TEORIA PROBABILITĂŢILOR UNIVERSITATEA TEHNICĂ GH. ASACHI,
|
|
- Αἰνέας Θεοτόκης
- 6 χρόνια πριν
- Προβολές:
Transcript
1 Ariadna Lucia Pletea Liliana Popa TEORIA PROBABILITĂŢILOR UNIVERSITATEA TEHNICĂ GH. ASACHI, IAŞI 999
2
3 Cuprins Introducere 5 Câmp de probabilitate 7. Câmp finit de evenimente Câmp finit de probabilitate Metode de numărare Moduri de selectare a elementelor Definiţia axiomatică a probabilităţii Formule probabilistice Scheme clasice de probabilitate Câmp infinit de probabilitate Probleme propuse Variabile aleatoare discrete 43. Definiţia şi clasificarea variabilelor aleatoare Variabile aleatoare discrete simple Exemple de variabile aleatoare discrete simple Variabile aleatoare discrete simple bidimensionale Variabile aleatoare cu un număr infinit numărabil de valori Funcţia generatoare Probleme propuse Variabile aleatoare continue 8 3. Funcţia de repartiţie a unei variabile aleatoare unidimensionale Densitatea de probabilitate. Repartiţia normală Funcţia de repartiţie multidimensională. Transformări Valori caracteristice ale unei variabile aleatoare Funcţia caracteristică a unei variabile aleatoare Variabile aleatoare continue clasice şi legăturile dintre ele Fiabilitate Probleme la limită în teoria probabilităţilor Convergenţa în probabilitate Legea numerelor mari (forma slabă) Aproximări pentru repartiţii discrete
4 4.4 Convergenţa în repartiţie. Teorema limită centrală Legătura dintre convergenţa şirurilor funcţiilor de repartiţie şi convergenţa şirurilor funcţiilor caracteristice Convergenţa aproape sigură Convergenţa în medie Probleme propuse Procese stochastice Lanţuri Markov Procese Markov continue. Procese Poisson Procese stochastice staţionare
5 Introducere Numeroase probleme practice din variate domenii de activitate, ca: ingineria electrică, radio, transmisia de date, calculatoare, teoria informaţiei, fiabilitatea sistemelor şi altele, conduc la studiul unor fenomene şi procese aleatoare. Evaluarea şanselor lor de producere constituie obiectul disciplinei teoria probabilităţilor. Cursul de Teoria probabilităţilor are atât un caracter informativ, furnizând studenţilor noţiuni şi rezultate fundamentale cu care vor opera în cadrul specialităţilor lor, cât şi formativ, acomodându-i cu raţionamente matematice, dintre care unele vor fi necesare prelucrării pe calculator a datelor. Cursul este alcătuit din cinci capitole. Capitolul I, intitulat Câmp de probabilitate introduce noţiunea de câmp de probabilitate, cadru în care se defineşte axiomatic noţiunea de probabilitate. Sunt trecute în revistă formule şi scheme clasice de probabilitate. Elementele de teorie sunt însoţite de exemple, dintre care unele cu referire la situaţii tehnice privind controlul de calitate, transmiterea informaţiei etc. Cuprinde paragrafele:.câmp finit de evenimente;.câmp finit de probabilitate; 3. Metode de numărare; 4.Moduri de selectare a elementelor; 5.Definiţia axiomatică a probabilităţii; 6.Formule probabilistice; 7.Scheme clasice de probabilitate; 8.Câmp infinit de probabilitate. Capitolul II, intitulat Variabile aleatoare discrete cuprinde paragrafele.definiţia şi clasificarea variabilelor aleatoare;.variabile aleatoare discrete simple; 3.Exemple de variabile aleatoare discrete simple; 4.Variabile aleatoare discrete simple bidimensionale; 5.Variabile aleatoare cu un număr infinit numărabil de valori. Este scos în evidenţă rolul distribuţiei Poisson, a evenimentelor rare în numeroase aplicaţii tehnice. Capitolul III, intitulat Variabile aleatoare continue, cuprinde paragrafele:.funcţia de repartiţie a unei variabile aleatoare unidimnesionale;.densitatea de probabilitate.repartiţia normală;3.funcţia de repartiţie multidimensională.transformări; 4.Valori caracteristice ale unei variabile aleatoare. 5.Funcţia caracteristică a unei variabile aleatoare; 6.Variabile aleatoare continue clasice şi legăturile dintre ele; 7.Fiabilitate. Este scos în evidenţă rolul legii lui Gauss în studiul erorilor accidentale de măsurare. Capitolul IV, intitulat Probleme la limită în teoria probabilităţilor, cuprinde paragrafele:.convergenţa în probabilitate a şirurilor de variabile aleatoare;.legea numerelor mari (forma slabă); 3.Aproximări pentru distribuţii discrete; 4.Convergenţa în repartiţie. Teorema limită centrală; 5.Legătura dintre convergenţa funcţiilor de repartiţie
6 şi convergenţa funcţiilor caracteristice; 6.Convergenţa aproape sigură; 7.Convergenţa în medie. Scopul acestui capitol este de a pune în evidenţă justificări teoretice ale apropierii dintre anumite concepte din teoria probabilităţlor şi din statistica matematică şi de asemenea, legăturile dintre diferitele tipuri de convergenţă în teoria probabilităţilor. Capitolul V, intitulat Procese stochastice, cuprinde paragrafele:.lanţuri Markov;.Procese Markov contiue. Procese Poisson; 3.Procese stochastice staţionare. Pentru înţelegerea materialului din acest capitol, s-au dat numeroase exemple de importanţă practică din teoria aşteptării, teoria stocurilor şi altele. Capitolele I, II, IV au fost redactate de lector dr. Pletea Ariadna, iar Capitolele III şi V de lector dr. Popa Liliana, care au colaborat pentru a obţine o formă cât mai unitară şi modernă a cursului. Adresăm pe această cale vii mulţumiri comisiei de analiză a cursului, formată din prof. dr. Pavel Talpalaru, prof. dr. Stan Chiriţă şi lector Gheorghe Florea pentru observaţiile constructive făcute, cât şi, anticipat, tuturor cititorilor, care vor contribui prin sugestii la îmbunătăţirea prezentului material. Autoarele
7 Capitolul Câmp de probabilitate. Câmp finit de evenimente În teoria probabilităţilor noţiunile primare sunt: evenimentul şi probabilitatea. Teoria probabilităţilor studiază experienţele aleatoare, acele experienţe care reproduse de mai multe ori se desfăşoară de fiecare dată în mod diferit, rezultatul neputând fi anticipat. Exemple de experienţe aleatoare: aruncarea unui zar, tragerile la ţintă, durata de funcţionare a unei maşini etc. Rezultatele posibile ale unei experienţe aleatoare se numesc probe sau cazuri posibile ale expeienţei. Experienţele se pot realiza printr-un număr finit sau un număr infinit de probe. Mulţimea rezultatelor (cazurilor) posibile ale unei experienţe aleatoare formează spaţiu de selecţie. Notăm simbolic spaţiul de selecţie cu E. Definiţia.. Se numeşte eveniment o submulţime a spaţiului de selecţie. Orice element a lui E, notat e, este un punct de selecţie sau un rezultat posibil al experienţei. În cele ce urmează vom presupune E finit. Exemplul.. Considerăm experienţa care constă în aruncarea unui zar. Aceasta este o experienţă aleatoare. Mulţimea rezultatelor posibile ale experienţei sunt,, 3, 4, 5, 6. Deci spaţiul de selecţie este E = {,, 3, 4, 5, 6}. Presupunem că ne interesează evenimentul ca la o aruncare a zarului să obţinem o faţă cu un număr par de puncte. Dacă aruncând zarul am obţinut faţa cu cinci puncte, aceasta este o probă a experienţei noastre, dar evenimentul care ne interesa (o faţă cu un număr par de puncte) nu s-a realizat. Dacă proba experienţei ar fi faţa cu şase puncte, atunci evenimentul nostru s-a realizat. Exemplul dat este al unei experiente cu un numar finit de probe. Se pot da exemple şi de experienţe cu o infinitate de probe. Astfel, experienţa tragerii la ţintă. Există o infinitate de probe care realizează evenimentul atingerii ţintei. 7
8 8 Câmp de probabilitate Noţiunile de spaţiu de selecţie şi de eveniment astfel introduse ne permit ca teoria mulţimilor să poată fi folosită în studiul evenimentelor aleatoare. Traducem în limbaj de evenimente noţiuni şi simboluri caracteristice teoriei mulţimilor.. Drept submulţime a lui E se poate considera E. Cum indiferent de rezultatul e al experienţei, e E, rezultă că odată cu e se realizează E. Evenimentul E se numeşte eveniment cert (sau eveniment sigur). De exemplu, la aruncarea zarului apariţia unei feţe cu un număr de puncte mai mic sau egal cu 6 este evenimentul sigur. Apariţia unei feţe cu un număr mai mic sau egal cu 4 de puncte este un eveniment nesigur, dar posibil.. Drept submulţime a lui E putem considera mulţimea vidă care nu se realizează la nici o efectuare a experienţei, motiv pentru care se numeşte eveniment imposibil. 3. Fie evenimentul A, submulţime a lui E. Evenimentul complementar lui A în raport cu E, notat Ā, se numeşte eveniment contrar evenimentului A. Acesta se realizează dacă şi numai dacă nu se realizează evenimentul A. În exemplul.. evenimentul contrar evenimentului apariţiei unui număr par de puncte este evenimentul care constă în apariţia unui număr impar de puncte. Astfel, A = {, 4, 6} şi Ā = {, 3, 5}. 4. Fie evenimentele A, B E. Evenimentul A implică evenimentul B (scris A B) dacă B se realizează prin toate probele lui A (şi prin alte probe), adică dacă (e A) (e B). 5. Fie A, B E două evenimente. Evenimentul A B este evenimentul a cărui realizare are loc dacă se realizează sau A sau B. 6. Fie A, B E. Prin evenimentul A B înţelegem evenimentul care se realizeză dacă se realizează atât A cât şi B. 7. Fie A, B E. Prin A \ B înţelegem evenimentul care se realizează prin probe ale lui A şi B. Definiţia.. Fie A E, A. Evenimentul A se numeşte eveniment elementar dacă este implicat numai de el însuşi şi de evenimentul imposibil. Celelalte evenimente se numesc evenimente compuse. Definiţia..3 Fie A, B E. Evenimentele A, B se numesc compatibile dacă se pot realiza simultan, adică există probe care realizează atât pe A cât şi pe B (A B ). În caz contrar evenimentele se numesc incompatibile (A B = ). Observaţia.. Operaţiile de reuniune şi intersecţie se extind pentru un număr finit de evenimente. Fie A, A,..., A n E. Avem (... ((A A ) A 3 )... A n ) = n A i,
9 Câmp de probabilitate 9 adică evenimentul care se realizează dacă cel puţin un eveniment A i se realizează şi (... ((A A ) A 3 )... A n ) = este evenimentul care se realizează dacă toate evenimentele A i, i =, n se realizează. Menţionăm câteva din proprietăţile operaţiilor introduse:. Dacă A B atunci A B = B şi A B = A.. Oricare ar fi evenimentul A au loc relaţiile n A A = A, A = A, A E = E, E = E, A A = A, A =, A E = A, E =. 3. Dacă A C, B C, A, B, C E atunci A B C şi A B C. 4. Dacă A, B, C E atunci A B = B A, A (B C) = (A B) C, A (B C) = (A B) (A C), A B = B A, A (B C) = (A B) C, A (B C) = (A B) (A C). Construcţia sistematică a unui câmp finit de evenimente se poate face plecând de la două axiome, numite axiomele câmpului finit de evenimente. Notăm cu P(E) mulţimea părţilor lui E. Definiţia..4 Perechea { E, K }, K, K P(E), se numeşte câmp finit de evenimente dacă: a) A K Ā K; b) A, B K A B K. Consecinţe ale definiţiei:. E K deoarece ( A K Ā K) (A Ā K) (E K).. K deoarece (E K Ē K) ( = Ē K). 3. Dacă A, B K A \ B K deoarece A \ B = A B = Ā B K. 4. Următorele proprietăţi sunt echivalente: ( A, B K A B K) şi ( A, B K A B K), deoarece A B = Ā B. A i
10 0 Câmp de probabilitate 5. Din Definiţia..4 rezultă, folosind metoda inducţiei matematice, că n n, A j K, j n A j K. j= 6. Din Consecinţa 4 rezultă: n, A j K, j n n A j K. j= Într-un câmp finit de evenimente au loc următoarele proprietăţi: P. Două evenimente elementare distincte sunt incompatibile. P. Fie A şi A două evenimente elementare. Să presupunem că A A, adică A A = B. Deci B A, B şi cum A şi A sunt distincte, B A, deci A nu este eveniment elementar, ceea ce este fals. Într-un câmp finit de evenimente există evenimente elementare. Fie A un eveniment. Dacă A este elementar, afirmaţia este demonstrată. Dacă A este eveniment compus există A, A A astfel încât A A. Dacă A este eveniment elementar, afirmaţia este demonstrată. Dacă A este eveniment compus se continuă raţionamentul anterior. Câmpul fiind finit, rezultă că există un eveniment elementar A n astfel încât A n A n... A. P3. Fie { E, K } un câmp finit de evenimente. Orice eveniment al acestui câmp se poate scrie ca reuniune finită de evenimente elementare. Fie B un eveniment compus (dacă B este un eveniment elementar atunci afirmaţia este demonstrată). Există, conform proprietăţii P, un eveniment elementar A K şi un eveniment B K astfel încâ B = A B, B = B \ A cu A B =. Dacă B este eveniment elementar, afirmaţia este demonstrată. Dacă B nu este eveniment elementar, există evenimentul elementar A şi un eveniment B K astfel încât B = A B şi deci B = A A B şi raţionamentul se continuă. Deci B = A A... A k, unde A i, i =, k sunt evenimente elementare. P4. Reuniunea tuturor evenimentelor elementare ale lui K este E. Într-adevăr, fie E = A A... A s. Presupunem că în câmpul finit de evenimente mai există un eveniment elementar A n A j, j =, s. Atunci A n E = A n = A n (A... A s ) = (A n A )... (A n A s ) = conform P.
