Seminarul 6. Vectori aleatori: repartiții comune, covarianță și medie condiționată

Probabilități și Statistică · Seminarul 6 (seminar și laborator) · Fișă de lucru (fără rezolvări)

Alexandru Amărioarei

Universitatea din București · Facultatea de Matematică și Informatică · 2026–2027

Planul seminarului și laboratorului

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”.

  • Breviar: rezultatele din Cursul 6 și instrumentele R ale ședinței.
  • Vectori aleatori discreți: un tabel de repartiție (semnalul și retransmisiile), minimul și maximul a două zaruri, câtul și restul unui număr aleator.
  • Vectori aleatori continui: o densitate pe pătrat și pe triunghi, un punct uniform într-un triunghi, o cerere trimisă la două servere.
  • Covarianță și corelație: semnal și retransmisii, combinarea a două măsurători, zaruri corelate negativ și zaruri necorelate.
  • Media condiționată: predicție, legea mediei iterate și legea varianței totale, sume aleatoare.

Fiecare exercițiu: întâi calculul matematic, apoi verificarea în R, pornind de la scheletele de cod din fișa de lucru.

Obiective

La sfârșitul ședinței studentul trebuie să poată:

  1. citi și construi tabelul repartiției comune a unui vector aleator discret, determina repartițiile marginale și condiționate și decide dacă variabilele sunt independente;
  2. lucra cu o densitate comună: constanta de normalizare, densitățile marginale și condiționate, probabilități calculate ca integrale duble sau ca rapoarte de arii, criteriul de factorizare; determina repartiția minimului și a maximului a două variabile independente;
  3. calcula covarianța și coeficientul de corelație, varianța unei combinații liniare \(aX+bY\) și deosebi variabilele necorelate de cele independente;
  4. calcula media condiționată ca funcție de variabila de condiționare și aplica legea mediei iterate și legea varianței totale, în particular pentru sume aleatoare;
  5. reprezenta în R o repartiție comună ca matrice, simula vectori aleatori (din tabel, în două etape, prin respingere), estima probabilități, corelații și medii condiționate dintr-un eșantion simulat și calcula numeric integrale duble.

Planul ședinței

De rezolvat la seminar (în această ordine):

  • Exercițiul 1 — tabelul repartiției comune: marginale, condiționate, independență; P, sim_tabel;
  • Exercițiul 3 — independența a două variabile discrete; tabel, abatere_indep;
  • Exercițiul 4 — o densitate comună, factorizarea, condiționarea la un eveniment; int2, respingere;
  • Exercițiul 7 — covarianța și corelația, din tabel și din date; cov_tabel;
  • Exercițiul 11 — o sumă aleatoare: legea mediei iterate și legea varianței totale.

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.

Breviar: repartiții comune, marginale, condiționate

Breviar

Din Cursul 6. Variabile discrete: probabilități și sume; variabile continue: densități și integrale.

  • Repartiția comună (Definițiile 4 din Cursul 6 și 13 din Cursul 6): \(p_{X,Y}(x,y)=\PP(X=x,Y=y)\), respectiv \(\PP((X,Y)\in A)=\iint_Af_{X,Y}(x,y)\dd x\dd y\). Pentru \((X,Y)\sim\Unif(S)\) probabilitățile sunt rapoarte de arii (Definiția 15 din Cursul 6).
  • Marginale (Definiția 5 din Cursul 6, Propoziția 14 din Cursul 6): \(p_X(x)=\sum_yp_{X,Y}(x,y)\), respectiv \(f_X(x)=\int f_{X,Y}(x,y)\dd y\).
  • Condiționate (Definițiile 7 din Cursul 6 și 18 din Cursul 6): \(p_{Y\mid X}(y\mid x)=\frac{p_{X,Y}(x,y)}{p_X(x)}\), \(f_{Y\mid X}(y\mid x)=\frac{f_{X,Y}(x,y)}{f_X(x)}\); regula de înmulțire \(f_{X,Y}=f_X\,f_{Y\mid X}\) și formula lui Bayes (Propoziția 8 din Cursul 6).
  • Independență (Definiția 9 din Cursul 6, Propoziția 21 din Cursul 6): \(p_{X,Y}=p_X\,p_Y\), respectiv \(f_{X,Y}=f_X\,f_Y\); este suficient ca \(f_{X,Y}(x,y)=g(x)h(y)\) pe tot planul.
  • Media unei funcții (Teoremele 10 din Cursul 6 și 25 din Cursul 6): \(\E[g(X,Y)]=\sum_x\sum_yg(x,y)\,p_{X,Y}(x,y)\), respectiv \(\iint g\,f_{X,Y}\); dacă \(X\indep Y\), atunci \(\E[XY]=\E[X]\E[Y]\).

