PROBABILITATI

Exemplul 1 Considerm experiena de aruncare a unui zar. Evenimentele

elementare sunt egal posibile i avem 6 cazuri posibile. Notm cu A evenimentul
"apariia unei fee cu numr par de puncte 6 " numrul cazurilor favorabile
3 1
evenimentului A este 3. Deci P(A ) .
6 2
Exemplul 1.1 Dintr-o urn cu 15 bile numerotate de la 1 la 15 se extrage o bil
la ntmplare. Se consider evenimentele:
A = obinerea unui numr prim;
B = obinerea unui numr par;
C =obinerea unui numr divizibil prin 3.
S calculm probabilitile acestor evenimente.
Rezolvare
n aceast experien aleatoare numrul total al cazurilor posibile este
15.
Pentru A numrul cazurilor favorabile este 6, adic {2, 3, 5, 7, 11, 13},
6 2
deci P(A ) .
15 5
Pentru B numrul cazurilor favorabile este 7, adic {2, 4, 6, 8, 10, 12,
7
14}, deci P(B) .
15
Pentru C, numrul cazurilor favorabile este 5, adic { 3, 6, 9, 12, 15},
5 1
deci P(C)
.
15 3

Exemplul 1.2Cele 26 de litere ale alfabetului, scrise fiecare pe un cartona, sunt

introduse ntr-o urn. Se cere probabilitatea ca extrgnd la ntmplare de 5 ori
cte un cartona i aezndu-le n ordinea extragerii s obinem cuvntul
LUCIA.
Rezolvare
Notm prin X evenimentul cutat, deci de a obine prin extrageri
succesive cuvntul LUCIA, de asemenea notm prin A1 = evenimentul ca la
prima extragere s obinem litera L; A2 = evenimentul ca la a doua extragere s
obinem litera U; A3 = evenimentul ca la a treia extragere s obinem litera C; A4
= evenimentul ca la a patra extragere s obinem litera I; A5 = evenimentul ca la a
cincea extragere s obinem litera A.
Atunci evenimentul X are loc dac avem
X A1 A 2 A 3 A 4 A 5 .
Rezult:

P( X ) P( A1 ) P( A2 A1 ) P( A3 A1 A2 ) P( A4 A1 A2 A3 )
P( A5 A1 A2 A3 A4 )

1 1 1 1 1
.
26 25 24 23 22

Exemplul 1.3Dac probabilitatea ca un automobil s plece n curs ntr-o

diminea friguroas este de 0,6 i dispunem de dou automobile de acest fel,
care este probabilitatea ca cel puin unul din automobile s plece n curs ntr-o
diminea friguroas?
Rezolvare
Dac notm prin A1 i A2 evenimentele ca primul respectiv, al doilea
automobil s plece n curs i prin X evenimentul cutat, deci ca cel puin unul
dintre automobile s plece n curs, avem:
X A 1 A 2 , iar
P(X) P(A1 A 2 ) P(A 1 ) P(A 2 ) P( A1 A 2 ), deoarece evenimentele A 1
i A 2 sunt compatibile (cele dou automobile pot s plece n curs deodat).
Cum P( A 1 ) = P( A 2 ) = 0,6, iar evenimentele A 1 i A 2 sunt independente ntre
ele (plecarea unui automobil nu depinde de plecarea sau neplecarea celuilalt),
deci P( A1 A 2 ) = P( A1 )P(A 2 ) = (0,6) 2 . Se obine c P(X) = 0,6 + 0,6 - (0,6) 2
= 0,84.
Exemplul 1.4 Trei secii ale unei ntreprinderi
S1 ,S 2 ,S3 depesc planul
zilnic de producie cu probabilitile de respectiv 0,7; 0,8 i 0,6. S se calculeze
probabilitile evenimentelor:
A - cel puin o secie s depeasc planul de producie.
B - toate seciile s depeasc planul de producie.
Rezolvare
Fie A i evenimentul ca secia Si s depeasc planul de producie.
Avem: A = A1 A 2 A 3 , deci
P(A) = P (A 1 A 2 A 3 ) 1 P(A1 A 2 A 3 ) = 1 P(A 1 ) P(A 2 ) P(A 3 ) =
1- (1-0,7)(1-0,8)(1-0,6) = 1 0,3 0,2 0,4 0,976 .
B = A1 A 2 A 3 i innd seama de independena evenimentelor, avem:
P(B) = P(A 1 A 2 A 3 ) P(A 1 ) P(A 2 ) P(A 3 ) 0,7 0,8 0,6 0,336 .