11 Câmp de probabilitate Nu de puţine ori de un real folos ne va fi descompunerea unui eveniment într-o reuniune de evenimente incompatibile două câte două. Definiţia..5 Fie { E, K } un câmp finit de evenimente şi A, A,..., A n K. Spunem că familia de evenimente A, A... A n formează un sistem complet de evenimente dacă: a) A i, i =, n; b) A i A j =, i j, i, j =, n; c) n A i = E. Observaţia.. Mulţimea tuturor evenimentelor elementare ataşate unei experienţe formează un sistem complet de evenimente. Exemplul.. Să se verifice care din următoarele submulţimi ale lui P(E) (P(E) mulţimea părţilor lui E) sunt câmpuri finite de evenimente şi, în caz afirmativ, să se precizeze evenimentele elementare:. Dacă E = {,, 3} şi K = {, {}, {, 3}, {,, 3}}, atunci { E, K } este câmp finit de evenimente deoarece satisface cele două axiome ale Definiţiei..4. Evenimentele elementare sunt {} şi {,3}. Observăm că evenimentele elementare nu sunt submulţimi ale lui E formate dintr-un singur element nu este corectă. În exemplul prezentat un eveniment elementar este format dintr-un singur element, iar celălalt eveniment este format din două elemente.. Dacă E = {,, 3} şi K = {, {}, {}, {3}, {, }, {, 3}, {, 3}, {,, 3}} = P(E) atunci { E, K } este un câmp finit de evenimente. Evenimentele elementare sunt {}, {}, {3}. 3. Dacă E = {,, 3} şi K = {{}, {}, {, 3}, {,, 3}} nu este un câmp finit de evenimente deoarece, de exemplu {} = {, 3} / K sau {} {} = {, } / K.. Câmp finit de probabilitate Fie o experienţă şi un eveniment A legat de aceasta. Repetăm experienţa de n ori în condiţii identice. Notăm cu m numărul de realizări ale evenimentului A. Rezultă că n m reprezintă numărul de nerealizări ale lui A. Definiţia.. Numărul f n = m n se numeşte frecvenţa relativă a evenimentului A. Observaţia.. Frecvenţa relativă variază de la o experientă la alta, având un caracter experimental. Deoarece 0 m n rezultă 0 f n, n IN.
12 Câmp de probabilitate Observaţia.. Frecvenţa relativă f n depinde de n, numărul de repetări ale experimentului. Multe experienţe prezintă o stabilitate a frecvenţelor relative în sensul că pe măsură ce numărul n ia valori mari, frecvenţa relativă oscilează în jurul unei anumite valori şi se apropie din ce în ce mai mult de această valoare. Valoarea poate fi adesea intuită. De exemplu, dacă într-o urnă sunt trei bile negre şi una albă, la un număr mare de extracţii ale unei bile din urnă, cu repunerea bilei extrase înapoi, şansele de extragere ale unei bile negre sunt de trei ori mai mari decât cele ale unei bile albe şi deci, pentru valori mari ale lui n, în cazul celor două evenimente frecvenţele relative se vor stabiliza în jurul valorilor 3/4 şi respectiv /4. Această stabilitate a frecvenţelor relative, verificată prin observaţii şi confirmată în practică, este una din legile cele mai importante ale experienţelor aleatoare. Legea a fost formulată pentru prima dată de Bernoulli în teorema care îi poartă numele şi este forma slabă a legii numerelor mari (Capitolul 4, Teorema 4..). Definirea probabilităţii peste un câmp finit de evenimente se poate face în mod clasic şi axiomatic. Definiţia clasică a probabilităţii se poate folosi în cazul în care experienţa aleatoare are un număr finit de cazuri posibile şi toate egal probabile, adică la un număr mare de efectuări ale experienţei, fiecare caz are aceeaşi şansă de a se realiza. Considerăm, de exemplu, experienţa care constă în aruncarea unui zar pe o suprafaţă netedă. Dacă zarul este perfect cubic şi omogen, atunci fiecare din feţe are aceeaşi şansă de a apare, frecvenţele relative ale fiecăreia dintre ele variază în jurul lui /6. În cazul în care zarul nu ar fi omogen, atunci una sau mai multe feţe ar fi favorizate. Definiţia.. Fie o experienţă şi evenimentele legate de aceasta astfel încât toate evenimentele să fie egal posibile. Fie evenimentul A legat de această experienţă. Numim probabilitatea evenimentului A numărul P (A) = m n dat de raportul dintre numărul m al cazurilor favorabile realizării evenimentului A şi numărul n al cazurilor egal posibile. Menţionăm că orice probă care conduce la realizarea unui eveniment A reprezintă un caz favorabil evenimentului A. Observaţia..3 Definiţia clasică a probabilităţii, formulată pentru prima dată de Laplace, este nesatisfăcătoare din punct de vedere logic deoarece reduce definiţia probabilităţii la problema cazurilor egal posibile care nu a putut fi definită din punct de vedere matematic, ci numai ilustrată. În cazul zarului neomogen, definiţia clasică a probabilităţii nu poate fi aplicată. Riguros vorbind, zarul neomogen şi nesimetric este singurul caz real deoarece construirea unui zar perfect este imposibilă. Un alt incovenient al definiţiei apare în cazul în care numărul cazurilor posibile este infinit deoarece în această situaţie probabilitatea, calculată după definiţia clasică, este foarte mică sau egală cu zero.
13 Câmp de probabilitate 3 În sfârşit, definiţia clasică a probabilităţii nu poate fi admisă deoarece nu pote fi aplicată în studiul fenomenelor sociale, neputându-se determina numărul cazurilor posibile. Observaţia..4 Legătura existentă între frecvenţa relativă unui eveniment şi probabilitatea sa este profundă. De fapt atunci când calculăm probabilitatea unui eveniment ne bazăm pe frecvenţele relative. Exemplul.. Se aruncă un zar de două ori. Mulţimea rezultatelor posibile ale experienţei care constă în perechile de numere ce apar pe zar în cele două aruncări este E = {,,..., 6,,,..., 6, 3,..., 66}, E = 6 = 36, unde E notează numărul de elemente ale mulţimii E. Toate rezultatele posibile sunt echiprobabile, deci probabilitatea unui eveniment A, P (A), este egală cu numărul elementelor din mulţimea A împărţit la numărul elementelor din E. Presupunem că vom păstra faţa zarului ce conţine un punct albă, iar celelalte feţe le vom colora în negru. Notăm cu AN evenimentul ca la prima aruncare a zarului să obţinem faţa albă, iar la cea de-a doua aruncare o faţă neagră a zarului. Avem AN = {, 3, 4, 5, 6}. Rezultă Analog, făcând notaţiile în acelaşi fel, avem: P (AN) = P (AA) = 36, P (NA) = 5 36, P (NN) = Presupunem că au fost şterse numerele de pe feţele zarului şi au rămas culorile. Mulţimea rezultatelor posibile, în acest caz, este E = {AA, AN, NA, NN} cu probabilităţile corespunzătoare. Observăm că în acest ultim caz, evenimentele AA, AN, N A, N N sunt elementare şi formează un sistem complet de evenimente. Proprietăţi ale probabilităţii: P. A K : 0 P (A) ; P. P (E) = ; P3. P ( ) = 0; P4. A, B K, A B = : P (A B) = P (A) + P (B); P5. A, B K, B A : P (A \ B) = P (A) P (B); P6. A K : P (A) + P (Ā) = ; P7. A, B K, B A : P (B) P (A). Primele trei proprietăţi sunt evidente. Demonstrăm proprietatea P4. Dacă din cele n cazuri posibile, m sunt favorabile lui A şi p favorabile lui B, atunci P (A) = m n, P (B) = p n.
14 4 Câmp de probabilitate Dacă A B =, atunci numărul cazurilor favorabile lui A B este m + p, deci rezultă proprietatea P4. Această proprietate poate fi extinsă în sensul că dacă A, A,..., A n K, evenimente incompatibile două câte două, adică A i A j =, i j, atunci n P ( A i ) = P (A i ). Demonstraţia rezultă utilizând metoda inducţiei matematice. Demonstrăm proprietatea P5. Scriem A = (A \ B) B şi atunci (A \ B) B =, deci, conform proprietăţii P4, P (A) = P ((A \ B) B) = P (A \ B) + P (B) P (A \ B) = P (A) P (B). Mai general, avem: A, B K : P (A \ B) = P (A) P (A B). (.) Într-adevăr, scriem A = (A \ B) (A B). Deoarece (A \ B) (A B) = avem, conform proprietăţii P4, P (A) = P (A \ B) + P (A B). Rezultă formula (.). Proprietatea P6 se obţine din P4 punând B = Ā, folosind P. Pentru a demonstra proprietatea P7 folosim P5. Dacă B A atunci P (A \ B) = P (A) P (B) 0 şi deoarece, conform P, P (A \ B) 0 rezultă proprietatea dorită. Definiţia..3 Un sistem finit de evenimente { E, K } asociat unei experienţe aleatoare cu un număr finit de cazuri egal posibile împreună cu probabilităţile acestor evenimente formează un câmp finit de probabilitate notat { E, K, P }. Odată introdusă noţiunea de probabilitate, putem defini două noţiuni importante în teoria probabilităţilor şi anume noţiunea de probabilitate condiţionată şi de independenţă în probabilitate a evenimentelor. Uneori trebuie să calculăm probabilitatea unui eveniment A legat de un eveniment B, în ipoteza că evenimentul B s-a realizat. Pentru aceasta restrângem mulţimea evenimentelor care realizează evenimentul A la cele care realizează şi evenimentul B, deci restrângem E la B. Pentru ca această restricţie să aibă sens este necesar ca evenimentul B să fie de probabilitate nenulă. Fie { E, K, P } un câmp finit de probabilitate şi A, B K, P (B) 0. Definiţia..4 Numim probabilitatea evenimentului A condiţionată de evenimentul B (notat P B (A) sau P (A B)) probabilitatea de realizare a evenimentului A în ipoteza că evenimentul B s-a realizat, probabilitate definită prin P (A B) = P (A B). (.) P (B) Observaţia..5 Fie m numărul cazurilor favorabile lui B, p numărul cazurilor favorabile lui A şi q favorabile lui A B. Din cele m cazuri favorabile lui B, q sunt favorabile
15 Câmp de probabilitate 5 şi lui A sau, ceea ce este acelasi lucru, din cele p cazuri favorabile lui A, q sunt favorabile şi lui B. Avem P (B) = m n, P (A) = p n, P (A B) = q n. În ipoteza că B s-a realizat, rămân m cazuri posibile, din care q favorabile lui A. Deci P (A B) = q m = q n m n = P (A B). P (B) Aceasta ar putea constitui o justificare a relaţiei (.). Observaţia..6 Dacă presupunem că P (A) 0, atunci P (B A) = P (A B). (.3) P (A) Observaţia..7 Din relaţiile (.) şi (.3) reţinem P (A B) = P (B)P (A B) şi P (A B) = P (A)P (B A). Fie { E, K, P } un câmp finit de probabilitate şi A, B K. Definiţia..5 Evenimentele A şi B sunt independente (în probabilitate) dacă probabilitatea ca unul să se realizeze nu depinde de faptul că celălalt s-a realizat sau nu, altfel spus P (A B) = P (A)P (B). (.4) Teorema.. Evenimentele A şi B cu P (A)P (B) 0 sunt independente dacă şi numai dacă are loc una din relaţiile: a) P (B A) = P (B); b) P (A B) = P (A); c) P (B Ā) = P (B); d) P (A B) = P (A). Demonstraţie. Arătăm că cele patru relaţii sunt echivalente cu relaţia (.4) din definiţie. În acest fel se justifica şi sensul Definiţiei..5. Presupunem că are loc a). Atunci, deoarece P (B A) = P (A B) P (A) rezultă P (A B) = P (A)P (B), adică (.4).