Breviar: covarianță, corelație, medie condiționată

Breviar (continuare)
  • Covarianță și corelație (Definițiile 31 din Cursul 6 și 35 din Cursul 6, Propoziția 34 din Cursul 6): \[\Cov(X,Y)=\E[XY]-\E[X]\E[Y],\qquad \rho(X,Y)=\frac{\Cov(X,Y)}{\sqrt{\Var(X)\Var(Y)}}\in[-1,1],\] \(\Var(aX+bY)=a^2\Var(X)+b^2\Var(Y)+2ab\,\Cov(X,Y)\); \(X\indep Y\) implică \(\Cov(X,Y)=0\), nu și invers.
  • Media condiționată (Definiția 27 din Cursul 6): \(g(x)=\E[Y\mid X=x]\) este un număr, iar \(\E[Y\mid X]=g(X)\) o variabilă aleatoare; legea mediei iterate și legea varianței totale (Teorema 28 din Cursul 6): \[\E\big[\E[Y\mid X]\big]=\E[Y],\qquad \Var(Y)=\E\big[\Var(Y\mid X)\big]+\Var\big(\E[Y\mid X]\big).\]
  • Sume aleatoare (Propoziția 30 din Cursul 6): pentru \(S=X_1+\dots+X_N\), \(\E[S]=\E[N]\,\E[X_1]\) și \(\Var(S)=\E[N]\Var(X_1)+\Var(N)\,(\E[X_1])^2\).

Breviar: instrumentele R ale ședinței

Instrumente R folosite azi
  • 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;
  • simularea în două etape (întâi \(X\), apoi \(Y\) din repartiția condiționată) și prin respingere (păstrăm punctele care îndeplinesc o condiție); mean(conditie) — probabilitatea unei regiuni;
  • integrate(f, a, b)$value — integrală numerică; două apeluri imbricate: integrală dublă.

Vectori aleatori discreți

Semnalul și retransmisiile: un tabel de repartiție

Exercițiul 1 (Semnalul și retransmisiile: un tabel de repartiție)

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.

\[ \begin{array}{c|ccc} X\backslash Y & 0 & 1 & 2\\ \hline 1 & 0.05 & 0.10 & 0.10\\ 2 & 0.15 & 0.15 & 0.05\\ 3 & 0.30 & 0.10 & 0 \end{array} \]

  1. Verificați că tabelul definește o repartiție comună, determinați repartițiile marginale și calculați \(\PP(X\le2,\ Y\ge1)\) și \(\PP(X+Y\ge4)\).
  2. Determinați repartițiile condiționate \(Y\mid X=1\), \(Y\mid X=3\) și \(X\mid Y=2\). Un pachet a avut nevoie de două retransmisii: care este probabilitatea ca semnalul să fi fost slab?
  3. Sunt \(X\) și \(Y\) independente?
  4. În R: reprezentați tabelul ca matrice, regăsiți (a)–(c) și simulați \(10^5\) pachete cu repartiția din tabel.

Minimul și maximul a două zaruri

Exercițiul 2 (Minimul și maximul a două zaruri)

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, \(U=V\)).

