Statistică · Seminarul 2 (seminar și laborator) · Fișă de lucru (fără rezolvări)
Universitatea din București · Facultatea de Matematică și Informatică · 2026–2027
Statisticile cu care vom lucra tot semestrul — suma și media unui eșantion, minimul și maximul, rapoarte de tip „semnal/zgomot” — sunt funcții ale unui vector aleator, iar comportarea lor pentru eșantioane mari este descrisă de LNM și de TLC. Exersăm instrumentele din partea a doua a Cursul 1.
Obiective și teme.
integrate, ecdf, histogramă), ilustrarea LNM și a TLC.Fiecare exercițiu: Seminar rezolvarea matematică, apoi Laborator rezolvarea în R.
De rezolvat la seminar (în această ordine):
Dacă timpul permite: Exercițiul 2 (f.g.m. a unei sume), Exercițiul 5 (convoluție și raport), Exercițiul 8 (corecția de continuitate).
Pentru acasă: Exercițiile 4, 7 și 10; exercițiile suplimentare 11, 12, 13; tema.
Rezolvările complete vor fi publicate ulterior. Scheletele de cod R: în fișa de lucru.
Notații: \(S_n=X_1+\dots+X_n\), \(\Xbar=S_n/n\); \(\Phi\) este funcția de repartiție a repartiției \(\Norm(0,1)\), iar \(z_p=\Phi^{-1}(p)\) cuantila ei de ordin \(p\): \(z_{0.95}\approx1.645\), \(z_{0.975}\approx1.96\) (în R, qnorm(p)).
\[ \begin{array}{lllll} \Geom(p): & \dfrac{pe^t}{1-qe^t},\ \ t<-\ln q; &\quad& \Pois(\lambda): & e^{\lambda(e^t-1)},\ \ t\in\R;\\[3mm] \GammaD(\alpha,\lambda): & \Big(\dfrac{\lambda}{\lambda-t}\Big)^{\alpha},\ \ t<\lambda; && \Norm(\mu,\sigma^2): & e^{\mu t+\sigma^2t^2/2},\ \ t\in\R . \end{array} \]
geom și nbinom numără eșecurile: pentru \(X\sim\Geom(p)\), \(\PP(X=k)\) este dgeom(k - 1, p), iar rgeom(n, p) + 1 generează valori ale lui \(X\); pentru \(\NBin(r,p)\), dnbinom(k - r, r, p). exp și gamma folosesc rata, norm folosește abaterea standard.replicate(B, expr) — repetă de B ori o simulare; matrix(v, nrow = B) cu rowMeans, colSums — B eșantioane pe linii (sau pe coloane) și mediile (sumele) lor.cbind(X = x, Y = y) — realizările unui vector aleator, câte una pe linie; colMeans, cov, cor — mediile, matricea de covarianță și matricea de corelație empirice.integrate(f, a, b)$value — integrala numerică a lui f; uniroot(h, c(a, b))$root — o soluție a ecuației \(h(x)=0\) în \([a,b]\).ecdf(x)(q) — proporția valorilor \(\le\) q; pmin, pmax — minimul și maximul pe componente; ifelse(cond, a, b) — funcții pe ramuri; cumsum(x) / (1:n) — mediile cumulate; hist(x, freq = FALSE), apoi curve(f(x), add = TRUE) — histograma normalizată și densitatea.Eroarea Monte Carlo a unei frecvențe (\(B\) repetări): de ordinul \(\sqrt{p(1-p)/B}\le\frac{1}{2\sqrt B}\), cel mult \(0.0016\) pentru \(B=10^5\).
La seminar (a) Fie \(X\sim\Unif(a,b)\), \(a<b\). Pornind de la f.g.m. a lui \(X\), deduceți toate momentele \(\E[X^k]\), apoi \(\E[X]\) și \(\Var(X)\).
Repartiția binomială negativă \(\NBin(r,p)\), \(r\in\N^*\), \(p\in(0,1)\), este repartiția numărului \(X\) de încercări independente necesare pentru a obține \(r\) succese, fiecare încercare fiind un succes cu probabilitatea \(p\): \(\PP(X=k)=\binom{k-1}{r-1}p^r(1-p)^{k-r}\), \(k\ge r\). Calculați \(M_X\), arătați că \(X\) are aceeași repartiție ca suma a \(r\) variabile independente \(\Geom(p)\) și deduceți \(\E[X]\) și \(\Var(X)\).
