onsideram evenimentul Ai are onsta ^n faptul a bila
extrasa din urna Ui este alba, i = 1; 3. Problema ere sa a am probabilitatea
realizarii a 2 din ele 3 evenimente. Apli am s hema lui Poisson u n = 3, k = 2,
3
2 1
3
2
2
p1 = P (A1 ) = , p2 = P (A2 ) = = , p3 = P (A3 ) = , iar q1 = , q2 = ,
5
6 3
7
5
3
4
q3 = .
7
Conform s hemei binomiale generalizate a lui Poisson, probabilitatea a 2
bile sa e albe siuna neagr
a este oe ientul
lui
x2 din polinomul

2 1
2 3
4
3
x+
x+
x+ ,
5
5 3
3 7
7
12
adi a ' 0; 343.
35
31. Patru tr
agatori trag asupra unei tinte. Primul atinge tinta u proba2
3
4
bilitatea , al doilea u probabilitatea , al treilea u probabilitatea , iar al
3
4
5
5
patrulea u probabilitatea . Care este probabilitatea a tinta sa e atinsa exa t
6
de 3 ori?
Rezolvare. Problema se poate rezolva ^
ntr-un mod asemanator u Problema
17. Vom apli a ^nsa ai i s hema lui Poisson. Fie Ai evenimentul a tragatorul i
sa atinga tinta, i = 1; 4. Avem
3
4
5
2
p1 = P (A1 ) = , p2 = P (A2 ) = , p3 = P (A3 ) = , p4 = P (A4 ) = ,
3
4
5
6
1
1
1
1
iar q1 = , q2 = , q3 = , q4 = .
3
4
5
6
Atun i onform s hemei lui Poisson probabilitatea a tinta sa e nimerita de
exa t 3 tragatori
este oe ientul
lui x3 din polinomul

1 3
1 4
1 5
1
2
x+
x+
x+
x+ ,
3
3 4
4 5
5 6
6
77
adi a
' 0; 428.
180
24
Capitolul 1
Se arun a o moneda de n ori. Care este probabilitatea a ^n ele n

arun ari sa obtinem de k ori stema?
Rezolvare. Fie A evenimentul a la arun area monedei s
a obtinem stema.
1
1
Avem p = P (A) = , iar q = 1 p = . Suntem ^n adrul s hemei binomiale a
2
2
lui Bernoulli, de i probabilitatea a ^n ele n arun ari a monedei sa apara de k
ori stema este
n
k n k
1
1
1
k
k
k
n
k
k
= Cn
.
P = Cn p q = Cn
2
2
2
33. Se arun
a doua zaruri (unul alb si unul negru) de 10 ori. Care este
probabilitatea sa apara de 3 ori suma 8?
Rezolvare. La o arun are a elor dou
a zaruri probabilitatea sa obtinem
5
suma 8 este p =
(avem 36 azuri posibile si 5 azuri favorabile: (2,6), (6,2),
36
5
(3,5), (5,3), (4,4)). Conform s hemei lui Bernoulli u n = 10, k = 3, p = ,
36
31
q = , probabilitatea a la ele 10 arun ari a elor doua zaruri sa obtinem exa t
36
de 3 ori suma 8 este
5 3 31 7
3
' 0; 113.
P = C10
36
36
34. Un tr
agator atinge o tinta dintr-un fo u probabilitatea 0; 7. Da a trage
10 fo uri asupra tintei, are este probabilitatea s-o atinga exa t de 6 ori?
Rezolvare. Suntem ^
n adrul s hemei lui Bernoulli u n = 10, k = 6,
p = 0; 7 si q = 0; 3. Atun i probabilitatea a tragatorul sa atinga tinta de 6 ori
6
este P = C10
(0; 7)6(0; 3)4 ' 0; 2.
35. Se arun
a un zar de 14 ori. Care este probabilitatea a fata 1 sa apara
de 3 ori, fata 2 sa apara o data, fata 3 de 4 ori, fata 4 de 2 ori, fata 5 de 3 ori si
fata 6 o data?
Rezolvare. S
a notam u Ai evenimentul a la arun area zarului sa apara
1
fata u i pun te, i = 1; 6. Avem pi = P (Ai) = , i = 1; 6. Deoare e evenimentele
6
Ai , i = 1; 6 formeaza un sistem omplet de evenimente, putem apli a s hema lui
Bernoulli u mai multe stari. Atun i probabilitatea evenimentului din problema
este
3 1 4 2 3 1
14
1 1 1 1 1 1
14!
1
14!
=
'
P=
3!1!4!2!3!1! 6 6 6 6 6 6
3!1!4!2!3!1! 6
32.
' 0; 000644:
25
Într-o urna sunt 5 bile albe si 5 bile negre. Se s ot 3 bile su esiv fara
^ntoar erea bilelor ^napoi ^n urna.
a) Care este probabilitatea obtinerii a 3 bile albe?
b) Dar probabilitatea de a avea 2 bile albe si una neagra?
Rezolvare. a) Conform s hemei hipergeometri e, probabilitatea de a obt
ine
3 bile albe este
C3 C0 1
P1 = 5 3 5 = ' 0; 083.
C10
12
Problema se mai poate rezolva ^ntr-un mod asemanator u Problema 23. Si
anume, da a notam u A1 evenimentul a prima bila extrasa sa e alba, u A2
evenimentul a a doua bila extrasa sa e alba, iar u A3 evenimentul a a treia
bila extrasa sa e alba, atun i avem
5 4 3 1
P1 = P (A1 )P (A2 =A1 )P (A3 =A1 \ A2 ) = = ' 0; 083.
10 9 8 12
b) Conform s hemei hipergeometri e avem
C2 C1 5
P2 = 5 3 5 = ' 0; 417.
C10
12
^
37. Intr-un lot de 100 de piese, 6 piese au defe te remediabile, 4 piese sunt
rebuturi, iar restul sunt piese bune. Din a est lot au fost luate la ^ntâmplare 10
piese. Care este probabilitatea a din a estea, 7 sa e bune, 2 sa aiba defe te
remediabile si una sa e rebut?
Rezolvare. Conform s hemei hipergeometri e generalizate avem
7
C90

C62 C41
P=
' 0; 026.
10
C100
38. ^
Intr-o urna sunt bile de m ulori: a1 de uloarea 1 , a2 de uloarea 2 ,
: : :, am de uloarea m . Se extrag din urna n bile deodata (sau una âte una fara
^ntoar erea bilei extrasa ^n urna). Care este probabilitatea de a obtine 1 bile de
uloarea 1 , 2 bile de uloarea 2 , : : :, m bile de uloarea m , (1 +2 + +m =
= n)?
Rezolvare. Apli
am s hema hipergeometri a generalizata. Atun i probabilitatea evenimentului din problema este
C C C m
P = a +a ++mam .
Ca +a ++am
36.
1
1
2
2
1
1
2
2
Capitolul 2
VARIABILE ALEATOARE
x1. FUNCT
IA DE REPARTIT
IE,
DENSITATEA DE PROBABILITATE

, x 2 IR.
Fie fun tia f : IR ! IR, f (x) =
1 + x2
a) Sa se determine onstanta astfel ^n ât f sa reprezinte densitatea de
probabilitate (densitatea de repartitie) a unei variabile aleatoare X .
b) Sa se determine fun tia de repartitie orespunzatoare.
) Sa se al uleze P ( 1 < X < 1).
Z +1
f (x)dx = 1.
Rezolvare. a) Punem ondit
iile f (x) 0; 8 x 2 IR si
1
Deoare e Z
Z +1
+1
+1
dx

f (x)dx =

=

ar tg
x
2
1 = ,
1 1+x
1
1
dedu em a = .

b) Fun tia de repartitie este
Z x
x
1 Z x dt
1

1

F ( x) =
f (t) dt =
ar tg x + .
= ar tg t 1 =
1 1 + t2

2
1
1
) P ( 1 < X < 1) = F (1) F ( 1) = .
2
2. Fie fun t
ia f : IR !8IR,
< Ae x ; x > 0;
f (x) = :
0;
x 0; ( > 0):
Sa se determine A astfel ^n ât f sa reprezinte densitatea de probabilitate a
unei variabile aleatoare si apoi sa se determine fun tia de repartitie F orespunzatoare.
Rezolvare. Din ondit
ia f (x) 0; 8 x 2 IR rezulta A 0. Apoi avem
Z +1
Z 1
e x 1 A
= .

f (x)dx =
Ae x dx = A
0
1
0
1.
Fun tia de repartitie, densitatea de probabilitate
Impunând onditia a
8
<
1
f (x)dx = 1, obtinem A = . De i
1
27
Z +
e x ; x > 0;
0;
x 0:
Da a x 0 atun i
F (x) = 0.Z Pentru x > 0 obt
inem

Z x
x
1 t x
t
e 0 = 1 e x .
F ( x) =
f (t)dt = e dt =

0
8 1
x
<
1 e ; x > 0;
De i F (x) = :
0;
x 0:
3. Fie fun t
ia f 8
: IR ! IR,
x ;
< a os x;
2
2
f (x) = :
0;
x < 2 sau x > 2 :
Sa se determine a astfel ^n ât f sa reprezinte densitatea de probabilitate a
unei variabile aleatoare. Apoi sa se determine fun tia de repartitie F orespunzatoare.
Rezolvare. Din ondit
ia
f (x) 0; 8 x 2 IR rezulta a 0, iar din onditia
Z +1
Z =2
=2
1
f (x) dx = 1, dedu em
a os x dx = 1 sau a sin x =2 = 1, de i a = .
2
1
=2
Astfel
8
1
>
<
os x; 2 x 2 ;
f ( x) = > 2
:
0;
x < 2 sau x > 2 :
Fun tia de repartitie orespunz
atoare este
8
>
0;
x 2 ;
>
>
Z x
<
F (x) =
f (t) dt = > 12 (sin x + 1); 2 < x 2 ;
1
>
>
:
1;
x > 2 :

, x 2 IR.
4. Se d
a fun tia f : IR ! IR, f (x) = x
e +e x
a) Sa se determine onstanta astfel ^n ât f sa e o densitate de repartitie.
b) Da a X si Y sunt variabile independente având densitatea de repartitie
f , sa se al uleze P (X < 1; Y > 1).
Z +1
Rezolvare. a) Impunem ondit
iile: f (x) 0; 8 x 2 IR si
f (x)dx = 1.
1
Din prima onditZie rezulta 0.ZPentru a doua onditie al ulam
+1
+1
dx
f (x)dx =
.
x
1
1 e +e x
Vom fa e s himbarea de variabila
f (x) = :
28
Capitolul 2
1
ex = t ) x = ln t ) dx = dt; x ! 1 ) t ! 0; x ! 1 ) t ! 1.
t
Obtinem atun i
Z 1
1

dt

=

dt
=

ar tg
t
.
2
0
1+t
2
0
2
2

; 8 x 2 IR.
Impunând onditia = 1 obtinem = . De i f (x) = x
2

(e + e x )
b) Deoare e variabilele X si Y sunt independente atun i
P (X < 1; Y > 1) = P (X < 1)P (Y > 1) = P (X < 1)(1 P (Y 1)) =
= P (X < 1)(1 P (Y < 1)).
Pentru F (1) avem
Z 1
2Z1
dt
2 Z e dy
2
F (1) =
f (t)dt =
=
=
ar tg e.
1 et + e t 0 y 2 + 1
1
Rezulta atun i a

2
2
P (X < 1; Y > 1) = ar tg e 1
ar tg e :

5. Fie fun t
ia f : IR !8IR,
a
>
< ln
; x 2 (0; a);
x
f ( x) = >
:
0;
x 62 (0; a); (a > 0):
a) Sa se determine astfel ^n ât f sa reprezinte densitatea de probabilitate
a unei variabile aleatoare.
b) Sa se determine fun t
ia de repartit
ie orespunzatoare.

a
a
) Sa se al uleze P
<X < .
3
2
Rezolvare. a) Cal ul
a
m
Z a
Z +1
Z a
a
a a
f (x)dx = ln dx = x ln 0 + dx = a.
x
x
0
1
0
Z +1
1
Punând onditia a
f (x)dx = 1 obtinem = .
a
1
Z x
b) Da a x a avem F (x) =
f (t)dt = 0. Pentru 0 < x a obtinem
1
Z x
Z 0
Z x
Z x
1 a x
1 a
ln dt = t ln 0 +
F (x) =
f (t)dt =
f (t)dt + f (t)dt =
t
a t
1
1
0
0 a
1 x x a a x a
+ t0 = ln + = ln + 1 .
a
a x x a
x
Da a x >
a
atun i
Z x
Z 0
Z x
Z x
Z a
F (x) =
f (t)dt =
f (t)dt + f (t)dt + f (t)dt = f (t)dt = 1.
1
29

8
>
>
>
>
<
0;
x a;
x a
ln + 1 ; x 2 (0; a;
De i F (x) = >
a
x
>
>
>
:
1;
x > a:

1
a
a
a
1
4 1
a
=F
F
= (ln 2+1) (ln 3+1) = ln + .
) P
<X <
3
2
2
3
2
3
27 6
6. Fie fun t
ia f : IR8! IR,
<
4xe x ; x 0;
f ( x) = :
0;
x < 0:
a) Sa se determine astfel ^n ât f sa reprezinte densitatea de repartitie a
unei variabile aleatoare.
b) Sa se determine fun tia de repartitie orespunzatoare.
) Sa se al uleze P (X < 4=X > 1). Z
+1
f (x)dx = 1, de i integrala este
Rezolvare. a) Da
a 0 atun i
1
divergent
a. Da a Z> 0 atun i
Z +1
+1
4 Z +1
4 x 1
x
f (x)dx =
4xe dx =
x(e x )0 dx =
xe 0 +
0

1
0

Z 1
1
4
1
4
4
e x 0 = 2 .
e x dx =
+
0

Z +1
f (x)dx = 1 si tinând ont de faptul a > 0 obtinem
Punând onditia
1
= 2.
Z x
b) Da a x 0 atun i F (x) =
f (t)dt = 0. Da a x > 0 atun i
F (x) =
= 2te
1Z x
t x+2
f (t)dt =
f (t)dt =
e 2t dt = 2xe
08
1Z x
4te
tx

2

0
t dt
= 2
=1 e
t(e 2t )0 dt =
x (2x + 1).
x 0;
1 e
x > 0:
) Conform denitiei probabilitatilor onditionate avem
P (1 < X < 4) P (1 < X < 4) F (4) F (1)
=
=
,
P (X < 4=X > 1) =
P (X > 1)
1 P (X 1)
1 F (1)
(deoare e F este ontinua, de i P (X 1) = P (X < 1) = F (1)).
Obtinem astfel P (X < 4=X > 1) = 1 3e 6 .
7. S
a se determine onstanta a astfel ^n ât fun tia F : IR ! IR,
0;
<
De i F (x) = :
x (2x + 1);
30
Capitolul 2
8
<
0;
x 0;
1 a(x2 + 2x + 2)e x ; x > 0
sa reprezinte fun tia de repartitie a unei variabile aleatoare. Sa se determine apoi
densitatea de probabilitate ^n azul ^n are fun tia F este ontinua.
Rezolvare. Veri
am ele 4 onditii ale unei fun tii de repartitie
a) F (x) 0; 8 x 2 IR; F este o fun tie monoton res atoare pe IR;
b) F ( 1) = 0; ) F (+1) = 1;
d) F este ontinua la stânga ^n ori e pun t x 2 IR.
Deoare e onditiile b){d) sunt veri ate, ramâne sa impunem onditia a
F sa e monoton res atoare pe IR. Deoare e F este onstanta pe ( 1; 0 si
monoton res atoare pe (0; 1) pentru a 0, trebuie
sapunem onditia F (0)

1
F (0 + 0) ) 0 1 2a ) a 2 . De i a 2 0; 21 .
1
Da a a = atun i F este ontinua, iar densitatea orespunzatoare este
2
8
>
<
0;
x 0;
0
f (x) = F (x) = > 1 2 x
:
x e ; x > 0:
2
8. Fie fun t
ia F : IR8! IR,
>
0; x 0;
>
>
<
F (x) = > ax2 ; 0 < x 1;
>
>
:
1; x > 1:
Sa se determine a astfel ^n ât fun tia F sa reprezinte fun tia de repartitie a
unei variabile aleatoare. Apoi sa se determine densitatea de probabilitate orespunzatoare, ^n azul ^n are F este ontinua.
Rezolvare. Deoare e F (+1) = 1, F ( 1) = 0, F este ontinu
a la stânga,
trebuie sa mai veri am onditiile F (x) 0; 8 x 2 IR, si F monoton res atoare
pe IR. Din prima onditie dedu em a a 0, iar pentru a doua impunem
F (1) F (1 + 0) ) a 1.
De i obtinem 0 a 1. Pentru a = 1 fun tia F este ontinua, iar densitatea de
probabilitate orespunza8toare este
<
0; x 2 ( 1; 0 [ (1; +1);
f (x) = :
2x; x 2 (0; 1):
F (x) = :
31
Variabila aleatoare
X are densitatea de repartitie f : IR ! IR,
8
>
< 0;
x 2 ( 1; 1) [ (1; +1);
f ( x) = > 1
:
; x 2 [ 1; 1:
2
a) Sa se a e fun tia de repartitie orespunzatoare.
b) Sa se determine densitatile de repartitie ale variabilelor aleatoare Y =
= eX +1 si Z = 3X 2 + 2.
Rezolvare. a) Pentru x
1 avem F (x) = 0. Pentru x 2 ( 1; 1 obtinem
Z x
Z x
1
1
dt = (x + 1).
f (t)dt =
F (x) =
2Z
1 2
1
Z x
1 1
dt = 1.
Pentru x > 1 avem F (x) = f (t)dt =
1
1 2
De i
8
>
>
0;
x 1;
>
>
<
1
F (x) = > (x + 1); 1 < x 1;
2
>
>
>
:
1;
x > 1:
b) Pentru a determina densitatile de repartitie g si h pentru variabilele
Y = eX +1 si respe tiv Z = 3X 2 + 2 vom al ula mai ^ntâi fun tiile de repartitie
orespunzatoare G, respe tiv H .
Avem G(x) = P (Y < x) = P (eX +1 < x). Da a x 0 rezulta a G(x) = 0.
Da a x > 0 atun i
G(x) = P (X + 1 < ln x) = P (X < ln x 1) = F (ln x 1) =
8
>
>
0; ln x 1 1 , 0 < x 1;
>
>
<
= > 1 ln x; 1 < ln x 1 1 , 1 < x e2 ;
>
2
>
>
:
1; ln x 1 > 1 , x > e2 :
8
>
>
0; x 1;
>
>
<
De i G(x) = > 1 ln x; 1 < x e2 ;
>
2
>
>
:
1; x > e2 :
Atun i densitatea de probabilitate
a variabilei aleatoare Y este
8
>
< 0;
x 62 (1; e2 );
0
g (x) = G (x) = > 1
:
; x 2 (1; x2 ):
2x
Deoare e X ia valori ^n intervalul [ 1; 1, rezulta a Z ia valori ^n intervalul
9.
32
Capitolul 2
[2; 5. De i H (x) = 0 pentru x 2 si H (x) = 1 pentru x > 5. Da a x 2 (2; 5

avem

x 2
2
2
H (x) = P (Z < x) = P (3X + 2 < x) = P X <
=
3
0
=P
8
>
>
>
>
s
>
<
De i H (x) = >
>
>
>
>
:
8
>
>
<
iar h(x) = H 0(x) = >

>
:
10.
0s
x 2
x 2A
x 2A
<X<
=F
F
3
3
3
x 2A
x 2
=
.
3
3
0;
x 2;
x 2
; 2 < x 5;
3
1;
x > 5;
0;
x 62 (2; 5);
1
q
; x 2 (2; 5):
2 3(x 2)
Fie variabila aleatoare dis reta X data prin tabloul sau de distributie
1
5 3 1 4 7 C
X:B
1
1 1 1 1 A.
4 3 6 12 6
Sa se s rie fun tia de repartitie orespunzatoare.
Rezolvare.
Deoare e
8
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
<
F (x) = >
>
>
>
>
>
>
>
>
>
>
>
>
>
>
:
0;
p1 ;
p1 + p2 ;
p1 + p2 + p3 ;
p1 + p2 + p3 + p4 ;
5
X
i=1
pi = 1;
x x1 ;
x1 < x x2 ;
x2 < x x3 ;
x3 < x x4 ;
x4 < x x5 ;
x > x5 ;
1
1
1
unde x1 = 5, x2 = 3, x3 = 1, x4 = 4, x5 = 7, iar p1 = , p2 = , p3 = ,
4
3
6
1
1
p4 = , p5 = ; obtinem
12
6
Cara teristi i numeri e ale variabilelor aleatoare

8
>
>
>
>
>
>
>
>
>
>
>
>
>
<
F ( x) = >
>
>
>
>
>
>
>
>
>
>
>
>
:
0;
1=4;
7=12;
3=4;
5=6;
1;
33
x 5;
5 < x 3;
3 < x 1;
1 < x 4;
4 < x 7;
x > 7:
x2. CARACTERISTICI NUMERICE ALE
VARIABILELOR ALEATOARE
Se arun a doua zaruri (unul alb si unul negru). Sa se al uleze valoarea medie, dispersia si abaterea medie patrati a ale numarului total de pun te
obtinute la ele doua zaruri.
Rezolvare. Not
am u X variabila aleatoare are are a valori numarul total
de pun te obtinute la ele doua zaruri. Variabila X are a valori pe 2; 3; 4; : : : ; 12.
1
Deoare e P (X = 2) =
(avem 36 azuri posibile si un az favorabil (1,1)),
36
1
P (X = 2) = (avem 36 azuri posibile si 2 azuri favorabile (1,2), (2,1)), : : :,
18
1
(avem 36 azuri posibile si un az favorabil (6,6)), obtinem
P (X = 12) =
36
tabloul de distribut
ie al variabilei X
1
0
2
3
4
5
6
7
8
9
10
11
12
C
X:B
1
1 1 1 5 1 5 1 1 1 1 A:
36 18 12 9 36 6 36 9 12 18 36
Valoarea medie a variabilei aleatoare X este
1
1
1
1
1
1
M (X ) = 2 + 3 + 4 + + 10 + 11 + 12 = 7.
36
18
12
12
18
36
Dispersia variabilei X este
11
X
1
1
1
2
2
D (X ) = M (X m) = pi (xi m)2 = (2 7)2 + (3 7)2 + (4 7)2 +
36
18
12
i=1
1
35
1
+ + (11 7)2 + (12 7)2 = ' 5; 833, (unde m = M (X ) = 7),
18
36
6q
q
iar abaterea medie patrati a este = D2 (X ) = 35=6 ' 2; 415.
Pentru al ulul mediei si dispersiei variabilei X putem pro eda si ^n felul
1.
34
Capitolul 2
urmator: sa notam u X1 si X2 variabilele aleatoare are au a valori numarul de

pun te obtinute pe primul zar (alb), respe tiv pe al doilea zar (negru). Variabilele
X1 si X2 au a ela
si tablou de distribut
ie, si anume
0
1
1 2 3 4 5 6 C
B
1
1 1 1 1 1 A.
6 6 6 6 6 6
Atun i
7
1
M (X1 ) = M (X2 ) = (1 + 2 + 3 + 4 + 5 + 6) = si
6
2
M (X ) = M (X1 ) + M (X2 ) = 7.
Deoare e variabilele X1 si X2 sunt
independente, atun i
#
"
7 2 1 7 2
1 7 2
1
2
2
2
=
+ 2
++ 6
D (X )= D (X1 ) + D (X2 )=2 1
6
2
6
2
6
2
35
= ' 5; 833.
6
Pentru al ulul dispersiei putem folosi si formula D2 (X ) = M (X 2 ) [M (X )2 .
De exemplu, pentru X1 , avem
1
1
1 91
91 49 35
M (X12 ) = 12 + 22 + + 62 = ; de i D2 (X1 ) =
= .
6
6
6 6
6
4 12
2. Se dau urm
atoarele 3 urne: U1 u 4 bile albe si 5 bile negre, U2 u 6 bile
albe si 4 bile negre, si U3 u 5 bile albe si 3 bile negre.
Din e are din a este urne se extrage âte o bila. Sa se al uleze valoarea
medie, dispersia si abaterea medie patrati a ale numarului de bile albe obtinute
^n ele trei extrageri. De asemenea sa se s rie momentele mp (momentul initial de
ordinul p), p (momentul entrat de ordinul p), mp (momentul absolut de ordinul
p) si p (momentul entrat absolut de ordinul p) pentru numarul de bile albe
obtinute la extragerea din urna U1 , (p 2 IN ).
Rezolvare. S
a notam u Xi variabila aleatoare are are a valori numarul
de bile albe obtinute la extragerea din urna Ui , i = 1; 3. Deoare e numarul
de bile albe obtinute la e are din ele trei extrageri poate 1 sau 0, obtinem
urmatoarele tablouri
de 1
distribut0ie
0
1
1
0
1
0
1
0
1
0
C
C
C
B
B
X1 : B
4
5 A, X2 : 3 2 A, X3 : 5 3 A.
9 9
5 5
8 8
Valorile medii ale a estor variabile sunt
35
3
5
4
M (X1 ) = , M (X2 ) = , M (X3 ) = .
9
5
8
Deoare e Xi2 = Xi , i = 1; 3, rezulta a M (Xi2 ) = M (Xi ), i = 1; 3. Atun i
dispersiile variabilelor Xi , i = 1; 3 sunt
4 4 2 20
2
2
2
D (X1 ) = M (X1 ) [M (X1 ) =
= ,
9 9 2 81
3
6
3
D2 (X2 ) = M (X22 ) [M (X2 )2 =
= ,
5
5
25
5 5 2 15
2
2
2
= .
D (X3 ) = M (X3 ) [M (X3 ) =
8
8
64
Da a X este variabila aleatoare are are a valori numarul de bile albe
obtinute ^n ele 3 extrageri, atun i
4 3 5
X = X1 + X2 + X3 si M (X ) = M (X1 ) + M (X2 ) + M (X3 ) = + + =
9 5 8
601
' 1; 669:
=
360
Deoare e variabilele Xi , i = 1; 3 sunt independente, rezulta a
20 6 15
D2 (X ) = D2 (X1 ) + D2 (X2 ) + D3 (X3 ) = + + ' 0; 721,
81 25 64
iar (X ) ' 0; 849.
Pentru variabila X1 avem
4
mp = M (X1p ) = p1 xp1 + p2 xp2 = ,
9
4 4p 5 4p
p
p
p
p = M (X1 m1 ) = p1 (x1 m1 ) + p2 (x2 m1 ) = 1
+ 0
=
9
9
9
9
p
p
p
4 5 + ( 1) 5 4
=
,
9p+1
4
mp = M (jX1 jp) = p1 jx1 jp + p2 jx2 jp = ,
9
4 4 p 5 4 p
p
p
p
p = M (jX1 m1 j ) = p1 jx1 m1 j + p2 jx2 m1 j = 1
+
0
=
9
9
9
9
4 5p + 5 4p
=
.
9p+1
3. Se onsider
a urmatoarele urne: U1 u 3 bile albe si 4 bile negre, U2 u 5
bile albe si 6 bile negre, si U3 u 4 bile albe si 4 bile negre. Din prima urna se
extrage o bila are se introdu e ^n ea de a doua urna, dupa are se extrage o bila
din urna a doua si se introdu e ^n urna a treia, si ^n sfârsit se extrage o bila din
ea de a treia urna. Sa se al uleze valoarea medie, dispersia si abaterea medie
patrati a ale numarului de bile albe aparute ^n e are din ele trei extrageri.
Rezolvare. S
a notam u Yi variabila aleatoare are are a valori numarul
36
Capitolul 2
de bile albe obtinute la extragerea din urna Ui , i = 1; 3. Pentru Y1 avem tabloul

de distributie
0
1
1
0
C
Y1 : B
3
4 A.
7 7
Pentru a ompleta tabloul de distributie pentru Y2 , vom al ula probabilitatile P (Y2 = 1) si P (Y2 = 0) folosind formula probabilitatii totale, si anume
P (Y2 = 1) = P (Y2 = 1=Y1 = 1)P (Y1 = 1) + P (Y2 = 1=Y1 = 0)P (Y1 = 0) =
1 3 5 4 19
= + = ; si
2 7 12 7 42
P (Y2 = 0) = P (Y2 = 0=Y1 = 1)P (Y1 = 1) + P (Y2 = 0=Y1 = 0)P (Y1 = 0) =
1 3 7 4 23
= + = (= 1 P (Y2 = 1)).
2 7 12 0
7 42 1
1 0 C
De i Y2 : B
19
23 A.
42 42
În mod asemanator avem
P (Y3 = 1) = P (Y3 = 1=Y2 = 1)P (Y2 = 1) + P (Y3 = 1=Y2 = 0)P (Y2 = 0) =
5 19 4 23 187
= + =
; si
9 42 9 42 378
P (Y3 = 0) = P (Y3 = 0=Y2 = 1)P (Y2 = 1) + P (Y3 = 0=Y2 = 0)P (Y2 = 0) =
4 19 5 23 191
= + =
.
9 42 9 42 378 0
1
1
0
C
Obtinem astfel Y3 = B
187
191 A.
378 378
Atun i
19
187
3
,
M (Y1 ) = , M (Y2 ) = , M (Y3 ) =
7
42
378
3 3 2
D(Y1 ) = M (Y12 ) [M (Y1 )2 =
' 0; 245,
7 7 2
19
19
' 0; 248,
D(Y2 ) = M (Y22 ) [M (Y2 )2 =
42 42 2
187
187
D(Y3 ) = M (Y32 ) [M (Y3 )2 =
' 0; 25,
378
378
iar 1 ' 0; 495, 2 ' 0; 498, 3 ' 0; 5.
4. Se fa trageri asupra unui obie t p^
ana ând a esta este doborât. Pentru
doborârea lui este su ienta o tragere reusita. La e are tragere ^n parte proba3
bilitatea de su es este . Sa se al uleze valoarea medie, dispersia si abaterea
8
37
medie patrati a ale numarului de trageri.

Rezolvare. Fie X variabila aleatoare are are a valori num
arul de trageri
pâna la doborârea obie tului. A easta variabila poate lua valorile 1; 2; : : : Se
3
observa a P (X = 1) = . Evenimentul fX = 2g se poate s rie a interse tia
8
a 2 evenimente (independente): "prima tragere este ratata" si "a doua tragere
5 3 53
este reusita". Rezulta a P (X = 2) = = 2 . În general, evenimentul
8 8
8
fX = kg, k 3 se exprima astfel: "prima tragere este ratata", "a doua tragere
este ratata", : : :, "a (k 1)-a tragere este ratata" si "a k-a tragere este reusita".
Rezulta
5 5 5 3 3 5k 1
P (X = k ) = =
.
8 8 8 8
8k
Atun i tabloul
de distributie al variabilei aleatoare
X este
1
0
1 2
3 :::
k
::: C
k
1
2
X :B
A:
3
35
35 35
:
:
:
:
:
:
8 82
83
8k
Valoarea medie a variabilei X2 este
3
5 5 2
35
35
3 5k 1
3h
M (X ) = 1 +2 2 +3 3 + + k k + = 1+2 +3
+
8
8
8
8
8
8
8
k 1
i
5
+ .
++k
8
Pentru a al ula suma seriei din paranteza de mai sus, vom ple a de la
egalitatea
1
; 0 < x < 1,
1 + x + x2 + x3 + + xk + =
1 x
de unde rezulta
x
x + x2 + x3 + + xk + =
; 0 < x < 1.
1 x
Folosind proprietatea de la serii de puteri (derivarea termen u termen a unei
astfel de serii) obtinem
1 + 2x + 3x +
2
+ kxk
+ =
1 x
(1 x)2
; 0 < x < 1:
5
rezulta a
8
2
k 1
64
5
5
5
++k
+ = ,
1+2 +3
8
8
8
9
8
si de i M (X ) = ' 2; 667.
3
Pentru x =
(2:1)
38
Capitolul 2
Pentru a al ula dispersia lui X vom folosi formula D2 (X ) = M (X 2 )

[M (X )2 . Variabila
X 2 este
1
0
2
2
2
2
1
2
3
:
:
:
k
:
:
:
C
X2 : B
A.
3
3 5k 1
3 5 3 52
:
:
:
:
:
:
8 2 82
83
8k
Media variabilei X
este
"
#
k 1
2
3
5
5
5
2
2
2
2
M (X 2 ) = 1 + 2 + 3
++k
+ .
8
8
8
8
Pentru a al ula suma seriei de mai sus, ple am de la egalitatea (2.1), pe
are o ^nmultim u x, adi a
x
x + 2x2 + 3x3 + + kxk + =
; 0 < x < 1.
(1 x)2
Derivând termen u termen relatia obtinuta, avem
1+x
; 0 < x < 1.
12 + 22 x + 32 x2 + + k2 xk 1 + =
(1 x)3
5
Pentru x = rezulta
8
k 1
832
5
5 2 5 2
2
2
2
++k
+ =
,
1 +2 +3
8
8
8 p
27
104 2
40
40
iar M (X 2 ) =
, D (X ) = ' 4; 444, =
' 2; 108:
9
9
3
5. Variabila aleatoare are densitatea de repartit
ie, f : IR ! IR,
8
1
>
<
; x 2 [ 1; 1;
f (x) = > 2
:
0; x 62 [ 1; 1:
Sa se al uleze valoarea medie si dispersia variabilelor aleatoare X si Z =
= 2X 2 + 1. Sa se s rie apoi momentele mp , p, mp si p pentru variabila X ,
(p 2 IN ).
Rezolvare. Avem
Z 1
Z 1
x2 1
1
M (X ) =
x dx = 1 = 0,
xf (x) dx =
4
1
1 2
Z 1
Z 1
1
1
x3 1
x2 dx = 1 = , unde m =
(x m)2 f (x) dx =
D 2 (X ) =
6
3
1 2
1
= M (X ) = 0,
Z 1
Z 1
xp
1
xp+1 1
mp = M (X p ) =
xp f (x) dx =
=

dx =
[1
2(p + 1) 1 2(p + 1)
1
1 2
( 1)p+1 ,
Z 1
p
p = M (X m) =
(x m)p f (x) dx = mp ,
1
39
Z 1
Z 1
jxjp dx = Z 1 xp dx = xp+1 1 =
mp = M (jX jp ) =
j
xjp f (x)dx =
2
p+1 0
0
1
1
1
=
,
p+1
Z 1
p = M (jX mjp) =
jx mjpf (x) dx = mp.
1
Pentru al ulareaZvalorii medii a variabilei aleatoare Z , vom apli a formula
1
M (g (X )) =
g (x)f (x) dx, u g (x) = 2x2 + 1; x 2 IR.
1
Obtinem
Z 1
Z 1
5
1Z 1 2
2
(2x + 1) dx = (2x2 + 1) dx = .
M (Z ) =
(2x + 1)f (x) dx =
2 1
3
0
1
Pentru dispersia variabilei
Z
avem
!