  1. Determinați repartiția comună a vectorului \((U,V)\) și repartițiile marginale.

  2. Determinați repartiția condiționată a lui \(U\) la \(V=4\) și media condiționată \(\E[U\mid V=4]\).

  3. 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.

  4. În R: construiți tabelul prin enumerarea celor \(36\) de rezultate și calculați mediile condiționate cu tapply, exact și pe un eșantion simulat.

Câtul și restul unui număr aleator: sunt independente?

Exercițiul 3 (Câtul și restul unui număr aleator: sunt independente?)

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 \(N=4Y+X\).

  1. Pentru \(n=12\), determinați repartiția comună și marginalele. Sunt \(X\) și \(Y\) independente?

  2. Aceeași întrebare pentru \(n=10\). Calculați \(\PP(X=0\mid Y=2)\) și comparați cu \(\PP(X=0)\).

  3. 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?

Vectori aleatori continui

Două procese cer memorie: o densitate pe pătrat și pe triunghi

Exercițiul 4 (Două procese cer memorie: o densitate pe pătrat și pe triunghi)

La seminar Două procese pornesc simultan pe un server și cer fracțiunile \(X\), respectiv \(Y\) din memoria disponibilă. Vectorul \((X,Y)\) are densitatea \[ f_{X,Y}(x,y)=c\,xy\quad\text{pentru }0\le x\le1,\ 0\le y\le1\qquad(\text{și }0\text{ în rest}). \]

  1. Determinați constanta \(c\) și densitățile marginale. Sunt \(X\) și \(Y\) independente?
  2. Cele două cereri pot fi satisfăcute simultan dacă \(X+Y\le1\). Calculați \(\PP(X+Y\le1)\).
  3. Știind că ambele cereri au fost satisfăcute, adică condiționat de evenimentul \(A=\{X+Y\le1\}\), determinați densitatea comună a lui \((X,Y)\), densitatea marginală a lui \(X\) și \(\E[X\mid A]\). Mai sunt \(X\) și \(Y\) independente?
  4. În R: verificați (a) și (b) prin integrare numerică și prin simulare, apoi obțineți un eșantion din repartiția de la (c) păstrând numai perechile simulate cu \(X+Y\le1\).

Un punct ales uniform într-un triunghi

Exercițiul 5 (Un punct ales uniform într-un triunghi)

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 \((1,1)\).

  1. Scrieți densitatea comună și determinați densitățile marginale. Sunt \(X\) și \(Y\) independente?

  2. Determinați densitatea condiționată a lui \(Y\) la \(X=x\) și media condiționată \(\E[Y\mid X=x]\). Deduceți \(\E[Y]\).

  3. Calculați \(\PP\big(X-Y\ge\frac12\big)\) și \(\PP(Y\le X^2)\).

  4. 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?

O cerere trimisă la două servere: minimul și maximul

Exercițiul 6 (O cerere trimisă la două servere: minimul și maximul)

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.

  1. Determinați funcția de repartiție și densitatea lui \(L\). Cu cât scade timpul mediu de răspuns față de folosirea numai a serverului rapid?
  2. Calculați probabilitatea ca serverul lent să răspundă primul, \(\PP(X<Y)\).
  3. Determinați funcția de repartiție, densitatea și media lui \(M\).
  4. După sosirea primului răspuns, cât mai așteptăm, în medie, al doilea răspuns?
  5. Verificați rezultatele în R, prin simulare și prin integrare numerică.

Covarianță și corelație

Covarianța și corelația dintre semnal și retransmisii

Exercițiul 7 (Covarianța și corelația dintre semnal și retransmisii)

La seminar Revenim la vectorul \((X,Y)\) din Exercițiul 1: \(X\) este numărul de liniuțe de semnal, iar \(Y\) numărul de retransmisii.

