Statistică · Seminarul 4 (seminar și laborator) · Fișă de lucru (fără rezolvări)
Universitatea din București · Facultatea de Matematică și Informatică · 2026–2027
De rezolvat la seminar, în această ordine:
Dacă timpul permite:
dist_ks) și 10 (probabilități mici).Pentru acasă:
Scheletele de cod R: în fișa de lucru.
\(U,U_1,U_2,\dots\) sunt variabile aleatoare independente, repartizate \(\Unif(0,1)\); \(F^{-1}\) este funcția cuantilă a lui \(F\).
runif(n) — \(n\) numere pseudo-aleatoare uniforme pe \((0,1)\); set.seed(s) — reproductibilitate.ifelse(cond, a, b) — funcții definite pe ramuri, aplicate unui vector.cumsum(p) — sumele parțiale \(s_k\); findInterval(u, s, left.open = TRUE) — numărul pragurilor \(s_k\) strict mai mici decât \(u\) (metoda inversă discretă, vectorizată).qexp, qbinom, qpois, qhyper, … — funcțiile cuantilă; dhyper(x, m, n, k): m bile albe, n negre, k extrageri.integrate(f, a, b)$value — integrala numerică \(\int_a^bf\); f primește și întoarce vectori.hist(x, freq = FALSE), apoi curve(f(x), add = TRUE) — histograma normalizată și densitatea; ecdf(x) — funcția de repartiție empirică \(F_n\); quantile(x, p) — cuantilele empirice.apply(M, 1, max), rowSums(M) — calcule pe linii; outer(a, b, f), M %*% v, expand.grid.dist_ks(x, F) — distanța Kolmogorov \(\sup_t|F_n(t)-F(t)|\) (Exercițiul 5); mc_rezumat(y) — estimația Monte Carlo, eroarea standard și intervalul (Exercițiul 8).La seminar Concentrația \(X\) de dioxid de sulf (în ppm) din aerul de lângă o rafinărie este modelată prin densitatea \[ f(x)=\begin{cases}\frac45x^3, & 0\le x<1,\\[2pt] \frac45e^{1-x}, & x\ge1,\end{cases}\qquad f(x)=0\ \text{pentru}\ x<0 . \]
Verificați că \(f\) este o densitate și determinați funcția de repartiție \(F\).
Determinați funcția cuantilă, mediana și un algoritm de simulare prin metoda inversă; interpretați algoritmul ca un amestec de două repartiții.
Calculați \(\E[X]\) direct și ca \(\int_0^1F^{-1}(u)\dd u\), apoi \(\Var(X)\) și \(\PP\big(\frac12<X<2\mid X\ge\frac13\big)\).
În R: scrieți \(f\) și \(F^{-1}\) și verificați numeric (a) și (b); simulați apoi \(10^5\) valori prin metoda inversă, comparați histograma lor cu densitatea și verificați rezultatele de la (c).
La seminar Dintr-o urnă cu \(N=10\) bile, dintre care \(K=4\) albe, se extrag fără întoarcere \(n=3\) bile; \(X\) este numărul de bile albe extrase, \(X\sim\HGeom(10,4,3)\).
Scrieți funcția de masă și arătați că \(p_{k+1}=\frac{(K-k)(n-k)}{(k+1)(N-K-n+k+1)}\,p_k\). Calculați \(p_0,\dots,p_3\) cu această recurență.
Determinați funcția cuantilă, mediana și cuartilele. Folosind metoda inversă cu valorile în ordinea naturală \(0,1,2,3\), transformați uniformele \(0.08,\ 0.35,\ 0.71,\ 0.97,\ 0.66\) în observații din repartiția lui \(X\).
Refaceți transformarea parcurgând valorile în ordinea descrescătoare a probabilităților. De ce obținem alte valori, deși ambele eșantioane sunt corecte? Comparați numărul mediu de comparații al celor două variante.
În R: verificați (a)–(c) cu dhyper, qhyper și findInterval; apoi, doar cu recurența de la (a), simulați \(10^4\) valori din \(\HGeom(50,20,15)\) și comparați media și varianța lor cu valorile teoretice.
La seminar Fie funcția \(\quad F(x)=\begin{cases}0, & x<0,\\ \frac x2, & 0\le x<1,\\ \frac34, & 1\le x<2,\\ 1-\frac14e^{-(x-2)}, & x\ge2 .\end{cases}\)
Arătați că \(F\) este o funcție de repartiție. Fie \(X\sim F\). Calculați \(\PP(X=1)\), \(\PP(1<X\le2)\), \(\PP(X>3)\) și descrieți repartiția lui \(X\) ca amestec de repartiții cunoscute.