16 6 Câmp de probabilitate Reciproc, dacă P (A B) = P (A)P (B) şi deoarece P (B A) = P (A B) P (A) = P (A)P (B) P (A) = P (B) rezultă a). Cum relaţia (.4) este simetrică în A şi B, rezultă că (.4) este echivalentă cu b). Demonstrăm că P (Ā B) = P (Ā)P (B) (.5) este echivalentă cu (.4). Într-adevăr, dacă P (Ā B) = P (Ā)P (B) atunci deoarece Ā B = B \ A avem P (B \ A) = P (Ā)P (B) sau echivalent cu P (B) P (A B) = ( P (A))P (B) P (B) P (A B) = P (B) P (A)P (B), deci (.4). Invers, presupunem (.4) şi luăm în locul lui A pe Ā. Vom avea P (Ā B) = P (Ā)P (B), adică (.5). Deci c) este echivalent cu (.5) care este echivalent cu (.4), rezultă că c) este echivalent cu (.4). Echivalenţa lui d) cu (.4) rezultă în mod analog. Definiţia..6 Date evenimentele A, A,..., A n, vom spune că sunt independente dacă probabilitatea oricărei intersecţii finite de evenimente este egală cu produsul probabilităţilor evenimentelor intersectate, adică dacă P (A i A i... A ik ) = P (A i )P (A i )... P (A ik ) oricare ar fi i i... i k n. Observaţia..8 Din definiţie rezultă că dacă trei evenimente sunt independete două câte două nu rezultă că sunt independente în totalitatea lor. Exemplul lui S.N.Bernstein ne va ilustra acest lucru. Considerăm un tetraedru omogen cu feţele colorate astfel: una în alb, una în negru, una în roşu şi a patra în toate cele trei culori. Aruncând tetraedrul pe o masă el se asează pe una din feţe; ne interesează probabilitatea apariţei fiecărei culori şi independenţa evenimentelor corespunzătoare. Notăm cu A evenimentul care constă în apariţia culorii albe, A evenimentul care constă în apariţia culorii negre şi A 3 evenimentul care constă în apariţia culorii roşii. Avem: P (A ) = P (A ) = P (A 3 ) = deoarece pentru fiecare culoare sunt patru cazuri posibile şi două favorabile (faţa cu culorea respectivă şi faţa cu cele trei culori). Se constată că P (A A ) = P (A A 3 ) = P (A A 3 ) = 4, dar P (A A A 3 ) = 4 P (A )P (A )P (A 3 ) = 8.
17 Câmp de probabilitate 7.3 Metode de numărare Calculul probabilităţilor conduce adesea la numărarea diferitelor cazuri posibile. Capitolul din algebră referitor la permutări, aranjamente şi combinări este foarte util în această situaţie. Principiul multiplicării. Presupunem că avem două situaţii A şi B, situaţia A se poate realiza în m moduri, iar situaţia B în k moduri. Numărul de moduri în are se poate realiza A şi B este m k. Mai general, presupunem că avem r situaţii. În prima situaţie putem face m alegeri, în a doua m,..., în a r-a situaţie m r alegeri, deci în total m m... m r. Exemplul.3. Care este numărul situaţiilor care apar aruncând două zaruri? Pentru primul zar sunt 6 situaţii, pentru al doilea 6 situaţii, în total 6 6 situaţii. În continuare vom face distincţie între o mulţime cu o ordine determinată de dispunere a elementelor sale, numită mulţime ordonată şi o mulţime în care nu ne interesează ordinea elementelor. Permutări: Fie o mulţime A cu n elemente. Elementele acestei mulţimi se pot ordona în mai multe moduri. Fiecare mulţime ordonată care se formează cu cele n elemente ale mulţimii A se numeşte permutare a elementelor acelei mulţimi. Numărul permutărilor cu n elemente este n! =... n. Aranjamente: Fie o mulţime A cu n elemente. Submulţimile ordonate ale lui A, având fiecare câte k elemente, 0 k n, se numesc aranjamente de n luate câte k. Numărul aranjamentelor de n luate câte k se notează A k n = n(n )... (n k + ). Exemplul.3. În câte moduri este posibil să facem un steag tricolor dacă avem la dispoziţe pânză de steag de cinci culori diferite? Două steaguri tricolore care au aceleaşi culori se deosebesc dacă ordinea culorilor este diferită. Deci ne interesează câte submulţmi de câte trei elemente se pot forma cu elementele unei mulţimi de cinci elemente, în submulţmi interesându-ne ordinea elementelor. Deci sunt A 3 5 = = 60. Combinări: Fie o mulţime A cu n elemente. Submulţimile lui A având fiecare câte k elemente, 0 k n, în care nu ne interesează ordinea elementelor, se numesc combinări de n luate câte k. Numărul combinărilor de n luate câte k se notează Cn k = Ak n k!. Exemplul.3.3 Pentru un joc, cinci fete şi trei băieţi trebuie să formeze două echipe de câte patru persoane. În câte moduri se pot forma echipele? În total sunt 8 copii cu ajutorul cărora trebuie făcute două grupe a câte patru copii. Studiem în câte moduri se poate forma o grupă de 4, cealaltă formându-se din copiii rămaşi. Nu interesează numărul de fete sau de băieţi din grupă şi nici ordinea lor, ci numai numărul de grupe care se pot forma. Acest număr este C C 3 5 C 3 + C 5 C 3 + C 5 C 3 3 = C 4 8 = 70.
18 8 Câmp de probabilitate.4 Moduri de selectare a elementelor Presupunem că o urnă conţine m bile, marcate de la la m, din care se extrag n bile în anumite condiţii. Vom număra, în fiecare situaţie, numărul cazurilor posibile. Evident n m.. Selectare cu întoarcerea bilei extrase în urnă şi ordonare. Extragem n bile pe rând, fiecare bilă fiind pusă înapoi în urnă înainte de următorea extragere, însemnând numărul bilelor în ordinea în care apar (interesează ordinea bilelor în n-uplul extras). Conform principiului multiplicării, în care m = m =... = m n = m, numărul n-uplurilor este m n.. Selectare fără întoarcerea bilei în urnă şi cu ordonare. Procedăm ca şi în cazul întâi, dar după fiecare extragere bila obţinută este pusă la o parte, această operaţie fiind echivalentă cu extragerea simultană din urnă a n bile. Obţinem n-upluri (a, a,..., a n ). Regula de multiplicare se aplică astfel: pentru a avem m posibilităţi, pentru a avem m posibilităţi,...,pentru a n avem m n + posibilităţi, în total m (m )... (m n + ) = A n m. Caz particular: dacă m = n, atunci numărul cazurilor posibile este n!. 3. Selectare cu întoarcerea bilei în urnă şi fără ordonare. Extragem n bile, una după alta, fiecare fiind repusă în urnă înainte de a realiza următoarea extragere. Nu ţinem seama de ordinea bilelor în mulţimea formată. Pot exista şi repetiţii. Numărul cazurilor posibile este C n n+m, deoarece ar fi ca şi cum am extrage simultan dintr-o urnă care conţine n + m bile (numerotate de la la m, unele din ele putându-se repeta) n bile, fără să ne intereseze ordinea. După ultima extragere secvenţială în urnă vor rămâne m bile. 4. Selectare fără întorcerea bilei şi fără ordonare. Bilele sunt extrase una după alta, fără a pune bila extrasă înapoi; este acelaşi lucru cu a spune că extragem n bile dintr-o dată şi formăm submulţimi de n elemente, în total C n m. Caz particular: determinarea numărului de permutări a m elemente care se disting prin grupuri de culori, adică avem m elemente de culoarea c, m elemente de culoarea c,..., m r elemente de culoarea c r. Culorile sunt distincte, dar bilele de aceeaşi culoare nu se disting între ele. m + m m r = m. Numărul cazurilor posibile : C m m moduri de alegere a poziţiilor bilelor de culoare c, C m m m moduri de alegere a poziţiilor bilelor de culoare c,..., C m r m m... m r moduri
19 Câmp de probabilitate 9 de alegere a poziţiilor bilelor de culoarea c m (de fapt m m m... m r = m r şi avem, de fapt, o singură posibilitate), în total, ţinând seama de regula multiplicării, C m m C m m m... C m r m m... m r = = = m! m! (m m )! (m m )! m! (m m m )!... (m m... m r )! (m m... m r )! m r! = m! m! m!... m r!..5 Definiţia axiomatică a probabilităţii Noţiunile de probabilitate şi de câmp finit de probabilitate se pot prezenta şi sub formă axiomatică. Definiţia.5. Se numeşte probabilitate (măsură de probabilitate) o funcţie definită pe un câmp finit de evenimente { E, K } cu valori reale care satisface următoarele axiome: a) P (A) 0, A K; b) P (E) = ; c) P (A B) = P (A) + P (B) A, B K, A B =. Observaţia.5. Axioma c) din definiţie se extinde prin recurenţă la orice număr finit de evenimente incompatibile două câte două, deci dacă A i A j =, i j, i, j =, n, atunci n P ( A i ) = P (A i ). Definiţia clasică a probabilităţii satisface toate axiomele definiţiei date şi, de asemenea, oricare din proprietăţile prezentate anterior pentru probabilitate poate fi obţinută din definiţia axiomatică. Într-adevăr, P. P ( ) = 0. Deoarece E = E şi P ( ) = 0. P. P (A \ B) = P (A) P (A B). E = rezultă că P (E ) = P (E) + P ( ), adică Deoarece (A\B) (A B) = A şi (A\B) (A B) = rezultă P (A\B)+P (A B) = P (A). P3. Pentru orice A, B K, A B are loc relaţia P (A) P (B). Într-adevăr, ţinând seama de P şi de faptul că A B avem 0 P (B \ A) = P (B) P (B A) = P (B) P (A). Deci P (B) P (A) 0 sau P (B) P (A).
