Probabilități și Statistică · Seminarul 6 (seminar și laborator) · Fișă de lucru (fără rezolvări)
Universitatea din București · Facultatea de Matematică și Informatică · 2026–2027
În aplicații observăm aproape întotdeauna mai multe mărimi deodată — puterea semnalului și numărul de retransmisii ale unui pachet, timpii de răspuns a două servere, numărul de fișiere sosite într-o oră și volumul lor total —, iar întrebările interesante privesc legătura dintre ele: ce aflăm despre una dacă o cunoaștem pe cealaltă și cât de puternic „variază împreună”.
Fiecare exercițiu: întâi calculul matematic, apoi verificarea în R, pornind de la scheletele de cod din fișa de lucru.
La sfârșitul ședinței studentul trebuie să poată:
De rezolvat la seminar (în această ordine):
P, sim_tabel;tabel, abatere_indep;int2, respingere;cov_tabel;Dacă timpul permite: Exercițiul 6 (minimul și maximul), Exercițiul 8 (ponderea optimă a două măsurători), Exercițiul 10 (media condiționată ca predicție).
Pentru acasă: Exercițiile 2, 5 și 9; exercițiile suplimentare 12, 13, 14, 15; tema.
Rezolvările complete vor fi publicate ulterior. Scheletele de cod R și răspunsurile: în fișa de lucru.
Din Cursul 6. Variabile discrete: probabilități și sume; variabile continue: densități și integrale.
matrix(v, nrow, byrow = TRUE, dimnames = ...) — tabelul repartiției comune ca matrice; P[i, j], P[i, ], P[, j] — o celulă, o linie, o coloană;rowSums(P), colSums(P) — marginalele; sweep(P, 1, pX, "/") — fiecare linie împărțită la suma ei (repartițiile \(Y\mid X=x\)); cu 2 în loc de 1, pe coloane;outer(pX, pY) — tabelul a două variabile independente cu marginalele date; outer(x, y, "+") — matricea sumelor \(x_i+y_j\);table(u, v) — tabel cu dublă intrare; sample(length(P), B, replace = TRUE, prob = as.vector(P)) și arrayInd — simularea celulelor;cov(x, y), cor(x, y) — covarianța și corelația empirice; tapply(y, x, mean) — estimarea lui \(\E[Y\mid X=x]\); cut(x, breaks) — clase pentru o variabilă continuă;mean(conditie) — probabilitatea unei regiuni;integrate(f, a, b)$value — integrală numerică; două apeluri imbricate: integrală dublă.La seminar Un laptop trimite pachete de date printr-o rețea fără fir. Pentru un pachet ales la întâmplare notăm cu \(X\) numărul de liniuțe de semnal afișate în momentul trimiterii (\(1\) = semnal slab, \(2\) = mediu, \(3\) = bun) și cu \(Y\) numărul de retransmisii de care a avut nevoie pachetul (\(0\), \(1\) sau \(2\)). Din jurnalul plăcii de rețea s-a estimat repartiția comună a vectorului \((X,Y)\), dată în tabelul alăturat.
\[ \begin{array}{c|ccc} X\backslash Y & 0 & 1 & 2\\ \hline 1 & 0.05 & 0.10 & 0.10\\ 2 & 0.15 & 0.15 & 0.05\\ 3 & 0.30 & 0.10 & 0 \end{array} \]
Pentru acasă Se aruncă două zaruri echilibrate; fie \(U\) cel mai mic și \(V\) cel mai mare dintre cele două numere obținute (dacă zarurile arată același număr, \(U=V\)).
Determinați repartiția comună a vectorului \((U,V)\) și repartițiile marginale.
Determinați repartiția condiționată a lui \(U\) la \(V=4\) și media condiționată \(\E[U\mid V=4]\).
Arătați că \(\E[U\mid V=v]=\frac{v^2}{2v-1}\) pentru \(v=1,\dots,6\) și regăsiți \(\E[U]\) din aceste medii condiționate.
În R: construiți tabelul prin enumerarea celor \(36\) de rezultate și calculați mediile condiționate cu tapply, exact și pe un eșantion simulat.
La seminar Un generator produce un număr întreg \(N\) repartizat uniform pe \(\{0,1,\dots,n-1\}\). Fie \(X=N\bmod 4\) restul împărțirii lui \(N\) la \(4\) (numărul format din ultimii doi biți ai lui \(N\)) și \(Y=\lfloor N/4\rfloor\) câtul (numărul format din ceilalți biți), astfel încât \(N=4Y+X\).
Pentru \(n=12\), determinați repartiția comună și marginalele. Sunt \(X\) și \(Y\) independente?
Aceeași întrebare pentru \(n=10\). Calculați \(\PP(X=0\mid Y=2)\) și comparați cu \(\PP(X=0)\).