Determinați funcția cuantilă \(F^{-1}\); ce se întâmplă în dreptul saltului și al palierului?
Verificați că inegalitățile \(F(F^{-1}(u))\ge u\) și \(F^{-1}(F(x))\le x\) pot fi stricte; unde sunt egalități?
Scrieți un algoritm de simulare pentru \(X\); calculați \(\E[X]\) direct și ca \(\int_0^1F^{-1}(u)\dd u\), apoi \(\Var(X)\).
În R: verificați (c) și (d), simulați \(10^5\) observații și comparați funcția de repartiție empirică cu \(F\).
Dacă timpul permite Fie \(X\) o variabilă aleatoare cu funcția de repartiție \(F\) și funcția cuantilă \(F^{-1}\).
Fie \(a\in\R\), \(b>0\) și \(Y=a+bX\). Arătați că \(F_Y^{-1}(u)=a+bF^{-1}(u)\) pentru orice \(u\in(0,1)\).
Mai general, fie \(h:\R\to\R\) continuă și strict crescătoare, cu \(h(\R)=\R\). Arătați că funcția cuantilă a lui \(h(X)\) este \(h\circ F^{-1}\).
Fie \(X_1,\dots,X_n\) i.i.d. cu funcția de repartiție \(F\). Arătați că funcțiile cuantilă ale lui \(M_n=\max_iX_i\) și \(m_n=\min_iX_i\) sunt \(F_{M_n}^{-1}(u)=F^{-1}\big(u^{1/n}\big)\) și \(F_{m_n}^{-1}(u)=F^{-1}\big(1-(1-u)^{1/n}\big)\) și deduceți o metodă de simulare a lui \(M_n\) și a lui \(m_n\) cu o singură uniformă.
Aplicație: \(X_i\sim\Exp(1)\), \(n=5\). Scrieți formulele de simulare, recunoașteți repartiția minimului și calculați mediana și media lui \(M_5\).
În R: simulați \(M_5\) cu o singură uniformă și direct, din cinci exponențiale, și comparați.
Dacă timpul permite Concentrația \(X\) de monoxid de carbon (în ppm) peste un prag cunoscut \(k>0\) este modelată prin densitatea Pareto \[ f(x)=\frac{\theta k^\theta}{x^{\theta+1}},\qquad x>k,\qquad \theta>3 . \]
Determinați \(F\), \(F^{-1}\) și un algoritm de simulare. Pentru \(k=1\) și \(\theta=4\), calculați \(\PP(k+1<X<k+3\mid X>k+1)\).
Folosind relația (1), calculați \(\E[X^r]\) pentru \(r>0\) și deduceți \(\E[X]\), \(\Var(X)\) și \(\E[X^3]\).
Arătați că \(\ln(X/k)\sim\Exp(\theta)\) și calculați \(\E[\ln X]\). Ce legătură are rezultatul cu algoritmul de la (a)?
În R, pentru \(k=1\) și \(\theta=4\): simulați \(10^5\) valori, calculați distanța Kolmogorov dintre funcția de repartiție empirică și \(F\) și verificați (a)–(c). Estimați apoi \(\E[X^3]\) cu patru semințe diferite; ce observați?
Pentru acasă Fie \(X\) o variabilă aleatoare discretă cu valorile \(x_1<x_2<\cdots\), probabilitățile \(p_k>0\), sumele parțiale \(s_k=p_1+\dots+p_k\) (\(s_0=0\)) și funcția de repartiție \(F\); fie \(U\sim\Unif(0,1)\) independentă de \(X\).
Arătați că \(V=F(X-)+U\big(F(X)-F(X-)\big)\) are repartiția \(\Unif(0,1)\).
Deduceți că \(\PP(F(X)\le u)\le u\) pentru orice \(u\in[0,1]\).
Pentru \(X\sim\Pois(2)\), calculați \(\PP(F(X)\le\frac12)\) și comparați cu \(\frac12\).
În R, pentru \(X\sim\Pois(2)\): simulați \(10^5\) valori ale lui \(F(X)\) și ale lui \(V\), comparați histogramele lor și distanțele Kolmogorov față de repartiția \(\Unif(0,1)\).
Punctul 2 al Teoremei 12 din Cursul 3 cere ca \(F\) să fie continuă; aici îl „reparăm” pentru repartiții discrete, adăugând o uniformă independentă.
Pentru acasă Fie \(\alpha,\beta>0\) și \(F(x)=\big(1-\exp(-\alpha x^\beta)\big)\Ind_{[0,\infty)}(x)\).
Arătați că \(F\) este o funcție de repartiție continuă, determinați densitatea, funcția cuantilă, mediana și o metodă de simulare.