20

Exemplul 1.5O pres este considerat c satisface standardul de fabricaie dac

trei caracteristici sunt satisfcute. Dac aceste caracteristici A, B i C sunt
9
7
11
satisfcute cu probabilitile P(A) =
, P(B) =
, atunci
i P(C) =
10
11
12
probabilitatea ca s fie satisfcute toate trei caracteristicile se poate evalua cu
formula lui Boole. Astfel se poate scrie:

P( A B C) 1 P(A) P(B) P(C) , adic

1 4 1 229
P( A B C) 1
.
10 11 12 660
Exemplul 1.6Un sortiment de marf dintr-o unitate comercial provine de la
1
1
trei fabrici diferite n proporii, respectiv de la prima fabric,
de la a doua
6
3
fabric i restul de la fabrica a treia. Produsele de la cele trei fabrici satisfac
standardele de fabricaie n proporie de 90%, 95% i respectiv 92%. Un client
ia la ntmplare o bucat din sortimentul de marf respectiv.
a) Care este probabilitatea ca produsul s satisfac standardele de
fabricaie?
b) Care este probabilitatea ca produsul s fie defect i s provin de la
prima fabric?
Rezolvare
a) Notm cu A1 , A 2 i A 3 evenimentele ca produsul cumprat s fie de
la prima, a doua, respectiv a treia fabric. Aceste trei evenimente formeaz un
1
1
i
sistem complet de evenimente i au probabilitile P( A1 ) , P(A 2 )
3
6
1
P( A3 ) . Dac A este evenimentul c produsul cumprat de client satisface
2
standardele de fabricaie, atunci P(A A1 ) 0,90, P( A A 2 ) 0,95 i
P( A A 3 ) 0,92 . Folosind formula probabilitii totale se obine:

P( A) P( A1 ) P( A A1 ) P( A2 ) P( A A2 ) P(A3 ) P( A A3 )
1
1
1
5,51
0,90 0,95 0,92
0,918
9
6
2
6
b) Folosind formula lui Bayes, avem:
P(A 1 )P(A A 1 )
P( A1 A)

P(A1 )P(A A 1 ) P(A 2 )P(A A 2 ) P(A 3 )P(A A 3 )

1
0,10
0,2
3
=

0,408.
1
1
1
0,49
0,10 0,05 0,08
3
6
2

Exemplul 1.7 Un student solicit o burs de studii la 3 universiti. Dup

trimiterea actelor necesare, acesta poate obine burs de la universitatea i (Ui)
sau nu (U i ) , 1 i 3 . Scriei evenimentele ce corespund urmtoarelor situaii :
a) primete o burs;
b) primete cel mult o burs;
c) primete cel puin o burs;
d) primete cel puin dou burse.
Rezolvare
a) Bursa primit poate fi de la prima universitate, caz n care celelalte
nu-i acord burs, sau de la a doua, caz n care prima i a treia nu-i acord burs,
sau de la a treia, caz n care primele dou nu-i acord burs. Avem astfel
evenimentul
A (U1 U 2 U 3 ) (U1 U 2 U 3 ) (U1 U 2 U 3 ) .
b) Avem dou variante : studentul nu primete nici o burs sau studentul
primete o burs. Obinem evenimentul
B (U1 U 2 U 3 ) A .
c) Evenimentul poate fi scris ca reuniunea a trei evenimente : studentul
primete o burs, dou burse, trei burse. Astfel C A E F , unde
E (U 1 U 2 U 3 ) (U 1 U 2 U 3 ) (U 1 U 2 U 3 ) ,
iar F U 1 U 2 U 3 .
d) Avem D E F . Altfel, evenimentul D este contrar evenimentului
B, deci D B (U 1 U 2 U 3 ) A .
Exemplul 1.8 ntr-un grup de studeni aflai n excursie se gsesc 6 fete i 9
biei. Se aleg la ntmplare doi studeni pentru a cerceta traseul. Care este
probabilitatea ca cei doi s fie :
a) biei;
b) fete;
c) un biat i o fat;
d) cel puin un biat;
e) primul biat i a doua fat;
f) de acelai sex.
Rezolvare
Notm cu A1 i A2 evenimentele alegerii unui biat la prima, respectiv a
doua alegere. La primul punct avem de calculat probabilitatea P( A1 A2 ) .
ntruct a doua alegere depinde de prima avem :
9 8 12
P ( A1 A2 ) P( A1 )P( A2 A1 )
,
15 14 35
deoarece alegnd un biat mai rmn n grup 14 studeni ntre care 8 biei.
Evenimentul de la punctul b) se scrie astfel : B A1 A2 . Deci
6 5 1
P(B) P( A1 A2 ) P( A1 )P( A2 A1 ) .
15 14 7