20 0 Câmp de probabilitate P4. Pentru orice A K are loc inegalitatea 0 P (A). Într-adevăr, A E şi, folosind P3, avem P ( ) P (A) P (E) sau 0 P (A). Definiţia.5. Se numeşte câmp finit de probabilitate un câmp finit de evenimente {E, K} pe care am definit o probabilitate P. Se notează {E, K, P }. Observaţia.5. Definiţiile probabilităţilor condiţionate şi a independenţei evenimentelor rămân aceleaşi şi atunci când construirea teoriei pobabilităţilor se realizează folosind metoda axiomatică. Observaţia.5.3 Dacă E este reuniune finită de evenimente elementare, fie E = {A, A,..., A n }, atunci orice eveniment A K, A pote fi scris ca o reuniune finită de evenimente elementare, conform P3 din Capitolul., adică A = A i A i... A ik, unde A ij este un eveniment elementar, j =, k. Atunci conform Observaţiei.5. obţinem P (A) = P (A i ) P (A ik ). Deci pentru a cunoaşte probabilitatea unui eveniment oarecare din K este suficient să cunoaştem probabilitatea tuturor evenimentelor elementare care-l compun. Probabilitatea unui astfel de eveniment A este suma probabilităţilor evenimentelor elementare ce-l compun. Evident, probabilităţile evenimentelor elementare satisfac condiţiile P (A i ) 0, i =, n, (.6) P (A ) + P (A ) P (A n ) = P (E) =. (.7) Deci, fiind date toate evenimentele elementare care compun E, familia K este perfect determinată şi deci câmpul de probabilitate mai depinde de alegerea a n numere (probabilităţile evenimentelor elementare) care satisfac condiţiile (.6) şi (.7). În cazul particular când evenimentele elementare sunt echiprobabile P (A ) = P (A ) =... = P (A n ) = n, şi dacă A = A i A i... A in, obţinem P (A) = k, deci ajungem astfel la definiţia n clasică a probabilităţii. Observaţia.5.4 În definiţia axiomatică a probabilităţii condiţia pusă cazurilor posibile de a fi egal probabile este superfluă. Un exemplu celebru, dat de D Alembert, ilustrează aceasta. Se aruncă două monede simultan. Există trei cazuri posibile care nu sunt echiprobabile: A evenimentul ca pe ambele monede să apară banul, B evenimentul ca pe ambele monede să nu apară banul, C evenimentul ca pe una din monede să apară banul, iar pe cealaltă nu. Probabilităţile evenimentelor A, B, C nu sunt /3. P (A) = 4, P (B) = 4, P (C) =,
21 Câmp de probabilitate deoarece evenimentul C este compus din două situaţii: pe una din monede să apară banul iar pe cealată nu, şi invers. Cele două cazuri care compun evenimentul C ar fi evidente dacă monedele nu s-ar arunca simultan, ci una după alta. Cele două monede pot fi nedistinse din punct de vedere fizic şi deci cele trei cazuri prezentate de D Alembert sunt de fapt cele trei cazuri care se pot distinge..6 Formule probabilistice Probabilitatea unei reuniuni de evenimente. Dacă {E, K, P } un câmp finit de probabilitate atunci oricare ar fi A, B K are loc relaţia P (A B) = P (A) + P (B) P (A B). (.8) Facem observaţia că vom demonstra formulele folosind definiţia axiomatică a probabilităţii. Deoarece A B = A (B \ A) şi A (B \ A) =, avem P (A B) = P (A (B \ A)) = P (A) + P (B \ A) dar, conform proprietăţii P din Capitolul.5, P (B \ A) = P (B) P (B A) şi deci rezultă (.8). Relaţia se poate extinde şi în cazul a n evenimente n P ( A i ) = n P (A i ) P (A i A j ) ( ) n P ( A i ). (.9) i,j=,i<j Demonstraţia se face prin inducţie matematică după n. Pentru n = relaţia este demonstrată. Presupunem formula adevărată pentru n şi o demonstrăm pentru n +. n+ P ( A i ) = P (( n n n A i ) A n+ ) = P ( A i ) + P (A n+ ) P (( A i ) A n+ ) = = n P (A i ) P (A i A j ) ( ) n P ( A i ) i,j=,i<j P (A i An+ )+ n+ i,j=,i<j + n+ i,j=, i<j n+ n+ P (A i A j A n+ ) ( ) n P ( A i ) = P (A i ) P (A i A j ) i<j<k6n+ n+ P (A i A j A k ) ( ) n+ P ( A i ).
22 Câmp de probabilitate Probabilitatea unei intersecţii. Fie {E, K, P } un câmp finit de evenimente. Oricare ar fi A, B K are loc relaţia P (A B) = P (A B). P (B) Relaţia de mai sus rezultă din (.). Ea poate fi folosită pentru a calcula probabilitatea unei intersecţii: P (A B) = P (B)P (A B). Când folosim această formulă la rezolvarea unei probleme trebuie să considerăm evenimentele A şi B într-o ordine convenabil aleasă, dat fiind că se poate utiliza, datorită echivalenţei demonstrate, relaţia P (A B) = P (A)P (B A). Formula se poate extinde şi în cazul a n evenimente A, A,..., A n, cu P ( k =, n, sub forma k A i ) 0, n P ( A i ) = P (A )P (A A )P (A 3 (A A ))... P (A n (A A... A n )). (.0) Într-adevăr, folosind definiţia probabilităţii condiţionate, obţinem P (A ) = P (A ), P (A A ) = P (A A ), P (A ) P (A 3 (A A )) = P (A A A 3 ), P (A A )... P (A n (A A... A n )) = P (A A... A n ) P (A A... A n ). Înmulţind relaţiile membru cu membru şi făcând simplificările corespunzătoare, obţinem (.0). Observaţia.6. Dacă evenimentele A şi B nu sunt independente, atunci din P (A B) = P (A) + P (B) P (A B), rezultă 0 P (A B), P (A B) P (A) + P (B)
23 Câmp de probabilitate 3 sau, notând p = P (A), p = P (B), p = P (A B) atunci p p + p. Această inegalitate poartă numele de inegalitatea lui Boole şi dă o margine inferioară pentru probabilitatea intersecţiei a două evenimente. Se poate demonstra, mai general, p...n p + p p n (n ), n unde p i = P (A i ), i =, n, p...n = P ( A i ). Formula probabilităţii totale. Fie {E, K, P } un câmp finit de evenimente, {A, A,..., A n }, A i K, i =, n, un sistem complet de evenimente şi B un eveniment oarecare, B K. Atunci P (B) = P (A i )P (B A i ). (.) Într-adevăr, deoarece E = n A i putem scrie n B = B E = B ( A i ) = şi cum pentru i j, A i A j = atunci avem P (B) = P (B A i ) = n (B A i ) P (A i )P (B A i ). Formula lui Bayes. Fie {E, K, P } un câmp finit de evenimente şi {A, A,..., A n }, A i K, i =, n un sistem complet de evenimente şi B un eveniment oarecare. Atunci P (A i B) = P (B A i)p (A i ). (.) P (A j )P (B A j ) j= În condiţiile date prin ipoteză are loc formula probabilităţii totale şi ţinând seama de (.) obţinem P (A i B) = P (B A i) = P (B A i)p (A i ) P (B) P (A j )P (B A j ) Exemplul.6. Controlul de calitate.presupunem că într-o cutie sunt 550 de piese, din care % sunt defecte. Care este probabilitatea ca alegând 5 de piese, acestea să conţină două piese defecte. Acesta este principiul testării produselor prin selecţii aleatoare. Problema poate fi rezolvată într-un caz general. Presupunem că avem k piese defecte din m piese, k m. Care este probabilitatea ca alegând n piese, dintre acestea j să fie defecte? j=
24 4 Câmp de probabilitate Putem alege cele n piese dintre cele m(m n), fără să ne intereseze ordinea pieselor, în Cm n moduri. Câte din acestea vor conţine j piese defecte? Putem alege cele j piese defecte, din cele k, în C j k moduri, iar celelalte n j care nu sunt defecte în Cn j m k moduri. Probabilitatea căutată va fi C n j m k Cj k C n m. (.3) În cazul nostru, m = 550, k =, n = 5, j =, astfel încât probabilitatea căutată va fi C C C = 0,. Dacă însumăm probabilităţile (.3) după j, 0 j n, rezultatul va fi, deoarece au fost luate în considerare toate posibilităţile. Am demonstrat formula cu argumente probabilistice. k j=0 C j k Cn j m k = Cn m Exemplul.6. Dacă se amestescă un pachet de cărţi, care este probabilitatea ca cei patru aşi să apară unul după altul? Sunt 5 de cărţi dintre care patru aşi. Un rezultat posibil al experienţei este o înşiruire de 5 de cărţi, adică o permutare a celor 5 de cărţi. Sunt 5! cazuri posibile. În câte din aceste cazuri cei patru aşi se găsesc unul după altul? Cei patru aşi pot apare consecutiv în 49 4! moduri. Restul de 48 de cărţi se pot aranja în 48! moduri. Folosind principiul multiplicării, numărul cazurilor favorabile va fi 4! 49 48!. Probabilitatea căutată va fi 49! 4 5! = 0, Exemplul.6.3 Urna U conţine două bile roşii şi patru albe, urna U conţine o bilă roşie şi două albe iar urna U 3 conţine cinci bile roşii şi patru bile albe. Fie A i evenimentul de a extrage o bilă dintr-o urnă oarecare U i, i =, 3. Presupunem că probabilitatea de a extrage o bilă din urna U i este P (A ) = /3, din U este P (A ) = /6 şi din U 3, P (A 3 ) = /. Se cere probabilitatea de a extrage o bilă roşie. Fie R evenimentul de a extrage o bilă roşie. Observăm că P (R) depinde în primul rînd de urna din care s-a făcut extragerea şi apoi de structura urnei din care am făcut extragerea, adică R este reuniunea evenimentelor disjuncte A R, A R, A 3 R. Facem observaţia că A, A, A 3 formează un sistem complet de evenimente. Astfel P (R) = P ( 3 (A i R)) = 3 P (A i R) = 3 P (A i )P (R A i ) = 4 9 Presupunem acum că rezultatul experienţei este o bilă roşie, dar nu ştim din ce urnă provine. Dorim să calculăm probabilitatea ca bila roşie să provină din urna U, adică P (A R). Conform formulei lui Bayes P (A R) = P (A )P (R A ) P (R) = 4.
25 Câmp de probabilitate 5 La fel P (A R) = 8 P (A 3 R) = 5 8. Observăm că probabilităţile condiţionate P (A R), P (A R), P (A 3 R) s-au modificat faţă de probabilităţile iniţiale P (A ), P (A ), P (A 3 ) într-un mod care confirmă intuiţia, adică dacă s-a extras o bilă roşie, probabilitatea ca să aparţină urnei U 3 este mai mare deoarece U 3 are un procent mai ridicat de bile roşii şi, de asemenea, probabilitatea de a selecta o bilă roşie din U 3 este mai mare decât din U sau U. Adesea P (A ), P (A ), P (A 3 ) se numesc probabilităţi apriori, iar P (A R), P (A R), P (A 3 R) se numesc probabilităţi aposteriori. Exemplul.6.4 Un canal transmite semnale sub formă de şiruri formate din cifrele 0 şi. În canal pot apare perturbări care produc erori, astfel încât în loc de apare 0 sau invers. Să presupunem că prin B şi B înţelegem evenimentele care constau în transmiterea cifrelor, respectiv 0, iar recepţionarea cifrelor şi 0 le considerăm ca fiind evenimentele aleatoare A şi respectiv A. Probabilităţile apriori pentru transmiterea lui sau 0 sunt P (B ) = p P (B ) = p = q iar probabilitatea de a recepţiona 0, dacă s-a transmis, este egală cu q 0, pe când probabilitatea de a recepţiona, dacă s-a transmis 0, este q 0. Să calculăm probabilităţile aposteriori P (B j A k ), j, k =,. Conform formulei lui Bayes avem P (B j A k ) = P (A k B j )P (B j ), j, k =,. P (B )P (A k B ) + P (B )P (A k B ) Deoarece avem P (A B ) = q 0, P (A B ) = q 0 şi notând p 0 = q 0, p 0 = q 0 se deduce P (B A ) = P (B A ) = Să observăm că iar pp 0 pp 0 + ( p)( p 0 ), P (B A ) = ( p)( p 0 ) pp 0 + ( p)( p 0 ), P (B A ) = p( p 0 ) p( p 0 ) + ( p)p 0, ( p)p 0 p( p 0 ) + ( p)p 0. P (A ) = P (B )P (A B ) + P (B )P (A B ) = pp 0 + ( p)( p 0 ), P (A ) = P (B )P (A B ) + P (B )P (A B ) = p( p 0 ) + ( p)p 0 = P (A ). În particular, în ipoteza că este vorba de un canal simetric (q 0 = q 0 şi deci p 0 = p 0 ), iar p = q = se deduce P (A ) = pp 0 + ( p)( p 0 ) =, P (A ) = p( p 0 ) + ( p)p 0 = ceea ce era previzibil. P (B A ) = P (B A ) = p 0, P (B A ) = P (B A ) = p 0.