2 2
5 2
2
= M 2X 2
, de i
D (Z ) = M Z
3
3
Z 1
Z 1
2 2
2 2
1 Z 1 2 2 2
2x2
2x2
2x
f (x) dx =
dx =
dx =
D2 (Z )=
3
2 1
3
3
0
1
16
= .
45
6. Pe axa Oy a unui sistem de axe xOy se ia pun tul A(0; 1). O dreapt
a
are tre e prin A fa e u Oy unghiul si taie axa Ox ^n pun tul P (; 0). Sa se
al uleze valoarea medie8a lui , stiind
a are densitatea de repartitie

4

>
>
<
; x 2 0; ;
4

f (x) = >

>
:
0; x 62 0; :
4
Rezolvare. Din triunghiul OAP (vezi Figura 2.1) dedu em
a = tg .
y
A(0,1)
P(l,0)
Figura 2.1
Atun i
Z 1
Z
M () =
tg xf (x) dx =
1
=4
=4
2 ln 2
4
4
tg x dx = [ ln( os x)0 =
.

40
Capitolul 2
Variabila aleatoare X are valoarea medie m = 20 si abaterea medie

patrati a = 3. Sa se arate a
45
P (8 < X < 32) .
48
Rezolvare. Vom folosi inegalitatea lui Ceb^
asev
1
2
P (jX mj k ) 2 ; 8 k > 0 , P (jX mj a) 2 ; 8 a > 0,
k
a
mai pre is onse inta sa
2
P (jX mj < a) 1
; 8 a > 0.
a2
Dubla inegalitate 8 < X < 32 este e hivalenta u 12 < X 20 < 12 sau
jX 20j < 12. Atun i pentru a = 12 obtinem
32 45
= ,
P (8 < X < 32) = P (jX 20j < 12) 1
122 48
adi a inegalitatea din enunt.
8. S
a se arate a da a variabila aleatoare X u valori mai mari sau egale u
1
X
0, are valoarea medie m, iar = nP (n X < n + 1), atun i m + 1.
7.
n=1
Deoare e ori e valoare a lui X se gaseste ^ntr-unul din intervalele

[n; n + 1), n = 0; 1; 2; : : :, putem s rie
1
X
P (n X < n + 1) = 1.
Rezolvare.
n=0
Denim variabilele aleatoare dis rete Y si Z astfel

Y = n; da a n X < n + 1; n = 0; 1; 2; : : :,
Z = n + 1; da a n X < n + 1; n = 0; 1; 2; : : :
Din denitia variabilelor Y si Z avem relatia Y X < Z , si de i M (Y )
M (X ) M (Z ).
Valorile medii ale variabilelor Y si Z sunt
1
1
X
X
M (Y ) = nP (Y = n) = nP (n X < n + 1) = ,
n=0
n=0
M (Z ) =
1
n=0
(n + 1)P (Z = n + 1) =
1
(n + 1)P (n X < n + 1) =
n=0
nP (n X < n + 1) + P (n X < n + 1) = + 1.
n=0
Din relatiile de mai sus dedu em a m + 1.
9. Da
a o variabila aleatoare are densitatea de probabilitate f si valoarea
medie m, atun i
n=0
41
lim x(1 F (x)) = 0 si x!

lim1 xF (x) = 0,
unde F este fun tia de repartitie orespunzatoare.
Rezolvare.
Deoare e variabila are valoare medie (m), atun i integrala
Z 1
tf (t) dt este onvergenta. Rezulta atun i a
x!1
tf (t) dt = 0.
lim
tf (t) dt = 0 si x!lim1
x!1 x
1
Pentru x > 0 avem Z

Z
1
x
f (t) dt
0 x(1 F (x)) = x 1
f (t) dt = x
f (t) dt =
=x
f (t) dt
tf (t) dt,
x
x
de unde rezulta, folosind prima limita de mai sus, a xlim
!1 x(1 F (x)) = 0.
Pentru x < 0 avem Z
Z x
x
0 xF (x) = x
f (t) dt
tf (t) dt.
1
1
Folosind a doua limita de mai sus, dedu em a x!
lim1 xF (x) = 0.
10. Da
a o variabila aleatoare are densitatea de probabilitate f si valoarea
medie m, atun iZ
Z 0
1
m = (1 F (t))dt
F (t) dt,
0
1
unde F este fun tia de repartitie orespunzatoare.
Rezolvare. S riem pe m astfel
Z 1
Z 0
Z 1
m=
tf (t) dt =
tf (t) dt +
tf (t) dt.
1
1
0
Vom
arata a Z
Z 0
Z 0
Z 1
1
F (t) dt,
tf (t) dt =
tf (t) dt = (1 F (t)) dt si
1
1
0
0
de unde va rezulta relatia din enuntul problemei.
Pentru
prima Zintegrala de mai sus, folosind
metoda integrarii prin
parti, avem
Z x
Z x
Z x
x
x
0
F (t) dt =
F (t) dt = xF (x)
tf (t) dt = tF (t) dt = tF (t)0
=
x0
(1 F (t)) dt + xF (x)
Z
x;
8 x 2 IR.
Z
Pentru x ! 1 obtinem
tf (t) dt = (1 F (t))dt, deoare e xlim
!1 x(1
0
0
F (x)) = 0, (vezi Problema 9).
Apoi dinZ relatia
Z x
x
tf (t) dt = xF (x)
F (t) dt,
0
0
prin tre ere la limita pentru x ! 1 obtinem
42
Capitolul 2
Z
Z 0
tf (t) dt =
F (t) dt )
tf (t) dt =
0
1
deoare e x!lim1 xF (x) = 0, (vezi Problema 9).
Z 0
F (t) dt,
x3. LEGI DE PROBABILITATE UZUALE
ALE VARIABILELOR ALEATOARE
Variabila aleatoare X are distributie binomiala u parametrii n si p (n 2

2 IN , 0 < p < 1) da a poate lua valorile 0; 1; : : : ; n si
P (X = k) = Cnk pk q n k ; k = 0; n, (q = 1 p).
Sa se al uleze valoarea medie si dispersia variabilei X .
Rezolvare. Tabloul de distribut
ie pentru variabila X este1
0
0
1
2
:::
n A
X : 0 0 n 1 n 1 2 2 n 2
.
Cn p q Cn pq
Cn p q
: : : Cnn pn q 0
1.
Se observa a
k=0
Cnk pk q n k = (p + q )n = 1.
Valoarea medie a variabilei X este

n
X
M (X ) = 0 Cn0 p0 q n +1 Cn1pq n 1 +2 Cn2p2 q n 2 + + n Cnnpn q 0 = kCnk pk q n k .
k=0
Pentru a al ula suma de mai sus vom onsidera polinomul

P (x) = (px + q )n = Cn0 pn xn + Cn1 pn 1 qxn 1 + : : : + Cnn 1 pq n 1 x + Cnn q n =
n
n
X
X
= Cnk pn k q k xn k = Cnk pk q n k xk .
k=0
k=0
Derivând polinomul de mai sus obtinem
P 0 (x) = np(px + q )n 1 = nCn0 pn xn 1 + (n 1)Cn1 pn 1 qxn 2 + : : : +

+Cnn
pq n
+ 0Cnn q n
Pentru
x = 1 rezulta
n
X
kCnk pk q n k = np(p + q )n
k=0
k=0
kCnk pk q n k xk 1 :
) M (X ) = np.
Pentru a al ula dispersia lui X vom folosi formula D2 (X ) = M (X 2 )

[M (X )2 . Media variabilei X 2 este
n
X
M (X 2 ) = k2 Cnk pk q n k .
k=0
(2:2)
43
Legi de probabilitate uzuale ale variabilelor aleatoare
Înmultim relatia (2.2) u x si obtinem

xP 0 (x) = npx(px+q )n 1 = nCn0 pn xn +(n 1)Cn1 pn 1 qxn 1 +: : :+Cnn 1 pq n 1 x+
+0 Cnnq n =
k=0
kCnk pk q n k xk :
Da a derivam relatia de mai sus dedu em a

P 0 (x)+ xP 00 (x) = np(px + q )n 1 + n(n 1)p2 x(px + q )n
k=0
k2 Cnk pk q n k xk 1 :
Pentru x = 1 rezulta M (X 2 ) = np + n(n 1)p2 ; de i

D2 (X ) = np + n(n 1)p2 n2 p2 = np np2 = npq .
Observatie. Da a A1 ; A2 ; : : : ; An sunt evenimente independente si P (Ai ) = p,
8 i = 1; n, iar X este variabila aleatoare are are a valori numarul de evenimente
are se realizeaza ^n adrul experientei, atun i X are distributie binomiala u
parametrii n si p, ( onform s hemei lui Bernoulli). În parti ular, da a A este
un eveniment legat de o anumita experienta si probabilitatea a A sa se produ a
ând efe tuam o singura data experienta este P (A) = p, atun i numarul X al
realizarilor lui A ând efe tuam de n ori experienta are distributie binomiala u
parametrii n si p.
2. Da
a este modulul (valoarea ea mai probabila) a unei variabile aleatoare
X u repartitie binomiala de parametri n si p, atun i
np q np + p; (q = 1 p).
Rezolvare. Da
a este modulul variabilei X atun i
P (X = 1) P (X = ) si P (X = + 1) P (X = ).
Inegalitatile de mai sus ne ondu la8sistemul
8
8
p
q
>

<
<
<
Cn 1 p 1 q n +1 Cn p q n ;
np + p
n p +1 q )
)
>
:
:
:
Cn+1 p+1 q n 1 Cn p q n
np q;

+1 n
adi a dubla inegalitate din on luzia problemei.
3. Da
a variabilele independente X si Y au distributii binomiale u parametrii
n si p, respe tiv m si p, atun i variabila X + Y are distributie binomiala u
parametrii m + n si p.
Rezolvare. Deoare e X ia valorile 0; 1; : : : ; n, iar Y ia valorile 0; 1; : : : ; m,
rezulta a variabila X + Y va lua valorile 0; 1; : : : ; n + m. Variabila X + Y are
44
Capitolul 2
valoarea k (k = 0; n + m) da a (X = 0 si Y = k) sau (X = 1 si Y = k

: : : sau (X = k si Y = 0). Atun i vom obtine
k
j =0
P (X + Y = k ) = P (
=
j =0
P (X = j )P (Y = k
= pk q m+n
j =0
fX = j; Y = k j g) =
j) =
j =0
j =0
Cnj pj q n j Cmk j pk j q m
P (X = j; Y = k
k+j
1) sau
j) =
Cnj Cmk j = Cmk +n pk q m+n k .
Am folosit mai sus faptul a evenimentele X si Y sunt independente, si de

asemenea am utilizat formula
xk
j =0
Cnj Cmk j = Cmk +n , are poate dedusa egalând
oe ientul lui din dezvoltarile (1 + x)n (1 + x)m si (1 + x)n+m .

De i am obtinut
P (X + Y = k) = Cmk +n pk q m+n k ; 8 k = 0; n + m,
adi a variabila X + Y are o distributie binomiala de parametri m + n si p.
4. Un eveniment are probabilitatea de realizare p atun i ^
and fa em o singura data experienta de are este legat. Da a n este numarul de realizari ale
evenimentului ând repet
am experient
a de n ori, sa se arate a

n
p " = 0,
lim P
n!1
n
ori are ar " > 0, (Teorema lui Bernoulli).
Rezolvare. Variabila aleatoare X are are a valori num
arul de realizari
(n ) ale evenimentului din problema are distributie binomiala de parametri n si
p. De i onform Problemei 1 avem M (n ) = np si D2 (n ) = npq . Variabila

aleatoare n va avea atun i valoarea medie, dispersia si abaterea medie patrati a
n

np
n 1
= M (n ) =
= p,
m=M
n
n
n

r
pq
1 2
n
pq
2
= 2 D (n ) = ; iar =
D
.
n
n
n
n
Vom folosi a um Inegalitatea lui Cebâsev (vezi Problema 7, x2) pentru vari
abila n si a = ". Obtinem
n

n

2 pq

P
p " 2 = 2 .
n
"
n"
45

n
pq

Deoare e nlim
!1 n"2 = 0, rezulta a si nlim
!1 P n p " = 0:
O ^mbunatatire a a estei proprietati este data de Teorema lui Borel, are
spune a ^n onditiile Problemei
4 avem

n
! p = 1.
P
n
5. ^
In adrul unei experiente evenimentele independente A1 ; A2 ; : : : ; An au
probabilitatile de realizare P (Ak ) = pk ; k = 1; n. Sa se al uleze valoarea medie
si dispersia numarului de evenimente are se realizeaza atun i ând experienta
are lo .
Rezolvare. S
a notam u X variabila aleatoare are are a valori numarul
de evenimente are se realizeaza ^n adrul experientei. Valorile variabilei X sunt
0; 1; 2; : : : ; n. Probabilitatea a X sa ia valoarea k (k = 0; n) este, onform
s hemei lui Poisson (s hema binomiala generalizata) oe ientul lui xk din polinomul
Q(x) = (p1 x + q1 )(p2 x + q2 ) (pn x + qn ),
unde qi = 1 pi ; i = 1; n. Da a s riem desfasurat pe Q(x) sub forma
Q(x) = a0 + a1 x + a2 x2 + + an xn ,
atun i tabloul de distribut
ie al variabilei X 1este
0
0 1 2 ::: n A
X:
:
a0 a1 a2 : : : an
Suma tuturor elementelor de pe linia a doua a tabloului de mai sus este 1;
^ntr-adevar
a0 + a1 + + an = Q(1) = (p1 + q1 )(p2 + q2 ) (pn + qn ) = 1.
Valoarea medie a variabilei
X este
n
X
M (X ) = kak .
k=0
Ideea de lu ru este asemanatoare u ea ^ntâlnita ^n rezolvarea Problemei 1.

Vom deriva polinomul Q, s ris sub ele doua forme de mai sus. Obtinem pe de o
parte
Q0 (x) = a1 + 2a2 x + 3a3 x2 + + nan xn 1 ;
(2:3)
de unde rezulta Q0 (1) = a1 + 2a2 + 3a3 + + nan =
k=1
kak = M (X ).
46
Capitolul 2
Pe de alta parte, derivând pe Q(x) = (p1 x + q1 )(p2 x + q2 ) (pn x + qn )

obtinem
Q0 (x) = p1
k6=1
(pk x + qk ) + p2
(pk x + qk ) + + pn
k6=2
iar Q0 (1) = p1 + p2 + + pn . De i M (X ) =
k=1
( pk x + q k ) ;
(2:4)
k6=n
pk .
n
Pentru a al ula dispersia vom al ula mai^ntâi M (X ) =

2
k=0
k2 ak . Înmultim
relatia (2.3) u x si obtinem

xQ0 (x) = a1 x + 2a2 x2 + 3a3 x3 + + nan xn .
Derivând egalitatea de mai sus rezulta
Q0 (x) + xQ00 (x) = a1 + 22 a2 x + 32 a3 x2 + + n2 an xn 1 .
n
X
Pentru x = 1 dedu em Q0 (1) + Q00 (1) = k2 ak = M (X 2 ) )
k=1
M (X 2 ) = Q0 (1) + Q00 (1) =
k=1
pk + Q00 (1):
(2:5)
Derivam2 a um relatia (2.4) pentru a determina Q00 (x)
Q00 (x) = p1 4p2

2
+ + pn 4p1
(pj x + qj ) + p3
j 6=1;2
(pj x + qj ) + p2
j 6=1;n
(pj x + qj ) + + pn
j 6=1;3
(pj x + qj ) + + pn
j 6=2;n
Y
1
j 6=1;n
Pentru x = 1 obtinem
X
X
X
Q00 (1) = p1 pk + p2 pk + + pn pk = p1 [M (X )
k6=1
k6=2
+p2 [M (X ) p2 + + pn [M (X )
n
X
+ + p2n ) = [M (X )2
p2k .
k=1
(pj x + qj )5 +
j 6=1;n
k6=n
(pj x + qj )5.
1
p1 +
pn = M (X )(p1 + p2 + + pn ) (p21 + p22 +
Din (2.5) si relatia de mai sus dedu em a

n
n
X
X
M (X 2 ) = pk + [M (X )2
p2k .
k=1
Atun i rezulta
D 2 (X ) = M (X 2 )
k=1
[M (X )2 =
k=1
pk + [M (X )2
k=1
p2k
[M (X )2 =
47
k=1
pk
k=1
p2k =
k=1
pk (1 pk ) =
k=1
pk q k .
O alta metoda mai simpla pentru al ulul mediei si dispersiei variabilei X
este urmatoarea: sa notam u Xk variabila aleatoare are are a valori pe 1 da a
Ak se realizeaza, si pe 0 da a Ak nu se realizeaza, k = 1; n. Tablourile de variatie
pentru variabilele Xk 0sunt
1
1
0
A ; k = 1; n .
Xk :
pk q k
Atun i numarul evenimentelor are se realizeaza este X = X1 + + Xn ,
de i
n
n
X
X
M (X ) = M (Xk ) = pk .
k=1
k=1
Deoare e variabilele aleatoare Xk , k = 1; n sunt independente, atun i

n
n
n
n
X
X
X
X
D2 (X ) = D2 (Xk ) = fM (Xk2 ) [M (Xk )2 g = (pk p2k ) = pk qk :
k=1
k=1
k=1
k=1
Variabila aleatoare X are distributie binomiala u exponent negativ u

parametrii m si p (m 2 IN , 0 < p < 1) da a poate lua valorile m; m + 1; : : : si
P (X = k) = Ckm 11 pm q k m , k m, (q = 1 p).
Rezolvare. Tabloul de distribut
ie al variabilei X este1
0
m
m+1
m+2 ::: A
X: m 1 m 0 m 1 m 1 m 1 m 2
.
Cm 1 p q Cm p q Cm+1 p q : : :
Valoarea sa medie X este
M (X ) = mCmm 11 pm q 0 + (m + 1)Cmm 1 pm q 1 + (m + 2)Cmm+11 pm q 2 + : : : =
1
X
=
kCkm 11 pm q k m .
6.
k=m
Pentru a al ula suma seriei de mai sus, pornim de la dezvoltarea ^n serie de
puteri a fun tiei (1 x) m , si anume
m
m(m + 1) 2
(1 x) m = 1 + x +
x + : : : ; x 2 ( 1; 1).
1!
2!

Pentru m 2 IN seria binomiala de mai sus se s rie
1
X
(1 x) m = Cm0 1 + Cm1 x + Cm2 +1 x2 + : : : =
Ckk 1m xk m ; x 2 ( 1; 1)
k=m
sau
(1 x)
m = Cm
m
1
1
+ Cmm 1 x + Cmm+11 x2 + : : : =
k=m
Ckm 11 xk m ; x 2 ( 1; 1): (2:6)
48
Capitolul 2
Folosind seria de mai sus ( u x = q ), observam a suma tuturor probabilitatilor de pe linia a doua a tabloului de distributie al variabilei X este 1;
^ntr-adev1
ar
1
X
X
Ckm 11 pm q k m = pm
Ckm 11 q k m = pm (1 q ) m = 1.
k=m
k=m
Relatia (2.6) se s rie e hivalent astfel

1
X
xm
=
C m 1 xk .
(1 x)m k=m k 1
Derivând a easta ultima!egalitate obtinem
0 X
1
xm
=
kCkm 11 xk
(1 x)m
k=m
1
X
mxm 1
=
kCkm 11 xk 1 ; x 2 ( 1; 1):
m
+1
(1 x)
k=m
(2:7)
Pentru x = q rezulta
1
1
m 1
X
X
mq m 1
m 1 q k 1 , mq
=
kC
=
kCkm 11 q k 1 .
(1 q )m+1 k=m k 1
pm+1
k=m
Atun i1valoarea medie a variabilei X1este
X
X
mq m 1 m
M (X ) =
kCkm 11 pm q k m = pm q m+1
kCkm 11 q k 1 = pm q m+1 m+1 = ,
p
p
k=m
k=m
onform egalitatii de mai sus.
Pentru a al ula dispersia variabilei X , vom al ula mai ^ntâi M (X 2 ), si
anume
1
1
X
X
M (X 2 ) =
k2 Ckm 11 pm q k m = pm q 1 m
k2 Ckm 11 q k 1.
k =m
k=m
Înmultim relatia (2.7) u x si obtinem

1
X
mxm
=
kCkm 11 xk ; x 2 ( 1; 1).
m
+1
(1 x)
k=m
Prin derivarea relatiei de mai sus rezulta
!0
1
X
mxm
=
k2 Ckm 11 xk 1 ; x 2 ( 1; 1) ,
(1 x)m+1
k =m
1
xm 1 m(m + x) X
=
k2 Ckm 11 xk 1 ; x 2 ( 1; 1):
(1 x)m+2
k=m
Pentru x = q obtinem
1
X
q m 1 m(m + q )
k2 Ckm 11 q k 1 =
.
pm+2
k=m
Rezulta atun i

m
49
m(m + q ) m(m + q )
=
; iar
pm+2
p2
m2 + mq m2 mq
2
2
2
D (X ) = M (X ) [M (X ) =
= 2.
p2
p2
p
Observatie. O experienta se efe tueaza pâna la ea de a m-a realizare a
unui eveniment A legat de ea. Da a probabilitatea a estui eveniment ând
se fa e o singura data experienta este p, atun i numarul X de efe tuari ale
experientei este o variabila aleatoare u distributie binomiala u exponent negativ
u parametrii m si p. Într-adevar, evenimentul fX = kg se s rie a interse tia
a doua evenimente: "^n primele k 1 efe tuari ale experientei evenimentul A
se produ e de m 1 ori" si "^n a k-a efe tuare a experientei se produ e A".
Probabilitatea primului din a este doua evenimente este Ckm 11 pm 1 q k m ( onform s hemei lui Bernoulli), iar probabilitatea elui de-al doilea eveniment este
p. De i P (X = k) = p Ckm 11 pm 1 q k m = Ckm 11 pm q k m .
7. Variabila aleatoare X are distribut
ie hipergeometri a u parametrii a; b; n

(a; b; n 2 IN , n a + b) da a poate lua ori e valoare ^ntreaga ^ntre max(0; n b)
si min(n; a) si
C kC n k
P (X = k) = a nb ; 8 k 2 [max (0; n b); min (n; a).
Ca+b
Rezolvare. Vom presupune f
ara a restrânge generalitatea problemei a n
b si n a, de i max (0; n b) = 0 si min (n; a) = n. Atun i tabloul de
distributie al variabilei
X este
1
0
0
1
2
:
:
:
n
C
B
0
n C 1C n 1 C 2C n 2
:
X:B
Can Cb0 C
Ca Cb
A
a b
a b
:
:
:
Can+b
Can+b
Can+b
Can+b
Observam mai ^ntâi a suma probabilitatilor de pe linia a doua a tabloului
de mai sus este 1; ^ntr-adevar avem
n C kC n k
n
X
1 X
1
a b
=
Cak Cbn k = n Can+b = 1,
n
n
Ca+b k=0
Ca+b
k=0 Ca+b
(vezi rezolvarea Problemei 3).
Valoarea medie
a variabilei aleatoare
X este
n C kC n k
n
X
X
a
an
a
a
M (X ) = k nb = n
= ap,
Cak 11 Cbn k = n Can+b1 1 =
Ca+b
Ca+b k=1
Ca+b
a+b
k=0
M ( X 2 ) = pm q 1
mq
50
Capitolul 2
a
unde am notat u p =
.
a+b
Pentru al ulul dispersiei, vom al ula mai ^ntâi media variabilei X 2 ; avem
n
n CkCn k
n
X
C kC n k X
C kC n k X
M (X 2 ) = k2 a nb = k(k 1) a nb + k a nb =
Ca+b
Ca+b
Ca+b
k=1
k=0
k=0
n
an
a(a 1) X
an
(a 1)(n 1)
a
(
a
1)
= n
=
+
Cak 22 Cbn k + M (X )= n Can+b2 2 +
Ca+b k=2
Ca+b
a + b (a + b)(a + b 1)
an
:
+
a+b
De i dispersia lui X este
an(a 1)(n 1)
an
a2 n2
D2 (X ) = M (X 2 ) [M (X )2 =
+
=
(a + b)(a + b 1) a + b (a + b)2
abn(a + b n)
a+b n
=
= npq
,
2
(a + b) (a + b 1)
a+b 1
b
unde q = 1 p =
.
a+b
Observatie. Da a dintr-o urna are ontine a bile albe si b bile negre se
extrag n bile una âte una, fara ^ntoar erea bilei extrasa ^n urna (sau se extrag n
bile simultan), iar X este numarul de bile albe extrase, atun i X are distributie
hipergeometri a u parametrii a; b; n, onform s hemei hipergeometri e - s hema
bilei ne^ntoarsa).
Folosind modelul urnei, valoarea medie a variabilei X din problema se poate
al ula si ^n felul urmator. Consideram o urna u a bile albe si b bile negre din
are se extrag una âte una n bile (fara ^ntoar erea bilei ^n urna) si onsideram
variabilele aleatoare: Xk are are a valori numarul de bile albe obtinute la extragerea k (1 da a obtinem bila alba si 0 da a obtinem bila neagra), k = 1; n.
a
b
Pentru X1 , avem P (X1 = 1) =
si P (X1 = 0) =
. De i tabloul
a+b
a+b
variabilei X1 este 0
1
1
0
C
X1 : B

b A.
a
a+b a+b
Pentru variabila X2 obtinem (^n urna au ramas a + b 1 bile)
P (X2 = 1) = P (X2 = 1=X1 = 1)P (X1 = 1) + P (X2 = 1=X1 = 0)P (X1 = 0) =
a 1
a
a
b
a(a + b 1)
a
=

+

=
=
; iar
a + b 1 a + b a + b 1 a + b (a + b 1)(a + b) a + b
P (X2 = 0) = P (X2 = 0=X1 = 1)P (X1 = 1) + P (X2 = 0=X1 = 0)P (X1 = 0) =
51
a
b 1
b
b(a + b 1)
b
b

+

=
=
.
a+b 1 a+
b
a
+
b
1
a
+
b
(
a
+
b
)(
a
+
b
1)
a
+
b
0
1
1
0
C
De i X2 : B

a
b A.
a+b a+b
Pentru variabila X3 avem (^n urna au ramas a + b 2 bile)
P (X3 = 1) = P (X3 = 1=X2 = 1)P (X2 = 1) + P (X3 = 1=X2 = 0)P (X2 = 0) =
= [P ((X3 = 1=X2 = 1)=X1 = 1)P (X1 = 1) + P ((X3 = 1=X2 = 1)=X1 =
= 0)P (X1 = 0)P (X2 = 1) + [P ((X3 = 1=X2 = 0)=X1 = 1)P (X1 = 1)+
+P ((X3 = 1=X2 = 0)=X1 = 0)P (X1 = 0)
P (X2 = 0) =
!

a
a 1
b
a
a
a 2
a 1
=

+

+

+
a + b 2 a + !b a + b 2 a + b a + b
a+b 2 a+b
b
b
(a 2)a2 + 2(a 1)ab + ab2
a

=
=
+
a+b 2 a+b a+b
(a + b 2)(a + b)2
a(a + b)(a + b 2)
a
=
=
.
2
(a + b 2)(a + b)
a+b
b
(= 1 P (X3 = 1)). De i
Asemanator P (X3 = 0) =
a+b 1
0
1
0 C
X3 : B

a
b A:
a+b a+b
Se arata ^n a elasi mod a toate variabilele Xk , k = 1; n au a elasi tablou de
distributie
0
1
1
0
C
Xk : B

a
b A ; 8 k = 1; n ,
a+b a+b
(desi ele sunt variabile dependente).
n
X
Cu ajutorul variabilelor Xk , k = 1; n, variabila X se s rie X = Xk , de i
=
na
a
=
= np.
M (X ) = M (Xk ) =
a+b
k=1
k=1 a + b
X
k=1
Pentru dispersie nu mai putem s rie a D2 (X ) este egala u
k=1
D2 (Xk )
deoare e variabilele Xk , k = 1; n, nu sunt independente.

ie Poisson u parametrul ( > 0)
da a poate lua ori e valoare ^ntreaga pozitiva si
52
Capitolul 2
k
P ( X = k ) = e ; k = 0; 1; 2; : : :
k!
Rezolvare. Variabila aleatoare X are tabloul de distribut
ie
1
0
0
1
2
:::
k
::: C
k
1
2
X:B
A:
0

e
e
e :::
e :::
0!
1!
2!
k!
Reamintim a dezvoltarea ^n serie de puteri a fun tiei f (x) = ex este
x x2
xk
x
e = 1 + + + + + ; 8 x 2 IR.
1! 2!
k!
Folosind dezvoltarea de mai sus pentru x = dedu em a suma probabilitatilor de pe linia a doua a tabloului variabilei X este 1. Într-adevar avem
1
1 k
X
X

P (X = k ) = e
= e e = 1.
k=0
k=0 k !
Valoarea medie1 a variabilei
X este1 k 1
X
X
k

M (X ) = k e = e
= e e = .
k
!
(
k
1)!
k=0
k=1
Pentru dispersie, al ulam mai ^ntâi media variabilei X 2 . Obtinem
1 k
1
1 k
1
X
X
X
X
k
k
M (X 2 ) = k2 e = (k2 k) e + k e = k(k 1) e +
k!
k!
k=0 k !
k=1
k=1 k !
k=2
1
k
2
X

+ M (X ) = 2 e e + = 2 + .
+M (X ) = 2 e
(
k
2)!
k=2
Atun i dispersia lui X este
D2 (X ) = M (X 2 ) [M (X )2 = 2 + 2 = .
9. S
a se al uleze momentele m3 ; m4 ; 3 ; 4 pentru o variabila aleatoare X
u distributie Poisson u parametrul .
Rezolvare. Din Problema 8
stim a m1 = M (X ) = , m2 = M (X 2 ) =
= 2 + . Momentul initial de ordinul 3 al variabilei X este
1 k
X
m3 = M ( X 3 ) = k 3 e .
k=0 k !
3
Deoare e k = k(k 1)(k 2) + 3k(k 1) + k, vom s rie pe m3 astfel
1
1
1 k
X
X
X
k
k
m3 = k(k 1)(k 2) e + 3 k(k 1) e + k e =
k!
k!
k=2
k=1
k=1 k !
1
1
1
k
2
k
1
k
3
X
X
X

+ 32 e
+ e
= 3 e e +
= 3 e
(
k
3)!
(
k
2)!
(
k
1)!
k=2
k=1
k=3
2

3
2
+3 e e + e e = + 3 + .
53
Apoi momentul entrat de ordinul 3 este

3 = M (X )3 = M (X 3 3X 2 + 32 X 3 ) = M (X 3 ) 3M (X 2 )+
+32 M (X ) 3 = m3 3m2 + 32 m1 3 = 3 + 32 + 3(2 + )+
+33 3 = .
Pentru momentul initial de ordinul 4 avem
1 4
X
4
m4 = M ( X ) = k 4 e :
k=0 k !
4
Deoare e k = k(k 1)(k 2)(k 3) + 6k(k 1)(k 2) + 7k(k 1) + k, momentul
m4 se s rie
1
1
X
X
k
k
m4 = k(k 1)(k 2)(k 3) e + 6 k(k 1)(k 2) e +
k!
k!
k=3
k=2
1
1
1 k 3
1
k
4
k
k
X
X
X
X

+ 63 e
+
+7 k(k 1) e + k e = 4 e
k!
k=1 k !
k=4 (k 4)!
k=3 (k 3)!
k=1
1 k 2
1 k 1
X
X
+72 e
+ e
= 4 e e + 63 e e + 72 e e +
(
k
2)!
(
k
1)!
k=2
k=1
+e e = 4 + 63 + 72 + .
Apoi momentul entrat de ordinul 4 este
4 = M (X )4 = M (X 4 4X 3 + 62 X 2 43 X + 4 ) = M (X 4 )
4M (X 3 ) + 62 M (X 2 ) 43 M (X ) + 4 = m4 4m3 + 62m2 43 m1 + 4 =
= 4 + 63 + 72 + 4(3 + 32 + ) + 62 (2 + ) 44 + 4 = 32 + .
10. Variabilele aleatoare independente X1
si X2 au distributii Poisson de
parametri 1 si respe tiv 2 . Sa se arate a X1 + X2 are distributie Poisson de
parametru 1 + 2 .
Rezolvare. Variabila X1 + X2 are a valori pe 0; 1; 2; : : :. Fie k 0 ^
ntreg.
Atun i
k

X
Sk
P (X1 + X2 = k) = P j =0(X1 = j; X2 = k j ) = P (X1 = j; X2 = k j ) =
j =0
k
j1 2k j e ( + ) X
= P (X1 = j )P (X2 = k j )=
Ckj j1 2k j =
e
e =
(k j )!
k! j =0
j =0 j !
j =0
k
( + )
= 1 2 e ( + ) .
k!
Dedu em astfel a variabila X1 + X2 are distributie Poisson de parametru
1 + 2 .
k
54
Capitolul 2
Fie k 2 IN xat si pentru n > k sa onsideram variabilele Xn are

au distributii binomiale u parametrii n si pn , astfel ^n ât toate sa aiba a eeasi
valoare medie . Sa se arate a
k
lim P (Xn = k) = e .
n!1
k!
Rezolvare. Deoare e variabilele Xn au a eea
si valoare medie putem sa
s riem, onform Problemei 1

M (Xn ) = npn = ) pn = .
n
Atun i obtinem
!
!
n(n 1) (n k +1) k
n k
k
k
n
k
lim P (Xn = k)= nlim
1
=
n!1
!1 Cn pn qn = nlim
!1
k!
n
n
!
n k k
n(n 1) (n k + 1)
k
lim 1
= e ,
= nlim
n!1
k! !1
nk
n
k!
adi a relatia din enuntul problemei.
Observatie. Relatia de mai sus ne arata a da a pn este su ient de mi si n
su ient de mare, atun i putem aproxima distributia binomiala u parametrii n
si pn , prin distributia Poisson de parametru = npn . Din a est motiv distributia
Poisson se mai numeste legea evenimentelor rare.
Da a n 30 si np < 5 atun i distributia Poisson u parametrul = np este
o buna aproximare a distributiei binomiale u parametrii n si p.
ie uniform
a (re tangulara) de parametri
si ! da a densitatea
sa de repartit
ie este
8

1
!
!
>
>
<
; x2
;+ ;
2
2

f (x) = > !
!
!
>
: 0;
[ + 2;1 :
x 2 1;
2
Sa se s rie fun tia de repartitie orespunzatoare si apoi sa se al uleze media
si dispersia variabilei X .
Rezolvare. Observ
am mai ^ntâi a f este o densitate de probabilitate,
deoare e f (x) 0; 8 x 2 IR; si
Z 1
Z + !
1
x + !
f (x) dx = ! dx = ! = 1.
!
!