22

Evenimentul de la punctul c) este C ( A1 A2 ) ( A2 A1 ) aadar

P (C) P( A1 A2 ) P( A2 A1 ) , ( A1 A2 , A2 A1 sunt incompatibile)
9 6
Dar P ( A1 A2 ) P( A1 )P( A2 / A1 )
,
15 14
6 9
iar P ( A2 A1 ) P( A1 )P( A2 / A1 )
15 14
9 6 18
de unde P(C) 2
.
15 14 35
Am obinut i probabilitatea evenimentului de la punctul e) P( A1 A2 ) .
Evenimentul de la punctul d) se exprim astfel : D A1 A2 .

El este contrar evenimentului : B A1 A2 , prin urmare

1 6
P(D) 1 P(B) 1 . Evenimentul de la ultimul punct f) este
7 7
F ( A1 A2 ) ( A1 A2 ) . Cum ( A1 A2 ) ( A1 A2 ) cele dou
evenimente sunt incompatibile i deci
P(F ) P( A1 A2 ) P( A1 A2 )

12 1 17

.
35 7 35

Exemplul 1.9 La un examen de licen particip mai muli absolveni, ntre

care numai trei din strintate. Probabilitatea ca primul student s promoveze
este , probabilitatea ca al doilea s promoveze este 4/5, iar pentru al treilea
5/6. S se determine probabilitile ca :
a) toi cei trei studeni s promoveze;
b) cel puin unul s promoveze examenul.
Rezolvare
Fie Ai evenimentul promovrii examenului de ctre studentul i, i=1,2,3.
Evenimentul de la punctul a) este A A1 A2 A3 , iar de la punctul b) este
B A1 A2 A3 . Evenimentele Ai sunt independente (rezultatele celor 3
studeni nedepinznd unul de celelalte), deci
P( A) P( A1 )P( A2 )P( A3 )

3 4 5 1
.
4 5 6 2

Folosind proprietile probabilitii avem :

P(B) P( A1 A2 A3 ) P( A1 A2 ) P( A3 ) P((A1 A2 ) A3 )
P( A1 ) P( A2 ) P( A1 A2 ) P( A3 ) P((A1 A3 ) ( A2 A3 ))
P( A1 ) P(A2 ) P( A1 A2 ) P( A3 ) [P( A1 A3 ) P( A2 A3 )
P(( A1 A3 ) ( A2 A3 )) P( A1 ) P( A2 ) P( A3 )
P( A1 A2 ) P( A1 A3 ) P( A2 A3 ) P( A1 A2 A3 ).
innd seama de independena evenimentelor Ai , i=1,2,3, avem:
P(B) P(A1 ) P ( A2 ) P( A3 ) P ( A1 )P( A2 ) P( A1 )P( A3 ) P( A2 )P( A3 )
P( A1 )P( A2 )P( A3 )

3 4 23
5 3 4 3 5 4 5 3 4 5 119

.
4 5 6 4 5 4 6 5 6 4 5 6 120

Exemplul 2.0Din mai multe controale asupra activitilor a trei magazine se

apreciaz c n proporie de 90%, 80%, 70%, cele trei magazine au declarat
marfa vndut. La un nou control, comisia de control solicit 50 de documente
privind activitatea comercial: 20 de la primul magazin, 15 de la al doilea, 15
de la al treilea. Dintre acestea se alege unul la ntmplare pentru a fi verificat:
a) Cu ce probabilitate documentul ales este corect (nregistrat)?
b) Constatnd c este corect, cu ce probabilitate el aparine primului
magazin?
Rezolvare
a) Notm cu A1, A2, A3 evenimentul ca documentul controlat s provin
de la primul, al doilea i respectiv al treilea magazin. Avem astfel
P( A1 )

15
20
15
.
; P( A2 ) ; P( A3 )
50
50
50

Fie A evenimentul ca documentul controlat s fie corect. Atunci

A/
A1, A / A2, A / A3 reprezint evenimentul ca documentul controlat s fie corect
tiind c el provine de la primul, al doilea, al treilea magazin. Prin urmare :
P(A/A1)=0,90; P(A/A2)=0,80; P(A/A3)=0,70 . Cum {A1, A2, A3} este un sistem
complet de evenimente
A1 A2 A3 E, A1 A2 A1 A3 A2 A3
aplicnd formula probabilitii totale avem :
P ( A) P( A1 )P( A / A1 ) P( A2 )P( A / A2 ) P(A3 )P( A / A3 )