26 6 Câmp de probabilitate Exemplul.6.5 Demonstrăm că dacă A i, i I, I o mulţime finită de indici, {A i } i I formează un sistem complet de evenimente, atunci P (( i I A i ) A) = i I P (A i A). (.4) Pornind de la membrul întâi P (( i I A i ) A) P ( i I(A i A)) P (( i I A i ) A) = P (A) = P (A) şi ţinând seama de obţinem P (( i I A i ) A)) = (A i A) (A j A) =, i, j I, i j, P (A i A) i I P (A) = P (A i A)P (A) i I P (A) = i I P (A i A). Exemplul.6.6 Fie I o mulţime finită de indici, {A i } i I un sistem complet de evenimente şi A, B două evenimente oarecare. Atunci P ( (A A i ) B) = i I i I P (A (A i B))P (A i B) (.5) Folosim formula (.4) obţinem P (A A i B) P ( (A A i ) B) = i I i I P ((A A i ) B) = i I P (B) = P (A (A i B))P (A i B) P (A (A i B))P (A i B)P (B) = i I P (B) = i I P (B) = = i I P (A (A i B))P (A i B)..7 Scheme clasice de probabilitate Schema lui Poisson. Se dau n urne U, U,..., U n care conţin bile albe şi bile negre în proporţii date, deci cunoaştem probabilităţile p i, i =, n, cu care este extrasă o bilă albă din urna U i. Se cere probabilitatea de a extrage k bile albe şi n k bile negre, atunci când din fiecare urnă se extrage câte o bilă.
27 Câmp de probabilitate 7 Notăm cu A i evenimentul extragerii unei bile albe din urna U i. Notăm şi B k evenimentul care constă în extragerea a k bile albe şi n k bile negre, adică B k = (A... A k Āk+ Ān) (A... Āk A k+ Āk+... Ān) (Ā... Ān k A n k+... A n ), numărul parantezelor fiind C k n. Un eveniment A i... A ik Āi k+... Āi n se realizează, ţinând seama că evenimentele sunt independente, cu probabilitatea p i... p ik q ik+... q in indicii i, i..., i n reprezentând o permutare a indicilor,,..., n, iar litera p apare de k ori cu indici diferiţi, iar q de n k ori cu indici care nu apar în p. Se observă că după aceiaşi regulă se calculează coeficientul lui x k din polinomul P (x) = (p x + q )(p x + q )... (p n x + q n ). Schema lui Poisson permite rezolvarea problemelor în care se cere probabilitatea realizării de k ori a unor evenimente A, A,..., A n atunci când se repetă de n ori aceste experienţe, presupuse independente, când cunoaştem P (A i ) = p i, i =, n. Exemplul.7. Într-un atelier sunt trei maşini. Prima dă 0,9 % rebut, a doua % şi a treia,3 %. Se ia la întâmplare câte o piesă de la fiecare maşină. Se cere probabilitatea ca două din piese să fie bune şi una rebut. Coeficientul lui x este p = 0, 99, q = 0, 00, p = 0, 99, q = 0, 0, p 3 = 0, 987, q 3 = 0, 03,. P (x) = (0, 99x + 0, 009)(0, 99x + 0, 0)(0, 987x + 0, 03). 0, 99 0, 99 0, , 99 0, 987 0, 987 0, , 99 0, 987 0, 0 = 0, 033. Schema lui Bernoulli. Presupunem că în schema lui Poisson urnele U, U,..., U n sunt identice. Atunci putem lua p = p =... = p n = p, q = q =... = q n = q Probabilitatea extragerii a k bile albe se va obţine calculând coeficientul lui x k din polinomul P (x) = (px + q) n, adică va fi C k np k q n k. Recunoaştem în această expresie termenul general al ridicării la puterea n a binomului px+ q. Pentru acest motiv schema se mai numeşte binomială. Deoarece urnele sunt identice,
28 8 Câmp de probabilitate putem considera că toate extragerile se fac dintr-o singură urnă, bila extrasă punându-se în urnă după fiecare extragere. Obţinem astfel schema lui Bernoulli. Probabilitatea de a extrage k bile albe din n extrageri dintr-o urnă, punându-se de fiecare dată bila înapoi, este P n,k = C k np k q n k, unde p este probabilitatea oţinerii unei bile albe dintr-o singură extragere şi q = p. Schema lui Bernoulli se mai numeşte shema bilei revenite (întoarse). Exemplul.7. Se aruncă un zar de 5 ori. Se cere probabilitatea ca faţa cu un punct să apară exact de două ori. Avem: p = 6, q = 5, n = 5, k =, 6 P 5, = C 5( 6 ) ( 5 6 )3 = 0, 6. Schema lui Bernoulli cu mai multe stări. Fie o urnă care conţine bile de m culori c, c,..., c m iar p i probabilitatea ca la o extragere să obţinem o bilă de culoarea c i. Probabilitatea ca în n extrageri să obţinem n bile de culoarea c, n bile de culoarea c,..., n m bile de culoarea c m (n + n n m = n) este n! n! n!... n m! pn p n... p nm m. Această schemă rezolvă problemele în care se cere probabilitatea ca în n efectuări ale experienţei evenimentul A i să se realizeze de n i ori, A, A,..., A m fiind un sistem complet de evenimente şi P (A i ) = p i, i =, m. Presupunem că în cele n efectuări ale experienţei s-au obţinut succesiv A... A }{{} A... A... A }{{} m... A m. }{{} n n m Acest eveniment se produce cu probabilitatea n p... p }{{} p... p... p }{{} m... p m. }{{} n n m n Acelaşi rezultat îl obţinem pentru orice altă ordine stabilită dinainte în care A i apare de n i ori. Rămăne să vedem în câte moduri putem scrie cele n simboluri, dintre care n egale cu A, n cu A,..., n m cu A m. C n n C n n n C n 3 n n n... C n m n n n...n m = = n! (n n )! n! (n n )! n! (n n n )!... (n n... n m )! n m! (n n... n nm )! = = n! n!... n m!.
29 Câmp de probabilitate 9 Exemplul.7.3 Se aruncă un zar de 5 ori. Care este probabilitatea ca exact de două ori să apară faţa cu un punct şi exact de ori să apară faţa cu două puncte? Avem: n = 5, n =, n =, n 3 =, P 4,,, = p = 6, p = 6, p 3 = 3, 5!!!! ( 6 ) ( 6 ) ( 3 ) = Schema hipergeometrică. O urnă conţine a bile albe şi b bile negre. Din această urnă se extrag n bile (n a + b) pe rând, fără a pune bila extrasă înapoi în urnă (ceea ce este echivalent cu a extrage n bile deodată). Se cere probabilitatea ca din cele n bile extrase, k să fie albe (k a) şi n k negre (n k b). Pentru a calcula acestă probabilitate vom stabili numărul cazurilor posibile şi numărul cazurlor favorabile. Numărul cazurilor posibile este: Ca+b n. Numărul cazurilor favorabile: un grup de k bile albe dintr-un total de a bile albe poate fi luat în Ca k moduri; un grup de n k bile negre din totalul de b bile negre poate fi obţinut în C n k b moduri. Un grup de k bile albe şi n k bile negre poate fi obţinut, conform principiului multiplicării, în CaC k n k b moduri. Probabilitatea căutată este CaC k n k b. Ca+b n Exemplul.7.4 La o tombolă sunt 400 bilete dintre care 4 câştigătoare. O persoană cumpără 0 bilete. Care este probabilitatea să nu se găsească nici un bilet câştigător? Avem a = 4, b = 396, k = 0, n k = 0, n = 0, p = C0 4C C = 0, 903. În general, dacă urna conţine a i bile de culoarea c i, i =, m, probabilitatea de a obţine n bile de culoarea c, n bile de culoarea c,..., n m bile de culoarea c m când facem n = n + n n m extracţii, este egală cu C n a C n a... C n m am. Ca n +a +...+a m Exemplul.7.5 O urnă conţine 7 bile albe, 7 bile negre şi 6 verzi. Se extrag 9 bile. Care este probabilitatea să obţinem câte 3 de fiecare culoare? Avem a = 7, a = 7, a 3 = 6, n = 3, n = 3, n 3 = 3, p = C3 7C 3 7C 3 6 C 9 0 = 0, 45.
30 30 Câmp de probabilitate.8 Câmp infinit de probabilitate În numeroase cazuri practice nu este cu putinţă să evaluăm numărul cazurilor egal posibile şi al celor favorabile pentru determinarea probabilităţii evenimentului care ne interesează. Asemenea situaţii apar în studiul fenomenelor economice şi sociale, în efectuarea controlului statistic al producţiei etc. Deci definiţia clasică a probabilităţii nu este satisfăcătoare când mulţimea evenimentelor elementare este infinită. În acest caz definim câmpul infinit de evenimente astfel : Definiţia.8. O mulţime de evenimente { E, K },K, se numeşte câmp infinit de evenimente dacă : a) A K Ā K; b) (A n ) n IN K n IN A n K. Consecinţe care rezultată din definiţie : C. K şi E K. Într-adevăr, deoarece K A K Ā K A Ā K E K E K Ē K K. C. Orice reuniune finită de evenimente din K este în K. Într-adevăr, fie A, A,..., A n K şi luăm A i = pentru i > n. n A i = A i K Conform b), C3. Orice intersecţie (finită sau numărabită) de elemente din K este de asemenea în K. Fie I o mulţime de indici finită sau numărabilă i I A i = i I Ā i K i I A i K C4. Dacă A, B K atunci A \ B K (deoarece A \ B = A B K). C5. Dacă (A n ) n IN K atunci lim inf A n K; lim sup A n K. n n Ţinem seama de definiţia limitei inferioare, respectiv superioare, de consecinţele C, C3 şi obţinem lim inf n = ( A k ) K; n= k=n lim sup n = ( A k ) K. n= k=n
Curs 10 Funcţii reale de mai multe variabile reale. Limite şi continuitate.
Curs 10 Funcţii reale de mai multe variabile reale. Limite şi continuitate. Facultatea de Hidrotehnică Universitatea Tehnică "Gh. Asachi" Iaşi 2014 Fie p, q N. Fie funcţia f : D R p R q. Avem următoarele
Διαβάστε περισσότεραCâmp de probabilitate II
1 Sistem complet de evenimente 2 Schema lui Poisson Schema lui Bernoulli (a bilei revenite) Schema hipergeometrică (a bilei neîntoarsă) 3 4 Sistem complet de evenimente Definiţia 1.1 O familie de evenimente
Διαβάστε περισσότεραMetode iterative pentru probleme neliniare - contractii
Metode iterative pentru probleme neliniare - contractii Problemele neliniare sunt in general rezolvate prin metode iterative si analiza convergentei acestor metode este o problema importanta. 1 Contractii
Διαβάστε περισσότεραCurs 14 Funcţii implicite. Facultatea de Hidrotehnică Universitatea Tehnică "Gh. Asachi"
Curs 14 Funcţii implicite Facultatea de Hidrotehnică Universitatea Tehnică "Gh. Asachi" Iaşi 2014 Fie F : D R 2 R o funcţie de două variabile şi fie ecuaţia F (x, y) = 0. (1) Problemă În ce condiţii ecuaţia
Διαβάστε περισσότεραCurs 4 Serii de numere reale
Curs 4 Serii de numere reale Facultatea de Hidrotehnică Universitatea Tehnică "Gh. Asachi" Iaşi 2014 Criteriul rădăcinii sau Criteriul lui Cauchy Teoremă (Criteriul rădăcinii) Fie x n o serie cu termeni
Διαβάστε περισσότεραCurs 1 Şiruri de numere reale
Bibliografie G. Chiorescu, Analiză matematică. Teorie şi probleme. Calcul diferenţial, Editura PIM, Iaşi, 2006. R. Luca-Tudorache, Analiză matematică, Editura Tehnopress, Iaşi, 2005. M. Nicolescu, N. Roşculeţ,
Διαβάστε περισσότεραI3: PROBABILITǍŢI - notiţe de curs
I3: PROBABILITǍŢI - notiţe de curs Ştefan Balint, Eva Kaslik, Simina Mariş Cuprins Experienţǎ şi evenimente aleatoare 3 2 Eveniment sigur. Eveniment imposibil 3 3 Evenimente contrare 4 4 Evenimente compatibile.