1
Fun tia de repartitie a variabilei X este
11.
2
2
55
!
;
2

1
!
!
!
F ( x) = > x + ; x 2
;+ ;
!
2
2
2
>
>
!
>
>
:
1;
x>+ :
2
Gra ele fun tiilor f si F sunt date ^n Figura 2.2 si Figura 2.3.
Valoarea medieZ a lui X este Z
+ x
1
1 + !
xf (x) dx = ! dx = x2 ! = ,
M (X ) =
!
2!
1

iar dispersia este
Z + !
Z 1
+ !
1
1
!2
(x )2 f (x) dx = ! (x )2 dx = (x )3 ! = .
D2 (X )=
!
3!
12
1

8
>
>
>
>
>
<
0;
x<
2
2
2
2
1_
)
m-w
2
(
m+w
-
m-w
-
m+w
2
Figura 2.3
Figura 2.2
Sa se al uleze momentele m2 , m3 si 3 pentru o variabila aleatoare X

u distributie uniforma de parametri si ! .
Rezolvare. Momentul init
ial de ordinul al doilea este
"
Z + !
Z 1
1
1 2
! 3
1 3 + !
2
x f (x) dx = ! x dx = x ! =
m2 =
+
!
3!
3!
2
1

#
!
3

3
2
1
!
!
!
=
32! +
= 2 + .

2
3!
4
12
Apoi momentul initial de ordinul al treilea este
"
Z 1
Z + !
! 4
1 4 + !
1
3 1
3
+
m3 =
x f (x) dx = ! x dx = x ! =
!
4!
4!
2

1
#
4

2
1
!
!
= (43 ! + ! 3 ) = 3 +
,

2
4!
4
iar momentul entrat de ordinul al treilea este
Z 1
Z + !
+ !
1
1
3 =
(x )3 f (x) dx = ! (x )3 dx = (x )4 ! = 0.
!
4!
1

13.
2
2
2
2
2
2
56
Capitolul 2
Variabilele aleatoare X si Y sunt independente. X are distributie uniforma pe intervalul [0; 1, iar Y are distributie uniforma pe intervalul [0; 2. Sa se
al uleze densitatea de probabilitate a variabilei X + Y .
Rezolvare. Da
a Zf1 este densitatea de probabilitate a variabilei aleatoare
1
X , punem onditia a
f1 (x) dx = 1. Obtinem parametrii lui X : !1 = 1 si
1
1
1 = , de i densitatea sa va
2
8
< 1; x 2 [0; 1;
f1 (x) = :
0; x 62 [0; 1:
Asem
anator da a f2 este densitatea de probabilitate a variabilei Y , din
Z 1
f2 (x) dx = 1 obtinem parametrii: !2 = 2 si 2 = 1. De i densi onditia
1
tatea sa va
8
1
>
<
; x 2 [0; 2;
f2 (x) = > 2
:
0; x 62 [0; 2:
Deoare e X si Y sunt independente, pentru densitatea de probabilitate f a
variabilei aleatoare X + Y Zvom apli a formula
1
f ( x) =
f1 (x y )f2 (y ) dy .
1
Avem
f1 (x y ) 6= 0 pentru x y 2 [0; 1 , y 2 [x 1; x, si
f2 (y ) 6= 0 pentru y 2 [0; 2.
De i f1 (x y )f2 (y ) 6= 0 pentru y 2 [x 1; x \ [0; 2.
Da a x 62 [0; 3 atun i [x 1; x \ [0; 2 = ;, de i f (x) = 0.
Da a x 2 [0; 1) atun i [x 1; x \ [0; 2 = [0; x si atun i
Z x
Z x
x
1
dy = .
f (x) = f1 (x y )f2(y )dy =
2
0
0 2
Da a x 2 [1; 2) atun i [x 1; x \ [0; 2 = [x 1; x si atun i
Z x
Z x
1
1
dy = .
f (x) =
f1 (x y )f2 (y ) dy =
2
x 1
x 12
Da a x 2 [2; 3 atun i [x 1; x \ [0; 2 = [x 1; 2 si atun i
Z 2
Z 2
1
3 x
f (x) =
f1 (x y )f2 (y ) dy =
dy =
.
2
x 1
x 12
De i
14.
57
x
; x 2 [0; 1);
2
1
; x 2 [1; 2);
f ( x) = > 3 2 x
>
>
; x 2 [2; 3;
>
>
>
2
>
>
:
0; x 62 [0; 3:
15. Variabila aleatoare are distribut
ie normal
a sau urmeaza legea normal
a
u parametrii m si , m 2 IR, > 0, da a densitatea sa de probabilitate este
x m
1
f (x) = p e ; x 2 IR:
2
Fun tia f se numeste densitatea de repartitie normala sau gaussiana.
Sa se s rie fun tia de repartitie orespunzatoare si apoi sa se al uleze media
si dispersia variabilei X .
Rezolvare. Mai ^
ntâi observam a f este o densitate de probabilitate, adi a
Z 1
f (x)dx = 1. Într-adevar da a ^n integrala de mai sus fa em s himbarea de
1
p
x m
variabila p = y , rezulta dx = 2 dy ; apoi da a x ! 1 atun i y ! 1,
2
iar da a xZ ! 1 atun i y ! Z1. Astfel obtinemZ
1
2 1 y
1 1 y
e dy = p
e dy = 1.
f (x) dx = p
1
0
1
p
Z 1
y
, vezi f[6, CapiAm folosit mai sus integrala lui Euler-Poisson
e dy =
2
0
tolul 9, x1, Problema 7g.
Gra ul fun tiei f are forma de lopot (vezi Figura 2.4). Dreapta x = m este
axa de simetrie pentru a est gra , iar pentru x = m se obtine valoarea maxima
p1 . Pun tele x = m si x = m + sunt pun te de in exiune.
2
Sa notam u f (x; m; ) densitatea de probabilitate din problema. Vom determina mai ^ntâi fun tia de repartitie orespunzatoare, pentru m = 0 si = 1.
În a est az
x
1
f (x; 0; 1) = p e .
2
Atun i fun tia deZ repartitie F (x; 0; 1) este
Z 0
Z x
x
1
F (x; 0; 1) =
f (t; 0; 1) dt =
f (t; 0; 1)dt + f (t; 0; 1)dt = + (x),
2
1
1
0
1 Z x t =2
e
dt.
unde (x) = p
2 0
8
>
>
>
>
>
>
>
>
<
2 2
)2
58
Capitolul 2
Fun tia de mai sus se numeste fun tia integrala a lui Lapla e, pentru
valorile areia sunt ^nto mite tabele.
y
1
s 2p
m-s
m+s
Figura 2.4
Da a variabila aleatoare urmeaza legea normala u parametrii m si , atun i

1
variabila aleatoare Y = (X m) urmeaza legea normala u parametrii 0 si 1.

Într-adevar, da a F1 este fun tia de repartitie a lui Y atun i
F1 (x) = P (Y < x) = P (X < m + x) = F (m + x; m; ),
iar densitatea de probabilitate a variabilei Y este
1
f1 (x) = F10 (x) = f (m + x; m; ) = p e x =2 = f (x; 0; 1); 8 x 2 IR.
2
De i F1 (x) = F (x; 0; 1), adi a variabila Y urmeaza legea normala u parametrii
0 si 1.
Rezulta astfel a pentru variabila aleatoare X u distributie normala u
parametrii m si , fun tiade repartitie
este

1
x m
x m
.
; 0; 1 = +
F (x; m; ) = F

2

Valoarea medie a variabilei aleatoare X este
Z 1
x m
1 Z1
xf (x; m; ) dx = p
xe dx.
M (X ) =
1
2 1
În integrala de mai sus fa em s himbarea de variabila x m = y , de unde rezulta

dx = dy ; pentru x ! 1 rezulta y ! 1, iar pentru x ! 1 rezulta y ! 1.
De i
Z1
m Z 1 y =2
1 Z1
(y +m)e y =2 dy = p
ye y =2 dy + p
e
dy =
M (X )= p
12 1
2 1
2 1
Z
=0+m
f (y ; 0; 1)dy = m.
2
2 2
)2
59
Dispersia Zvariabilei X este

1
x m
1 Z1
2
2
p
D (X ) =
(x m) f (x; m; )dx =
(x m)2 e dx.
1
2 1
Cu a eeasi s himbareZde variabila obtinem
1 2 2 y =2
2 Z 1 2 y =2
1
2
ye
dy = p
ye
dy =
D (X ) = p
1
1

2

2

1
2 Z 1 y =2
2 Z 1 y =2 0
2
=p
dy = p
y ye
y e
dy = p ye y =2 1+
2 1
2 1
2
2 Z 1 y =2
+p
e
dy = 2 .
2 1
Dedu em de ai i a abaterea medie patrati a a variabilei X este D(X ) = .
16. Da
a X este o variabila aleatoare are urmeaza legea normala u parametrii m si , iar a; b; k 2 IR, k >!0, sa se
demonstreze a

b m
a m
a) P (a < X < b) =

;

b) P (jX mj < k ) = 2(k).
Rezolvare. a) Avem
!
!

a m X m b m
b m
a m
P (a<X <b)= P
=F
<
<
; 0; 1 F
; 0; 1 =

!

!#
"

1
b m
a m
b m
a m
1
=

.
+
= +
2

2

b) Conform pun tului a) obtinem
P (jX mj < k ) = P (m k < X < m + k ) = (k) ( k) = 2(k),
deoare e fun tia este impara ( k) = (k).
Observatie. Da a luam k = 3 ^n relatia b) rezulta
P (jX mj < 3 ) = 2(3) ' 0; 9974.
A easta egalitate ne spune a aproape toate valorile variabilei X ad ^n intervalul (m 3; m + 3 ). Relatia este unos uta sub denumirea de regula elor
sase .
17. S
a se al uleze momentele entrate ale unei variabile aleatoare X u
distributie normala de parametri m si .
Rezolvare. Momentul entrat de ordinul k este
Z 1
x m
1 Z1
k =
(x m)k f (x) dx = p
(x m)k e dx.
1
2 1
Avem
(
2 2
2 2
)2
)2
60
Capitolul 2
Z
0 =
f (x) dx = 1, 1 =
(x m)f (x) dx = 0 si 2 = D2 (X ) = 2 .
1
1
Pentru k 2, ^n integrala are deneste momentul entrat de ordinul k vom
p
x m
fa e s himbarea de variabila p = y , de unde dedu em dx = 2y ; pentru
2
x ! 1 rezult
a
y
!
1
,
iar
pentru xp! 1 rezulta y ! 1. Obtinem atun i
p kZ1
( 2)k Z 1 k 1 y 0
( 2)
k
y
p
e
dy =
y e dy =
y
k = p
p k 11
p2 kZ 1 1
( 2) k 1 y
( 2)
p
y k 2e y dy =
y e 1 + (k 1) p
=
2 p
p k 2Z1 2 1
2
( 2) ( 2)
p

= (k 1)
y k 2e y dy = (k 1) 2 k 2 .
2

1
De i am gasit relatia de re urenta k = (k 1) 2 k 2.
Deoare e 0 = 1, 1 = 0 din relatia de mai sus dedu em a
2p 1 = 0; 2p = 1 3 5 (2p 1) 2p ; 8 p 2 IN .
18. S
a se arate a da a variabilele aleatoare independente X si Y urmeaza
legea normala u parametrii m = 0 si = 1, atun i variabilele X + Y si
X Y urmeaza de asemenea legea normala. Sa se determine parametrii a estor
distributii.
Rezolvare. Da
a notam u f si g densitatile de probabilitate ale variabilelor
X si Y , atun i
1
f (x) = g (x) = p e x =2 ; x 2 IR.
2
Densitatea de probabilitate a variabilei X + Y este
Z 1
y
1 Z 1 (y xy+ x )
1 Z1 xy
e
e

e dy =
dy =
f (x y )g (y ) dy =
h(x) =
2

2

1
1
1
Z 1
x
x
x
1
1 Z 1 (y x )
y x=2=z 1
e z dz = p e =
=

e dy =
e
e
2 1
2
2
1
xp
1
= p p e ; 8 x 2 IR.
2 2
Dedu em astfel a X + Y urmeaza si ea legea normala u parametrii m = 0
p
si = 2.
Asemanator pentru densitatea de probabilitate a variabilei aleatoare X Y
obtinem
Z 1
y
1 Z 1 (y +xy+ x )
1 Z1 xy
e
e dy = 2 1 e
dy =
k(x) =
f (x+y )g (y ) dy =
2 1
1
2
)2
2(
2)2
( + )2
2
61
Z 1
x
x
x
1
1 Z 1 (y+ x )
y+x=2=z 1
e
e

e dy =
e z dz = p e =
=
2 1
2
2
1
xp
1
= p p e ; 8 x 2 IR.
2 2
p
Rezulta a X Y urmeaza legea normala u parametrii m = 0 si = 2.
Observatie. În general da a X si Y sunt doua variabile aleatoare independente are urmeaza legea normala u parametrii m1 , 1 , respe tiv m2 , q
2 , atun i
X + Y si X Y urmeaza legea q
normala de parametri m = m1 + m2 , = 12 + 22 ,
respe tiv m = m1 m2 , = 12 + 22 .
19. Se arun
a o moneda de 256 de ori. Care este probabilitatea a numarul
de aparitii ale "stemei" sa e uprins ^ntre 112 si 144?
Rezolvare. S
a notam u X variabila aleatoare are are a valori numarul
de aparitii ale "stemei", atun i ând se arun a moneda de 256 de ori. X are
1
distributie binomiala u parametrii n = 256 si p = (probabilitatea a la o
2
arun are sa apara "stema"). Trebuie sa al ulam P (112 < X < 144). Deoare e
p = p64 = 8, atun i
M (X ) = np = 128, iar D(X ) = npq

X 128
<2 .
P (112 < X < 144) = P 2 <
8
X 128
Vom folosi Teorema lui Moivre-Lapla e si vom aproxima distributia
8
udistributia normala Y de parametri m = 0 si = 1, adi a
X 128
P 2<
< 2 ' P ( 2 < Y < 2) = (2) ( 2) = 2(2) ' 0; 95;
8
1 Z x t =2
unde este fun tia integrala a lui Lapla e, (x) = p
e
dt.
2 0
20. De ^
ate ori trebuie sa arun am un zar ore t pentru a, u probabilitatea
1
0,95, abaterea fre ventei relative a fetei 1 de la numarul p = sa e uprins ^ntre
6
0; 03 si 0; 03.
Rezolvare. Da
a ^n n arun ari fata 1 apare de n ori, vom auta n pentru
are

n
P 0; 03 <
p < 0; 03 = 0; 95.
n
A easta inegalitate
se mai poate

pn ! s rie astfel

np
0
;
03
5
n

.
P p
<
=
0
;
95
;
unde
q
=
1
p
=
p
npq
pq
6
Folosind formula lui Moivre-Lapla e, relatia de mai sus ne ondu e la
2
2(
2)2
62
Capitolul 2
0; 03 n
0; 18 n
p
= 0; 475 )
2 p
= 0; 95 )
pq
5
p ! 1
p !
0; 18 n
0; 18 n
p
p
F
= +
= 0; 975.
2
5
5
Folosind
un tabel u valorile fun tiei sau F (vezi [3, Anexa I), rezulta a
p
0; 18 n
p = 1; 96. Obtinem n ' 592; 8; de i trebuie sa arun am zarul de 593 de
5
ori.
21. O ma
sina produ e o piesa ir ulara. Piesa este buna da a diametrul sau
d este uprins ^ntre 3; 99 m si 4; 01 m. Care este probabilitatea produ erii unei
piese defe te de atre masina respe tiva, stiind a d are distributie normala u
media 4; 002 m si abaterea medie patrati a 0; 005 m?
Rezolvare. Probabilitatea a o pies
a sa e bun
a este
!
!

4; 01 4; 002
a m
b m

=
P (3; 99 < d < 4; 01) =

0; 005
!
3; 99 4; 002
= (1; 6) ( 2; 4) = (1; 6)+(2; 4) = F (1; 6)+ F (2; 4)

0; 005
1 ' 0; 9452 + 0; 9918 1 = 0; 937.
Rezulta atun i a probabilitatea a piesa sa e defe ta este 1 0; 937 = 0; 063.
22. O ma
sina produ e o piesa ir ulara. Când masina este bine reglata,
diametrul d al pieselor are distributie normala u media 10 m si abaterea medie
patrati a 0,08 m. Se iau la ^ntâmplare 4 piese fabri ate de masina si se onstata
a media aritmeti a a diametrelor a estor piese este 10,14 m. Se poate arma
a masina s-a dereglat?
Rezolvare. Fie d1 ; d2 ; d3 ; d4 diametrele elor 4 piese alese la ^
ntâmplare.
A estea sunt 4 variabile aleatoare independente distribuite normal u media 10
d +d +d +d
m si abaterea medie patrati a 0,08. Atun i variabila d = 1 2 3 4 are
4
de asemenea distributie normala u media 10 m si abaterea medie patrati a 0,04
m. Într-adevar
!
d1 + d2 + d3 + d4
1
m = M (d) = M
= (M (d1 ) + M (d2 ) + M (d3 ) + M (d4 )) =
4
4
40
= = 10; iar
4
!
d1 + d2 + d3 + d4
1
2
2
D (d) = D
= (D2 (d1 ) + D2 (d2 ) + D2 (d3 ) + D2 (d4 )) =
4
16
63
1
4(0; 08)2 = 0; 0016; de i (d) = 0; 04.
16
Conform regulei elor 6 avem
P (jd mj < 3 ) = 2(3) ' 0; 997 , P (m 3 < d < m + 3 ) ' 0; 997
sau
P (10 3 0; 04 < d < 10 + 3 0; 04) ' 0; 997 , P (9; 88 < d < 10; 12) ' 0; 997.
Din ultima relatie de mai sus dedu em a d ia valori ^n afara intervalului
(9; 88; 10; 12) u o probabilitate mai mi a de 0,003. De i este aproape sigur a
masina s-a defe tat. Z
1 p 1 x
x e dx; p 2 IR integrala (sau fun tia) gama a lui
23. Fie
(p) =
0
Euler. Sa se demonstreze a
a) (p) este onvergenta pentru p > 0 si divergenta pentru p 0;
b) (p + 1) = p (p); 8 p > 0; ) (n) = (n 1)!; 8 n 2 IN ;
p
d) ( 21 ) = .
Rezolvare. a) Da
a p 1 0 , p 1 atun i integrala (p) este improprie
p 1 x
de primul tip si onvergenta, deoare e xlim
!1 x x e = 0; 8 2 IR. Da a p < 1
atun i (p) este improprie
de ambele
tipuri. O des ompunem astfel
Z a
Z 1
p
1
x
(p) = x e dx +
xp 1 e x dx; unde a 2 (0; 1).
0
a
Z a
e x
dx este onvergenta pentru 1 p < 1 , p > 0, iar
Integrala I1 =
1 p
0 x
Z 1
I2 =
xp 1 e x dx este onvergenta pentru 8 p 2 IR, dupa um am vazut mai
a
sus.
Dedu em astfel a (p) este onvergenta pentru p > 0 si divergenta pentru
p 0.
b) Avem Z
Z 1
Z 1
1
1 p x

p
x
0
p
x
(p + 1)= x e dx = x ( e ) dx = x e 0 + p
xp 1 e x dx =
0
0
0
= p (p) ; 8 p > 0:
) Folosind relatia de la pun tul b) obtinem
(n)Z = (n 1) (n 1) = (n 1)(n 2) (n 2) = = (n 1)! (1),
1 x
1
iar (1) =
e dx = e x 0 = 1. De i (n) = (n 1)!; 8 n 2 IN .
=
d) ( ) =
1
2
1 2
e x dx. Notam x = u2 ; atun i dx = 2u du si
64
Capitolul 2
Z
p p
= ,
=2
2
u e 2u du = 2
e
( )=
0
0
onform integralei lui Euler-Poisson.
Z 1
xp 1 (1 x)q 1 dx; p; q 2 IR, integrala (sau fun tia)
24. Fie B (p; q ) =
0
beta a lui Euler. Sa se demonstreze a
a) B (p; q ) este onvergenta pentru p > 0 si q > 0, si ^n rest este divergenta;
b) B (p; q ) = B (q; p); 8 p; q > 0;
p 1
B (p 1; q ); 8 p > 1; q > 0;
) B (p; q ) =
p+q 1
q 1
B (p; q 1); 8 p > 0; q > 1;
d) B (p; q ) =
p+q 1
(p 1)(q 1)
e) B (p; q ) =
B (p 1; q 1); 8 p > 1; q > 1;
(p + q 1)(p + q 2)
(n 1)!
f) B (p; n) = B (n; p) =
; 8 n 2 IN ; p > 0;
p(p + 1) (p + n 1)
(m 1)!(n 1)!
; 8 m; n 2 IN ;
g) B (m; n) =
(m + n 1)!
h) B (p + 1; q ) + B (p; q + 1) = B (p; q ); 8 p; q > 0;
i) qB (p + 1; q ) = pB (p; q + 1); 8 p; q > 0;
Z 1
tp 1
j) B (p; q ) =
dt; 8 p; q > 0;
(1 + t)p+q
0
(p) (q )
k) B (p; q ) =
; 8 p; q > 0;
(p + q )

; 8 p 2 (0; 1).
l) B (p; 1 p) = (p) (1 p) =
sin(p )
Rezolvare. a) Da
a p 1 0 , p 1 si q 1 0 , q 1 atun i
B (p; q ) este o integrala proprie, de i onvergenta. Da a p 1 < 0 , p < 1 sau
q 1 < 0 , q < 1 atun i B (p; q ) este o integrala improprie de al doilea tip,
fun tia de sub semnul integrala devenind nemarginita ^n ve inatatea lui 0 sau 1.
S riem pe B (p;Zq ) astfel
Z 1
a
B (p; q ) = xp 1 (1 x)q 1 dx + xp 1 (1 x)q 1 dx; u a 2 (0; 1).
0
a Z
Z a
a (1 x)q 1
dx este onvergenta da a
Integrala I1 = xp 1 (1 x)q 1 dx =
x1 p Z 1
0
0
si numai da a 1 p < 1 , p > 0, iar integrala I2 = xp 1 (1 x)q 1 dx =
a
Z 1
xp 1
dx este onvergenta da a si numai da a 1 q < 1 , q > 0.
=
a (1 x)1 q
1
2
u2
u2 du
65
De i B (p; q )Zeste onvergenta pentruZp > 0 si q > 0, ^n rest ind divergenta.
1
1
b) B (p; q )= xp 1 (1 x)q 1 dx 1 =x=y (1 y )p 1 y q 1 dy = B (q; p); 8p; q > 0.
0
0
) Avem
Z 1
1
1Z 1 p 1
1
p
1
q
1
B (p; q ) = x (1 x) dx =
x [(1 x)q 0 dx = xp 1 (1 x)q 0 +
q 0
q
0
p 1Z 1 p 2
p 1Z 1 p 2
1Z 1
p
2
q
q
(p 1)x (1 x) dx =
x (1 x) dx =
x (1
+
q 0
q
q
0
0
p 1Z 1 p 2
p 1Z 1 p 1
x)q 1 (1 x) dx =
x (1 x)q 1 dx
x (1 x)q 1 dx =
q 0
q 0
p 1
p 1
B ( p 1; q )
B (p; q ).
=
q
q
Am obtinut astfel relatia
!
p 1
p 1
B (p; q ) =
B (p 1; q ),
1+
q
q
de unde rezulta
p+q 1
p 1
p 1
B (p; q ) =
B (p 1; q ) ) B (p; q ) =
B (p 1; q ).
q
q
p+q 1
d) Tre ând pe p ^n q si pe q ^n p, relatia de la pun tul ) ne da
q 1
B (q; p) =
B (q 1; p),
p+q 1
q 1
B (p; q 1).
are ombinata u b) ne ondu e la relatia B (p; q ) =
p+q 1
e) Din relatiile ) si d) obtinem
p 1
(p 1)(q 1)
B (p; q ) =
B ( p 1; q ) =
B (p 1; q 1).
p+q 1
(p + q 1)(p + q 2)
f) Conform pun tului ) avem
(n 1)(n 2)
n 1
B (p; n 1) =
B (p; n 2) = =
B (p; n) =
p+n 1
(p + n 1)(p + n 2)
(n 1)(n 2) 1
=
B (p; 1).
(p + n 1)(p + n 2)Z (p + 1)
1
xp 1 1
Deoare e B (p; 1) = xp 1 (1 x)0 dx = 0 = ; rezulta a
p
p
0
(n 1)!
= B (n; p); 8 n 2 IN ; p > 0.
B (p; n) =
(p + n 1)(p + n 2) (p + 1)p
g) Din pun tul f) avem
(n 1)!
(n 1)!(m 1)!
B (m; n)=
=
; 8 m; n 2 IN .
(m + n 1)(m + n 2) (m +1)m
(m + n 1)!
h) Avem
Z 1
Z 1
p
q
1
B (p + 1; q ) + B (p; q + 1) = x (1 x) dx + xp 1 (1 x)q dx =
0
66
Capitolul 2
Z 1
Z 1
(1
[x + (1 x) dx = xp 1 (1 x)q 1 dx = B (p; q ); 8 p; q > 0.
0
i) Pornim de la
B
(
p
+
1
;
q
);
avem
Z 1
1
1
1Z 1 p
x [(1 x)q 0 dx = xp (1 x)q 0 +
B (p + 1; q ) = xp (1 x)q 1 dx =
q 0
q
0
p
1Z 1 p 1
px (1 x)q dx = B (p; q + 1),
+
q 0
q
de unde rezulta
qB (p + 1; q ) = pB (p; q + 1); 8 p; q > 0.
t
x
j) Fa em s himbarea de variabila x =
; (t > 0) ) t =
, iar
1+t
1 x
dt
; pentru x = 0 ) t = 0, iar pentru x ! 1; x < 1 ) t ! 1.
dx =
(1 + t)2
Rezulta
Z 1
Z 1
tp 1
1
tp 1
t q 1
B (p; q ) =

1
dt
=
dt.
(1 + t)p 1
1+t
(1 + t)2
(1 + t)p+q
0
0
Pentru demonstratiile pun telor k) si l) vezi f[6, Capitolul 9, x3g.
25. O variabil
a aleatoare are distributie gama u parametrul p (p > 0) da a
densitatea sa de probabilitate
este
8
p
1
>
x e x
>
<
; x 0;
f (x) = > (p)
>
:
0;
x < 0:
Sa se al uleze momentele initiale mk si apoi sa se dedu a media si dispersia
variabilei X .
Rezolvare. Observ
am mai ^ntâi a f este o densitate de probabilitate,
deoare e f (xZ) 0; 8 x 2 IR, si Z
1
1 1 p 1 x
f (x) dx =
x e dx = 1.
(p) 0
1
Momentul
initial de ordinul kZ este
Z 1
1 Z 1 k+p 1 x
1 1 k p 1 x
k
x x e dx =
x
e dx =
mk =
x f (x) dx =
(p) 0
(p) 0
1
(k + p) (k + p 1) (k + p 1)
(k + p 1) (p + 1)p (p)
=
=
= =
=
(p)
(p)
(p)
= (k + p 1)(k + p 2) (p + 1)p,
onform Problemei 23, b).
Dedu em atun i a
M (X ) = m1 = p; iar D2 (X ) = m2 m21 = (p + 1)p p2 = p.
=
xp
x)q
67
Variabila aleatoare X are o distributie gama generalizata u

parametrii p > 0 si 8> 0 da
a densitatea sa de probabilitate este
p

>
<
xp 1 e x ; x 0;
f ( x) = > ( p )
:
0;
x < 0:
În mod asemanator se arata a
(k + p 1)(k + p 2) (p + 1)p
p
p
mk =
, de i M (X ) = , iar D2 (X ) = 2 :
k

26. S
a se al uleze momentele entrate 3 si 4 pentru o variabila aleatoare
u distributie gama de parametru p.
Rezolvare. Momentul entrat de ordinul 3 este
Z 1
Z 1
Z 1
Z 1
3
3
2
2
3 =
(x p) f (x) dx =
x f (x)dx 3p
x f (x)dx +3p
xf (x) dx
Observatie.
11
f (x) dx = m3
p
1 3
3
Z
3pm2 + 3p m1
2
p = p(p + 1)(p + 2) 3p (p + 1)+

3
+3p p = 2p,
iar momentul
entrat de ordinul
4 este
Z 1
Z 1
Z 1
Z 1
3
2
4
4
x2 f (x) dx
x f (x) dx 4p x f (x) dx + 6p
4 = (x p) f (x) dx =
Z
1
Z 1 1
1
4
xf (x) dx + p
f (x) dx = m4
1
1
4p
4pm3 + 6p m2 4p m1 + p4 =
= p(p + 1)(p + 2)(p + 3) 4p2 (p + 1)(p + 2) + 6p3 (p + 1) 4p4 + p4 = 3p2 + 6p.
27. Da
a variabilele aleatoare independente X si Y au distributii gama u
parametrii p, respe tiv q , sa se arate a X + Y are distributie gama u parametrul
p + q.
Rezolvare. S
a notam u f si g densitatile de probabilitate pentru variabilele
X si Y . De i
8
1 p 1 x
>
<
x e ; x 0;
f ( x) = g ( x) = > ( p )
:
0;
x < 0:
Densitatea de probabilitate
h a variabilei X + Y este
Z 1
f (x y )g (y ) dy .
h(x) =
3
Z 0
Da a x < 0 atun i h(x) =

f (x y )g (y )dy +
f (x y )g (y )dy = 0,
1
0
(^n prima integrala g (y ) = 0, iar ^n a doua integrala f (x y ) = 0).
Da a x 0, atun i f (x y ) 6= 0 pentru x y 0 , y x, iar g (y ) 6= 0
pentru y 0. De i f (x y )g (y ) 6= 0 da a y 2 [0; x si atun i
68
Capitolul 2
x 1
1 q 1 y
(x y )p 1e x+y
y e dy =
h(x) = f (x y )g (y ) dy =
(p)
(q )
0
0
e x Zx
=
(x y )p 1y q 1 dy .
(p) (q ) 0
Fa em s himbarea de variabila y = tx, de i dy = xdt; pentru y ! 0 rezulta
t ! 0, iar pentru y !Z x rezulta t ! 1. Obtinem astfel
1
e x xp+q 1 Z 1 q 1
e x
(x tx)p 1 (tx)q 1 x dt =
x (1 x)p 1 dt =
h(x) =
(p) (q ) 0
(p) (q ) 0
B (q; p)
e x xp+q 1
= e x xp+q 1
=
,
(p) (q )
(p + q )
onform Problemei 24, k).
Rezulta a X + Y are distributie gama u parametrul p + q .
28. S
a se arate a da a variabila aleatoare X urmeaza legea normala de
1
parametri m si , atun i variabila aleatoare Y = 2 (X m)2 are o distributie
2
1
gama u parametrul .
2
Rezolvare. S
a notam u G(x) fun tia de repartitie a variabilei Y . Deoare e
Y 0, atun i pentru x < 0 rezulta a F (x) = P (Y < x) = 0. Pentru x 0
avem
!
!
p
(X m)2
X pm p
G(x) = P (Y < x) = P
<x =P
x<
< x =
2 2

2
p
p
!
!
p
p
m 2x m
m + 2x m

=
= P (m 2x < X < m + 2x)=

p
p
p
p
2 Z 2x t =2
2 Z 2x t =2
e
dt = p
e
dt.
= 2( 2x) = p
0
2 0
Atun i densitatea de
g a variabilei aleatoare Y este
p probabilitate
p
2
1
1
1
g (x) = G0 (x) = p 2 p e 2x=2 = p e x = p x 1=2 e x ; x 0;
2 x
x

si g (x) = 0; x < 0.
p
Deoare e = 8( 21 ), (vezi Problema 23, d)), dedu em a
1
>
>
<
x 1=2 e x ; x 0;
1
)
(
g (x) = > 2
>
:
0;
x < 0;
adi a Y are o distributie gama u parametrul 21 .
29. O variabil
a aleatoare X are distributie beta u parametrii p si q (p; q > 0)
da a densitatea sa de probabilitate este
Z
69
1
xp 1 (1 x)q 1 ; x 2 [0; 1;
f (x) = > B (p; q )
:
0;
x 62 [0; 1:
variabilei X .
Rezolvare. Fun t
ia f de mai sus este o densitate de probabilitate, deoare e
f (x) Z0; 8 x 2 IR si Z
1
1
1
1
f (x) dx =
xp 1 (1 x)q 1 dx =
B (p; q ) = 1.
B (p; q )
1
0 B (p; q )
Momentul
initial de ordinul Zk este
Z 1
1
1
B (k + p; q )
mk =
xk f (x) =
=
xk+p 1 (1 x)q 1 dx =
B (p; q ) 0
B (p; q )
1
(k + p 1) (p + 1)p B (p; q )
k + p 1 B ( k + p 1; q )

= =

=
=
p+q+k 1
B (p; q )
(p + q + k 1) (p + q ) B (p; q )
p(p + 1) (p + k 1)
=
,
(p + q )(p + q + 1) (p + q + k 1)
onform Problemei 24, ).
Rezulta atun i a
p(p + 1)
p
; iar D2 (X ) = m2 m21 =
M (X ) = m1 =
p+q
(p + q )(p + q + 1)
2
p
pq
=
.
2
2
(p + q )
(p + q ) (p + q + 1)
30. Variabila aleatoare are distribut
ie 2 u n grade de libertate (n 2 IN )
da a densitatea sa de 8
probabilitate este
n 1 x
1
>
>
e ; x 0;
<
n nx
f (x) = > 2
2
>
:
0;
x < 0:
variabilei X .
Rezolvare. Fun t
ia f este o densitate de probabilitate (vezi Figura 2.5),
deoare e f (xZ) 0; 8 x 2 IR si
1
1 Z 1 n 1 x
x e dx.
f (x) dx = n n
0
1
2
2
x
Fa em s himbarea de variabila = y , de unde rezulta dx = 2dy ; da a x ! 0
2
atun i y ! 0, iar da a x ! 1 atun i y ! 1. Obtinem astfel
8
>
<
70
Capitolul 2
Z
n
Z 1
1
2
n 1 y
n
2
1 Z 1
f (x) dx = n n
(2y ) 2 e 2 dy = n n
y 2 1 e y dy =
1
22 2 0
22 2 0
n
2
n
= 1.
2
n=1
0,5
n=2
n=4
n=10
n=20
x
O
18
Figura 2.5
Pentru momentul
initial de ordinul kZ avem
Z 1
1 n +k 1 x
1
k
x
mk =
x f (x) dx = n n
e dx.
0
1
2
2
Cu a eeasi s himbare
de
variabil
a
de mai sus obt
inem
n
2 +k Z 1 n +k 1 y
n +k 1 y
1 Z 1
e 2dy = n n
e dy =
(2y )
y
mk = n n
0
0
2
2
2
2

2k n2 + k
n
n n

+ 1 + k 1 = n(n + 2) (n + 2k 2).
=
= 2k
n
2 2
2
2
Dedu em astfel a M (X ) = m1 = n, iar D2 (X ) = M (X 2 ) [M (X )2 =
= m2 m21 = n(n + 2) n2 = 2n.
Observatie. Da a variabila Xn are distributie 2 u n grade de libertate
X n
(n 1) atun i densitatea de probabilitate a variabilei pn tinde pentru n ! 1
2n
atre densitatea de repartitie normala de parametri m = 0 si = 1.
Da a e are din variabilele aleatoare independente X1 ; X2 ; : : : ; Xn are distributie normala u parametrii m = 0 si = 1, atun i variabila aleatoare X12 + X22 +
2
71
+ + Xn2 are distributie 2 u n grade de libertate.