15
20
15
0,90 0,80 0,70 0,81.
50
50
50

24

VARIABILE ALEATOARE
Exemplul 1 Se consider vectorul aleator discret (X,Y) cu repartiia dat n
tabelul:

0,20

0,10

0,05

0,15

0,45

0,05

a) s se determine repartiia variabilelor X,Y, X+Y;

b) s se stabileasc dac X i Y sunt independente sau nu;
7
c) s se calculeze F ,5 .
2
Rezolvare
a) Variabila X are repartiia:
p1 p11 p12 0,20 0,10 0,30
1 3 4
, unde p 2 p 21 p 22 0,05 0,15 0,20 , adic
X:
p1 p 2 p 3

p 3 p 31 p 32 0,45 0,05 0,50

3
4
1
.
X:
0,30 0,20 0,50

2 6
, unde
Analog, variabila Y are repartiia Y:

q
q
1
2

q 1 p11 p 21 p 31 0,20 0,05 0,45 0,70

2
6
.
, adic Y:

0,70
q 2 p12 p 22 p 32 0,10 0,15 0,05 0,30
0,30

3
4
6
7
8 10
.
Avem:
X+Y:
0,20 0,05 0,45 0,10 0,15 0,05

b) Pentru verificarea independenei variabilelor X,Y, efectum un

control, de exemplu:
P(X=1) P(Y=2) = 0,30 0,70 0,21 , iar P[(X=1) (Y=2)] = p11 0,20 .
Cum 0,21 0,20, deducem c X i Y sunt dependente.
7
7
c) F( ,5) P( X ,Y 5) P[(X 1,Y 2) (X 3,Y 2)]
2
2
=P(X=1,Y=2) +P(X=3,Y=2) = 0,20+0,05 = 0,25.
Definiie Fie variabila aleatoare X avnd funcia de repartiie F , vom spune c
X este variabil aleatoare de tip continuu dac funcia de repartiie se poate
reprezenta sub forma:
F(x) =

(t)dt, x R .

25 densitate de probabilitate a variabilei

Funcia : R R se numete
aleatoare X.

Propoziie . Au loc afirmaiile:

1) x R, (x) 0 .
2) F'(x) = (x) a.p.t. pe R.
3) P(a X<b) =
4)

(x)dx .
a

(x)dx 1 .

Observaie
1. Pentru o variabil de tip continuu P(X=a)= 0, deci P(a X<b) =
P(a<X<b) = P(a X b) = P(a<X<b) =

b
a

(x)dx .

Rezolvare
3

E (X ) xi p i 1 0,2 0 0,3 2 0,5 0,8

i1

E(3X ) =3E( X ) =3 0,8 =3,4 ;

E(4X 2 = )4E( X ) 2 =4 0,8 2 =1,2

Var( X ) =E( X ) [ E( X )] =2,2 0,64 =1,56 ;

2

E( X 2 ) ( =1) 2 0,2 +0 2 0,3 +2 2 0,5 =2,2 ;X

= Var( X )

= 1,56 =1,24

Exemplul 1.1 Se tie c, dac dou variabile aleatoare X i Y sunt independente,

atunci coeficientul lor de corelaie este nul. Reciproca nu este adevrat. Iat un
vector aleator discret (X,Y), n care X i Y sunt dependente i totui r =0 .
49

-1

1
16

1
16

1
2

2
3

16

16
2

16

33

16
16
16

Rezolvare
Calculm repartiiile marginale:
1
2
1
2
0
1
; Y :

X :
6 16 4 16 6 16
4 16 4 16 8 16

7
3
3
; Var( X ) ; X
4
4
2
3
10
5
E(Y ) 1; E(Y 2 ) ; Var(Y ) ; Y
2
2
2
0
2
4
2 1

XY : 1
2
6
4
3 , E(XY)=1

16 16
16 16 16
E(X Y) - E(X)E(Y)
11
r

0
X Y
3 10

2
2

Avem:

E( X ) 1; E( X 2 )

Exemplu Fie X o variabil aleatoare care are densitatea de

0, x (0,2)
probabilitate definit prin: (x)
.
1/
2,
x

(0,2)

a) S se determine modulul i mediana

b) S se calculeze momentul de ordin k, mk (x) ..
Rezolvare
a) Conform definiiei, M0 este valoarea pentru care (x) max . adic
M 0 (0,2) adic exist o infinitate de valori modale situate pe segmentul (0,2).
1
Me se determin din ecuaia F (M e ) .
2
Me
M
Cum F (M e ) P( X M e ) ( x)dx e M e 1 .
0
2

1
2k
b) mk ( X ) E( X k ) x k dx
.