Διαβάστε περισσότεραI3: PROBABILITǍŢI - notiţe de curs
I3: PROBABILITǍŢI - notiţe de curs Ştefan Balint, Eva Kaslik, Simina Mariş Cuprins Experienţǎ şi evenimente aleatoare 3 2 Eveniment sigur. Eveniment imposibil 3 3 Evenimente contrare 4 4 Evenimente compatibile.
Διαβάστε περισσότεραCurs 2 Şiruri de numere reale
Curs 2 Şiruri de numere reale Facultatea de Hidrotehnică Universitatea Tehnică "Gh. Asachi" Iaşi 2014 Convergenţă şi mărginire Teoremă Orice şir convergent este mărginit. Demonstraţie Fie (x n ) n 0 un
Διαβάστε περισσότερα(a) se numeşte derivata parţială a funcţiei f în raport cu variabila x i în punctul a.
Definiţie Spunem că: i) funcţia f are derivată parţială în punctul a în raport cu variabila i dacă funcţia de o variabilă ( ) are derivată în punctul a în sens obişnuit (ca funcţie reală de o variabilă
Διαβάστε περισσότεραV.7. Condiţii necesare de optimalitate cazul funcţiilor diferenţiabile
Metode de Optimizare Curs V.7. Condiţii necesare de optimalitate cazul funcţiilor diferenţiabile Propoziţie 7. (Fritz-John). Fie X o submulţime deschisă a lui R n, f:x R o funcţie de clasă C şi ϕ = (ϕ,ϕ
Διαβάστε περισσότεραFunctii definitie, proprietati, grafic, functii elementare A. Definitii, proprietatile functiilor X) functia f 1
Functii definitie proprietati grafic functii elementare A. Definitii proprietatile functiilor. Fiind date doua multimi X si Y spunem ca am definit o functie (aplicatie) pe X cu valori in Y daca fiecarui
Διαβάστε περισσότεραFunctii definitie, proprietati, grafic, functii elementare A. Definitii, proprietatile functiilor
Functii definitie, proprietati, grafic, functii elementare A. Definitii, proprietatile functiilor. Fiind date doua multimi si spunem ca am definit o functie (aplicatie) pe cu valori in daca fiecarui element
Διαβάστε περισσότερα5. FUNCŢII IMPLICITE. EXTREME CONDIŢIONATE.
5 Eerciţii reolvate 5 UNCŢII IMPLICITE EXTREME CONDIŢIONATE Eerciţiul 5 Să se determine şi dacă () este o funcţie definită implicit de ecuaţia ( + ) ( + ) + Soluţie ie ( ) ( + ) ( + ) + ( )R Evident este
Διαβάστε περισσότεραIII. Serii absolut convergente. Serii semiconvergente. ii) semiconvergentă dacă este convergentă iar seria modulelor divergentă.
III. Serii absolut convergente. Serii semiconvergente. Definiţie. O serie a n se numeşte: i) absolut convergentă dacă seria modulelor a n este convergentă; ii) semiconvergentă dacă este convergentă iar
Διαβάστε περισσότεραDISTANŢA DINTRE DOUĂ DREPTE NECOPLANARE
DISTANŢA DINTRE DOUĂ DREPTE NECOPLANARE ABSTRACT. Materialul prezintă o modalitate de a afla distanţa dintre două drepte necoplanare folosind volumul tetraedrului. Lecţia se adresează clasei a VIII-a Data:
Διαβάστε περισσότεραPlanul determinat de normală şi un punct Ecuaţia generală Plane paralele Unghi diedru Planul determinat de 3 puncte necoliniare
1 Planul în spaţiu Ecuaţia generală Plane paralele Unghi diedru 2 Ecuaţia generală Plane paralele Unghi diedru Fie reperul R(O, i, j, k ) în spaţiu. Numim normala a unui plan, un vector perpendicular pe
Διαβάστε περισσότεραAsupra unei inegalităţi date la barajul OBMJ 2006
Asupra unei inegalităţi date la barajul OBMJ 006 Mircea Lascu şi Cezar Lupu La cel de-al cincilea baraj de Juniori din data de 0 mai 006 a fost dată următoarea inegalitate: Fie x, y, z trei numere reale
Διαβάστε περισσότεραMARCAREA REZISTOARELOR
1.2. MARCAREA REZISTOARELOR 1.2.1 MARCARE DIRECTĂ PRIN COD ALFANUMERIC. Acest cod este format din una sau mai multe cifre şi o literă. Litera poate fi plasată după grupul de cifre (situaţie în care valoarea
Διαβάστε περισσότεραSERII NUMERICE. Definiţia 3.1. Fie (a n ) n n0 (n 0 IN) un şir de numere reale şi (s n ) n n0
SERII NUMERICE Definiţia 3.1. Fie ( ) n n0 (n 0 IN) un şir de numere reale şi (s n ) n n0 şirul definit prin: s n0 = 0, s n0 +1 = 0 + 0 +1, s n0 +2 = 0 + 0 +1 + 0 +2,.......................................
Διαβάστε περισσότεραa n (ζ z 0 ) n. n=1 se numeste partea principala iar seria a n (z z 0 ) n se numeste partea
Serii Laurent Definitie. Se numeste serie Laurent o serie de forma Seria n= (z z 0 ) n regulata (tayloriana) = (z z n= 0 ) + n se numeste partea principala iar seria se numeste partea Sa presupunem ca,
Διαβάστε περισσότεραSEMINAR 14. Funcţii de mai multe variabile (continuare) ( = 1 z(x,y) x = 0. x = f. x + f. y = f. = x. = 1 y. y = x ( y = = 0
Facultatea de Hidrotehnică, Geodezie şi Ingineria Mediului Matematici Superioare, Semestrul I, Lector dr. Lucian MATICIUC SEMINAR 4 Funcţii de mai multe variabile continuare). Să se arate că funcţia z,
Διαβάστε περισσότεραCapitolul 4 PROPRIETĂŢI TOPOLOGICE ŞI DE NUMĂRARE ALE LUI R. 4.1 Proprietăţi topologice ale lui R Puncte de acumulare
Capitolul 4 PROPRIETĂŢI TOPOLOGICE ŞI DE NUMĂRARE ALE LUI R În cele ce urmează, vom studia unele proprietăţi ale mulţimilor din R. Astfel, vom caracteriza locul" unui punct în cadrul unei mulţimi (în limba
Διαβάστε περισσότεραSpatii liniare. Exemple Subspaţiu liniar Acoperire (înfăşurătoare) liniară. Mulţime infinită liniar independentă
Noţiunea de spaţiu liniar 1 Noţiunea de spaţiu liniar Exemple Subspaţiu liniar Acoperire (înfăşurătoare) liniară 2 Mulţime infinită liniar independentă 3 Schimbarea coordonatelor unui vector la o schimbare
Διαβάστε περισσότεραCapitolul 4. Integrale improprii Integrale cu limite de integrare infinite
Capitolul 4 Integrale improprii 7-8 În cadrul studiului integrabilităţii iemann a unei funcţii s-au evidenţiat douăcondiţii esenţiale:. funcţia :[ ] este definită peintervalînchis şi mărginit (interval
Διαβάστε περισσότερα1 Câmp finit de probabilitate Formule de calcul într-un câmp de probabilitate... 10
Cuprins Câmp finit de probabilitate 5. Formule de calcul într-un câmp de probabilitate.......... 5. Formule de calcul într-un câmp de probabilitate...........3 Scheme clasice de probabilitate...................
Διαβάστε περισσότεραCursul Măsuri reale. D.Rusu, Teoria măsurii şi integrala Lebesgue 15
MĂSURI RELE Cursul 13 15 Măsuri reale Fie (,, µ) un spaţiu cu măsură completă şi f : R o funcţie -măsurabilă. Cum am văzut în Teorema 11.29, dacă f are integrală pe, atunci funcţia de mulţime ν : R, ν()
Διαβάστε περισσότεραElemente de teoria probabilităţilor
Part I Elemente de teoria probabilităţilor 1 Spaţiu de probabilitate 1.1 Spaţiu de evenimente Scopul Teoriei probabilităţilor este de a construi modele matematice în situaţii guvernate de factori aleatori,
Διαβάστε περισσότερα1.3 Baza a unui spaţiu vectorial. Dimensiune
.3 Baza a unui spaţiu vectorial. Dimensiune Definiţia.3. Se numeşte bază a spaţiului vectorial V o familie de vectori B care îndeplineşte condiţiile de mai jos: a) B este liniar independentă; b) B este
Διαβάστε περισσότεραriptografie şi Securitate
riptografie şi Securitate - Prelegerea 12 - Scheme de criptare CCA sigure Adela Georgescu, Ruxandra F. Olimid Facultatea de Matematică şi Informatică Universitatea din Bucureşti Cuprins 1. Schemă de criptare
Διαβάστε περισσότεραR R, f ( x) = x 7x+ 6. Determinați distanța dintre punctele de. B=, unde x și y sunt numere reale.
5p Determinați primul termen al progresiei geometrice ( b n ) n, știind că b 5 = 48 și b 8 = 84 5p Se consideră funcția f : intersecție a graficului funcției f cu aa O R R, f ( ) = 7+ 6 Determinați distanța
Διαβάστε περισσότεραLucrare. Varianta aprilie I 1 Definiţi noţiunile de număr prim şi număr ireductibil. Soluţie. Vezi Curs 6 Definiţiile 1 şi 2. sau p b.
Lucrare Soluţii 28 aprilie 2015 Varianta 1 I 1 Definiţi noţiunile de număr prim şi număr ireductibil. Soluţie. Vezi Curs 6 Definiţiile 1 şi 2 Definiţie. Numărul întreg p se numeşte număr prim dacă p 0,
Διαβάστε περισσότεραSisteme diferenţiale liniare de ordinul 1
1 Metoda eliminării 2 Cazul valorilor proprii reale Cazul valorilor proprii nereale 3 Catedra de Matematică 2011 Forma generală a unui sistem liniar Considerăm sistemul y 1 (x) = a 11y 1 (x) + a 12 y 2
Διαβάστε περισσότεραElemente de Teoria. Chapter Spaţiu de probabilitate
Chapter 1 Elemente de Teoria Probabilităţilor 1.1 Spaţiu de probabilitate Pentru a defini conceptul de spaţiu de probabilitate, vom considera un experiment, al carui rezultat nu se poate preciza cu siguranţă
Διαβάστε περισσότεραSeminariile Capitolul X. Integrale Curbilinii: Serii Laurent şi Teorema Reziduurilor
Facultatea de Matematică Calcul Integral şi Elemente de Analiă Complexă, Semestrul I Lector dr. Lucian MATICIUC Seminariile 9 20 Capitolul X. Integrale Curbilinii: Serii Laurent şi Teorema Reiduurilor.
Διαβάστε περισσότεραIntegrala nedefinită (primitive)
nedefinita nedefinită (primitive) nedefinita 2 nedefinita februarie 20 nedefinita.tabelul primitivelor Definiţia Fie f : J R, J R un interval. Funcţia F : J R se numeşte primitivă sau antiderivată a funcţiei
Διαβάστε περισσότεραOrice izometrie f : (X, d 1 ) (Y, d 2 ) este un homeomorfism. (Y = f(x)).
