Probabilități și Statistică · Seminarul 4 (seminar și laborator) · Fișă de lucru (fără rezolvări)
Universitatea din București · Facultatea de Matematică și Informatică · 2026–2027
Media și varianța rezumă o repartiție prin două numere: „centrul” ei și împrăștierea valorilor în jurul lui. Astăzi le calculăm în trei feluri — din definiție, cu formulele repartițiilor uzuale și, mai ales, descompunând variabila într-o sumă de indicatori — și verificăm fiecare rezultat în R, prin calcul exact și prin simulare.
Fiecare exercițiu: întâi partea matematică, apoi partea în R (Laborator: schelet de cod în fișa de lucru).
La sfârșitul ședinței studentul trebuie să poată:
mean și var pe un eșantion simulat, urmări mediile curente și scrie funcții recursive simple.De rezolvat la seminar (în această ordine):
medie_var și mediile curente;colectioneaza și F_T;quicksort_comp.Dacă timpul permite: Exercițiul 2 (formula de transport), Exercițiul 8 (varianța numărului de puncte fixe), Exercițiul 11 (media a \(n\) măsurători).
Pentru acasă: Exercițiile 3, 5 și 6; exercițiile suplimentare 12, 13, 14, 15; tema.
Rezolvările complete vor fi publicate ulterior. Scheletele de cod R și răspunsurile: în fișa de lucru.
Din partea a doua a Cursul 3:
sum(x * p), sum((x - m)^2 * p) — media și varianța unei repartiții date prin tabel (valorile x, probabilitățile p);mean(x), var(x), sd(x) — pe un eșantion simulat de volum mare \(B\) aproximează \(\E[X]\), \(\Var(X)\), \(\mathrm{SD}(X)\) (var împarte la \(B-1\));cumsum(x) / seq_along(x) — mediile curente: media primelor \(n\) valori, pentru \(n=1,2,\dots\);pmax(x, a), pmin(x, a) — maximul și minimul element cu element; tapply(p, g, sum) — sume pe grupe;hist(x) — histograma; quantile(x, 0.95) — cuantila empirică;rbinom, rpois, rhyper(B, M, N - M, n), rgeom(B, p) + 1 — simularea repartițiilor uzuale (R numără eșecurile dinaintea primului succes, de aceea adunăm \(1\) pentru \(\Geom(p)\) din curs);La seminar La un joc de noroc, jucătorul mizează \(1\) leu pe un număr de la \(1\) la \(6\) (să spunem pe \(6\)), apoi se aruncă trei zaruri echilibrate. Dacă numărul ales apare pe exact \(k\) zaruri, \(k\in\{1,2,3\}\), jucătorul își primește miza înapoi și câștigă în plus \(k\) lei; dacă numărul nu apare pe niciun zar, pierde miza. Fie \(X\) câștigul net al jucătorului la o partidă.
Determinați tabelul de repartiție al lui \(X\).
Calculați \(\E[X]\), \(\Var(X)\) și \(\mathrm{SD}(X)\). Este jocul corect (adică are câștigul mediu egal cu zero)? Cât pierde în medie un jucător care joacă \(1000\) de partide?
Organizatorul păstrează premiile, dar schimbă miza: jucătorul plătește \(s\) lei, pe care îi pierde dacă numărul nu apare. Pentru ce valoare a mizei \(s\) jocul devine corect?
În R: calculați media și varianța din tabel, simulați \(10^5\) partide și reprezentați grafic media câștigurilor din primele \(n\) partide, în funcție de \(n\).
Dacă timpul permite Numărul \(X\) de tichete (cereri de asistență) primite într-o zi de echipa de suport a unei firme mici are repartiția \[ X\sim\begin{pmatrix}0&1&2&3&4\\0.1&0.3&0.3&0.2&0.1\end{pmatrix}. \]
Calculați \(\E[X]\), \(\Var(X)\) (din definiție și cu formula \(\E[X^2]-(\E[X])^2\)) și \(\mathrm{SD}(X)\).
Costul zilnic al serviciului este \(C=100+40X\) lei (un cost fix plus \(40\) de lei pentru fiecare tichet). Calculați \(\E[C]\), \(\Var(C)\) și \(\mathrm{SD}(C)\).
Echipa poate rezolva cel mult două tichete pe zi; celelalte sunt amânate. Fie \(Y=\max(X-2,0)\) numărul de tichete amânate. Calculați \(\E[Y]\) în două moduri: determinând repartiția lui \(Y\) și cu formula de transport. Este adevărat că \(\E[Y]=\max(\E[X]-2,0)\)?
Verificați rezultatele în R, prin calcul exact și prin simulare.