2
k 1

34

REPARTITIE BINOMIALA BERNOULLI

Exemplul 1

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 experi
ene , atunciX are repartiie binomial cu
parametrii n i p (conform schemei lui Bernoulli).

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 repartiie binomial cu parametrii n i
p.
Teorema Dac variabila aleatoare X are repartiie binomial cu parametrii n
i p, atunci valoarea medie i dispersia sa sunt

E( X ) np, Var( X ) npq.

Demonstraie
Valoare medie a variabilei aleatoare X este
n

E( 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 n1qx n1 C nn1 pq n1 x C nn q n
n

C nk p nk q k x nk C nk p k q nk x k .
k 0

k 0

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
n

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 , obinem

rezult c E( X ) np.

kC nk p k q nk np( p q) n1 , de unde
k 0

Pentru a calcula dispersia lui X vom folosi formula

Var( X ) E( X 2 ) [E( X )]2 .
n

Media variabilei X 2 este E( X 2 ) k 2 C nk p k q nk .

k 0

nmulim relaia 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 E( X 2 ) np n(n 1) p 2 .

Obinem astfel dispersia lui X
Var( X ) =np +n(n 1) p 2 n 2 p 2 =np np 2 =npq.
q.e.d.
Propoziia Dac este modulul (valoarea cea mai probabil) a unei variabile
aleatoare X cu repartiie binomial cu parametrii n i p, atunci

np q np p,
unde q 1 p.
Demonstraie
Dac este modulul variabilei X atunci

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

de unde rezult concluzia propoziiei.

np p

np q,

q.e.d.

Propoziia Dac variabila aleatoare X are repartiie binomial cu parametrii n

i p, atunci funcia sa caracteristic este

(t) ( pe it q) n , t R.

Demonstraie
Conform formulei pentru funcia caracteristic avem
n

(t) C nk p k q nk e itk C nk ( pe it ) k q nk ( pe it q) n , t R.
k 0

k 0

q.e.d.
Teorema Dac variabilele independente X i Y au repartiii binomiale cu parametrii n
i p, respectiv m i p, atunci variabila X+Y are repartiie binomial cu parametrii m+n i
p.
Demonstraie
Deoarece X ia valorile 0,1,, n, iarY 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

k
k
p k q mnk C nj C mk j C mn
p k q mnk .
j 0

Am folosit mai sus faptul c evenimentele X i Y sunt independente, i de

k

asemenea am utilizat formula

j
n

k
C mk j C mn
, care poate fi dedus egalnd

j 0

coeficientul lui x din dezvoltrile (1 x) n (1 x) m i (1 x) nm .

Deci am obinut
k
P( X Y k) C mn
p k q mnk , k 0,1,, n m,

adic variabila X+Y are o repartiie 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 1 (t) i 2 (t), t R , are forma
=
(t) 1t(t)R.
2 (t),
Astfel folosind relaia deducem c funcia
caracteristic a variabilei X+Y este

(t) pe it q pe it q pe it q
n

50

mn

, t R.

Din expresia de mai sus a funciei c tragem concluzia c variabila aleatoare X+Y
are repartiie binomial cu parametrii m+n i p.
q.e.d.
Teorema (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

oricare ar fi 0.
Demonstraie
Variabila aleatoare n care are ca valori numrul de realizri ale evenimentului
din problem are repartiie binomial cu parametrii n i p. Conform Teoremei

avem E( = ) npni Var( npq. n )

Variabila aleatoare

n
va avea atunci
n

valoarea medie, dispersia i abaterea medie ptratic

np
1
m E n E( n )
p,
n
n n

Var n
n

pq
1
, X
2 Var ( n )
n
n

pq
.
n

Vom folosi acum Inegalitatea lui Cebev pentru variabila

n
i a .
n

Obinem

2
pq
P n p 2 2 .
n
n

pq
0, din inegalitatea de mai sus rezult inegalitatea
n n 2

Deoarece lim
q.e.d.