Observatie. Variabila aleatoare X are distributie 2 generalizat
a u parametrii

n si (n 2 IN , > 0) da a densitatea sa de probabilitate este
8
x
>
>
p 1n n x n 1e ; x 0;
<
f (x) = > ( 2)
2
>
:
0;
x < 0:
Se arata asemanator a mk = n(n + 2) (n + 2k 2) 2k , de i M (X ) = n 2 ,
iar D2 (X ) = 2n 4 .
31. Da
a variabilele aleatoare independente X si Y au distributii 2 u m,
respe tiv n grade de libertate, atun i X + Y are distributie 2 u m + n grade
de libertate.
Rezolvare. Not
am u f si g densitatile de probabilitate ale variabilelor X
si Y , adi
a avem
8
8
n 1 x
1 m 1 x
1
>
>
>
>
e ; x0
x e ; x0
<
<
m
n nx
m
f (x) = > 2
g (x) = > 2
2
2
>
>
:
:
0;
x < 0;
0;
x < 0:
Atun i densitatea Zde probabilitate a variabilei X + Y este
1
f (x y )g (y ) dy .
h(x) =
1
Folosind un rationament asemanator elui din Problema 27, dedu em a
h(x) = 0; 8 x < 0, iar pentru x 0 obtinem
Z x
x y
m
n 1 y
1
1
h(x) =
e dy =
y) 1e
m m (x
n ny
0 2
2
2
2
x
m 1 n 1
e Z x
y dy .
= mn m
(
x
y
)
n 0
2
2
2
2 2
+
2
{z
Notam y = tx, de unde rezulta dy = x dt; da a y ! 0 atun i t ! 0, iar da a

y ! x atun i tZ ! 1. Obtinem
Z
1
m n 1 1
m 1
n 1
n
m
h(x) = A (x tx) (tx) x dt = Ax
(1 t) 1 t 1 dt =
2
x m+n
e x
2
m+n
2
De i
m
2
m n
B
; = m
2 2
2

+
2
n
2
+
2
1
m+n
2
m+n
2
e ; x 0.
x
2
72
Capitolul 2
m n 1 x
1
x
e ; x 0;
m
+n
( 2 )
h(x) = > 2
>
:
0;
x < 0;
2
Dedu em astfel a X + Y are distributie u m + n grade de libertate.
ie Student u n grade de libertate
(n > 0) da a densitatea
sa de probabilitate este

! n
n+1
2
x
2

f (x) = p
1+
; x 2 IR.
n
n n2
variabilei X .
Rezolvare. Pentru 2k + 1 < n, momentele de ordin impar sunt nule; ^
ntr-adevar

! n
n+1
Z 1
2
x
2
2k +1

m2k+1 = p
1+
x
dx = 0,
n
1
n n2
deoare e fun tia f este impara, (integrala de mai sus este onvergenta).
De i pentru n > 1 media variabilei X este M (X ) = 0.
Da a 2k +1 n integrala de mai sus este divergenta, de i X nu are momente
m2k+1 .
Pentru momentulde ordin
par m2k , u 2k < n avem

! n
n
+1
Z 1
2
2
x
2
2k

x 1+
dx:
m2k = p
n
n n2 0
pn
x2
p
Fa em s himbarea de variabila = y , de unde rezulta x = ny, dx = p dy ;
n
2 y
da a x = 0 ) y = 0, iar da a x ! 1 ) y ! 1. Obtinem
astfel

p
n+1 Z 1
k
Z 1
2 n+1
n
n
n
2

(ny )k (1 + y )
y k (1+
m2k = p
dy = p 2n
p
n
2 y
n 2 0
2 0

Z 1
nk n+1
n
n
+y )
y (k+ ) 1 (1 + y ) [(k+ )+( k) dy .
dy = p 2n
2 0
Conform Problemei
24 (pun tele j) si k)) rezult
a a

n
+1
n k
n
+1
1
k
k

n
n
k
+
1 n
2
2

m2k = p 2n B k + ;
k = p 2n
=
n
+1
2 2
2
2
2
8
>
>
<
+
2
m+n
+1
2
+1
2
+1
2
+1
2
+1
2
1
2
1
2
1
2
73

nk
=p

=
=
nk
p
nk
k + 12
p
1
2

k
1
n
2
3
2

nk k
=p

k

2
n

3
2

3
2

1
2

1
2

2

2

2
1
2

2

2
k

1
1
2

n
2
2

= =

k
=
k
n
1 2 2
k
2
2
k
n 1 3 (2k 1)
.
=
(n 2)(n 4) (n 2k)
n
Rezulta a pentru n > 2 dispersia variabilei X este D2 (X ) =
.
n 2
Da a n 2k integralele de mai sus sunt divergente, de i variabila X nu are
momente m2k .
Observatie. Pentru n = 1 distributia Student se mai numeste distributia
Cau hy, pentru are densitatea de probabilitate este
1
f (x) =
; x 2 IR.
(1 + x2 )
Observatie. Da a fn este densitatea de probabilitate a unei distributii Student u n grade de libertate, atun i
lim f (x) = f (x; 0; 1); 8 x 2 IR,
n!1 n
unde f (x; 0; 1) este densitatea de repartitie normala u parametrii m = 0 si = 1.
Da a e are din variabilele aleatoare independente X1 ; X2 ; : : : ; Xn+1 are
distributie normala u parametrii
m = 0 si atun i variabila
pn X
n+1
q
2
X1 + + Xn2
are distributie Student u n grade de libertate.
ie Snede or u parametrii n1 si n2
(n1 ; n2 2 IN , numiti si grade de libertate), da a densitatea sa de probabilitate
este

8
n n
n +n

n

>
n 1
>
n1
n1
2
>
<

x
; x 0;
1+ x
n
n
n2
f (x) = > n2
2
2
>
>
:
0;
x < 0:
Sa se al uleze momentele initiale de ordinul k si apoi sa se dedu a media si
dispersia variabilei X .
2

1
2

1
2
1
2
1+ 2
2
74
Capitolul 2
Momentele initiale de ordinul

k sunt nite da a k < n2 . Avem

n
n +n
n n

Z 1
Z 1
n 1
n
n1
1
2
k
+

x
dx.
1+ x
mk =
f (x) dx =
n
n
n2
n
1
0
2
2
2
2
Rezolvare.
1
2
Fa em s himbarea de variabila
n1
mk =
n2

n k
= 2
n1

n
= 2
n1
n2
n1
n1
n1
n1 +n2
n1
n2 k k + n2
=
n1

n1 +n2
2

n1
n1 +n2
2

n2
n2
n2
n1
n2 x
= y . Obtinem
1 k + n1 1
y 2 (1 + y )
n n
B k + 1; 2
2 2

n2
k + n2

n2
2
n1
2
+k

1
n1 +n2
2
nn dy =
2
dy =
k =

n1 +n2
2

n1 +n2
(1 + y )
n1
2

1 n2 y k+ n21
2

Z

n1
n1
n1 +n2
1+ 2
2
1
2
n2
2

n2
n2
2

2

= =

n
1 k + 2 2 n2 n2
k
n2
2
2

=

=
n
n
n
n
n
n1
1
2

k
k
2
2
2
2
2
k

n1 (n1 + 2) (n1 + 2k 2)
n
= 2
:
n1 (n2 2)(n2 4) (n2 2k)
n2
Dedu em a pentru n2 > 2 media variabilei X este M (X ) =
, iar
n2 2
pentru n2 > 4 dispersia variabilei X este
n1 (n1 + 2)
n22
n2
.
D2 (X ) = 22
n1 (n2 2)(n2 4) (n2 2)2
Observatie. Da a variabilele aleatoare independente X1 ; X2 ; : : : ; Xn ; Xn +1 ;
: : : ; Xn +n urmeaza legea normala u parametrii 0 si atun i variabila aleatoare
X 2 + + Xn2
n
X= 2 2 1
n1 Xn +1 + + Xn2 +n
are distributie Snede or u parametrii n1 si n2 .
Observatie. Da a variabila aleatoare X are distributie Snede or u parametrii
n1 si n2 , atun i variabila aleatoare Y = 12 ln X are o distributie Fisher u parametrii n1 si n2 , adi a densitatea sa de probabilitate este

k+
n1
n1
75

n +n

n
2
n x 1 + n1 e2x

e

g (x) = 2 1
; x 2 IR.
n
n
n2
n
2
2
2
Într-adevar, da a notam fun tia de repartitie a variabilei X u F , atun i
fun tia de repartitie G a variabilei Y este

G(x) = P (Y < x) = P 21 ln X < x = P (ln X < 2x) = P (X < e2x ) =
= F (e2x ); 8 x 2 IR.
De i densitatea de probabilitate a variabilei Y este
g (x) = G0 (x) = 2e2x F 0 (e2x )= 2e2x f (e2x ) =
n
n +n

n n

n
n1
1 2x
2
n
x

1+ e
; 8 x 2 IR.
= 2e
n
n
n2
n
2
2
2
ie Weibull u parametrii si ( > 0,
> 0) da a densitatea de
probabilitate este
8

< x 1 e x ; x 0;
f (x) = :
0;
x < 0:
Sa se al uleze media si dispersia variabilei X .
Rezolvare. Observ
am a f este o densitate de probabilitate; ^ntr-adevar
avem
Z 1
Z 1

I=
f (x) dx =
x 1 e x dx.

n1
n1 +n2
1
2
1+ 2
2
1
Fa em s himbarea de variabila x = y , de unde rezulta x = y si dx =

1 1
=
y dy . Atun i

Z 1
Z 1
y y 1 1
e
y dy =
I =
e y dy = 1.

0
0

Media variabilei X este ( u s himbarea devariabila de mai sus)
Z 1
Z 1
y y 1 1

y dy =
e
x e x dx =
M (X ) =

0
0

1 Z1 y
1
+1 :
=
y e dy =

0
Pentru dispersia lui X al ulam mai ^ntâi media lui X 2 . Avem
Z 1
Z 1
y y 1 1

+1
x
2
M (X ) =
x e dx =
y dy =
e

0
0

2
=
+1 .

Atun i dispersia variabilei X este
1
+1
76
Capitolul 2

1
2
2
+1
+1 .
D (X ) =

Observatie. Da a = 1 distributia Weibull se mai numeste distributia
exponentiala de parametru . De i densitatea de probabilitate a unei distributii
exponentiale X u parametrul
este
8
x
<
e ; x 0;
f (x) = :
0; x < 0:
1
1
Valoarea medie a lui X este M (X ) = (2) = , iar dispersia sa este

h
i
1
1
2
(2) = 2 ,
D2 (X ) = 2 (3)

deoare e (2) = 1; (3) = 2! = 2.
35. Fie variabilele independente X1
si X2 u distributii exponentiale u
parametrii 1 si 2 . Sa se determine densitatea de probabilitate a variabilei
X1 + X2 .
Rezolvare. S
a notam u f1 si f2 densitatile de probabilitate ale variabilelor
X1 si X2 , adi a 8
8
<
<
1 e x ; x 0;
e x ; x 0;
f1 (x) = :
f2 (x) = : 2
0;
x < 0;
0;
x < 0:
Da a 1 6= 2 atun i densitatea de probabilitate f a variabilei X1 + X2 este
0 pentru x <Z 0, iar pentru x 0 avem
Z x
1
f (x) =
f1 (x y )f2 (y )dy = 1 e (x y) 2 e y dy =
1
0
Z x
x

1
2
e x e( )y 0 = 1 2 e x e x .
= 1 2 e x e( )y dy =
1 2
1 2
0
De i
8

1 2 x
>
<
e
e x ; x 0;
f (x) = > 1 2
:
0;
x < 0:
Da a 1 = Z2 = atun i f (x) = 0; 8 x < 0,Ziar pentru x 0 obtinem
x
x
f (x) = e (x y) e y dy = 2 e x dy = 2 xe x .
0
0
De i densitatea de probabilitate
a variabilei X1 + X2 este
8
<
2 xe x ; x 0;
f (x) = :
0;
x < 0:
Pentru 3 variabile aleatoare independente X1 ; X2 ; X3 u distributii exponentiale u parametrul , densitatea de probabilitate a variabilei X1 + X2 + X3 este
2
77
h(x) = 0; 8 Zx < 0 si pentru x 0

Z x
x
2

(x y )
y
3
x
e dy = e 0 (x y) dy =
h(x) = (x y )e
0
2
3
(x y ) x 2 x
= 3 e x
=
xe .
0
2
2
De i
8
3 2 x
>
<
x e ; x 0;
h(x) = > 2
:
0;
x < 0:
Prin indu tie se arata a pentru variabilele aleatoare independente X1 ; X2 ;
: : : ; Xn u distributii exponentiale u parametrul , densitatea de probabilitate
a variabilei X = X1 +8X2 + n + Xn este

>
<
xn 1 e x ; x 0;
k(x) = > (n 1)!
:
0;
x < 0:
Rezulta a variabila X are o distributie gama generalizata u parametrii n si .
ie log-normal
a (sau distributie logaritmi a normal
a) de parametri
m si da a densitatea sa de probabilitate este
8
(ln x m)2
>
>
>
1
<
2 2 ; x 0;
f (x) = > xp2 e
>
>
:
0;
x < 0:
variabilei X .
Rezolvare. Avem
Z 1
Z 1
x m
1
x=y
p

xk e dx ln =
xk f (x) dx =
mk =
0
1
x 2Z
1 y my m yk
y m
1 Z 1 ky
1

= p
dy =
e e dy = p
e
2 Z 1
2 1
1 y ym k m k m k m
1

= p
dy =
e
2 Z 1
1
y m k
k m k
1
1 k mk Z 1 y m k

e
= p
dy = p e
dy:
e
1
2 1
2
y m 2k
p
Notam
= u si obtinem
2
k
1 k mk Z 1 u p
e 2du = emk+ :
mk = p e
1
2

Dedu em astfel a M (X ) = m1 = em+ si
(ln
2 (
2 2
)2
+ 2 )+(
+ 2 )2
2 2
4 2
+ 2 )2
2 2
2 2 +2
2
+ 2 )2 +
2 2
2
)2
+ 2
2 2
2 2
4 2 +2
2 2
2 2
+ 2 )2
2 2
78
Capitolul 2
D2 (X ) = m2
m21 = e2m+ e
2
1 :

x4. FUNCT
IA CARACTERISTICA
Pentru o variabil
a aleatoare
X , fun tia ara teristi a : IR ! C este

itX
denita astfel (t) = M e ; 8 t 2 IR. Sa se determine fun tia ara teristi a
a variabilei aleatoare Y = aX + b, a; b 2 IR.
Rezolvare. S
a notam u 1 fun tia ara teristi a a variabilei Y . Atun i

1 (t) = M eitY = M eit(aX +b) = M eiatX eitb = eitb M eiatX =
= eitb (at); 8 t 2 IR.
2. Da
a X1 si X2 sunt variabile aleatoare independente u fun tiile ara teristi e 1 si 2 , sa se arate a fun tia ara teristi a a variabilei X1 + X2 este
(t) = 1 (t) 2 (t); 8 t 2 IR, iar fun tia ara teristi a a variabilei X1 X2 este
e(t) = 1 (t) 2 ( t); 8 t 2 IR.
Rezolvare. Avem

(t) = M eit(X +X ) = M eitX M eitX = 1 (t) 2 (t); 8 t 2 IR, iar

e(t) = M eit(X X ) = M eitX M e itX = 1 (t) 2 ( t); 8 t 2 IR.
3. S
a se determine fun tia ara teristi a a unei variabile aleatoare X u
a) distributie binomiala de parametri n si p;
b) distributie binomiala u exponent negativ de parametri m si p;
) distributie Poisson u parametrul ;
d) distributie normala de parametri m si ;
e) distributie gama generalizata u parametrii p si ;
f) distributie 2 generalizata u parametrii n si ;
g) distributie exponentiala de parametru .
Rezolvare. a) Pentru 8 t 2 IR avem
1.
(t) =
k=0
b) (t) =
Cnk pk q n k eitk
1
k=m
Cnk peit q n
k=0
Ckm 11 pm q k m eitk
= pm eitm
k=m
= peit + q :

Ckm 11 qeit
k m
79
Fun tia ara teristi a
pm eitm (1
) (t) =
e(eit
qeit ) m
1 k
k=0
k!
peit
=
1 qeit
e eitk = e
1 k
1 (eit )k
X
it
eitk = e
= e ee =
X
k=0
k!
k!
k=0
:
d) Fun tia ara teristi a este:
Z 1
x m
1 Z 1 itx
itx
(t) =
e f (x) dx = p
e e dx =
1
2 1
1 Z 1 x mx m itx
dx =
e
= p
2 Z 1
1 x x m it m it m
m it
1

= p
e

e dx =
2 1
1 m i t mit m Z 1 x m it
dx x (m+= it)=z
e
= p e
1
2
Z 1
pz =u 1
t
t
1 imt t Z 1 z
dz = p eimt
.
= p e
e
e u du = eimt

1
1
2
e) Vom folosi ai i formula are ne da momentul de ordinul k al variabilei X
^n fun tie de derivatele fun tiei ^n pun tul 0, mai pre is
mk = (k) (0) i k ,
si dezvoltarea ^n serie de puteri a fun tiei , are are forma urmatoare
1 m ik
1 (it)k
1 (k) (0)
X
X
X
k k
k
t =
t =
mk .
(t) =
k=0 k !
k=0 k !
k=0 k !
Deoare e pentru o distributie gama generalizata u parametrii p si ,
p(p + 1) (p + k 1)
, (vezi Problema 25), atun i fun tia sa ara teristi a
mk =
k
este
1 (it)k
1 (it)k p(p + 1) (p + k 1)
X
X
(t) =
mk =

=
k
k=0 k !
k=0 k !
1 p(p + 1) (p + k 1) it k
X
it p
= 1
.
=
k
!

k=0
f) Pentru o distributie 2 de parametri n si momentele
mk sunt

n
n
n
2k
2 k
mk = n(n + 2) (n + 2k 2) = (2 )
+1 +k 1
2 2
2
(vezi Problema 30). Atun i fun tia sa ara teristi a este

1 (it)k
1 (it)k
X
X
n n
2 k n
(t) =
mk =
(2 ) 2 2 + 1 2 + k 1 =
k=0 k !
k=0 k !
=
1)
2 (
2 + 4 2 2 +2
2 2
2 2
2
+ 2
2 2
2 2
+ 2
)+(
2 2
2
2 2
+ 2
)2 +
+ 2
2 2
2 2
)2
+ 2 )2
2 2
)2
2 2
2
2 2
2
80
=
Capitolul 2

(2it 2 )k
n n
2
+1
2
+k
2
= 1 2it 2
k!
k=0
g) Din denit
ia fun t
iei ara teristi eZ avem
Z 1

1 itx
e e
eitx f (x) dx =
(t) = M eitX =
x dx
=
1 (it )x
e
dx =
1
Z 1 0
Z 10
1 x
x
= e ( os(tx) + i sin(tx)) dx = e os(tx) dx +i e x sin(tx) dx.
Z
{z
I1
{z
I2
Pentru
I avem
Z 11
1
1
1 Z 1 x 0
(e ) os(tx) dx = e x os(tx)0
I1 =
e x os(tx) dx =
0

0
1
t Z 1 x
1 t Z 1 x 0
1 t x
e sin(tx) dx = + 2
(e ) sin(tx) dx = + 2 e sin(tx)0
Z 0
2 0Z

1 x
1 t 1 x
t
e os(tx) dx =
e os(tx) dx.
22 0
0

1 t
I ) I1 = 2 2 .
Rezulta astfel a I1 =
2 1

+t
Pentru I2 din relatiile de mai sus obt

inem

1
t
1 t
I2 ) I2 =
I1 = 2 2 .
I1 =

t
+t
Rezulta astfel

( + it)

t 1
(t) = I1 + iI2 = 2 2 =
= 1 i
.
+t
it

Observatie. Folosind Problema 2 si Problema 3, pun tul d), se poate dedu e usor a suma si diferenta a doua variabile aleatoare independente X1 si
X2 u distributii normale, au si ele distributii normale. Într-adevar, sa presupunem a variabilele aleatoare independente X1 si X2 au distributii normale
u parametrii m1 si 1 , respe tiv m2 si 2 . Fun tiile lor ara teristi e sunt
t
t
1 (t) = eim t
; 2 (t) = eim t
. Atun i fun tia ara teristi a a variabilei
aleatoare X1 + X2 este
t
.
(t) = 1 (t) 2 (t) = ei(m +m )t
Se observa a (t) este to mai fun tia q ara teristi a orespunzatoare legii
normale u parametrii m = m1 + m2 si = 12 + 22 .
Asemanator fun tia ara teristi a a variabilei aleatoare X1 X2 este
t
e(t) = 1 (t) 2 ( t) = ei(m m )t
.
Se observa a e(t) este fun tia q ara teristi a orespunzatoare legii normale
u parametrii m = m1 m2 si = 12 + 22 .
1
2 2
1
2
2 2
2
2
2 + 2) 2
( 1
2
2
( 2+ 2) 2
1
2
2
Capitolul 3
VECTORI ALEATORI
Se da ve torul aleator bidimensional (X; Y ) de tip dis ret prin tabloul
sau de distributie
XY 1 0 2
1 181 121 61
1 19 29 181
2 181 91 365
1
1.
Ve torul
(X; Y ) se poate da si astfel
0
1
(
1
;
1)
(
1
;
0)
(
1
;
2)
(1
;
1)
(1
;
0)
(1
;
2)
(2
;
1)
(2
;
0)
(2
;
2)
C
(X; Y ) : B

1
1
1
1
2
1
1
1
5 A:
18
12
6
9
9
18
18
9
36
a) Sa se s rie variabilele aleatoare marginale X si Y .
b) Sa se al uleze ovarianta elor doua variabile ov(X; Y ) = 1;1 si oe ientul de orelatie r1;2 .
) Sa se s rie variabilele aleatoare onditionate si sa se determine regresiile
(fun tiile de regresie ale) variabilei X fata de Y , M (X; Y ), si a variabilei Y fata
de X , M (Y=X ).
d) Sa se al uleze raporturile de orelatie X2 ;Y si Y2 ;X .
Rezolvare. Se veri
a a suma tuturor probabilitatilor pij din tabloul de
mai sus este 1.
a) Avem
1
1 1 11
1 2 1
7
P (X = 1) = + + = ; P (X = 1) = + + = ,
18 12 6 36
9 9 18 18
1 1 5 11
P (X = 2) = + + = .
18 9 36 36
De i variabila X are tabloul de distributie
82
Capitolul 3
1
1 1 2 C
X:B
11
7 11 A :
36 18 36
Apoi
1 1 1 2
1 2 1 5
P (Y = 1) = + + = ; P (Y = 0) = + + = ,
18 9 18 9
12 9 9 12
5 13
1 1
P (Y = 2) = + + = .
6 18 36 36
De i variabila Y are tabloul de distributie
0
1 0 2 C
Y :B
2
5 13 A.
9 12 36
Astfel tabloul de distributie al ve torului aleator (X; Y ) se ompleteaza astfel
XY 1 0 2
1
1
2
1
18
1
12
1
6
11
36
1
9
2
9
1
18
7
18
1
18
1
9
5
36
11
36
2
9
5
12
13
36
1
b) Covarianta elor doua variabile este
1;1 = ov(X; Y ) = M ((X m1 )(Y m2 )) = M (X Y ) m1 m2 ,
unde m1 = M (X ), iar m2 = M (Y ).
Avem
1
1
1
1
2
M (X Y ) = ( 1) 1 + ( 1) 0 + ( 1) 2 + 1 1 + 1 0 +
18
12
6
9
9
1
1
5 1
1
+1 2 + 2 1 + 2 0 + 2 2 = ,
18
18
9
36 2
11
7
11 25
2
5
13 17
M (X ) = 1 + 1 + 2 = ; iar M (Y ) = 1 + 0 + 2 = .
36
18
36 36
9
12
36 18
Atun i
101
1 25 17

=
' 0; 1559.
ov (X; Y ) =
2 36 18
648
Coe ientul de orelatie r1;2 este
ov (X; Y )
r1;2 =
,
1 2
q
q
unde 1 = D2 (X ); 2 = D2 (Y ).
Pentru dispersia variabilei X , D2 (X ) = M (X 2 ) [M (X )2 , al ulam mai
^ntâi media lui X 2 ; avem
Ve tori aleatori
83
7
11 23
11
M (X 2 ) = ( 1)2 + 1 + 4 = .
36
18
36p 12
2
23
25
1859
1859
Atun i D2 (X ) =
=
; iar 1 =
' 1; 1977.
2
12 36
1296
36
Pentru dispersia variabilei Y , D2 (Y ) = M (Y 2 ) [M (Y )2 , al ulam media
lui Y 2 ; avem
5
13 5
2
M (Y 2 ) = 1 + 0 + 4 = .
9
12
36 3
p
5 172 251
251
2
2
2
Atun i D (Y ) = M (Y ) [M (Y ) =
=
; iar 2 =
' 0; 8802.
2
3 18
324
18
101
p ' 0; 1478.
Rezulta a oe ientul de orelatie este r1;2 = p
1859 251
) Pentru al ulul probabilitatilor onditionate vom folosi formulele
P (X1 = x(1i) ; X2 = x(2j ) ) pij
= ; 8 i = 1; l; 8 j = 1; k,
P (X1 = x(1i) =X2 = x(2j ) ) =
p0j
P (X2 = x(2j ) )
P (X1 = x(1i) ; X2 = x(2j ) ) pij
P (X2 = x(2j ) =X1 = x(1i) ) =
= ; 8 j = 1; k; 8 i = 1; l.
pi0
P (X1 = x(1i) )
Variabilele ondit
ionate sunt
1
0
0
1
1
1
2
1
1
2
C
B
B
C
X=Y = 1 : B
1=9 1=18 C
1 1 A;
A = 1
1=18
2=9 2=9 2=9 1
4 2 4
0
0
1
1
1
2
1
1
2
C
B
B
C
X=Y = 0 : B
2=9 1=9 C
8 4 A,
A = 1
1=12
5=12 5=12 5=12
5 15 15
1
0
0
1
1
1
2 C B 1 1 2 C
B
X=Y = 2 : B
1=6 1=18 5=36 C
2 5 A:
A = 6

13=36 13=36 13=36
13 13 13
Mediile a estor variabile sunt
1
1 3
1
M (X=Y = 1) = 1 + 1 + 2 = ,
4
2
4 4
1
8
4 13
M (X=Y = 0) = 1 + 1 + 2 = ,
5
15
15 15
2
5
6
6
M (X=Y = 2) = 1 + 1 + 2 = .
13
13
13 13
Variabila aleatoare M (X=Y ) numita regresia (fun tia de regresie) a lui X
fata de Y are a valori, medii de variabila X onditionate de valorile variabilei
Y , u probabilitatile valorilor are onditioneaza. De i
84
Capitolul 3
3 13 6
B
C
4 15 13 C
M (X=Y ) : B
2
5 13 A.
9 12 36
Media a estei variabile este media lui X ; ^ntr-adevar avem
3 2 13 5
6 13 25
M [M (X=Y ) = + + = = M (X ).
4 9 15 12 13 36 36
E uatia de regresie, adi a e uatia lui M (X=Y ) a fun tie de Y este M (X=Y ) '
' aY + b. Gra ul regresiei lui X fata de Y este format din pun tele A(1; 43 ),
13
), C (2; 136 ), (vezi Figura 3.1).
B (0; 15
1
y
A
13 / 15
3/4
6 / 13
14 / 11
12 / 11
4/7
C
x
Figura 3.1
-1
Figura 3.2
Pentru regresia lui0 Y fata de X al ulam mai

^ntâi variabilele onditionate
1
0
1
1
0
2 C
1
0
2
B
C
=B
Y=X = 1 : B
2
1=12 1=6 C
3 6 A;
1=18
A
11=36 11=36 111=36
11 11 11
0
1
0
1
0
2
1
0
2
B
C
C
Y=X = 1 : B
=B
2
2=9 1=18 C
4 1 A,
1=9
A
7=18 7=18 7=18
7 7 7
0
1
0
1
1
0
2
1
0
2
B
C
C
Y=X = 2 : B
=B
2
1=9 5=36 C
4 5 A:
1=18
A
11=36 11=36 11=36
11 11 11
Mediile a estor variabile sunt
3
6 14
2
M (Y=X = 1) = 1 + 0 + 2 = ,
11
11
11 11
4
1 4
2
M (Y=X = 1) = 1 + 0 + 2 = ,
7
7
7 7
4
5 12
2
M (Y=X = 2) = 1 + 0 + 2 = .
11
11
11 11
Atun i regresia variabilei Y fata de variabila X , M (Y=X ) este
85
Ve tori aleatori
14 4 12
B
C
11 7 11 C
M (Y=X ) : B
11
7 11 A :
36 18 36
Media variabilei M (Y=X ) este
14 11 4 7 12 11 17
M [M (Y=X ) = + + = = M (Y ).
11 36 7 18 11 36 18
14
Gra ul regresiei lui Y fata de X este format din pun tele A( 1; 11
), B (1; 47 ),
12
), (vezi Figura 3.2).
C (2; 11
d) Deoare e
2 3 25 2 5 13 25 2 13 6 25 2
2
D [M (X=Y ) =
+
+
' 0; 0326,
9 4 36
12 15 36
36 13 36
2
2
iar D (X ) ' 1; 4344, rezulta a raportul de orelatie X ;Y este
D2 [M (X=Y )
' 0; 0227.
X2 ;Y =
D 2 (X )
Apoi
11 14 17 2 7 4 17 2 11 12 17 2
2
+
+
' 0; 0936,
D [M (Y=X ) =
36 11 18
18 7 18
36
11 18
2
2
iar D (Y ) ' 0; 7747. Rezulta a raportul de orelatie Y ;X este
D2 [M (Y=X )
Y2 ;X =
' 0; 1208.
D 2 (Y )
2. Fie ve torul aleator (X; Y ) de tip dis ret u tabloul de distribut
ie
XY 1 2
1
1
1
1 12 4 0
1 18 16 245
2 241 121 241
1
sau
1
0
(
1
;
1)
(
1
;
2)
(
1
;
1)
(1
;
1)
(1
;
2)
(1
;
1)
(2
;
1)
(2
;
2)
(2
;
1)
C
(X; Y ) : B

1
1
1
5
1
1
1 A:
1
0
12
4
8
6
24 24 12
24
a) Sa se s rie variabilele aleatoare marginale X si Y .
b) Sa se al uleze ov(X; Y ).
) Sa se determine regresiile M (X=Y ) si M (Y=X ).
Rezolvare. a) Variabilele marginale X
si Y sunt
1
1
0
0
1
2
1
1
1
2
C
C
B
X:B
1
1 1 A ; Y : 1 1 1 A,
3 2 6
4 2 4
0
86
Capitolul 3
iar tabloul de distributie al ve torului (X; Y ) este

XY 1 2
1
1
1
2
1
12
1
4
1
3
1
8
1
6
5
24
1
2
1
24
1
12
1
24
1
6
1
4
1
2
1
4
1
1
b) Avem M (X ) = , M (Y ) = 1, M (X Y ) = 0, iar ov(X; Y ) = .
2
2
) Variabilele
ondit

ionate
de
valori
ale
lui
Y
sunt
0
1
1
0
1
1
2
1
1
2
B
C
C
X=Y = 1 : B
1
1 1 A ; X=Y = 2 : 1 1 1 A ;
2 6 1
2 3 6
03
1 1 2 C
X=Y = 1 : B