  1. Calculați \(\E[X]\), \(\E[Y]\), \(\E[XY]\), \(\Cov(X,Y)\), \(\Var(X)\), \(\Var(Y)\) și \(\rho(X,Y)\). Interpretați semnul corelației.

  2. 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 \(\rho(S,T)\).

  3. 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 \(n\in\{100,10^3,10^4,10^5\}\).

Combinarea a două măsurători: ponderea care minimizează varianța

Exercițiul 8 (Combinarea a două măsurători: ponderea care minimizează varianța)

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 \(a\in[0,1]\).

  1. Arătați că \(\E[T_a]=\mu\) pentru orice \(a\) și exprimați \(\Var(T_a)\) în funcție de \(a\) și \(\rho\).

  2. 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.

  3. Reluați (b) pentru \(\rho=0.5\) (senzorii sunt afectați de aceleași perturbații) și pentru \(\rho=-0.5\).

  4. 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.

Zaruri: corelație negativă și corelație nulă

Exercițiul 9 (Zaruri: corelație negativă și corelație nulă)

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.

  1. Scrieți \(N_1\) și \(N_6\) ca sume de indicatori și arătați că \(\Cov(N_1,N_6)=-\frac{n}{36}\) și \(\rho(N_1,N_6)=-\frac15\).
  2. Verificați rezultatul de la (a) pornind de la repartiția lui \(N_1+N_6\).
  3. Arătați că \(\Cov(S,D)=0\). Sunt \(S\) și \(D\) independente?
  4. În R: verificați (a) prin simulare pentru \(n=12\); construiți tabelul repartiției comune a lui \((S,D)\) și aplicați-i funcțiile cov_tabel și abatere_indep; ilustrați prin simulare Exemplul 16 din Cursul 6.

Media condiționată

Media condiționată ca funcție: ce spune semnalul despre retransmisii

Exercițiul 10 (Media condiționată ca funcție: ce spune semnalul despre retransmisii)

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.

  1. Calculați \(g(x)=\E[Y\mid X=x]\) pentru \(x=1,2,3\), scrieți repartiția variabilei aleatoare \(\E[Y\mid X]\) și verificați legea mediei iterate.
  2. Calculați \(\Var(Y\mid X=x)\) și verificați legea varianței totale.
  3. Prezicem \(Y\) prin \(g(X)\). Calculați eroarea pătratică medie \(\E\big[(Y-g(X))^2\big]\) și comparați-o cu eroarea celei mai bune predicții constante.
  4. În R: calculați (a)–(c) pornind de la matricea 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.

Volumul total al fișierelor încărcate într-o oră: o sumă aleatoare

Exercițiul 11 (Volumul total al fișierelor încărcate într-o oră: o sumă aleatoare)

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 \(N=0\)).

  1. Calculați \(\E[S\mid N=n]\) și \(\Var(S\mid N=n)\). Ce variabile aleatoare sunt \(\E[S\mid N]\) și \(\Var(S\mid N)\)?
  2. Deduceți \(\E[S]\), \(\Var(S)\) și \(\mathrm{SD}(S)\). Ce parte din varianță se datorează faptului că numărul de fișiere este aleator?
  3. Calculați \(\Cov(N,S)\) și \(\rho(N,S)\).
  4. În R: simulați \(10^5\) ore, verificați (a)–(c) și estimați capacitatea \(c\) pentru care \(\PP(S>c)=0.01\).

Studiu individual și temă

Pentru studiul individual

Patru exerciții care reiau tehnicile ședinței; răspunsurile: în fișa de lucru; rezolvările complete vor fi publicate ulterior.

Exercițiul 12 (Acul lui Buffon prin simulare)

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 studiul individual (continuare)

Exercițiul 13 (De la ce server a venit răspunsul? Formula lui Bayes cu o observație continuă)

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 studiul individual (continuare)

Exercițiul 14 (Repartiția normală bidimensională: simulare și dreapta de regresie)

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 studiul individual (continuare)

Exercițiul 15 (Suma a două variabile independente: convoluția)

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.