Teoremă. (Y = f(x)). Orice izometrie f : (X, d 1 ) (Y, d 2 ) este un homeomorfism Demonstraţie. f este continuă pe X: x 0 X, S Y (f(x 0 ), ε), S X (x 0, ε) aşa ca f(s X (x 0, ε)) = S Y (f(x 0 ), ε) : y
Διαβάστε περισσότεραMetode de interpolare bazate pe diferenţe divizate
Metode de interpolare bazate pe diferenţe divizate Radu Trîmbiţaş 4 octombrie 2005 1 Forma Newton a polinomului de interpolare Lagrange Algoritmul nostru se bazează pe forma Newton a polinomului de interpolare
Διαβάστε περισσότεραCriterii de comutativitate a grupurilor
Criterii de comutativitate a grupurilor Marius Tărnăuceanu 10.03.2017 Abstract În această lucrare vom prezenta mai multe condiţii suficiente de comutativitate a grupurilor. MSC (2010): 20A05, 20K99. Key
Διαβάστε περισσότεραAnaliza în curent continuu a schemelor electronice Eugenie Posdărăscu - DCE SEM 1 electronica.geniu.ro
Analiza în curent continuu a schemelor electronice Eugenie Posdărăscu - DCE SEM Seminar S ANALA ÎN CUENT CONTNUU A SCHEMELO ELECTONCE S. ntroducere Pentru a analiza în curent continuu o schemă electronică,
Διαβάστε περισσότεραSubiecte Clasa a VII-a
lasa a VII Lumina Math Intrebari Subiecte lasa a VII-a (40 de intrebari) Puteti folosi spatiile goale ca ciorna. Nu este de ajuns sa alegeti raspunsul corect pe brosura de subiecte, ele trebuie completate
Διαβάστε περισσότεραPrincipiul Inductiei Matematice.
Principiul Inductiei Matematice. Principiul inductiei matematice constituie un mijloc important de demonstratie in matematica a propozitiilor (afirmatiilor) ce depind de argument natural. Metoda inductiei
Διαβάστε περισσότεραSeminar 5 Analiza stabilității sistemelor liniare
Seminar 5 Analiza stabilității sistemelor liniare Noțiuni teoretice Criteriul Hurwitz de analiză a stabilității sistemelor liniare În cazul sistemelor liniare, stabilitatea este o condiție de localizare
Διαβάστε περισσότεραLectia VI Structura de spatiu an E 3. Dreapta si planul ca subspatii ane
Subspatii ane Lectia VI Structura de spatiu an E 3. Dreapta si planul ca subspatii ane Oana Constantinescu Oana Constantinescu Lectia VI Subspatii ane Table of Contents 1 Structura de spatiu an E 3 2 Subspatii
Διαβάστε περισσότεραCURS 11: ALGEBRĂ Spaţii liniare euclidiene. Produs scalar real. Spaţiu euclidian. Produs scalar complex. Spaţiu unitar. Noţiunea de normă.
Sala: 2103 Decembrie 2014 Conf. univ. dr.: Dragoş-Pătru Covei CURS 11: ALGEBRĂ Specializarea: C.E., I.E., S.P.E. Nota: Acest curs nu a fost supus unui proces riguros de recenzare pentru a fi oficial publicat.
Διαβάστε περισσότεραCOLEGIUL NATIONAL CONSTANTIN CARABELLA TARGOVISTE. CONCURSUL JUDETEAN DE MATEMATICA CEZAR IVANESCU Editia a VI-a 26 februarie 2005.
SUBIECTUL Editia a VI-a 6 februarie 005 CLASA a V-a Fie A = x N 005 x 007 si B = y N y 003 005 3 3 a) Specificati cel mai mic element al multimii A si cel mai mare element al multimii B. b)stabiliti care
Διαβάστε περισσότερα8 Intervale de încredere
8 Intervale de încredere În cursul anterior am determinat diverse estimări ˆ ale parametrului necunoscut al densităţii unei populaţii, folosind o selecţie 1 a acestei populaţii. În practică, valoarea calculată
Διαβάστε περισσότεραCriptosisteme cu cheie publică III
Criptosisteme cu cheie publică III Anul II Aprilie 2017 Problema rucsacului ( knapsack problem ) Considerăm un număr natural V > 0 şi o mulţime finită de numere naturale pozitive {v 0, v 1,..., v k 1 }.
Διαβάστε περισσότερα2 Transformări liniare între spaţii finit dimensionale
Transformări 1 Noţiunea de transformare liniară Proprietăţi. Operaţii Nucleul şi imagine Rangul şi defectul unei transformări 2 Matricea unei transformări Relaţia dintre rang şi defect Schimbarea matricei
Διαβάστε περισσότεραf(x) = l 0. Atunci f are local semnul lui l, adică, U 0 V(x 0 ) astfel încât sgnf(x) = sgnl, x U 0 D\{x 0 }. < f(x) < l +
Semnul local al unei funcţii care are limită. Propoziţie. Fie f : D (, d) R, x 0 D. Presupunem că lim x x 0 f(x) = l 0. Atunci f are local semnul lui l, adică, U 0 V(x 0 ) astfel încât sgnf(x) = sgnl,
Διαβάστε περισσότεραO generalizare a unei probleme de algebră dată la Olimpiada de Matematică, faza judeţeană, 2013
O generalizare a unei probleme de algebră dată la Olimpiada de Matematică, faza judeţeană, 2013 Marius Tărnăuceanu 1 Aprilie 2013 Abstract În această lucrare vom prezenta un rezultat ce extinde Problema
Διαβάστε περισσότερα7 Distribuţia normală
7 Distribuţia normală Distribuţia normală este cea mai importantă distribuţie continuă, deoarece în practică multe variabile aleatoare sunt variabile aleatoare normale, sunt aproximativ variabile aleatoare
Διαβάστε περισσότεραFunctii Breviar teoretic 8 ianuarie ianuarie 2011
Functii Breviar teoretic 8 ianuarie 011 15 ianuarie 011 I Fie I, interval si f : I 1) a) functia f este (strict) crescatoare pe I daca x, y I, x< y ( f( x) < f( y)), f( x) f( y) b) functia f este (strict)
Διαβάστε περισσότεραSubiecte Clasa a VIII-a
Subiecte lasa a VIII-a (40 de intrebari) Puteti folosi spatiile goale ca ciorna. Nu este de ajuns sa alegeti raspunsul corect pe brosura de subiecte, ele trebuie completate pe foaia de raspuns in dreptul
Διαβάστε περισσότεραEsalonul Redus pe Linii (ERL). Subspatii.
Seminarul 1 Esalonul Redus pe Linii (ERL). Subspatii. 1.1 Breviar teoretic 1.1.1 Esalonul Redus pe Linii (ERL) Definitia 1. O matrice A L R mxn este in forma de Esalon Redus pe Linii (ERL), daca indeplineste
Διαβάστε περισσότεραAPLICAȚIILE MEDICALE ALE CALCULULUI PROBABILITĂŢILOR. Călinici Tudor 2016
APLICAȚIILE MEDICALE ALE CALCULULUI PROBABILITĂŢILOR Călinici Tudor 2016 OBIECTIVE EDUCAŢIONALE Prezentarea conceptelor fundamentale ale teoriei calculului probabilitaţilor Evenimente independente Probabilități
Διαβάστε περισσότεραDefiniţia generală Cazul 1. Elipsa şi hiperbola Cercul Cazul 2. Parabola Reprezentari parametrice ale conicelor Tangente la conice
1 Conice pe ecuaţii reduse 2 Conice pe ecuaţii reduse Definiţie Numim conica locul geometric al punctelor din plan pentru care raportul distantelor la un punct fix F şi la o dreaptă fixă (D) este o constantă
Διαβάστε περισσότεραMatrice. Determinanti. Sisteme liniare
Matrice 1 Matrice Adunarea matricelor Înmulţirea cu scalar. Produsul 2 Proprietăţi ale determinanţilor Rangul unei matrice 3 neomogene omogene Metoda lui Gauss (Metoda eliminării) Notiunea de matrice Matrice
Διαβάστε περισσότερα5.5. REZOLVAREA CIRCUITELOR CU TRANZISTOARE BIPOLARE
5.5. A CIRCUITELOR CU TRANZISTOARE BIPOLARE PROBLEMA 1. În circuitul din figura 5.54 se cunosc valorile: μa a. Valoarea intensității curentului de colector I C. b. Valoarea tensiunii bază-emitor U BE.
Διαβάστε περισσότερα3 Distribuţii discrete clasice
3 Distribuţii discrete clasice 3.1 Distribuţia Bernoulli Probabil cel mai simplu tip de variabilă aleatoare discretă, variabila aleatoare Bernoulli modelează efectuareaunui experiment în care poate apare
Διαβάστε περισσότεραAplicaţii ale principiului I al termodinamicii la gazul ideal
Aplicaţii ale principiului I al termodinamicii la gazul ideal Principiul I al termodinamicii exprimă legea conservării şi energiei dintr-o formă în alta şi se exprimă prin relaţia: ΔUQ-L, unde: ΔU-variaţia
Διαβάστε περισσότεραEDITURA PARALELA 45 MATEMATICĂ DE EXCELENŢĂ. Clasa a X-a Ediţia a II-a, revizuită. pentru concursuri, olimpiade şi centre de excelenţă
Coordonatori DANA HEUBERGER NICOLAE MUŞUROIA Nicolae Muşuroia Gheorghe Boroica Vasile Pop Dana Heuberger Florin Bojor MATEMATICĂ DE EXCELENŢĂ pentru concursuri, olimpiade şi centre de excelenţă Clasa a
Διαβάστε περισσότεραLaborator 11. Mulţimi Julia. Temă
Laborator 11 Mulţimi Julia. Temă 1. Clasa JuliaGreen. Să considerăm clasa JuliaGreen dată de exemplu la curs pentru metoda locului final şi să schimbăm numărul de iteraţii nriter = 100 în nriter = 101.
Διαβάστε περισσότεραProgresii aritmetice si geometrice. Progresia aritmetica.
Progresii aritmetice si geometrice Progresia aritmetica. Definitia 1. Sirul numeric (a n ) n N se numeste progresie aritmetica, daca exista un numar real d, numit ratia progresia, astfel incat a n+1 a
Διαβάστε περισσότεραConice - Câteva proprietǎţi elementare
Conice - Câteva proprietǎţi elementare lect.dr. Mihai Chiş Facultatea de Matematicǎ şi Informaticǎ Universitatea de Vest din Timişoara Viitori Olimpici ediţia a 5-a, etapa I, clasa a XII-a 1 Definiţii
Διαβάστε περισσότερα2.1 Sfera. (EGS) ecuaţie care poartă denumirea de ecuaţia generală asferei. (EGS) reprezintă osferă cu centrul în punctul. 2 + p 2
.1 Sfera Definitia 1.1 Se numeşte sferă mulţimea tuturor punctelor din spaţiu pentru care distanţa la u punct fi numit centrul sferei este egalăcuunnumăr numit raza sferei. Fie centrul sferei C (a, b,
Διαβάστε περισσότεραCapitolul 2. Integrala stochastică
Capitolul 2 Integrala stochastică 5 CAPITOLUL 2. INTEGRALA STOCHASTICĂ 51 2.1 Introducere În acest capitol vom prezenta construcţia integralei stochastice Itô H sdm s, unde M s este o martingală locală
Διαβάστε περισσότεραGeometrie computationala 2. Preliminarii geometrice
Platformă de e-learning și curriculă e-content pentru învățământul superior tehnic Geometrie computationala 2. Preliminarii geometrice Preliminarii geometrice Spatiu Euclidean: E d Spatiu de d-tupluri,
Διαβάστε περισσότεραPrincipiul incluziunii si excluziunii. Generarea şi ordonarea permutărilor. Principiul porumbeilor. Pri
Generarea şi ordonarea permutărilor. Principiul porumbeilor. Principiul incluziunii si excluziunii Recapitulare din cursul trecut Presupunem că A este o mulţime cu n elemente. Recapitulare din cursul trecut
Διαβάστε περισσότεραCOMBINATORICĂ. Mulţimile ordonate care se formează cu n elemente din n elemente date se numesc permutări. Pn Proprietăţi
OMBINATORIĂ Mulţimile ordoate care se formează cu elemete di elemete date se umesc permutări. P =! Proprietăţi 0! = ( ) ( ) ( ) ( ) ( ) ( )! =!! =!! =! +... Submulţimile ordoate care se formează cu elemete
Διαβάστε περισσότεραVectori liberi Produs scalar Produs vectorial Produsul mixt. 1 Vectori liberi. 2 Produs scalar. 3 Produs vectorial. 4 Produsul mixt.