5 1 A.
0
6 6
Valorile medii ale variabilelor de mai sus sunt
1
1
7
M (X=Y = 1) = ; M (X=Y = 2) = ; M (X=Y = 1) = ,
2
6
6
iar regresia lui X fata de Y0 este
1 1 7 1
B
C
2 6 6 C
M (X=Y ) : B
1
1 1 A.
4 2 4
Variabilele ondit
ionate de1valori ale lui X0sunt
1
0
1
2
1
1
2
1
B
C
C
Y=X = 1 : B
A ; Y=X = 1 : 1
1
3
1 5 A;
0
4 4
4 3 12
0
1
1 2 1C
Y=X = 2 : B
1
1 1 A.
4 2 4
Valorile medii ale variabilelor de mai sus sunt
1
7
M (Y=X = 1) = ; M (Y=X = 1) = ; M (Y=X = 2) = 1,
4
2
iar regresia lui Y fata de X
este
0
1
7 1
1 C
B
4
2
C
M (Y=X ) : B
1
1 1 A.
3 2 6
3. Se dau variabilele
87
Ve tori aleatori
1
1 2 3 C
1 0 2 C
B
X:B
1
1 1 A; Y : 1 1 1 A:
3 6 2
6 3 2
a) Sa se ompleteze tabloul urmator pentru a avea un ve tor aleator generat
de ele doua variabile aleatoare
XY 1 2 3
1
1 121 151
3
1
1
0 20
6
13
1
2
60
2
1
1
1
1
6
3
2
b) Sa se determine astfel ^n ât variabilele X si Y sa e ne orelate. Sa se
veri e ^n a est az da a ele sunt sau nu independente.
) Sa se s rie variabilele onditionate si regresia e arei variabile ^n raport
u ealalta variabila pentru determinat anterior.
Rezolvare. a) Pentru a ompleta tabloul trebuie s
a al ulam elementele p13 ,
p23 , p31 si p33 . Folosim formulele
pi0 =
j =1
pij ; i = 1; l si p0j =
i=1
pij ; j = 1; k.
Avem
1
1
1
11
1
1
+ + p13 = ) p13 = ; + + p23 = )
12 15
3
60
20
6
1
1
1
+ + p31 = ) p31 =
;
12
6
12
1
1
13
1
13
+ + p33 = ) p33 =
p31 + + p33 = ,
60
2
12
60
2
De i tabloul de distributie al ve torului (X; Y ) este
XY
1
2
3
1
0
2
1
15
1
12
1
12
1
6
11
60
13
60

1
+
5
1
3
1
2
1
20
7
60
p23 =
7
60
1
+ .
5
1
3
1
6
1
2
Pentru a toate valorile din tablou sa reprezinte probabilitati vom pune on1
7
1
ditiile 0 < 1, 0
< 1, 0
< 1 si 0 + < 1. Obtinem
12
60
5
88
Capitolul 3
1
2 0; .
12
b) Pentru a variabilele X si Y sa e ne orelate vom impune onditia
ov(X; Y ) = 0 , M (X Y ) M (X ) M (Y ) = 0.
Avem
1
1
11
1
M (X Y ) = ( 1) 1 + ( 1) 2 + ( 1) 3 + 0 1 + 0 2 +
12
15
60
20

13
22
1
1
7
+21
+ 2 2 + 2 3 + = + 4 ,
+0 3
60
12
60
5
15
2
7
M (X ) = , iar M (Y ) = .
3
3
4
+4 , de unde impunând onditia ov(X; Y )=
Rezulta astfel ov(X; Y )=
45

1
1
= 0, obtinem = 2 0; .
45
12
Pentru independenta variabilelor aleatoare X si Y trebuie sa veri am onditiile
P (X1 = x(1i) ; X2 = x(2j ) ) = P (X1 = x(1i) ) P (X2 = x(2j ) ); 8 i = 1; l; j = 1; k.
Deoare e
1
1
P (X = 1; Y = 1) = 6= = P (X = 1) P (Y = 1),
12 18
rezulta a variabilele aleatoare X si Y nu sunt independente.
1
) Pentru = tabloul de distributie al ve torului aleator (X; Y ) devine
45
XY 1 2 3

1
0
2
1
12
1
15
11
60
1
3
1
45
1
20
17
180
1
6
11
180
13
60
2
9
1
2
1
6
1
3
1
2
Variabilele
onditionate de valorile
lui Y si mediile lor sunt
1
0
0
1
1
0
2
1 0 2 C
C
B
7
=B
X=Y =1 : B
1
1=45 11=180 C
2 11 A ; M (X=Y =1)= 30 ;
A
1=12
1=6 1=6
1=6 1
2 15 30
0
0
1
1
0
2
1
0
2
C
B
11
C
=B
X=Y =2 : B
1
1=20 13=60 C
3 13 A ; M (X=Y =2)= 10 ;
A
1=15
1=3 1=3 1=3
5 20 20
89
Ve tori aleatori
0
1
0
2 C
1 0 2 C
B
47
B
B
X=Y =3 : 11=60 17=180 2=9 C
17 4 A ; M (X=Y =3)= 90 .
A = 11
1=2
1=2 1=2
30 90 9
Atun i regresia variabilei
X
fat

a

de
Y
este
0
7 11 47 1
B
C
30
10
90
C
M (X=Y ) : B
1
1 1 A,
6 3 2
2
u media M [M (X=Y ) = = M (X ).
3
Apoi variabilele
ondit
ionate de
valorile
lui X s1i mediile lor sunt
0
1
0
1
2
3 C
1 2 3 C
B
23
Y=X = 1 : B
=B
1
1=15 11=60 C
1 11 A ; M (Y=X = 1)= 10 ;
1=12
A
1=3 1=3 1=3 1
4 5 20 1
0
0
1
2
3 C B 1 2 3
B
73
B
= 2 3 17 C
Y=X =0 : 1=45 1=20 17=180 C
;
A ; M (Y=X =0)=
A
30
1=6 1=6
1=6 1
15 10 301
0
0
1
2
3 C B 1 2 3
B
209
C
B
Y=X =2 : 11=180 13=60 2=9 C
13 4 A ; M (Y=X =2)= 90 .
A = 11
1=2
1=2 1=2
90 30 9
Atun i regresia variabilei
Y
fat

a

de
X
este
1
0
23 73 209
B
10 30 90 C
C
M (Y=X ) = B
1
1 1 A,
3 6 2
7
u media M [M (Y=X ) = = M (Y ).
3
4. Se dau 0
variabilele
1 aleatoare
1
0
1
1
2
1
2
C
C
B
X:B
1
1 A ; Y : 1 1 1 A.
2 2
2 3 6
1
1
Sa se s rie ve torul aleator (X; Y ) stiind a p11 = si p23 = , onform
4
10
tabloului de mai jos
XY 1 1 2
1
1 14
2
1
1
2
10
2
1
1
1
1
2
3
6
Rezolvare. Avem
90
Capitolul 3
1
1 1
1 1
3
1
+ p21 = ) p21 = ; + p22 + = ) p22 = ;
4
2
4 4
10 2
20
3 1
11
1 1
1
p12 + = ) p12 = ; p13 + = ) p13 = .
20 3
60
10 6
15
De i tabloul de distributie al ve torului aleator (X; Y ) este
XY 1 1 2
1
2
1
4
11
60
1
15
1
2
1
4
3
20
1
10
1
2
1
2
1
3
1
6
Se dau 0
variabilele1aleatoare
0
1
0
2
1
1
B
C
C
X:B
3
1 A ; Y : 1 2 A.
4 4
3 3
a) Sa se s rie ve torul aleator (X; Y ) stiind a p12 = .
b) Sa se determine astfel ^n ât variabilele sa e ne orelate.
1
) Pentru = sa se al uleze regresiile M (X=Y ) si M (Y=X ).
2
Rezolvare. a) Avem
5
3
; p21 =
; p22 = 23 .
p11 =
4
12
Tabloul de distributie al ve torului aleator (X; Y ) este
XY
0
2
5.
1 34
1
5
12
2
3
1
3
2
3
3
4
1
4
1
4
b) Mediile variabilelor X si Y sunt M (X ) =
, M (Y ) = , iar media
2
3
4
4. Punând onditia a ov(X; Y ) = 0 ,
variabilei X Y este M (X Y ) =
3
1
M (X Y ) M (X ) M (Y ) = 0 obtinem = . De i tabloul ve torului aleator
2
(X; Y ) este
XY 0 2
1
1
1
4
1
2
3
4
1
12
1
6
1
4
1
3
2
3
91
Ve tori aleatori
) Variabilele ondit
ionate 1sunt
1
0
0
1
1
1
1
C
C
B
X=Y = 0 : B
3
1 A ; X=Y = 2 : 3 1 A ;
4 1
41
04
0 4
0 2 C
0 2 C
B
Y=X = 1 : B
1
2 A ; Y=X = 1 : 1 2 A :
3 3
3 3
Valorile medii ale a estor variabile onditionate sunt
1
1
4
M (X=Y =0)= ; M (X=Y =2)= ; M (Y=X = 1)= ;
2
2
3
iar regresiile sunt
0
0
4
1 1 1 0 1 1
B
B
C
C
B
B 3
2 2 C
M (X=Y ) : B

1 2 A = 2 A ; M (Y=X ) : 3
1
3 3
4
6. Fie fun t
ia f : IR82 ! IR,
< x2 y 2 ; (x; y ) 2 D;
f (x; y ) = :
0;
(x; y ) 62 D;
4
M (Y=X =1)= ,
3
4
3
1
4
C
C
A
=B

4
3
1
1
C
A
1
unde D este domeniul ompa t determinat de parabola y 2 = 2x si dreapta x = .
2
a unui ve tor aleator bidimensional (X; Y ) de tip ontinuu.
b) Sa se determine (pentru gasit la a)) densitatile de probabilitate ale
variabilelor aleatoare marginale X si Y .
) Sa se al uleze ovarianta variabilelor X si Y si oe ientul de orelatie.
d) Sa se s rie densitatile pentru legile de repartitie onditionate.
e) Sa se s rie regresiile lui X fata de Y , si a lui Y fata de X .
Rezolvare. a) Pentru a f s
a reprezinte ZZ
o densitate de probabilitate, imf (x; y ) dxdy = 1. Din prima
punem onditiile f (x; y ) 0; 8 (x; y ) 2 IR2 si
onditie rezulta 0. Conditia a doua devine
IR2
ZZ
x2 y 2 dxdy = 1. Domeniul
8
<
D (vezi Figura 3.3) este simplu ^n raport u axa Oy , :

Pentru integrala a doua de mai
!
p sus obtinem
ZZ
x y dxdy =
2
Z 1 2
0
p2x x y dy dx =
2
Z 1 2
0
0 x 21 ;
p
p
2x y 2x:
y 3 y=p2x
x y= p2x dx =
3
!
92
Capitolul 3
25=2 x9=2 1=2

Z 1=2 5=2 7=2
2 x dx =
9=2 0 = 54 .
=
3 0
3
Punând onditia a valoarea gasita sa e 1 rezulta = 54. De i densitatea de
probabilitate a ve torului 8
(X; Y ) este
<
54 x2 y 2 ; (x; y ) 2 D;
f (x; y ) = :
0;
(x; y ) 62 D:
y
2
x
y =2
1
D
1/2
-1
Figura 3.3
b) Densitatea de probabilitate a variabilei X este f1 (x) =

f (x; y ) dy .
1
Pentru 8 x 62 [0; 21 ; f1 (x) = 0, iarp pentru x 2 [0; 21 avem
Z 1
Z
2x
p
y 3 p2x
2 2
2
f1 (x) =
f (x; y ) dy = p 54 x y dy = 54 x p2x = 72 2 x7=2 .
3
2x
1
De i
8
p
<
72 2 x7=2 ; x 2 [0; 12 ;
f1 (x) = :
0;
x 62 [0; 12 :
Z 1
Densitatea de probabilitate a variabilei Y este f2 (y ) =
f (x; y ) dx. Pentru
1
8 y 62 [ 1; 1,Zf2 (y) = 0, iar pentru
y 2 [ 1; 1 avem
Z 1=2
1
x3 1=2 9 2
2 2
2
f2 (y ) =
f (x; y ) dx =
54 x y dx = 54 y y =2 = y (1 y 6 ).
3
4
1
y =2
De i
8
9 2
>
<
y (1 y 6); y 2 [ 1; 1;
f2 (y ) = > 4
:
0;
y 62 [ 1; 1:
) Covarianta dintre variabilele X si Y este
1;1 = M ((X m1 )(Y m2 )) = M (X Y ) m1 m2 ,
2
93
Ve tori aleatori
unde m1 = M (X ), m2 = M (Y ).
Pentru M (X ZZ
Y ) avem
ZZ
M (X Y ) =
xyf (x; y ) dxdy =
xy 54 x2 y 2 dxdy =
IR
D
!
p
!
Z
Z 1=2
Z 1=2
2x
y 4 p2x
3 3
3
p
dx = 0.
= 54
x
p x y dy dx = 54
4 2x
0
2x
0
Apoi
Z 1
Z 1=2
p
p x11=2 1=2 9
= ,

M (X ) =
xf1 (x) dx =
x 72 2 x7=2 dx = 72 2
0
11=2 !
22
1
0
Z 1
Z 1
4
10
1
y
9
y
9 2

M (Y ) =
= 0.
yf2(y ) dy = y y (1 y 6) dy =

1
4
4
4
10
1
1
Atun i rezulta a 1;1 = 0, adi a variabilele sunt ne orelate, iar r1;2 =
ov(X; Y )
=
= 0.
1 2
Variabilele X si Y nu sunt independente, deoare e f (x; y ) 6= f1 (x) f2 (y ).
d) Pentru y 2 [ 1; 1 xat, variabila aleatoare onditionata X=Y = y are
densitatea
8
h
i
>
24x2
y ;1 ;
<
;
x
2
f (x; y ) >
2
2
= 1 y6
f (x=y ) =
i
h
f2 (y ) >
>
y
1
:
0;
x 62 ; :
2
Pentru x 2 [0; 21 xat, variabila aleatoare onditionata Y=X = x are densitatea de probabilitate
8
p p
>
3y 2
>
<
p
2x; 2x;
;
y
2
[
f (x; y )
f (y=x) =
= > 4 2 x3=2
p
p
f 1 ( x) >
:
0;
y 62 [ 2x; 2x:
e) Regresia lui X fata de Y , M (X=Y ) este variabila aleatoare u valorile
M (X=Y = y ), y 2 [ 1; 1, si u densitatea de probabilitate f2 (y ). Pentru y 2
2 [ 1; 1 avem
Z 1
Z 1=2
24 x4 1=2
24x2
dx
=
=
M (X=Y = y ) =
xf (x=y ) dx =
x
1 y6
1 y 6 4 y =2
1
y =2
3(1 y 8)
=
.
8(1 y 6)
Valoarea medie a variabilei M (X=Y ) este egala u valoarea medie a variabilei
^
X . Intr-adevar
Z 1
Z 1
3(1 y 8) 9 2
y (1 y6) dy =
M [M (X=Y ) = M (X=Y = y )f2 (y ) dy =
y 6) 4
1 8(1
1
2
94
Capitolul 3
!
9
27 y 3 y 11 1
=
=

= M (X ).
1
32 3 11
22
Regresia lui Y fata de X , M (Y=X ) este variabila aleatoare u valorile
i
h
M (Y=X = x), x 2 0; 12 , si u densitatea de probabilitate f1 (x). Pentru x 2 [0; 21
avem
p
Z
Z 1
2x
3y 2
3
p
yf (y=x) dy = p y
M (Y=X = x) =
dy = p 3=2
3
=
2
2x
1
4 2x
4 2x
p
y 4 2x
4 p2x = 0.
Valoarea medie a variabilei M (Y=X ) este egala u valoarea medie a variabilei
Y . Într-adevar
Z 1=2
Z 1=2
p
0 72 2 x7=2 dx = 0 =
M (Y=X = x)f1 (x) dx =
M [M (Y=X ) =
0
0
= M (Y ).
7. Fie fun t
ia f : IR2 8
! IR,

>
<
; (x; y ) 2 D;
f (x; y ) = > 1 + x2 y 2
:
0;
(x; y ) 62 D;
unde D este domeniul ompa t limitat de hiperbolele xy = 1 si xy = 2, si de
dreptele x = 1 si x = 2.
a unui ve tor aleator bidimensional (X; Y ) de tip ontinuu.
b) Pentru determinat la pun tul a) sa se determine densitatile de probabilitate ale variabilelor marginale X si Y .
) Sa se al uleze ovarianta dintre variabilele X si Y .
Rezolvare. a) Impunem ondit
iile f (x; y ) 0, 8 (x; y ) 2 IR2 , si
ZZ
f (x; y ) dxdy = 1. Din prima onditie rezulta 0. Pentru a doua onditie,
IR
avem
ZZ
ZZ

I=
dxdy .
f (x; y ) dxdy =
IR
D 1 + x2 y 2
Domeniul
D (vezi Figura 3.4) este simplu ^n raport u axa Oy ; avem
8
< 1 x 2
(D ) : : 1
Atun i
2

y

:
x
x
!
!
Z 2
Z 2=x
Z 2
1 Z 2=x 1
1
dy dx =
dy dx =
I=
1
2 2
2
2
1 x
1=x y +
1=x 1 + x y
1
x
2
95
Ve tori aleatori
y =2=x
2
1
ar tg xy y=1=x dx = ar tg 31 ln x1 = ar tg 13 ln 2.
1 x
1
.
Punând onditia a I = 1 obtinem =
ln 2 ar tg 13
Z 2
2
D
xy=2
xy=1
1/2
x
O
Figura 3.4
Z
b) Densitatea de probabilitate a variabilei X este f1 (x) =

f (x; y ) dy .
1
Da a x 62 [1; 2, atun i f1 (x) = 0. Da a x 2 [1; 2 avem
Z 2=x
y =2=x

Z 2=x dy

=
dy
=
ar tg
xy

=
f 1 ( x) =
1
2 2
2
2
y=1=x
x 1=x y + x
x
1=x 1 + x y
1

.
= ar tg 13 =
x
x ln 28
1
>
<
; x 2 [1; 2;
De i f1 (x) = > x ln 2
:
0; x 62 [1; 2:
2
Densitatea de probabilitate a variabilei Y este f2 (y ) =
1
f (x; y ) dx. Pentru
1
y 62 21 ; 2 , f2 (y ) = 0. Pentru y 2 21 ; 1 avem
Z 2
Z 2
x=2
dx

Z 2 dx

f (x; y ) dx =
f2 (y ) =
=
=
ar tg
xy

=
2 2
x=1=y
y 2 1=y x2 + y1
y
1=y 1 + x y
1=y
2y 1
1

ar tg
.
=
1
2y + 1
y ln 2 ar tg 3
Pentru y 2 [1; 2 avem
Z 2=y
Z 2=y
x=2=y
dx

Z 2=y dx

f2 (y )=
f (x; y ) dx =
=
=

=
ar tg
xy
x=1
1 + x2 y 2 y 2 1 x2 + y1
y
1
1
2 y
1

ar tg
.
=
1
y ln 2 ar tg 3
2y + 1
2
96
Capitolul 3
h
i
2y 1
1
1

ar tg
;
y
2
;
1
;
2
2y + 1
y ln 2 ar tg 31
2 y
1
De i f2 (y ) = >

ar tg
; y 2 (1; 2;
1
>
y ln 2 ar tg 3
2y + 1
>
>
h
i
>
>
:
0;
y 62 12 ; 2 :
) Covarianta variabilelor X si Y este
1;1 = ov(X; Y ) = M ((X m1 )(Y m2 )) = M (X Y ) m1 m2 .
Avem
Z 1
1
,
xf1 (x) dx =
m1 = M (X ) =
lnZ 2
1
Z 2
Z 1
1
2 y
2y 1
dy + ar tg
dy =
m2 = M (Y ) =
yf2 (y ) dy =
ar tg
2y + 1
2
y
+
1
1
1 Z
1=2
Z 2
1
2y 1 1
4y
y
2 y 2
= y ar tg

+
dy
+
y

ar tg
dy =
2
2
2y + 1 1=2
2y + 1 1
1=2 8y + 2
1 y + 1
ln 25
.
=
4 ln 2 ar tg 13
Apoi
!
ZZ
ZZ
Z 2 Z 2=x
xy
xy
xyf (x; y ) dxdy=
M (X Y )=
dxdy =
dy dx =
2 2
D 1 + x2 y 2
1=x 1 + x y
IR
1
!

Z 2
Z 2
1
1 y=2=x
1 Z 2=x 2y
2
dy dx =
ln y + x2 y=1=x dx =
=
1
2
1 2x
1=x y +
1 2x
x
2
ln 25

= ln 25 ln x1 =
.
2
2 ar tg 13

ln 52
2
Rezulta atun i 1;1 =
2
ln
2
1
.
4 ar tg 13 ln2 2
8. Fie fun t
ia f : IR82 ! IR,
< (x2 + y 2 ); (x; y ) 2 D = [1; 2 [2; 3;
f (x; y ) = :
0;
(x; y ) 62 D:
a unui ve tor aleator bidimensional (X; Y ).
b) Sa se determine (pentru gasit la pun tul a)) densitatile de probabilitate
ale variabilelor X si Y .
) Sa se al uleze ovarianta variabilelor X si Y .
d) Sa se s rie regresiile M (X=Y ) si M (Y=X ).
Rezolvare. a) Gra ul domeniului D este desenat ^
n Figura 3.5.
8
>
>
>
>
>
>
<
97
Ve tori aleatori
8
<
1x2
Din onditia
2 yZZ
3:
f (x; y ) 0, 8 (x; y ) 2 IR2 , rezulta 0, iar pentru onditia
f (x; y ) dxdy =
IR
= 1 dedu em

ZZ
ZZ
Z 2 Z 3
I=
f (x; y ) dxdy =
(x2 + y 2 )dy dx =
(x2 + y 2 ) dxdy =
IR
2
D
1
!
Z 2
Z 2
19
26
y 3 y=3
2
2
dx =
x +
dx =

.
=
x y+
3 y=2
3
3
1
1
3
Punând onditia a I = 1 rezulta = .
26
y
Domeniul D este simplu ^n raport u axa Oy , (D) : :
2
x
O
Figura 3.5
b) Densitatea de probabilitate a variabilei aleatoare X este f (x) =
1
1
f (x; y ) dy . Da a x 62 [1; 2 atun i f1 (x) = 0. Da a x 2 [1; 2 atun i
1
!
Z
f1 (x) =
(x2 + y 2 ) dy = x2 y +
2
8
>
<
y3
3
y
y
=3

=2
3x2 + 19
.
26
3x2 + 19
; x 2 [1; 2;
De i f1 (x) = > 26
:
0;
x 62 [1; 2:
Densitatea de probabilitate a variabilei aleatoare Y este f2 (y ) =
Z 1
=
f (x; y ) dx. Da a y 62 [2; 3 atun i f2 (y ) = 0. Da a y 2 [2; 3 atun i
1
!
Z 2
3
x=2
x
3y 2 + 7
f2 (y ) = (x2 + y 2 ) dx =
+ xy 2 x=1 =
.
3
26
1
8
3y 2 + 7
>
<
; y 2 [2; 3;
De i f2 (y ) = > 26
:
0;
y 62 [2; 3:
) Covarianta variabilelor X si Y este
1;1 = ov(X; Y ) = M (X Y ) m1 m2 .
Avem
Z 1
Z 2
1 Z2 3
3x2 + 19
dx =
(3x + 19x) dx =
m1 = M ( X ) =
xf1 (x) dx = x
26
26 1
1
1
98
1 3x4 19x2
=
+
26 4
2
Capitolul 3
!
2

1
159
,
104
Z 3
1
1 Z3 3
3y 2 + 7
yf2 (y ) dy = y
dy =
(3y + 7y ) dy =
26
26 2
1
2
m2 = M (Y ) =
!
1 3y 4 7y 2 3 265
=
+
; iar
=
26 4
2 ZZ 2 104
ZZ
M (X Y ) =
xyf (x; y ) dxdy =
xy (x2 + y 2 ) dxdy =
IR
D
!

Z 2 Z 3
Z 2
3
405
65
x
5
x
dx =
+
.
=
(x3 y + xy 3 )dy dx =
2
4
104
2
1
1
405 159 265
Atun i 1;1 =
' 0; 0014.
104 104 104
d) Pentru y 2 [2; 3 variabila aleatoare onditionata X=Y = y are densitatea
de probabilitate
8
> 3(x2 + y 2 )
<
; x 2 [1; 2;
f (x; y ) >
= > 3y 2 + 7
f (x=y ) =
f2 (y ) >
:
0;
x 62 [1; 2;
u valoarea medie Z
Z 2
1
3 Z2 3
3x(x2 + y 2 )
(x +
dx
=
M (X=Y = y ) =
xf (x=y )dx =
3y 2 + 7
3y 2 + 7 1
1
1
!
3
x4 x2 y 2 x=2 9(2y 2 + 5)
+xy 2 ) dx = 2
=
+

.
x=1
3y + 7 4
2
4(3y 2 + 7)
Regresia M (X=Y ) este variabila aleatoare are are valorile M (X=Y = y ),
y 2 [2; 3, iar densitatea de probabilitate f2 (y ). Valoarea medie a regresiei
M (X=Y ) este
Z 3
Z 3
9(2y 2 + 5) 3y 2 + 7
26 dy =
M [M (X=Y ) = M (X=Y = y )f2 (y ) dy =
2
2
2 4(3y + 7)
9 Z3 2
159
=
(2y + 5) dy =
= M (X ).
104 2
104
Pentru x 2 [1; 2 variabila aleatoare onditionata Y=X = x are densitatea de
probabilitate
8
3(x2 + y 2)
<
; y 2 [2; 3;
f (x; y ) >
= > 3x2 + 19
f (y=x) =
f1 (x) :
0;
y 62 [2; 3;
u valoarea medie Z
Z 3
1
3 Z3 2
3y (x2 + y 2)
(x y +
dy = 2
M (Y=X = x) =
yf (y=x)dy =
3x2 + 19
3x + 19 2
1
2
!
3
x2 y 2 y 4 y=3 15(2x2 + 13)
+y 3)dy = 2
=

+
.
3x + 19 2
4 y=2 4(3x2 + 19)
2
Ve tori aleatori
99
Regresia M (Y=X ) este variabila aleatoare are are valorile M (Y=X = x),
x 2 [1; 2, iar densitatea de probabilitate f1 (x). Valoarea medie a regresiei
M (Y=X ) este
Z 2
Z 2
15(2x2 + 13) 3x2 + 19
26 dx =
M [M (Y=X ) = M (Y=X = x)f1 (x) dx =
4(3x2 + 19)
1
1
Z 2
265
15
(2x2 + 13) dx =
= M (Y ).
=
104 1
104
100
Bibliograe
BIBLIOGRAFIE
1. G. Ciu u, Elemente de teoria probabilitatilor si statisti a matemati a,

Editura Dida ti a si Pedagogi a, Bu uresti, 1963.
2. G. Ciu u, G. Sâmboan, Teoria probabilitatilor si statisti a matemati a,
Editura Tehni a, Bu uresti, 1962.
3. N. Cojo aru, V. Clo oti i, D. Dobra, Metode statisti e apli ate ^n industria textila, Editura Tehni a, Bu uresti, 1986.
4. Gh. Miho , N. Mi u, Teoria probabilitatilor si statisti a matemati a,
Editura Dida ti a si Pedagogi a, Bu uresti, 1980.
5. C. Reis her, A. Sâmboan, Culegere de probleme de teoria probabilitatilor
si statisti a matemati a, Editura Dida ti a si Pedagogi a, Bu uresti, 1972.
6. R. Tudora he, Culegere de probleme de analiza matemati a, Vol.II Cal ulul integral, Universitatea Tehni a "Gh. Asa hi", Iasi, 2001.
Capitolul 3
Legi clasice de probabilitate (distribuii sau
repartiii) ale variabilelor aleatoare discrete
Introducere
Vom prezenta n acest capitol principalele legi de probabilitate ale
variabilelor aleatoare discrete, i anume: legea discret uniform, legea
binomial i cazul su particular legea Bernoulli, legea binomial cu exponent
negativ i cazul particular legea geometric, legea hipergeometric i legea
Poisson (legea evenimentelor rare).
3.1. Legea discret uniform

Definiia 3.1.1. Variabila aleatoare discret
uniform dac are tabloul de distribuie
X urmeaz legea discret
x1 x 2 ... x n
1
, unde p k = , k = 1, 2, ...n , n * .
X :
n
p1 p 2 ... p n
(3.1.1)
Vom mai spune c variabila aleatoare X dat de formula (3.1.1) are o

distribuie discret uniform sau o repartiie discret uniform.
Din tabloul distribuiei variabilei aleatoare X se observ c
n
1
= 1.
k =1 n
pk =
k =1
Teorema 3.1.2. Dac variabila aleatoare X are distribuie discret uniform cu

tabloul de distribuie (3.1.1), atunci valoarea medie i dispersia sa sunt
2
1 n
1 n
1 n
M ( X ) = x k , D 2 ( X ) = x k2 2 x k .
n k =1
n k =1
n k =1
(3.1.2)
Demonstraie. Din formulele de calcul ale mediei i dispersiei obinem
k =1
k =1
M ( X ) = xk pk = xk
1 1 n
= xk ,
n n k =1
D ( X ) = M ( X ) [ M ( X )] = x p k x k p k
k =1
k =1
= x k2
k =1
2
k
1 n
1
1 n
1 n
x k = x k2 2 x k .
n k =1
n
n k =1
n k =1
q.e.d.
Observaia 3.1.3. Deoarece D 2 ( X ) 0 , din relaia a doua (3.1.2) avem
2
n x xk ,
k =1
k =1
n
2
k
relaie util n diverse aplicaii practice, i care rezult direct i din inegalitatea
lui Cauchy-Buniakovski-Schwarz.
Propoziia 3.1.4. Dac variabila aleatoare discret X are distribuie uniform
cu tabloul de distribuie (3.1.1), atunci funcia sa caracteristic este
c(t ) =
1 n itxk
e , t R.
n k =1
(3.1.3)
Demonstraie. Conform formulei de calcul pentru funcia caracteristic, avem

n
c(t ) = p k e
k =1
itxk
1 n itxk
= e , t R.
n k =1
q.e.d.
Propoziia 3.1.5. Dac variabila aleatoare discret X are distribuie uniform
i ia valorile xk = k , k = 1, 2, ..., n , adic are tabloul de distribuie
1 2 n
X : 1 1
1 ,
n
n n
atunci
n +1
n2 1
,
, D2 (X ) =
12
12
nt
sin
i ( n +1) t
2
c(t ) =
e 2 , t R, t 2k , k Z ; c(t ) = 1, t = 2k , k Z .
t
n sin
2
M (X ) =
Demonstraie. Din formulele (3.1.2), pentru xk = k , k = 1, 2, ..., n , obinem

M (X ) =
1 n
1 n
n +1
x
=
k=
,
k
n k =1
n k =1
2
D2 (X ) =
1 n 2 1 n
1 n 2 1 n
x
x
k
k n2
k n 2
k
n k =1
n k =1
k =1
k =1
1 n(n + 1)(2n + 1) 1 n 2 (n + 1) 2 n 2 1
.
=
2
=
n
6
4
12
n
Din formula (3.1.3), obinem pentru funcia caracteristic
c(t ) =
1 n itk e it 1 e int e it 1 cos nt i sin nt

e = n 1 e it = n 1 cos t i sin t
n k =1
nt
nt
nt
nt
nt
nt
sin cos + i sin
2i sin cos
it
e
2
2
2
2
2
2 =e
=
t
t
t
t
t
t
n
n
2 sin 2 2i sin cos
sin cos + i sin
2
2
2
2
2
2
nt
nt
sin
e it sin
i ( n +1) t
(
1
)
n
t
n
t
(
1
)
2 e 2 , t R, t 2k , k Z ,
2 cos
=
+ i sin
=
t
t
2
2
n sin
n sin
2
2
c(t ) = 1, t = 2k , k Z .
it
2 sin 2
q.e.d.
3.2. Legea binomial. Legea Bernoulli

Definiia 3.2.1. Variabila aleatoare discret X urmeaz legea binomial
( X are o distribuie sau repartiie binomial) cu parametrii n i p ( n N ,
0 < p < 1 ) dac ia valorile 0,1, 2, ..., n cu probabilitile
3
P ( X = k ) = C nk p k q nk , k = 0,1, 2,..., n,
(3.2.1)
unde q = 1 p .
Tabloul de distribuie pentru variabila aleatoare X este
1
2
...
n
0
.
X : 0 0 n 1 n 1 2 2 n 2
n n 0
... C n p q
C n p q C n pq C n p q
Se observ c
k =0
k =0
Cnk p k q nk = Cnk p nk q k =( p + q) n = 1.
Exemplul 3.2.2. Dac A1 , A2 , ..., An sunt evenimente independente i

P( Ai ) = p, i = 1, 2, ..., n , iar X reprezint numrul evenimentelor care se
realizeaz n cadrul unei experiene , atunci X are distribuie binomial cu
parametrii n i p (conform schemei lui Bernoulli).
Exemplul 3.2.3. Dac A este un eveniment legat de o anumit experien i
probabilitatea ca A s se produc cnd efectum o singur dat experiena este
P( A) = p , atunci variabila aleatoare care are ca valori numrul realizrilor lui
A cnd efectum de n ori experiena are distribuie binomial cu parametrii n i
p.
Teorema 3.2.4. Dac variabila aleatoare X are distribuie binomial cu
parametrii n i p, atunci valoarea medie i dispersia sa sunt
M ( X ) = np, D 2 ( X ) = npq .
(3.2.2)
Demonstraie. Valoare medie a variabilei aleatoare X este

n
M ( X ) = 0 C n0 p 0 q n + 1 C n1 pq n1 + 2 C n2 p 2 q n2 + + n C nn p n q 0 = kC nk p k q nk .
k =0
Pentru a calcula suma de mai sus vom considera polinomul

P( x) = ( px + q ) n = C n0 p n x n + C n1 p n 1qx n 1 + + C nn 1 pq n 1 x + C nn q n
n
k =0
k =0
= C nk p n k q k x n k = C nk p k q n k x k .
Derivnd polinomul de mai sus obinem
P' ( x) = np ( px + q ) n1 = nC n0 p n x n1 + (n 1)C n1 p n1qx n2 +

(3.2.3)
+ C nn1 pq n1 + 0 C nn q n = kC nk p k q nk x k 1 .
k =0
Lund x = 1 n relaia (3.2.3), obinem
kC
k =0
k
n
p k q nk = np ( p + q ) n1 , de unde
rezult c M ( X ) = np .
Pentru a calcula dispersia lui X vom folosi formula
D 2 ( X ) = M ( X 2 ) [ M ( X )]2 .
n
Media variabilei X 2 este M ( X 2 ) = k 2 C nk p k q nk .

k =0
nmulim relaia (3.2.3) cu x i obinem

xP' ( x) = npx( px + q ) n1 = nC n0 p n x n + (n 1)C n1 p n1qx n1 + C nn1 pq n1 x
n
+ 0 C nn q n = kC nk p k q nk x k .
k =0
Dac derivm relaia de mai sus deducem c

n
P' ( x) + xP' ' ( x) = np ( px + q ) n1 + n(n 1) p 2 x( px + q ) n2 = k 2 C nk p k q nk x k 1 .

k =0
Lund x = 1 n relaia de mai sus deducem c M ( X 2 ) = np + n(n 1) p 2 .