Recunoașteți repartițiile variabilelor \(V\) și \(W\) cu f.g.m. \(M_V(t)=\big(\frac{0.2\,e^{t}}{1-0.8\,e^{t}}\big)^3\) (\(t<-\ln0.8\)) și \(M_W(t)=\frac{e^{t}}{(1-2t)^3}\) (\(t<1/2\)) și calculați \(\E[V]\), \(\Var(V)\), \(\PP(V=5)\), \(\E[W]\), \(\Var(W)\) și \(\PP(W\le5)\).
În R: verificați valorile de la (c), calculând momentele lui \(V\) prin derivarea numerică a lui \(M_V\) și simulând \(V\) ca sumă de variabile geometrice.
Cele trei proprietăți ale f.g.m. (momente, unicitate, sume), folosite pentru a obține direct o convergență în repartiție — schema demonstrației TLC din Cursul 1.
Dacă timpul permite Fie \(X_1,X_2,\dots\) i.i.d. cu densitatea \(f(x)=\frac12e^{-|x-\theta|}\), \(x\in\R\) (repartiția Laplace sau dublu exponențială), unde \(\theta\in\R\).
Arătați că \(M_{X_1}(t)=\dfrac{e^{\theta t}}{1-t^2}\) pentru \(|t|<1\) și deduceți \(\E[X_1]\) și \(\Var(X_1)\).
Fie \(E_1,E_2\) i.i.d. \(\Exp(1)\). Arătați că \(\theta+E_1-E_2\) are aceeași repartiție ca \(X_1\).
Fie \(U_n=(S_n-n\theta)/\sqrt{2n}\). Calculați \(M_{U_n}\) și arătați direct, fără a folosi TLC, că \(U_n\dto\Norm(0,1)\).
Pentru \(\theta=0\) și \(n=50\), aproximați \(\PP(|\Xbar|\le0.3)\) și verificați prin simulare, generând observațiile cu reprezentarea de la (b).
Un eșantion este un vector aleator. Pașii standard: constanta de normare, marginalele, independența, covarianța.
La seminar Vectorul aleator \((X,Y)\) are densitatea \(f(x,y)=c\,e^{-y}\) pentru \(0<x<y\) și \(f(x,y)=0\) în rest.
Determinați constanta \(c\) și densitățile marginale; recunoașteți repartițiile lui \(X\) și \(Y\). Sunt \(X\) și \(Y\) independente?
Calculați \(\Cov(X,Y)\), \(\rho(X,Y)\) și \(\PP(Y>2X)\).
Fie \(D=Y-X\). Arătați că \(X\) și \(D\) sunt independente, cu repartiția \(\Exp(1)\), și regăsiți rezultatele de la (a) și (b).
În R: simulați \(10^5\) realizări ale vectorului \((X,Y)\) cu reprezentarea dată de (c), estimați mediile, matricea de covarianță și corelațiile și reprezentați un nor de puncte. Ce observați despre raportul \(U=X/Y\)?
Un fenomen surprinzător, specific repartiției Poisson; exersăm criteriul de factorizare în cazul discret.
Pentru acasă O găină depune un număr aleator \(N\sim\Pois(\lambda)\) de ouă (\(\lambda>0\)); fiecare ou eclozează cu probabilitatea \(p\in(0,1)\), independent de celelalte ouă și de \(N\). Fie \(X\) numărul de ouă din care ies pui și \(Y=N-X\) numărul celorlalte ouă; notăm \(q=1-p\).
Arătați că \(\PP(X=k,Y=m)=\PP(N=k+m)\binom{k+m}{k}p^kq^m\) pentru \(k,m\ge0\) și deduceți că \(X\sim\Pois(\lambda p)\), \(Y\sim\Pois(\lambda q)\) și că \(X\) și \(Y\) sunt independente.
Calculați \(\Cov(N,X)\) și \(\rho(N,X)\).
Ce se schimbă dacă numărul de ouă este fix, \(N=n\)?
În R: simulați modelul pentru \(\lambda=4\) și \(p=0.3\) și verificați (a) și (b).
Partea delicată nu este formula, ci domeniul: mulțimea pe care integrandul este nenul, imaginea transformării, forma mulțimii \(\{g\le z\}\).
Dacă timpul permite Un semnal de amplitudine \(X\sim\Unif(0,a)\), \(a>0\), este transmis printr-un canal care îi adaugă un zgomot pozitiv \(Y\sim\Exp(\lambda)\), independent de semnal. Receptorul înregistrează \(Z=X+Y\), iar calitatea transmisiei este măsurată de raportul semnal/zgomot \(Q=X/Y\).
Determinați densitatea lui \(Z\) cu formula de convoluție și verificați că integrala ei este \(1\).
Determinați funcția de repartiție și densitatea lui \(Q\). Are \(Q\) medie?