Observaie O mbuntire a inegalitii este dat de teorema lui Borel, care

spune c n condiiile Teoremei are loc relaia

P n p 1.
n

Aplicaie 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 qn ),
unde qi 1 pi , i 1, 2,, n. Dac scriem desfurat pe Q(x) sub forma
Q (x) a0 a1 x a2 x 2 an x n ,

atunci tabloul repartiiei variabilei X este

0 1 2 n
.
X :
a0 a1 a2 a n

Suma tuturor elementelor de pe linia a doua a tabloului de mai sus este 1. ntradevr
a0 a1 an Q(1) ( p1 q1 )( p 2 q 2 )( p n q n ) 1.
n

Valoarea medie a variabilei X este E( X ) ka k . Ideea de demonstraie a

k 0

teoremei este asemntoare cu cea a Teoremei Vom deriva polinomul Q, scris

sub cele dou forme de mai sus . Derivnd relaia obinem

Q'(x) a1 2a 2 x 3a3 x 2 na n x n1 ,

de unde rezult
n

Q '(1) a1 2a 2 3a3 na n kak M (X ).

k 1

Pe de alt parte parte, derivnd relaia obinem

Q'(x) p1 ( p k x q k ) p2 ( pk x qk ) p n ( pk x qk ),
k 1

k 2

k n

iar pentru x 1 deducem Q'(1) p1 p2 p n . Rezult c

n

E ( X ) pk .
k 1

Pentru a calcula dispersia, vom calcula mai nti E( 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 .

72

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

E( X 2 ) Q '(1) Q''(1) p k Q''(1).

k 1

Derivm acum relaia pentru a determina Q''(x) ; obinem

Q''(x) p1 p 2 ( p j x q j ) p3 ( p j x q j ) pn ( p j x q j )
j 1,3
j1,n
j 1,2

p n p1 ( p j x q j ) p 2 ( p j x q j ) pn1 ( p j x q j ).
j2,n
j1,n 1
j1,n

Pentru x 1 obinem din relaia de mai sus

Q''(1) p1 p k p 2 pk p n p k p1[E ( X ) p1 ] p 2 [E ( X ) p 2 ]
k 1

k 2

k n

pn [E ( X ) p n ] E ( X )( p1 p2 p n ) ( p12 p 22 p n2 )
n

[ E ( X )]2 p k2 .
k 1

Din relaia (3.2.11) i din relaia de mai sus deducem c

n

E( X 2 ) pk [E ( X )]2 p k2 .
k 1

k 1

Folosind acum relaiile rezult c dispersia lui X este

n

Var ( X ) E( X 2 ) [ E( X )]2 p k [ E( X )]2 p k2 [E( X )]2

k 1

k 1

p k p k2 pk (1 p k ) p k q k .
k 1

k 1

k 1

k 1

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

73

realizeaz, i pe 0 dac Ak nu se realizeaz, pentru k 1, 2,, n. Tablourile de

repartiie pentru variabilele X k sunt
1 0
, k 1, 2,, n.
X k :
pk q k

Atunci numrul evenimentelor care se realizeaz este X X 1 X n , deci

media sa va fi
n

E( X ) E( X k ) p k .
k 1

k 1

Deoarece variabilele aleatoare X k , k 1, 2,, n sunt independente, atunci

dispersia varaibilei X va fi
n

Var( X ) Var( X k ) E( X k2 ) [ E( X k )]2 ( p k pk2 ) p k q k .

k 1

k 1

k 1

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 repartiiei
0
X :
q

1
, q 1 p.
p

Valoarea medie i dispersia variabilei X sunt E( X ) = p i Var( X ) =pq.

O variabil aleatoare cu repartiie binomial cu parametrii n i p dat de
Definiia 3.2.1 este suma a n variabile aleatoare independente cu repartiii
Bernoulli cu acelai parametru p.

REPARTITIA HIPERGEOMETRICA

Legea hipergeometric
Definiia Variabila aleatoare X urmeaz legea hipergeometric (X are
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 Cbnk
, k [max(0, n b),min( n, a)].
n
C ab

Pentru calculul mediei i dispersiei variabilei aleatoare X cu repartiie

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 repartiiei
variabilei X este
0

X : C a0 Cbn
Cn
ab

C a1 Cbn1
n
C ab

C a2 Cbn2
n
C ab

C an Cb0 .