Obinem astfel dispersia lui X
D 2 ( X ) = np + n(n 1) p 2 n 2 p 2 = np np 2 = npq.
q.e.d.
Propoziia 3.2.5. Dac este modulul (valoarea cea mai probabil) a unei
variabile aleatoare X cu distribuie binomial cu parametrii n i p, atunci
np q np + p,
unde q = 1 p.
Demonstraie. Dac este modulul variabilei X atunci
5
P( X = 1) P( X = ), P( X = + 1) P( X = ).
Inegalitile de mai sus ne conduc la sistemul

C n 1 p 1q n +1 C n p q n
+1 +1 n 1
C n p q
C n p q n
p
q
n + 1

p q
+ 1 n
np + p

np q,
de unde rezult concluzia propoziiei.
q.e.d.
Propoziia 3.2.6. Dac variabila aleatoare X are distribuie binomial cu

parametrii n i p, atunci funcia sa caracteristic este
c(t ) = ( pe it + q ) n , t R.
(3.2.4)
Demonstraie. Conform formulei pentru funcia caracteristic avem

n
k =0
k =0
c(t ) = C nk p k q n k e itk = C nk ( pe it ) k q n k = ( pe it + q ) n , t R.
q.e.d.
Teorema 3.2.7. Dac variabilele independente X i Y au distribuii binomiale cu
parametrii n i p, respectiv m i p, atunci variabila X+Y are distribuie
binomial cu parametrii m+n i p.
Demonstraie. Deoarece X ia valorile 0,1,, n, iar Y ia valorile 0,1,, m,
rezult c variabila X+Y va lua valorile 0,1,, n + m. Variabila X+Y are valoarea
k ( k {0,1,, n + m}) dac (X=0 i Y=k) sau (X=1 i Y=k-1) sau ... sau (X=k i
Y=0). Atunci vom obine
k
k
P( X + Y = k ) = P { X = j , Y = k j} = P( X = j , Y = k j )
j =0
j =0
k
= P( X = j ) P(Y = k j ) = C nj p j q n j C mk j p k j q mk + j
j =0
j =0
= p k q m+ n k C nj C mk j = C mk + n p k q m+ n k .
j =0
Am folosit mai sus faptul c evenimentele X i Y sunt independente, i de

k
asemenea am utilizat formula
C
j =0
j
n
C mk j = C mk + n , care poate fi dedus egalnd
coeficientul lui x din dezvoltrile (1 + x) n (1 + x) m i (1 + x) n+ m .

Deci am obinut
k
P( X + Y = k ) = C mk + n p k q m+ nk , k = 0,1,, n + m,
adic variabila X+Y are o distribuie binomial cu parametrii m+n i p.

Concluzia teoremei mai poate fi obinut folosind proprietatea de la funcii
caracteristice care spune c funcia caracteristic a sumei a dou variabile
aleatoare independente cu funciile caracteristice c1 (t ) i c2 (t ), t R , are forma
c(t ) = c1 (t )c2 (t ), t R. Astfel folosind relaia (3.2.4) deducem c funcia
caracteristic a variabilei X+Y este
c(t ) = pe it + q
) ( pe
n
it
+q
) = ( pe
m
it
+q
m+ n
, t R.
Din expresia de mai sus a funciei c tragem concluzia c variabila aleatoare X+Y
are distribuie binomial cu parametrii m+n i p.
q.e.d.
Teorema 3.2.8. (Bernoulli) Un eveniment are probabilitatea de realizare p
atunci cnd facem o singur dat experiena de care este legat. Dac n este
numrul de realizri ale evenimentului cnd repetm experiena de n ori,atunci
lim P n p = 0,
n
n
(3.2.5)
oricare ar fi > 0.
Demonstraie. Variabila aleatoare n care are ca valori numrul de realizri ale
evenimentului din problem are distribuie binomial cu parametrii n i p.
Conform Teoremei 3.2.2 avem M ( n ) = np i D 2 ( n ) = npq . Variabila aleatoare
n
n
va avea atunci valoarea medie, dispersia i abaterea medie ptratic

np
1
= p,
m = M n = M ( n ) =
n
n n
pq
1
D 2 n = 2 D 2 ( n ) =
, =
n
n n
pq
.
n
7
Vom folosi acum Inegalitatea lui Cebev pentru variabila

Obinem
n
n
i a = .
2
pq
P n p 2 = 2 .
n
n

Deoarece lim
n
pq
= 0 , din inegalitatea de mai sus rezult inegalitatea (3.2.5).
n 2
q.e.d.
Observaia 3.2.9. O mbuntire a inegalitii (3.2.5) este dat de teorema lui
Borel, care spune c n condiiile Teoremei 3.2.8 are loc relaia
P n p = 1.
n
Aplicaia 3.2.10. n cadrul unei experiene evenimentele independente

A1 , A2 , An au probabilitile de realizare P( Ak ) = p k , k = 1, 2,, n. S se
calculeze valoarea medie i dispersia numrului de evenimente care se
realizeaz atunci cnd experiena are loc.
Rezolvare. S notm cu X variabila aleatoare care are ca valori numrul de
evenimente care se realizeaz n cadrul experienei. Valorile variabilei X sunt
0,1, 2,, n. Probabilitatea ca X s ia valoarea k ( k = 0,1, 2,, n) este, conform
schemei lui Poisson (schema binomial generalizat) coeficientul lui x k din
polinomul
Q( x) = ( p1 x + q1 )( p 2 x + q 2 ) ( p n x + q n ) ,
(3.2.6)
unde qi = 1 pi , i = 1, 2,, n. Dac scriem desfurat pe Q(x) sub forma

Q( x) = a0 + a1 x + a 2 x 2 + + a n x n ,
(3.2.7)
atunci tabloul de distribuie pentru variabila X este
0 1 2 n
X :
.
a0 a1 a 2 a n
Suma tuturor elementelor de pe linia a doua a tabloului de mai sus este 1. ntradevr
8
a0 + a1 + + a n = Q(1) = ( p1 + q1 )( p 2 + q 2 ) ( p n + q n ) = 1.
n
Valoarea medie a variabilei X este M ( X ) = kak . Ideea de demonstraie a

k =0
teoremei este asemntoare cu cea a Teoremei 3.2.4. Vom deriva polinomul Q,

scris sub cele dou forme de mai sus (3.2.6) i (3.2.7). Derivnd relaia (3.2.7)
obinem
Q' ( x) = a1 + 2a 2 x + 3a3 x 2 + + na n x n1 ,
(3.2.8)
de unde rezult
n
Q' (1) = a1 + 2a 2 + 3a3 + + na n = kak = M ( X ).

k =1
Pe de alt parte parte, derivnd relaia (3.2.6) obinem

Q' ( x) = p1 ( p k x + q k ) + p 2 ( p k x + q k ) + + p n ( p k x + q k ) ,
k 1
k 2
(3.2.9)
k n
iar pentru x = 1 deducem Q' (1) = p1 + p 2 + + p n . Rezult c

n
M ( X ) = pk .
(3.2.10)
k =1
Pentru a calcula dispersia, vom calcula mai nti M ( X 2 ) = k 2 a k . nmulim

k =0
relaia (3.2.8) cu x i obinem

xQ' ( x) = a1 x + 2a 2 x 2 + 3a3 x 3 + + na n x n .
Derivnd egalitatea de mai sus rezult

Q' ( x) + xQ' ' ( x) = a1 + 2 2 a 2 x + 32 a3 x 2 + + n 2 a n x n1 .
n
Pentru x = 1 deducem din relaia de mai sus Q' (1) + Q' ' (1) = k 2 a k . Deci
k =1
M ( X 2 ) = Q' (1) + Q' ' (1) = p k + Q' ' (1).
(3.2.11)
k =1
Derivm acum relaia (3.2.9) pentru a determina Q' ' ( x) ; obinem
Q' ' ( x) = p1 p 2 ( p j x + q j ) + p3 ( p j x + q j ) + + p n ( p j x + q j )
j 1, 3
j 1, n
j 1, 2
+ + p n p1 ( p j x + q j ) + p 2 ( p j x + q j ) + + p n1 ( p j x + q j ).
j 2,n
j 1, n 1
j 1,n
Pentru x = 1 obinem din relaia de mai sus

Q' ' (1) = p1 p k + p 2 p k + + p n p k = p1[ M ( X ) p1 ] + p 2 [ M ( x) p 2 ]
k 1
k 2
k n
+ + p n [ M ( X ) p n ] = M ( X )( p1 + p 2 + + p n ) ( p12 + p 22 + + p n2 )
n
= [ M ( X )]2 p k2 .
k =1
Din relaia (3.2.11) i din relaia de mai sus deducem c

n
k =1
k =1
M ( X 2 ) = p k + [ M ( X )]2 p k2 .
(3.2.12)
Folosind acum relaiile (3.2.10) i (3.2.12) rezult c dispersia lui X este

n
D 2 ( X ) = M ( X 2 ) [ M ( X )]2 = p k + [ M ( X )]2 p k2 [ M ( X )]2

k =1
k =1
k =1
k =1
k =1
k =1
= p k p k2 = p k (1 p k ) = p k q k .
O alt metod mai simpl pentru calculul mediei i dispersiei variabilei X este
urmtoarea: s notm cu X k variabila aleatoare care are ca valori pe 1 dac Ak se
realizeaz, i pe 0 dac Ak nu se realizeaz, pentru k = 1, 2,, n. Tablourile de
distribuie pentru variabilele X k sunt
1 0
, k = 1, 2,, n.
X k :
pk qk
Atunci numrul evenimentelor care se realizeaz este X = X 1 + + X n , deci
media sa va fi
10
k =1
k =1
M ( X ) = M ( X k ) = pk .
Deoarece variabilele aleatoare X k , k = 1, 2,, n sunt independente, atunci

dispersia varaibilei X va fi
n
D (X ) = D (X k
2
k =1
) = {M ( X
n
k =1
2
k
) [M ( X k
)] } = ( p
n
k =1
p ) = pk qk .
2
k
k =1
q.e.d.
Pentru n = 1, legea binomial este cunoscut i sub numele de legea
Bernoulli cu parametrul p. Variabila aleatoare X care urmeaz legea Bernoulli
cu parametrul p admite doar dou valori posibile 0 i 1 cu probabilitile de
realizare q=1-p i p, avnd tabloul de distribuie
0
X :
q
1
, q = 1 p.
p
Valoarea medie i dispersia variabilei X sunt M ( X ) = p i D 2 ( X ) = pq .

O variabil aleatoare cu distribuie binomial cu parametrii n i p dat de
Definiia 3.2.1 este suma a n variabile aleatoare independente cu distribuii
Bernoulli cu acelai parametru p.
3.3. Legea binomial cu exponent negativ. Legea geometric

Definiia 3.3.1. Variabila aleatoare X urmeaz legea binomial cu exponent
negativ (X are distribuie sau repartiie binomial cu exponent negativ) cu
parametrii m i p ( m N * , 0 < p < 1 ) dac ia valorile m, m + 1, m + 2, cu
probabilitile
P( X = k ) = C km11 p m q k m , k m,
(3.3.1)
unde q=1-p.
Tabloul de distribuie pentru variabila aleatoare X este
X : m1 m 0
C m1 p q
m +1
m+2
m 1
m
m 1
m +1
p q C
p q
Exemplul 3.3.2. O experien se efectueaz pn la cea de-a m-a realizare a unui

eveniment A legat de ea. Dac probabilitatea acestui eveniment cnd se face o
11
singur dat experiena este p, atunci numrul X de efecturi ale experienei este
variabil aleatoare care are distribuie binomial cu exponent negativ cu
parametrii m i p. ntr-adevr, evenimentul { X = k} se scrie ca intersecia a dou
evenimente: n primele k-1 efecturi ale experienei evenimentul A se produce
de m-1 ori i n a k-a efectuare a experienei se produce A. Probabilitatea
primului din aceste dou evenimente este C km11 p m1q k m , conform schemei lui
Bernoulli, iar probabilitatea celui de-al doilea este p. Deci
P( X = k ) = pC km=11 p m1q k m = C km11 p m q k m , k = m, m + 1,
Teorema 3.3.3. Dac variabila aleatoare X are distribuie binomial cu

exponent negativ cu parametrii m i p, atunci valoarea medie i dispersia sa
sunt
M (X ) =
m
,
p
D2 (X ) =
mq
.
p2
(3.3.2)
Demonstraie. Valoarea medie a variabilei aleatoare X este

M ( X ) = mC mm11 p m q 0 + (m + 1)C mm1 p m q + (m + 2)C mm+11 p m q 2 +
= kC km11 p m q k m .
k =m
Pentru a calcula suma seriei de mai sus, pornim de la dezvoltarea n serie de

puteri a funciei (1 x) m , i anume
(1 x) m = 1 +
m(m + 1) 2
m
x +,
x+
2!
1!
x (1,1).
Pentru m N * seria binomial de mai sus se scrie sub forma

(1 x)
=C
0
m 1
+C x+C
1
m
2
m +1
x + = C kk1m x k m ,
2
x (1,1)
k =m
sau
(1 x) m = C mm11 + C mm1 x + C mm+11 x 2 + = C km11 x k m ,
x (1,1).
(3.3.3)
k =m
Folosind seria de mai sus (cu x=q), observm c suma tuturor probabilitilor
de pe linia a doua a tabloului distribuiei variabilei X este 1. ntr-adevr
12
k =m
m 1
k 1
p q
k m
=p
k =m
m 1
k 1
k m
= p (1 q )
m
1 q
=
p p
= 1.
Numele distribuiei binomiale cu exponent negativ provine din observaia c

termenii P( X = k ) = C km11 p m q k m , k m sunt termenii generali ai dezvoltrii
m
1 q
.
p p
Relaia (3.3.3) se scrie echivalent astfel
xm
=
C km11 x k
m
(1 x)
k =m
(3.3.4)
Derivnd relaia (3.3.4) obinem
mx m1
=
kC km11 x k 1 ,
m +1
(1 x)
k =m
x (1,1).
(3.3.5)
Pentru x=q din relaia (3.3.5) deducem
mq m1
=
kC km11q k 1 .
m +1
p
k =m
(3.3.6)
Atunci valoarea medie a variabilei X este, folosind relaia (3.3.6)
M ( X ) = kC
k =m
m 1
k 1
p q
k m
=p q
m
m +1
kC
k =m
m 1
k 1
k 1
=p q
m
m +1
mq m1 m
= .
p
p m+1
Pentru a calcula dispersia variabilei X, vom calcula mai nti M ( X 2 ) , i

anume
k =m
k =m
M ( X 2 ) = k 2 C km11 p m q k m = p m q1m k 2 C km11q k 1 .
nmulim relaia (3.3.5) cu x i obinem
mx m
=
kC km11 x k ,
m +1
(1 x)
k =m
x (1,1).
Prin derivarea relaiei de mai sus rezult

13
x m1m(m + x) 2 m1 k 1
= k C k 1 x ,
(1 x) m+ 2
k =m
x (1,1).
Pentru x=q din relaia obinut deducem
k 2Ckm11q k 1 =
k =m
q m1m(m + q )
.
p m+ 2
Rezult atunci c M ( X 2 ) este

M (X ) = p q
2
1 m
q m1m(m + q ) m(m + q )
,
=
p m+ 2
p2
iar dispersia varaibilei aleatoare X este

D 2 ( X ) = M ( X 2 ) [ M ( X )]2 =
m 2 + mq m 2 mq
2 = 2.
p2
p
p
q.e.d.
Propoziia 3.3.4. Dac variabila aleatoare X are distribuie binomial cu
exponent negativ cu parametrii n i p, atunci funcia sa caracteristic este
pe it
c(t ) =
it
1 qe
, t R.
(3.3.7)
Demonstraie. Conform formulei pentru funcia caracteristic avem
c(t ) = C km11 p m q k m e itk = p m e itm C km11 (qe it ) k m

k =m
k =m
pe it
, t R,
= p m e itm (1 qe it ) m =
it
1 qe
conform relaiei (3.3.3), care este adevrat i pentru numere complexe
x C , | x |< 1.
q.e.d.
Pentru m=1 legea binomial cu exponent negativ cu parametrul p se mai

numete legea geometric cu parametrul p. Tabloul de distribuie pentru o
variabil aleatoare X cu distribuie geometric cu parametrul p este urmtorul
14
1
X : m 0
p q
p q
p q
unde q=1-p. Conform relaiilor (3.3.2) i (3.3.7) media, dispersia i funcia

caracteristic ale lui X sunt
M (X ) =
q
pe it
1
, D 2 ( X ) = 2 , c(t ) =
, t R.
p
p
1 qe it
3.4. Legea hipergeometric

Definiia 3.4.1. Variabila aleatoare X urmeaz legea hipergeometric (X are
distribuie sau repartiie hipergeometric) cu parametrii a, b i n ( a, b, n N * ,
n a + b ) dac poate lua orice valoare ntreag ntre max(0, n b) i min(n, a ) i
P( X = k ) =
C ak Cbn k
, k [max(0, n b), min(n, a )].
C an+b
(3.4.1)
Pentru calculul mediei i dispersiei variabilei aleatoare X cu distribuie

hipergeometric vom presupune fr a restrnge generalitatea problemei c
n b i n a , deci max(0, n b) = 0 i min(n, a ) = n . Atunci tabloul de
distribuie pentru variabila X este
0
0 n
X : C a Cb
Cn
a +b
1
1
a
n 1
b
2
a
CC
C an+b
C C .
2
n2
b
C C
C an+b
n 0
a b
n
a +b
Se observ c suma probabilitilor de pe linia a doua a tabloului de mai sus este

1. ntr-adevr avem
C ak Cbn k
1
= n
n
C a +b
k =0 C a +b
n
C
k =0
k
a
Cbn k =
1
C an+b = 1.
n
C a +b
Exemplul 3.4.2. Dac dintr-o urn care conine a bile albe i b bile negre se
extrag n bile una cte una, fr ntoarcerea bilei extrase n urn (sau se extrag n
bile simultan), iar X este numrul de bile albe extrase, atunci X are distribuie
hipergeometric cu parametrii a, b i n, conform schemei hipergeometrice
(schema bilei nentoarse).
15
Teorema 3.4.3. Dac variabila aleatoare X are distribuie hipergeometric cu

parametrii a, b i n, cu n b i n a , atunci valoarea medie i dispersia sa
sunt
M ( X ) = ap ,
unde p =
D 2 ( X ) = npq
a+bn
,
a + b 1
(3.4.2)
a
b
, q = 1 p =
.
a+b
a+b

C ak Cbnk
a
M (X ) = k
= n
n
C a +b
C a +b
k =0
n
C
k =1
k 1
a 1
Cbnk =
a
an
= ap .
C an+b11 =
n
a+b
C a +b
Pentru calculul dispersiei, vom calcula mai nti media variabilei X 2 ; avem
n
M (X 2) = k 2
k =0
n
n
C ak Cbn k
C ak Cbn k
C ak Cbn k
)
1
(
k
k
k
+
=
C an+b
C an+b
C an+b
k =0
k =1
an(a 1)(n 1)
an
a (a 1) n 2
a (a 1) n k 2 n k
C a +b 2 +
C a 2 Cb + M ( X ) =
=
n
n
a + b (a + b)(a + b 1)
C a +b
C a +b k = 2
an
.
a+b
Deci dispersia lui X este

an(a 1)(n 1)
an
a2n2
+
(a + b)(a + b 1) a + b (a + b) 2
abn(a + b n)
a+bn
=
= npq
.
2
a + b 1
(a + b) (a + b 1)
D 2 ( X ) = M ( X 2 ) [ M ( X )]2 =
Folosind modelul urnei din Exemplul 3.4.2, valoarea medie a variabilei X

din problem se poate calcula i n felul urmtor. Considerm o urn cu a bile
albe i b bile negre din care se extrag una cte una n bile (fr ntoarcerea bilei n
urn) i considerm variabilele aleatoare X k , pentru k = 1,2,, n , unde variabila
X k ( k = 1,2,, n ) are ca valori numrul de bile albe obinute la extragerea k (1
dac obinem bil alb i 0 dac obinem bil neagr). Pentru X 1 , avem
P( X 1 = 1) =
a
,
a+b
P ( X 1 = 0) =
b
.
a+b
16
Deci tabloul de distribuie pentru variabilei X 1 este

0
1
X1 : a
b .
a+b a+b
Pentru variabila X 2 obinem (n urn au rmas a+b-1 bile)

P( X 2 = 1) = P( X 2 = 1 / X 1 = 1) P( X 1 = 1) + P( X 2 = 1 / X 1 = 0) P( X 1 = 0)
a
a (a + b 1)
a 1
a
a
b
,
=
=
+
a + b 1 a + b a + b 1 a + b (a + b 1)(a + b) ) a + b
P( X 2 = 0) = P( X 2 = 0 / X 1 = 1) P( X 1 = 1) + P( X 2 = 0 / X 1 = 0) P( X 1 = 0)
b
b(a + b 1)
b
b 1
a
b
.
=
=
a + b 1 a + b a + b 1 a + b (a + b)(a + b 1) a + b
Deci tabloul de distribuie pentru variabila X 2 este

0
1
X2 : a
b .
a+b a+b
Pentru variabila X 3 avem (n urn au rmas a+b-2 bile)

P( X 3 = 1) = P( X 3 = 1 / X 2 = 1) P( X 2 = 1) + P( X 3 = 1 / X 2 = 0) P( X 2 = 0)
= [ P(( X 3 = 1 / X 2 = 1) / X 1 = 1) P( X 1 = 1) + P(( X 3 = 1 / X 2 = 1) / X 1 =
= 0) P( X 1 = 0)]P( X 2 = 1) + [ P(( X 3 = 1 / X 2 = 0) / X 1 = 1) P( X 1 = 1) +
+ P(( X 3 = 1 / X 2 = 0) / X 1 = 0) P( X 1 = 0)]P( X 2 = 0)
a
a 1
b a
a
a 1
a2
+
=
a+b2 a+b a+b2 a+ba+b a+b2 a+b

(a 2)a 2 + 2(a 1)ab + ab 2
a
b b
=
+
a+b2 a+ba+b
(a + b 2)(a + b) 2
a (a + b)(a + b 2)
a
=
=
.
2
a+b
(a + b 2)(a + b)
Asemntor se arat c
17
P( X 3 = 0) =
b
(= 1 P( X 3 = 1)).
a+b
Deci tabloul de distribuie pentru variabila X 3 este

0
1
X3 : a
b .
a+b a+b
Se arat n acelai mod c toate variabilele X k , k = 1, 2,, n au acelai tablou

de distribuie
0
1
Xk : a
b ,
a+b a+b
k = 1, 2,, n ,
(dei ele sunt variabile dependente).

n
Cu ajutorul variabilelor X k , k = 1, 2,, n , variabila X se scrie X = X k ,

k =1
deci media variabilei X este

n
a
na
=
= np .
a+b
k =1 a + b
M (X ) = M (X k ) =
k =1
Pentru dispersie nu mai putem scrie c D 2 ( X ) este egal cu
D
k =1
deoarece variabilele X k , k = 1, 2,, n nu sunt independente.
(X k ) ,
q.e.d.
3.5. Legea Poisson (legea evenimentelor rare)

Definiia 3.5.1. Variabila aleatoare X urmeaz legea Poisson (X are distribuie
sau repartiie Poisson) cu parametrul ( > 0) dac poate lua orice valoare
ntreag pozitiv i
P( X = k ) =
k
k!
e , k = 0,1, 2,
(3.5.1)
Tabloul de distribuie pentru variabila X este

18
X : 0
e
0!
1
1!
2!
k!
Pentru a verifica c suma probabilitilor de pe linia a doua a tabloului de mai

sus este 1, vom folosi dezvoltarea n serie de puteri a funciei f ( x) = e x ,
i anume
x x2
xk
e = 1+ +
++
+ , x R .
1! 2!
k!
x
(3.5.2)
Folosind relaia (3.5.2) pentru x = , avem
k =0
k =0
k!
P ( X = k ) = e
= e e = 1.
Teorema 3.5.2. Dac variabila aleatoare X are distribuie Poisson cu

parametrul , atunci valoarea medie i dispersia sa sunt
M (X ) = ,
D2 (X ) = .
(3.5.3)
Demonstraie. Valoarea medie a variabilei X este
k =0
k!
M (X ) = k
e = e
k =1
k 1
(k 1)!
= e e = .
Pentru dispersie, calculm mai nti media variabilei X 2 . Obinem
k =0
k!
M (X 2) = k 2
+ M ( X ) = 2 e
k =2
k =1
k!
e = ( k 2 k )
k 2
(k 2)!
k =1
k!
e + k
k =2
k!
e = k (k 1)
+ M ( X ) = 2 e e + = 2 + .
Atunci dispersia lui X este

D 2 ( X ) = M ( X 2 ) [ M ( X )]2 = 2 + 2 = .
q.e.d.
19
Propoziia 3.5.3. Dac variabila aleatoare X are distribuie Poisson cu

parametrul , atunci funcia sa caracteristic este
c(t ) = e ( e
it
1)
, t R.
(3.5.4)
Demonstraie. Folosind formula de calcul de la funcia caracteristic, avem
c(t ) =
k =0
k!
e e
itk
=e
k! e
itk
k =0
it
it
(e it ) k
=e
= e e e = e ( e 1) , t R.
k!
k =0
q.e.d.
Teorema 3.5.4. Variabilele aleatoare independente X 1 i X 2 au distribuii
Poisson cu parametrii 1 i respectiv 2 . Atunci variabila aleatoare X 1 + X 2
are distribuie Poisson cu parametrul 1 + 2 .
Demonstraie. Variabila aleatoare X 1 + X 2 are ca valori pe 0,1, 2, Fie
k 0 ntreg. Atunci avem
P ( X 1 + X 2 = k ) = P j =0 ( X 1 = j , X 2 = k j ) = P ( X 1 = j , X 2 = k j )
k
= P( X 1 = j ) P( X 2 = k j ) =
j =0
j =0
j
1
j!
e 1
j =0
k j
2
(k j )!
e 2 =
e ( 1 +2 )
k!
C
j =0
j
k
1j k2 j
(1 + 2 ) ( 1 +2 )
.
e
k!
k
Deducem astfel c variabila aleatoare X 1 + X 2 are distribuie Poisson cu

parametrul 1 + 2 .
Folosind funciile caracteristice ale variabilelor X 1 , X 2 , exprimate cu
ajutorul formulei (3.5.4), i anume c1 (t ) = e 1 ( e 1) , c2 (t ) = e 2 ( e
c funcia caracteristic a variabilei X 1 + X 2 este
it
c(t ) = c1 (t )c2 (t ) = e 1 ( e
it
1)
e 2 ( e
it
1)
= e ( 1 +2 )( e
it
1)
it
1)
, t R , deducem
, t R.
Din expresia de mai sus a funciei caracteristice rezult c variabila X 1 + X 2 are

distribuie Poisson cu parametrul 1 + 2 .
q.e.d.
Legtura dintre distribuia binomial i distribuia Poisson este dat de
urmtoarea teorem.
20
Teorema 3.5.5. Fie k N fixat, iar pentru n > k considerm variabilele X n care
au distribuii binomiale cu parametrii n i p n , astfel nct toate s aib aceeai
valoare medie . Atunci are loc relaia
lim P( X n = k ) =
n
k
k!
e .
(3.5.5)
Rezolvare. Deoarece variabilele X n , n > k au aceeai valoare medie ,

deducem conform primei relaii din (3.5.3) c valoarea medie a acestor variabile
este M ( X n ) = np n = . Deci p n = / n . Atunci obinem
n(n 1) (n k + 1)

n
k!
n
lim P ( X n = k ) = lim C nk p nk q nn k = lim

n
n(n 1) (n k + 1)

= lim
lim1
k
n
k! n
n
n
nk
k
k!

1
n
nk
e ,
adic relaia (3.5.5).
q.e.d.
Observaia 3.5.6. Relaia (3.5.5) ne arat c dac p n este suficient de mic i n

suficient de mare, atunci putem aproxima distribuia binomial cu parametrii n i
p n , prin distribuia Poisson de parametru = np n . Din acest motiv distribuia
Poisson se mai numete legea evenimentelor rare. Dac n 30 i np < 5 atunci
distribuia Poisson cu parametrul = np este o bun aproximare a distribuiei
binomiale cu parametrii n i p.
Aplicaia 3.5.7. S se calculeze momentele iniiale m3 i m4 , precum i
momentele centrate 3 i 4 pentru o variabil aleatoare cu distribuie Poisson
cu parametrul .
Rezolvare. Din demonstraia teoremei 3.5.2 tim c m1 = M ( X ) = , iar
m2 = M ( X 2 ) = 2 + . Momentul iniial de ordinul al treilea al variabilei X este
k =0
k!
m3 = M ( X 3 ) = k 3
e .
Deoarece k 3 = k (k 1)(k 2) + 3k (k 1) + k , vom scrie pe m3 astfel
21
m3 = k (k 1)(k 2)
k =2
= 3 e
k!
+ 32 e
k =2
k =1
k!
e + 3 k (k 1)
(k 3)!
k =3
k 3
k 2
(k 2)!
k =1
k!
e + k
+ e
k =1
k 1
(k 1)!
= 3 e e
+ 3 e e + e e = + 3 + .
3
Apoi momentul centrat de ordinul al treilea este
3 = M ( X ) 3 = M ( X 3 3X 2 + 32 X 3 ) = M ( X 3 ) 3M ( X 2 )
+ 32 M ( X ) 3 = m3 3m2 + 32 m1 3 = 3 + 32 + 3 (2 + )
+ 33 3 = .
Pentru momentul iniial de ordinul al patrulea avem
k =0
k!
m4 = M ( X 4 ) = k 4
e .
Deoarece k 4 = k (k 1)(k 2)(k 3) + 6k (k 1)(k 2) + 7k (k 1) + k , momentul

m4 se scrie astfel
k =3
k!
m4 = k (k 1)(k 2)(k 3)
k =1
k!
+ 7 k (k 1)
+ 7 2 e
k =1
k!
e + k
k 2
k = 2 ( k 2)!
+ e
k =2
k!
e + 6 k (k 1)(k 2)
k 4
e = 4 e
k 1
k =1 ( k 1)!
k =4
(k 4)!
+ 63 e
k =3
k 3
(k 3)!
= 4 e e + 63 e e + 72 e e
+ e e = 4 + 63 + 72 + .
Apoi momentul centrat de ordinul al patrulea este
4 = M ( X ) 4 = M ( X 4 4X 3 + 62 X 2 43 X + 4 ) = M ( X 4 )
4M ( X 3 ) + 62 M ( X 2 ) 43 M ( X ) + 4 = m4 4m3 + 62 m2 43 m1 + 4
= 4 + 63 + 72 + 4 (3 + 32 + ) + 62 (2 + ) 44 + 4 = 32 + .
22
Capitolul 4
Legi clasice de probabilitate (distribuii sau
repartiii) ale variabilelor aleatoare continue
Introducere
Vom prezenta n acest capitol principalele legi de probabilitate ale
variabilelor aleatoare continue, i anume: legea continu uniform (rectangular),
legea normal (Gauss-Laplace), legea log-normal, legea gamma, legea beta,
legea 2 (Helmert-Pearson), legea Student (t) i cazul su particular legea
Cauchy, legea Snedecor i legea Fisher, legea Weibull i cazul su particular
legea exponenial.
4.1. Legea continu uniform (rectangular)

Definiia 4.1.1. Variabila aleatoare X urmeaz legea continu uniform
(rectangular) (X are distribuie sau repartiie uniform) cu parametrii i
( R, > 0) dac densitatea sa de probabilitate (repartiie) este funcia
1
, x 2 , + 2 ,
f ( x) =
0, x , + , .
2
2
(4.1.1)
Observm c funcia f este o densitate de probabilitate, deoarece

f ( x) 0, x R , i
f ( x) dx =
dx =
= 1.
Funcia de repartiie a variabilei X este
23
x , ,
0,
2
F ( x) = x + , x , + ,
2
2
2
x + , .
1,
2
(4.1.2)
Graficele funciilor f i F sunt date n Figura 4.1.1 i respectiv Figura 4.1.2.
Figura 4.1.1
Figura 4.1.2
Teorema 4.1.2. Dac variabila aleatoare X are distribuie uniform cu

parametrii i , atunci valoarea medie i dispersia sa sunt
M (X ) = ,
D2 (X ) =
2
12
(4.1.3)
Demonstraie. Valoarea medie a variabilei X este
M ( X ) = xf ( x) dx =
dx =
1 2
x
2
= ,
iar dispersia sa este
D ( X ) = ( x ) f ( x) dx =
2
1
dx =
(x )
( x )3
3
2
2
12
q.e.d.
Propoziia 4.1.3. Funcia caracteristic a unei variabile aleatoare X cu
distribuie uniform cu parametrii i este
24
i it
it +
2
2
, t R* ,
e
e
c(t ) = t
t = 0.
1,
(4.1.4)
Demonstraie. Pentru t 0, avem
c(t ) = e itx f ( x) dx =
e itx dx =
1 itx
e
it
it +
i it 2
e 2 ,
e
iar c(0) = f ( x) dx = 1.
q.e.d.
Aplicaia 4.1.4. S se calculeze momentele m2 , m3 i 3 pentru o variabil

aleatoare X cu distribuie uniform cu parametrii i .
Rezolvare. Momentul iniial de ordinul al doilea este
m2 = x 2 f ( x) dx =
x 2 dx =
1 3
x
3
3
1
3
2
1 2
2
3
3 +
= 2 +
.
=
4
12
3
Apoi momentul iniial de ordinul al treilea este
m3 = x f ( x) dx =
3
1 4
x
dx =
x
4
3
1
=
+
4
2
1
2
3
3
3
=
+
=
+
(
4
)
,
4
4
iar momentul centrat de ordinul al treilea este
3 = ( x ) f ( x) dx =
1
(x )
dx =
(x )4
4
= 0.
25
Aplicaia 4.1.5. Variabilele aleatoare X i Y sunt independente. X are distribuie

uniform pe intervalul [0,1], iar Y are distribuie uniform pe intervalul [0,2]. S
se calculeze densitatea de probabilitate a variabilei X+Y.
Rezolvare. Dac f1 i f 2 sunt densitile de probabilitate ale variabilelor
aleatoare X i respectiv Y, atunci
f1 ( x) dx = 1 i
f 2 ( x) dx = 1. Deducem din
1
aceste relaii c parametrii variabilei X sunt 1 = 1 i 1 = , iar parametrii
2
variabilei Y sunt 2 = 2 i 2 = 1. Atunci densitile de probabilitate vor avea
forma
1, x [0,1],
f1 ( x ) =
0, x [0,1],
1
,
f 2 ( x) = 2
0,
x [0,2],
x [0,2].
Deoarece X i Y sunt independente, densitatea de probabilitate a variabilei