Calculați \(\E[X^r]\), \(r>0\), cu relația (1) și deduceți media și varianța; dați valorile numerice pentru \(\alpha=2\), \(\beta=1.5\).
Arătați că \(E=\alpha X^\beta\sim\Exp(1)\) și că \(G=-\ln(\alpha X^\beta)\) are funcția de repartiție Gumbel \(F_G(x)=\exp(-e^{-x})\), \(x\in\R\). Scrieți \(G\) ca funcție de uniforma \(U\) folosită la (a) și comparați cu funcția cuantilă a lui \(G\).
Fie \(X_1,\dots,X_n\) i.i.d. cu funcția de repartiție \(F\). Arătați că \(m_n=\min_iX_i\) are o repartiție Weibull și deduceți o simulare a lui \(m_n\) cu o singură uniformă.
În R: verificați rezultatele prin simulare, pentru \(\alpha=2\), \(\beta=1.5\) și \(n=5\).
La seminar O țintă are trei cercuri concentrice, de raze \(\frac1{\sqrt3}\), \(1\) și \(\sqrt3\). O săgeată primește \(4\) puncte în interiorul primului cerc, \(3\) puncte între primul și al doilea, \(2\) puncte între al doilea și al treilea și \(0\) puncte în afara celui de-al treilea. Distanța \(R\) de la centru la impact are densitatea \(f_R(r)=\frac{2}{\pi(1+r^2)}\), \(r>0\); \(S\) este scorul.
Determinați \(F_R\), \(F_R^{-1}\) și un algoritm de simulare a lui \(R\) prin metoda inversă.
Determinați repartiția lui \(S\), \(\E[S]\) și \(\Var(S)\). Arătați că \(S\) se poate simula direct dintr-o uniformă.
Fie \(S_1,\dots,S_N\) scorurile a \(N\) săgeți independente. Scrieți estimatorii Monte Carlo ai lui \(m=\E[S]\) și \(p_0=\PP(S=0)\) și erorile lor standard. Ce volum \(N\) asigură, pentru fiecare, o eroare de cel mult \(0.01\) cu probabilitatea aproximativă \(0.95\)?
În R: simulați \(N=10^5\) săgeți și verificați repartiția de la (b); scrieți o funcție care întoarce estimația Monte Carlo, eroarea standard și intervalul aproximativ de nivel \(0.95\) și verificați prin simulare nivelul intervalului.
Pentru acasă Fie \[ I=\int_0^\infty\sin\big(x^4\big)\,e^{-2x}\,e^{-x^2/2}\dd x . \]
Scrieți \(I\) ca medie în două moduri: \(I=\E[h_1(Z)]\) cu \(Z\sim\Norm(0,1)\) și \(I=\E[h_2(Y)]\) cu \(Y\sim\Exp(2)\). Descrieți estimatorii Monte Carlo corespunzători și justificați convergența lor.
Arătați că ambii estimatori au varianță finită și scrieți varianțele \(\sigma_1^2=\Var(h_1(Z))\), \(\sigma_2^2=\Var(h_2(Y))\) ca integrale simple.
Știind că, numeric, \(\sigma_1^2\approx0.00734\) și \(\sigma_2^2\approx0.00616\), determinați volumul simulării pentru care eroarea este cel mult \(10^{-3}\) cu probabilitatea aproximativă \(0.95\). Ce reprezentare este de preferat și de ce?
În R: calculați \(I\), \(\sigma_1^2\) și \(\sigma_2^2\) prin integrare numerică și comparați cei doi estimatori pe o simulare.
Dacă timpul permite Fie \(Z\sim\Norm(0,1)\) și \(p=\PP(Z>3)=\Phi(-3)\approx0.00135\).
Fie \(\hat p_N\) frecvența relativă a evenimentului \(\{Z_i>3\}\) în \(N\) simulări independente. Determinați \(\E[\hat p_N]\) și \(\Var(\hat p_N)\).
Ce volum \(N\) garantează (aproximativ, prin TLC; apoi exact, prin inegalitatea lui Cebîșev) o eroare absolută de cel mult \(0.01\) cu probabilitatea \(0.95\), oricare ar fi \(p\)? Este această precizie utilă aici?
Ce volum \(N\) este necesar pentru o eroare relativă de cel mult \(10\%\) cu probabilitatea aproximativă \(0.95\)?
În R: calculați exact, cu repartiția binomială, probabilitatea ca eroarea relativă să fie cel mult \(10\%\) pentru volumul \(N=9\,604\) de la (b) și pentru volumul de la (c) și simulați estimatorul pentru \(N=10^3\), \(10^4\) și \(284\,190\).