C ab

Se observ c suma probabilitilor de pe linia a doua a tabloului de mai sus este

1. ntr-adevr avem
C ak C bnk
1
n

n
C ab
k 0 C ab
n

C
k 0

k
a

C bnk

1
n
C ab
1.
n
C ab

Exemplul 1 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 repartiie
hipergeometric cu parametrii a, b i n, conform schemei hipergeometrice
(schema bilei nentoarse).
Teorema Dac variabila aleatoare X are repartiie hipergeometric cu
parametrii a, b i n, cu n b i n a, atunci valoarea medie i dispersia sa sunt

E ( X ) ap , Var( X ) npq

unde p

a
b
, q 1 p
.
a b
a b

75

abn
,
a b 1

Demonstraie
Valoarea medie a variabilei aleatoare X este
n

E( X ) k
k 0

C ak C bnk
a
n
n
C ab
C ab

k 1
a 1

k 1

Cbnk

a
an
n 1
C ab
ap .
1
n
ab
C ab

n
n
C ak Cbnk
C ak Cbnk
C ak Cbnk
E( X ) k
k(k 1)
k
n
n
n
C ab
C ab
C ab
k 0
k 1
k 0
n

a(a 1) n k 2 nk
a(a 1) n2
an
an(a 1)(n 1)
C a 2 C b E( X )
C ab 2

n
n
a b (a b)(a b 1)
C ab k 2
C ab

an
.
ab

Deci dispersia lui X este

Pentru calculul dispersiei, vom calcula mai nti media variabilei X 2 ; avem

an(a 1)(n 1)
an
a 2n2
Var( X ) E( X ) [ E( X )]

(a b)(a b 1) a b (a b) 2
abn(a b n)
abn

npq
.
2
(a b) (a b 1)
a b 1
2

Folosind modelul urnei din 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
b
, P(X 1 0)
.
a b
ab

76

0
1

Deci tabloul repartiiei variabilei X 1 este X 1 : a

b . Pentru variabila

a b a b
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 1
a
a
b
a(a b 1)
a

,
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
a
b 1
b
b(a b 1)
b

.
a b 1 a b a b 1 a b (a b)(a b 1) a b

0
1

Deci tabloul repartiiei variabilei X 2 este X 2 : a

b . Pentru variabila

ab a b
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
a2
a 1

a b2 a b a b2 a b a b a b2 a b
(a 2)a 2 2(a 1)ab ab 2
a
b b

a b2 a b a b
(a b 2)(a b) 2
a (a b)(a b 2)
a

.
2
(a b 2)(a b)
ab

77

b
( 1 P( X 3 1)). Deci tabloul
a b
0
1

repartiiei variabilei X 3 este X 3 : a

b .

a b a b

Asemntor se arat c P( X 3 0)

Se arat n acelai mod c toate variabilele X k , k 1, 2,, n au acelai tablou

0
1

de repartiie X k : a
b ,

ab a b
dependente).

k 1, 2,, n, (dei ele sunt variabile

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 .
ab
k 1 a b

E( X ) E ( X k )
k 1

Pentru dispersie nu mai putem scrie c Var( X ) este egal cu

Var( X
k 1

deoarece variabilele X k , k 1, 2,, n nu sunt independente.

78

q.e.d.

),

Legea Poisson (legea evenimentelor rare)

Definiie Variabila aleatoare X urmeaz legea Poisson (X are repartiie
Poisson) cu parametrul > ( 0) dac poate lua orice valoare ntreag pozitiv
i

P( X k )

k
e , k 0,1, 2,
k!

Tabloul repartiiei variabilei X este

X : 0
e

0!

e
1!

e
2!

k
k

e
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

e x 1

x x2
xk

, x R .
1! 2!
k!

Folosind relaia pentru x =, avem

k
e e 1.
k
!
k 0

P( X k) e
k 0

Teorema Dac variabila aleatoare X are repartiie Poisson cu parametrul ,

atunci valoarea medie i dispersia sa sunt

E( X ) , Var( X ) .
Demonstraie
Valoarea medie a variabilei X este

E( X ) k
k 0

k
k 1
e e
e e .
k!
k 1 (k 1)!

Pentru dispersie, calculm mai nti media variabilei X 2 . Obinem

E( X 2 ) k 2
k 0

k 2
k
k
k
e (k k ) e k e k(k 1) e
k!
k!
k!
k!
k 1
k 1
k 2

k 2
E(X ) 2 e e 2 .
(k

2)!
k 2

E( X ) 2 e

Atunci dispersia lui X este

Var( X ) =E( X 2 ) [E( X )]2 =2 +2 =.q.e.d.

Propoziia Dac variabila aleatoare X are repartiie Poisson cu parametrul ,

atunci funcia sa caracteristic este

(t) e (e

it

1)

, t R.

Demonstraie
Folosind formula de calcul de la funcia caracteristic, avem

it
it
k itk
k itk
(e it ) k

(t) e e e e e
e e e e (e 1) , t R.
k!
k 0 k!
k 0 k!
k 0
q.e.d.