X+Y este dat de formula
f ( x) = f1 ( x y ) f 2 ( y ) dy .
Observm c f1 ( x y ) 0 pentru x y [0,1] sau echivalent y [ x 1, x] , iar

f 2 ( y ) 0 pentru y [0,2]. Deci f1 ( x y ) f 2 ( y ) 0 pentru y [ x 1, x] [0,2].
Avem urmtoarele patru cazuri:
a) Dac x [0,3] , atunci [ x 1, x] [0,2] = , deci f ( x) = 0 .
b) Dac x [0,1) , atunci [ x 1, x] [0,2] = [0, x] i
x
f ( x) = f1 ( x y ) f 2 ( y ) dy =
x
1
dy = .
2
2
c) Dac x [1,2) , atunci [ x 1, x] [0,2] = [ x 1, x] i

f ( x) =
x 1
1
1
dy = .
x 1 2
2
f1 ( x y ) f 2 ( y ) dy =
d) Dac x [2,3] , atunci [ x 1, x] [0,2] = [ x 1,2] i

f ( x) =
x 1
1
3 x
.
dy =
x 1 2
2
f1 ( x y ) f 2 ( y ) dy =
26
Deci densitatea de probabilitate a variabilei X+Y este funcia

x [0,1),
x [1,2),
x [2,3],
x [0,3].
x / 2,
1 / 2,
f ( x) =
(3 x) / 2 ,
0,
4.2. Legea normal (Gauss-Laplace). Legea normal standard

(legea normal centrat redus)
Definiia 4.2.1. Variabila aleatoare X urmeaz legea normal (Gauss-Laplace)
(X are distribuie sau repartiie normal) cu parametrii m i (m R, > 0)
dac densitatea sa de probabilitate (repartiie) este funcia
1
f ( x; m, ) =
e
2
( xm )2
, x R.
2 2
(4.2.1)
Funcia f de mai sus se numete densitatea de repartiie normal sau

gaussian. Observm c f este o densitate de probabilitate, deoarece
f ( x) > 0, x R i
f ( x) dx = 1. ntr-adevr, pentru a verifica ultima relaie,
xm
= y . Rezult c
2
dx = 2 dy . Dac x atunci y , iar dac x atunci y .
Obinem astfel
n integrala de mai sus facem schimbarea de variabil
f ( x) dx =
e y dy =
2
Am folosit mai sus integrala lui Euler-Poisson
e y dy = 1.
2
e y dy = / 2 .
2
Graficul funciei f are form de clopot (vezi Figura 4.2.1). Dreapta de

ecuaie x = m este ax de simetrie pentru acest grafic, iar pentru x = m se obine
1
valoarea maxim a funciei f, i anume
. Punctele x = m i x = m +
2
sunt puncte de inflexiune.
27
Figura 4.2.1
Pentru m = 0 i = 1 funcia f dat de relaia (4.2.1) devine
x2
1 2
f ( x; 0,1) =
e ,
2
x R.
(4.2.2)
Vom spune despre o variabil aleatoare X care are ca densitate de

probabilitate funcia (4.2.2) c urmeaz legea normal standard sau legea
normal centrat redus.
Pentru a determina funcia de repartiie F ( x; m, ) a unei variabile aleatoare
X cu distribuie normal cu parametrii m i , vom determina mai nti funcia
de repartiie pentru o variabil aleatoare cu distribuie normal standard, notat
cu F (x; 0,1) i numit funcia de repartiie normal standard. Conform relaiei de
legtur dintre f i F, avem
x
F ( x; 0,1) = f (t ;0,1) dt = f (t ; 0,1) dt + f (t ; 0,1) dt =
1
+ ( x) ,
2
(4.2.3)
1 x t 2 / 2
e dt . Funcia de mai sus se numete funcia
2 0
integral a lui Laplace, pentru valorile creia sunt ntocmite tabele.
Dac variabila aleatoare X urmeaz legea normal cu parametrii m i
1
, atunci variabila aleatoare Y = ( X m) urmeaz legea normal cu parametrii
unde ( x) =
0 i 1. ntr-adevr, dac F1 este funcia de repartiie a variabilei Y, atunci

F1 ( x) = P(Y < x) = P( X < m + x) = F (m + x; m, ) ,
(4.2.4)
iar densitatea de probabilitate a variabilei Y este
28
f1 ( x) = F1' ( x) = f (m + x; m, ) =
1 x2 / 2
= f ( x; 0,1), x R .
e
2
Deci F1 ( x) = F ( x; 0,1), x R , adic variabila Y urmeaz legea normal cu

parametrii 0 i 1. Din ultima relaie i relaia (4.2.4) obinem
F ( x; 0,1) = F (m + x; m, ), x R.
(4.2.5)
Rezult astfel c pentru variabila aleatoare X cu distribuie normal cu

parametrii m i , funcia de repartiie este
xm
1
xm
F ( x; m, ) = F
; 0,1 = +
.

2

(4.2.6)
Teorema 4.2.2. Dac variabila aleatoare X are distribuie normal cu

parametrii m i , atunci valoarea medie i dispersia sa sunt
M (X ) = m, D2 (X ) = 2 .
(4.2.7)
1
M ( X ) = xf ( x; m, ) dx =
( xm )2
xe
2 2
dx .
n integrala de mai sus vom face schimbarea de variabil
xm
= y , de unde
rezult dx = dy ; pentru x rezult y , iar pentru x rezult

y . Deci obinem
M (X ) =
+
m
2
1
2
ey
/2
(y + m)e y / 2 dy =
2
ye y
/2
dy
dy = m f ( y; 0,1) dy = m .
Dispersia variabilei X este
1
D ( X ) = ( x m) f ( x; m, ) dx =
2
2
( x m) e
2
( xm )2
2 2
dx .
Folosind schimbarea de variabil de mai sus, obinem

29
1
2
D2 (X ) =
2
2
2
+
2
/2
2
2
2 y 2 e y / 2 dy =
2
y ye y
ey
y 2e y
/2
dy
) dy = 2 y(e ) dy = 2 ye
2
/2
y2 / 2
'
y2 / 2
dy = 2 .
Deducem de aici c abaterea medie ptratic a variabilei X este D( X ) = .

q.e.d.
Propoziia 4.2.3. Dac variabila aleatoare X are distribuie normal cu
parametrii m i , atunci funcia sa caracteristic este
c(t ) = e
imt
2t 2
, t R.
(4.2.8)
Demonstraie. Funcia caracteristic a variabilei X este
1
c(t ) = e f ( x) dx =
2
1
=
2
itx
1
=
e
2
e e
itx
x 2 2 x ( m + 2it ) + ( m + 2it ) 2 + m 2
m 2 + 4i 2t 2 + 2 mit 2 m 2
2 2
2 2
Folosind schimbarea de variabil
c(t ) =
imt
2t 2
2
1
dx =
2
x 2 2 mx + m 2 2 2itx
2 2
dx
2 2
dx
[ x ( m + 2it )]2
( x m )2
( m + 2it ) 2
2 2
dx , t R .
x (m + 2 it )
= u , obinem
2
e
u 2
du = e
imt
2t 2
2
, t R.
q.e.d.
parametrii m i , iar a, b, k R, k > 0 , atunci
bm
am
a) P(a < X < b) =
(4.2.9)

;

b) P(| X m |< k ) = 2 (k ) .
(4.2.10)
30
Demonstraie. a) Din relaia (4.2.6) deducem c

1
b m 1
a m
P(a < X < b) = F (b; m, ) F (a; m, ) = +
+
2

2
bm
am
=

.

b) Conform relaiei (4.2.9) obinem
P(| X m |< k ) = P(m k < X < m + k ) = (k ) (k ) = 2 (k ) ,
deoarece funcia este impar ( (k ) = (k ) ).
q.e.d.
Observaia 4.2.5. Dac lum k = 3 n relaia (4.2.10) rezult

P (| X m |< 3 ) = 2 (3) 0,9974 .
(4.2.11)
Relaia (4.2.11) ne spune c aproape toate valorile variabilei X sunt situate n

intervalul (m 3 , m + 3 ) . Egalitatea din (4.2.11) este cunoscut sub numele de
regula celor ase .
parametrii m i , atunci momentele sale centrate sunt
2 p 1 = 0, 2 p = (2 p 1)!! 2 p , p N * ,
(4.2.12)
unde (2 p 1)!!= 1 3 5 (2 p 1) .
Demonstraie. Momentul centrat de ordinul k este
1
k = ( x m) f ( x) dx =
2
k
( x m) e
k
( xm )2
2 2
dx .
(4.2.13)
Obinem astfel
0 = f ( x) dx = 1, 1 = ( x m) f ( x) dx = 0, 2 = D 2 ( X ) = 2 .
31
Pentru k 2 , n integrala din relaia (4.2.13) vom face schimbarea de variabil

xm
= y , de unde deducem c dx = 2 dy ; apoi pentru x rezult
2
y , iar pentru x rezult y . Obinem atunci
k =
=
( 2 ) k
y e
( 2 ) k k 1 y 2
y e
2
= (k 1)
y2
( 2 ) k
dy =
2
+ (k 1)
( 2 ) 2 ( 2 ) k 2
( ) dy
y k 1 e y
( 2 ) k
2
'
y k 2 e y dy
2
y k 2 e y dy = (k 1) 2 k 2 .
2
Deci am dedus relaia de recuren k = (k 1) 2 k 2 . Deoarece 0 = 1, 1 = 0 ,

din relaia de mai sus rezult relaiile (4.2.12).
q.e.d.
Propoziia 4.2.7. Dac variabiele aleatoare indepedente X i Y au distribuii
normale cu parametrii m1 i 1 , respectiv m2 i 2 , atunci variabilele X+Y i
X-Y au distribuii normale cu parametrii m = m1 + m2 i = 12 + 22 ,
respectiv m = m1 m2 i = 12 + 22 .
Demonstraie. Vom calcula mai nti densitile de probabilitate pentru
variabilele X+Y i X-Y, pentru cazul particular m1 = m2 = 0 i 1 = 2 = 1. Dac
notm cu f i g densitile de probabilitate ale variabilelor X i Y, atunci conform
relaiei (4.2.2) avem
f ( x) = g ( x) =
1 x2 / 2
e
, x R.
2
Densitatea de probabilitate a variabilei X+Y este

h( x ) =
1
=
2
1
f ( x y ) g ( y ) dy =
2
x
y
2
1
=
e 2(
2 2
x2
4
y x / 2= z
dy
( x y )2
2
x2
1 4
e
2
y2
2
z2
1
dy =
2
dz =
1
2
x2
y 2 xy +
dy
x2
4
x2
2 )2
, x R.
32
Deducem astfel c X+Y urmeaz i ea legea normal cu parametrii m = 0 i

= 2.
Asemntor pentru densitatea de probabilitate a variabilei aleatoare X-Y
obinem
k ( x) =
1
=
2
1
f ( x + y ) g ( y ) dy =
2
x
y +
2
1
=
e 2(
2 2
x2
4
y + x / 2= z
dy
( x+ y )2
2
x2
1 4
e
2
y2
2
z2
1
dy =
2
dz =
1
2
x2
y 2 + xy +
dy
x2
4
x2
2 )2
, x R.
Rezult c X-Y urmeaz legea normal cu parametrii m = 0 i = 2 .

n cazul general al variabilelor X i Y cu distribuii normale cu parametrii m1
i 1 , respectiv m2 i 2 , putem s facem un calcul asemntor celui de sus, sau
se poate raiona mai simplu folosind funciile caracteristice ale variabilelor.
Conform relaiei (4.2.8) funciile caracteristice ale variabilelor X i Y sunt
c1 (t ) = e
im1t
12t 2
2
, c2 (t ) = e
im2t
22t 2
2
, t R.
Atunci funcia caracteristic a variabilei aleatoare X+Y este

c(t ) = c1 (t ) c2 (t ) = e
i ( m1 + m2 ) t
2
2
1 + 2
)t
, t R.
Se observ c c este tocmai funcia caracteristic corespunztoare legii normale

cu parametrii m = m1 + m2 i = 12 + 22 .
Asemntor funcia caracteristic a variabilei aleatoare X-Y este
i ( m1 m2 ) t
c~ (t ) = c1 (t ) c2 (t ) = e
2
2
1 + 2
)t
, t R.
Se observ c c~ este funcia caracteristic corespunztoare legii normale cu

parametrii m = m1 m2 i = 12 + 22 .
q.e.d.
Legea normal reprezint cazul limit al multor legi de probabilitate.

Astfel menionm urmtorul rezultat de legtur ntre distribuia normal i
distribuia Poisson.
33
Teorema 4.2.8. Dac variabila aleatoare X ( > 0) are distribuie Poisson cu

X
parametrul , atunci funcia de repartiie a variabilei aleatoare
tinde
ctre funcia de repartiie normal standard, pentru .

n ipotezele Teoremei 4.2.8 se mai spune c variabila aleatoare
asimptotic normal.
este
Legtura dintre distribuia binomial i distribuia normal este dat n

urmtoarea teorem.
Teorema 4.2.9. (Moivre-Laplace) Dac variabila aleatoare X n are distribuie
binomial cu parametrii n i p (p nu depinde de n), iar X are distribuie normal
standard, atunci
X np
1
lim P a < n
< b = P ( a < X < b) =
n
npq
2
e
a
x2 / 2
dx .
(4.2.14)
Teorema 4.2.9 ne spune c pentru valori mari ale lui n putem folosi tabelele
legii normale pentru studiul variabilelor aleatoare distribuite binomial. Pentru
n 30 , exist urmtoarea regul practic care ne permite s aproximm
distribuia binomial prin cea normal:
- Dac min (np, nq ) 10, atunci aproximarea este foarte bun.
- Dac min (np, nq ) (5,10), atunci aproximarea este acceptabil, dac nu
este nevoie de mare precizie.
- Dac min (np, nq ) 5, atunci nu se folosete aceast aproximare.
Teorema lui Moivre-Laplace este un caz particular al aa numitei Teorema
limit central, care spune c funcia de repartiie a unei sume de variabile
aleatoare independente tinde n condiii destul de generale ctre funcia de
repartiie normal. De fapt, prin Teorema limit central se nelege un grup de
teoreme care trateaz problema repartiiei limit a sumelor de variabile aleatoare
(nu ntotdeauna independente). Rezultatul cel mai general n cazul variabilelor
aleatoare independente este teorema lui Lindeberg-Fellar. n aplicaii este foarte
util un caz particular al acestei teoreme, prezentat mai jos.
Teorema 4.2.10. (Liapunov) Fie variabilele aleatoare independente
X n , n 1 cu mediile i dispersiile mn = M ( X n ) , n2 = D 2 ( X n ) , n 1, care au
momente centrate absolute de ordinul al treilea n3 = M (| X n mn |3 ) , n 1.
34
( n)
= 0 , unde (n) = 12 + 22 + + n2 i
n ( n )
Dac lim
(n) = 3 13 + 23 + + n3 , atunci lim Fn ( x) = F ( x; 0,1) , unde Fn este funcia

n
de repartiie a variabilei aleatoare X =
1 n
( X k mk ) .
(n) k =1
Aplicaia 4.2.11. Se arunc o moned de 256 de ori. Care este probabilitatea ca

numrul de apariii ale stemei s fie cuprins ntre 112 i 144?
Rezolvare. S notm cu X variabila aleatoare care are ca valori numrul de
apariii ale stemei, atunci cnd se arunc moneda de 256 de ori. Variabila X are
distribuie binomial cu parametrii n=256 i p=1/2 (probabilitatea ca la o
aruncare s apar stema). n aceast aplicaie trebuie s calculm
P(112<X<144). Deoarece M(X)=np=128, iar D( X ) = npq = 8 , atunci are loc
relaia
X 128
P (112 < X < 144) = P 2 <

< 2 .
8
Vom folosi Teorema 4.2.9 (Moivre-Laplace) i vom aproxima distribuia

X 128
cu distribuia normal standard Y. Obinem
8
X 128
P 2 <
< 2 P(2 < Y < 2) = (2) (2) = 2 (2) 0,95.
8
Aplicaia 4.2.12. De cte ori trebuie s aruncm un zar corect astfel nct
probabilitatea ca abaterea frecvenei relative a feei 1 de la numrul p=1/6 s
fie cuprins ntre -0,03 i 0,03, este 0,95.
Rezolvare. Dac n n aruncri faa 1 apare de n ori, vom determina pe n astfel
nct s aib loc relaia
P 0,03 < n p < 0,03 = 0,95.

n
(4.2.15)
Relaia (4.2.15) se mai poate scrie astfel
35
np 0,03 n
= 0,95 , q = 1 p = 5 .
P n
<
npq
6
pq
Folosind relaiile (4.2.14) i (4.2.9) (cu m = 0, = 1 ) pentru b = a =
(4.2.16)
0,03 n
,
pq
din relaia (4.2.16) deducem c

0,03 n
= 0,95 0,18 n = 0,475

2
pq
5
0,18 n 1
0,18 n
= +
= 0,975.
F
5 2
5
Folosind un tabel cu valorile funciei , rezult c 0,18 n / 5 = 1,96 . Obinem

n 592,8. Deci trebuie s aruncm zarul de 593 de ori pentru a fi verificat
relaia (4.2.15).
Aplicaia 4.2.13. O main produce o pies circular. Piesa este bun dac
diametrul su d este cuprins ntre 3,99 cm i 4,01 cm. Care este probabilitatea
producerii unei piese defecte de ctre maina respectiv, tiind c d are
distribuie normal cu media 4,002 cm i abaterea medie ptratic 0,005 cm ?
Rezolvare. Conform formulei (4.2.9), probabilitatea ca o pies s fie bun este
4,01 4,002
am
bm
P (3,99 < d < 4,01) =
=

0,005
3,99 4,002

= (1,6) (2,4) = (1,6) + (2,4) 0,937 .
0,005
Rezult atunci c probabilitatea ca piesa s fie defect este 1-0,937=0,063.
Aplicaia 4.2.14. O main produce o pies circular. Cnd maina este bine
reglat, diametrul d al pieselor are distribuie normal cu media 10 cm i
abaterea medie ptratic 0,08 cm. Se iau la ntmplare 4 piese fabricate de
main i se constat c media aritmetic a diametrelor acestor piese este 10,14
cm. Se poate afirma c maina s-a dereglat ?
Rezolvare. Fie d1 , d 2 , d 3 , d 4 diametrele celor 4 piese alese la ntmplare.
Acestea sunt 4 variabile aleatoare indepedente distribuite normal cu media 10 cm
36
i abaterea medie ptratic 0,08. Atunci variabila d = (d1 + d 2 + d 3 + d 4 ) / 4 are

de asemenea distribuie normal cu media 10 cm i abaterea medie ptratic 0,04
cm. ntr-adevr, avem
d + d2 + d3 + d4 1 4
m = M (d ) = M 1
= M (d i ) = 10,
4
4 i =1
d + d2 + d3 + d4 1 4 2
D 2 (d ) = D 2 1
= D (d i ) = 0,0016, (d ) = 0,04.
4
16 i =1
Conform regulei celor ase (relaia (4.2.11)), avem

P(| d m |< 3 ) = 2 (3) 0,997 P(m 3 < d < m + 3 ) 0,997 ,
de unde rezult c P(9,88 < d < 10,12) 0,997 . Din aceast ultim relaie
deducem c d ia valori n afara intervalului (9,88; 10,12) cu o probabilitate mai
mic de 0,003. Deci este aproape sigur c maina s-a defectat.
4.3. Legea log-normal

Definiia 4.3.1. Variabila aleatoare X urmeaz legea log-normal (logaritmic
normal) (X are distribuie sau repartiie log-normal ) cu parametrii m i
(m R, > 0) dac densitatea sa de probabilitate (repartiie) este funcia
(ln x m )
1
2
e 2 , x > 0,
f ( x; m, ) = x 2
0,
x 0.
(4.3.1)
Funcia f din (4.3.1) este o densitate de probabilitate, deoarece

f ( x) 0, x R i
f ( x) dx = 1. ntr-adevr pentru ultima relaie avem
1
f ( x) dx =
2
1
e
x
ln x m
(ln x m ) 2
2
dx
=t
1
2
t2
2
dt = 1.
Funcia de repartiie a variabilei log-normale X cu parametrii m i este

F ( x) = 0 pentru x 0, iar pentru x>0 este
37
1
0 t e
1
F ( x) = f (t ) dt =
2
ln x m
= F
; 0,1,

ln t m
(ln t m ) 2
2
=u
dt
1
2
ln x m
u2
2
du
unde F(x;0,1) este funcia de repartiie normal standard. Deducem din ultima
ln X m
relaie c pentru valorile pozitive ale lui X, variabila Y =
urmeaz legea
normal standard.
Teorema 4.3.2. Dac variabila aleatoare X are distribuie log-normal cu

parametrii m i , atunci momentele iniiale de ordinul k sunt
mk = e
mk +
2k 2
, k N *.
2,
(4.3.2)
Demonstraie. Conform formulei pentru momentele iniiale de ordinul k, avem
mk = x f ( x) dx =
k
1
=
2
1
=
2
1
=
2
e e
ky
( y m)
x 2
2 2
(ln x m ) 2
ln x = y
dx =
2 2
x e
1
dy =
2
y 2 2 my + m 2 2 2 yk
2 2
dy
y 2 2 y ( m + 2 k ) + ( m + 2 k ) 2 ( m + 2 k ) 2 + m 2
2 2
dy
[ y ( m + 2 k )]2 4 k 2 2 m 2 k
2
1
dy =
e
2
4 k 2 + 2 mk 2
2 2
[ y ( m + 2 k )]2
2 2
dy.
Notm ( y m 2 k ) /( 2 ) = u i obinem
1
mk =
e
2
2 k 2 + 2 mk
2
u 2
2 du = e
mk +
2k 2
2
q.e.d.
Din relaia (4.3.2) deducem c media i dispersia variabilei X cu distribuie
log-normal cu parametrii m i sunt
M ( X ) = m1 = e
m+
2
2
D 2 ( X ) = m2 m12 = e 2 m+ (e 1) .
2
(4.3.3)
38
4.4. Legea gamma

Definiia 4.4.1. Variabila aleatoare X urmeaz legea gamma (X are distribuie
sau repartiie gamma ) cu parametrul p ( p > 0) dac densitatea sa de
probabilitate (repartiie) este funcia
x p 1e x
,
f ( x ) = ( p )
0,
x > 0,
(4.4.1)
x 0,
unde ( p ) = x p 1e x dx , p > 0 este integrala lui Euler de al doilea tip sau

0
funcia gamma a lui Euler.

f ( x) 0, x R i
f ( x) dx =
1 p 1 x
x e dx = 1.
( p ) 0
n propoziia urmtoare vom prezenta cteva proprieti ale funciei (pentru

demonstraiile lor vezi [6] R. Luca-Tudorache, Probleme de analiz matematic.
Calcul Integral, Casa de Editur Venus, Iai, 2007).
Propoziia 4.4.2. Integrala (funcia) lui Euler ( p ) = x p 1e x dx , p R

0
verific urmtoarele proprieti:

a) ( p ) este convergent pentru p>0 i divergent pentru p 0 ;
b) ( p + 1) = p( p ), p > 0;
c) (n) = (n 1)!, n N * ;
d) (1 / 2 ) = .
Teorema 4.4.3. Dac variabila aleatoare X are distribuie gamma cu
parametrul p, atunci momentele iniiale de ordinul k sunt
mk = p ( p + 1) ( p + k 1), k N * .
(4.4.2)
Demonstraie. Momentul iniial de ordinul k este
mk = x k f ( x) dx =
1 k + p 1 x
( k + p )
x
e dx =
( p ) 0
( p )
39
(k + p 1)(k + p 1)
(k + p 1) ( p + 1) p( p )
==
( p )
( p )
= (k + p 1)(k + p 2) ( p + 1) p.
=
Am folosit mai sus proprietatea b) din Propoziia 4.4.2.
q.e.d.

gamma cu parametrul p sunt
M ( X ) = m1 = p,
D 2 ( X ) = m2 m12 = p.
(4.4.3)
Definiia 4.4.4. Variabila aleatoare X urmeaz legea gamma generalizat (X

are distribuie sau repartiie gamma generalizat ) cu parametrii p > 0 i
> 0 dac densitatea sa de probabilitate (repartiie) este funcia
p x p 1e x
,
f ( x) = ( p )
0,
x > 0,
(4.4.4)
x 0,
ntr-un mod asemntor cu demonstraia Teoremei 4.4.3 se arat urmtoarea

teorem.
Teorema 4.4.5. Dac variabila aleatoare X are distribuie gamma generalizat
cu parametrii p > 0 i > 0 , atunci momentele iniiale de ordinul k sunt
mk =
p ( p + 1) ( p + k 1)
, k N *,
(4.4.5)
deci media i dispersia sa sunt

M ( X ) = m1 =
D 2 ( X ) = m2 m12 =
(4.4.6)
Propoziia 4.4.6. Dac variabila aleatoare X are distribuie gamma

generalizat cu parametrii p > 0 i > 0 , atunci funcia sa caracteristic este
p
it
c(t ) = 1 , t R .

(4.4.7)
Demonstraie. Pentru determinarea funciei caracteristice a variabilei X vom

folosi formula care d momentul de ordinul k al variabilei X n funcie de
40
derivatele funciei caracteristice c n punctul 0, i anume mk = c ( k ) (0) i k ,

( m0 = 1 ), precum i dezvoltarea n serie de puteri a funciei c care are forma
urmtoare
c ( k ) (0) k mk i k k (it ) k
mk .
t =
t =
c(t ) =
k!
k =0
k = 0 k!
k = 0 k!
Folosind formula (4.4.5) pentru momentele iniiale ale variabilei X, obinem
pentru funcia caracteristic formula
(it ) k
(it ) k p ( p + 1) ( p + k 1)
mk =
k
k = 0 k!
k = 0 k!
c(t ) =
=
k =0
p ( p + 1) ( p + k 1) it it
= 1 , t R.
k!

k
q.e.d.
Din relaia (4.4.7) pentru = 1, deducem c funcia caracteristic a unei
variabile X cu distribuie gamma cu parametrul p este
c(t ) = (1 it ) , t R .
p
(4.4.8)
Propoziia 4.4.7. Dac variabilele aleatoare independente X i Y au distribuii

gamma cu parametrii p i respectiv q, atunci variabila X+Y are distribuie
gamma cu parametrul p+q.
Demonstraie. S notm cu f i g densitile de probabilitate pentru variabilele X
i Y. Deci
1
x p 1e x , x > 0,
(
p
)
f ( x) = g ( x) =
0,
x 0.
Densitatea de probabilitate h a variabilei X+Y este h( x) = f ( x y ) g ( y ) dy.
Dac x 0 atunci
0
h( x) = f ( x y ) g ( y ) dy + f ( x y ) g ( y ) dy = 0,
(n prima integral g(y)=0, iar n a doua integral f(x-y)=0).
41
Dac x > 0, atunci f ( x y ) 0 pentru x y 0 y x, iar g ( y ) 0 pentru

y 0. Deci f ( x y ) g ( y ) 0 dac y [0, x] i atunci
x
h( x) = f ( x y ) g ( y ) dy =
1
1
( x y ) p 1 e x + y
y q 1e y dy
( p )
( q )
x
ex
( x y ) p 1 y q 1 dy.
=
0
( p ) ( q )
Pentru calculul ultimei integrale de mai sus facem schimbarea de variabil y=tx,
deci dy=xdt; pentru y 0 rezult t 0, iar pentru y x rezult
t 1. Obinem astfel
h( x ) =
x
=e x
1
e x x p + q 1 1 q 1
ex
p 1
q 1
=
x (1 x) p 1 dt
(
)
(
)
x
tx
tx
x
dt
0
0
( p ) ( q )
( p ) ( q )
p + q 1
B ( q, p )
e x x p + q 1
=
.
( p ) ( q ) ( p + q )
Rezult c variabila X+Y are distribuie gamma cu parametrul p+q.

Concluzia acestei propoziii o putem obine mai direct folosind funciile
caracteristice. Fie c1 i c2 funciile caracteristice ale variabilelor X i Y, i anume
c1 (t ) = (1 it ) , c2 (t ) = (1 it ) q , t R .
p

c(t ) = c1 (t )c2 (t ) = (1 it )
( p+q)
, t R.
Deducem din relaia obinut c X+Y are distribuie gamma cu parametrul p+q.
q.e.d.
Propoziia 4.4.8. Dac variabila aleatoare X urmeaz legea normal cu
1
parametrii m i , atunci variabila aleatoare Y =
( X m) 2 are o
2 2
distribuie gamma cu parametrul 1/2.
Demonstraie. S notm cu G(x) funcia de repartiie a variabilei Y. Deoarece
Y 0 , atunci pentru x 0 rezult c F ( x) = P(Y < x) = 0 . Pentru x > 0 avem
42
( X m) 2
X m
G ( x) = P(Y < x) = P
< x = P x <
< x
2
2
m + 2x m
m 2x m

= P(m 2 x < X < m + 2 x ) =
= 2 ( 2 x ) =
2x
e t
/2
dt.
Atunci pentru x>0 densitatea de probabilitate g a variabilei aleatoare Y este

g ( x) = G ' ( x) =
ex =
x 1 / 2 e x ,
iar pentru x 0, g(x)=0.