Pentru acasă În jocul din Exemplul 16 din Cursul 3 se aruncă o monedă echilibrată până la apariția primului cap; dacă acesta apare la aruncarea \(K\), jucătorul primește \(X=2^K\) lei. La curs s-a arătat că \(X\) nu are medie finită.
Calculați \(\E[K]\). Presupunem apoi că banca poate plăti cel mult \(2^m\) lei, deci jocul se oprește după cel mult \(m\) aruncări, iar câștigul este \(X_m=2^{\min(K,m)}\). Arătați că \(\E[X_m]=m+1\). Care este miza corectă pentru \(m=10\), \(m=20\) și \(m=30\)?
Simulați \(10^5\) partide și calculați mediile curente pentru \(K\) și pentru \(X\). Ce observați?
Repetați de \(5\) ori estimarea mediei, de fiecare dată cu câte \(10^5\) partide, pentru \(K\) și pentru \(X\). Comparați cu jocul din Exercițiul 1.
La seminar Un fișier este împărțit în \(n=200\) de pachete, trimise printr-o rețea fără fir. Fiecare transmisie a unui pachet eșuează (pachetul se pierde) cu probabilitatea \(q=0.2\), independent de celelalte transmisii; un pachet pierdut este retransmis până când ajunge la destinație.
Fie \(X\) numărul de pachete pierdute la prima transmisie a celor \(200\) de pachete. Recunoașteți repartiția lui \(X\) și calculați \(\E[X]\), \(\Var(X)\) și \(\mathrm{SD}(X)\). Între ce limite se află \(X\) „de obicei”?
Fie \(N\) numărul de transmisii necesare pentru un pachet fixat. Recunoașteți repartiția lui \(N\) și calculați \(\E[N]\), \(\Var(N)\) și \(\mathrm{SD}(N)\).
Fie \(S\) numărul total de transmisii pentru întregul fișier. Calculați \(\E[S]\), \(\Var(S)\) și \(\mathrm{SD}(S)\).
Protocolul renunță la un pachet după trei transmisii eșuate. Fie \(M=\min(N,3)\). Determinați repartiția și media lui \(M\) și numărul mediu de pachete abandonate dintr-un fișier.
Verificați rezultatele în R.
Pentru acasă Numărul \(X\) de cereri care sosesc într-o secundă la un server web are repartiția \(\Pois(3)\), iar numerele de cereri din secunde diferite sunt independente.
Calculați \(\E[X]\), \(\Var(X)\), \(\mathrm{SD}(X)\) și \(\PP\big(|X-\E[X]|\le2\,\mathrm{SD}(X)\big)\).
Serverul poate procesa cel mult \(5\) cereri pe secundă; cererile în plus sunt respinse. Fie \(R=\max(X-5,0)\) numărul de cereri respinse într-o secundă. Calculați \(\E[R]\) cu formula de transport. Ce proporție din cereri este respinsă pe termen lung?
Fie \(Y\) numărul de cereri sosite într-un minut. Calculați \(\E[Y]\), \(\Var(Y)\) și \(\mathrm{SD}(Y)\) și comparați raportul \(\mathrm{SD}/\text{medie}\) pentru o secundă și pentru un minut.
Verificați în R și determinați cea mai mică capacitate \(c\) pentru care \(\PP(X>c)\le0.01\).
Pentru acasă Un lot de \(N=100\) de plăci de bază conține \(M=10\) plăci defecte. Un inspector alege la întâmplare \(n=20\) de plăci și le testează. Fie \(X\) numărul de plăci defecte găsite dacă extragerea se face fără întoarcere (cazul obișnuit) și \(Y\) numărul de plăci defecte găsite dacă extragerea s-ar face cu întoarcere (fiecare placă testată este pusă înapoi în lot).
Recunoașteți repartițiile lui \(X\) și \(Y\) și calculați mediile, varianțele și abaterile standard.
Scrieți \(X\) și \(Y\) ca sume de indicatori și explicați de ce mediile coincid, iar varianțele nu.
Lotul este respins dacă se găsesc cel puțin \(4\) plăci defecte. În R: calculați probabilitatea de respingere în cele două scheme și verificați (a) prin simulare.
Multe variabile numără ceva: perechi, potriviri, pachete, comparații. Repartiția unei astfel de variabile este de obicei greu de găsit, dar media ei se obține imediat dacă o scriem ca sumă de indicatori.
\[ X=\Ind_{A_1}+\dots+\Ind_{A_m}\quad\Longrightarrow\quad \E[X]=\PP(A_1)+\dots+\PP(A_m), \] fără nicio ipoteză de independență (ca în Exercițiul 6).
Pentru varianță avem nevoie, în plus, de probabilitățile \(\PP(A_i\cap A_j)\).