liberi 1 liberi 2 3 4 Segment orientat liberi Fie S spaţiul geometric tridimensional cu axiomele lui Euclid. Orice pereche de puncte din S, notată (A, B) se numeşte segment orientat. Dacă A B, atunci direcţia
Διαβάστε περισσότεραprin egalizarea histogramei
Lucrarea 4 Îmbunătăţirea imaginilor prin egalizarea histogramei BREVIAR TEORETIC Tehnicile de îmbunătăţire a imaginilor bazate pe calculul histogramei modifică histograma astfel încât aceasta să aibă o
Διαβάστε περισσότεραCONCURS DE ADMITERE, 17 iulie 2017 Proba scrisă la MATEMATICĂ
UNIVERSITATEA BABEŞ-BOLYAI CLUJ-NAPOCA FACULTATEA DE MATEMATICĂ ŞI INFORMATICĂ CONCURS DE ADMITERE, 7 iulie 207 Proba scrisă la MATEMATICĂ SUBIECTUL I (30 puncte) ) (0 puncte) Să se arate că oricare ar
Διαβάστε περισσότεραSubiecte Clasa a V-a
(40 de intrebari) Puteti folosi spatiile goale ca ciorna. Nu este de ajuns sa alegeti raspunsul corect pe brosura de subiecte, ele trebuie completate pe foaia de raspuns in dreptul numarului intrebarii
Διαβάστε περισσότεραModulul 1 MULŢIMI, RELAŢII, FUNCŢII
Modulul 1 MULŢIMI, RELAŢII, FUNCŢII Subiecte : 1. Proprietăţile mulţimilor. Mulţimi numerice importante. 2. Relaţii binare. Relaţii de ordine. Relaţii de echivalenţă. 3. Imagini directe şi imagini inverse
Διαβάστε περισσότεραSEMINARUL 3. Cap. II Serii de numere reale. asociat seriei. (3n 5)(3n 2) + 1. (3n 2)(3n+1) (3n 2) (3n + 1) = a
Capitolul II: Serii de umere reale. Lect. dr. Lucia Maticiuc Facultatea de Hidrotehică, Geodezie şi Igieria Mediului Matematici Superioare, Semestrul I, Lector dr. Lucia MATICIUC SEMINARUL 3. Cap. II Serii
Διαβάστε περισσότεραBARAJ DE JUNIORI,,Euclid Cipru, 28 mai 2012 (barajul 3)
BARAJ DE JUNIORI,,Euclid Cipru, 8 mi 0 (brjul ) Problem Arătţi că dcă, b, c sunt numere rele cre verifică + b + c =, tunci re loc ineglitte xy + yz + zx Problem Fie şi b numere nturle nenule Dcă numărul
Διαβάστε περισσότεραPRELUCRAREA STATISTICĂ A SEMNALELOR
Mihai Ciuc Constantin Vertan PRELUCRAREA STATISTICĂ A SEMNALELOR 4 3 3 4 6 8 4 6 8 4 3 3 4 6 8 4 6 8 3 4 6 8 4 6 8 Editura MatrixRom 5 Cuvânt înainte Această lucrare reprezintă baza cursului de Teoria
Διαβάστε περισσότεραMATEMATICI SPECIALE Culegere de probleme TANIA-LUMINIŢA COSTACHE
MATEMATICI SPECIALE Culegere de probleme TANIA-LUMINIŢA COSTACHE * Prefaţă Lucrarea este rezultatul seminariilor de Probabilităţi şi statistică matematică şi Matematici avansate ţinute de autoare studenţilor
Διαβάστε περισσότερα1. Scrieti in casetele numerele log 7 8 si ln 8 astfel incat inegalitatea obtinuta sa fie adevarata. <
Copyright c 009 NG TCV Scoala Virtuala a Tanarului Matematician 1 Ministerul Educatiei si Tineretului al Republicii Moldova Agentia de Evaluare si Examinare Examenul de bacalaureat la matematica, 17 iunie
Διαβάστε περισσότερα5.4. MULTIPLEXOARE A 0 A 1 A 2
5.4. MULTIPLEXOARE Multiplexoarele (MUX) sunt circuite logice combinaţionale cu m intrări şi o singură ieşire, care permit transferul datelor de la una din intrări spre ieşirea unică. Selecţia intrării
Διαβάστε περισσότεραExamen AG. Student:... Grupa: ianuarie 2016
16-17 ianuarie 2016 Problema 1. Se consideră graful G = pk n (p, n N, p 2, n 3). Unul din vârfurile lui G se uneşte cu câte un vârf din fiecare graf complet care nu-l conţine, obţinându-se un graf conex
Διαβάστε περισσότεραConcurs MATE-INFO UBB, 1 aprilie 2017 Proba scrisă la MATEMATICĂ
UNIVERSITATEA BABEŞ-BOLYAI CLUJ-NAPOCA FACULTATEA DE MATEMATICĂ ŞI INFORMATICĂ Concurs MATE-INFO UBB, aprilie 7 Proba scrisă la MATEMATICĂ SUBIECTUL I (3 puncte) ) (5 puncte) Fie matricele A = 3 4 9 8
Διαβάστε περισσότεραCum folosim cazuri particulare în rezolvarea unor probleme
Cum folosim cazuri particulare în rezolvarea unor probleme GHEORGHE ECKSTEIN 1 Atunci când întâlnim o problemă pe care nu ştim s-o abordăm, adesea este bine să considerăm cazuri particulare ale acesteia.
Διαβάστε περισσότεραStatisticǎ - curs 3. 1 Seria de distribuţie a statisticilor de eşantioane 2. 2 Teorema limitǎ centralǎ 5. 3 O aplicaţie a teoremei limitǎ centralǎ 7
Statisticǎ - curs 3 Cuprins 1 Seria de distribuţie a statisticilor de eşantioane 2 2 Teorema limitǎ centralǎ 5 3 O aplicaţie a teoremei limitǎ centralǎ 7 4 Estimarea punctualǎ a unui parametru; intervalul
Διαβάστε περισσότεραz a + c 0 + c 1 (z a)
1 Serii Laurent (continuare) Teorema 1.1 Fie D C un domeniu, a D şi f : D \ {a} C o funcţie olomorfă. Punctul a este pol multiplu de ordin p al lui f dacă şi numai dacă dezvoltarea în serie Laurent a funcţiei
Διαβάστε περισσότεραCapitolul 3. Serii Fourier. a unei funcţii periodice de perioadă Dezvoltarea în serie Fourier
Capitolul Serii Fourier 7-8. Dezvoltarea în serie Fourier a unei funcţii periodice de perioadă Pornind de la discuţia asupra coardei vibrante începută în anii 75 între Euler şi d Alembert, se ajunge la
Διαβάστε περισσότεραIII. Reprezentarea informaţiei în sistemele de calcul
Metode Numerice Curs 3 III. Reprezentarea informaţiei în sistemele de calcul III.1. Reprezentarea internă a numerelor întregi III. 1.1. Reprezentarea internă a numerelor întregi fără semn (pozitive) Reprezentarea
Διαβάστε περισσότεραConice. Lect. dr. Constantin-Cosmin Todea. U.T. Cluj-Napoca
Conice Lect. dr. Constantin-Cosmin Todea U.T. Cluj-Napoca Definiţie: Se numeşte curbă algebrică plană mulţimea punctelor din plan de ecuaţie implicită de forma (C) : F (x, y) = 0 în care funcţia F este
Διαβάστε περισσότεραCURS XI XII SINTEZĂ. 1 Algebra vectorială a vectorilor liberi
Lect. dr. Facultatea de Electronică, Telecomunicaţii şi Tehnologia Informaţiei Algebră, Semestrul I, Lector dr. Lucian MATICIUC http://math.etti.tuiasi.ro/maticiuc/ CURS XI XII SINTEZĂ 1 Algebra vectorială
Διαβάστε περισσότερα4. CIRCUITE LOGICE ELEMENTRE 4.. CIRCUITE LOGICE CU COMPONENTE DISCRETE 4.. PORŢI LOGICE ELEMENTRE CU COMPONENTE PSIVE Componente electronice pasive sunt componente care nu au capacitatea de a amplifica
Διαβάστε περισσότεραa. 11 % b. 12 % c. 13 % d. 14 %
1. Un motor termic funcţionează după ciclul termodinamic reprezentat în sistemul de coordonate V-T în figura alăturată. Motorul termic utilizează ca substanţă de lucru un mol de gaz ideal având exponentul
Διαβάστε περισσότεραProblema a II - a (10 puncte) Diferite circuite electrice
Olimpiada de Fizică - Etapa pe judeţ 15 ianuarie 211 XI Problema a II - a (1 puncte) Diferite circuite electrice A. Un elev utilizează o sursă de tensiune (1), o cutie cu rezistenţe (2), un întrerupător
Διαβάστε περισσότεραAl cincilea baraj de selecţie pentru OBMJ Bucureşti, 28 mai 2015
Societatea de Ştiinţe Matematice din România Ministerul Educaţiei Naţionale Al cincilea baraj de selecţie pentru OBMJ Bucureşti, 28 mai 2015 Problema 1. Arătaţi că numărul 1 se poate reprezenta ca suma
Διαβάστε περισσότεραFuncţii Ciudate. Beniamin Bogoşel
Funcţii Ciudate Beniamin Bogoşel Scopul acestui articol este construcţia unor funcţii neobişnuite din punct de vedere intuitiv, care au anumite proprietăţi interesante. Construcţia acestor funcţii se face
Διαβάστε περισσότεραEcuatii exponentiale. Ecuatia ce contine variabila necunoscuta la exponentul puterii se numeste ecuatie exponentiala. a x = b, (1)
Ecuatii exponentiale Ecuatia ce contine variabila necunoscuta la exponentul puterii se numeste ecuatie exponentiala. Cea mai simpla ecuatie exponentiala este de forma a x = b, () unde a >, a. Afirmatia.
Διαβάστε περισσότεραModelarea şi Simularea Sistemelor de Calcul Distribuţii ( lab. 4)
Modelarea şi Simularea Sistemelor de Calcul Distribuţii ( lab. 4) În practică eistă nenumărate eperienţe aleatoare care au un câmp de evenimente nenumărabil şi implicit sistemul complet de evenimente aleatoare
Διαβάστε περισσότεραEcuatii trigonometrice
Ecuatii trigonometrice Ecuatiile ce contin necunoscute sub semnul functiilor trigonometrice se numesc ecuatii trigonometrice. Cele mai simple ecuatii trigonometrice sunt ecuatiile de tipul sin x = a, cos
Διαβάστε περισσότεραIntroducere în Calculul Probabilităţilor (modele elementare şi o invitaţie la teoria. L.Stoica
Introducere în Calculul Probabilităţilor (modele elementare şi o invitaţie la teoria măsurii) L.Stoica 2 Cuprins 1 Introducere 9 1.1 Modelul probabilist........................ 11 1.2 Câteva exemple..........................
Διαβάστε περισσότερα9 Testarea ipotezelor statistice
9 Testarea ipotezelor statistice Un test statistic constă în obţinerea unei deducţii bazată pe o selecţie din populaţie prin testarea unei anumite ipoteze (rezultată din experienţa anterioară, din observaţii,
Διαβάστε περισσότερα