Pentru \(a=2\) și \(\lambda=1\), calculați \(\PP(Z>3)\) și \(\PP(Q>1)\). Ce ecuație verifică mediana lui \(Q\)?
În R: verificați numeric că densitatea de la (a) are integrala \(1\), comparați rezultatele de la (a)–(c) cu valori simulate și calculați mediana lui \(Q\).
La seminar Un echipament pornește cu o componentă principală, înlocuită, la defectare, de o componentă de rezervă. Timpii lor de funcționare, \(X\) și \(Y\), sunt strict pozitivi, iar vectorul \((X,Y)\) are densitatea \(f\). Ne interesează fracțiunea \(Z=\dfrac{X}{X+Y}\) din timpul total de funcționare \(V=X+Y\) asigurată de componenta principală.
Metoda funcției de repartiție; pentru un vector uniform, probabilitatea este o arie.
Pentru acasă Un senzor este montat într-un colț al unei încăperi pătrate cu latura \(1\), iar un obiect cade într-un punct \((X,Y)\) ales uniform în încăpere: cu senzorul în origine, \(X\) și \(Y\) sunt independente, \(\Unif(0,1)\). Fie \(D=\sqrt{X^2+Y^2}\) distanța de la senzor la obiect.
Determinați funcția de repartiție a lui \(D\), descriind pentru fiecare \(r>0\) mulțimea punctelor din pătrat aflate la distanță cel mult \(r\) de origine.
Deduceți densitatea lui \(D\) și densitatea lui \(D^2=X^2+Y^2\).
Calculați \(\PP(D\le1)\), \(\PP(D>1.2)\) și mediana lui \(D\).
În R: verificați (a)–(c) prin simulare, verificați numeric că \(f_D\) are integrala \(1\) și că \(\int r^2f_D(r)\dd r=\E[X^2]+\E[Y^2]\) și calculați distanța medie \(\E[D]\).
Dacă timpul permite (a) Notele obținute la un examen au media \(6.1\) și abaterea standard \(1.5\). Aproximați probabilitatea ca media notelor a \(38\) de studenți aleși la întâmplare (independent) să fie cel mult \(5.5\). (b) Timpul de așteptare al unui client la un ghișeu (măsurat într-o unitate de timp fixată) are media \(1.5\) și varianța \(1\). Aproximați probabilitatea ca timpul total de așteptare a \(100\) de clienți (independenți) să fie cel mult \(120\). (c) Fie \(Y\sim\Bin(25,0.4)\). Aproximați \(\PP(Y\le8)\) și \(\PP(Y=8)\), fără și cu corecție de continuitate. (d) O monedă echilibrată se aruncă de \(100\) de ori. Aproximați probabilitatea de a obține cel puțin \(55\) de steme. (e) În R: comparați aproximările de la (c) și (d) cu valorile exacte și cu frecvențele obținute din \(10^5\) simulări. Apoi, pentru \(S_n\sim\Bin(n,p)\), calculați eroarea maximă \(\max_k|\PP(S_n\le k)-\text{aproximare}|\) a aproximării normale (fără și cu corecție de continuitate) și a aproximării Poisson, pentru \(p\in\{0.3,\,0.05\}\) și \(n\in\{10,100,1000\}\).
La seminar Pentru a estima proporția \(p\in(0,1)\) a alegătorilor care susțin o propunere, se intervievează \(n\) persoane alese independent; fie \(\hat p_n=S_n/n\) proporția răspunsurilor „da”, cu \(S_n\sim\Bin(n,p)\). Vrem ca \(\PP(|\hat p_n-p|\le0.03)\ge0.95\) oricare ar fi \(p\).
Determinați un volum \(n\) suficient folosind inegalitatea lui Cebîșev.
Determinați \(n\) folosind TLC. Verificați în R probabilitatea exactă pentru volumul găsit.
Arătați că \(Z_n=\dfrac{\sqrt n(\hat p_n-p)}{\sqrt{\hat p_n(1-\hat p_n)}}\dto\Norm(0,1)\) și deduceți un interval aleator care conține \(p\) cu probabilitatea aproximativ \(0.95\). Aplicați pentru \(n=1068\) persoane, dintre care \(587\) au răspuns „da”.
În R: calculați intervalul de la (c) și estimați prin simulare probabilitatea ca un astfel de interval să conțină \(p\), pentru \(p=0.55\) și \(n\in\{30,1068\}\).
Ultimul exercițiu nu mai calculează nimic nou: el arată, prin simulare, cele două teoreme limită la lucru.