La seminar Într-o sală se află \(n\) persoane. Presupunem, ca în Exercițiul 9 din Seminarul 1, că zilele lor de naștere sunt independente și uniform repartizate pe cele \(365\) de zile ale anului. Acolo am calculat probabilitatea ca cel puțin două persoane să fie născute în aceeași zi; acum numărăm coincidențele: fie \(X\) numărul de perechi (neordonate) de persoane născute în aceeași zi.
Scrieți \(X\) ca sumă de indicatori și calculați \(\E[X]\). Evaluați pentru \(n=23\) și \(n=50\). Care este cel mai mic \(n\) pentru care \(\E[X]\ge1\)?
Arătați că indicatorii a două perechi diferite sunt independenți și deduceți \(\Var(X)\).
În R: scrieți o funcție perechi(n) care simulează o sală cu \(n\) persoane și întoarce numărul de perechi; pentru \(n=23\) comparați media, varianța și \(\PP(X=0)\) cu valorile teoretice.
Dacă timpul permite Cele \(n\) lucrări ale unei grupe sunt returnate la întâmplare celor \(n\) studenți (câte una fiecăruia), adică după o permutare aleatoare. Fie \(X\) numărul de studenți care își primesc propria lucrare (numărul de puncte fixe ale permutării). În Exemplul 18 din Cursul 3 s-a arătat, cu metoda indicatorilor, că \(\E[X]=1\) pentru orice \(n\).
Pentru \(n=3\) scrieți toate permutările, determinați repartiția lui \(X\) și calculați \(\E[X]\) și \(\Var(X)\).
Pentru \(n\ge2\) oarecare, calculați \(\E[X^2]\) cu ajutorul indicatorilor și deduceți că \(\Var(X)=1\).
Comparați \(\Var(X)\) cu suma varianțelor indicatorilor. Sunt indicatorii independenți?
În R: verificați prin simulare (ca în Exercițiul 10 din Seminarul 1) pentru mai multe valori ale lui \(n\), enumerați toate permutările pentru \(n=4\) și comparați repartiția lui \(X\) pentru \(n=10\) cu repartiția \(\Pois(1)\).
La seminar Fiecare pachet de cereale conține un cupon, ales la întâmplare (uniform și independent de celelalte pachete) dintre \(n\) tipuri. Fie \(T\) numărul de pachete cumpărate până când avem toate cele \(n\) tipuri. În Exemplul 20 din Cursul 3 s-a arătat că \(\E[T]=nH_n\), unde \(H_n=1+\frac12+\dots+\frac1n\).
Reluați descompunerea \(T=T_1+\dots+T_n\) și arătați că \(\Var(T)=n^2\big(1+\frac1{2^2}+\dots+\frac1{n^2}\big)-nH_n\).
Calculați \(\E[T]\) și \(\mathrm{SD}(T)\) pentru \(n=6\) (toate fețele unui zar), \(n=50\) și \(n=365\) (toate zilele anului ca zile de naștere).
În R: scrieți o funcție colectioneaza(n) care simulează o colecție și întoarce numărul de pachete cumpărate; reprezentați histograma lui \(T\) și comparați media și varianța empirice cu formulele.
Câte pachete trebuie cumpărate pentru a avea colecția completă cu probabilitatea de cel puțin \(0.95\)? Răspundeți prin simulare.
La seminar Algoritmul Quicksort randomizat sortează \(n\) chei distincte astfel: alege la întâmplare (uniform) una dintre chei, numită pivot, o compară cu fiecare dintre celelalte chei, separând cheile mai mici de cele mai mari decât pivotul, apoi sortează recursiv cele două grupe. Fie \(C_n\) numărul total de comparații. În Exercițiul 12 din Cursul 3 s-a arătat că \(\E[C_n]=\sum_{i<j}\frac{2}{j-i+1}=2(n+1)H_n-4n\).
Pentru \(n=3\) determinați direct repartiția lui \(C_3\) și verificați formula.
Explicați, pe exemplul cheilor \(1,2,\dots,8\) și al perechii \((2,5)\), de ce a \(i\)-a și a \(j\)-a cheie în ordine crescătoare sunt comparate cu probabilitatea \(\frac{2}{j-i+1}\). Scrieți \(C_n\) ca sumă de indicatori și refaceți calculul mediei.
Comparați \(\E[C_n]\) cu cazul cel mai defavorabil și cu aproximarea \(2n\ln n\), pentru \(n\in\{10,100,1000\}\).
În R: scrieți o funcție recursivă quicksort_comp(v) care întoarce numărul de comparații; simulați pentru \(n\in\{10,50,100,200,500\}\) și comparați cu formula exactă și cu \(2n\ln n\).
Dacă timpul permite Un senzor măsoară o mărime a cărei valoare reală este \(\mu=20\). Fiecare măsurătoare este afectată de o eroare: \(X_i=\mu+\varepsilon_i\), unde erorile \(\varepsilon_1,\varepsilon_2,\dots\) sunt independente și uniform repartizate pe \(\{-2,-1,0,1,2\}\). Pentru a reduce eroarea, se fac \(n\) măsurători și se raportează media lor aritmetică \(\Xbar=\frac1n(X_1+\dots+X_n)\).