Pentru acasă Fie \((X_m)_{m\ge1}\) un șir de variabile aleatoare independente cu \(\PP(X_m=0)=\PP(X_m=1)=\frac12\) (aruncări ale unei monede echilibrate) și \(\phi(n,k)=\frac{(n+k-1)(n+k-2)}{2}+k\) numerotarea pe diagonale a perechilor \((n,k)\in\N^*\times\N^*\). Ca la Pasul 2 al demonstrației Teoremei 14 din Cursul 3, fie \(\ U_n=\sum_{k\ge1}\frac{X_{\phi(n,k)}}{2^k}\) și \(S_{n,K}=\sum_{k=1}^K\frac{X_{\phi(n,k)}}{2^k}\), \(\ n\ge1\), \(K\ge1\).
Scrieți indicii primelor cinci aruncări folosite de \(U_1\), \(U_2\) și \(U_3\). Câte aruncări trebuie generate pentru a calcula \(S_{1,20}\), \(S_{2,20}\) și \(S_{3,20}\)?
Arătați că \(S_{n,K}\) este uniformă pe grila \(\{j/2^K:\ 0\le j<2^K\}\), calculați media și varianța ei și arătați că \(0\le U_n-S_{n,K}\le2^{-K}\). De ce sunt independente \(S_{1,K}\), \(S_{2,K}\) și \(S_{3,K}\)?
În R: verificați că cifrele binare ale numerelor produse de runif se comportă ca aruncări echilibrate independente; construiți din ele \(10^4\) triplete \((S_{1,20},S_{2,20},S_{3,20})\) și verificați uniformitatea și independența componentelor; transformați-le apoi în variabile \(\Exp(1)\), \(\Pois(3)\) și \(\Norm(0,1)\).
Pentru acasă Fie \(X\) și \(Y\) variabile aleatoare cu funcțiile de repartiție \(F_X\), \(F_Y\) și funcțiile cuantilă \(F_X^{-1}\), \(F_Y^{-1}\).
Arătați că, pentru orice \(g\) boreliană cu \(\E|g(X)|<\infty\), are loc relația (1); în particular \(\E[X]=\int_0^1F_X^{-1}(u)\dd u\) dacă \(\E|X|<\infty\). Aplicați pentru \(X\sim\Exp(\lambda)\) (media și varianța).
Spunem că \(X\) este stocastic mai mare decât \(Y\) dacă \(\PP(X>x)\ge\PP(Y>x)\) pentru orice \(x\in\R\). Arătați că, în acest caz, \(F_X^{-1}(u)\ge F_Y^{-1}(u)\) pentru orice \(u\in(0,1)\).
Deduceți că, dacă \(X\) este stocastic mai mare decât \(Y\), există pe același câmp de probabilitate \(X'\sim F_X\) și \(Y'\sim F_Y\) cu \(X'(\omega)\ge Y'(\omega)\) pentru orice \(\omega\) și că \(\E[g(X)]\ge\E[g(Y)]\) pentru orice \(g\) crescătoare cu mediile finite; în particular \(\E[X]\ge\E[Y]\).
Arătați că \(\Bin(n,p)\) este stocastic mai mare decât \(\Bin(n,p')\) pentru \(p\ge p'\) și verificați în R concluziile de la (a)–(c).
Pentru acasă Pentru \(d\ge1\) fie \(\ I_d=\int_{[0,1]^d}\exp\big(-\frac{x_1^2+\dots+x_d^2}{d}\big)\dd x\).
Arătați că \(I_d=\Big(\sqrt{\pi d}\,\big(\Phi(\sqrt{2/d})-\tfrac12\big)\Big)^d\).
Scrieți estimatorul Monte Carlo al lui \(I_d\) cu \(N\) puncte uniforme în \([0,1]^d\) și arătați că eroarea lui standard este cel mult \(0.32/\sqrt N\), oricare ar fi \(d\).
Regula punctului de mijloc pe o grilă cu \(m\) puncte pe fiecare axă folosește \(N=m^d\) evaluări ale funcției. Arătați că, pentru \(\psi:[0,1]^d\to\R\) de clasă \(C^2\), cu toate derivatele parțiale de ordinul doi mărginite în modul de o constantă \(M\), eroarea ei este cel mult \(\frac{Md^2}{8}\,N^{-2/d}\).
În R: comparați cele două metode pentru \(d\in\{1,2,4,6,8,10\}\), cu un buget de cel mult \(10^4\) evaluări.
Enunțurile complete, cu răspunsuri și indicații: fișa de lucru, Secțiunea 6.
Pentru lecturi suplimentare: (Casella and Berger 2002, sec. 5.6), (Robert and Casella 2004, cap. 2–3), (Devroye 1986, cap. II).
Statistică · Seminarul 4 — Cuantile, metoda inversă, Monte Carlo