Temă (răspunsuri: în fișa de lucru)

  1. Vectorul \((X,Y)\) are repartiția comună \(\PP(X=0,Y=0)=0.2\), \(\PP(X=0,Y=1)=0.1\), \(\PP(X=0,Y=2)=0.1\), \(\PP(X=1,Y=0)=0.1\), \(\PP(X=1,Y=1)=0.2\), \(\PP(X=1,Y=2)=0.3\). Determinați marginalele, repartiția \(Y\mid X=1\), \(\E[Y\mid X=0]\), \(\E[Y\mid X=1]\) și \(\rho(X,Y)\). Sunt variabilele independente? Verificați în R cu cov_tabel și abatere_indep.
  2. O monedă echilibrată se aruncă de trei ori; \(X\) = numărul de capete din primele două aruncări, \(Y\) = numărul de capete din toate cele trei. Construiți în R tabelul repartiției comune (cu funcția tabel), determinați \(\E[Y\mid X=x]\) și calculați \(\Cov(X,Y)\) și \(\rho(X,Y)\).
  3. Pentru densitatea \(24xy\) pe triunghiul \(\{x\ge0,\ y\ge0,\ x+y\le1\}\) din Exercițiul 4 (c), calculați \(\E[XY]\), \(\Cov(X,Y)\) și \(\rho(X,Y)\), apoi \(f_{Y\mid X}(y\mid x)\) și \(\E[Y\mid X=x]\). Verificați primele trei valori în R cu funcția int2.
  4. Punctul \((X,Y)\) este uniform în pătratul \([0,1]^2\). Calculați \(\PP(X^2+Y^2\le1)\) și folosiți rezultatul pentru a estima \(\pi\) în R, cu \(10^6\) puncte simulate.

Temă (continuare)

  1. O cerere este trimisă către trei servere cu timpi de răspuns independenți, \(\Exp(1)\), \(\Exp(2)\) și \(\Exp(3)\). Determinați repartiția timpului până la primul răspuns și probabilitatea ca primul să răspundă serverul cel mai lent. Verificați prin simulare (ca în Exercițiul 6).
  2. Variabilele \(X\) și \(Y\) au \(\Var(X)=4\), \(\Var(Y)=1\) și \(\rho(X,Y)=0.25\). Calculați \(\Var(2X-3Y+1)\), \(\Cov(X+Y,\,X-Y)\) și \(\rho(X+Y,\,X-Y)\).
  3. Un zar echilibrat se aruncă de \(n\) ori. Fie \(N_p\) numărul de aruncări la care apare un număr par și \(N_6\) numărul de apariții ale feței \(6\). Calculați \(\Cov(N_p,N_6)\) și \(\rho(N_p,N_6)\) și comparați cu Exercițiul 9.
  4. Aruncăm un zar echilibrat și apoi aruncăm o monedă echilibrată de atâtea ori câte puncte a arătat zarul (modelul din Exercițiul 13 din Seminarul 2). Fie \(N\) numărul arătat de zar și \(Y\) numărul de capete. Calculați \(\E[Y]\) și \(\Var(Y)\) cu legea mediei iterate și legea varianței totale și verificați prin simulare.

Bibliografie

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).

Bertsekas, Dimitri P., and John N. Tsitsiklis. 2008. Introduction to Probability. 2nd ed. Athena Scientific.
Blitzstein, Joseph K., and Jessica Hwang. 2019. Introduction to Probability. 2nd ed. CRC Press.
Chan, Stanley H. 2021. Introduction to Probability for Data Science. Michigan Publishing.
Ross, Sheldon M. 2014. Introduction to Probability and Statistics for Engineers and Scientists. 5th ed. Elsevier Academic Press.
Wagaman, Amy S., and Robert P. Dobrow. 2021. Probability with Applications and R. 2nd ed. Wiley.