În R: scrieți o funcție care măsoară abaterea unui tabel de la independență și aplicați-o pentru \(n=12\), \(n=10\) și pentru tabelele din Exercițiile 1 și 2. Ce se întâmplă dacă tabelul este estimat dintr-un eșantion simulat?
La seminar Două procese pornesc simultan pe un server și cer fracțiunile \(X\), respectiv \(Y\) din memoria disponibilă. Vectorul \((X,Y)\) are densitatea \[ f_{X,Y}(x,y)=c\,xy\quad\text{pentru }0\le x\le1,\ 0\le y\le1\qquad(\text{și }0\text{ în rest}). \]
Pentru acasă Vectorul \((X,Y)\) este repartizat uniform pe triunghiul \(T=\{(x,y)\mid 0\le y\le x\le1\}\), cu vârfurile \((0,0)\), \((1,0)\) și \((1,1)\).
Scrieți densitatea comună și determinați densitățile marginale. Sunt \(X\) și \(Y\) independente?
Determinați densitatea condiționată a lui \(Y\) la \(X=x\) și media condiționată \(\E[Y\mid X=x]\). Deduceți \(\E[Y]\).
Calculați \(\PP\big(X-Y\ge\frac12\big)\) și \(\PP(Y\le X^2)\).
În R: generați puncte uniforme în \(T\) prin respingere și în două etape și verificați (b) și (c). Un coleg propune algoritmul „aleg \(X\) uniform pe \([0,1]\), apoi \(Y\) uniform pe \([0,X]\)”. Este corect?
Dacă timpul permite Pentru a reduce latența, o aplicație trimite aceeași cerere către două servere. Timpii de răspuns (în secunde) sunt independenți: \(X\sim\Exp(2)\) pentru primul server și \(Y\sim\Exp(4)\) pentru al doilea, adică în medie \(0.5\), respectiv \(0.25\) secunde. Fie \(L=\min(X,Y)\) momentul primului răspuns și \(M=\max(X,Y)\) momentul în care au sosit ambele răspunsuri.
La seminar Revenim la vectorul \((X,Y)\) din Exercițiul 1: \(X\) este numărul de liniuțe de semnal, iar \(Y\) numărul de retransmisii.
Calculați \(\E[X]\), \(\E[Y]\), \(\E[XY]\), \(\Cov(X,Y)\), \(\Var(X)\), \(\Var(Y)\) și \(\rho(X,Y)\). Interpretați semnul corelației.
Puterea semnalului, în dBm, este \(S=-90+15X\), iar timpul de livrare a pachetului, în milisecunde, este \(T=10+30\,Y\). Calculați \(\Cov(S,T)\) și \(\rho(S,T)\).
În R: scrieți o funcție care calculează mărimile de la (a) pentru un tabel oarecare. Apoi priviți problema „dinspre date”: dintr-un eșantion de \(n\) pachete calculați covarianța și corelația empirice, din formule și cu cov și cor, pentru \(n\in\{100,10^3,10^4,10^5\}\).
Dacă timpul permite Temperatura \(\mu\) dintr-o sală de servere este măsurată de doi senzori: \(X=\mu+\varepsilon_1\) și \(Y=\mu+\varepsilon_2\), unde erorile au media zero, \(\Var(X)=4\) (senzorul bun), \(\Var(Y)=9\) (senzorul slab), iar coeficientul de corelație este \(\rho=\rho(X,Y)\). Cele două măsurători se combină într-una singură, \(T_a=aX+(1-a)Y\), cu \(a\in[0,1]\).
Arătați că \(\E[T_a]=\mu\) pentru orice \(a\) și exprimați \(\Var(T_a)\) în funcție de \(a\) și \(\rho\).
Presupunem că senzorii sunt independenți. Calculați varianța mediei aritmetice \(\frac{X+Y}2\), apoi determinați ponderea \(a^*\) care minimizează \(\Var(T_a)\) și varianța minimă.
Reluați (b) pentru \(\rho=0.5\) (senzorii sunt afectați de aceleași perturbații) și pentru \(\rho=-0.5\).
În R: reprezentați grafic \(\Var(T_a)\) pentru cele trei valori ale lui \(\rho\), găsiți minimul numeric și verificați cazul \(\rho=0.5\) prin simulare.
Pentru acasă Considerăm două experimente. În primul, un zar echilibrat se aruncă de \(n\) ori; fie \(N_1\) numărul de apariții ale feței \(1\) și \(N_6\) numărul de apariții ale feței \(6\). În al doilea se aruncă două zaruri echilibrate; fie \(Z_1\) și \(Z_2\) numerele obținute, \(S=Z_1+Z_2\) suma și \(D=Z_1-Z_2\) diferența lor.
cov_tabel și abatere_indep; ilustrați prin simulare Exemplul 16 din Cursul 6.Dacă timpul permite Pentru vectorul \((X,Y)\) din Exercițiul 1 vrem să prezicem numărul de retransmisii \(Y\) atunci când cunoaștem numărul \(X\) de liniuțe de semnal.