Pentru acasă Fie \(X_1,X_2,\dots\) i.i.d., cu media \(\mu\) și abaterea standard \(\sigma\in(0,\infty)\), \(p_n(\varepsilon)=\PP(|\Xbar-\mu|>\varepsilon)\) și \(Z_n=\sqrt n(\Xbar-\mu)/\sigma\).
Pentru populația \(\Exp(1)\) și \(\varepsilon=0.1\), comparați, pentru \(n=100\) și \(n=500\), marginea dată de inegalitatea lui Cebîșev pentru \(p_n(\varepsilon)\), aproximarea dată de TLC și valoarea exactă.
În R: simulați \(5\,000\) de traiectorii \(n\mapsto\bar x_n\), \(n\le1000\), ale mediilor unei populații \(\Exp(1)\), estimați \(p_n(0.1)\) prin frecvența traiectoriilor aflate în afara benzii \(1\pm0.1\) și comparați cu valorile de la (a).
Calculați \(\mu\) și \(\sigma\) pentru populația lognormală (\(X=e^W\), cu \(W\sim\Norm(0,1)\)). În R: pentru populațiile \(\Unif(0,1)\), \(\Exp(1)\) și lognormală și pentru \(n\in\{5,30,200\}\), estimați din \(2\cdot10^4\) eșantioane simulate probabilitățile \(\PP(Z_n\le-1.645)\) și \(\PP(Z_n>1.645)\), pe care TLC le aproximează prin \(0.05\). Ce observați?
Pentru acasă (a) Randamentele \(X_1\), \(X_2\) a două active financiare au \(\Var(X_1)=1\), \(\Var(X_2)=4\) și \(\rho(X_1,X_2)=-0.5\). Calculați \(\Var(2X_1-X_2+3)\). Un investitor plasează fracțiunea \(a\in[0,1]\) din capital în primul activ; randamentul portofoliului este \(R_a=aX_1+(1-a)X_2\). Determinați \(a\) care minimizează \(\Var(R_a)\).
Fie \(X_1,\dots,X_n\), \(n\ge2\), cu varianțe pozitive și \(\rho(X_i,X_j)=\rho\) pentru orice \(i\ne j\). Arătați că \(\rho\ge-\frac{1}{n-1}\).
Fie \(Y_1,\dots,Y_n\) i.i.d. cu varianța \(\sigma^2>0\). Arătați că abaterile \(e_i=Y_i-\bar Y_n\) au exact corelația \(-\frac1{n-1}\) și deduceți că \(\E[S_n^2]=\sigma^2\), unde \(S_n^2=\frac{1}{n-1}\sum_{i=1}^n(Y_i-\bar Y_n)^2\).
În R: regăsiți rezultatele de la (a) cu formula \(\Cov(A\bX+\mathbf b)=A\Sigma A^\top\) și verificați (c) prin simulare, pentru \(n=4\).
Pentru acasă Un călător ajunge în stație și pleacă cu primul vehicul care sosește. Autobuzul sosește după un timp \(X\sim\Unif(0,1)\) (măsurat în ore: autobuzele trec din oră în oră, iar călătorul nu cunoaște orarul), iar un taxi liber trece după un timp \(Y\sim\Exp(\lambda)\), independent de \(X\). Fie \(T=\min(X,Y)\) timpul de așteptare și \(M=\max(X,Y)\) momentul până la care au trecut ambele vehicule.
Determinați funcția de repartiție, densitatea și media lui \(T\).
Calculați probabilitatea ca taxiul să sosească primul.
Determinați densitatea și media lui \(M\).
În R: verificați rezultatele prin simulare pentru \(\lambda=3\).
Pentru acasă Se efectuează \(20\) de serii de câte \(400\) de aruncări ale unei monede echilibrate. Fie \(F_1,\dots,F_{20}\) frecvențele relative ale stemei în cele \(20\) de serii și \(N\) numărul de serii pentru care \(F_i\notin(0.45,\,0.55)\).
Care este repartiția lui \(N\)? Aproximați parametrul ei cu TLC, fără și cu corecție de continuitate.
Care dintre evenimentele \(\{N=0\}\), \(\{N=1\}\), \(\{N\ge2\}\) este cel mai probabil? Folosiți aproximarea Poisson.
În R: calculați exact parametrul de la (a) și probabilitățile de la (b) și verificați-le prin simulare.
pbinom).Pentru aprofundare: (Casella and Berger 2002, cap. 4–5), (Hogg et al. 2019, cap. 2 și 5), (Knight 2000, cap. 2–3).
Statistică · Seminarul 2 — F.g.m., vectori aleatori, teoreme limită