Teorema Variabilele aleatoare independente

X 1 i X 2 au repartiii
Poisson cu parametrii 1 i respectiv 2 . Atunci variabila aleatoare X 1 X 2
are repartiie 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 )
j 0

1
e ( 1 2 )
2
P( X 1 j)P( X 2 k j) e
e
k!
(k j )!
j 0
j 0 j!
k

k j
2

j
1

j
k

1j k2 j

j 0

(1 2 ) ( 1 2 )
e
.
k!
Deducem astfel c variabila aleatoare X 1 X 2 are repartiie Poisson cu
parametrul 1 2 . Folosind funciile caracteristice ale variabilelor X 1 , X 2 ,
exprimate
cu
ajutorul formulei , i
anume
1 (eit 1)
2 (e it 1)
1 (t) e
, 2 (t) e
, t R , deducem c funcia caracteristic a
variabilei X 1 X 2 este

(t ) 1 (t) 2 (t) e 1 (e

it

1)

e 2 (e

it

1)

e ( 1 2 )(e

it

1)

, t R.

Din expresia de mai sus a funciei caracteristice rezult c variabila X 1 X 2 are

repartiie Poisson cu parametrul 1 2 .
q.e.d.
Legtura dintre repartiia binomial i repartiia Poisson este dat de
urmtoarea teorem.

Teorema Fie k N fixat, iar pentru n >k considerm variabilele au

X n care
repartiii 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
e .
k!

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
E ( X n ) np n . Deci pn / n. Atunci obinem
k

k
n

k
n

lim P( X n k ) lim C p q
n

nk
n

n(n 1)(n k 1)
lim
1
n
k!
n n

k
n(n 1) (n k 1)

lim
lim 1
k
n
k! n
n
n

nk

nk

k
e ,
k!
q.e.d.

p n este suficient de mic i n

Observaia Relaia ne arat c dac
suficient de mare, atunci putem aproxima repartiia binomial cu parametrii n i
p n , prin repartiia Poisson de parametru np n . Din acest motiv repartiia
Poisson se mai numete legea evenimentelor rare. Dac n 30 i np 5 atunci
repartiia Poisson cu parametrul np este o bun aproximare a repartiiei
binomiale cu parametrii n i p.
m3 ( X ) i m4 ( X ), precum i
Aplicaia S se calculeze momentele iniiale
momentele centrate 3 ( X ) i 4 ( X ) pentru o variabil aleatoare X cu
repartiie Poisson cu parametrul .
Rezolvare
Din demonstraia teoremei tim c
m1 ( X ) E( X ) , iar
2
2
m2 ( X ) E( X ) . Momentul iniial de ordinul al treilea al variabilei X

k
este m3 ( X ) E( X ) k
e .
k!
k 0
Deoarece k 3 k(k 1)(k 2) 3k(k 1) k , vom scrie pe m3 ( X ) astfel

m3 ( X ) k(k 1)(k 2)
k 2

k
k
k
e 3 k(k 1) e k e
k!
k!
k!
k 1
k 1

k 3
k 2
k 1
32 e
e
3e e
(k

3)!
(
k

2)!
(k
1)!
k 3
k 2
k 1

3e

32 e e e e 3 32 .

Apoi momentul centrat de ordinul al treilea este

3 ( X ) E( X ) 3 E ( X 3 3X 2 32 X 3 ) E( X 3 ) 3E( X 2 )
32 E( X ) 3 m3 3 m2 32 m1 3 3 32 3 (2 )
33 3 .
Pentru

momentul

iniial

de

ordinul

al

patrulea

avem

e . Deoarece
k!
k 0
k 4 k(k 1)(k 2)(k 3) 6k(k 1)(k 2) 7k(k 1) k , momentul m4 (X ) se
scrie astfel
m4 (X ) E( X 4 ) k 4

m4 (X ) k(k 1)(k 2)(k 3)

k 3

k
k
e 6 k(k 1)(k 2) e
k!
k!
k 2

k k
k 4
k 3
e k e 4 e
63e
k!
k!
k 1
k 1
k 4 ( k 4)!
k 3 (k 3)!
k 2
k 1

7 2 e
e
4 e e 63e e 72 e e
(

2)!
(k
1)!
k
k 2
k 1

7 k(k 1)

e e 4 63 72 .
Apoi momentul centrat de ordinul al patrulea este

4 (X ) E( X ) 4 E ( X 4 4X 3 62 X 2 43 X 4 ) E( X 4 )
4E( X 3 ) 62 E( X 2 ) 43 E(X ) 4 m4 4m3 62 m2 43 m1 4
4 63 72 4 (3 32 ) 62 (2 ) 44 4 32 .

89