Calculați media și varianța \(\sigma^2\) ale unei măsurători.
Calculați \(\E[\Xbar]\), \(\Var(\Xbar)\) și \(\mathrm{SD}(\Xbar)\). Unde se folosește independența? Câte măsurători sunt necesare pentru ca \(\mathrm{SD}(\Xbar)\le0.1\)?
Caz particular. Dacă \(X_1,\dots,X_n\) sunt independente, cu repartiția \(\Bern(p)\), regăsiți varianța repartiției \(\Bin(n,p)\) și calculați media și varianța frecvenței relative \(\frac1n(X_1+\dots+X_n)\).
Ce se întâmplă dacă măsurătorile nu sunt independente? Analizați cazul extrem \(X_1=X_2=\dots=X_n\) și comparați cu Exercițiile 6 și 8.
În R: verificați (b) prin simulare pentru \(n\in\{1,4,16,64,256\}\).
Patru exerciții care reiau indicatorii, liniaritatea și varianța sumei; răspunsurile: în fișa de lucru; rezolvările complete vor fi publicate ulterior.
Pentru acasă Un program parcurge un vector cu \(n\) valori distincte, așezate în ordine aleatoare, și reține maximul; un element mai mare decât toate cele dinaintea lui se numește record. Fie \(R_n\) numărul de recorduri (actualizări ale maximului). (a) Arătați că \(\E[R_n]=H_n\); evaluați pentru \(n=100\) și \(n=10^6\). (b) Indicatorii recordurilor de pe poziții diferite sunt independenți; deduceți \(\Var(R_n)\). (c) Verificați prin simulare pentru \(n=100\).
Pentru acasă O funcție de dispersie (hash) trimite fiecare dintre \(m\) chei într-una dintre cele \(n\) căsuțe ale unui tabel, uniform și independent (echivalent: \(m\) bile în \(n\) cutii). (a) Calculați numărul mediu de căsuțe goale și de căsuțe ocupate. (b) O cheie produce o coliziune dacă ajunge într-o căsuță deja ocupată. Calculați numărul mediu de coliziuni și numărul mediu de perechi de chei aflate în aceeași căsuță. (c) Evaluați pentru \(n=1000\) și \(m=500\).
Pentru acasă O monedă care arată cap cu probabilitatea \(p\) este aruncată de \(n\) ori. O serie este un bloc maximal de rezultate identice consecutive (șirul CCPCPPP are \(4\) serii: CC, P, C, PPP). Fie \(N\) numărul de serii. (a) Scrieți \(N\) cu ajutorul unor indicatori și calculați \(\E[N]\); evaluați pentru \(n=100\), cu \(p=0.5\) și cu \(p=0.8\). (b) Calculați \(\Var(N)\). Pentru ce valoare a lui \(p\) indicatorii sunt necorelați? (c) Verificați prin simulare.
Pentru acasă Fie \(X\) o variabilă aleatoare cu valori în \(\N=\{0,1,2,\dots\}\). (a) Arătați că \(X=\sum_{k\ge1}\Ind_{\{X\ge k\}}\) și deduceți \(\E[X]=\sum_{k\ge1}\PP(X\ge k)\). (b) Regăsiți media repartiției \(\Geom(p)\) și media variabilei \(M=\min(N,3)\) din Exercițiul 4. (c) Se aruncă trei zaruri echilibrate și se notează cu \(Z\) cel mai mare dintre cele trei numere. Calculați \(\E[Z]\). (d) În R: verificați (c) prin enumerare și regăsiți \(\E[T]=14.7\) pentru colecționarul cu \(n=6\) tipuri.
floor(1 / runif(B)) și reprezentați grafic mediile curente; repetați de câteva ori și comentați.colectioneaza pentru a verifica prin simulare.quicksort_comp (Exercițiul 10) astfel încât pivotul să fie întotdeauna primul element. Comparați numărul de comparații pentru un vector deja sortat (1:n) cu numărul mediu pentru o permutare aleatoare (sample(n)), \(n\in\{50,100,200\}\).Rezultatele folosite: Cursul 3. Medie, varianță și indicatori: (Blitzstein and Hwang 2019, cap. 4), (Bertsekas and Tsitsiklis 2008, cap. 2), (Ross 2014, cap. 4); simulări în R: (Wagaman and Dobrow 2021); analiza algoritmilor probabiliști (colecționarul de cupoane, Quicksort): (Mitzenmacher and Upfal 2017, cap. 2).
Probabilități și Statistică · Seminarul 4 — Medie, varianță, indicatori