Deoarece = (1 / 2) (conform Propoziiei 4.4.2, d)), deducem forma
funciei g, i anume
1
x 1 / 2 e x , x > 0,
g ( x) = (1 / 2)
x 0,
0,
adic variabila Y are distribuie gamma cu parametrul 1/2.
q.e.d.
Aplicaia 4.4.9. S se calculeze momentele centrate 3 i 4 pentru o variabil

aleatoare cu distribuie gamma cu parametrul p.
Rezolvare. Momentul centrat de ordinul al treilea este
3 = ( x p) 3 f ( x) dx = x 3 f ( x) dx 3 p x 2 f ( x) dx + 3 p 2 xf ( x) dx
p
f ( x) dx = m3 3 pm2 + 3 p m1 p3 = p ( p + 1)( p + 2) 3 p 2 ( p + 1)
2
+ 3 p 3 p 3 = 2 p,
iar momentul centrat de ordinul al patrulea este
4 = ( x p) 4 f ( x) dx = x 4 f ( x) dx 4 p x 3 f ( x) dx + 6 p 2 x 2 f ( x) dx
4 p 3 xf ( x) dx + p 4 f ( x) dx = m4 4 pm3 + 6 p 2 m2 4 p 3 m1 + p 4
= p ( p + 1)( p + 2)( p + 3) 4 p 2 ( p + 1)( p + 2) + 6 p 3 ( p + 1) 4 p 4 + p 4 = 3 p 2 + 6 p.
43
4.5. Legea beta

Definiia 4.5.1. Variabila aleatoare X urmeaz legea beta (X are distribuie sau
repartiie beta) cu parametrii p i q ( p, q > 0) dac densitatea sa de
1
x p 1 (1 x) q 1 ,
B
p
q
(
,
)
f ( x) =
0,
x (0,1),
(4.5.1)
x (0,1),
unde B( p, q ) = x p 1 (1 x) q 1 dx , p, q > 0 este integrala lui Euler de primul tip

0
sau funcia beta a lui Euler.
Funcia f din relaia (4.5.1) este o densitate de probabilitate, deoarece

f ( x) 0, x R i
f ( x) dx =
1
1
x p 1 (1 x) q 1 dx = 1.
B ( p, q ) 0
n propoziia urmtoare vom prezenta cteva proprieti ale funciei B (pentru

demonstraiile lor vezi [6] R. Luca-Tudorache, Probleme de analiz matematic.
Calcul Integral, Casa de Editur Venus, Iai, 2007).
1
Propoziia 4.5.2. Integrala lui Euler B( p, q ) = x p 1 (1 x) q 1 dx , p, q R

0
verific urmtoarele proprieti

a) B( p, q ) este convergent pentru p>0 i q>0, i n rest este divergent;
b) B( p, q ) = B(q, p ), p, q > 0;
p 1
c) B( p, q ) =
B( p 1, q), p > 1, q > 0;
p + q 1
q 1
d) B ( p, q ) =
B( p, q 1), p > 0, q > 1;
p + q 1
( p 1)(q 1)
e) B( p, q ) =
B( p 1, q 1), p > 1, q > 1;
( p + q 1)( p + q 2)
(n 1)!
f) B( p, n) = B(n, p ) =
, n N * , p > 0;
p( p + 1) ( p + n 1)
(m 1)!(n 1)!
g) B (m, n) =
, m, n N * ;
(m + n 1)!
h) B ( p + 1, q ) + B ( p, q + 1) = B ( p, q ), p, q > 0;
44
i) qB( p + 1, q ) = pB( p, q + 1), p, q > 0;

t p 1
dt , p, q > 0;
0 (1 + t ) p + q
( p ) ( q )
k) B( p, q ) =
, p, q > 0;
( p + q )
j)
B ( p, q ) =
l)
B ( p,1 p ) = ( p )(1 p ) =
sin( p )
, p (0,1).
Teorema 4.5.3. Dac variabila aleatoare X are distribuie beta cu parametrii p

i q ( p, q > 0) , atunci momentele iniiale de ordinul k sunt
mk =
p ( p + 1)( p + k 1)
, k N *.
( p + q )( p + q + 1) ( p + q + k 1)
(4.5.2)

1
1
B ( k + p, q )
x k + p 1 (1 x) q 1 dx =
B ( p, q )
B ( p, q )
(k + p 1) ( p + 1) p B( p, q )
k + p 1 B(k + p 1, q )
==
=
( p + q + k 1) ( p + q ) B( p, q )
B ( p, q )
p + q + k 1
p ( p + 1) ( p + k 1)
,
=
( p + q )( p + q + 1) ( p + q + k 1)
conform Propoziiei 4.5.2, c).
q.e.d.

beta cu parametrii p i q sunt
M ( X ) = m1 =
p
,
p+q
D 2 ( X ) = m2 m12 =
pq
.
( p + q ) ( p + q + 1)
2
(4.5.3)
4.6. Legea 2 (Helmert-Pearson)

Definiia 4.6.1. Variabila aleatoare X urmeaz legea 2 (Helmert-Pearson) (X
are distribuie sau repartiie 2 ) cu parametrul n ( n N * ) dac densitatea sa
de probabilitate (repartiie) este funcia
45
n
x
1
1
2
2
x e ,
n
2 n
f ( x ) = 2
2
0,
x > 0,
(4.6.1)
x 0.
Parametrii n din Definiia 4.6.1 se mai numesc grade de libertate, astfel c o

s mai spunem c X are distribuie 2 cu n grade de libertate.
Funcia f din relaia (4.6.1) este o densitate de probabilitate deoarece
f ( x) 0, x R i
n
x
1
2
2
x e dx = 1.
n 0
2
2
Pentru verificarea relaiei de mai sus , facem n integrala dat schimbarea de
variabil x/2=y, de unde rezult dx=2dy; dac x 0 atunci y 0 , iar dac
x atunci y . Obinem astfel
f ( x) dx =
f ( x) dx =
n
2
(2 y )
n 0
n
1
2
e y 2 dy =
n
2
y 2 e y dy
n 0
2 2
2 2
2
2
1
n
= 1.
=
n 2

2
n Figura 4.6.1 sunt reprezentate grafic funciile f pentru diverse valori ale
parametrului n.
Figura 4.6.1
46
Teorema 4.6.2. Dac variabila aleatoare X are distribuie 2 cu n grade de

libertate, atunci momentele iniiale de ordinul k sunt
mk = n(n + 2) (n + 2k 2), k N * .
(4.6.2)
n
2
2
n
2
x2
+ k 1
x
2
dx.
Cu aceeai schimbare de variabil de mai sus folosit pentru calculul integralei
f ( x) dx , obinem
n
mk =
1
n
2
(2 y )
n
+ k 1
2
2 dy =
22
n
2
+k
y2
+ k 1
e y dy
2
2
2
2
n
2 k + k
= 2 k n n + 1 n + k 1 = n(n + 2) (n + 2k 2).
2
=
22 2
n

2

q.e.d.

cu n grade de libertate sunt
2
M ( X ) = m1 = n,
D 2 ( X ) = m2 m12 = 2n.
(4.6.3)
Definiia 4.6.3. Variabila aleatoare X urmeaz legea 2 generalizat (X are

distribuie sau repartiie 2 generalizat ) cu parametrii n i ( n N * , > 0 )
dac densitatea sa de probabilitate (repartiie) este funcia
x
n
1 2
1
2
2
x e
, x > 0,
n n
f ( x) = ( 2 )
2
0,
x 0.
(4.6.4)
47
ntr-un mod asemntor cu demonstraia Teoremei 4.6.2 se arat urmtoarea

teorem.
Teorema 4.6.4. Dac variabila aleatoare X are distribuie 2 generalizat cu
parametrii n i ( n N * , > 0 ), atunci momentele iniiale de ordinul k sunt
mk = n(n + 2) (n + 2k 2) 2 k , k N * ,
(4.6.5)
deci media i dispersia sa sunt

M ( X ) = m1 = n 2 , D 2 ( X ) = m2 m12 = 2n 4 .
(4.6.6)
Propoziia 4.6.5. Dac variabila aleatoare X are distribuie 2 generalizat cu

parametrii n i ( n N * , > 0 ), atunci funcia sa caracteristic este
n
2
c(t ) = (1 2it ) , t R .
2
(4.6.7)
Demonstraie. Folosind formula din demonstaia Propoziiei 4.4.6, obinem
(it ) k
(it ) k
nn n
mk =
c(t ) =
(2 2 ) k + 1 + k 1
22 2
k = 0 k!
k = 0 k!
nn n
+ 1 + k 1
n
2
2 k 22
= (1 2it ) 2 , t R.
= (2it )
k!
k =0
q.e.d.
Din relaia (4.6.7) pentru = 1, deducem c funcia caracteristic a unei
variabile X cu distribuie 2 cu n grade de libertate este
c(t ) = (1 2it ) 2 , t R .
(4.6.8)
Legturile dintre distribuia 2 i distribuia normal sunt prezentate n

urmtoarele dou teoreme.
Teorema 4.6.6. Dac variabila X n are distribuie 2 cu n grade de libertate
( n 1 ) atunci densitatea de probabilitate a variabilei
X n n
n ctre densitatea de repartiie normal standard.
2n
tinde pentru
48
Teorema 4.6.7. Dac fiecare dintre variabilele aleatoare independente

X 1 , X 2 ,, X n are distribuie normal standard, atunci variabila aleatoare
X = X 12 + X 22 + + X n2 are distribuie 2 cu n grade de libertate.
Propoziia 4.6.8. Dac variabilele aleatoare independente X i Y au distribuii

2 cu m, respectiv n grade de libertate, atunci X+Y are distribuie 2 cu m+n
grade de libertate.
Demonstraie. S notm cu f i g densitile de probabilitate ale variabilelor X i
Y, adic avem
n
x
1
1
2
2
,
x
e
n
2 n
g ( x ) = 2
2
0,
m
x
1
1
2
2
, x > 0,
x
e
m
2 m
f ( x ) = 2
2
0,
x 0,
x > 0,
x 0.
Atunci densitatea de probabilitate a variabilei X+Y este
h( x) = f ( x y ) g ( y ) dy.
Folosind un raionament asemntor celui ntlnit n demonstraia Propoziiei

4.4.7, deducem c h( x) = 0, x 0 , iar pentru x > 0 obinem
h( x ) =
m
2
m
2
2
e
=
2
m+ n
2
x
2
( x y)
m

2 2
m
1
2
x y
2
1
n
2
2
n
2
n
y
1
2
2
dy
( x y ) 2 y 2 dy.
Notm y=tx, de unde rezult dy=xdt; dac y 0 atunci t 0 , iar dac

y x atunci t 1. Obinem
49
h( x ) =
2
m+ n
2
=
2
m+ n
2
x
2
m n

2 2
x
2
m n

2 2
1
x
= m+ n
m+n
2
2
( x tx)
m
1
2
m+ n
1 1
2
0
(1 t )
m+ n
x
1
2
2
e ,
(tx)
m
n
1
1
2
2
n
1
2
x dt
m+ n
e 2x 2
m n
dt = m+ n
B ,
m n 2 2
2 2
2 2
x > 0.
Deducem c X+Y are distribuie 2 cu m+n grade de libertate.

Concluzia acestei propoziii o putem obine mai direct folosind funciile
caracteristice. Fie c1 i c2 funciile caracteristice ale variabilelor X i Y, i anume
c1 (t ) = (1 2it ) 2 ,
m
n
2
c2 (t ) = (1 2it ) , t R .

c(t ) = c1 (t )c2 (t ) = (1 2it )
m+ n
2
, t R.
Deducem din relaia obinut c X+Y are distribuie 2 cu m+n grade de

libertate.
q.e.d.
4.7. Legea Student (t). Legea Cauchy

Definiia 4.7.1. Variabila aleatoare X urmeaz legea Student (t) (X are
distribuie sau repartiie Student) cu parametrul n ( n N * ) dac densitatea sa
n +1
n +1
2 2
x
2
1 + ,
f ( x) =
n
n
n
2
x R.
(4.7.1)
50
Parametrii n din Definiia 4.7.1 se mai numesc grade de libertate, astfel c o

s mai spunem c X are distribuie Student cu n grade de libertate.
Funcia f din relaia (4.7.1) este o densitate de probabilitate deoarece
f ( x) 0, x R i
f ( x) dx = 1. Pentru a verifica ultima relaie, avem
n +1
n +1
n +1
n +1
2
2 2
x
2
2 x2 2
1 +
1 +
dx.
dx =
f ( x) dx =
n
n
n 0
n
n
n
2
2
n ultima integrala de mai sus facem schimbarea de variabil x 2 / n = y, x 0, de

unde rezult dx =
n
dy. Intervalul [0, ) se transform n intervalul [0, ) i
2 y
astfel obinem
n +1
n +1
1 / 2
2 y
2 1 n
B ,
dy =
n 1
f ( x) dx =
+
n
2 2
n 0
(1 + y ) 2 2

2
2
n +1 1 n

2 2 2
= 1.
=
n +1
n

2
2
n relaiile de mai sus am folosit proprietile j) i k) ale funciei B din Propoziia

4.5.2 i proprietatea d) a funciei din Propoziia 4.4.2.
Teorema 4.7.2. Dac variabila aleatoare X are distribuie Student cu n grade de
libertate, atunci momentele iniiale de ordinul k sunt
m2 k +1 = 0, 2k + 1 < n,
m2 k =
n k (2k 1)!!
, 2 k < n, k N * .
(n 2)(n 4) (n 2k )
(4.7.2)
Demonstraie. Pentru 2k + 1 < n , momentele de ordin impar sunt nule. ntradevr
51
n +1
n +1
2 2
x
2
(4.7.3)
m2 k +1 =
x 2 k +1 1 +
dx = 0,
n
n
n
2
deoarece funcia f este impar (integrala de mai sus este convergent). Dac
2k +1 n integrala din (4.7.3) este divergent, deci X nu are momente iniiale de
ordinul 2k + 1.
Pentru momentul de ordin par m2k , cu 2k < n avem
m2 k
n +1
n +1
2
2 2
2 x 2 k 1 + x
dx.
=
n
n 0
n
2
(4.7.4)
Pentru calculul ultimei integrale folosim aceeai schimbare de variabil ca cea

folosit mai sus pentru verificarea relaiei
x 2 / n = y, x 0, de unde rezult dx =
f ( x) dx = 1. Notm
n
dy. Intervalul [0, ) se transform n
2 y
intervalul [0, ) i astfel obinem

n +1
n +1
2
n k
n +1
n +1
1
n
2
2 k2
k
2
2
m2 k =
(
ny
)
(
1
y
)
dy
y
(
1
y
)
dy
+
+
=
0
n
n 0
2 y

n
2
2
n +1
n k
1 n
1
k + + k
2 k + 2 1
y
(1 + y ) 2 2 dy.
=
0
n

2
Folosind proprietile funciei B din Propoziia 4.5.2 deducem din relaia de

mai sus
52
1 n
n +1
n +1
n k
n k
k + k
2 2
2
2 B k + 1 , n k =
m2 k =
n
2 2
n +1
n
2
2
2
1 n
1
1 n
k + k
k k k
k
k
n
2 2
2
2 2
= n
=

n n
n

1 1
2 2
2
1
3
3 n
k k k k
k
n
2
2
2 2
=
=
n n
n
1 2 2
2 2
2
1
3 1 1 n
k k k
k
n
n k (2k 1)!!
2
2 2 2 2
=
.
=
n 1 n 2 n k n k (n 2)(n 4) (n 2k )
2
2
2 2
Dac 2k n integrala din relaia (4.7.4) este divergent, deci variabila X nu are
momente iniiale de ordinul 2k.
q.e.d.
Din relaiile (4.7.2) deducem c dac n>1 atunci media variabilei X este
n
M(X)=0, iar dac n>2 atunci dispersia variabilei X este D 2 ( X ) =
.
n2
Legturile dintre distribuia Student i distribuia normal sunt prezentate n
urmtoarele dou teoreme.
Teorema 4.7.3. Dac f n este densitatea de probabilitate a unei distribuii
Student cu n grade de libertate atunci
lim f n ( x) = f ( x; 0,1), x R,
n
unde f (x; 0,1) este densitatea de repartiie normal standard.

Teorema 4.7.4. Dac fiecare dintre variabilele aleatoare independente
X 1 , X 2 ,, X n+1 are distribuie normal cu parametrii m=0 i , atunci
variabila aleatoare
53
X= n
X n+1
X 12 + X n2
are distribuie Student cu n grade de libertate.

Pentru n=1 legea (distribuia) Student se mai numete legea (distribuia)
Cauchy. O variabil aleatoare X cu distribuie Cauchy are densitatea de
probabilitate funcia
f ( x) =
1
,
(1 + x 2 )
x R.
Din observaiile fcute dup demonstaia Teoremei 4.7.2 , deducem c variabila

aleatoare X cu distribuie Cauchy nu are nici valoare medie i nici dispersie.
4.8. Legea Snedecor. Legea Fisher

Definiia 4.8.1. Variabila aleatoare X urmeaz legea Snedecor (X are distribuie
sau repartiie Snedecor) cu parametrii n1 i n2 , (n1 , n2 N * ) dac densitatea sa
n1 + n2
n1
n 2 2 n1 1 n
x 2 1 + 1
1
n
f ( x) = n2
n1 n2
2
2 2
0,
n1 + n2
2
x > 0,
(4.8.1)
x 0.
Parametrii n1 i n2 din Definiia 4.8.1 se mai numesc grade de libertate,

astfel c o s mai spunem c X are distribuie Snedecor cu n1 i n2 grade de
libertate.
Funcia f din relaia (4.8.1) este o densitate de probabilitate, deoarece
f ( x) 0, x R i
f ( x) dx = 1. Pentru a verifica ultima relaie, avem
n
f ( x) dx = 1
n2
n1
2
n + n2
1
n
2 21 1 n1
x 1 +
n1 n2 0
n2

2 2
n1 + n2
2
dx.
54
n ultima integral de mai sus facem schimbarea de variabil n1 x / n2 = y. Astfel

obinem
n
f ( x) dx = 1
n2
n1
2
n + n2
n1
1
1
n +n
n2 y 2
1 2 n2
2
2
(
)
y
dy
+
1
n1
n1 n2 0 n1

2 2
n + n2
1
n
n +n
1 2
2 21 1
2
y
y
dy =
=
+
(
1
)
n1 n2 0

2 2
n + n2
1
2 B n1 , n2 = 1.
n1 n2 2 2

2 2
Teorema 4.8.2. Dac variabila aleatoare X are distribuie Snedecor cu

parametrii n1 i n2 , (n1 , n2 N * ), atunci momentele iniiale de ordinul k sunt
mk =
n2k n1 (n1 + 2) (n1 + 2k 2)
, 2k < n2 , k N * .
n1k (n2 2)(n2 4) (n2 2k )
(4.8.2)
Demonstaie. Variabila X are momente iniiale de ordinul k pentru 2k < n2 .

Avem
n1

n2
n1
2
n + n2
1
n1
2 x k + 2 1 1 + n1
n
n n
2
1 2
2 2
n1 + n2
2
dx.
Pentru calculul ultimei integrale folosim aceeai schimbare de variabil ca cea

folosit mai sus pentru verificarea relaiei
i obinem
n
mk = 1
n2
n1
2
f ( x) dx = 1. Notm n1 x / n2 = y
n + n2
n
1
k + 1 1
n1 + n2
2 n2 y 2 (1 + y ) 2 n2 dy
n1
n n 0 n
1 2 1
2 2
55
n
= 2
n1
n
= 2
n1
n
= 2
n1
n
= 2
n1
n
= 2
n1
n + n2
1
n1
n1 + n2
2 y k + 2 1 (1 + y ) 2 dy
n n 0
1 2
2 2
n + n2
1
2 B k + n1 , n2 k
2 2
n1 n2

2
2

n n
n + n2
1
k + 1 2 k
2 2
2
n
n
n
n
+

2
1
1 2
2
2 2
n
n
n
k + 1 1 1 + k 1 2 k
2
=
2
2
n
n n
1 2 1 2 1
2
2 2
n
n
n n n
k + 1 1 k + 1 2 1 1 2 k
2
2
2 2 2
n
n
n
n n
1 2 1 2 2 2 k 2 k
2
2
2
2 2
n n1 (n1 + 2) (n1 + 2k 2)
= 2
.
n1 (n2 2)(n2 4) (n2 2k )
q.e.d.
Din relaia (4.8.3) deducem c pentru n2 > 2 media variabilei X este
n2
, iar pentru n2 > 4 dispersia variabilei X este
M (X ) =
n2 2
2n22 (n1 + n2 2)
D (X ) =
.
n1 (n2 4)(n2 2) 2
2
Legtura dintre distribuia normal i distribuia Snedecor este dat n

urmtoarea teorem.
Teorema 4.8.3. Dac variabilele aleatoare independente X 1 , X 2 ,..., X n1 , X n1 +1 ,...
X n1 + n2 urmeaz legea normal cu parametrii 0 i atunci variabila aleatoare
56
X 12 + + X n21
n2
X= 2
n1 X n1 +1 + + X n21 + n2
are distribuie Snedecor cu parametrii n1 i n2 .

Definiia 4.8.4. Variabila aleatoare X urmeaz legea Fisher (X are distribuie
sau repartiie Fisher) cu parametrii n1 i n2 , (n1 , n2 N * ) dac densitatea sa de
n
f ( x) = 2 1
n2
n1
2
n + n2
n +n
1
1 2
n
2 e n1x 1 + 1 e 2 x 2 ,
n
n n
2
1 2
2 2
x R.
(4.8.3)
Teorema 4.8.5. Dac variabila aleatoare X are distribuie Snedecor cu

1
parametrii n1 i n2 , atunci variabila aleatoare Y = ln X are o distribuie
2
Fisher cu parametrii n1 i n2 .
Demonstraie. Dac notm funcia de repartiie X cu F, atunci funcia de
repartiie G a variabilei Y este
1
G ( x) = P(Y < x) = P ln X < x = P(ln X < 2 x)
2
2x
2x
= P( X < e ) = F (e ), x R.
Deci densitatea de probabilitate a variabilei Y este
g ( x) = G ' ( x) = 2e 2 x F ' (e 2 x ) = 2e 2 x f (e 2 x )
n
= 2e n1x 1
n2
n1
2
n + n2
n +n
1
1 2
2 1 + n1 e 2 x 2 , x R.
n n n2
1 2
2
2

q.e.d.
57
4.9. Legea Weibull. Legea exponenial

Definiia 4.9.1. Variabila aleatoare X urmeaz legea Weibull (X are distribuie
sau repartiieWeibull) cu parametrii i ( > 0, > 0) dac densitatea sa de
x 1e x , x > 0,
f ( x) =
0,
x 0.
(4.9.1)

f ( x) 0, x R i
f ( x) dx = x 1e x dx =1.
0
ntr-devr pentru verificarea ultimei relaii facem schimbarea de variabil

1
1
1
x = y , de unde rezult x = ( y / )1 / i dx = 1 y dy . Atunci
f ( x) dx =
ey
y dy = e y dy = 1.
0
Teorema 4.9.2. Dac variabila aleatoare X are distribuie Weibull cu

parametrii i ( > 0, > 0) , atunci valoarea medie i dispersia sa sunt
M (X ) =
1
+ 1 ,
D2 (X ) =
2 1
+ 1 + 1.
(4.9.2)
Demonstraie. Folosind schimbarea de variabil de mai sus, obinem pentru

media variabilei X
M ( X ) = x e x dx =
0
ey
1
1
y dy
1
y e y dy = + 1.
Pentru dispersia lui X calculm mai nti media lui X 2 . Avem
58
M ( X ) = x
2
+1 x
dx =
+1
2
dy = + 1.
Atunci dispersia lui X este

D (X ) =
2
2 1
+ 1 + 1 .
q.e.d.
Pentru = 1 legea (distribuia) Weibull se mai numete legea exponenial
(distribuia exponenial) de parametru . Deci densitatea de probabilitate a
unei variabile aleatoare X cu distribuie exponenial cu parametrul este
e x ,
f ( x) =
0,
x > 0,
x 0.
Din relaia (4.9.2) rezult c media i dispersia unei variabile aleatoare X cu

distribuie exponenial cu parametrul sunt
M (X ) =
(2) =
D2 (X ) =
[(3) 2 (2)] =
deoarece (2) = 1, (3) = 2.

Observaia 4.9.3. Distribuia exponenial cu parametrul este o distribuie
gamma generalizat cu parametrii p=1 i .
Propoziia 4.9.4. Dac variabila aleatoare X are distribuie exponenial cu
parametrul , atunci funcia sa caracteristic este
1
it
c(t ) = 1 , t R .

(4.9.3)
Demonstraie. Din Observaia 4.9.3 i relaia (4.4.7) din Propoziia 4.4.6,

deducem c funcia caracteristic a variabilei X este dat de expresia din (4.9.3).
Funcia caracteristic se poate calcula i direct folosind formula din
definiia sa. Avem
59
( )
c(t ) = M e itX = e itx f ( x) dx = e itx e x dx = e (it ) x dx

0
= e x [cos(tx) + i sin(tx)] dx = e x cos(tx) dx + i e x sin(tx) dx.

0
0
0
I1
Pentru I1 obinem
I1 = e x cos(tx) dx =
0
e x sin(tx) dx =
I2
1
(
e ) cos(tx) dx = e
x '
cos(tx)
1 t
(e ) sin(tx) dx = + (e
x '
1 t 2 x
t e cos(tx) dx = 2 e cos(tx) dx.

0
0
1 t2
Rezult astfel relaia I1 = 2 I1 , de unde obinem c I1 =
sin(tx)
I 2 din relaiile de mai sus deducem I 2 =
+ t2
2
. Pentru
t
. Obinem astfel pentru c(t)
+ t2
2
it
expresia c(t ) = 1 , t R.

q.e.d.
Aplicaia 4.9.5. Fie variabilele independente X 1 i X 2 cu distribuii

exponeniale cu parametrii 1 , respectiv 2 . S se determine densitatea de
probabilitate a variabilei X 1 + X 2 . S se generalizeze apoi rezultatul obinut la
cazul a n variabile aleatoare independente cu distribuii exponeniale cu acelai
parametru .
Rezolvare. S notm cu f1 i f 2 densitile de probabilitate ale variabilelor X 1
i X 2 , adic
1e 1x , x > 0,
f1 ( x ) =
x 0,
0,
2 e 2 x , x > 0,
f 2 ( x) =
x 0.
0,
Dac 1 2 atunci densitatea de probabilitate f a variabilei X 1 + X 2 este 0

pentru x 0, iar pentru x > 0 avem
f ( x) = f1 ( x y ) f 2 ( y ) dy = 1e 1 ( x y ) 2 e 2 y dy
= 12 e x e ( ) y dy = 1 2 e x e ( ) y
0
1 2
x
Deci funcia f are forma
x
0
12 x x
(e e ).
1 2
2
60
12
e 2 x e 1x ,
f ( x) = 1 2
0,
x > 0,
x 0.
Dac 1 = 2 = atunci f ( x) = 0, x 0, iar pentru x > 0 obinem

x
f ( x) = e ( x y ) e y dy = 2 e x dy = 2 xe x .
Deci densitatea de probabilitate a variabilei X 1 + X 2 este
2 xe x ,
f ( x) =
0,
x > 0,
x 0.
Pentru trei variabile aleatoare independente X 1 , X 2 , X 3 cu distribuii

exponeniale cu parametrul , densitatea de probabilitate a variabilei
X 1 + X 2 + X 3 este h( x) = 0, x 0 i pentru x > 0 avem
x
h( x) = 2 ( x y )e ( x y ) e y dy = 3 e x ( x y ) dy =
x 2 e x .
Deci
3 2 x
x e , x > 0,
h( x ) = 2
0,
x 0.
Prin inducie matematic se arat c pentru variabilele aleatoare

independente X 1 , X 2 ,..., X n cu distribuii exponeniale cu parametrul ,
densitatea de probabilitate a variabilei X = X 1 + X 2 + + X n este funcia
n
x n1e x ,
k ( x) = (n 1)!
0,
x > 0,
x 0.
Rezult c variabila X are o distribuie gamma generalizat cu parametrii n i .
61
Titlul capitolelor 3 i 4 i al subcapitolelor din cartea

Probabiliti i Statistic
Capitolul 3
Legi clasice de probabilitate (distribuii sau repartiii) ale variabilelor
aleatoare discrete
3.1 Legea discret uniform
3.2 Legea binomial. Legea Bernoulli
3.3 Legea binomial cu exponent negativ. Legea geometric
3.4 Legea hipergeometric
3.5 Legea Poisson (legea evenimentelor rare)
Capitolul 4
Legi clasice de probabilitate (distribuii sau repartiii) ale variabilelor
aleatoare continue
4.1 Legea continu uniform (rectangular)
4.2 Legea normal (Gauss-Laplace). Legea normal standard (legea normal
centrat redus)
4.3 Legea log-normal
4.4 Legea gamma
4.5 Legea beta
4.6 Legea 2 (Helmert-Pearson)
4.7 Legea Student (t). Legea Cauchy
4.8 Legea Snedecor. Legea Fisher
4.9 Legea Weibull. Legea exponenial
Bibliografie
1. G. Ciucu, Elemente de teoria probabilitilor i statistic matematic,
Editura Didactic i Pedagogic, Bucureti, 1963.
2. G. Ciucu, G. Smboan, Teoria probabilitilor i statistic matematic,
Editura Tehnic, Bucureti, 1962.
3. N. Cojocaru, V. Clocotici, D. Dobra, Metode statistice aplicate n
industria textil, Editura Tehnic, Bucureti, 1986.
4. Gh. Mihoc, N. Micu, Teoria probabilitilor i statistic matematic,
Editura Didactic i Pedagogic, Bucureti, 1980.
5. C. Reischer, A. Smboan, Culegere de probleme de teoria probabilitilor
i statistic matematic, Editura Didactic i Pedagogic, Bucureti,
1972.
6. R. Luca-Tudorache, Probleme de analiz matematic. Calcul integral,
Casa de Editur Venus, Iai, 2007.
62

Matematica Complet

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Matematica Complet

Caricato da

Copyright:

Formati disponibili

111

19. Sa se1 al uleze sumele urm

x4. SERII FOURIER

Teorema 2.4.1. Da a f : [ l; l ! IR este neteda pe portiuni, atun i seria ei Fourier

Seria Fourier aso iata lui f este:

Seria Fourier aso iata fun tiei f este:

PROBLEME PROPUSE SPRE REZOLVARE

a) f (x) = x3 ; x 2 [ l; l; b) f (x) = eax ; x 2 [ ;  ; a = onst: 6= 0;

7. Sa se dezvolte ^n serie de osinusuri urmatoarele fun tii:

x3. INTEGRALELE LUI EULER

Integralele lui Euler

^In integrala I1 fa em s himbarea de variabila x = (1 + t)u; t > 0. Obtinem:

^In integrala I2 de mai sus fa em s himbarea de variabila tu = ; u > 0. Rezulta:

Integralele lui Euler

4. Sa se demonstreze formula:

^In ontinuare revenim la integrala

dt; 0 < p < 1; pe are o des ompunem

^In integrala a doua I2 fa em s himbarea de variabila 1 = u. Rezulta:

Integralele lui Euler

Integralele lui Euler

Integralele lui Euler

Integralele lui Euler

Pentru I3 (t) avem:

Integralele lui Euler

PROBLEME PROPUSE SPRE REZOLVARE

sin6 x os4 x dx;

19. Sa se al uleze integrala I (p; q ) =

x)q dx; p; q > 1 si apoi sa

Capitolul 1 C^amp de evenimente, ^amp de probabilitate 7

x2. Cara teristi i numeri e ale variabilelor aleatoare . . . . . . . . . . . . . . . . 33

x4. Fun tia ara teristi a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78

Capitolul 3 Ve tori aleatori . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

Sa se arate a evenimentele A, A \ B , A [ B din ^ampul de evenimente

C^amp de evenimente, ^amp de probabilitate

Dintr-o urna u 20 bile numerotate de la 1 la 20 se extrage la ^nt^amplare

P (A) = P (A1 ) + P (A2 ) + P (A3 ).

C^amp de evenimente, ^amp de probabilitate

literelor, rezulta a numarul extragerilor posibile este numarul de grupe de 4

Prin indu tie matemati a dedu em a la n arun 

C^amp de evenimente, ^amp de probabilitate

C^amp de evenimente, ^amp de probabilitate

in ompatibile, iar evenimentele A1 si A2 sunt independente.

C^amp de evenimente, ^amp de probabilitate

(5,1), (5,2), (5,3), (5,4), (5,5), (5,6).

C^amp de evenimente, ^amp de probabilitate

A evenimentul a a doua bila extrasa sa e alba, iar B evenimentul a prima

C^amp de evenimente, ^amp de probabilitate

P (B=A2)P (A2 ) 101 12

C^amp de evenimente, ^amp de probabilitate

Pentru a determina probabilitatea evenimentului A1 onditionata de B , folosim formula ipotezelor, adi a

Se arun a o moneda de n ori. Care este probabilitatea a ^n ele n

C^amp de evenimente, ^amp de probabilitate

Fun tia de repartitie, densitatea de probabilitate

Fun tia de repartitie, densitatea de probabilitate

Fun tia de repartitie, densitatea de probabilitate

[2; 5. De i H (x) = 0 pentru x  2 si H (x) = 1 pentru x > 5. Da a x 2 (2; 5

iar h(x) = H 0(x) = >

Cara teristi i numeri e ale variabilelor aleatoare

x2. CARACTERISTICI NUMERICE ALE

urmator: sa notam u X1 si X2 variabilele aleatoare are au a valori numarul de

Cara teristi i numeri e ale variabilelor aleatoare

de bile albe obtinute la extragerea din urna Ui , i = 1; 3. Pentru Y1 avem tabloul

Cara teristi i numeri e ale variabilelor aleatoare

medie patrati a ale numarului de trageri.

19. Sa se1 al uleze sumele urm

Teorema 2.4.1. Da a f : [ l; l ! IR este neteda pe portiuni, atun i seria ei Fourier

Seria Fourier aso iata lui f este:

Seria Fourier aso iata fun tiei f este:

a) f (x) = x3 ; x 2 [ l; l; b) f (x) = eax ; x 2 [ ; ; a = onst: 6= 0;

7. Sa se dezvolte ^n serie de osinusuri urmatoarele fun tii:

^In integrala I1 fa em s himbarea de variabila x = (1 + t)u; t > 0. Obtinem:

^In integrala I2 de mai sus fa em s himbarea de variabila tu = ; u > 0. Rezulta:

4. Sa se demonstreze formula:

^In integrala a doua I2 fa em s himbarea de variabila 1 = u. Rezulta:

19. Sa se al uleze integrala I (p; q ) =

x)q dx; p; q > 1 si apoi sa

x4. Fun tia ara teristi a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78

Sa se arate a evenimentele A, A \ B , A [ B din ^ampul de evenimente

Dintr-o urna u 20 bile numerotate de la 1 la 20 se extrage la ^nt^amplare

literelor, rezulta a numarul extragerilor posibile este numarul de grupe de 4

Prin indu tie matemati a dedu em a la n arun

in ompatibile, iar evenimentele A1 si A2 sunt independente.

A evenimentul a a doua bila extrasa sa e alba, iar B evenimentul a prima

Pentru a determina probabilitatea evenimentului A1 onditionata de B , folosim formula ipotezelor, adi a

Se arun a o moneda de n ori. Care este probabilitatea a ^n ele n

Fun tia de repartitie, densitatea de probabilitate

Fun tia de repartitie, densitatea de probabilitate

Fun tia de repartitie, densitatea de probabilitate

[2; 5. De i H (x) = 0 pentru x 2 si H (x) = 1 pentru x > 5. Da a x 2 (2; 5

urmator: sa notam u X1 si X2 variabilele aleatoare are au a valori numarul de

de bile albe obtinute la extragerea din urna Ui , i = 1; 3. Pentru Y1 avem tabloul

medie patrati a ale numarului de trageri.

Variabila aleatoare X are valoarea medie m = 20 si abaterea medie

Deoare e ori e valoare a lui X se gaseste ^ntr-unul din intervalele

Denim variabilele aleatoare dis rete Y si Z astfel

lim x(1 F (x)) = 0 si x!

Variabila aleatoare X are distributie binomiala u parametrii n si p (n 2

Deriv^and polinomul de mai sus obtinem

^Inmultim relatia (2.2) u x si obtinem

Da a derivam relatia de mai sus dedu em a

Pentru x = 1 rezulta M (X 2 ) = np + n(n 1)p2 ; de i

valoarea k (k = 0; n + m) da a (X = 0 si Y = k) sau (X = 1 si Y = k

Am folosit mai sus faptul a evenimentele X si Y sunt independente, si de

Cnj Cmk j = Cmk +n , are poate dedusa egal^and

oe ientul lui din dezvoltarile (1 + x)n (1 + x)m si (1 + x)n+m .

Ideea de lu ru este asemanatoare u ea ^nt^alnita ^n rezolvarea Problemei 1.

Pe de alta parte, deriv^and pe Q(x) = (p1 x + q1 )(p2 x + q2 ) (pn x + qn )

Pentru a al ula dispersia vom al ula mai^nt^ai M (X ) =

relatia (2.3) u x si obtinem

Derivam2 a um relatia (2.4) pentru a determina Q00 (x)

Din (2.5) si relatia de mai sus dedu em a

Variabila aleatoare X are distributie binomiala u exponent negativ u

Relatia (2.6) se s rie e hivalent astfel

^Inmultim relatia (2.7) u x si obtinem

Pentru dispersie nu mai putem s rie a D2 (X ) este egala u

Fie k 2 IN xat si pentru n > k sa onsideram variabilele Xn are

Sa se al uleze momentele m2 , m3 si 3 pentru o variabila aleatoare X

Da a variabila aleatoare urmeaza legea normala u parametrii m si , atun i

e x dx. Notam x = u2 ; atun i dx = 2u du si

Variabila aleatoare X are o distributie gama generalizata u

Da a x < 0 atun i h(x) =

+ + Xn2 are distributie 2 u n grade de libertate.

Notam y = tx, de unde rezulta dy = x dt; da a y ! 0 atun i t ! 0, iar da a

Momentele initiale de ordinul

Fa em s himbarea de variabila x = y , de unde rezulta x = y si dx =