P, apoi estimați mediile și varianțele condiționate dintr-un eșantion simulat, cu tapply. Estimați la fel funcția \(x\mapsto\E[Y\mid X=x]\) pentru punctul uniform în triunghi din Exercițiul 5.La seminar Pe un server de stocare sosesc într-o oră \(N\sim\Pois(20)\) fișiere. Mărimile lor \(X_1,X_2,\dots\) (în MB) sunt independente între ele și de \(N\) și au repartiția \(\GammaD\big(4,\frac12\big)\), deci media \(\E[X_1]=8\) și varianța \(\Var(X_1)=16\) (Propoziția 23 din Cursul 5). Volumul total încărcat într-o oră este \(S=X_1+X_2+\dots+X_N\) (cu \(S=0\) dacă \(N=0\)).
Patru exerciții care reiau tehnicile ședinței; răspunsurile: în fișa de lucru; rezolvările complete vor fi publicate ulterior.
Pentru acasă Un ac de lungime \(l\le d\), aruncat la întâmplare pe o podea cu linii paralele aflate la distanța \(d\) una de alta, intersectează o linie cu probabilitatea \(p=\frac{2l}{\pi d}\) (Exemplul 7 din Cursul 6). (a) Pentru \(l=d=1\): dacă din \(n\) aruncări \(K\) intersectează o linie, ce estimare a lui \(\pi\) obținem și care este abaterea standard a frecvenței \(K/n\)? (b) Arătați că un ac lung (\(l>d\)) intersectează în medie tot \(\frac{2l}{\pi d}\) linii. (c) În R: simulați aruncarea acului și estimați \(\pi\); cum scade eroarea când \(n\) crește?
Pentru acasă Un sistem de echilibrare a încărcării trimite \(70\%\) dintre cereri către serverul \(A\) și \(30\%\) către serverul \(B\); timpul de răspuns (în ms) este aproximativ \(\Norm(50,10^2)\) pentru \(A\) și \(\Norm(80,15^2)\) pentru \(B\). S-a măsurat timpul de răspuns \(T\) al unei cereri, dar nu se știe ce server a tratat-o. (a) Determinați densitatea, media și varianța lui \(T\). (b) Calculați \(\PP(B\mid T=70)\). (c) Clasificăm cererea la \(B\) dacă \(\PP(B\mid T=t)>\frac12\): pentru ce valori ale lui \(t\) și cu ce probabilitate de a greși? (d) Verificați în R.
Pentru acasă Fie \(Z_1,Z_2\sim\Norm(0,1)\) independente, \(\rho\in(-1,1)\) și \(X=Z_1\), \(Y=\rho Z_1+\sqrt{1-\rho^2}\,Z_2\) (repartiția normală bidimensională standard, Definiția 38 din Cursul 6). (a) Arătați că \(\E[Y]=0\), \(\Var(Y)=1\) și \(\rho(X,Y)=\rho\). (b) Arătați că \(\E[Y\mid X=x]=\rho x\) și \(\Var(Y\mid X=x)=1-\rho^2\). (c) Punctajele la două teste sunt \(T_1=70+10X\) și \(T_2=70+10Y\), cu \(\rho=0.6\). Ce punctaj ne așteptăm să obțină la al doilea test un student cu \(90\) la primul? Cu ce probabilitate obține peste \(90\)? (d) Verificați în R, prin simulare.
Pentru acasă Repartiția sumei a două variabile aleatoare independente se obține prin formula de convoluție (Propoziția 42 din Cursul 6). (a) Se aruncă un zar cu \(4\) fețe și un zar cu \(6\) fețe, ambele echilibrate; determinați repartiția sumei \(Z\). (b) Fie \(X,Y\sim\Unif(0,1)\) independente; determinați densitatea sumei \(Z=X+Y\) și calculați \(\PP(Z\le1.5)\). (c) În R: scrieți o funcție care calculează repartiția sumei a două variabile discrete independente, cu outer și tapply; verificați (a), apoi că \(\Pois(2)\) și \(\Pois(3)\) independente au suma \(\Pois(5)\); verificați (b) prin simulare.
cov_tabel și abatere_indep.tabel), determinați \(\E[Y\mid X=x]\) și calculați \(\Cov(X,Y)\) și \(\rho(X,Y)\).int2.Rezultatele folosite: Cursul 6. Vectori aleatori, covarianță și medie condiționată: (Blitzstein and Hwang 2019, cap. 7 și 9), (Bertsekas and Tsitsiklis 2008, cap. 2–4), (Ross 2014, cap. 6–7), (Chan 2021, cap. 5); simulări în R: (Wagaman and Dobrow 2021).
Probabilități și Statistică · Seminarul 6 — Vectori aleatori